[发明专利]一种基于参数残差的设备劣化分析方法

摘要

本发明公开了一种基于参数残差的设备劣化分析方法，包括通过改进的卷积神经网络算法与大量历史数据建立神经网络模型并训练设备模型，模拟设备运行；模型预测；专家规则匹配；通过参数的模型计算值与实时监测值的在线对比分析，实现对参数的残差预测，结合相关性分析，实现设备的劣化分析与故障预测。本发明方法基于大数据、改进的卷积神经网络算法与专家规则，结合设备劣化分析方法，在经过全工况全样本数据的学习和完善后，模型预测准确率可提高至99％以上，预测告警时间可比故障发生时间提前10‑15天以上，关口前移，为设备维修争取到宝贵时间，提高设备可用性，降低设备故障引起的安全风险，降低维修成本，减少非停，提升整体经济效益。

主权项

1.一种基于参数残差的设备劣化分析方法，其特征在于：包括以下步骤：S1：模型学习：通过改进的卷积神经网络算法与大量历史数据建立神经网络模型并训练设备模型，模拟设备运行；S2：模型预测：基于模型计算反映设备和参数偏离正常状态程度的定量化标识——健康度来描述设备健康状态；S3：专家规则匹配：将专家经验转化为逻辑规则，根据设备运行状态劣化判断规则，对参数的异常预警进行后台规则配置，特定的故障模式，从而不断优化设备模型；S4：通过参数的模型计算值与实时监测值的在线对比分析，实现对参数的残差预测，结合相关性分析，实现设备的劣化分析与故障预测。