一种融合专家经验及智能算法的设备健康评估方法技术

本发明专利技术涉及设备监控维护技术领域，具体涉及一种融合专家经验及智能算法的设备健康评估方法，包括以下步骤：S1、采集设备的信号数据，并由专家同步对设备的健康状态进行评估，并标注对应的标签数据；S2、对采集的信号数据进行预处理后进行计算分析，得到设备的状态参数；S3、对设备的状态参数进行处理和聚类，得到设备各状态的聚类中心，并根据设备各状态的聚类中心建立设备的状态矩阵；S4、对设备某个状态对应的聚类中心、状态参数及标签数据进行处理后，对预设的基础模型进行训练，得到设备该状态对应的初始的评估模型。本方法可以减少采集的数据量，同时可以对单台设备的健康状态进行准确的评估。行准确的评估。行准确的评估。

【技术实现步骤摘要】
一种融合专家经验及智能算法的设备健康评估方法


[0001]本专利技术涉及设备监控维护
，具体涉及一种融合专家经验及智能算法的设备健康评估方法。

技术介绍

[0002]工业设备的健康状态，事关生产的工业产品的质量水平和生产过程的稳定性及流畅性。为了保证工业生产的质量，需要对设备的状态进行监控和评估。
[0003]目前，关于设备健康评估方法大多数基于数据驱动模型得到的，即，采集海量数据后，将数据进行组织形成信息，再对相关的信息进行整合和提炼，在数据的基础上经过训练和拟合形成自动化的工业设备健康状态的评估模型。属于一种以数据为中心依据进行决策和行动的模型创建方法。得到评估模型后，再依据评估模型以及采集的设备状态数据，对设备的状态进行分析评估。虽然上述方法已成为目前主流的机器学习算法模型的创建思路，并且已经发展得较为成熟，但是，使用上述方法进行工业设备的健康状态评估，存在以下问题：1、采用该方法创建评估模型需要采集海量的数据，但工业设备现场，数据的大量采集存在成本高、通讯不稳定、存储空间限制等问题，且数据采集后的标注同样会花费非常高的人力成本；2、工业现场环境复杂，同一种设备在不同工况下会有不同的特点，数据预处理和特征工程无法做到消除工矿的影响，因此该方法得到的评估模型的泛化能力差，无法适用不同个体，也就导致单个设备的健康状态得不到准确的评估。
[0004]因此，怎样减少采集的数据量，同时增强单体设备的适配性，成为目前亟待解决的问题。

技术实现思路

[0005]针对上述现有技术的不足，本专利技术提供了一种融合专家经验及智能算法的设备健康评估方法，可以减少采集的数据量，同时可以对单台设备的健康状态进行准确的评估。
[0006]为了解决上述技术问题，本专利技术采用了如下的技术方案：一种融合专家经验及智能算法的设备健康评估方法，包括以下步骤：S1、采集设备的信号数据，并由专家同步对设备的健康状态进行评估，并标注对应的标签数据；S2、对采集的信号数据进行预处理后进行计算分析，得到设备的状态参数；S3、对设备的状态参数进行处理和聚类，得到设备各状态的聚类中心，并根据设备各状态的聚类中心建立设备的状态矩阵；S4、对设备某个状态对应的聚类中心、状态参数及标签数据进行处理后，对预设的基础模型进行训练，得到设备该状态对应的初始的评估模型；并重复该过程，直到分别得到设备所有状态的初始的评估模型；
S5，采集设备实际运行时的信号数据并进行处理，得到设备的当前状态参数；根据当前状态参数及状态矩阵得到设备的当前状态后，调用当前状态对应的评估模型，结合设备的当前状态参数，对设备当前的健康状态进行评估。
[0007]优选地，S2中，所述预处理包括异常值的剔除、缺失值的填充和时序信号滤波处理。
[0008]优选地，S2中，所述状态参数包括时域状态参数、频域状态参数和时频域状态参数。
[0009]优选地，S3包括：S31、按时间顺序，将各时刻的状态参数组成向量的形式，并记为各时刻的状态向量；S32、对各时刻的状态向量进行无监督学习，采用K
‑
Means算法聚类，得到设备运行时的各运行状态；S33、获取聚类结果中的各运行状态的聚类中心，组成设备的状态矩阵。
[0010]优选地，S4包括：S41、计算设备某个状态下的各时刻的信号数据的状态向量与该状态的聚类中心的残差值，得到该状态的残差序列；S42、按照预设的滑动窗口，计算该状态的残差序列的标准差；S43、通过该状态的残差值、标准差以及对应的标签数据，对预设的基础模型进行训练，得到该状态的初始的评估模型；S44、重复S1
‑
S43，直到分别得到设备所有状态的初始的评估模型。
[0011]优选地，S5包括：S51、对实际采集的信号数据进行处理，得到当前的状态向量，根据当前的状态向量及状态矩阵，确定设备的当前状态；S51、根据当前的状态向量及对应的聚类中心，计算当前的状态向量的残差值，并得到当前的残差序列；S52、按照预设的滑动窗口，计算当前的残差序列的标准差；S53、调用当前状态对应的评估模型，并根据当前的残差值及标准差，对设备的当前健康状态进行评估。
[0012]优选地，S5后，还包括S6，对评估结果及装置的实际状态进行分析，若某状态的评估模型的评估结果为存在异常，或设备在该状态下实际出现异常，则由专家给出对应的标签数据后作为新的训练数据，对该状态对应的评估模型进行再次训练，得到该状态的训练更新后的评估模型。
[0013]优选地，S6包括：S61、对评估结果及装置的实际状态进行分析，若某状态的评估模型的评估结果为存在异常，或设备在该状态下实际出现异常，则由专家进行实时评估，并给出对应的标签数据；S62、对S61中专家实时评估所对应的信号数据进行处理，得到对应的残差及标准差；S63、将专家实时给出的标签数据、对应的残差及标准差，加入对应状态的评估模
型的历史训练数据中，并对该评估模型进行训练更新，得到该状态的训练更新后的评估模型。
[0014]优选地，S1中，所述信号数据的采集装置包括振动传感器、温度传感器和噪声传感器的一个或多个。
[0015]本专利技术与现有技术相比，具有如下有益效果：1、使用本方法，会对具体工况下的单个具体的设备的各运行状态分别进行建模，这种类似于定制化的建模方式，在保证准确性的同时，单个评估模型所需要参与训练的数据量很小，数据的采集、处理都较为方便，模型训练的效率也较高。并且，除了设备的信号数据外，还会以专家评估的标签数据作为评估模型的训练数据，以此保证评估模型的有效性。与现有技术不考虑装置的使用环境，对所有装置建立统一的评估模型相比，使用本方法，可以减少采集的数据量，同时可以对单台设备的健康状态进行准确的评估。
[0016]2、本方法中，通过状态参数的分析处理，得到状态矩阵后，再构建不同状态下的评估模型，这样，不仅可以对状态参数进行充分的利用，并且可以保证对设备健康度评估的准确性和全面性。后续对设备的健康状态进行评估时，会根据设备的当前状态调用对应的评估模型进行评估，这样，不仅对设备具有针对性，还对设备的状态具有针对性，可避免由于设备状态不同（如满载状态、空载状态）而导致的评估不准确的问题。
[0017]3、本方法中，各状态的评估模型的训练数据均来自于待检测设备这一台设备，可以有效的规避设备工矿差异和数据分布不同带来的影响。
[0018]4、在各评估模型的使用过程中，若某状态对应的评估结果为存在异常或装置在该状态时实际出现了异常，都会由专家进行评估、核准，得到对应的标签数据，并将该标签数据，以及对应的残差及标准差加入对应状态的评估模型的历史训练数据中，对该评估模型进行再次训练，从而实现评估模型的更新迭代，还可以有效利用最近的数据。
附图说明
[0019]为了使专利技术的目的、技术方案和优点更加清楚，下面将结合附图对本专利技术作进一步的详细描述，其中：图1为实施例中的流程图。
具体实施方式
[0020]下面通过具体实施方式进本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种融合专家经验及智能算法的设备健康评估方法，其特征在于，包括以下步骤：S1、采集设备的信号数据，并由专家同步对设备的健康状态进行评估，并标注对应的标签数据；S2、对采集的信号数据进行预处理后进行计算分析，得到设备的状态参数；S3、对设备的状态参数进行处理和聚类，得到设备各状态的聚类中心，并根据设备各状态的聚类中心建立设备的状态矩阵；S4、对设备某个状态对应的聚类中心、状态参数及标签数据进行处理后，对预设的基础模型进行训练，得到设备该状态对应的初始的评估模型；并重复该过程，直到分别得到设备所有状态的初始的评估模型；S5，采集设备实际运行时的信号数据并进行处理，得到设备的当前状态参数；根据当前状态参数及状态矩阵得到设备的当前状态后，调用当前状态对应的评估模型，结合设备的当前状态参数，对设备当前的健康状态进行评估。2.如权利要求1所述的融合专家经验及智能算法的设备健康评估方法，其特征在于：S2中，所述预处理包括异常值的剔除、缺失值的填充和时序信号滤波处理。3.如权利要求2所述的融合专家经验及智能算法的设备健康评估方法，其特征在于：S2中，所述状态参数包括时域状态参数、频域状态参数和时频域状态参数。4.如权利要求3所述的融合专家经验及智能算法的设备健康评估方法，其特征在于：S3包括：S31、按时间顺序，将各时刻的状态参数组成向量的形式，并记为各时刻的状态向量；S32、对各时刻的状态向量进行无监督学习，采用K
‑
Means算法聚类，得到设备运行时的各运行状态；S33、获取聚类结果中的各运行状态的聚类中心，组成设备的状态矩阵。5.如权利要求4所述的融合专家经验及智能算法的设备健康评估方法，其特征在于：S4包括：S41、计算设备某个状态下的各时刻的信号数据的状态向量与该状态的聚类中心的残差值，得到该状态的残差序列；S42、按照预设的滑动窗口，计算该状态的残差序列的标准差；S4...

【专利技术属性】
技术研发人员：巩书凯，陈虎，卢仁谦，向红先，李宏，
申请(专利权)人：重庆忽米网络科技有限公司，
类型：发明
国别省市：