一种集中监测系统中的设备健康状态预测方法及系统技术方案

本发明专利技术涉及一种集中监测系统中的设备健康状态预测方法及系统，所述方法包括，收集特征数据并进行预处理；筛选出所述特征数据中的影响设备性能的特征参数；通过参数融合将多种特征参数融合为设备健康指数；根据所述设备健康指数构建预测模型；根据所述预测模型进行设备健康状态的预测；所述系统包括，预处理模块，用于收集特征数据并进行预处理；筛选模块，用于筛选出所述特征数据中的影响设备性能的特征参数；融合模块，用于通过参数融合将多种特征参数融合为设备健康指数；构建模块，用于根据所述设备健康指数构建预测模型；预测模块。本发明专利技术具有预测的设备运行趋势信息更加完整有效的效果。更加完整有效的效果。更加完整有效的效果。

【技术实现步骤摘要】
一种集中监测系统中的设备健康状态预测方法及系统


[0001]本专利技术属于设备检修的
，特别涉及一种集中监测系统中的设备健康状态预测方法及系统。

技术介绍

[0002]随着国民经济的高速发展，铁路电气设备使用规模日益扩大，列车运行安全对铁路电气设备的可靠性的要求也越来越高。铁路电气设备作为铁路运营的载体，其正常运行是铁路运输优质运行的基本保障。然而，设备从开始使用到最终报废的时间是有限的，设备异常及故障是影响其安全运行及寿命的主要原因。在设备正常使用期内，通过一定的方式合理安排检修，可以有效的减少意外故障，延长设备的使用寿命，进而保证铁路运行安全、稳定、经济。为了提高信号设备维修管理水平，确保铁路信号设备安全。通过集中监测系统，监测各个电气设备的工作状态，为实现电气设备的透明化监督、远程监测、远程诊断，督导消除故障隐患、压缩故障延时，提高集中监测系统的效益，为电气设备的状态维修提供据。目前，已有的关于电气设备健康状态预测，是基于健康指数的推算方法，一般是通过长运行状况进行记录，对所得数据进行统计分析而得到的。
[0003]相关技术中，设备健康状态判据的形成和完善工作不充分：科学的判据应当建立在有关技术标准和大量的数据、事实、经验之上，往往需要根据工程实际进行多次的调整和完善，才能得到比较准确、合理的结果，而目前的预测方法输入的设备状态参数单一。因此，需要一种设备健康状态预测方法，以解决单状态参数包含设备运行趋势信息不完整性的问题。

技术实现思路

[0004]针对上述问题，本专利技术公开了一种集中监测系统中的设备健康状态预测方法及系，包含以下技术方案。
[0005]第一方面，本专利技术公开了一种集中监测系统中的设备健康状态预测方法，所述方法包括，收集特征数据并进行预处理；筛选出所述特征数据中的影响设备性能的特征参数；通过参数融合将多种特征参数融合为设备健康指数；根据所述设备健康指数构建预测模型；根据所述预测模型进行设备健康状态的预测。
[0006]更进一步地，所述收集特征数据并进行预处理具体包括，从中心数据库中的设备运行参数表中收集特征数据；对特征参数的数据集进行遍历，记录其中的最大值和最小值；对该项特征数据进行归一化处理。
[0007]更进一步地，所述对特征数据进行归一化处理通过下式实现，其中，为归一化处理后的值，为遍历的特征数据值，为特征数据集中的最大值， 为特征数据集中的最小值。
[0008]更进一步地，所述设备健康指数为单一的性能指标，所述通过参数融合将多种特征参数融合为设备健康指数具体通过下式得到，最后可得到一组时间序列，即长度为N的设备健康指数的观测序列：；其中，为特征降维后的p个特征参数的权重值，为进行离差标准化后的参数值；为特征值。
[0009]更进一步地，所述构建预测模型具体包括，获取参数值，使得概率在处达到最大值，所述参数值通过下式进行约束，进行迭代计算直到的值不变时停止迭代；更新模型至，重新进行迭代直到，获得最优模型并停止迭代；其中，为预先规定的收敛条件，A和B分别为状态转移概率矩阵以及观测状态的状态转移矩阵。
[0010]更进一步地，所述根据预测模型进行设备健康状态的预测具体包括，通过迭代得到最优模型参数；计算得到设备的健康指数观测序列在时刻t时，处于状态的概率；计算出时间序列中t时刻设备处于不同健康状态的概率；获取不同健康状态的概率中的最大概率对应的状态，作为在t时刻设备的运行健康状态；计算出在某一时刻指数值最接近的多个健康指数之间的差值，对未来节点的健康指数间差值进行预测，计算出未来设备健康状态的预测值。
[0011]更进一步地，所述计算得到设备的健康指数观测序列在时刻t时，处于状态的概率，具体包括，将所述最优模型参数代入到下式，
其中，其中，是给定模型参数在时刻t+1，且设备处于状态的概率；是给定模型参数在t时刻，且设备处于状态，输出观测值为的概率；为t时刻的状态为，t+1时刻状态为的概率；表示t到t+1时刻的HMM的状态转移概率；是给定模型参数在t时刻，且设备处于状态的概率；为t+1时刻观察状态在隐藏状态下生成的概率；是给定模型参数在t+1时刻，且设备处于状态，输出观测值为的概率。
[0012]更进一步地，所述计算出时间序列中t时刻设备处于不同健康状态的概率，具体通过下式计算，其中，为设备的健康指数观测序列在时刻t处于状态的概率；所述计算出在某一时刻指数值最接近的多个健康指数之间的差值，通过下式计算，所述对未来节点的健康指数间差值进行预测，计算出未来设备健康状态的预测值，通过下式进行计算，其中，1≤i≤N表示与时刻t的健康指数第i相近的历史指数，表示健康指数差所占的比重；N表示加权的次数，也即时序长度T，表示时刻t的指数似然值，表示与第i相近的历史健康指数似然值。
[0013]另一方面，本专利技术公开了一种集中监测系统中的设备健康状态预测系统，所述系统包括，预处理模块，用于收集特征数据并进行预处理；筛选模块，用于筛选出所述特征数据中的影响设备性能的特征参数；融合模块，用于通过参数融合将多种特征参数融合为设备健康指数；构建模块，用于根据所述设备健康指数构建预测模型；预测模块，用于根据所述预测模型进行设备健康状态的预测。
[0014]更进一步地，所述预处理模块收集特征数据并进行预处理具体包括，从中心数据库中的设备运行参数表中收集特征数据；对特征参数的数据集进行遍历，记录其中的最大值和最小值；对该项特征数据进行归一化处理。
[0015]更进一步地，所述预处理模块对特征数据进行归一化处理通过下式实现，其中，为归一化处理后的值，为遍历的特征数据值，为特征数据集中的最大值， 为特征数据集中的最小值。
[0016]更进一步地，所述设备健康指数为单一的性能指标，所述融合模块通过参数融合将多种特征参数融合为设备健康指数具体通过下式得到，其中，为特征降维后的p个特征参数的权重值，为进行离差标准化后的参数值，最后可得到一组时间序列，即长度为N的设备健康指数的观测序列：；为特征值。
[0017]更进一步地，所述构建模块构建预测模型具体包括，获取参数值，使得在处达到最大值，所述参数值通过下式进行约束，进行迭代计算直到的值不变时停止迭代；更新模型重新进行迭代直到，获得最优模型并停止迭代；其中，为预先规定的收敛条件，A和B分别为状态转移概率矩阵以及观测状态的状态转移矩阵。
[0018]更进一步地，所述预测模块根据预测模型进行设备健康状态的预测具体包括，通过迭代得到最优模型参数；计算得到设备的健康指数观测序列在时刻t时，处于状态的概率；计算出时间序列中t时刻设备处于不同健康状态的概率；获取不同健康状态的概率中的最大概率对应的状态，作为在t时刻设备的运行健康状态；计算出在某一时刻指数值最接近的多个健康指数之间的差值，对未来节点的健康指数间差值进行预测，计算出未来设备健康状态的预测值；
所述计算得到设备的健康指数观测序列在时刻t时，处于状态的概率，具体包括，将所述最优模型参数代入到下式，其中，；是给定模型参数在时刻本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种集中监测系统中的设备健康状态预测方法，其特征在于，所述方法包括，收集特征数据并进行预处理；筛选出所述特征数据中的影响设备性能的特征参数；通过参数融合将多种特征参数融合为设备健康指数；根据所述设备健康指数构建预测模型；根据所述预测模型进行设备健康状态的预测。2.根据权利要求1所述的一种集中监测系统中的设备健康状态预测方法，其特征在于，所述收集特征数据并进行预处理具体包括，从中心数据库中的设备运行参数表中收集特征数据；对特征参数的数据集进行遍历，记录其中的最大值和最小值；对该项特征数据进行归一化处理。3.根据权利要求2所述的一种集中监测系统中的设备健康状态预测方法，其特征在于，所述对特征数据进行归一化处理通过下式实现，其中，为归一化处理后的值，为遍历的特征数据值，为特征数据集中的最大值， 为特征数据集中的最小值。4.根据权利要求1或2所述的一种集中监测系统中的设备健康状态预测方法，其特征在于，所述设备健康指数为单一的性能指标，所述通过参数融合将多种特征参数融合为设备健康指数具体通过下式得到，最后可得到一组时间序列，即长度为N的设备健康指数的观测序列：；其中，为特征降维后的p个特征参数的权重值，为进行离差标准化后的参数值；为特征值。5.根据权利要求1所述的一种集中监测系统中的设备健康状态预测方法，其特征在于，所述构建预测模型具体包括，获取参数值，使得概率在处达到最大值，所述参数值通过下式进行约束，进行迭代计算直到的值不变时停止迭代；
更新模型至，重新进行迭代直到，获得最优模型并停止迭代；其中，为预先规定的收敛条件，A和B分别为状态转移概率矩阵以及观测状态的状态转移矩阵。6.根据权利要求1所述的一种集中监测系统中的设备健康状态预测方法，其特征在于，所述根据预测模型进行设备健康状态的预测具体包括，通过迭代得到最优模型参数；计算得到设备的健康指数观测序列在时刻t时，处于状态的概率；计算出时间序列中t时刻设备处于不同健康状态的概率；获取不同健康状态的概率中的最大概率对应的状态，作为在t时刻设备的运行健康状态；计算出在某一时刻指数值最接近的多个健康指数之间的差值，对未来节点的健康指数间差值进行预测，计算出未来设备健康状态的预测值。7.根据权利要求6所述的一种集中监测系统中的设备健康状态预测方法，其特征在于，所述计算得到设备的健康指数观测序列在时刻t时，处于状态的概率，具体包括，将所述最优模型参数代入到下式，其中，其中，是给定模型参数在时刻t+1，且设备处于状态的概率；是给定模型参数在t时刻，且设备处于状态，输出观测值为的概率；为t时刻的状态为，t+1时刻状态为的概率；表示t到t+1时刻的HMM的状态转移概率；是给定模型参数在t时刻，且设备处于状态的概率；为t+1时刻观察状态在隐藏状态下生成的概率；是给定模型参数在t+1时刻，且设备处于状态，输出观测值为的概率。8.根据权利要求6所述的一种集中监测系统中的设备健康状态预测方法，其特征在于，所述计算出时间序列中t时刻设备处于不同健康状态的概率，具体通过下式计算，
其中，为设备的健康指数观测序列在时刻t处于状态的概率；所述计算出在某一时刻指数值最接近的多个健康指数之间的差值，通过下式计算，所述对未来节点的健康指数间差值进行预测，计算出未来设备健康状态的预测值，通过下式进行计算，其中，1≤i≤N表示与时刻t的健康指数第i相近的历史指数，表示健康指数差所占的比重；N表示加权的次数，也即时序长度T，表示时刻t的指数似然值，表示与第i相近的历史健康指...

【专利技术属性】
技术研发人员：陈嘉翊，罗远辉，胡轶超，张宁，尹春雷，
申请(专利权)人：北京全路通信信号研究设计院集团有限公司，
类型：发明
国别省市：