【技術實現步驟摘要】
本專利技術涉及裝備運維管理，尤其涉及基于故障知識庫的裝備智能運維管理方法。
技術介紹
1、現有技術中通過機器學習和大數據分析來預測裝備故障，實現裝備故障的自動診斷與預測，實現裝備狀態的實時監控與調整，構建故障知識庫，包括故障模式、解決方案等，為運維人員提供實時的問題解決支持，基于大數據分析實現運維決策的智能化，提升裝備可靠性和效率。但是沒有解決如何通過收集裝備數據構建故障知識庫和狀態監測模型來識別裝備的故障狀態和故障位置，并在故障位置維修后監測是否存在故障狀態。
2、如公開號為cn117474525a的專利公開了一種基于盾構tbm裝備全生命周期的協同運維方法，該方法通過將裝備設計、制造、生產、運行、維護全生命周期數據進行融合處理，經過統計分析、分類分析、關聯分析、機器學習等算法進行數據的挖掘分析，為盾構tbm工程項目的運行維護提供全方位的支撐。該方法能夠實現對盾構tbm工程隧道、地質、設備、業務信息等的全面智能管控，提供盾構tbm掘進過程中的運行優化、姿態控制、異常預警、參數預警等運行決策；通過裝備掘進效率、關鍵參數、掘進工序等的評估和分析，有效保障裝備掘進效率；通過協同維護實現對運行維護、停機維護、大修維護等的管理和指導，以加快維修維護效率，保障裝備的正常作業，提高防控風險能力。
3、如授權公告號為cn113254541b的中國專利公開了一種基于聚類分析的劇場運維管理方法，包括：以裝備瀏覽量x和時間段t作為主成分設立關注度；根據不同天的同一時間段進行關注時間聚類，得到不同裝備的n個數據簇；以裝備維修量y
4、以上專利存在本
技術介紹
提出的問題：上述裝備全生命周期的協同運維方法通過將裝備設計、制造、生產、運行、維護全生命周期數據進行融合處理，經過統計分析、分類分析、關聯分析、機器學習等算法進行數據的挖掘分析，為盾構tbm工程隧道、地質、設備、業務信息等的全面智能管控；上述劇場運維管理方法通過裝備瀏覽量x和時間段t作為主成分設立關注度，以裝備維修量y和時間段t作為主成分設立維修度，根據不同天的同一時間段進行關注時間聚類和維修時間聚類，得到不同裝備的n個數據簇和m個數據簇，對關注時間聚類n個數據簇和維修時間聚類的m個數據簇進行對照分析實現對裝備的針對性運維管理。上述專利沒有解決如何通過收集裝備數據構建故障知識庫和狀態監測模型來識別裝備的故障狀態和故障位置，并在故障位置維修后監測是否存在故障狀態的問題。為解決這一問題，本專利技術提出基于故障知識庫的裝備智能運維管理方法。
技術實現思路
1、本部分的目的在于概述本專利技術實施例的一些方面以及簡要介紹一些較佳實施例。在本部分以及本申請的說明書摘要和專利技術名稱中可能會做些簡化或省略以避免使本部分、說明書摘要和專利技術名稱的目的模糊，而這種簡化或省略不能用于限制本專利技術的范圍。
2、鑒于上述現有基于故障知識庫的裝備智能運維管理方法存在的問題，提出了本專利技術。
3、因此，本專利技術目的是提供基于故障知識庫的裝備智能運維管理方法。
4、為解決上述技術問題，本專利技術提供如下技術方案：
5、基于故障知識庫的裝備智能運維管理方法，包括：
6、收集裝備數據，將裝備數據存儲在數據倉庫，并對裝備數據進行預處理；
7、基于歷史裝備數據構建故障知識庫；
8、基于歷史裝備數據和實時裝備數據構建狀態監測模型，識別裝備的故障狀態；
9、若裝備出現故障狀態，基于故障知識庫和實時裝備數據，診斷故障位置，并提出維修措施；
10、持續監測裝備維修后的故障狀態，并優化故障知識庫和維修措施。
11、作為本專利技術所述基于故障知識庫的裝備智能運維管理方法的一種優選方案，其中：故障知識庫的構建策略包括：
12、確定故障知識庫的實體和關系，基于歷史裝備數據填充故障知識庫的實體，并確定實體之間的關系，配置關系閾值，若實體之間的關系程度小于關系閾值，則更換實體之間的關系；
13、若實體之間的關系程度大于或等于關系閾值，則實體之間的關系不變。
14、作為本專利技術所述基于故障知識庫的裝備智能運維管理方法的一種優選方案，其中：狀態監測模型包括正常識別策略和故障檢測策略，正常識別策略包括通過正常識別公式學習裝備的正常狀態，正常識別公式的計算如下所示：
15、yi＝g(w2×(f(w1×xi+b1))+b2)；
16、式中，yi表示輸出的第i個歷史裝備數據的識別結果，g(·)表示隱藏層至輸出層的激活函數，w2表示隱藏層至輸出層的權重系數，f(·)表示輸入層至隱藏層的激活函數，w1表示輸入層至隱藏層的權重系數，xi表示輸入的第i個歷史裝備數據，b1表示輸入層至隱藏層的偏置系數，b2表示隱藏層至輸出層的偏置系數；
17、通過損失函數判斷正常識別公式輸出的識別結果的準確性，損失函數的函數表達式如下所示：
18、
19、式中，l表示識別結果的損失值，n表示歷史裝備數據的總數，||·||表示范數計算。
20、作為本專利技術所述基于故障知識庫的裝備智能運維管理方法的一種優選方案，其中：故障檢測策略包括計算歷史裝備數據的協方差矩陣和均值向量，計算實時裝備數據與歷史裝備數據中正常狀態數據的距離，實時裝備數據與歷史裝備數據中正常狀態數據的距離公式如下所示：
21、
22、式中，dm表示第m個實時裝備數據與歷史裝備數據中正常狀態數據的距離，表示第m個實時裝備數據，μ表示歷史裝備數據中正常狀態數據的均值，t表示對的轉置，∑表示歷史裝備數據中正常狀態數據的協方差矩陣；
23、配置距離閾值，若實時裝備數據與歷史裝備數據中正常狀態數據的距離小于或等于距離閾值，則實時裝備數據為正常狀態；
24、若實時裝備數據與歷史裝備數據中正常狀態數據的距離大于距離閾值，則實時裝備數據為故障狀態。
25、作為本專利技術所述基于故障知識庫的裝備智能運維管理方法的一種優選方案，其中：若裝備出現故障狀態，通過位置診斷策略診斷故障位置，位置診斷策略包括：
26、通過將實時裝備數據與故障知識庫進行比對，識別實時裝備數據為故障狀態的故障類型，通過與故障知識庫中的故障類型進行匹配，若實時裝備數據為故障狀態的故障類型與故障知識庫中的故障類型匹配成功，則根據故障知識庫定位實時裝備數據為故障狀態的故障原因和裝備部件；
27、若實時裝備數據為故障狀態的故障類型與故障知識庫中的故障類型匹配不成功，則排本文檔來自技高網...
【技術保護點】
1.基于故障知識庫的裝備智能運維管理方法，其特征在于：包括：
2.如權利要求1所述的基于故障知識庫的裝備智能運維管理方法，其特征在于：故障知識庫的構建策略包括：
3.如權利要求2所述的基于故障知識庫的裝備智能運維管理方法，其特征在于：狀態監測模型包括正常識別策略和故障檢測策略，正常識別策略包括通過正常識別公式學習裝備的正常狀態，正常識別公式的計算如下所示：
4.如權利要求3所述的基于故障知識庫的裝備智能運維管理方法，其特征在于：故障檢測策略包括計算歷史裝備數據的協方差矩陣和均值向量，計算實時裝備數據與歷史裝備數據中正常狀態數據的距離，實時裝備數據與歷史裝備數據中正常狀態數據的距離公式如下所示：
5.如權利要求4所述的基于故障知識庫的裝備智能運維管理方法，其特征在于：若裝備出現故障狀態，通過位置診斷策略診斷故障位置，位置診斷策略包括：
6.如權利要求5所述的基于故障知識庫的裝備智能運維管理方法，其特征在于：基于故障知識庫和實時裝備數據診斷故障位置，根據維修措施對故障位置進行維修，持續監測裝備維修后的故障狀態，若裝備維修后不
7.如權利要求6所述的基于故障知識庫的裝備智能運維管理方法，其特征在于：裝備數據包括裝備狀態、運行環境和歷史故障記錄；
8.一種計算機設備，其特征在于：包括，
9.一種計算機可讀存儲介質，其上存儲有計算機程序，其特征在于：該計算機程序被執行時，實現如權利要求1-7中任一項所述的基于故障知識庫的裝備智能運維管理方法。
...【技術特征摘要】
1.基于故障知識庫的裝備智能運維管理方法，其特征在于：包括：
2.如權利要求1所述的基于故障知識庫的裝備智能運維管理方法，其特征在于：故障知識庫的構建策略包括：
3.如權利要求2所述的基于故障知識庫的裝備智能運維管理方法，其特征在于：狀態監測模型包括正常識別策略和故障檢測策略，正常識別策略包括通過正常識別公式學習裝備的正常狀態，正常識別公式的計算如下所示：
4.如權利要求3所述的基于故障知識庫的裝備智能運維管理方法，其特征在于：故障檢測策略包括計算歷史裝備數據的協方差矩陣和均值向量，計算實時裝備數據與歷史裝備數據中正常狀態數據的距離，實時裝備數據與歷史裝備數據中正常狀態數據的距離公式如下所示：
5.如權利要求4所述的基于故障知識庫的裝備智能運...
【專利技術屬性】
技術研發人員：盧濤，王鸝輝，韓飛，
申請(專利權)人：上海航數智能科技有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。