[发明专利]一种设备主动维修保障协同方法

权利要求书

1.一种设备主动维修保障协同方法，其特征在于，包括以下步骤：

步骤1、多种设备传感器感知设备的多维原始数据，并保存在本地；

步骤2、所述原始数据经采样后，选择部分数据定期上传并保存到设备维修保障云端；

步骤3、所述维修保障云端根据上传的数据及历史数据，评估设备状态，生成初步设备维修保障计划，记录相应结果，并将结果发送到设备维修保障移动终端；

步骤4、将维修保障移动终端与设备相连，读取设备原始数据，进一步诊断和验证设备状态，并根据初步维修保障计划和智能算法，生成维修保障方案；

步骤5、维修保障人员根据方案进行设备维修，并通过移动终端与远程人员进行协同交互，实现装备的主动和协同维修保障；

步骤1具体包括：

步骤11：感知设备信息：系统通过各种传感器感知系统设备的M维状态信息X＝[X₁,X₂,…,X_M]，包括设备的标识信息、时间、位置信息以及工作状态这些基本信息，信息采集周期为T；

步骤12：存储设备信息：在设备本地，存储感知设备信息M维的数据，保存D天的数据；

步骤2具体包括：

步骤21：原始数据的筛选：设备本地数据经筛选后，选取少量N维关键数据，其采样周期为I’*T，I’≥1，NM；

步骤22：筛选数据上传，根据保障周期需求及传输网络限制，筛选后的数据按周期P天上传并保存在云端服务器，其中P≤D；

步骤22中，上传周期选取为12小时，即0.5天，在每个12点时刻进行上传；

步骤3具体包括：

步骤31：数据初步评估：在每次设备上传数据时，云端结合设备历史数据，对设备进行初步状态评估，并根据状态评估结果，生成设备初步维修保障计划；

步骤32：设备初步维修保障计划在生成之后进行保存，并将结果直接发送到设备维修保障移动终端；

步骤4具体包括：

步骤41：验证设备状态：根据维修保障计划的要求，首先通过无线或有线的方式，将维修保障移动终端与设备相连，读取设备的原始数据，并验证设备状态是否与保障计划相一致；

步骤42：生成维修保障方案：在验证结果为一致后，维修保障移动终端生成维修保障实施方案；

步骤42具体包括：

步骤421：推理步骤：输入当前设备的关键数据，在案例库中检索相似案例，若有相似案例则给出故障诊断结论与解决措施，若无相似案例则转入基于时间序列的深度神经网络模型中，案例采取基于K-近邻匹配的检索方式进行检索，案例采取基于K-近邻匹配的检索方式进行检索具体步骤为：

每个案例包含m种特征，故障案例C_i(i＝1，2，…，n)可用一个m维向量表示：A_i＝(a_i1，a_i2，...，a_im)，a_ij(j＝1，2，...，m)是故障案例C_i的第j个特征的取值；

案例间的相似度定义为：

其中，0≤Sim(C_i，C_j)≤1；ω_k表示案例特征向量中第k个特征的权值，且

步骤422：针对获取的设备状态信息序列的时间序列化的特点，采用广义自回归条件异方差模型GARCH对设备按时间序列反馈的数据特征向量进行建模，根据得到的计算结果判断是否故障；

采用广义自回归条件异方差模型GARCH对设备按时间序列反馈的数据特征向量进行建模具体为：

时间序列X_t：

X_t＝E{X_t|Ψ_t-1}+ε_t (3)

其中ψ_t-1代表在t-1时间获得的所有时间序列X₁,…,X_t-1，ε_t代表残差，对残差建立描述方程：

式中：Z_t是均值为零，方差为1的随机变量；p,q分别为模型的阶数；α_i和β_j为模型的待估参数，为使条件方差h_t0要求α_i和β_j都大于0，同时为了使模型是宽平稳的，α_i和β_j还需满足条件：

∑_iα_i+∑_jβ_j1 (6)

在GARCH模型中，采用最大似然原理对条件方差的参数α₀，α₁，β₁进行估计，如果{X₁,X₂,…X_T}是由GARCH模型产生的信号，那么似然函数由如下公式定义：

这里h_t由递归方法获得，对上式取对数得到对数似然函数为：

其中：X＝(X₁,…,X_j)^T，h＝(h₁,…,h_j)^T，限制条件为公式(6)，模型的参数α₀，α₁，β₁通过最大化公式(9)求出；

根据模型得出的结果，对设备是否故障做出判断；若诊断出无故障则直接返回无故障信息，若有故障则转到步骤424；

步骤424、基于层次的神经网络故障预测步骤：根据诊断对象的特点，对系统进行分解，建立合适的综合层次分类模型，利用该模型计算获得对应的故障类型，根据故障类型生成对应的维修保障方案。

2.如权利要求1所述的方法，其特征在于，步骤21中，选取少量5维关键数据，包括设备标识信息、时间、空间信息、温度和湿度信息，采样周期为10秒。