一种人工智能预警系统及方法与流程

本发明涉及工业设备智能监测，具体为一种人工智能预警系统及方法。

背景技术：

1、工业连续化生产场景中，多级泵组、串联风机群、链式传动产线等多机组联动设备普遍存在机械、传动及控制层面的强耦合关联，单台设备的渐进式隐性劣化会通过耦合链路逐步传导至关联设备，极易引发连锁故障与非计划停机事故。现有常规预警手段多依赖固定阈值判据、时频域特征分析或普通数据驱动模型，普遍存在过度依赖信号幅值显著变化、无法捕捉轨迹形态微畸变早期征兆、多设备耦合故障无法精准区分源头与波及对象、缺乏故障传导路径推演与智能处置决策能力的缺陷。

2、现有各类故障预警技术均只能实现局部单点状态告警，未形成从早期隐性劣化识别—耦合故障源头精准定位—故障传导路径推演预判—运维处置策略输出—运行数据闭环自优化的全链路协同预警体系，无法适配多机耦合联动设备渐进式、传导式故障的提前感知、精准溯源与主动阻断实际需求，成为制约工业产线连续可靠运行的核心技术难题。

3、有鉴于此，特提出本技术。

技术实现思路

1、本发明的目的在于提供一种人工智能预警系统及方法，以解决上述背景技术中提出的问题。

2、为解决上述技术问题，本发明提供的一种人工智能预警方法，包括以下步骤：s1：采集联动设备的时序运行数据，构建设备运行状态轨迹，计算轨迹的二阶导数曲率，根据曲率突变识别设备早期劣化并生成预警信号；s2：响应所述预警信号，采集联动设备中多台设备的运行相位，构建相位差矩阵，根据相位差矩阵的偏移量确定故障源头设备；s3：基于劣化传导有向图，以故障源头设备为起点进行正向传导推演，确定故障传导路径与预计失效时间，输出处置策略；其中，s1、s2、s3按顺序依次触发、相互依赖、闭环执行；本方法通过曲率突变识别、相位差矩阵定位与劣化传导有向图推演依次协同执行，形成早期识别、源头定位、传导预判一体化预警闭环，区别于现有单一预警方式，具备显著且独特的技术特征。

3、进一步地，所述s1包括以下步骤：s11：对时序运行数据进行滤波去噪处理；s12：根据去噪后的数据构建连续时序轨迹；s13：计算连续时序轨迹的二阶导数曲率，将曲率与动态阈值比较，曲率持续超出动态阈值时判定为曲率突变；通过滤波去噪与连续轨迹构建提升曲率计算可靠性，采用动态阈值比较实现早期劣化精准识别，能够捕捉传统方法无法识别的微弱劣化征兆，显著提前预警时间。

4、进一步地，所述曲率的计算公式为轨迹一阶导数和二阶导数的叉积模与一阶导数模立方的比值，动态阈值根据设备正常运行状态下的曲率分布自适应更新；采用专用曲率计算公式精准表征轨迹弯曲变化，动态阈值自适应匹配设备工况，突破行业内依赖幅值突变预警的技术偏见，实现极早期劣化有效识别。

5、进一步地，所述s13中的曲率突变判定采用连续三个滑动时间窗口内曲率均超出动态阈值作为触发条件；连续多窗口确认机制有效抑制噪声干扰导致的瞬态曲率波动，避免单点异常触发误报警，在保证预警灵敏度的同时大幅降低误报率，提升系统运行稳定性。

6、进一步地，所述s2包括以下步骤：s21：提取多台设备的运行相位角；s22：根据运行相位角构建实时相位差矩阵；s23：计算实时相位差矩阵与基准相位差矩阵的偏移量，采用矩阵范数量化偏移程度，将偏移量最大且曲率突变在先、相位偏移在后的设备确定为故障源头设备；基于相位差矩阵与时序因果关系双重定位故障源头，准确区分根源设备与被动波及设备，避免误判，显著提高故障溯源准确性。

7、进一步地，所述s3包括以下步骤：s31：加载预构建的劣化传导有向图，有向图包含设备节点、部件节点、参数节点以及表示劣化传导关系的有向边，有向边的权重包括传导概率和平均传导时间；s32：以故障源头设备为起点沿有向边正向推演，确定故障传导路径；s33：根据传导路径计算各节点的预计失效时间，生成对应的处置策略；三级分层有向图结构精细刻画故障传导链路，结合权重信息实现剩余寿命量化预测，将预警信息转化为可执行处置方案，形成完整决策闭环。

8、进一步地，所述s33中的处置策略包括减载运行、切换备用设备以及切断耦合路径；提供明确可执行的主动处置手段，将预警信号转化为实际控制动作，有效阻断故障传导扩散，避免设备出现链式停机事故。

9、进一步地，还包括步骤s4：设备发生真实停机故障后，自动反溯故障前七十二小时内的时序运行数据、相位信号数据及振动特征数据，识别早期隐性特征，更新劣化传导有向图的边权重；基于真实故障数据实现模型闭环迭代优化，持续提升传导推演精度，使系统对同类隐蔽故障的识别能力逐步增强。

10、进一步地，系统持续监测设备的运行状态，当检测到设备真实停机时触发步骤s4；若停机时间在计划维护窗口内且工单标记为计划检修，则判定为计划停机，不触发反溯；若停机非计划或与报警相关联，则判定为真实故障停机。

11、一种人工智能预警系统，包括数据采集模块、早期劣化识别模块、故障源头定位模块、传导推演处置模块以及自优化迭代模块；

12、数据采集模块，用于采集联动设备的时序运行数据与多设备运行相位数据；

13、早期劣化识别模块，用于对时序运行数据进行滤波去噪、构建连续时序轨迹，计算轨迹二阶导数曲率，依据曲率突变生成预警信号；

14、故障源头定位模块，用于响应预警信号提取多设备运行相位角，构建相位差矩阵并计算矩阵偏移量，结合时序因果关系确定故障源头设备；

15、传导推演处置模块，用于加载劣化传导有向图，以故障源头设备为起点正向推演故障传导路径，计算各节点预计失效时间并输出处置策略；

16、自优化迭代模块，用于在设备发生真实停机故障后，反溯历史特征数据识别早期隐性特征，更新劣化传导有向图的边权重，实现系统自适应迭代优化；本系统采用模块化架构对应方法各核心步骤，各模块协同联动、时序配合运行，完整实现早期劣化感知、故障源头精准定位、传导路径预判与自适应自优化全流程功能，整体运行可靠性、预警及时性与故障处置针对性显著提升。

17、与现有技术相比，本发明的有益效果是：

18、1、本发明摒弃传统依托信号幅值和能量变化的预警判定模式，依托设备运行状态轨迹几何形态变化识别早期劣化，可捕捉幅值无明显波动仅轨迹形态发生细微畸变的隐性劣化特征，打破行业固有的技术认知局限，实现设备渐进式劣化的超早期感知，从源头解决传统预警识别滞后、微弱故障难以发现的问题。

19、2、本发明构建多设备相位差矩阵结合时序因果逻辑完成故障源头甄别，精准区分耦合联动系统中主动劣化的源头设备与被动波及的关联设备，无需依赖人工经验逐一排查定位故障。同时通过多级节点架构的劣化传导有向图开展正向路径推演，预判故障扩散路径与发展趋势，匹配生成适配现场运行工况的处置方式，实现故障溯源自动化与故障传导主动阻断，弥补现有技术定位模糊、缺少推演决策能力的不足。

20、3、本发明将轨迹曲率突变检测、相位差矩阵定位、劣化传导推演与故障数据自优化各环节时序配合、因果依存、协同运行，形成完整闭环预警体系。借助真实故障数据回溯挖掘隐性敏感特征，自适应更新传导关联参数，使预警体系长效适配设备老化与工况漂移变化，各技术手段相互赋能形成协同增益，整体运行稳定性和适配性显著提升，有效规避工业产线连锁故障与非计划停机风险。