[发明专利]一种基于能动参数的制丝设备状态维护分析方法

权利要求书

1.一种基于能动参数的制丝设备状态维护分析方法，其特征在于，包括以下步骤：

S1、利用PLC数据采集器采集学习样本数据；

S2、将学习样本数据分为输入参数与输出参数；

S3、对输入参数进行归一化处理得到学习模型输入参数；

S4、对输出参数进行基于Malik的比例役龄回退模型的离散化处理方法，得到学习模型输出参数；

S5、将学习模型输入参数与学习模型输出参数送入GA-BP神经网络中进行模型训练；

S6、通过实时数据采集与故障报警模块得到系统的实时数据信息；

S7、将实时数据信息传入训练好的模型中得到实时的状态信息，并据此生成设备维修报告；

步骤S4所述离散化处理方法，包括以下步骤：

(1)根据历史维修模型确定威布尔分布的η和β值，构造系统性能衰退模型，将输出数据转化为设备的可靠性数值；

设备的可靠性函数如公式所示：

其中η和β分别为威布尔分布的尺度参数和形状参数；

(2)对于设备停机进行维护操作，基于Malik的比例役龄回退模型分析设备维护后的可靠性；

将步骤(1)得到的可靠性数值进行更新得到模型需要的输出数据；设备的可靠性指标如公式：

其中T_k的函数如公式：

其中，I_k是维护增长因子，表示第k次维护的性能增长能力；t_j表示从初始开机到第j次采集时所经过的时间；t_sj表示从初始开机到第j次采集时中间停机的时间；I_k数值表示不同程度的维修工作。

2.根据权利要求1所述的基于能动参数的制丝设备状态维护分析方法，其特征在于，所述学习样本数据包括但不限于工艺参数、维护参数、环境参数或电能电参数。

3.根据权利要求2所述的基于能动参数的制丝设备状态维护分析方法，其特征在于，所述工艺参数包括但不限于：含水率、物料流量、蒸汽流量、水流量、当前时间或停机时间；

所述维护参数包括但不限于：电机震动状态、蒸汽疏水阀出入口温度或设备润滑度；

所述环境参数包括但不限于：环境温度和环境湿度；

所述电能电参数包括但不限于：三相相电压、三相线电压、三相有功功率、三相无功功率、三相功率因数、频率、有功电能、无功电能、相位或总电能。

4.根据权利要求1所述的基于能动参数的制丝设备状态维护分析方法，其特征在于，所述归一化处理将数据处理为[0，1]之间的数据，使用如下归一化公式：

x_i表示归一化后的数据；x表示未处理的数据；x_min表示未经处理数据的最小值；x_max表示未经处理数据的最大值。

5.根据权利要求1所述的基于能动参数的制丝设备状态维护分析方法，其特征在于，所述GA-BP神经网络模型的搭建，具体步骤如下所示：

(1)建立BP模型

根据训练集数据设置BP神经网络的输入层节点，输出层节点，设置隐含层节点；

(2)初始化进化次数，种群规模，交叉概率，变异概率；

(3)适应度函数计算

适应度表示度量群体中各个个体在优化计算中接近最优解的优良程度，预测输出个期望的输出之间的误差绝对值和作为个体适应度值F；

计算公式如公式：

式中，n为网络输出节点数；y_i为BP神经网络第i个节点的期望输出；o_i为第i个节点的实际输出；k为系数；

(4)采用轮盘赌法进行选择操作；

(5)交叉操作；

采用实数交叉法，第k个染色体a_k和第I个染色体a_j在j位的交叉操作如公式：

式中b为随机数且b∈[0，1]；

(6)变异操作

选取第i个个体的第j个基因进行变异，方法如公式：

式中a_max与a_min分别为基因a_ij的上界与下界；f(g)＝r₂(1-g/G_max)²，r₂为随机数，g为当前迭代次数，C_max为最大进化次数；r为随机数且r∈(0，1)；

(7)计算适应度

用新染色体代替原来染色体，计算适应度，如果满足条件，跳到步骤(8)；否则，转到步骤(3)继续优化；

(8)训练

达到性能指标后，将最优权重和阈值赋给BP神经网络，利用训练集训练网络直到达到设定的误差要求。