基于健康指数的预测性维护方法、系统及可读存储介质与流程

1.本发明涉及工程机械领域技术领域，特别涉及一种基于健康指数的预测性维护方法、系统及可读存储介质。


背景技术：

2.工程机械行业，目前大部分维修采用的还是定时维修和故障修相结合的方式来进行的。即主要系统和零部件定时定期维修，以及发生客诉或保修之后被动发起的故障修。
3.现行的维修维护方式存在以下几点问题：1.维修不足，造成设备故障，引发公司企业经济损失；2.维修过剩，造成维修资源浪费；3.备品备件库存积压严重，库存压力成本巨大。
4.因此，亟需一种基于健康指数的预测性维护方法、系统及可读存储介质来解决上述问题。


技术实现要素：

5.本发明解决的技术问题在于，提供了一种基于健康指数的预测性维护方法、系统及可读存储介质，能依据设备的健康指数对设备的健康等级进行评估，并预测设备的剩余使用寿命，以预先制定预测性维修计划，确定设备修理的时间、内容、方式和必需的技术和备品备件支持。
6.本发明解决其技术问题是采用以下的技术方案来实现的：
7.一种基于健康指数的设备预测性维护方法，包括：获取设备数据，所述设备数据包括：工况数据、维修数据和保养数据；根据所述设备数据提取性能特征，并根据所述性能特征获取偏差指标以进行健康指标构建；根据所述性能特征获取所述设备当前的健康指数，并根据所述健康指数评估所述设备的健康等级；根据所述健康指标预测所述设备的剩余可用寿命；根据所述设备的健康等级和/或剩余可用寿命制定所述设备的最佳健康管理措施。
8.在本发明的较佳实施例中，上述根据所述设备数据提取性能特征，并根据所述性能特征获取偏差指标以进行健康指标构建的步骤，包括：对所述设备数据进行预处理后进行所述性能特征提取；根据所述性能特征和影响因素构建性能模型；根据性能指标实测值和通过所述性能模型获取的性能指标期望值计算得到性能偏差指标；根据所述性能偏差指标构建所述健康指标。
9.在本发明的较佳实施例中，上述根据所述性能特征和影响因素构建性能模型的步骤，包括：对所述设备数据进行预处理后，获取所述性能特征；将所述性能特征及其影响因子设置为性能模型的变量，以构建所述性能模型；对所述性能模型进行评估；若评估通过，则对构建的所述性能模型进行模型参数调优；若评估未通过，则重新构建所述性能模型。
10.在本发明的较佳实施例中，上述根据所述性能特征获取所述设备当前的健康指数，并根据所述健康指数评估所述设备的健康等级的步骤，包括：获取所述设备的各部件健康指数；将所述各部件健康指数进行合成，以判定所述设备的第一健康等级。
11.在本发明的较佳实施例中，上述根据所述性能特征获取所述设备当前的健康指数，并根据所述健康指数评估所述设备的健康等级的步骤，还包括：获取所述设备的故障率和维修等级；根据所述设备的故障率、维修等级以及所述第一健康等级，判定所述设备的第二健康等级。
12.在本发明的较佳实施例中，上述根据所述性能特征获取所述设备当前的健康指数，并根据所述健康指数评估所述设备的健康等级的步骤之后，包括：根据所述设备的健康等级判断所述设备的可用性，并确认所述设备可承担的任务类别，以对所述设备的运营调度进行优化。
13.在本发明的较佳实施例中，上述根据所述健康指标预测所述设备的剩余可用寿命的步骤，包括：根据所述健康指标以及给定的失效阈值预测所述设备的可工作时长；根据所述可工作时长和所述设备的当前工作时长，预测所述设备的剩余可用寿命。
14.在本发明的较佳实施例中，上述根据所述设备的健康等级和/或剩余可用寿命制定所述设备的最佳健康管理措施的步骤之后，包括根据维修活动的反馈结果，重新确认所述设备的健康等级和剩余可用寿命。
15.一种用于上述中任一所述的基于健康指数的设备预测性维护方法的系统，包括：数据采集模块，用于采集设备数据；数据处理模块，用于对所述设备数据进行预处理，并调用预处理后的所述设备数据进行健康指标构建、健康等级评估、剩余寿命计算以及维修决策生成；健康管理模块，用于接收维修决策，以生成维修计划。
16.一种可读存储介质，其特征在于，所述可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如上述中任一项所述的基于健康指数的设备预测性维护方法的步骤。
17.本发明采用上述技术方案达到的技术效果是：基于设备或部件的健康指标，预测设备或部件的剩余使用寿命，评估设备的健康等级，并依据其未来发展趋势和可能发生的故障模式，预先制定预测性维修计划，确定设备修理的时间、内容、方式和必需的技术和备品备件支持，减少故障率发生的同时，大大提高了维修资源的利用效率和较少了非合理性的备品备件库存压力成本。
18.上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其他目的、特征和优点能够更明显易懂，以下特举较佳实施例，并配合附图，详细说明。
附图说明
19.图1为本发明的实施例示出的基于健康指数的设备预测性维护方法的流程图；
20.图2为本发明实施例示出的数据流图；
21.图3为本发明实施例示出的健康指标构建流程图；
22.图4为本发明实施例示出的性能模型构建流程图；
23.图5为本发明实施例示出的性能建模示意图；
24.图6为本发明实施例示出的基于模型的偏差计算示意图；
25.图7为本发明实施例示出的健康等级评估流程图；
26.图8为本发明实施例示出的剩余可用寿命预测示意图；
27.图9为本发明实施例示出的维修决策流程图；
28.图10为本发明实施例示出的预测维护案例流程图；
29.图11为本发明实施例示出的基于健康指数的设备预测性维护系统的模块结构图；
30.图12为本发明实施例示出的预防性维护系统结构图。
具体实施方式
31.为更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明的实施例保护的范围。通过具体实施方式的说明，当可对本发明为达成预定目的所采取的技术手段及功效得以更加深入且具体的了解，而且所附图式仅是提供参考与说明之用，并非用来对本发明加以限制。
32.请参考图1，图1为本发明的实施例示出的一种基于健康指数的设备预测性维护方法的流程图。
33.如图1所示，该实施例所述的方法，包括以下步骤：
34.s11：获取设备数据，设备数据包括：工况数据、维修数据和保养数据；
35.s12：根据设备数据提取性能特征，并根据性能特征构建健康指标；
36.s13：根据性能特征获取设备当前的健康指标，并根据健康指标评估设备的健康等级；
37.s14：根据健康指标预测设备的剩余可用寿命；
38.s15：根据设备的健康等级和/或剩余可用寿命制定设备的最佳健康管理措施。
39.如图2所示，本方案提出了一种基于健康指数的设备预测性维护方法，用以应对工程机械行业传统维修方式的挑战。该技术方案以大数据和云计算为依托，采用基于健康指标的预测性维护算法，能快速有效地对系统或部件的维护优先等级进行划分，推送合理有效的维修维护建议，为售后服务提供合理安排维修资源和备品备件计划提供了强力的数字化服务。
40.基于该技术方案的数据流程可分数据采集、健康指标构建、健康状态评估、剩余寿命预测及维修决策生成，共五个步骤。
41.第一步：数据采集，数据采集分两种途径获取，一是工程机械设备在过程中通过传感器采集，二是操作人员在手机或个人电脑终端记录、校准、反馈等产生的数据。传感器端的数据通过设备端的边缘设备处理后传输至数据中心，终端数据通过终端设备，直接传输至数据中心。
42.第二步，健康指标构建，采集数据传输至数据中心后，将进行计算中心进行健康指标构建。本技术方案提出的健康指标构建步骤由性能特征提取、性能偏差计算和健康指标构建三部分组成，如图3所示。
43.可选地，根据所述设备数据提取性能特征，并根据所述性能特征获取偏差指标以进行健康指标构建的步骤，包括：
44.对所述设备数据进行预处理后进行所述性能特征提取；
45.根据所述性能特征和影响因素构建性能模型；
46.根据性能指标实测值和通过所述性能模型获取的性能指标期望值计算得到性能偏差指标；
47.根据所述性能偏差指标构建所述健康指标。
48.性能特征提取，性能指标应选取代表系统或部件功能或性能的数据作为特征提取的数据源，特征提取方法提供两种方式。一是基于物理机理的特征提取，针对系统或者部件的功能或者性能，结合物理机理，计算其特征指标。如发动机的转速、功率、扭矩、燃油效率；泵的流量、轴功率、效率等。二是关键统计特征的特征提取，按工况、操作、时间周期计算时域、频域特征，时域特征如：均值、方差、波形指标、脉冲指标、裕度指标等，频域特征如：重心频率、均方频率、均方根频率、频率方差、频率标准差等。
49.偏差指标计算，偏差指标计算分两步，第一步，建立性能模型；第二步，计算性能偏差指标。
50.工程设备在处于理想状态(无故障无性能衰退)下，建立其性能指标与影响因素之间的函数关系的过程，就是性能模型构建。性能建模选取提取的性能特征作为因变量，选取其影响因素最为自变量，通过建立回归模型，然后计算模型实际值与拟合值之间的偏差作为新的特征指标。性能建模构建的流程如图4 所示。
51.可选地，根据所述性能特征和影响因素构建性能模型的步骤，包括：
52.对所述设备数据进行预处理后，获取所述性能特征；
53.将所述性能特征及其影响因子设置为性能模型的变量，以构建所述性能模型；
54.对所述性能模型进行评估；
55.若评估通过，则对构建的所述性能模型进行模型参数调优；
56.若评估未通过，则重新构建所述性能模型。
57.步骤1，数据准备，对数据进行预处理后进行性能指标和相应变量的提取；步骤2，选择合适的模型和算法(可能是多种)建立性能模型，步骤3，模型评估，确定模型和算法(选择一种)，并回到步骤2进行模型参数的调优，模型评价未通过的回到步骤2重复执行，步骤4，计算实测值与期望值的差距形成性能偏差指标。
58.性能模型反映了系统或设备在各种工况下的理想状态，是评价系统或设备健康状态的重要参照标准，如何建立合适的性能模型显得至关重要。性能建模的一般形式示意，如：具体请参阅图5。
59.由于参考系统性能指标期望值可能形成一条曲线，通常称为基线。实际上，性能基线可能是一个参考值，也有可能是一条曲线、一组曲线，甚至是特征空间的一个分布。基线适用于工况有显著变化，且变化频率较高的场景。
60.性能模型(基线)的建立可以采用多种不同的方法，一般地，可将建模方法分为参数方法和非参数方法。参数方法如线性回归、逻辑回归、感知器等，非参数方法则有决策树、knn、支持向量机、复杂神经网络等。
61.性能偏差指标计算在建立性能模型之后，以性能指标实测值减去性能指标期望值得到，如图6所示。
62.健康指标构建，性能偏差计算完成后，进行健康指数构建。模型构建成功后，计算
偏差指标sz。性能偏差的大小即真实值偏离模型基线的程度，偏差的绝对值越大，则越远离模型基线得分越低，偏差的绝对值越小，则越靠近模型基线得分越低。一般地，通过设计合理的映射函数来构建健康指标，以保证健康指标落在指定的区间内。该映射函数包括但不限于概率分布函数，裂化度函数等等。
63.考虑到健康指数对健康状态表示的直观性，这里将健康指数的取值限定到特定的区间[0，100]，分值越大越健康。另外，健康指数应当随时间(发动机小时数、动作循环次数、运行里程等)发生趋势性变化，一般为下降，以符合系统或部件健康随时间退化的实际情况。
[0064]
可选地，根据所述性能特征获取所述设备当前的健康指标，并根据所述健康指标评估所述设备的健康等级的步骤，包括：
[0065]
获取所述设备的各部件健康指标；
[0066]
将所述各部件健康指标进行合成，以判定所述设备的第一健康等级。
[0067]
可选地，根据所述性能特征获取所述设备当前的健康指标，并根据所述健康指标评估所述设备的健康等级的步骤，还包括：
[0068]
获取所述设备的故障率和维修等级；
[0069]
根据所述设备的故障率、维修等级以及所述第一健康等级，判定所述设备的第二健康等级。
[0070]
其中，第一健康等级为模糊评判等级，第二健康等级为准确评判的等级。
[0071]
可选地，根据所述性能特征获取所述设备当前的健康指标，并根据所述健康指标评估所述设备的健康等级的步骤之后，包括：
[0072]
根据所述设备的健康等级判断所述设备的可用性，并确认所述设备可承担的任务类别，以对所述设备的运营调度进行优化。
[0073]
第三步，健康状态评估，是为系统或部件的寿命预测和运维决策提供支持，如根据系统健康状态判断其可用性，可承担的任务类别，进而优化运营调度。根据系统健康状态评估结果判断是否有必要采取维修措施，提高维修决策响应速度。健康状态评估流程如图7所示。
[0074]
在定义健康等级时，需要从实际运维业务出发，尽可能将健康等级定义为具有实际业务意义的等级，而非简单随意的划分。一般可以通过故障率、维修活动的级别来定义健康等级。
[0075]
可选地，根据所述健康指标预测所述设备的剩余可用寿命的步骤，包括：
[0076]
根据所述健康指标以及给定的失效阈值预测所述设备的可工作时长；
[0077]
根据所述可工作时长和所述设备的当前工作时长，预测所述设备的剩余可用寿命。
[0078]
第四步，剩余寿命预测，即是预测剩余可用寿命(remain useful life， rul)。一般对开关、继电器类的部件，可对其动作次数、负载时间等进行统计，并在给定限值的条件下，实时计算剩余可用时间。而对于非寿命部件或者系统，通常要构建模型进行预测。模型预测的方法分为两种，一是基于可靠性数据的剩余可用寿命预测，二是基于健康指数的剩余可用寿命预测。
[0079]
当监测数据不可用时，基于可靠性数据的剩余可用寿命预测模型，可利用在类似
环境、工况条件下工作的同型系统的群体数据建立可靠性模型进行平均寿命估计，进而计算rul。例如：威布尔分布就适用于多数机电产品累计失效和金属材料疲劳寿命分布的描述。
[0080]
大数据背景下，为了充分利用数据，可采用基于健康指数的剩余可用寿命预测模型。首先对系统进行性能建模，构建性能指标，可通过计算性能指标期望值和实测值的偏差构建偏差时间序列，从而将剩余可用寿命预测问题转化为对性能指标偏差时间序列进行预测的问题(1)和基于预测结果及给定阈值估计失效时间的问题(2)。如图8所示。
[0081]
对于第一个问题，可以采用时间序列分析(arma等)、机器学习(cnn、svm、 lstm)等诸多模型进行预测。在具体预测时，可采用单步或多步预测等方法进行长期预测。对于第二个问题，可在预测结果的基础上，与给定阈值进行比较，进而得到预测结果。如果需要考虑不确定性，将预测结果表示为预测区间的方式，则需要对不确定性进行建模，此问题较为复杂。
[0082]
第五步，维修决策生成，在健康状态评估和剩余寿命预测的基础上，结合维修资源情况，进行维修活动安排，制定最佳健康管理措施。流程如图9所示。
[0083]
可选地，根据所述设备的健康等级和/或剩余可用寿命制定所述设备的最佳健康管理措施的步骤之后，包括
[0084]
根据维修活动的反馈结果，重新确认所述设备的健康等级和剩余可用寿命。
[0085]
以旋挖钻机的部件级预测性维护举例，在旋挖钻机的使用过程中，其动力头内键板、动力头滑块、主卷扬钢丝绳随着使用时间的增加会存在不可逆的磨损，我们通过基于健康指数的预测性维护来预测磨损量及更换日期，提前布局维修资源，指导提前维修和更换，以防止故障的发生，减少风险和损失。
[0086]
根据archard磨损模型建立磨损量、载荷、滑动距离之间的关系。
[0087]
旋挖钻机的部件级预测性维护的整体流程如图10所示。
[0088]
其中，建立磨损特征时基于磨损公式来进行提取，值得一提的是，基于健康指数的预测性维护产生维修维护活动后，可根据维修活动的反馈结果来对健康状态评估模型和剩余可用寿命预测模型进行调整和优化，不断提升模型的准确率，最终形成闭环。
[0089]
本发明提供的基于健康指数的设备预测性维护方法，相比过往传统方法，该技术方案有以下优势：1.减少故障率，减少公司企业经济损失；2.指导合理安排维修资源，避免了维修资源的浪费；3.基于寿命预测的备品备件预测，提前合理布局，减少仓库的库存压力。基于设备或部件的健康指标，预测设备或部件的剩余使用寿命，评估设备的健康等级，并依据其未来发展趋势和可能发生的故障模式，预先制定预测性维修计划，确定设备修理的时间、内容、方式和必需的技术和备品备件支持，减少故障率发生的同时，大大提高了维修资源的利用效率和较少了非合理性的备品备件库存压力成本。
[0090]
如图11所示，本发明一实施方式示出的基于健康指数的设备预测性维护系统，包括：数据采集模块10，用于采集设备数据；数据处理模块20，用于对所述设备数据进行预处理，并调用预处理后的所述设备数据进行健康指标构建、健康等级评估、剩余寿命计算以及维修决策生成；健康管理模块30，用于接收维修决策，以生成维修计划。其中，基于健康指数的设备预测性维护系统用于执行上述实施方式所述的基于健康指数的设备预测性维护方法。
[0091]
如图12所示，在另一实施方式中，基于健康指数的设备预测性维护系统由传感器、客户端、边缘端、云端、服务中心五部分组成。
[0092]
传感器，获取被测工程机械设备施工状态数据，如温度、压力、温度、流量、振动、噪声、位移、转速等，针对振动信号，根据不同的监控需求、成本要求等可选择不同的传感器。
[0093]
客户端，人机交互终端，如手机、个人电脑等，由售后服务人员记录维修记录、保养记录、拆换件、维护建议反馈信息等。
[0094]
边缘端，由边缘计算设备构成，其接收来自传感器的数据，经过去噪压缩处理，并将数据传输至数据中心。
[0095]
云端，由数据中心、计算中心和管理中心构成，对来自边缘端和客户端的数据进行加工、计算、存储和推送。数据中心，解压来自边缘端的数据并传送至计算中心，存储计算中心的返回结果。计算中心，调用数据中心的数据，进行健康指数构建、健康状态评估、剩余寿命计算以及维修决策生成，过程结果推送至数据中心，维修决策推送至服务中心。管理中心，用于监控数据中心、计算中心、边缘计算设备。
[0096]
服务中心，从数据中心接收维修决策活动结果，推送至售后服务部门，进行后续维修计划安排。
[0097]
本发明提供的基于健康指数的设备预测性维护系统，基于设备或部件的健康指标，预测设备或部件的剩余使用寿命，评估设备的健康等级，并依据其未来发展趋势和可能发生的故障模式，预先制定预测性维修计划，确定设备修理的时间、内容、方式和必需的技术和备品备件支持，减少故障率发生的同时，大大提高了维修资源的利用效率和较少了非合理性的备品备件库存压力成本。
[0098]
应该理解的是，虽然附图的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，其可以以其他的顺序执行。而且，附图中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，其执行顺序也不必然是依次进行，而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
[0099]
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到本发明实施例可以通过硬件实现，也可以借助软件加必要的通用硬件平台的方式来实现。基于这样的理解，本发明实施例的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是cd－rom，u盘，移动硬盘等)中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或网络设备等)执行本发明实施例各个实施场景所述的方法。
[0100]
以上结合附图详细描述了本发明的优选实施方式，但是本发明并不限于上述实施方式中的具体细节，上述实施例及附图是示例性的，附图中的模块或流程并不一定是实施本发明实施例所必须的，不能理解为对本发明的限制，在本发明的技术构思范围内，可以对本发明的技术方案进行多种简单变型和组合，这些简单变型和组合均属于本发明的保护范围。