[发明专利]基于寿命分析和健康监测的设备智能维护平台

权利要求书

1.一种基于寿命分析和健康监测的设备智能维护平台，其特征在于，包括数据监测端、服务端以及用户端；

所述数据监测端包括云端数据库，所述云端数据库用于存储设备部件的历史维修数据和实时运行数据；

所述服务端，用于根据所述历史维修数据和实时运行数据通过对设备部件进行寿命分析进而生成维修周期和所述设备部件运行状态的健康度；

所述用户端，无线连接所述服务端，用于对所述服务端进行管理和控制。

2.根据权利要求1所述的基于寿命分析和健康监测的设备智能维护平台，其特征在于，所述历史维修数据为通过维修人员的维修记录统计得到的故障数据，并由此建立设备的故障库；

所述实时运行数据通过数据采集设备采集生成，且经过预处理之后上传至云端数据库中。

3.根据权利要求1所述的基于寿命分析和健康监测的设备智能维护平台，其特征在于，所述设备故障信息包括设备故障时间、故障原因、故障模式、故障部件、维修内容以及下一次预防性维修时间。

4.根据权利要求1所述的基于寿命分析和健康监测的设备智能维护平台，其特征在于，所述服务端包括云端智能平台，所述云端智能平包括数据库访问模块和云计算模块；

所述数据库访问模块，用于获取所述云端数据库的数据信息；

所述云计算模块，用于根据预设置的寿命分析算法计算设备部件的寿命信息以及预防性维修周期，向用户端推送设备部件的下一次维修更换周期，且当设备部件的健康度超过了预设置的健康度阈值，向用户端发出报警信息。

5.根据权利要求4所述的基于寿命分析和健康监测的设备智能维护平台，其特征在于，所述寿命分析算法用于对具有故障周期的设备部件进行寿命分析，包括如下步骤：

-通过访问云端数据库获取设备部件的更换数据，根据所述更换数据中启用时间和故障时间确定故障间隔时间；

-通过对多种典型故障分布进行线性拟合分析，得到部件的最佳的故障分布函数；

-根据故障分布函数计算寿命信息，得到维修周期。

6.根据权利要求4所述的基于寿命分析和健康监测的设备智能维护平台，其特征在于，所述健康度的预警包括如下步骤：

-将采集的运行数据进行降噪和归一化处理，然后与设备衰退指标进行相关性分析，确定相关的特征数据；

-将包含特征数据的数据集划分为训练集和测试集，通过所述训练集和所述测试集对SOM神经网络进行训练和测试生成健康度预警模型，所述健康度预警模型根据MQE值进行健康评价；

-每日采集的运行数据模型不断导入训练集进行所述SOM神经网络的更新训练，当设备部件的MQE值超过了预设的健康阈值则通过平台向用户发送维修请求。

7.根据权利要求1所述的基于寿命分析和健康监测的设备智能维护平台，其特征在于，所述用户端包括基于WEB的PC客户端、基于Android系统以及IOS系统的手机APP。

8.根据权利要求5所述的基于寿命分析和健康监测的设备智能维护平台，其特征在于，所述故障分布包括指数分布、正态分布、对数正态分布以及威布尔分布；

所述故障分布函数包括概率分布函数、概率密度函数、失效度函数、可靠度函数以及平均寿命函数。

9.根据权利要求5所述的基于寿命分析和健康监测的设备智能维护平台，其特征在于，在进行线性拟合分析时，采用假设检验的方法验证故障数据对不同故障分布函数的拟合优度，拟合优度的度量方法是找出子样和母体间的最大偏差值，检验统计量按下式：

D＝max|F_n(t)-F(t)|

假设显著性检验水平α，D(n，α)为临界值，若D＜D(n，α)则接受原假设，即故障数据符合对应的故障分布函数。

10.根据权利要求6所述的基于寿命分析和健康监测的设备智能维护平台，其特征在于，将采集的运行数据进行降噪和归一化处理的过程具体为：

获取时间序列的运行数据{x₁，x₂，x₃，...，x_n}，假设拟合多项式方程如下式：

x(t)＝a₀+a₁t+...+a_ntⁿ，n∈Z

式中：n为拟合阶数；

通过最小二乘法拟合残差为：

式中：x(t)为拟合点；x_t为实际数据点；t＝-M为数据窗口最左边的数据点；t＝M为数据窗口最右边的数据点，求解上式残差最小即可得到新的降噪序列；

在得到新的降噪序列后，对新的降噪序列进行归一化处理：

式中：x_min为样本数据最小值；x_max为样本数据最大值。