设备健康管理系统及方法技术方案

本申请公开了一种设备健康管理系统及方法。其中，该方法包括：实时采集目标设备的第一运行状态数据及系统资源使用数据；对第一运行状态数据进行预处理，将得到的第二运行状态数据存储至数据库；通过预训练的故障预测模型对第二运行状态数据进行分析，得到用于反映目标设备是否存在故障以及存在故障时的目标故障类型的故障预测结果；在故障预测结果反映目标设备存在故障时，确定与目标故障类型对应的目标故障解决方案；综合展示第二运行状态数据、系统资源使用数据、故障预测结果和目标故障解决方案；响应于第一对象的操作指令，执行与操作指令对应的健康管理操作。本申请解决了相关技术中针对设备的健康管理的水平较差，效率较低的技术问题。低的技术问题。低的技术问题。

【技术实现步骤摘要】
设备健康管理系统及方法


[0001]本申请涉及设备管理
，具体而言，涉及一种设备健康管理系统及方法。

技术介绍

[0002]目前，传统的设备管理方案主要着眼于故障处理与静态维修，即在设备发生故障后，利用故障诊断方式或者是停机解体维修方式对设备进行阶段性的恢复以保持设备总体健康。由于无法提前预测设备可能发生的故障，故障处理存在一定的滞后性，而定期的故障诊断或故障维修也会对生产造成一定的影响，整个管理方式较为单一，管理效率底下，无法达到最大化设备利用率，难以满足当前的设备管理需求。
[0003]针对上述的问题，目前尚未提出有效的解决方案。

技术实现思路

[0004]本申请实施例提供了一种设备健康管理系统及方法，以至少解决相关技术中针对设备的健康管理的水平较差，效率较低的技术问题。
[0005]根据本申请实施例的一个方面，提供了一种设备健康管理系统，包括：数据采集模块，用于实时采集目标设备的第一运行状态数据及系统资源使用数据；数据处理模块，用于对第一运行状态数据进行预处理，并将得到的第二运行状态数据存储至数据库；故障预测模块，用于通过预训练的故障预测模型对第二运行状态数据进行分析，得到故障预测结果，其中，故障预测结果用于反映目标设备是否存在故障以及存在故障时的目标故障类型；故障诊断模块，用于在故障预测结果反映目标设备存在故障时，确定与目标故障类型对应的目标故障解决方案；人机交互模块，用于综合展示第二运行状态数据、系统资源使用数据、故障预测结果和目标故障解决方案，响应于第一对象的操作指令，执行与操作指令对应的健康管理操作。
[0006]可选地，数据处理模块用于识别并删除第一运行状态数据中的异常数据，得到第二运行状态数据；数据处理模块还用于确定异常数据在第一运行状态数据中所占的比例，并在比例超过第一预设阈值时发出第一异常提示信息，其中，第一异常提示信息用于提示数据采集模块可能存在故障。
[0007]可选地，故障预测模型采用多元逻辑回归模型，多元逻辑回归模型中包括：输入层，用于输入第一运行状态数据中第一数量的特征变量；第一隐藏层，用于将第一数量的特征变量处理为第二数量的特征点；第二隐藏层，用于将第二数量的特征点处理为第三数量的神经元；回归层，用于对第三数量的神经元进行逻辑回归处理，得到故障预测结果；输出层，用于输出故障预测结果。
[0008]可选地，故障预测模型的训练过程包括：从数据库中获取多组目标设备的历史运行状态数据作为样本数据集，并确定每组历史运行状态数据对应的设备故障状态作为样本标签；将样本数据集划分为训练数据集和测试数据集；依据训练数据集对故障预测模型进行迭代训练，其中，将每组训练样本数据依次输入故障预测模型，得到故障预测模型输出的
预测结果，基于预测结果和样本标签构建目标损失函数，并基于目标损失函数调整故障预测模型的模型参数；依据测试数据集对训练后的故障预测模型进行测试。
[0009]可选地，故障诊断模块包括自动化诊断子模块和人工诊断子模块，其中，自动化诊断子模块，用于依据预设的故障处理映射表确定与目标故障类型对应的目标故障解决方案，其中，故障处理映射表中存储有多种故障类型和故障解决方案之间的映射关系；人工诊断子模块，用于在自动化诊断子模块未从故障处理映射表中查找到与目标故障类型对应的目标故障解决方案时，发起人工诊断请求，获取第二对象针对目标故障类型反馈的目标故障解决方案。
[0010]可选地，设备健康管理系统中还包括：设备健康管理知识库，用于存储与目标设备的健康管理相关的多媒体文件；人机交互模块还用于响应第一对象的查询指令，从设备健康管理知识库中查询并反馈与查询指令对应的目标多媒体文件。
[0011]可选地，设备健康管理系统中还包括：资源管理模块，用于在系统资源使用数据超过第二预设阈值时，发出第二异常提示信息，其中，第二异常提示信息用于提示目标设备使用资源异常；资源管理模块还用于响应第一对象在人机交互模块中输入的资源调配指令，依据资源调配指令重新为目标设备分配系统资源。
[0012]可选地，设备健康管理系统采用浏览器
‑
服务器架构；数据采集模块位于设备端，数据处理模块、故障预测模块和故障诊断模块均位于服务器端，人机交互模块位于浏览器端。
[0013]根据本申请实施例的另一方面，还提供了一种设备健康管理方法，包括：实时采集目标设备的第一运行状态数据及系统资源使用数据；对第一运行状态数据进行预处理，并将得到的第二运行状态数据存储至数据库；通过预训练的故障预测模型对第二运行状态数据进行分析，得到故障预测结果，其中，故障预测结果用于反映目标设备是否存在故障以及存在故障时的目标故障类型；在故障预测结果反映目标设备存在故障时，确定与目标故障类型对应的目标故障解决方案；综合展示第二运行状态数据、系统资源使用数据、故障预测结果和目标故障解决方案；响应于第一对象的操作指令，执行与操作指令对应的健康管理操作。
[0014]根据本申请实施例的另一方面，还提供了一种电子设备，该电子设备包括：存储器和处理器，其中，存储器中存储有计算机程序，处理器被配置为通过计算机程序执行上述的设备健康管理方法。
[0015]在本申请实施例中，首先通过数据采集模块实时采集目标设备的第一运行状态数据及系统资源使用数据；然后由数据处理模块对第一运行状态数据进行预处理，得到第二运行状态数据；再由故障预测模块通过预训练的故障预测模型对第二运行状态数据进行分析，得到用于反映目标设备是否存在故障以及存在故障时的目标故障类型的故障预测结果；在故障预测结果反映目标设备存在故障时，通过故障诊断模块确定与目标故障类型对应的目标故障解决方案；最后在人机交互模块综合展示第二运行状态数据、系统资源使用数据、故障预测结果和目标故障解决方案，同时响应于第一对象的操作指令，执行与操作指令对应的健康管理操作。其中，通过设备运行状态提前预测其可能发生的故障并给出解决方案，可以避免故障后处理的滞后性，整个管理过程自动化运行，可以提高设备管理效率，有效解决了相关技术中针对设备的健康管理的水平较差，效率较低的技术问题。
附图说明
[0016]此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
[0017]图1是根据本申请实施例的一种可选的设备健康管理系统的结构示意图；
[0018]图2是根据本申请实施例的另一种可选的设备健康管理系统的结构示意图；
[0019]图3是根据本申请实施例的一种可选的故障预测模型的结构示意图；
[0020]图4是根据本申请实施例的一种可选的设备健康管理方法的流程示意图。
具体实施方式
[0021]为了使本
的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分的实施例，而不是全部的实施例。基于本申请中的实施例本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种设备健康管理系统，其特征在于，包括：数据采集模块，用于实时采集目标设备的第一运行状态数据及系统资源使用数据；数据处理模块，用于对所述第一运行状态数据进行预处理，并将得到的第二运行状态数据存储至数据库；故障预测模块，用于通过预训练的故障预测模型对所述第二运行状态数据进行分析，得到故障预测结果，其中，所述故障预测结果用于反映所述目标设备是否存在故障以及存在故障时的目标故障类型；故障诊断模块，用于在所述故障预测结果反映所述目标设备存在故障时，确定与所述目标故障类型对应的目标故障解决方案；人机交互模块，用于综合展示所述第二运行状态数据、所述系统资源使用数据、所述故障预测结果和所述目标故障解决方案；响应于第一对象的操作指令，执行与所述操作指令对应的健康管理操作。2.根据权利要求1所述的系统，其特征在于，所述数据处理模块用于识别并删除所述第一运行状态数据中的异常数据，得到所述第二运行状态数据；所述数据处理模块还用于确定所述异常数据在所述第一运行状态数据中所占的比例，并在所述比例超过第一预设阈值时发出第一异常提示信息，其中，所述第一异常提示信息用于提示所述数据采集模块可能存在故障。3.根据权利要求1所述的系统，其特征在于，所述故障预测模型采用多元逻辑回归模型，所述多元逻辑回归模型中包括：输入层，用于输入所述第一运行状态数据中第一数量的特征变量；第一隐藏层，用于将所述第一数量的特征变量处理为第二数量的特征点；第二隐藏层，用于将所述第二数量的特征点处理为第三数量的神经元；回归层，用于对所述第三数量的神经元进行逻辑回归处理，得到所述故障预测结果；输出层，用于输出所述故障预测结果。4.根据权利要求3所述的系统，其特征在于，所述故障预测模型的训练过程包括：从所述数据库中获取多组所述目标设备的历史运行状态数据作为样本数据集，并确定每组所述历史运行状态数据对应的设备故障状态作为样本标签；将所述样本数据集划分为训练数据集和测试数据集；依据所述训练数据集对所述故障预测模型进行迭代训练，其中，将每组训练样本数据依次输入所述故障预测模型，得到所述故障预测模型输出的预测结果，基于所述预测结果和所述样本标签构建目标损失函数，并基于所述目标损失函数调整所述故障预测模型的模型参数；依据所述测试数据集对训练后的所述故障预测模型进行测试。5.根据权利要求1所述的系统，其特征在于，所述故障诊断模块包括自动化诊断子模块和人...

【专利技术属性】
技术研发人员：张晓玲，石秀，刘飞，白雪松，栾合禹，冉波，卢艺，苏力华，苏虹晖，王淑平，姚鑫，
申请(专利权)人：中国人民解放军六六七三六部队，
类型：发明
国别省市：