本發(fā)明涉及設(shè)備運(yùn)維,特別是一種設(shè)備運(yùn)維智能化管理方法及系統(tǒng)。
背景技術(shù):
1、目前,傳統(tǒng)的設(shè)備監(jiān)測(cè)方法多依賴手動(dòng)檢查和簡(jiǎn)單的統(tǒng)計(jì)分析,存在效率低、誤判率高的問(wèn)題。雖然現(xiàn)有的機(jī)器學(xué)習(xí)方法如決策樹和線性回歸在某些預(yù)測(cè)任務(wù)中有所應(yīng)用,但往往無(wú)法捕捉到復(fù)雜設(shè)備狀態(tài)中的深層次非線性關(guān)系。因此,隨著工業(yè)設(shè)備智能化水平的提高,亟需一種基于深度學(xué)習(xí)的方法,能夠有效利用歷史運(yùn)行數(shù)據(jù),結(jié)合實(shí)時(shí)巡檢數(shù)據(jù),提供更高效、準(zhǔn)確的設(shè)備狀態(tài)預(yù)測(cè)。
技術(shù)實(shí)現(xiàn)思路
1、為解決現(xiàn)有技術(shù)中存在的問(wèn)題,本發(fā)明提供了一種設(shè)備運(yùn)維智能化管理方法及系統(tǒng)。
2、本發(fā)明采用的技術(shù)方案是:
3、一種設(shè)備運(yùn)維智能化管理方法,包括如下步驟:
4、s1、獲取所需運(yùn)維管理設(shè)備的歷史運(yùn)行數(shù)據(jù),所述歷史運(yùn)行數(shù)據(jù)包括運(yùn)行參數(shù)和運(yùn)行狀態(tài);
5、s2、對(duì)歷史運(yùn)行數(shù)據(jù)進(jìn)行預(yù)處理;
6、s3、通過(guò)預(yù)處理的數(shù)據(jù)進(jìn)行神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練,并通過(guò)交叉驗(yàn)證來(lái)調(diào)整超參數(shù),避免過(guò)擬合;
7、s4、對(duì)設(shè)備進(jìn)行巡檢,將巡檢得到的t1時(shí)刻設(shè)備的運(yùn)行參數(shù)預(yù)處理后輸入神經(jīng)網(wǎng)絡(luò)模型中預(yù)測(cè)推演后續(xù)t2時(shí)刻設(shè)備的運(yùn)行狀態(tài),以及設(shè)備每種運(yùn)行狀態(tài)的置信度;
8、s5、根據(jù)設(shè)備每種運(yùn)行狀態(tài)下參數(shù)值偏離正常范圍的幅度,以及相應(yīng)置信度,綜合判定是否需要預(yù)警。
9、優(yōu)選的,在步驟s2中,對(duì)歷史運(yùn)行數(shù)據(jù)進(jìn)行預(yù)處理包括如下步驟:
10、s21、去除歷史運(yùn)行數(shù)據(jù)中的噪聲和缺失值;
11、s22、從歷史運(yùn)行數(shù)據(jù)中選擇對(duì)預(yù)測(cè)有幫助的特征;
12、s23、將特征對(duì)應(yīng)的數(shù)據(jù)標(biāo)準(zhǔn)化,縮放到相同的范圍,以提高模型的收斂速度。
13、優(yōu)選的,在步驟s23中,將特征對(duì)應(yīng)的數(shù)據(jù)標(biāo)準(zhǔn)化,縮放到相同的范圍,包括對(duì)數(shù)據(jù)進(jìn)行歸一化處理,包括如下步驟:
14、將數(shù)據(jù)線性轉(zhuǎn)換到0~1的范圍,轉(zhuǎn)換的公式如下:
15、;
16、其中,為特征值歸一化后的值,為特征值,和分別是特征值的最大值和最小值。
17、優(yōu)選的,在步驟s4中,對(duì)設(shè)備進(jìn)行巡檢,包括如下步驟:
18、s41、結(jié)合廠區(qū)設(shè)計(jì)圖紙和廠區(qū)實(shí)景測(cè)量結(jié)果,建立廠區(qū)數(shù)字孿生模型;
19、s42、生成廠區(qū)內(nèi)各所需巡檢設(shè)備的分類編碼,建立廠區(qū)數(shù)字孿生模型與實(shí)際廠區(qū)內(nèi)各所需巡檢設(shè)備的唯一映射關(guān)系;
20、s43、基于廠區(qū)數(shù)字孿生模型中各設(shè)備的空間定位,結(jié)合對(duì)廠區(qū)的巡檢需求分析,以巡檢路徑最短為目標(biāo),建立路徑尋優(yōu)算法,并利用路徑尋優(yōu)算法進(jìn)行巡檢路徑優(yōu)化,自動(dòng)計(jì)算最優(yōu)巡檢路徑;
21、s44、將最優(yōu)巡檢路徑推送給巡檢主體,引導(dǎo)巡檢主體根據(jù)最優(yōu)巡檢路徑進(jìn)行巡檢,判斷巡檢主體是否完成巡檢,如完成巡檢,則結(jié)束,如未完成巡檢,則執(zhí)行步驟s45;
22、s45、判斷巡檢主體是否處于最優(yōu)巡檢路徑中前往下一巡檢設(shè)備的路徑上,如處于,則跳轉(zhuǎn)執(zhí)行步驟s44;如未處于,則根據(jù)巡檢主體當(dāng)前位置和未巡檢設(shè)備,重新計(jì)算最優(yōu)巡檢路徑并跳轉(zhuǎn)執(zhí)行步驟s44。
23、優(yōu)選的,在步驟s42中,使用統(tǒng)一的編碼標(biāo)準(zhǔn),生成廠區(qū)內(nèi)各所需巡檢設(shè)備的分類編碼,且各所需巡檢設(shè)備的分類編碼具有唯一性,分類編碼包含所需巡檢設(shè)備的基礎(chǔ)信息、運(yùn)維信息和空間位置信息。
24、優(yōu)選的,在步驟s43中,利用路徑尋優(yōu)算法進(jìn)行巡檢路徑優(yōu)化,自動(dòng)計(jì)算最優(yōu)巡檢路徑包括如下步驟:
25、s431、將巡檢范圍內(nèi)的可視區(qū)域離散為連續(xù)柵格化的網(wǎng)格,網(wǎng)格的邊形成路徑,相鄰網(wǎng)格之間的交匯處形成路徑的節(jié)點(diǎn);
26、s432、設(shè)定巡檢起點(diǎn)的節(jié)點(diǎn)為原點(diǎn)建立二維坐標(biāo)系,確定全部節(jié)點(diǎn)的坐標(biāo)數(shù)據(jù),根據(jù)全部所需巡檢設(shè)備位置,確定所需巡檢設(shè)備位置處的巡檢節(jié)點(diǎn),設(shè)定全部巡檢節(jié)點(diǎn)的集合為,其中,表示巡檢節(jié)點(diǎn),表示第個(gè)巡檢節(jié)點(diǎn);
27、s433、設(shè)定巡檢起點(diǎn)的節(jié)點(diǎn)的路徑值為,將其余節(jié)點(diǎn)的路徑值為,將原有節(jié)點(diǎn)的狀態(tài)設(shè)定為“未到達(dá)”,并將所有節(jié)點(diǎn)及其路徑值和狀態(tài)加入至斐波那契隊(duì)列中,并設(shè)定巡檢起點(diǎn)的節(jié)點(diǎn)為,坐標(biāo)為;
28、s434、從斐波那契隊(duì)列中選擇狀態(tài)為“未到達(dá)”且路徑值最小的節(jié)點(diǎn),將該節(jié)點(diǎn)記為,坐標(biāo)為,并將該節(jié)點(diǎn)的狀態(tài)更新為“已到達(dá)”;
29、s435、設(shè)定與節(jié)點(diǎn)相鄰的節(jié)點(diǎn)集合為,且相鄰節(jié)點(diǎn)集合中不包括在斐波那契隊(duì)列中狀態(tài)為“已到達(dá)”的節(jié)點(diǎn),相鄰節(jié)點(diǎn)集合中節(jié)點(diǎn)的坐標(biāo)集合為,其中,表示相鄰節(jié)點(diǎn),表示第個(gè)相鄰節(jié)點(diǎn),表示第個(gè)相鄰節(jié)點(diǎn)的坐標(biāo);
30、s436、計(jì)算從巡檢起點(diǎn)的節(jié)點(diǎn)出發(fā)經(jīng)過(guò)節(jié)點(diǎn)到達(dá)某個(gè)與節(jié)點(diǎn)相鄰節(jié)點(diǎn)的距離值即第一距離值,計(jì)算相鄰節(jié)點(diǎn)至最近的巡檢節(jié)點(diǎn)的距離值即第二距離值,根據(jù)第一距離值和第二距離值的和值確定相鄰節(jié)點(diǎn)的更新路徑值,其中,該最近的巡檢節(jié)點(diǎn)的狀態(tài)為“未到達(dá)”;
31、第一距離值的計(jì)算公式如下:
32、;
33、第二距離值的計(jì)算公式如下:
34、;
35、其中,為與相鄰節(jié)點(diǎn)最近的巡檢節(jié)點(diǎn)的坐標(biāo);
36、s437、根據(jù)相鄰節(jié)點(diǎn)集合中所有相鄰節(jié)點(diǎn)的更新路徑值,從所有更新路徑值中選擇最小值,將與更新路徑值中的最小值對(duì)應(yīng)的相鄰節(jié)點(diǎn)在斐波那契隊(duì)列中的路徑值,替換為更新路徑值中的最小值;
37、s438、判斷與更新路徑值中的最小值對(duì)應(yīng)的相鄰節(jié)點(diǎn)是否屬于全部巡檢節(jié)點(diǎn)的集合,如屬于,則將該相鄰節(jié)點(diǎn)加入巡檢路徑節(jié)點(diǎn)集合,并回溯該相鄰節(jié)點(diǎn)的前驅(qū)節(jié)點(diǎn),生成局部路徑,然后執(zhí)行步驟s439,如不屬于,則跳轉(zhuǎn)執(zhí)行步驟s434,其中,表示巡檢路徑節(jié)點(diǎn)集合中的巡檢節(jié)點(diǎn),表示巡檢路徑節(jié)點(diǎn)集合中的第個(gè)節(jié)點(diǎn);
38、s439、判斷巡檢路徑節(jié)點(diǎn)集合與全部巡檢節(jié)點(diǎn)的集合中所包括的節(jié)點(diǎn)是否一一對(duì)應(yīng),如一一對(duì)應(yīng),則回溯所有的局部路徑生成完整路徑,得到最優(yōu)巡檢路徑,如未一一對(duì)應(yīng),則將巡檢起點(diǎn)的節(jié)點(diǎn)更新為步驟s437中更新路徑值中的最小值對(duì)應(yīng)的相鄰節(jié)點(diǎn),并跳轉(zhuǎn)執(zhí)行步驟s434。
39、優(yōu)選的,在步驟s45中,根據(jù)巡檢主體當(dāng)前位置和未巡檢設(shè)備,重新計(jì)算最優(yōu)巡檢路徑包括如下步驟:
40、將巡檢起點(diǎn)的節(jié)點(diǎn)更新為巡檢主體當(dāng)前位置最近的節(jié)點(diǎn),然后跳轉(zhuǎn)執(zhí)行步驟s434,最終得到重新計(jì)算的最優(yōu)巡檢路徑。
41、優(yōu)選的,在步驟s45中,根據(jù)巡檢主體當(dāng)前位置和未巡檢設(shè)備,重新計(jì)算最優(yōu)巡檢路徑時(shí),將巡檢起點(diǎn)的節(jié)點(diǎn)更新為巡檢主體當(dāng)前位置最近的節(jié)點(diǎn),根據(jù)最優(yōu)巡檢路徑,設(shè)定上一個(gè)巡檢完成的巡檢設(shè)備對(duì)應(yīng)的巡檢節(jié)點(diǎn)為,下一個(gè)要巡檢的巡檢設(shè)備對(duì)應(yīng)的巡檢節(jié)點(diǎn)為,計(jì)算巡檢起點(diǎn)的節(jié)點(diǎn)至巡檢節(jié)點(diǎn)的距離即第三距離值,計(jì)算巡檢起點(diǎn)的節(jié)點(diǎn)至巡檢節(jié)點(diǎn)為的距離即第四距離值,獲取最優(yōu)巡檢路徑中巡檢節(jié)點(diǎn)至巡檢節(jié)點(diǎn)之間的距離即第五距離,判斷第三距離值、第四距離值和第五距離之間的關(guān)系,如,且,則計(jì)算出巡檢起點(diǎn)的節(jié)點(diǎn)至巡檢節(jié)點(diǎn)的最短路徑,與原最優(yōu)巡檢路徑中巡檢節(jié)點(diǎn)以后的路徑合并形成重新計(jì)算的最優(yōu)巡檢路徑,并跳轉(zhuǎn)執(zhí)行步驟s44,否則計(jì)算出巡檢起點(diǎn)的節(jié)點(diǎn)至巡檢節(jié)點(diǎn)的最短路徑,與原最優(yōu)巡檢路徑中巡檢節(jié)點(diǎn)以后的路徑合并形成重新計(jì)算的最優(yōu)巡檢路徑,并跳轉(zhuǎn)執(zhí)行步驟s44,其中,為正常數(shù);
42、第三距離值的計(jì)算公式如下:
43、;
44、第四距離值的計(jì)算公式如下:
45、;
46、第五距離值的計(jì)算公式如下:
47、;
48、其中,為節(jié)點(diǎn)的坐標(biāo),為節(jié)點(diǎn)的坐標(biāo)。
49、一種設(shè)備運(yùn)維智能化管理系統(tǒng),用于執(zhí)行上述所述設(shè)備運(yùn)維智能化管理方法,其特征在于,包括以下模塊:
50、數(shù)據(jù)預(yù)處理模塊,用于對(duì)獲取的所需運(yùn)維管理設(shè)備的歷史運(yùn)行數(shù)據(jù)以及巡檢得到的t1時(shí)刻設(shè)備的運(yùn)行參數(shù)進(jìn)行預(yù)處理,以便用于神經(jīng)網(wǎng)絡(luò)訓(xùn)練以及預(yù)測(cè)設(shè)備運(yùn)行狀態(tài);
51、神經(jīng)網(wǎng)絡(luò)模塊,與數(shù)據(jù)預(yù)處理模塊連接,用于接收預(yù)處理后的所需運(yùn)維管理設(shè)備的歷史運(yùn)行數(shù)據(jù)以及巡檢得到的t1時(shí)刻設(shè)備的運(yùn)行參數(shù),以便進(jìn)行訓(xùn)練以及預(yù)測(cè)設(shè)備運(yùn)行狀態(tài);
52、廠區(qū)可視化建模模塊,用于結(jié)合廠區(qū)設(shè)計(jì)圖紙和廠區(qū)實(shí)景測(cè)量結(jié)果,建立廠區(qū)數(shù)字孿生模型;
53、巡檢設(shè)備編碼模塊,與廠區(qū)可視化建模模塊連接,用于生成廠區(qū)內(nèi)各所需巡檢設(shè)備的分類編碼,建立廠區(qū)數(shù)字孿生模型與實(shí)際廠區(qū)內(nèi)各所需巡檢設(shè)備的唯一映射關(guān)系;
54、巡檢路徑規(guī)劃模塊,與廠區(qū)可視化建模模塊和巡檢設(shè)備編碼模塊連接,用于基于廠區(qū)數(shù)字孿生模型中各設(shè)備的空間定位,結(jié)合對(duì)廠區(qū)的巡檢需求分析,以巡檢路徑最短為目標(biāo),建立路徑尋優(yōu)算法,并利用路徑尋優(yōu)算法進(jìn)行巡檢路徑優(yōu)化,自動(dòng)計(jì)算最優(yōu)巡檢路徑;
55、巡檢路徑引導(dǎo)模塊,與廠區(qū)可視化建模模塊和巡檢路徑規(guī)劃模塊,用于將最優(yōu)巡檢路徑推送給巡檢主體,引導(dǎo)巡檢主體根據(jù)最優(yōu)巡檢路徑進(jìn)行巡檢,判斷巡檢主體是否完成巡檢;
56、巡檢進(jìn)度監(jiān)控模塊,與廠區(qū)可視化建模模塊和巡檢路徑引導(dǎo)模塊連接,用于在未完成巡檢時(shí),判斷巡檢主體是否處于最優(yōu)巡檢路徑中前往下一巡檢設(shè)備的路徑上,如未處于,則根據(jù)巡檢主體當(dāng)前位置和未巡檢設(shè)備,請(qǐng)求巡檢路徑規(guī)劃模塊重新計(jì)算最優(yōu)巡檢路徑;
57、巡檢數(shù)據(jù)收集模塊,與數(shù)據(jù)預(yù)處理模塊連接,用于收集巡檢數(shù)據(jù),以便經(jīng)數(shù)據(jù)預(yù)處理模塊對(duì)數(shù)據(jù)處理后由神經(jīng)網(wǎng)絡(luò)對(duì)巡檢設(shè)備的運(yùn)行狀態(tài)進(jìn)行預(yù)測(cè)。
58、本發(fā)明的有益效果是:
59、本發(fā)明通過(guò)對(duì)設(shè)備歷史運(yùn)行數(shù)據(jù)的處理,利用設(shè)備歷史運(yùn)行數(shù)據(jù)訓(xùn)練神經(jīng)網(wǎng)絡(luò)并進(jìn)行驗(yàn)證,然后利用訓(xùn)練后的神經(jīng)網(wǎng)絡(luò),結(jié)合設(shè)備當(dāng)前的巡檢數(shù)據(jù)來(lái)對(duì)設(shè)備接下來(lái)的運(yùn)行狀態(tài)進(jìn)行預(yù)測(cè),相比于傳統(tǒng)的設(shè)備監(jiān)測(cè)方法多依賴手動(dòng)檢查和簡(jiǎn)單的統(tǒng)計(jì)分析,預(yù)測(cè)效率更高、誤判率更低,通過(guò)訓(xùn)練后的神經(jīng)網(wǎng)絡(luò)能更輕易的捕捉到復(fù)雜設(shè)備狀態(tài)中的深層次非線性關(guān)系,能夠有效利用歷史運(yùn)行數(shù)據(jù),結(jié)合實(shí)時(shí)巡檢數(shù)據(jù),提供更高效、準(zhǔn)確的設(shè)備狀態(tài)預(yù)測(cè)。