[发明专利]用于维护设备的方法和用于维护设备的系统

说明书

本申请公开了一种用于维护设备的方法和用于维护设备的系统。用于维护设备的方法包括：采集处于正常运转情况下的第一设备的多个样本数据；利用采集到的样本数据对模型进行训练，获得训练好的第一维护模型；采集处于正常运转情况下的第二设备的多个目标数据；将目标数据以及样本数据映射至隐蔽空间；比较目标数据在隐蔽空间中的分布与样本数据在隐蔽空间中的分布之间的差异；在差异小于阈值的情况下，将第一维护模型应用于第二设备，用于维护第二设备；在差异大于阈值的情况下，利用采集到的目标数据对模型进行训练，获得训练好的第二维护模型，用于维护第二设备。该系统和方法可将原模型应用于新设备，不需要等待较长时间来进行数据采集和模型训练。

技术领域

本发明涉及机械维护的方法和系统，具体涉及一种基于历史数据预测维护新设备的方法和系统。

背景技术

现代化机械设备的功能日益增多，并且结构也愈加复杂，自动化程度也显著提高，因此开发有效的设备维护和诊断技术，实时可靠地检测机械设备的健康状况，对延长设备使用寿命，保障正常生产和人员安全具有重要意义。

基于数据的智能维护方法(例如，人工神经网络(ANN))，通过利用大量历史数据来建立和优化参数，进而建立智能维护模型，已经广泛应用于机械设备的维护，并取得了较好的效果。因此，预测性维护是对机械设备进行状态监控和寿命预估的重要解决方案。

然而，基于数据的智能维护方法通常需要大量的样本来训练有效的维护模型，当已经构建的维护模型应用于新的设备时，由于机械设备不同，导致采集的数据通常伴随不均衡等情况，因此已经构建的维护模型无法正常用于新设备的维护。另一方面，如果基于新机械设备的数据来训练有效的维护模型，则可能花费大量的时间和成本来采集数据和训练模型。针对上述问题，在预测性维护中，期望基于原设备的历史数据训练模型并将其应用于新设备的连续监控以进行早期预警。客户的需求是将训练好的模型直接应用于新设备上以实现不间断预测。因此，需要研究迁移算法来实现该目标，从而节约时间和成本。然而，当前只有少数应用于工业现场的成熟预测性维护系统，但是尚无针对于预测性维护系统的迁移算法研究。

发明内容

为了解决现有技术存在的问题，本发明提供了一种基于历史数据预测维护新设备的方法和系统。该系统和方法将基于历史数据训练好的预测性维护系统模型应用于新设备，解决了新设备中的数据采集不足以训练模型的问题。如此，可将原模型应用于新设备，而不需要等待较长时间来进行数据采集和模型训练。

本发明采用以下技术方案来实现：

一种用于维护设备的方法，包括：采集处于正常运转情况下的第一设备的多个样本数据；利用采集到的样本数据对模型进行训练，获得训练好的第一维护模型；采集处于正常运转情况下的第二设备的多个目标数据；将目标数据以及样本数据映射至隐蔽空间；比较目标数据在隐蔽空间中的分布与样本数据在隐蔽空间中的分布之间的差异；在差异小于阈值的情况下，将第一维护模型应用于第二设备，用于维护第二设备；在差异大于阈值的情况下，利用采集到的目标数据对模型进行训练，获得训练好的第二维护模型，用于维护第二设备。

优选地，将目标数据和样本数据映射至隐蔽空间包括：对目标数据以及样本数据进行相同类型的处理，处理包括以下各项中的至少一项：正则化处理、降维处理、特征变换处理、自动编码器处理。

优选地，在对目标数据以及样本数据进行相同类型的处理中，采用第一参数对样本数据进行处理，采用第二参数对目标数据进行处理，其中，基于样本数据确定第一参数，基于目标数据确定第二参数。

优选地，比较目标数据在隐蔽空间中的分布与样本数据在隐蔽空间中的分布之间的差异包括：比较目标数据在隐蔽空间中的分布函数与样本数据在隐蔽空间中的分布函数。

优选地，在目标数据在隐蔽空间中的分布函数与样本数据在隐蔽空间中的分布函数相同的情况下，判定目标数据在隐蔽空间中的分布与样本数据在隐蔽空间中的分布之间的差异小于阈值。