[发明专利]机械设备运转状况确定方法、装置、介质和计算设备

说明书

本发明的实施方式提供了一种机械设备运转状况确定方法、装置、系统、介质和计算设备。该方法包括：获取机械设备的运转数据集，确定所述运转数据集中不同运转阶段的运转数据与指定阶段的运转数据之间的相似程度，根据相似程度为不同运转阶段进行排序，以得到不同运转阶段距离机械故障产生的远近程度。通过得到不同运转阶段距离机械故障产生的远近程度，从而有助于确定机械设备在不同运转阶段下所处的运转状况，进而有助于为机械设备提供针对性维护，降低机械设备维护成本，也有助于提高机械故障分析预测的可靠性和准确率，降低方案实施门槛。

技术领域

本发明的实施方式涉及故障检测技术领域，更具体地，本发明的实施方式涉及一种机械设备运转状况确定方法、装置、系统、介质和计算设备。

背景技术

本部分旨在为权利要求书中陈述的本发明的实施方式提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。

机械设备运转过程中难免会出现各种各样的故障，因此，机械故障远近的分析预测是保障机械设备能够在工业生产中正常运行的关键之一。机械故障远近表示当前时刻(或当前运转阶段)与机械故障产生时刻所间隔的时间长度，即机械故障越远，表示当前时刻与机械故障产生时刻所间隔的时间越长。但由于机械故障的复杂性和故障形式的多样化，导致分析预测机械设备远近极其困难。

目前，对于现有的故障远近分析预测方式，通常采用剩余使用寿命(RemainingUseful Life，RUL)模型来实现，即为机械设备的运行状态设置对应的剩余生命值，并建立运行状态特征与对应剩余生命值之间的映射，从而通过收集到的运行状态特征来确定映射的机械设备的剩余使用寿命。这种故障远近分析预测方式属于监督学习，在这种故障远近分析预测方式中所有样本均为独立同分布(Independently Identically Distribution，iid)的，但工业生产中不同部件的物理性质差异较大，即使属于同一种类的两个部件样本的物理性质也存在差别，因而这种故障远近分析预测方式可靠性低，准确性难以保障。

因此，为了解决现有故障远近分析预测方式存在的可靠性低、准确性难以保障的问题，亟待设计一种新的机械设备运转状况确定方案。

发明内容

由于现有设备运转状况确定方式存在的可靠性低、准确性难以保障的问题，因此非常需要一种改进的用于分析预测机械故障的技术方案，以解决上述技术问题之一。

在本上下文中，本发明的实施方式期望提供一种机械设备运转状况确定方法、装置、系统、介质和计算设备。

在本发明实施方式的第一方面中，提供了一种机械设备运转状况确定方法，包括：获取机械设备的运转数据集，运转数据集中的数据采集自机械设备的多个运转阶段；确定运转数据集中不同运转阶段的运转数据与指定阶段的运转数据之间的相似程度；根据相似程度为不同运转阶段进行排序，以得到不同运转阶段距离机械故障产生的远近程度。

一个可能的实施例中，基于距离模型确定运转数据集中不同运转阶段的运转数据与指定阶段的运转数据之间的相似程度。

一个可能的实施例中，基于距离模型确定运转数据集中不同运转阶段的运转数据与指定阶段的运转数据之间的相似程度，包括：对于不同运转阶段中的每一运转阶段，选取该运转阶段的多个运转数据以及对应的指定阶段中的至少一个运转数据；采用距离模型计算该运转阶段的多个运转数据与对应的指定阶段中的至少一个运转数据之间的相对距离；基于该运转阶段的多个运转数据对应的相对距离，确定该运转阶段与指定阶段之间的相似程度。

一个可能的实施例中，选取该运转阶段的多个运转数据以及对应的指定阶段中的至少一个运转数据，包括：随机选取该运转阶段的多个波形数据以及对应的指定阶段中的多个波形数据。

其中，相对距离属于欧式距离、余弦距离、动态时间归整距离中的一种。

其中，相对距离越小，相似程度越高。