用于維護設備的方法和用于維護設備的系統技術方案

本申請公開了一種用于維護設備的方法和用于維護設備的系統。用于維護設備的方法包括：采集處于正常運轉情況下的第一設備的多個樣本數據；利用采集到的樣本數據對模型進行訓練，獲得訓練好的第一維護模型；采集處于正常運轉情況下的第二設備的多個目標數據；將目標數據以及樣本數據映射至隱蔽空間；比較目標數據在隱蔽空間中的分布與樣本數據在隱蔽空間中的分布之間的差異；在差異小于閾值的情況下，將第一維護模型應用于第二設備，用于維護第二設備；在差異大于閾值的情況下，利用采集到的目標數據對模型進行訓練，獲得訓練好的第二維護模型，用于維護第二設備。該系統和方法可將原模型應用于新設備，不需要等待較長時間來進行數據采集和模型訓練。

【技術實現步驟摘要】
用于維護設備的方法和用于維護設備的系統
本專利技術涉及機械維護的方法和系統，具體涉及一種基于歷史數據預測維護新設備的方法和系統。
技術介紹
現代化機械設備的功能日益增多，并且結構也愈加復雜，自動化程度也顯著提高，因此開發有效的設備維護和診斷技術，實時可靠地檢測機械設備的健康狀況，對延長設備使用壽命，保障正常生產和人員安全具有重要意義。基于數據的智能維護方法(例如，人工神經網絡(ANN))，通過利用大量歷史數據來建立和優化參數，進而建立智能維護模型，已經廣泛應用于機械設備的維護，并取得了較好的效果。因此，預測性維護是對機械設備進行狀態監控和壽命預估的重要解決方案。然而，基于數據的智能維護方法通常需要大量的樣本來訓練有效的維護模型，當已經構建的維護模型應用于新的設備時，由于機械設備不同，導致采集的數據通常伴隨不均衡等情況，因此已經構建的維護模型無法正常用于新設備的維護。另一方面，如果基于新機械設備的數據來訓練有效的維護模型，則可能花費大量的時間和成本來采集數據和訓練模型。針對上述問題，在預測性維護中，期望基于原設備的歷史數據訓練模型并將其應用于新設備的連續監控以進行早期預警。客戶的需求是將訓練好的模型直接應用于新設備上以實現不間斷預測。因此，需要研究遷移算法來實現該目標，從而節約時間和成本。然而，當前只有少數應用于工業現場的成熟預測性維護系統，但是尚無針對于預測性維護系統的遷移算法研究。
技術實現思路
為了解決現有技術存在的問題，本專利技術提供了一種基于歷史數據預測維護新設備的方法和系統。該系統和方法將基于歷史數據訓練好的預測性維護系統模型應用于新設備，解決了新設備中的數據采集不足以訓練模型的問題。如此，可將原模型應用于新設備，而不需要等待較長時間來進行數據采集和模型訓練。本專利技術采用以下技術方案來實現：一種用于維護設備的方法，包括：采集處于正常運轉情況下的第一設備的多個樣本數據；利用采集到的樣本數據對模型進行訓練，獲得訓練好的第一維護模型；采集處于正常運轉情況下的第二設備的多個目標數據；將目標數據以及樣本數據映射至隱蔽空間；比較目標數據在隱蔽空間中的分布與樣本數據在隱蔽空間中的分布之間的差異；在差異小于閾值的情況下，將第一維護模型應用于第二設備，用于維護第二設備；在差異大于閾值的情況下，利用采集到的目標數據對模型進行訓練，獲得訓練好的第二維護模型，用于維護第二設備。優選地，將目標數據和樣本數據映射至隱蔽空間包括：對目標數據以及樣本數據進行相同類型的處理，處理包括以下各項中的至少一項：正則化處理、降維處理、特征變換處理、自動編碼器處理。優選地，在對目標數據以及樣本數據進行相同類型的處理中，采用第一參數對樣本數據進行處理，采用第二參數對目標數據進行處理，其中，基于樣本數據確定第一參數，基于目標數據確定第二參數。優選地，比較目標數據在隱蔽空間中的分布與樣本數據在隱蔽空間中的分布之間的差異包括：比較目標數據在隱蔽空間中的分布函數與樣本數據在隱蔽空間中的分布函數。優選地，在目標數據在隱蔽空間中的分布函數與樣本數據在隱蔽空間中的分布函數相同的情況下，判定目標數據在隱蔽空間中的分布與樣本數據在隱蔽空間中的分布之間的差異小于閾值。優選地，第一設備和第二設備的類型以及工況相同。優選地，樣本數據的數量大于所述目標數據的數量。根據本申請的另一方面，提供了一種用于維護設備的系統，包括：第一采集模塊，采集處于正常運轉情況下的第一設備的多個樣本數據；訓練模塊，利用采集到的樣本數據對模型進行訓練，獲得訓練好的第一維護模型；第二采集模塊，采集處于正常運轉情況下的第二設備的多個目標數據；映射模塊，將目標數據以及樣本數據映射至隱蔽空間；比較模塊，比較目標數據在隱蔽空間中的分布與樣本數據在隱蔽空間中的分布之間的差異；在差異小于閾值的情況下，用于維護設備的系統將第一維護模型應用于第二設備，用于維護第二設備；在差異大于閾值的情況下，用于維護設備的系統利用采集到的目標數據對模型進行訓練，獲得訓練好的第二維護模型，用于維護第二設備。優選地，映射模塊對目標數據以及樣本數據進行相同類型的處理，處理包括以下各項中的至少一項：正則化處理、降維處理、特征變換處理、自動編碼器處理。優選地，在對目標數據以及樣本數據進行相同類型的處理中，映射模塊采用第一參數對樣本數據進行處理，映射模塊采用第二參數對目標數據進行處理，其中，基于樣本數據確定第一參數，基于目標數據確定第二參數。優選地，比較模塊比較目標數據在隱蔽空間中的分布函數與樣本數據在隱蔽空間中的分布函數。優選地，在目標數據在隱蔽空間中的分布函數與樣本數據在隱蔽空間中的分布函數相同的情況下，比較模塊判定目標數據在隱蔽空間中的分布與樣本數據在隱蔽空間中的分布之間的差異小于閾值。優選地，第一設備和第二設備的類型以及工況相同。優選地，樣本數據的數量大于目標數據的數量。與現有技術相比，本專利技術的有益效果包括：1.使得預測性維護解決方案可使用有限的數據來進行新設備的監控，而不需要采集長時間的數據并訓練模型，在進一步節約訓練時間的同時，提高維護的智能性和準確性；2.借助于基于歷史數據訓練的維護模型，實現遷移到不同的設備維護中，尤其適用于數據不足，數據不均衡情況下的設備維護。附圖說明構成本申請的一部分的說明書附圖用來提供對本申請的進一步理解，本申請的示意性實施例及其說明用于解釋本申請，并不構成對本申請的不當限定。在附圖中：圖1示出了根據本專利技術的用于維護設備的方法的流程圖；圖2示出了根據本專利技術的用于維護設備的模型適應的流程圖；圖3示出了現有技術中的模型應用的比較例以及根據專利技術的用于維護設備的模型遷移的示例圖。具體實施方式為使需要說明的是，在不沖突的情況下，本申請中的實施例及實施例中的特征可以相互組合。下面將參考附圖并結合實施例來詳細說明本專利技術。需要指出的是，除非另有指明，本申請使用的所有技術和科學術語具有與本申請所屬
的普通技術人員通常理解的相同含義。在本專利技術中，在未作相反說明的情況下，使用的方位詞如“上、下、頂、底”通常是針對附圖所示的方向而言的，或者是針對部件本身在豎直、垂直或重力方向上而言的；同樣地，為便于理解和描述，“內、外”是指相對于各部件本身的輪廓的內、外，但上述方位詞并不用于限制本專利技術。圖1示出了根據本專利技術的用于維護設備的方法的流程圖。如圖1所示，根據本專利技術的用于維護設備的方法包括以下步驟：S102，采集處于正常運轉情況下的第一設備(例如，原設備)的多個樣本數據，例如，樣本數據可以包括第一設備的溫度-濕度數據、振動數據等；S104，利用采集到的樣本數據對模型進行訓練，獲得訓練好的第一維護模型，例如，可以將采集到的樣本數據根據故障類型進行標定，設定類型標簽，并利用深度置信網絡(DBN)或卷積神經網絡(CNN)訓練并獲得第一維護模型；S106，采集處于正常運轉情況下的第二設備(例如，新設備)的多個目標數本文檔來自技高網...

【技術保護點】
1.一種用于維護設備的方法，其特征在于，包括：/n采集處于正常運轉情況下的第一設備的多個樣本數據；/n利用采集到的所述樣本數據對模型進行訓練，獲得訓練好的第一維護模型；/n采集處于正常運轉情況下的第二設備的多個目標數據；/n將所述目標數據以及所述樣本數據映射至隱蔽空間；/n比較所述目標數據在所述隱蔽空間中的分布與所述樣本數據在所述隱蔽空間中的分布之間的差異；/n在所述差異小于閾值的情況下，將所述第一維護模型應用于所述第二設備，用于維護所述第二設備；/n在所述差異大于閾值的情況下，利用采集到的所述目標數據對所述模型進行訓練，獲得訓練好的第二維護模型，用于維護所述第二設備。/n

【技術特征摘要】
1.一種用于維護設備的方法，其特征在于，包括：
采集處于正常運轉情況下的第一設備的多個樣本數據；
利用采集到的所述樣本數據對模型進行訓練，獲得訓練好的第一維護模型；
采集處于正常運轉情況下的第二設備的多個目標數據；
將所述目標數據以及所述樣本數據映射至隱蔽空間；
比較所述目標數據在所述隱蔽空間中的分布與所述樣本數據在所述隱蔽空間中的分布之間的差異；
在所述差異小于閾值的情況下，將所述第一維護模型應用于所述第二設備，用于維護所述第二設備；
在所述差異大于閾值的情況下，利用采集到的所述目標數據對所述模型進行訓練，獲得訓練好的第二維護模型，用于維護所述第二設備。


2.根據權利要求1所述的用于維護設備的方法，其特征在于，將所述目標數據和所述樣本數據映射至隱蔽空間包括：對所述目標數據以及所述樣本數據進行相同類型的處理，所述處理包括以下各項中的至少一項：正則化處理、降維處理、特征變換處理、自動編碼器處理。


3.根據權利要求2所述的用于維護設備的方法，在對所述目標數據以及所述樣本數據進行相同類型的處理中，采用第一參數對所述樣本數據進行處理，采用第二參數對所述目標數據進行處理，其中，基于所述樣本數據確定所述第一參數，基于所述目標數據確定所述第二參數。


4.根據權利要求1至3中任一項所述的用于維護設備的方法，比較所述目標數據在所述隱蔽空間中的分布與所述樣本數據在所述隱蔽空間中的分布之間的差異包括：比較所述目標數據在所述隱蔽空間中的分布函數與所述樣本數據在所述隱蔽空間中的分布函數。


5.根據權利要求4所述的用于維護設備的方法，其特征在于，在所述目標數據在所述隱蔽空間中的分布函數與所述樣本數據在所述隱蔽空間中的分布函數相同的情況下，判定所述目標數據在所述隱蔽空間中的分布與所述樣本數據在所述隱蔽空間中的分布之間的差異小于閾值。


6.根據權利要求1所述的用于維護設備的方法，其特征在于，所述第一設備和所述第二設備的類型以及工況相同。


7.根據權利要求1所述的用于維護設備的方法，其特征在于，所述樣本數據的數量大于所述目標數據的數量。


8....

【專利技術屬性】
技術研發人員：雷光偉，劉飛虎，
申請(專利權)人：西門子工廠自動化工程有限公司，
類型：發明
國別省市：北京;11