一种数据驱动的预测性维护与故障诊断系统技术方案

本发明专利技术涉及机载电子设备检维修技术领域，具体为一种数据驱动的预测性维护与故障诊断系统，包括：数据接入与管理模块，用于实现数据采集的适配与管理、有效的排故经验积累、对历史正常模式、故障模式下数据库的管理，数据接入与管理模块包括物联网结构、故障树结构以及历史数据库；数据模型模块，用于实现基于自然语言处理技术的检索模型更新、模型应用状态的跟踪，数据模型模块包括诊断知识库、预警模型库；数据应用模块，用于包括数据分析任务、维护/维修方案、任务统计报表。本发明专利技术实现了数据驱动的故障风险预警以及参数阈值范围估计；提高了排故效率；提高了检维修业务的便捷性与效率。率。率。

【技术实现步骤摘要】
一种数据驱动的预测性维护与故障诊断系统


[0001]本专利技术涉及机载电子设备检维修
，具体为一种数据驱动的预测性维护与故障诊断系统。

技术介绍

[0002]在航空装备中，机载电子设备集成度高、操作复杂、维修难度大，而当前在设备检维修的业务活动中，故障判断仍然采用的是传统的单点参数阈值对比法，缺乏有效的可以综合考虑多维度参数的故障预警方法；故障排除高度依赖专家经验来定义排故的路径或顺序，对于历史上积累的相关检维修报告，缺乏有效的方式提取、汇总相关信息，无法有效辅助排故决策，排故效率低。

技术实现思路

[0003]为了解决上述技术问题，本专利技术提出了一种数据驱动的预测性维护与故障诊断系统。提供一站式数据接入、模型构建、数据分析、数据积累的整体服务，能够自动推理潜在故障类型，匹配检维修方案，提高机载电子设备检维修便捷性与效率，节省人力。
[0004]本专利技术所要解决的技术问题采用以下技术方案来实现：
[0005]一种数据驱动的预测性维护与故障诊断系统，包括：
[0006]数据接入与管理模块，用于实现数据采集的适配与管理、有效的排故经验积累、对历史正常模式、故障模式下数据库的管理，数据接入与管理模块包括物联网结构、故障树结构以及历史数据库；
[0007]数据模型模块，用于实现基于自然语言处理技术的检索模型更新、模型应用状态的跟踪，数据模型模块包括诊断知识库、预警模型库；
[0008]数据应用模块，包括数据分析任务、维护/维修方案、任务统计报表。
[0009]优选地，所述物联网结构基于机载电子设备BOM结构，通过模板、添加节点、添加测点/测量量构建而成。
[0010]优选地，所述故障树结构基于物联网结构和历史检维修报告、排故经验，并通过模板上传，添加故障类型构建而成。
[0011]优选地，所述历史数据库基于故障树结构，并通过将历史检测数据上传构建而成。
[0012]优选地，所述诊断知识库基于故障树结构、历史数据库，整理成结构化的数据模型，并通过新增模型、同步模型构建而成。
[0013]优选地，所述预警模型库基于历史数据库，并通过模型上传/迁移构建而成。
[0014]优选地，所述任务统计报表用于显示系统运行状态，包括累积的分析任务总数、累计存在风险的任务总数、可分析的故障类型总数、故障风险排列前5的节点、故障类型累计发生次数排序列表、故障发生的时间分布。
[0015]本专利技术的有益效果是：
[0016]本专利技术与现有技术相比，其显著优点包括：
[0017]1、数据驱动的多维度参数预测性分析。所述系统能够利用历史检维修活动过程累积的检测数据，通过人工智能技术，综合考虑多纬度的相关信息，挖掘历史数据中存在的数据模式，构建风险预警模型，实现数据驱动的故障风险预警以及参数阈值范围估计。
[0018]2、数据驱动的故障树推理与案例匹配。所述系统能够基于历史故障数据，利用历史及维修经验，结合故障数据集，构建故障树，形成诊断知识库，通过与历史故障数据的模式对比实现潜在故障的精确定位，实现维修经验的积累以及数据驱动的潜在故障推理以及历史故障案例匹配，提高排故效率。
[0019]3、一站式设备故障诊断与预测性维护服务能力。所述系统能够基于当前检维修业务活动梳理的数据基础，以及业务操作步骤，可进一步融合进设备预测性维护服务的用户交互流程中，实现从数据接入、模型构建、数据分析、经验积累的用户操作流程以及闭环管理，在系统运行的全生命周期内，实现数据的不断累积，确保数据的可用性，提高检维修业务的便捷性与效率。
附图说明
[0020]下面结合附图和实施例对本专利技术进一步说明：
[0021]图1为本专利技术的预测性维护与故障诊断系统的结构框图；
[0022]图2为本专利技术的数据分析任务操作流程图。
具体实施方式
[0023]为了使本专利技术实现的技术手段、创作特征、达成目的与功效易于明白了解，下面结合附图以及实施例对本专利技术进一步阐述。
[0024]一种数据驱动的预测性维护与故障诊断系统，包括数据接入与管理模块、数据模型模块以及数据应用模块。如图1所示，本系统基于机载电子设备物联网结构构建，结合故障维修报告和维修经验，搭建故障树结构和诊断知识库，上传历史检测数据；利用人工智能算法，构建风险预警模型，开展场景化数据分析应用，实现机载电子设备预测性维护方案和故障维修方案推荐,具备一站式数据接入、模型接入、数据分析、经验积累的整体服务能力。
[0025]进一步地，数据接入与管理模块，用于实现数据采集的适配与管理、有效的排故经验积累、对历史正常模式、故障模式下数据库的管理，包括物联网结构、故障树结构以及历史数据库。
[0026]所述物联网结构基于机载电子设备BOM结构，通过模板、添加节点、添加测点/测量量等操作构建而成，融入技术标准，实现数据采集的适配与管理。
[0027]所述故障树结构基于所述物联网结构历史检维修报告、排故经验，通过模板上传，添加故障类型等操作定义而成，实现有效的排故经验积累。
[0028]所述历史数据库基于所述故障树结构，将历史检测数据上传，接入到系统中构建而成，实现对历史正常模式、故障模式下数据库的管理，提供相关预警分析应用。
[0029]数据模型模块，用于实现基于自然语言处理技术的检索模型更新、模型应用状态的跟踪，包括诊断知识库、预警模型库。
[0030]所述诊断知识库基于所述故障树结构和所述历史数据库，整理成结构化的数据模型，通过新增模型、同步模型等操作构建而成。
[0031]所述预警模型库基于所述预警模型库构建风险预警模型，通过模型上传/迁移等操作实现构建而成，所述预警模型库导入系统，支持后续的数据分析功能，实现模型应用状态的跟踪。
[0032]数据应用模块，包括数据分析任务、维护/维修方案、任务统计报表。所述任务统计报表用于显示系统运行状态，用户可以从时间维度、物联网结构节点维度、故障类型三个维度查看，具体的信息包含：累积的分析任务总数，累计存在风险的任务总数，可分析的故障类型总数，故障风险排列前5的节点，故障类型累计发生次数排序列表，故障发生的时间分布等。
[0033]下面结合具体数据分析任务实施，针对分析任务操作流程进行详细说明：
[0034]用户在所述系统“分析任务列表”页面，点击“添加分析任务”按钮，跳转至“分析任务操作”页面，具体分析任务操作流程如图2所示。
[0035]步骤1，选择分析节点，在所述页面标题栏“选择层级”下拉框，选择具体的零件、模块、部件、系统等节点。例：如需针对陀螺仪零件测试数据分析，则选择陀螺仪节点。
[0036]步骤2，选择分析模型，在所述页面标题栏“分析模型”下拉框，选择具体的零件、模块、部件、系统等预警模型。例：如针对陀螺仪开展故障风险预警，获得更精细的检测参数推荐范围，则选择“陀螺仪故障风险预警模型”进行数据分析。分析的结果将包含以下两个信息：1)是否通过模本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种数据驱动的预测性维护与故障诊断系统，其特征在于：包括：数据接入与管理模块，用于实现数据采集的适配与管理、有效的排故经验积累、对历史正常模式、故障模式下数据库的管理，数据接入与管理模块包括物联网结构、故障树结构以及历史数据库；数据模型模块，用于实现基于自然语言处理技术的检索模型更新、模型应用状态的跟踪，数据模型模块包括诊断知识库、预警模型库；数据应用模块，包括数据分析任务、维护/维修方案、任务统计报表。2.根据权利要求1所述的一种数据驱动的预测性维护与故障诊断系统，其特征在于：所述物联网结构基于机载电子设备BOM结构，通过模板、添加节点、添加测点/测量量构建而成。3.根据权利要求1所述的一种数据驱动的预测性维护与故障诊断系统，其特征在于：所述故障树结构基于物联网结构和历史检维修报告、排故经验，并通过模板上传，添加故障类...

【专利技术属性】
技术研发人员：宋中建，章宁，史秀梅，周章勇，季佳培，尹进军，
申请(专利权)人：国营芜湖机械厂，
类型：发明
国别省市：