一种实物保护系统关键设备的健康状态评价与智能化运维方法及其系统与流程

本发明涉及核设施实物保护与设备运维管理交叉，尤其涉及一种实物保护系统关键设备的健康状态评价与智能化运维方法及其系统。

背景技术：

1、实物保护系统是核设施安全防护的核心组成部分，其关键设备（包括服务器、交换机、摄像机、探测器、门磁开关等）的稳定运行是保障核设施安防能力的基础。设备全生命周期管理与健康状态评价是实物保护系统智能化运维的核心技术环节。目前核设施实物保护系统设备运维管理多采用人工记录，通过纠正性维修和故障性维修的模式实现运维管理。然而这种方式存在以下技术缺陷：

2、（1）缺乏量化的设备健康状态评价模型，仅通过人工经验判断设备运行状态，无法对设备健康状态进行精准、客观的评估，难以指导预防性维修工作，导致设备故障突发率高，影响实物保护系统整体可靠性。

3、（2）现有设备可靠性评估方法仅简单统计故障次数，未考虑故障等级的严重度差异，也未兼顾设备故障修复后可靠性的客观衰减，评价结果与设备实际运行状态偏差大。

4、（3）设备全生命周期信息（基本信息、安装信息、故障与维修记录、运行时长等）管理分散，缺乏一体化的信息化管理手段，无法实现设备数据的统一采集、存储与分析，运维效率低。

5、（4）现有运维策略缺乏与设备健康状态的联动机制，采用“一刀切”的维护方式，存在过度维修造成资源浪费、维修不足导致设备故障缺陷，无法实现智能化的分级运维。

6、现有相关专利技术中，部分方案提出了工业设备的健康状态评价或全生命周期管理方法，但多针对通用工业设备，未结合核设施实物保护系统设备的运行特点和安防要求进行定制化设计。部分方案涉及设备故障概率计算，但未引入故障修复后的可靠性衰减修正和设备韧性系数，无法精准反映核设施实物保护系统关键设备的实际健康状态。同时，现有技术均未实现设备健康状态评价结果与智能化运维策略的深度融合，无法形成健康评价、分级运维、干预反馈和数据挖掘的闭环管理。

技术实现思路

1、本发明要解决的技术问题在于，针对上述缺陷，提供一种实物保护系统关键设备的健康状态评价与智能化运维方法及其系统。

2、本发明解决其技术问题所采用的技术方案是：一种实物保护系统关键设备的健康状态评价与智能化运维方法，包括以下步骤：

3、s1、获取核设施实物保护系统关键设备的多源运维数据，对所述多源运维数据进行量化预处理，生成设备健康评价核心数据集；所述多源运维数据至少包括静态基础数据、动态运行数据和故障维修数据；

4、s2、基于所述设备健康评价核心数据集以及同类型设备故障大数据，计算各故障类型对设备可靠性的动态权重，并基于所述动态权重与设备自身故障记录，计算设备动态可靠性系数；

5、s3、基于所述故障维修数据，计算设备累计性能衰减系数，并基于所述设备动态可靠性系数与所述累计性能衰减系数，计算设备实际健康状态值；

6、s4将所述设备健康评价核心数据集与所述设备实际健康状态值输入轻量化长短期记忆神经网络，预测设备剩余寿命，输出设备健康与寿命双维度评价结果；

7、s5、基于所述设备健康与寿命双维度评价结果，通过预设阈值判定规则对设备进行健康等级划分，并将所述健康等级与预防性维修优先级进行量化绑定，输出设备分级结果，以生成分级运维策略。

8、进一步地，步骤s2中，所述计算设备动态可靠性系数，包括：

9、所述设备动态可靠性系数的量化计算公式为：

10、

11、其中，为设备动态可靠性系数；为同类型设备第j类故障的动态权重；为单一设备发生各类故障的累计发生次数；为同类设备投运的总台时；j=1表示严重故障类型；j=2表示重要故障类型；j=3表示一般故障类型。

12、进一步地，所述设备动态可靠性系数的取值范围为；在步骤s2中，还包括：

13、若由所述设备动态可靠性系数的量化计算公式得到的计算结果小于0，则取=0%。

14、进一步地，步骤s3中，所述计算设备累计性能衰减系数，包括：

15、所述设备累计性能衰减系数的计算公式为：

16、

17、其中，为设备累计性能衰减系数，且，若设备无维修记录，则；为第j类故障维修后的单次性能衰减系数，且；为各类故障维修后性能恢复率，且。

18、进一步地，步骤s3中，所述计算设备实际健康状态值，包括：

19、设备实际健康状态值的量化计算公式为：

20、

21、其中，为设备实际健康状态值，且；若计算结果＜0，则取=0%；为设备动态可靠性系数；为设备累计性能衰减系数；为设备韧性系数，且＞0，若趋近于0，则取=0.1。

22、进一步地，所述设备健康评价核心数据集包括高相关性核心特征集，步骤s4中，所述预测设备剩余寿命，包括：

23、以同类型设备的高相关性核心特征集及其实际运行寿命构建训练样本集，采用隐藏层为2层、神经元数为32的轻量化长短期记忆神经网络进行模型训练，训练完成后固化模型；

24、将待评价设备的所述高相关性核心特征集与所述设备实际健康状态值输入固化后的所述轻量化长短期记忆神经网络，预测得到设备剩余寿命；

25、其中，当所述设备实际健康状态值低于预设失效阈值时，直接判定设备失效，此时设备剩余寿命取值为零。

26、进一步地，步骤s5中，所述预设阈值判定规则包括健康值阈值和剩余寿命阈值，所述健康等级划分对所述设备实际健康状态值与所述设备剩余寿命进行联合判定，其中：

27、当所述设备实际健康状态值大于或等于第一健康值阈值，且所述设备剩余寿命大于或等于第一剩余寿命阈值时，判定为优级；

28、当所述设备实际健康状态值处于第二健康值阈值与第一健康值阈值之间，且所述设备剩余寿命处于第二剩余寿命阈值与第一剩余寿命阈值之间时，判定为良级；

29、当所述设备实际健康状态值处于第三健康值阈值与第二健康值阈值之间，且所述设备剩余寿命处于第三剩余寿命阈值与第二剩余寿命阈值之间时，判定为中级；

30、当所述设备实际健康状态值小于第三健康值阈值，或所述设备剩余寿命小于第三剩余寿命阈值时，判定为差级；

31、所述第一健康值阈值大于所述第二健康值阈值，所述第二健康值阈值大于所述第三健康值阈值，所述第一剩余寿命阈值大于所述第二剩余寿命阈值，所述第二剩余寿命阈值大于所述第三剩余寿命阈值。

32、进一步地，步骤s5中，所述预防性维修优先级对应划分为四级，所述健康等级与所述预防性维修优先级反向一一对应绑定；优级对应最低优先级，差级对应最高优先级。

33、进一步地，步骤s1中，对所述多源运维数据进行量化预处理，包括：

34、对所述动态运行数据进行时序对齐量化处理、时域核心特征提取量化、异常值清洗与补全量化、特征归一化量化以及高相关性核心特征集筛选量化。

35、另外，本发明还提供一种实物保护系统关键设备的健康状态评价与智能化运维系统，包括：

36、多源数据预处理模块，用于获取核设施实物保护系统关键设备的多源运维数据，对所述多源运维数据进行量化预处理，生成设备健康评价核心数据集；所述多源运维数据至少包括静态基础数据、动态运行数据和故障维修数据；

37、设备动态可靠性计算模块，用于基于所述设备健康评价核心数据集以及同类型设备故障大数据，计算各故障类型对设备可靠性的动态权重，并基于所述动态权重与设备自身故障记录，计算设备动态可靠性系数；

38、设备实际健康状态计算模块，用于基于所述故障维修数据，计算设备累计性能衰减系数，并基于所述设备动态可靠性系数与所述累计性能衰减系数，计算设备实际健康状态值；

39、健康与寿命双维度量化模块，用于将所述设备健康评价核心数据集与所述设备实际健康状态值输入轻量化长短期记忆神经网络，预测设备剩余寿命，输出设备健康与寿命双维度评价结果；

40、双维度分级模块，基于所述设备健康与寿命双维度评价结果，通过预设阈值判定规则对设备进行健康等级划分，并将所述健康等级与预防性维修优先级进行量化绑定，输出设备分级结果，以生成分级运维策略。

41、实施本发明实物保护系统关键设备的健康状态评价与智能化运维方法及其系统，具有以下有益效果：本发明突破了现有技术仅简单统计故障次数、未考虑故障等级严重度差异及修复后可靠性客观衰减的局限，实现了对核设施实物保护系统关键设备健康状态的精准量化评估；同时，通过将设备健康等级与预防性维修优先级进行量化强绑定，形成分级运维策略，解决了现有运维方式一刀切导致的过度维修或维修不足问题，实现了从被动故障维修向主动预防性维护的转变，显著提升了实物保护系统关键设备的运维效率和整体可靠性。