基于故障先兆回声的隧道机电预测维护方法及系统与流程

摘要: 本发明涉及设备运维,具体为基于故障先兆回声的隧道机电预测维护方法及系统。背景技术:1、隧道机电设备预测维护技术是保障隧道安全运行的重要技术方向,旨在通过对通风设...
基于故障先兆回声的隧道机电预测维护方法及系统与流程

本发明涉及设备运维,具体为基于故障先兆回声的隧道机电预测维护方法及系统。

背景技术:

1、隧道机电设备预测维护技术是保障隧道安全运行的重要技术方向,旨在通过对通风设备、照明设备、消防设备、供配电设备等机电系统运行状态进行持续监测,提前识别设备潜在异常并制定维护策略,减少设备突发故障对隧道通行安全和运营效率的影响。近年来,随着传感采集技术和数据处理技术的发展,隧道机电维护方式逐渐由定期巡检向基于运行数据的状态感知和预测维护方向发展。

2、现有技术多通过采集机电设备运行参数,如运行电流、温度、振动状态以及控制响应数据等,并结合预设阈值判断或历史运行趋势分析方式识别设备异常,实现对隧道机电设备运行状态的监测,这些方法能够在一定程度上发现设备参数偏离正常范围的情况,并为设备维护提供参考。然而,在实际隧道运行过程中,机电设备的运行状态不仅受到自身健康状态影响,还会受到车辆流量变化、车辆运行速度变化以及环境条件变化等交通状态因素影响,例如高峰时段车辆密集通行时,通风设备负载增加、照明系统调节频率提高,设备运行参数会随交通状态产生相应波动,使得设备参数变化与真实故障退化状态之间存在耦合关系。

3、现有技术通常难以区分由交通状态变化引起的正常响应变化与设备自身逐渐形成的异常演化变化,导致设备早期故障特征容易被交通扰动掩盖或被误判为异常,同时,隧道内多个机电设备之间存在连接和运行关联关系,单一设备参数变化难以反映故障在设备节点之间逐步传播形成的先兆特征,容易造成故障风险识别滞后,难以及时生成针对性的预测维护策略。

技术实现思路

1、针对现有技术存在的不足,本发明提供基于故障先兆回声的隧道机电预测维护方法及系统。

2、为了实现上述目的,本发明的技术方案如下:

3、第一方面,本发明公开了基于故障先兆回声的隧道机电预测维护方法,包括以下步骤:

4、获取目标隧道多个检测周期对应的当前运行参数数据、交通状态数据以及设备关联数据;所述设备关联数据包括设备节点标识、设备节点之间的连接关系以及对应的初始关联权重;

5、获取多个历史正常运行周期对应的历史运行参数数据和历史交通状态数据,并根据所述历史运行参数数据与所述历史交通状态数据之间的对应关系,建立交通状态与设备响应状态之间的参考映射关系;

6、根据所述交通状态数据与所述参考映射关系进行匹配,确定当前交通状态对应的设备响应参考数据,并根据所述当前运行参数数据与所述设备响应参考数据进行差异计算,生成设备残差数据;

7、按照检测周期对多个所述设备残差数据进行时间排序,生成残差变化序列,并根据所述残差变化序列中相邻检测周期对应的残差变化状态,生成残差演化特征数据;

8、根据所述残差演化特征数据对多个检测周期对应的设备残差变化过程进行关联处理,生成故障先兆回声数据,所述故障先兆回声数据用于表征机电设备在排除交通状态影响后的异常演化状态;

9、根据所述故障先兆回声数据与所述设备关联数据进行匹配,确定设备节点之间的故障传播关联数据,并根据所述故障传播关联数据调整所述设备关联数据中设备节点之间的关联权重,生成动态设备关联数据;

10、根据所述故障先兆回声数据在所述动态设备关联数据中的传播关联结果,确定目标机电设备对应的风险状态数据,并根据所述风险状态数据生成预测维护指令。

11、第二方面,本发明公开了基于故障先兆回声的隧道机电预测维护系统,使用上述的基于故障先兆回声的隧道机电预测维护方法,包括:

12、数据获取模块,用于获取目标隧道多个检测周期对应的当前运行参数数据、交通状态数据以及设备关联数据;所述设备关联数据包括设备节点标识、设备节点之间的连接关系以及对应的初始关联权重;

13、参考响应模块,用于获取多个历史正常运行周期对应的历史运行参数数据和历史交通状态数据,并根据所述历史运行参数数据与所述历史交通状态数据之间的对应关系,建立交通状态与设备响应状态之间的参考映射关系;

14、残差生成模块,用于根据所述交通状态数据与所述参考映射关系进行匹配,确定当前交通状态对应的设备响应参考数据,并根据所述当前运行参数数据与所述设备响应参考数据进行差异计算,生成设备残差数据;

15、演化分析模块,用于按照检测周期对多个所述设备残差数据进行时间排序,生成残差变化序列,并根据所述残差变化序列中相邻检测周期对应的残差变化状态,生成残差演化特征数据;

16、回声判定模块,用于根据所述残差演化特征数据对多个检测周期对应的设备残差变化过程进行关联处理,生成故障先兆回声数据,所述故障先兆回声数据用于表征机电设备在排除交通状态影响后的异常演化状态;

17、关联更新模块,用于根据所述故障先兆回声数据与所述设备关联数据进行匹配,确定设备节点之间的故障传播关联数据,并根据所述故障传播关联数据调整所述设备关联数据中设备节点之间的关联权重,生成动态设备关联数据;

18、风险指令模块,用于根据所述故障先兆回声数据在所述动态设备关联数据中的传播关联结果,确定目标机电设备对应的风险状态数据,并根据所述风险状态数据生成预测维护指令。

19、与现有技术相比,本发明的有益效果为:

20、1、本发明能够反映偏离对应交通状态正常响应的设备运行变化,从而将车辆运行等交通状态变化所引起的正常设备响应与设备自身的异常变化进行区分,为后续故障先兆识别提供具有针对性的残差数据基础。

21、2、本发明避免仅依据单一检测周期的设备参数变化进行故障判断,使设备自身异常由瞬时变化转化为具有时间演化特征的故障先兆信息。

22、3、本发明使设备故障判断不再仅依据单个设备自身的异常状态,而能够结合隧道机电设备之间实际形成的故障传播关联进行风险识别,从而使预测维护结果与设备间的异常关联关系相适配。

1.基于故障先兆回声的隧道机电预测维护方法,其特征在于:包括以下步骤:

2.根据权利要求1所述的基于故障先兆回声的隧道机电预测维护方法,其特征在于:建立交通状态与设备响应状态之间的参考映射关系,包括:

3.根据权利要求2所述的基于故障先兆回声的隧道机电预测维护方法,其特征在于:根据所述交通状态数据与所述参考映射关系进行匹配,确定当前交通状态对应的设备响应参考数据,包括:

4.根据权利要求3所述的基于故障先兆回声的隧道机电预测维护方法,其特征在于:按照检测周期对多个所述设备残差数据进行时间排序,生成残差变化序列,包括:

5.根据权利要求4所述的基于故障先兆回声的隧道机电预测维护方法,其特征在于:生成故障先兆回声数据,包括:

6.根据权利要求5所述的基于故障先兆回声的隧道机电预测维护方法,其特征在于:确定设备节点之间的故障传播关联数据,包括:

7.根据权利要求6所述的基于故障先兆回声的隧道机电预测维护方法,其特征在于:生成动态设备关联数据,包括:

8.根据权利要求7所述的基于故障先兆回声的隧道机电预测维护方法,其特征在于:确定目标机电设备对应的风险状态数据,包括:

9.根据权利要求8所述的基于故障先兆回声的隧道机电预测维护方法,其特征在于:生成预测维护指令后,还包括:

10.基于故障先兆回声的隧道机电预测维护系统,其特征在于:使用如权利要求1~9中任意一项所述的基于故障先兆回声的隧道机电预测维护方法,包括: