[发明专利]一种智能制造装备的预测性维护系统和方法

权利要求书

1.一种智能制造装备的预测性维护系统，其特征在于，包括一级预测性维护模块、二级预测性维护模块和维修决策模块；

所述一级预测性维护模块包括采集模块、人机交互模块、计算模块和存储模块，所述采集模块用于获取所述智能制造装备的控制参数；所述人机交互模块用于触发所述计算模块进行计算；所述存储模块用于保存所述采集模块采集的控制参数；所述计算模块用于根据所述存储模块保存的控制参数，基于统计模型或者经验模型计算所述智能制造装备的一级剩余寿命；

所述二级预测性维护模块包括通信模块、设置模块和预测模块，所述通信模块用于接收所述智能制造装备的状态参数和点检参数；所述设置模块用于为每个状态参数和点检参数设置退化阈值和故障阈值；所述预测模块用于针对超过所述退化阈值的状态参数或点检参数构建从所述退化阈值开始的时间序列，针对所构建的多个时间序列进行退化建模，预测所述智能制造装备的二级剩余寿命；

所述维修决策模块接收所述一级预测性维护模块的计算结果和所述二级预测性维护模块的预测结果，并且根据所述一级剩余寿命和所述二级剩余寿命确定所述智能制造装备的预测性维护策略，

其中，所述预测模块针对所构建的多个时间序列分别进行退化建模，预测出与不同工况对应的剩余寿命，将这些剩余寿命按照正态分布进行统计，获得剩余寿命分布作为所述二级剩余寿命；

其中，所述预测模块将不同工况下的时间序列进行分段拟合；选择维纳过程获得不同工况对应的退化速率和退化不确定性；基于与不同工况的退化速率和退化不确定性对应的模型预测不同工况下的剩余寿命。

2.如权利要求1所述的预测性维护系统，其特征在于，所述设置模块还用于为不同的状态参数和点检参数设置在正常状态下和异常状态下对应的不同采集周期和通信周期，所述正常状态是未超过所述退化阈值的状态，所述异常状态是超过所述退化阈值的状态；所述通信模块按照所述通信周期从所述智能制造装备接收按照所述采集周期采集的状态参数和点检参数。

3.一种智能制造装备的预测性维护方法，其特征在于，包括：

对所述智能制造装备进行控制参数和状态参数的实时采集，并进行点检参数的定期采集；

触发一级预测性维护，在所述一级预测性维护中，根据所采集的控制参数并基于统计模型或者经验模型计算所述智能制造装备的一级剩余寿命；

当所述状态参数和点检参数中的任何一个参数超过预先设置的退化阈值时，停止一级预测性维护，触发二级预测性维护，在所述二级预测性维护中，针对超过所述退化阈值的状态参数或点检参数构建从所述退化阈值开始的时间序列，针对所构建的多个时间序列进行退化建模，预测所述智能制造装备的二级剩余寿命；

根据所述一级剩余寿命和所述二级剩余寿命确定所述智能制造装备的预测性维护策略,

其中，在所述二级预测性维护中，针对所构建的多个时间序列分别进行退化建模，预测出与不同工况对应的剩余寿命，将这些剩余寿命按照正态分布进行统计，获得剩余寿命分布作为所述二级剩余寿命；

其中，在所述二级预测性维护中，针对所构建的多个时间序列进行退化建模包括：将不同工况下的时间序列进行分段拟合；选择维纳过程获得不同工况对应的退化速率和退化不确定性；基于与不同工况的退化速率和退化不确定性对应的模型预测不同工况下的剩余寿命。

4.如权利要求3所述的预测性维护方法，其特征在于，所述触发一级预测性维护包括智能制造装备用户人为触发、按照预先设置的工作周期触发、工况变化时触发3种模式。

5.如权利要求3或4所述的预测性维护方法，其特征在于，在所述一级预测性维护中，根据当前时刻与上次触发之间的时间间隔内采集的控制参数，计算不同工况对应的当量载荷，根据得到的当量载荷计算当前时刻的损耗度，进而根据当前时刻的损耗度计算所述一级剩余寿命。

6.如权利要求5所述的预测性维护方法，其特征在于，在所述一级预测性维护中，在所述智能制造装备的某个部件上存在多重作用力的情况下，分别计算各作用力下的耗损度，然后将各作用力下的耗损度线性叠加，根据叠加后的损耗度计算该部件的剩余寿命，取所有部件的剩余寿命的最小值作为所述智能制造装备的一级剩余寿命。