一种故障的预测方法、装置、设备、介质和程序产品与流程
本发明属于故障预测的,特别涉及一种故障的预测方法、装置、设备、介质和程序产品。
背景技术:
1、安全生产设备(如压力容器、管道、结构件等)作为工业生产的核心基础设施,其运行状态的稳定性直接决定了生产安全、运营效率及经济效益。随着工业数字化转型的推进,传统依赖人工巡检、单点监测的模式已难以满足高端复杂设备的精细化管理需求。当前工业领域对安全生产设备的监测正逐步向数字化、可视化方向发展,但在多源数据融合、动态响应速度、故障预判精度及全息化呈现等方面仍存在显著技术瓶颈。尤其对于结构复杂、零件众多的大型设备(如发电机、反应釜),其运行过程中涉及温度、压力、振动、声学等多物理场耦合作用,单一维度监测或静态可视化已无法全面捕捉设备真实运行状态,所以无法实现对故障的精细化预测。
技术实现思路
1、本申请通过一种故障的预测方法、装置、设备、介质和程序产品,解决了由于设备运行过程中涉及温度、压力、振动、声学等多物理场耦合作用,单一维度监测或静态可视化已无法全面捕捉设备真实运行状态,所以无法实现对故障的精细化预测的问题。实现了高精度建模、实时动态更新、多源数据融合与智能故障预判的一体化的设备故障预测。
2、为解决上述技术问题,本申请提出了五个方面。
3、第一方面,本申请提出了一种故障的预测方法,包括:获取目标设备当前的多源传感器数据和三维全息模型,所述三维全息模型为随着所述目标设备同步更新的三维全息模型;根据所述三维全息模型获取所述目标设备中异常区域的异常相位图像特征;根据所述多源传感器数据确定所述异常区域的数据时序特征;根据所述异常相位图像特征和所述数据时序特征对所述目标设备进行故障预测。
4、在一些实施例中,所述异常相位图像特征包括:局部相位畸变特征、等相位线拓扑特征和时空演化特征;所述根据所述三维全息模型获取所述目标设备中异常区域的异常相位图像特征,包括:获取所述三维全息模型中各区域的局部相位图像;根据当前的特征阈值和所述局部相位图像在所述三维全息模型中确定异常区域;根据所述异常区域对应的所述局部相位图像确定所述异常区域的所述局部相位畸变特征;从所述三维全息模型中获取所述异常区域的等相位线图像和相位图像的连续帧;根据所述等相位线图像确定所述异常区域的所述等相位线拓扑特征;根据所述连续帧确定所述异常区域的所述时空演化特征。
5、在一些实施例中,所述根据所述异常相位图像特征和所述数据时序特征对所述目标设备进行故障预测,包括:将所述数据时序特征和所述异常相位图像特征融合形成融合特征;获取预设的前兆数据库,所述前兆数据库中存储有各种故障前兆对应的前兆特征;根据所述融合特征和所述前兆数据库对所述目标设备进行故障预测。
6、在一些实施例中,所述根据所述多源传感器数据确定所述异常区域的数据时序特征,包括:从所述多源传感器数据中获取与所述异常区域相对应的目标传感器数据;根据所述目标传感器数据确定所述异常区域的数据时序特征。
7、在一些实施例中,所述方法还包括:获取所述目标设备中目标部件的光学全息记录,其中所述目标部件为所述三维全息模型中需要进行更新的部件;根据所述光学全息记录生成所述目标部件的当前物理场;基于所述三维全息模型将所述当前物理场转为相位调制量;将所述相位调制量与所述目标部件的当前光场数据进行融合,生成融合光场数据;根据所述融合光场数据生成包含所述目标部件的物理场信息的融合全息图;根据所述融合全息图对所述三维全息模型中的目标部件的全息图像进行更新。
8、在一些实施例中,所述根据当前的特征阈值和所述局部相位图像在所述三维全息模型中确定异常区域,包括:根据所述局部相位图像确定各区域的局部相位特征;获取预设时长内各区域的历史相位特征;根据所述历史相位特征确定各区域当前的所述特征阈值;根据各区域的所述局部相位特征和所述特征阈值在所述三维全息模型中确定异常区域。
9、第二方面,本申请提出了一种故障的预测装置,包括:第一获取模块,用于获取目标设备当前的多源传感器数据和三维全息模型,所述三维全息模型为随着所述目标设备同步更新的三维全息模型;第二获取模块,用于根据所述三维全息模型获取所述目标设备中异常区域的异常相位图像特征;第一确定模块,用于根据所述多源传感器数据确定所述异常区域的数据时序特征;第一预测模块,用于根据所述异常相位图像特征和所述数据时序特征对所述目标设备进行故障预测。
10、第三方面,本申请提出了一种电子设备,包括存储器、处理器及存储在存储器上的计算机程序,所述处理器执行所述计算机程序以实现第一方面中任一项所述方法的步骤。
11、第四方面,本申请提出了一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现第一方面中任一项所述方法的步骤。
12、第五方面,本申请提出了一种计算机程序产品,包括计算机程序,其特征在于,该计算机程序被处理器执行时实现第一方面中任一项所述方法的步骤。
13、本申请通过一种故障的预测方法,包括:获取目标设备当前的多源传感器数据和三维全息模型,所述三维全息模型为随着所述目标设备同步更新的三维全息模型;根据所述三维全息模型获取所述目标设备中异常区域的异常相位图像特征;根据所述多源传感器数据确定所述异常区域的数据时序特征;根据所述异常相位图像特征和所述数据时序特征对所述目标设备进行故障预测。解决了由于设备运行过程中涉及温度、压力、振动、声学等多物理场耦合作用,单一维度监测或静态可视化已无法全面捕捉设备真实运行状态,所以无法实现对故障的精细化预测的问题。实现了高精度建模、实时动态更新、多源数据融合与智能故障预判的一体化的设备故障预测。
1.一种故障的预测方法, 其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,所述异常相位图像特征包括:局部相位畸变特征、等相位线拓扑特征和时空演化特征;所述根据所述三维全息模型获取所述目标设备中异常区域的异常相位图像特征,包括:
3.根据权利要求1所述的方法,其特征在于,所述根据所述异常相位图像特征和所述数据时序特征对所述目标设备进行故障预测,包括:
4.根据权利要求1所述的方法,其特征在于,所述根据所述多源传感器数据确定所述异常区域的数据时序特征,包括:
5.根据权利要求1所述的方法,其特征在于,所述方法还包括:
6.根据权利要求2所述的方法,其特征在于,所述根据当前的特征阈值和所述局部相位图像在所述三维全息模型中确定异常区域,包括:
7.一种故障的预测装置,其特征在于,包括:
8.一种电子设备,其特征在于,包括存储器、处理器及存储在存储器上的计算机程序,所述处理器执行所述计算机程序以实现权利要求1至6任一项所述方法的步骤。
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现权利要求1至6任一项所述方法的步骤。
10.一种计算机程序产品,包括计算机程序,其特征在于,该计算机程序被处理器执行时实现权利要求1至6任一项所述方法的步骤。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com