[发明专利]仪器仪表加速失效激发智能运维试验平台

说明书

本发明属测控系统领域，尤其涉及一种仪器仪表加速失效激发智能运维试验平台，包括测控主机（1）、数据采集及控制装置（2）、压力控制器（4）、水箱（5）、水泵（6）、第1继电器组件、第一气管组件、第1电磁阀组件、第1压力变送器卡具组件、第1压力变送器组件、第1温度变送器组件、第1温度变送器卡具组件、第1流量变送器卡具组件、第1出水管组件、第1流量变送器组件、第2电磁阀组件、第1入水管组件、第2继电器组件、第11继电器、第1液位变送器组件、第1液位变送器卡具组件、第1料位变送器组件及第1料位变送器卡具组件。本发明可实现多种仪器仪表加速失效激发、故障激发、数据采集、数据存储等功能。

技术领域

本发明属测控系统领域，尤其涉及一种仪器仪表加速失效激发智能运维试验平台。

背景技术

随着自动化仪表技术水平的进步和流程工业对现场仪器仪表可靠性要求的提高，特别是在航空航天、武器、舰船领域广泛应用的故障预测与健康管理系统 PHM（Prognosticand Health Management）技术在仪器仪表领域的拓展，国外的主要品牌的仪表供应商相继开发出包括特征识别、故障表征、预测性维护技术的实时在线运维平台系统。

目前国外主流仪表厂商正在把流程工业主要运行参数（温度、压力、流量、液位、电流、电压、功率、物位、位置、密度）等在线仪表全方位从故障维护、定期维护向预测性维护系统提升，这对流程工业保证长期安全稳定运行意义重大。同时，研究异构数据数快速接入技术，将状态监测、故障诊断、状态预测和维修决策多位合成一体，降低故障漏报率和误报率，提高仪表性能衰减预测精度是十分必要的。

通过分析流程工业仪表的典型故障，根据其结构、工作机理和失效形式，建立故障的机理模型。一些仪表故障，无法明确地确定故障的机理模型，但往往在信号上有着明显的特点，如死线现象、示值超限等，因此需要研究故障的时域、频域和时频域的表征方法。对于工业流程中无法使用机理或信号来表征的故障，研究基于专家系统、机器学习、深度学习等故障表征技术，实现对该故障的表征。

仪器仪表的状态信息，通过特征识别、故障表征之后，就形成了该仪表的“档案”，也就是仪表状态数据库。综合过往仪表故障案例数据，构成每台在线仪表实时健康分析报告，并根据这一报告，得出预测性维护决策。

仪器仪表运行特征智能识别、故障表征、预测性维护建模的基础是数据，只有积累了足够多的数据，并以这些数据为基础，对其进行数据挖掘、机器学习，才能提出切实可行的运维策略，才能制定出科学的预测性维护方案。

基础数据又包含两方面的内容，即现场运行的正常准确数据和仪表性能下降或故障后的测量数据，而仪表性能下降或故障后的测量数据难以获得，但仪表性能下降或故障后的测量数据对整个运维平台数据挖掘、机器学习、算法建模，以至于预测性维护方案的制定都是十分重要的，是必须创造的条件。

目前，市场上还没有现成的仪器仪表失效激发系统，来满足运维平台对仪表性能下降或故障后的测量数据积累的需要。因此，研发一款具有仪器仪表性能测试、加速失效激发、智能分析、数据存储等功能于一体的仪器仪表失效激发系统是具有十分重要的意义的。

发明内容

本发明旨在克服现有技术的不足之处而提供一种具有对多种仪器仪表加速失效激发、故障激发、数据采集、数据存储等功能于一体的，可提高运维平台预测精度的仪器仪表加速失效激发智能运维试验平台。

为达到上述目的，本发明是这样实现的：