[发明专利]基于故障预测与健康管理的设备备件需求预测系统

权利要求书

1.基于故障预测与健康管理的设备备件需求预测系统，其特征在于，所述预测系统包括：

数据采集与边缘计算模块，其利用边缘设备采集数据，通过对数据进行分析计算来提取建模所需的特征；

数据服务模块，其对现场设备及系统的数据资产进行统一管理，为智能分析模型提供数据支撑；

智能分析模块，其将采集到的数据进行信号处理与特征处理，根据处理后的信号数据进行健康评估；

可视化应用模块，其将故障预测和健康评估的结果进行可视化展示。

2.根据权利要求1所述的设备备件需求预测系统，其特征在于，数据采集与边缘计算模块能够将采集的数据通过时间戳进行数据对齐，然后对采集的信号数据进行处理，在边缘设备中通过智能建模分析计算和提取建模所需的特征。

3.根据权利要求1或2所述的设备备件需求预测系统，其特征在于，所述数据服务模块设有多源数据接口，能够接入来自所述数据采集与边缘计算模块的数据和已有系统的数据。

4.根据权利要求1或2所述的设备备件需求预测系统，其特征在于，所述智能分析模块将计算得到的设备健康指标和关键部件健康指标值分别与设备和关键部件的风险系数相乘并进行加权计算，获得设备备件更换的优先级。

5.根据权利要求4所述的设备备件需求预测系统，其特征在于，所述智能分析模块结合设备维护计划、设备关键部件故障概率和剩余使用寿命，建立备件需求预测模型，预测最小备件库存量。

6.根据权利要求1-5中任一项所述的设备备件需求预测系统，其特征在于，所述智能分析模块还包括数据预处理模块、特征提取模块、特征有效性指标计算模块和特征选择模块。

7.根据权利要求6所述的设备备件需求预测系统，其特征在于，所述特征有效性指标计算模块通过退化性指标计算模块、单调性指标计算模块、鲁棒性指标计算模块以及一致性指标计算模块分别计算特征的退化性指标、单调性指标、鲁棒性指标和一致性指标，通过加权计算得到综合权重指标。

8.根据权利要求7所述的设备备件需求预测系统，其特征在于，所述特征选择模块将计算得到的综合权重指标大于或等于预先设定的权重阈值的特征保留，舍去综合权重指标小于权重阈值的特征，将剩余特征作为选定的趋势性指标。

9.根据权利要求6所述的设备备件需求预测系统，其特征在于，进行特征有效性指标计算的方法包括以下步骤：

(1)通过传感器采集设备的运行数据，对采集到的运行数据进行预处理，获得至少一组设备的全生命周期特征数据；

(2)利用特征提取方法求取表征数据信号的多个特征向量；

(3)对多个特征向量进行退化性指标计算、单调性指标计算、鲁棒性指标计算和一致性指标计算，分别得到每个特征向量的退化性指标、单调性指标、鲁棒性指标和一致性指标；

(4)对每个指标的权重设置权重系数，通过加权计算得到综合权重指标；

(5)将计算得到的综合权重指标与设定的权重阈值比较，去除综合权重指标小于权重阈值的特征后作为有效性指标。

10.根据权利要求7-9中任一项所述的设备备件需求预测系统，其特征在于：

所述数据预处理模块对采集的数据进行滤波和模数转换处理；所述特征提取模块通过特征提取方法求取表征该信号的特征向量。