一种基于聚类算法的群控设备健康监测方法、设备及介质与流程

技术特征：
1.一种基于聚类算法的群控设备健康监测方法，其特征在于，包括：采集指定时刻下群控设备的特征参数；根据所述特征参数，通过健康度评价模型得到所述群控设备的设备健康度，以生成健康度样本集；通过聚类算法对所述健康度样本集进行聚类分析，得到对应的簇以及噪声点；若所述簇内的样本点对应的第一设备运行正常，且所述噪声点对应的第二设备运行异常，则确定所述第一设备在所述指定时刻下的健康度均值；根据不同时刻下的健康度均值，生成健康度变化曲线，并根据所述健康度变化曲线对所述群控设备进行健康监测。2.根据权利要求1所述的方法，其特征在于，通过聚类算法对所述健康度样本集进行聚类分析，得到对应的簇以及噪声点，具体包括：根据所述群控设备的设备参数，对所述聚类算法的算法参数进行初始化设置，所述设备参数包括群控设备的数量、指定特征参数的稳定性、设备运行寿命，所述算法参数包括扫描半径、最小包含点数；通过初始化设置的聚类算法进行多轮聚类分析，并在每轮聚类分析过程中对所述算法参数进行调节，直至所有样本点之间密度可连，从而完成所述算法参数的修正并确定此时对应的指定算法参数，所述密度可连包括直接密度可达、密度可达、密度相连；通过应用所述指定算法参数的聚类算法，对所述健康度样本集进行聚类分析，得到对应的簇以及噪声点。3.根据权利要求2所述的方法，其特征在于，在每轮聚类分析过程中对所述算法参数进行调节，直至所有样本点之间密度可连，具体包括：根据所述群控设备的设备参数，对所述聚类算法的算法参数进行设置，并在每轮聚类分析过程中，增大所述扫描半径且减小所述最小包含点数，直至所有样本点之间密度可连，其中，在每轮聚类分析过程中，所述扫描半径的增大数值和所述最小包含点数的减小数值，与所述设备运行寿命呈正相关。4.根据权利要求2所述的方法，其特征在于，每轮聚类分析的过程具体包括：在所述健康度样本集中选取未被处理过的指定样本点；根据所述扫描半径确定对应的邻域，并判断所述邻域内的样本点的数量是否不小于所述最小包含点数；若是，则寻找得到密度可连的其他样本点，并形成对应的簇；若否，则跳出当前循环，并寻找下一个指定样本点。5.根据权利要求1所述的方法，其特征在于，根据不同时刻下的健康度均值，生成健康度变化曲线，具体包括：针对所述群控设备中同型号的设备，根据不同时刻下的健康度均值，通过公式拟合得到第一健康度变化曲线，其中，t为时刻，为t时刻下的健康度均值，为拟合函数；针对所述群控设备中非同型号的设备，根据不同时刻下的健康度均值，通过公式
拟合得到第二健康度变化曲线，其中，t为时刻，为t时刻下的健康度均值，为拟合函数，、a分别为水平方向、正交方向上对应的幅值，、a基于和t之间的对应关系求解得到。6.根据权利要求5所述的方法，其特征在于，通过公式拟合得到第二健康度变化曲线之前，所述方法还包括：确定公式，其中，、b分别为水平方向、正交方向上的相位；选取投入使用起始的设备，并在确定其健康度为100%时，确认=0、b=0，得到公式。7.根据权利要求1所述的方法，其特征在于，根据所述健康度变化曲线对所述群控设备进行健康监测，具体包括：根据所述健康度变化曲线，确定对应的变化趋势和指定坐标点；根据所述变化趋势和所述指定坐标点将所述健康度变化曲线划分为多个阶段，所述多个阶段包括磨合阶段、正常衰减阶段、快速衰减阶段；针对所述群控设备中，除了用于生成所述健康度变化曲线的其他设备，确定该其他设备对应的设备运行寿命，并根据所述设备运行寿命对应的时刻，在所述健康度变化曲线中确定所述其他设备的所处阶段，并根据所述所处阶段对应的监测策略对所述群控设备进行监测。8.根据权利要求7所述的方法，其特征在于，根据所述变化趋势和所述指定坐标点将所述健康度变化曲线划分为多个阶段，具体包括：根据所述变化趋势，确定性能拐点，并根据所述性能拐点和所述指定坐标点中的报废点，得到所述健康度变化曲线中的快速衰减阶段；确定预先得到的所述群控设备在使用过程中的磨合期时长，所述磨合期时长基于专家经验、设备使用手册、历史设备使用记录中的至少一种得到；在所述磨合期时长对应的坐标点两侧的预设范围内，确定所述两侧的预设范围组合得到的范围的子段变化趋势，所述预设范围与所述群控设备中的设备类型数量呈正相关；根据所述子段变化趋势中变化趋势不稳定的范围，划分为磨合阶段和正产衰减阶段，其中，变化趋势不稳定指的是，子段变化趋势中的最高值与最低值之间的差值高于预设阈值，或，出现极值点的数量高于预设数量。9.一种基于聚类算法的群控设备健康监测设备，其特征在于，包括：至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够：采集指定时刻下群控设备的特征参数；根据所述特征参数，通过健康度评价模型得到所述群控设备的设备健康度，以生成健
康度样本集；通过聚类算法对所述健康度样本集进行聚类分析，得到对应的簇以及噪声点；若所述簇内的样本点对应的第一设备运行正常，且所述噪声点对应的第二设备运行异常，则确定所述第一设备在所述指定时刻下的健康度均值；根据不同时刻下的健康度均值，生成健康度变化曲线，并根据所述健康度变化曲线对所述群控设备进行健康监测。10.一种非易失性计算机存储介质，存储有计算机可执行指令，其特征在于，所述计算机可执行指令设置为：采集指定时刻下群控设备的特征参数；根据所述特征参数，通过健康度评价模型得到所述群控设备的设备健康度，以生成健康度样本集；通过聚类算法对所述健康度样本集进行聚类分析，得到对应的簇以及噪声点；若所述簇内的样本点对应的第一设备运行正常，且所述噪声点对应的第二设备运行异常，则确定所述第一设备在所述指定时刻下的健康度均值；根据不同时刻下的健康度均值，生成健康度变化曲线，并根据所述健康度变化曲线对所述群控设备进行健康监测。

技术总结
本申请公开了一种基于聚类算法的群控设备健康监测方法、设备及介质，涉及机器资源管理、运维和预测性维护领域，包括：采集指定时刻下群控设备的特征参数；得到群控设备的设备健康度；通过聚类算法对健康度样本集进行聚类分析，得到对应的簇以及噪声点；若簇内的样本点对应的第一设备运行正常，且噪声点对应的第二设备运行异常，则确定第一设备在指定时刻下的健康度均值；生成健康度变化曲线，根据健康度变化曲线进行健康监测。利用健康度变化曲线量化设备的性能衰减程度、精准故障预测和剩余寿命评估，并服务于维修决策和健康管理，无需对每台设备进行实时监控，降低了算力需求。降低了算力需求。降低了算力需求。


技术研发人员：徐同明 鹿海洋 薛军利 王思源 高怀金 于兆洋 李伯钊 马娉婷
受保护的技术使用者：浪潮通用软件有限公司
技术研发日：2023.02.13
技术公布日：2023/3/10