[发明专利]基于机电设备状态数据漂移的故障预测方法及系统

说明书

本发明涉及机电设备检测的技术领域，尤其是涉及一种基于机电设备状态数据漂移的故障预测方法及系统，基于机电设备状态数据漂移的故障预测方法包括获取每台所述机电设备的历史检测数据；分别对每组所述历史检测数据进行训练，得到故障预测模型；若获取到每台所述机电设备的运行状态数据，则使用对应的故障预测模型对所述运行状态数据进行预测，得到对应的预测结果；根据所述预测结果，为对应的所述机电设备设置维修计划。本发明具有对机电设备运行状态进行预警，提高维修效率的效果。

技术领域

本发明涉及机电设备检测的技术领域，尤其是涉及一种基于机电设备状态数据漂移的故障预测方法及系统。

背景技术

目前，在机电设备故障的检测，通常采取实时监控，并在发生故障时在监控平台中发出报警，通知相关人员进行处理。或是凭借设备维修的经验，定期对机电设备进行检查，起到预防的作用。

在现有的机电设备故障检测方法中，若在机电设备发生故障时才进行维修，有可能导致该机电设备所在的运行系统，例如轨道交通系统，的瘫痪或造成其他危害，而凭借经验进行定期维修，虽能起到一定的预防作用，但是仍会出现一定的误差，导致维修的效率不高。

发明内容

本发明的目的是提供一种对机电设备运行状态进行预警，提高维修效率的基于机电设备状态数据漂移的故障预测方法及系统。

本发明的上述发明目的一是通过以下技术方案得以实现的：

一种基于机电设备状态数据漂移的故障预测方法，所述基于机电设备状态数据漂移的故障预测方法包括：

获取每台所述机电设备的历史检测数据；

分别对每组所述历史检测数据进行训练，得到故障预测模型；

若获取到每台所述机电设备的运行状态数据，则使用对应的故障预测模型对所述运行状态数据进行预测，得到对应的预测结果；

根据所述预测结果，为对应的所述机电设备设置维修计划。

通过采用上述技术方案，通过获取每台机电设备的历史检测数据，并根据该历史数据进行训练，得到故障预测模型，能够通过该故障预测模型，反映每台机电设备在出现故障时主要的趋势，以及平均的时间，并能够通过该故障预测模型，对每台机电设备当前的运行状态数据进行判断与预测，实现了对每台机电设备出现故障的时间以及具体的部件进行预测，提高了维护机电设备的效率，也保证了各个机电设备组成的设备系统的运行稳定；同时，根据预测的结果，对每台机电设备设置对应的维修计划，能够使得维修安排更为合理。

本发明进一步设置为：所述获取每台所述机电设备的历史检测数据，包括：

每台所述机电设备包括对应的设备标识，根据所述设备标识调取每台所述机电设备对应的运行数据库；

从每台所述机电设备对应的所述运行数据库中获取所述历史检测数据。

通过采用上述技术方案，根据每台机电设备对应的设备标识，调取对应的运行数据库，并在该运行数据库中获取与每台机电设备对应的历史检测数据，能够为后续训练处故障预测模型提供训练样本。

本发明进一步设置为：分别对每组所述历史检测数据进行训练，得到故障预测模型，包括：

每组所述历史检测数据包括机电设备运行波形，根据所述机电设备运行波形，设置在每组所述历史检测数据中的每条所述机电设备运行波形对应的运行包络线；

将每组所述历史检测数据对应的所述运行包络线作为训练集，通过CNN提取每条所述运行包络线的特征向量；

使用LSTM网络对每组历史检测数据对应的所述训练集所述特征向量进行训练，得到所述故障预测模型。