[发明专利]一种基于大数据的仪器设备故障预测与健康管理方法

说明书

本发明提出了一种基于大数据的仪器设备故障预测与健康管理算法，所述方法包括：通过应力传感器、声学传感器和震动传感器采集仪器设备的信号数据，并将所述信号数据发送至设备管理中心，同时，通过机床接口将所述仪器设备的实时运行参数发送至设备管理中心；对发送至设备管理中心的信号数据和运行参数进行给预处理，获得预处理后的数据；利用仿真工具针对所述与处理后的数据进行数字孪生设备的仿真分析，获得仿真数据；根据所述仿真数据与所述仪器设备的实际数据进行数据特征提取，获取数据特征；根据所述数据特征，利用前馈神经网络算法对所述仪器设备和/或所述仪器设备的关键部件的损耗和故障进行预测，获得预测结果。

技术领域

本发明提出了一种基于大数据的仪器设备故障预测与健康管理方法，属于设备管理技术领域。

背景技术

在仪器设备管理过程中，企业多是根据经验进行设备大修、小修、点检等维护，还有一些企业使用了大数据技术进行设备故障的预测，先搜集设备的静态数据和动态数据，然后建立设备状态与多种数据的关联关系，最后通过获取到的实时数据进行故障预测，这些方法都是基于历史数据和经验。现有的设备管理方法中仍存在如下问题：

1、基于历史数据和经验的故障预测方法的预测结果与实际的故障出现情况差异较大，造成备品备件库存过多或不足；

2、仪器设备出现故障之后，影响生产任务的达成率，设备的综合利用率仍然较低。

发明内容

本发明提供了一种基于大数据的仪器设备故障预测与健康管理方法，用以解决故障预测结果与实际故障出现情况差异较大以及造成设备综合利用率较低的问题，所采取的技术方案如下：

一种基于大数据的仪器设备故障预测与健康管理方法，所述方法包括：

通过应力传感器、声学传感器和震动传感器采集仪器设备的信号数据，并将所述信号数据发送至设备管理中心，同时，通过接口将所述仪器设备的实时运行参数发送至设备管理中心；

对发送至设备管理中心的信号数据和运行参数进行预处理，获得预处理后的数据；

利用仿真工具针对所述预处理后的数据进行数字孪生设备的仿真分析，获得仿真数据；

根据所述仿真数据与所述仪器设备的实际数据进行数据特征提取，获取数据特征；

根据所述数据特征，利用前馈神经网络算法对所述仪器设备和/或所述仪器设备的关键部件的损耗和故障进行预测，获得预测结果。

进一步地，所述设备管理中心通过Kafka工具对所述信号数据和运行参数进行存储，包括：

通过Kafka工具接收到数据，通过Kafka消息总线将发送至数据库缓存区域；

所述数据库缓存区域在接收到所述数据后按照数据类型为基础对所述信号数据和运行参数进行分类，并按照数据生成的时间顺序将所述信号数据和运行参数在各自对应的数据类型中进行排序，获得数据集合；

所述数据库缓存区域提取所述数据集合的数据所占用的存储空间值，并按照请求发送时间间隔向各数据库发送存储请求和各数据集合所需存储空间值；

所述各数据库在接收到存储请求后和各数据集合所需存储空间值，检测自身是否完成上一次数据存储的动作，若完成数据存储动作，则将所述数据库上一次进行数据存储所用时间和存储空间剩余量值发送至所述数据库缓存区域中；若没有完成数据存储动作，则向所述数据缓存区域发送暂停存储请求，并在完成数据存储动作后，将数据存储所用时间进行缓存；

所述数据库缓存区域将返回存储空间剩余量对应的数据库作为候选存储数据库，并提取所述候选存储数据库上一次返回的存储空间剩余量，并将候选存储数据库当前返回的存储空间剩余量与上一次返回的存储空间剩余量进行比较，获得剩余量差值；