一种基于数据驱动的电源模块故障预测方法及系统与流程

摘要: 本发明涉及电压控制,具体涉及一种基于数据驱动的电源模块故障预测方法及系统。背景技术:1、血液透析机电源模块故障预测作为医疗设备预防性维护和治疗安全保障的核心技术...
一种基于数据驱动的电源模块故障预测方法及系统与流程

本发明涉及电压控制,具体涉及一种基于数据驱动的电源模块故障预测方法及系统。

背景技术:

1、血液透析机电源模块故障预测作为医疗设备预防性维护和治疗安全保障的核心技术环节,在多泵并联供电和病人个体化治疗参数差异条件下需要实现电源输出稳定性精准监测与负载分配失衡风险动态识别和维护时间窗口合理确定的科学决策,因此,构建基于负载耦合干扰预测和故障风险与维护计划联合优化双向驱动的电源模块故障预测系统是非常必要的。

2、现有技术中,电源模块故障预测依赖电流电压阈值监测结合历史故障统计实现异常识别和维护计划制定,在多泵负载波动大或病人治疗参数差异显著时,异常识别准确率显著下降,故障漏判率高,难以捕捉多泵之间负载耦合干扰和电流分配失衡的动态演化过程,现有技术虽然引入机器学习等预测方法实现故障概率评估,但由于未区分电流波动来源于电源性能退化和负载需求变化的各自贡献,系统对负载分配均衡度的判断存在缺失,且未考虑病人特征差异与负载失衡风险之间的耦合关系,难以实现对未来治疗任务的故障风险、输出负载曲线和维护时间点的精准评估,面对治疗参数复杂或电源模块状态波动导致的多因素耦合作用时,容易出现负载耦合干扰漏判、故障风险预测偏差以及维护资源浪费或治疗中断的问题。

3、此外,现有技术缺少对不同未来治疗任务的负载特征差异和电源输出支路实时状态在故障预测策略动态优化过程中的匹配机制,无法有效实现基于当前病人特征和历史失衡任务的自适应负载曲线预测和差异化维护方案制定,并且存在多泵负载耦合分析缺失、负载分配均衡度识别能力弱、病人特征与故障风险关联分析不足、输出线路能力匹配分析缺失、维护时间确定不合理等缺陷,导致故障预测系统对治疗安全性保障和设备维护成本控制的支撑能力无法得到有效提升,同时缺乏针对不同负载失衡风险等级下高不确定性未来任务的自适应故障预测策略,无法根据当前电源输出状态、负载耦合干扰强度演化等动态变化情况自适应生成差异化的维护时间窗口优化方案。

技术实现思路

1、本发明的目的在于提供的一种基于数据驱动的电源模块故障预测方法及系统,解决了背景技术中存在的问题。

2、为解决上述技术问题,本发明采用如下技术方案:本发明第一方面提供一种基于数据驱动的电源模块故障预测方法,包括:步骤1.采集血液透析机的电源模块在各治疗任务的各采样时间点的各泵负载运行数据,并据此识别电源模块在各治疗任务时各泵的各异常时间点。

3、步骤2.依据电源模块在各治疗任务时各泵的各异常时间点,分析电源模块在各治疗任务时各泵的各异常时间点的负载分配均衡度。

4、步骤3.从本地数据库获取血液透析机的各未来治疗任务的病人数据,并依据电源模块在各治疗任务时各泵的各异常时间点的负载分配均衡度,预测电源模块在各未来治疗任务时对各泵的输出负载曲线。

5、步骤4.依据电源模块在各未来治疗任务时对各泵的输出负载曲线,评估电源模块在各未来治疗任务时对各泵的输出故障风险系数。

6、步骤5.依据电源模块在各未来治疗任务时对各泵的输出故障风险系数,分析血液透析机的电源模块的各预估故障输出线路及其故障最晚维护时间点,并将其发送至医疗设备管理负责人。

7、本发明第二方面提供一种基于数据驱动的电源模块故障预测系统,用于实现一种基于数据驱动的电源模块故障预测方法,包括:电源异常识别模块,用于采集血液透析机的电源模块在各治疗任务的各采样时间点的各泵负载运行数据,并据此识别电源模块在各治疗任务时各泵的各异常时间点。

8、电源负载分析模块,用于依据电源模块在各治疗任务时各泵的各异常时间点,分析电源模块在各治疗任务时各泵的各异常时间点的负载分配均衡度。

9、治疗负载预测模块,用于从本地数据库获取血液透析机的各未来治疗任务的病人数据,并依据电源模块在各治疗任务时各泵的各异常时间点的负载分配均衡度,预测电源模块在各未来治疗任务时对各泵的输出负载曲线。

10、电源故障风险预测模块,用于依据电源模块在各未来治疗任务时对各泵的输出负载曲线,评估电源模块在各未来治疗任务时对各泵的输出故障风险系数。

11、维护线路预估模块,用于依据电源模块在各未来治疗任务时对各泵的输出故障风险系数,分析血液透析机的电源模块的各预估故障输出线路及其故障最晚维护时间点,并将其发送至医疗设备管理负责人。

12、本发明的有益效果在于:本发明提升血液透析机电源模块在多泵供电过程中的负载分配失衡识别精度和故障输出线路预测准确度,能够适应不同病人治疗参数组合和电源输出状态下的负载耦合干扰预测需求和故障风险评估特性,通过谐波频谱分析和电流分散度量化评估准确区分负载耦合干扰导致的均衡度下降和电流波动影响因素,从而实现高效准确的失衡风险系数评估和未来负载曲线动态构建,显著提升血液透析机电源模块在未来治疗任务中的故障风险识别精度和维护资源配置合理性,能够根据各未来治疗任务的实际病人特征和历史失衡任务波动模式动态确定负载曲线预测的评估需求,并通过过载裕度和动态响应异常概率实时反馈生成预估故障输出线路和最晚维护时间点,有效防止固定阈值监测对实际负载耦合特征差异和动态治疗需求变化的响应不足,避免负载波动放大系数估计偏差导致的故障漏判和维护资源浪费,实现基于病人特征相似度匹配和负载分配均衡度特征的故障预测完整性精准评估和差异化自适应维护时间窗口策略制定,有效提升最终协同故障预测与维护计划优化方案的针对性和实施效果,准确识别对治疗安全性产生威胁的高风险输出线路及其对应的负载耦合干扰主要来源和最优维护时间点,确保维护决策与实际治疗计划安排动态变化需求的高度契合。

1.一种基于数据驱动的电源模块故障预测方法,其特征在于,包括:

2.根据权利要求1所述的一种基于数据驱动的电源模块故障预测方法,其特征在于,所述识别电源模块在各治疗任务时各泵的各异常时间点,其具体方法为:

3.根据权利要求2所述的一种基于数据驱动的电源模块故障预测方法,其特征在于,所述分析电源模块在各治疗任务时各泵的各异常时间点的负载分配均衡度,其具体方法为:

4.根据权利要求3所述的一种基于数据驱动的电源模块故障预测方法,其特征在于,所述评估电源模块在各治疗任务时在各异常时间点的负载耦合干扰强度,其具体方法为:

5.根据权利要求3所述的一种基于数据驱动的电源模块故障预测方法,其特征在于,所述预测电源模块在各未来治疗任务时对各泵的输出负载曲线,其具体方法为:

6.根据权利要求5所述的一种基于数据驱动的电源模块故障预测方法,其特征在于,所述评估各未来治疗任务的各泵的预估失衡风险系数,其具体方法为:

7.根据权利要求5所述的一种基于数据驱动的电源模块故障预测方法,其特征在于,所述生成电源模块在各未来治疗任务时对各泵的输出负载曲线,其具体方法为:

8.根据权利要求2所述的一种基于数据驱动的电源模块故障预测方法,其特征在于,所述评估电源模块在各未来治疗任务时对各泵的输出故障风险系数,其具体方法为:

9.根据权利要求1所述的一种基于数据驱动的电源模块故障预测方法,其特征在于,所述分析血液透析机的电源模块的各预估故障输出线路及其故障最晚维护时间点,其具体方法为:

10.一种基于数据驱动的电源模块故障预测系统,用于实现权利要求1-9任一项所述的一种基于数据驱动的电源模块故障预测方法,其特征在于,包括: