[发明专利]一种故障预测系统以及预测方法

权利要求书

1.一种故障预测系统，其特征在于：包括数据采集模块、数据分析模块、预测模块、设备控制模块以及多部织带机；

所述数据采集模块用于采集多部织带机的工作数据并将该工作数据传输给数据分析模块；

所述数据分析模块用于对工作数据进行分析计算，获取织带机下一次故障前的连续工作时间，并将该连续工作时间传输给预测模块；

所述预测模块用于根据连续工作时间进行预测匹配计算，预测出执行当前任务的最佳的织带机；

所述设备控制模块用于根据预测模块的预测结果控制多部织带机进行工作或者停止工作。

2.根据权利要求1所述一种故障预测系统，其特征在于：所述数据采集模块包括无线数据采集器和数据终端，所述无线数据采集器用于实时采集织带机的开关机的时间数据并传输到数据分析模块，所述数据终端用于记录织带机的故障记录并传输到数据分析模块。

3.根据权利要求1所述一种故障预测系统，其特征在于：所述故障预测系统还包括用于显示数据采集模块、数据分析模块以及预测模块的工作数据的人机操作模块。

4.一种基于权利要求1所述的故障预测系统的故障预测方法，其特征在于：包括以下步骤

A.通过数据采集模块采集织带机的工作数据，工作数据包括织带机的开关机时间、织带机的工作总时长以及故障记录，故障记录包括故障部件的名称和故障的发生时间；

B.建立初始神经网络模型，以采集到的织带机的工作数据为输入数据，对初始神经网络模型进行训练，得到一个可进行故障预测的目标神经网络模型；

C.将采集到的织带机的工作数据输入步骤B中得到的目标神经网络模型，预测出全部闲置的织带机在下一次发生故障前的最大连续运行时间；

D.将获得的最大连续工作时长与多部织带机的使用时长进行对比匹配，获取完成当前任务最适合的织带机。

5.根据权利要求4所述一种故障预测方法，其特征在于：步骤A中，对多部织带机进行编号，第i部织带机的编号设为R_i，织带机R_i的第j次开关机的时间分别表示为T_{ij_s}和T_{ij_e}，第k个部件发生的故障表示为F_k，将采集到的开关机时间T_{ij_s}和T_{ij_e}以及发生的故障F_k通过无线数据传输的方式上传输入神经网络模型。

6.根据权利要求5所述一种故障预测方法，其特征在于：将织带机R_i的工作数据分为5个维度，其包括工作总时长T_i、总启停次数Num_{i_se}、总故障次数Num_{i_F}、当前故障与上一次同类故障之间的使用时长T_ik以及设备在T_ik期间的启停次数Num_{ik_se}，其中t_ikm＝T_{ij_e}-T_{ij_s}，通过所述5个维度获得织带机R_i发生故障F_k的历史向量信息V_ik＝[T_iNum_{i_se}Num_{i_F}T_ikNum_{ik_se}]，以历史向量信息V_ik作为神经网络的输入数据，以织带机R_i的最后一次发生故障前的连续运行时间T_{ik_last_seg}为初始神经网络的训练目标，对初始神经网络进行训练。

7.根据权利要求6所述一种故障预测方法，其特征在于：对历史向量信息V_ik进行归一化处理，获得归一化历史向量信息其中N为织带机的总部数，将该归一化历史向量信息V_{ik_std}输入初始神经网络模型，预测出故障部件F_k下一次发生故障前的最大连续工作时长t_{ik_next}。

8.根据权利要求7所述一种故障预测方法，其特征在于：步骤D中，待分配任务与织带机R_i之间的匹配系数公式为：

其中，T_i为织带机R_i的工作总时长，T_{i_next}为织带机R_i在发生下一次故障前的最大连续工作时长，T_{i_task}为当前任务所需织带机的工作时长，多部织带机中最大的工作总时长；当P_i在[0,1]之间取值时，使P_i取得最小值的织带机R_i即为当前任务的最佳分配织带机