← 返回列表

基于大数据技术的设备故障预警系统及方法

申请号: CN202311840126.5
申请人: 长春黄金设计院有限公司
申请日期: 2023/12/29

摘要文本

本申请公开了一种基于大数据技术的设备故障预警系统及方法,涉及智能检测领域,其采用基于深度神经网络模型的人工智能技术,获取预定时间段钻探设备的振动信号并提取钻探设备振动信号的多个统计特征值,并进行波形特征分析和全局语义编码,从而确定钻探设备是否出现故障,基于结果生成预警指示。通过该方法可以实现对钻探设备的实时监测和故障预测,减少人为误判的可能性,并降低人力成本,提高设备的可靠性和生产效率,减少生产中断和停机时间。

专利详细信息

项目 内容
专利名称 基于大数据技术的设备故障预警系统及方法
专利类型 发明授权
申请号 CN202311840126.5
申请日 2023/12/29
公告号 CN117494056B
公开日 2024/3/22
IPC主分类号 G06F18/25
权利人 长春黄金设计院有限公司
发明人 张永贵; 孙兴琳; 王宪强; 刘绪; 李宪英; 李欣峰; 刘斌; 初志刚; 卜繁刚
地址 吉林省长春市朝阳区南湖大路4726号

专利主权项内容

1.一种基于大数据技术的设备故障预警系统,其特征在于,包括:钻探设备振动信号获取模块,用于获取预定时间段钻探设备的振动信号并提取钻探设备振动信号的多个统计特征值,所述统计特征值包括均值、方差、峰值、峭度、偏度;钻探设备振动信号特征分析模块,用于将所述预定时间段钻探设备振动信号的波形图进行波形特征分析以得到振动信号特征矩阵;振动信号统计特征分析模块,用于将所述钻探设备振动信号的多个统计特征值进行统计特征分析和多尺度提取以得到多尺度全局统计语义特征矩阵;特征融合模块,用于融合所述振动信号特征矩阵和所述多尺度全局统计语义特征矩阵并进行特征处理以得到振动信号融合特征向量;设备故障判断预警模块,用于基于所述振动信号融合特征向量,确定钻探设备是否出现故障,并基于结果生成预警指示;其中,所述设备故障判断预警模块,包括:振动特征优化单元,用于对所述振动信号融合特征向量进行节点间拓扑平滑运动交互以得到优化振动信号融合特征向量;故障判断单元,用于将所述优化振动信号融合特征向量通过分类器得到分类结果,所述分类结果用于表示钻探设备是否出现故障,并基于所述分类结果生成预警指示;其中,所述振动特征优化单元,用于:以如下优化公式对所述振动信号融合特征向量进行节点间拓扑平滑运动交互以得到所述优化振动信号融合特征向量;其中,所述优化公式为:
;其中,表示所述振动信号融合特征向量的第/>个位置的特征值,/>表示所述振动信号融合特征向量的所有特征值的均值,/>表示所述振动信号融合特征向量的长度,/>表示点乘,/>表示所述优化振动信号融合特征向量的第/>个位置的特征值;其中,所述振动信号统计特征分析模块,包括:统计特征语义编码单元,用于将所述钻探设备振动信号的多个统计特征值进行语义编码以得到多个统计语义特征向量;统计特征排列单元,用于将所述多个统计语义特征向量进行二维排列以得到全局语义统计特征矩阵;统计特征多尺度提取单元,用于将所述全局语义统计特征矩阵进行多尺度特征提取以得到所述多尺度全局统计语义特征矩阵;其中,所述统计特征语义编码单元,用于 : 将所述钻探设备振动信号的多个统计特征值通过包含词嵌入层的语义编码模型以得到所述多个统计语义特征向量;其中,所述统计特征多尺度提取单元,用于:将所述全局语义统计特征矩阵输入金字塔网络模型以得到所述多尺度全局统计语义特征矩阵。