【技术实现步骤摘要】
一种设备失效模式预判与剩余寿命预测耦合系统及方法
[0001]本专利技术属于故障预测
，具体涉及一种设备失效模式预判与剩余寿命预测耦合系统及方法
。
技术介绍
[0002]物联网背景下，在设备上加装智能数据采集终端，形成数字化的设备健康状态感知，并在此基础上，构建设备智能故障预测与健康管理系统，已经越来越受到设备使用企业的青睐
。
[0003]故障预测与健康管理的核心任务是剩余寿命预测
。
实践中，所收集的设备监测数据通常具有初始状态不确定和价值密度差异化的特点
。
其中，初始状态不确定是指设备维修效果的不确定会在设备监测数据中体现；价值密度差异化是指设备运行接近失效发生时刻，监测数据对剩余寿命预测的价值更高
。
[0004]实践中，对设备进行不间断地监测，会产生大量监测数据
。
随着技术的发展，设备失效的概率越来越低，相邻设备失效发生的时间间隔会更长
。
受制于储存或传输介质，故障预测与健康管理系统需要采用旧监测数...
【技术保护点】
【技术特征摘要】
1.
一种设备失效模式预判与剩余寿命预测耦合系统，其特征在于，包括互相通信连接的设备维修网络和设备维修决策平台；所述设备维修网络用于确定失效模式，并预测剩余寿命；所述设备维修决策平台用于接收设备的失效模式和剩余寿命并传输至运维人员；所述设备维修网络包括设备节点
、
传感器集合
、
异常状态识别模块以及设备失效模式预判与剩余寿命预测耦合模块；所述传感器集合包括若干个传感器，用于采集对应设备节点的设备健康信息；所述异常状态识别模块用于接收并缓存设备健康信息，并识别待检测设备的异常发生时刻；所述设备失效模式预判与剩余寿命预测耦合模块用于根据异常发生时刻确定失效模式，并预测剩余寿命，并将失效模式和剩余寿命传输至设备维修决策平台
。2.
一种设备失效模式预判与剩余寿命预测耦合方法，其特征在于，包括以下步骤：
S1
：通过传感器采集待检测设备的设备健康信息；
S2
：利用异常状态识别模块接收并缓存设备健康信息，并识别待检测设备的异常发生时刻；
S3
：根据待检测设备的异常发生时刻，利用设备失效模式预判与剩余寿命预测耦合模块确定失效模式，并预测剩余寿命；
S4
：将失效模式和剩余寿命传输至设备维修决策平台
。3.
根据权利要求2所述的设备失效模式预判与剩余寿命预测耦合方法，其特征在于，所述步骤
S1
中，
t
时刻的设备健康信息包括设备运行环境信息和设备运行状态信息；其中，
t
时刻的设备健康信息
x(t)
的表达式为，
t
时刻的设备运行环境信息的表达式为，
t
时刻的设备运行状态信息的表达式为；式中，
v
p
表示设备类型
p
的运行环境被监测变量的数量，
u
p
表示设备类型
p
的运行状态被监测变量的数量，表示
t
时刻针对各个设备类型所监测的运行环境变量，表示
t
时刻针对各个设备类型所监测的运行状态变量
。4.
根据权利要求2所述的设备失效模式预判与剩余寿命预测耦合方法，其特征在于，所述
S2
包括以下子步骤：
S21
：利用异常状态识别模块接收并缓存
t
时刻的设备健康信息；
S22
：根据
t
时刻的设备健康信息，利用
ARIMA 模型预测
t+1
时刻的设备健康预测信息以及预测区间；
S23
：根据预测
t+1
时刻的设备健康预测信息以及预测区间，确定异常发生时刻
。5.
根据权利要求4所述的设备失效模式预判与剩余寿命预测耦合方法，其特征在于，所述步骤
S22
中，
t+1
时刻的设备健康预测信息的表达式为
，设备运行环境信息的预测区间的表达式为，设备运行状态信息的预测区间的表达式为；式中，表示
t+1
时刻针对各个设备类型所监测的运行环境变量的预测值，表示
t+1
时刻针对各个设备类型所监测的运行状态变量的预测值，表示
t+1
时刻针对设备类型所监测的第
v
个运行环境变量预测区间的下限，表示
t+1
时刻针对设备类型所监测的第
v
个运行环境变量预测区间的上限，表示
t+1
时刻针对设备类型所监测的第
u
个运行状态变量预测区间的下限，表示
t+1
时刻针对设备类型所监测的第
u
个运行状态变量预测区间的上限，
v
p
表示设备类型
p
的运行环境被监测变量的数量，
u
p
表示设备类型
p
的运行状态被监测变量的数量，
L
表示预先设置的预警下限，
U
表示预先设置的预警上限
。6.
根据权利要求4所述的设备失效模式预判与剩余寿命预测耦合方法，其特征在于，所述步骤
S23
中，若
A
...
【专利技术属性】
技术研发人员：徐湖洋，张勇，银春灿，王晓光，孙振介，
申请(专利权)人：成都理工大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。