基于参数规则匹配设备故障的预测方法、设备及介质技术

本发明专利技术公开了一种基于参数规则匹配设备故障的预测方法、设备及介质，此方法包括：调用故障诊断规则库；提取设备运行过程中产生的异常数据；基于所述异常数据生成最符合数据点趋势规律的曲线；提取所述曲线的实时特征参数，基于所述实时特征参数与所述故障诊断规则库进行匹配，确定所述实时特征信息对应的参数规则；基于所述参数规则，预测所述异常数据导致的设备故障结果。本发明专利技术的技术方案，能够结合已知设备的结构特性、参数、环境条件及运行历史记录，针对实际设备的运行特点构建符合故障发生规律的故障诊断规则库，建立完整有效的故障预测方法，能够对设备未来时段内可能出现的故障进行测，指出故障发展趋势。

Prediction method, equipment and medium of equipment fault based on parameter rule matching

【技术实现步骤摘要】
基于参数规则匹配设备故障的预测方法、设备及介质
本专利技术涉及设备维护

，尤其涉及一种基于参数规则匹配设备故障的预测方法、设备及介质。
技术介绍
目前，设备逐渐走向集成化、智能化，内部结构和关联性日趋庞大，致使设备系统在其部件的状态分布、部件间的关联关系等方面呈现出极大的复杂性，在设备运行的过程中，设备故障经常是微小的运行异常随着时间的积累积累导致的，在日常生产过程中很难发现，造成设备的故障率较高，而维修人员难以预测设备的运行状态，需要浪费大量的时间，人力，物力，以及设备停运进行故障检测，经常发生维修不足或维修过剩的情况，提高了运营成本，因此如何在设备运行的过程中及时发现问题，给出准确的故障预测，是亟待解决的问题。
技术实现思路
为了解决上述技术问题，本专利技术提供了一种基于参数规则匹配设备故障的预测方法、设备及介质。根据本专利技术的第一方面，提供一种基于参数规则匹配设备故障的预测方法，包括：调用故障诊断规则库；提取设备运行过程中产生的异常数据；基于所述异常数据生成最符合数据点趋势规律的曲线；提取所述曲线的实时特征参数，基于所述实时特征参数与所述故障诊断规则库进行匹配，确定所述实时特征信息对应的参数规则；基于所述参数规则，预测所述异常数据导致的设备故障结果；其中，所述实时特征参数包括：曲线趋势、趋势持续时间、倾斜程度、倾斜角度。上述方法还可以具有以下特点：所述调用故障诊断规则库之前还包括：获取所述设备的故障信息库中的故障对应的异常参数；提取所述异常参数对应的数据；对所述数据采用最小二乘法拟合出最符合数据点趋势规律的曲线；提取所述曲线的特征参数，基于所述特征参数及所述特征参数对应的参数数值生成所述异常参数对应的参数规则；基于所述故障、所述异常参数和所述参数规则构建故障诊断规则库。上述方法还可以具有以下特点：所述基于所述故障、所述异常参数和所述参数规则构建故障诊断规则库包括提取所述特征参数对应的数值的临界值，作为触发所述参数规则的触发阈值，将所述参数规则与所述触发阈值的对应关系存储在故障诊断规则库中；将所述故障、所述异常参数和所述参数规则的之间的对应关系存储在故障诊断规则库中。上述方法还可以具有以下特点：还包括：在所述故障诊断规则库中配置所述异常参数的权重值、所述参数规则的概率值及所述参数规则的权重值。上述方法还可以具有以下特点：所述基于所述实时特征参数与故障诊断规则库进行匹配，确定所述实时特征参数对应的参数规则包括：提取所述实时特征参数对应的参数数值；将所述参数数值与所述触发阈值进行匹配，当所述参数数值达到触发阈值时触发参数规则，根据所述参数规则与所述触发阈值的对应关系，确定所述参数规则。上述方法还可以具有以下特点：所述基于所述参数规则，预测所述异常数据导致的设备故障结果包括：根据所述故障、所述异常参数和所述参数规则之间的对应关系，确定所述参数规则对应的异常参数；获取所述参数规则的概率值及所述参数规则的权重值，计算所述参数规则对应的异常参数的加权概率值；根据所述异常参数的加权概率值以及所述异常参数的权重值，计算所述异常参数对应的故障的加权概率值；预测加权概率值最大的故障为异常数据导致的设备故障结果。上述方法还可以具有以下特点：所述基于所述异常数据生成最符合数据点趋势规律的曲线包括：对所述异常数据采用最小二乘法拟合出最符合数据点趋势规律的曲线。根据本专利技术的第二方面，提供一种计算机设备，所述计算机设备包括处理器，所述处理器用于执行存储器中存储的计算机程序时实现上述方法的步骤。根据本专利技术的第三方面，提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述方法的步骤。本专利技术提供的基于参数规则匹配设备故障的预测方法，对设备实时运行过程中的异常数据进行数据拟合算法分析其实时特征参数，通过建立的故障诊断规则库中的参数规则与实时特征参数进行匹配，触发故障诊断规则库中相应参数规则的方法，快速准确的预测设备实时故障状态，指导对设备的监控及维修，全过程自动化进行，降低了设备停运的损失，有效提高维修效率、降低维修成本。参照附图来阅读对于示例性实施例的以下描述，本专利技术的其他特性特征和优点将变得清晰。附图说明图1示例性示出了本专利技术的实施例的基于参数规则匹配设备故障的预测方法的流程图；图2示例性示出了建立故障诊断规则库的一种具体实施例的流程图；图3示例性示出了网状结构的故障诊断规则库的示意图；图4示例示出的一种计算机设备的框图。具体实施例为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互任意组合。本专利技术提供一种基于参数规则匹配设备故障的预测方法，其通过建立故障诊断规则库，结合故障诊断规则库和设备故障特征数据匹配参数规则给出诊断结论，对于故障预测的准确性更高。图1是本专利技术的基于参数规则匹配设备故障的预测方法一种具体实施例的的流程图。如图1所示，本专利技术的基于参数规则匹配设备故障的预测方法，包括：步骤101，调用故障诊断规则库；步骤102，提取设备运行过程中产生的异常数据；步骤103，基于异常数据生成最符合数据点趋势规律的曲线；步骤104，提取曲线的实时特征参数，基于实时特征参数与故障诊断规则库进行匹配，确定特征信息对应的参数规则；步骤105，基于参数规则，预测异常数据导致的设备故障结果。在步骤103还包括：对提取到的异常数据进行预处理，以保证数据的完整性，可利用数据预处理阶段的数据清洗、数据集成和数据消减方法清除掉提取到的异常数据存在错误或异常的数据、不完整的数据、不一致数据以及冗余数据。对异常数据进行预处理后，可采用最小二乘法拟合出最符合数据点趋势规律的曲线，其中，实时特征参数包括：曲线趋势、趋势持续时间、倾斜程度、倾斜角度，曲线的趋势包括上升区间和下降区间。本专利技术能够结合已知设备的结构特性、参数、环境条件及运行历史记录，针对实际设备的运行特点构建符合故障发生规律的故障诊断规则库，建立完整有效的故障预测方法，能够对设备未来时段内可能出现的故障进行测，指出故障发展趋势。具体地，在步骤101之前，该方法还包括：基于故障信息库的数据建立故障诊断规则库，将故障描述与故障历史数据库结合形成故障信息库，该故障信息库可存储在设备中，故障信息库还包括故障表现和故障原因，故障信息库中数据的传输协议包括OPC协议、Modbus协议、TCP/IP协议、蓝牙本文档来自技高网...

【技术保护点】
1.基于参数规则匹配设备故障的预测方法，其特征在于，包括：/n调用故障诊断规则库；/n提取设备运行过程中产生的异常数据；/n基于所述异常数据生成最符合数据点趋势规律的曲线；/n提取所述曲线的实时特征参数，基于所述实时特征参数与所述故障诊断规则库进行匹配，确定所述实时特征信息对应的参数规则；/n基于所述参数规则，预测所述异常数据导致的设备故障结果；/n其中，所述实时特征参数包括：曲线趋势、趋势持续时间、倾斜程度、倾斜角度。/n

【技术特征摘要】
1.基于参数规则匹配设备故障的预测方法，其特征在于，包括：
调用故障诊断规则库；
提取设备运行过程中产生的异常数据；
基于所述异常数据生成最符合数据点趋势规律的曲线；
提取所述曲线的实时特征参数，基于所述实时特征参数与所述故障诊断规则库进行匹配，确定所述实时特征信息对应的参数规则；
基于所述参数规则，预测所述异常数据导致的设备故障结果；
其中，所述实时特征参数包括：曲线趋势、趋势持续时间、倾斜程度、倾斜角度。


2.如权利要求1所述的预测方法，其特征在于，所述调用故障诊断规则库之前还包括：
获取所述设备的故障信息库中的故障对应的异常参数；
提取所述异常参数对应的数据；
对所述数据采用最小二乘法拟合出最符合数据点趋势规律的曲线；
提取所述曲线的特征参数，基于所述特征参数及所述特征参数对应的参数数值生成所述异常参数对应的参数规则；
基于所述故障、所述异常参数和所述参数规则构建故障诊断规则库。


3.如权利要求2所述的预测方法，其特征在于，所述基于所述故障、所述异常参数和所述参数规则构建故障诊断规则库包括：
提取所述特征参数对应的数值的临界值，作为触发所述参数规则的触发阈值，将所述参数规则与所述触发阈值的对应关系存储在故障诊断规则库中；
将所述故障、所述异常参数和所述参数规则的之间的对应关系存储在故障诊断规则库中。


4.如权利要求3所述的预测方法，其特征在于，还包括：在所述故障诊断规则库中配置所述异常参数的权重值、所述参数规则的概率...

【专利技术属性】
技术研发人员：贾慕星，何新元，张静，向波，张梅芳，吴涛，张广阔，
申请(专利权)人：中建材智慧工业科技有限公司，
类型：发明
国别省市：北京;11