【技术实现步骤摘要】
本专利技术属于设备维护保障领域,具体涉及一种设备的状态预测方法。
技术介绍
随着设备设计技术、设备制造技术和信息技术的迅猛发展,传统设备逐渐走向集 成化、智能化,内部结构和关联性日趋庞大,致使设备系统在其部件的状态分布、部件间的 关联关系等方面呈现出极大的复杂性。维修人员难以预测设备的真实状态,经常发生维修 不足或维修过剩的情况,给设备维护保障工作带来了巨大的挑战。设备故障预测是一门涉 及机械、电子、材料、控制、通信以及计算机技术和人工智能等多学科综合技术。它以当前设 备的使用状态为起点,结合已知预测对象的结构特性、参数、环境条件及运行历史记录,对 设备未来任务段内可能出现的故障进行预报、分析和判断,确定故障性质、类别、程度、原因 及部位,指出故障发展趋势及后果,向用户提出警告,以便在任务之前消除故障,保证任务 的顺利完成。公开号为CN1533948A的中国专利公开了一种专利技术名称为“对飞机故障的预测报 警方法及飞机故障预测报警系统”,该方法包括以下步骤1.在飞机可能发生故障的部位设置相应的传感器,利用计算机对进行数据采集分 析,并将分析结果与正常标准数据模型进行比较,若异常,启动报警;2.在报警的同时将采集的数据和比较的结果通过通信网传输到地面飞行指挥中 心3.实现上述方法的飞机故障预测报警系统;4.设置在地面飞行指挥中的数据接收监控设备。该方法主要通过传感器采集数据信息,及时将采集的数据通过网络传输到地面的 指挥中心,建立了良好的故障报警系统硬件环境。但未对故障预测报警系统的核心问题,即 故障预测方法进行分析。而且实际设备结构庞大、影响因素复杂, ...
【技术保护点】
一种基于故障树信息的设备状态预测方法,其特征在于包括下述步骤:1)确定需要预测的一个设备故障模式,并在故障树中搜索以该故障模式为顶事件的故障树模型F,F中所有事件集合为T={T↓[1],T↓[2],...,T↓[i],...,T↓[n]},其中T↓[i]表示第i个事件,n表示故障树事件总数;故障树具体搜索方式如下:针对设备故障模式,首先在故障树信息中找到与该模式对应的故障树事件T1,然后以该事件为顶事件向下搜索与顶事件通过逻辑门关联的故障树中间事件,不断向下搜索与中间事件通过为多连结构,且在r个影响D↓[j]状态的变量中需要至少有q个同时故障时,D↓[j]才会发生故障;4)根据故障树模型包含的各底事件可靠性函数集合R={R↓[1],R↓[2],...,R↓[k],...,R↓[l]}计算故障预测模型中故障原因变量先验概率分布集合P={P(C↓[1]=0),P(C↓[2]=0),...,P(C↓[k]=0),...,P(C↓[l]=0)},P(C↓[k]=0)=R↓[k],其中k=1,...,l,其中R↓[k]表示第k个底事件的可靠性函数,P(C↓[k]=0)表示第k个故障原因变量的状态 ...
【技术特征摘要】
一种基于故障树信息的设备状态预测方法,其特征在于包括下述步骤1)确定需要预测的一个设备故障模式,并在故障树中搜索以该故障模式为顶事件的故障树模型F,F中所有事件集合为T={T1,T2,...,Ti,...,Tn},其中Ti表示第i个事件,n表示故障树事件总数;故障树具体搜索方式如下针对设备故障模式,首先在故障树信息中找到与该模式对应的故障树事件T1,然后以该事件为顶事件向下搜索与顶事件通过逻辑门关联的故障树中间事件,不断向下搜索与中间事件通过逻辑门关联的其它故障树中间事件,直到搜索到故障树底事件为止;其中,底事件是指没有其它故障树事件通过逻辑门与其关联的事件;2)将集合T中的顶事件用故障预测模型中的故障模式变量M表示,当顶事件不发生时,对应变量的取值为0,当顶事件发生时,对应变量的取值为1,且整个模型中只有一个故障模式变量;将集合T中的其它中间事件用故障预测模型中的故障传递变量集合D={D1,D2,...,Dj,...,Dm}表示,其中Dj表示第j个中间事件对应的故障传递变量,j=1,...,m,m表示故障传递变量总数;将集合T中的底事件用故障预测模型中的故障原因变量集合C={C1,C2,...,Ck,...,Cl}表示,其中Ck表示第k个底事件对应的故障原因变量,k=1,...,l,l表示故障原因变量总数,且1+m+l=n;3)将故障树模型F中表示的逻辑门集合L={L0,L1,L2,...,Lj,...,Lm}用故障预测模型中变量的结构关系集合J={J0,J1,J2,...,Jj,...,Jm}表示,其中L0表示顶事件对应的逻辑门,Lj表示第j个中间事件对应的逻辑门,故障树中共有1+m个逻辑门;J0表示故障模式变量M对应的结构关系,Jj表示第j个传递变量对应的结构关系;在中,π(Dj)表示影响第j个中间事件状态的故障树事件相对应的变量,(·)表示与第j个逻辑门中逻辑关系相对应的关联关系;根据逻辑门建立变量结构关系的具体方式如下其中j=0,...,m其中,表示π(Dj)中的变量为并联结构关系;表示π(Dj)中的变量为串联结构关系;用表示π(Dj)中变量与Dj的结构关系,命名为反联结构;用表示π(Dj)中变量与Dj的结构关系,命名为多连结构,且在r个影响Dj状态的变量中需要至少有q个同时故障时,Dj才会发生故障;4)根据故障树模型包含的各底事件可靠性函数集合R={R1,R2,...,Rk,...,Rl}计算故障预测模型中故障原因变量先验概率分布集合P={P(C1=0),P(C2=0),...,P(Ck=0),...,P(Cl=0)},P(Ck=0)=Rk,其中k=1,...,l,其中Rk表示第k个底事件的可靠性函数,P(Ck=0)表示第k个故障原因变量的状态概率分布;5)根据结构关系集合J={J0,J1,J2,...,Jj,...,Jm}中所包含的关联关系,计算故障预测模型中故障模式变量的条件概率分布P(M|π(M))和故障传递变量的条件概率...
【专利技术属性】
技术研发人员:蔡志强,司书宾,孙树栋,王宁,兑红炎,李淑敏,张莉莉,
申请(专利权)人:西北工业大学,
类型:发明
国别省市:87[中国|西安]
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。