【技术实现步骤摘要】
本专利技术涉及设备故障预警，具体涉及一种基于多参数逻辑关系的设备故障智能预警方法。
技术介绍
1、dcs控制系统是分布式控制系统(distributed control system)的缩写，它是一种集中和自动化管理工业过程的控制系统。dcs控制系统通常由许多远程基于计算机的控制单元组成，通过网络连接在一起，以监测和控制工业过程中的各个设备和部件；
2、dcs控制系统使用现代计算机技术和通信技术，提供了实时监测、运行调度、数据处理和自动控制等功能，用于控制和管理工业过程中的设备、流程参数和操作指令，基于其功能，dcs控制系统广泛应用于石化、电力、水处理、制药、钢铁等各个行业；
3、当前的一种针对于石化行业的设备故障智能预警方法基于dcs控制系统来对工业设备进行故障预警，然而dcs控制系统通过仪器仪表监测值与实际明显不符怀疑设备故障时，才停工解决设备故障的后置处置问题，这样将会影响管理人员处理预故障设备的时间，导致对于设备故障的预警无明显实质性作用；
4、且基于设备的故障预测现有中是采用预测模型来对其进行故障预测，然后针对于用于进行设备故障的预测模型，且为了保证常态化，其用以进行模型训练的训练数据是从多个石化工厂采取数据，因此其针对与设备故障并对故障进行优先级评定没有结合各个石化工厂的故障处理能力，导致对于预故障设备的处理效率达不到最优化；
5、为了解决上述问题，本专利技术提出了一种解决方案。
技术实现思路
1、本专利技术的目的在于提供
2、本专利技术的目的可以通过以下技术方案实现：
3、一种基于多参数逻辑关系的设备故障智能预警方法，包括以下步骤：
4、步骤一：数据分析模块，对故障数据记录单元中存储的石化工厂过去所有出现过故障的工业设备故障记录数据进行分析，针对于石化工厂过去至少出现过p4次的所有故障类型，基于其每一个故障类型在过去每次故障时的维修处理时间和响应时间得到其对应的维修响应特征；
5、步骤二：设备特征采集模块对当前设备诊断周期中石化工厂内所有工业设备特征参数的测量数据进行采集生成当前设备诊断周期的特征测量数据，将其传输到模型预测单元；
6、步骤三：模型预测单元将接收到的当前设备诊断周期的特征测量数据输入到设备故障预测模型中得到当前设备诊断周期的预测结果数据，将其传输到联合预测单元，所述当前设备诊断周期的预测结果数据中包括预测故障类型；
7、步骤四：联合预测单元基于接收到的当前设备诊断周期的预测结果数据后检索其内包含的所有预测故障类型是否存在对应的维修响应特征，基于检索结果得到每个预测故障类型对应的联合优先级并依据其生成当前设备诊断周期的平衡预测结果数据，将其传输到画面组态模块；
8、步骤五：画面组态模块将工业将石化工厂内所有工业设备用模型的形式向石化工厂内的管理人员进行显示，基于石化工厂内所有工业设备的运行状态建立设备运行模型，模拟工业设备的运行状态，画面组态模块接收到联合预测单元传输的当前设备诊断周期的平衡预测结果数据后调整对应工业设备的模型状态为红色闪烁状态。
9、进一步的，所述数据分析模块针对于石化工厂过去至少出现过p4次的所有故障类型，基于每一个故障类型在过去每次故障时的维修处理时间和响应时间得到其对应的维修响应特征的具体分析步骤如下：
10、s21：针对于石化工厂过去至少出现过p4次的一个故障类型，利用公式计算获取该故障类型的维修响应特征c1，所述n指代的是该故障类型在过去出现过的总次数，所述a1、a2、..、aa指代的是该故障类型在过去每次出现时对应的维修处理时间，所述b1、b2、...、ba指代的是该故障类型在过去每次出现时对应的响应时间，即该石化工厂维修人员发现故障设备到出发前往故障设备的间隔时间，所述α1、α2分别为预设数值；
11、s22：按照s21分别计算获取石化工厂过去至少出现过p4次的所有故障类型的维修响应特征c1、c2、...、cc，c≥1，所述p4为预设诊断分析次数阈值。
12、本专利技术的有益效果：
13、(1)本专利技术通过故障特征采集模块，对监测工业设备的仪器仪表上的监测数据进行采集，由设备故障预测模型基于仪器仪表监测数据的特征来预测设备故障，基于设备故障预测模型，避免出现仪器仪表监测值与实际明显不符怀疑设备故障时，才停工解决设备故障的后置处置情况，进而给予维修人员处理预故障设备的时间，提高了设备故障的预警功能；
14、(2)本专利技术通过数据分析模块对数据分析模块针对于石化工厂过去至少出现过p4次的所有故障类型，基于每一个故障类型在过去每次故障时的维修处理时间和响应时间得到其对应的维修响应特征，将其和设备故障预测模型中评定的故障预测类型的优先级进行联合，使最终对于预测设备的联合优先级包含了本石化工厂对于各个故障类型的响应速度和处理能力，使最终针对预测故障设备的联合优先级具有本石化工厂的特性，相对于本石化工厂来说，其提高了预测故障设备的处理效率。
本文档来自技高网...【技术保护点】
1.一种基于多参数逻辑关系的设备故障智能预警方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于多参数逻辑关系的设备故障智能预警方法，所述工业设备特指固定安装有仪器仪表设备的工业设备，一个所述工业设备的特征参数至少包含温度、压力、流量、湿度、速度、加速度、振动、电压、电流、功率、电阻、电容中的一种或者多种特征参数。
3.根据权利要求2所述的一种基于多参数逻辑关系的设备故障智能预警方法，一个所述工业设备特征参数的测量数据指代的是其上固定安装的仪器仪表设备对对应特征参数进行测量得到的测量数据，其内包含工业设备的设备编号，所述工业设备的设备编号为16位数字构成的字符串。
4.根据权利要求1所述的一种基于多参数逻辑关系的设备故障智能预警方法，其特征在于，故障数据记录单元中存储有石化工厂过去所有出现过故障的工业设备故障记录数据，所述故障记录数据包括故障类型和其对应的故障处置策略、引起故障的特征参数，故障发生前的P2时间内引起故障特征参数的测量数据、维修处理时间和响应时间，所述P2为预设故障回溯时间阈值。
5.根据权利要求1所述的
6.根据权利要求1所述的一种基于多参数逻辑关系的设备故障智能预警方法，其特征在于，画面组态模块对没有出现故障的工业设备的模型状态设置为静止状态。
7.根据权利要求1所述的一种基于多参数逻辑关系的设备故障智能预警方法，其特征在于，所述当前设备诊断周期的预测结果数据中还包括预测故障设备编号、对应的故障处置策略、引起故障的特征参数和故障优先级。
8.根据权利要求1所述的一种基于多参数逻辑关系的设备故障智能预警方法，其特征在于，联合预测单元得到每个预测故障类型对应的联合优先级，具体如下：
9.根据权利要求1所述的一种基于多参数逻辑关系的设备故障智能预警方法，其特征在于，所述联合优先级数值上越高，其出现对应预测故障类型的工业设备的维修时间越短。
...【技术特征摘要】
1.一种基于多参数逻辑关系的设备故障智能预警方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于多参数逻辑关系的设备故障智能预警方法，所述工业设备特指固定安装有仪器仪表设备的工业设备，一个所述工业设备的特征参数至少包含温度、压力、流量、湿度、速度、加速度、振动、电压、电流、功率、电阻、电容中的一种或者多种特征参数。
3.根据权利要求2所述的一种基于多参数逻辑关系的设备故障智能预警方法，一个所述工业设备特征参数的测量数据指代的是其上固定安装的仪器仪表设备对对应特征参数进行测量得到的测量数据，其内包含工业设备的设备编号，所述工业设备的设备编号为16位数字构成的字符串。
4.根据权利要求1所述的一种基于多参数逻辑关系的设备故障智能预警方法，其特征在于，故障数据记录单元中存储有石化工厂过去所有出现过故障的工业设备故障记录数据，所述故障记录数据包括故障类型和其对应的故障处置策略、引起故障的特征参数，故障发生前的p2时间内引起故障特征参数的测量数据、维修处理时间和响应时间，所述p2为预设故障回溯时间阈值。...
【专利技术属性】
技术研发人员：周丽霞，谢毅，李长胜，李九光，张睿，
申请(专利权)人：岳阳长炼机电工程技术有限公司，
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。