專利名稱：帶有風(fēng)險(xiǎn)控制的設(shè)備維修預(yù)警裝置的制作方法
技術(shù)領(lǐng)域：
本實(shí)用新型涉及一種設(shè)備維修預(yù)警裝置，尤其涉及一種帶有風(fēng)險(xiǎn)控制的設(shè)備維修
預(yù)警裝置。
背景技術(shù)：
現(xiàn)代設(shè)備具有復(fù)雜、精密、價(jià)格高、功率大的特點(diǎn)，其安全性和可靠性要求比較高。 因此，對(duì)設(shè)備系統(tǒng)實(shí)時(shí)在線監(jiān)控，建立有效、準(zhǔn)確的故障診斷及預(yù)警系統(tǒng)顯得十分重要?，F(xiàn)有的方法在實(shí)際的應(yīng)用中都取得了一定的效果，但是存在著一些局限性，主要 如下1、各種信息檢測(cè)手段和預(yù)警方法都未能將診斷對(duì)象看成一個(gè)有機(jī)的整體，未能有效 的考慮設(shè)備的各個(gè)部件之間可能存在的相互聯(lián)系和影響。2、難以處理多種故障并存的復(fù)雜 情況。在實(shí)際的設(shè)備故障演變過程中，系統(tǒng)的各個(gè)部件之間有著緊密的聯(lián)系，各種故障經(jīng)常 同時(shí)發(fā)生，因此現(xiàn)有技術(shù)方法還很難得到較為準(zhǔn)確的預(yù)測(cè)值。風(fēng)險(xiǎn)維修(Risk Based Maintenance，簡(jiǎn)稱RBM)是基于風(fēng)險(xiǎn)分析和評(píng)價(jià)而制訂 維修策略的方法。風(fēng)險(xiǎn)維修也是以設(shè)備或部件處理的風(fēng)險(xiǎn)為評(píng)判基礎(chǔ)的維修策略管理模 式。設(shè)備維修模式以及技術(shù)體系的發(fā)展分為四個(gè)階段，即事后維修、計(jì)劃維修、狀態(tài)維修 和風(fēng)險(xiǎn)維修，由此可見，風(fēng)險(xiǎn)維修作為下一代的以可靠性為中心的維修方法(Reliability Centered Maintenance,簡(jiǎn)稱RCM)，是現(xiàn)代設(shè)備維修管理的發(fā)展方向。關(guān)聯(lián)規(guī)則(Association Rule)是為了挖掘出隱藏在數(shù)據(jù)之間的相互關(guān)系，找出所 有能把一組事件或數(shù)據(jù)項(xiàng)與另一組事件或數(shù)據(jù)項(xiàng)聯(lián)系起來的規(guī)則。挖掘關(guān)聯(lián)規(guī)則的基本思路給定一個(gè)事務(wù)集，挖掘關(guān)聯(lián)規(guī)則的任務(wù)就是生成支持 度(support)和置信度(confidence)分別大于用戶給定的最小支持度(minsupp)和最小 置信度(minconf)的關(guān)聯(lián)規(guī)則。滿足最小支持度、最小置信度和相關(guān)度要求的規(guī)則稱為強(qiáng) 規(guī)則。尋找出所有有效的強(qiáng)規(guī)則就是關(guān)聯(lián)規(guī)則數(shù)據(jù)挖掘要完成的任務(wù)。神經(jīng)網(wǎng)絡(luò)有很強(qiáng)的非線性擬合能力，可映射任意復(fù)雜的非線性關(guān)系，而且學(xué)習(xí)規(guī) 則簡(jiǎn)單，便于計(jì)算機(jī)實(shí)現(xiàn)。具有很強(qiáng)的魯棒性、記憶能力、非線性映射能力以及強(qiáng)大的自學(xué) 習(xí)能力，因此有很大的應(yīng)用市場(chǎng)。BP (Back Propagation)神經(jīng)網(wǎng)絡(luò)，即誤差反傳誤差反向傳播算法的學(xué)習(xí)過程，由 信息的正向傳播和誤差的反向傳播兩個(gè)過程組成。輸入層各神經(jīng)元負(fù)責(zé)接收來自外界的輸 入信息，并傳遞給中間層各神經(jīng)元；中間層是內(nèi)部信息處理層，負(fù)責(zé)信息變換，根據(jù)信息變 化能力的需求，中間層可以設(shè)計(jì)為單隱層或者多隱層結(jié)構(gòu)；最后一個(gè)隱層傳遞到輸出層各 神經(jīng)元的信息，經(jīng)進(jìn)一步處理后，完成一次學(xué)習(xí)的正向傳播處理過程，由輸出層向外界輸出 信息處理結(jié)果。當(dāng)實(shí)際輸出與期望輸出不符時(shí)，進(jìn)入誤差的反向傳播階段。誤差通過輸出 層，按誤差梯度下降的方式修正各層權(quán)值，向隱層、輸入層逐層反傳。周而復(fù)始的信息正向 傳播和誤差反向傳播過程，是各層權(quán)值不斷調(diào)整的過程，也是神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)訓(xùn)練的過程，此 過程一直進(jìn)行到網(wǎng)絡(luò)輸出的誤差減少到可以接受的程度，或者預(yù)先設(shè)定的學(xué)習(xí)次數(shù)為止。發(fā)明內(nèi)容本實(shí)用新型的主要目的在于提供一種可以通過對(duì)監(jiān)測(cè)設(shè)備的數(shù)據(jù)進(jìn)行分析和處 理達(dá)到預(yù)測(cè)其設(shè)備潛在故障風(fēng)險(xiǎn)值的裝置，當(dāng)達(dá)到或超過規(guī)定的閾值時(shí)，裝置報(bào)警并顯示 故障類型及故障風(fēng)險(xiǎn)值。在實(shí)際的生產(chǎn)中，設(shè)備的狀態(tài)變化是一個(gè)連續(xù)的過程，在到達(dá)當(dāng)前的狀態(tài)下繼續(xù) 運(yùn)行，其設(shè)備各個(gè)部件的磨損概率是不同的，即會(huì)產(chǎn)生有選擇的磨損。本實(shí)用新型提出一種 帶有風(fēng)險(xiǎn)控制的設(shè)備維修預(yù)警裝置，通過對(duì)監(jiān)測(cè)設(shè)備的數(shù)據(jù)進(jìn)行分析和處理達(dá)到預(yù)測(cè)其設(shè) 備潛在故障風(fēng)險(xiǎn)值的目的。該裝置采用實(shí)時(shí)動(dòng)態(tài)決策方法，根據(jù)設(shè)備運(yùn)行過程中的信息實(shí) 時(shí)預(yù)測(cè)的設(shè)備潛在故障風(fēng)險(xiǎn)值，使其更符合實(shí)際情況。該實(shí)用新型在實(shí)際中有很強(qiáng)的應(yīng)用 價(jià)值。本實(shí)用新型解決其技術(shù)問題所采用的技術(shù)方案是帶有風(fēng)險(xiǎn)控制的設(shè)備維修預(yù)警 裝置，包括外部系統(tǒng)監(jiān)測(cè)接口模塊以及連接外部系統(tǒng)監(jiān)測(cè)接口模塊的設(shè)備故障預(yù)警裝置， 其中外部系統(tǒng)監(jiān)測(cè)接口模塊將被監(jiān)測(cè)設(shè)備的相關(guān)數(shù)據(jù)發(fā)送給設(shè)備故障預(yù)警裝置，所述設(shè)備 故障預(yù)警裝置包括數(shù)據(jù)處理器、模式匹配模塊、后果預(yù)測(cè)模塊、關(guān)聯(lián)挖掘模塊、BP神經(jīng)網(wǎng) 絡(luò)模塊、風(fēng)險(xiǎn)預(yù)測(cè)模塊和輸出顯示裝置，其中，數(shù)據(jù)處理器用于連接外部系統(tǒng)監(jiān)測(cè)接口模塊，接收外部系統(tǒng)監(jiān)測(cè)接口模塊發(fā)送 的被監(jiān)測(cè)設(shè)備的相關(guān)數(shù)據(jù)，規(guī)范數(shù)據(jù)提取特征值，并發(fā)送給模式匹配模塊；模式匹配模塊與數(shù)據(jù)處理器、關(guān)聯(lián)挖掘模塊和后果預(yù)測(cè)模塊、風(fēng)險(xiǎn)預(yù)測(cè)模塊連 接，接收關(guān)聯(lián)挖掘模塊發(fā)送的關(guān)聯(lián)規(guī)則模式并保存，當(dāng)接收到數(shù)據(jù)處理器發(fā)送的規(guī)范過的 相關(guān)特征值，將所述相關(guān)特征值與保存的關(guān)聯(lián)規(guī)則模式相匹配，即判斷設(shè)備是否出現(xiàn)退化 征兆，若匹配不成功，則說明設(shè)備沒有出現(xiàn)退化征兆，返回繼續(xù)監(jiān)測(cè)數(shù)據(jù)。若匹配成功，則說 明設(shè)備出現(xiàn)退化征兆，按照匹配結(jié)果記錄每個(gè)匹配成功的潛在故障的支持度，即潛在故障 發(fā)生概率值，并將所述概率值發(fā)送給風(fēng)險(xiǎn)預(yù)測(cè)模塊，同時(shí)將匹配的潛在故障發(fā)生可能產(chǎn)生 的后果因素值，即設(shè)備自身風(fēng)險(xiǎn)值、人身風(fēng)險(xiǎn)值、環(huán)境風(fēng)險(xiǎn)值、社會(huì)風(fēng)險(xiǎn)值和系統(tǒng)風(fēng)險(xiǎn)值發(fā) 送給后果預(yù)測(cè)模塊；后果預(yù)測(cè)模塊與模式匹配模塊、BP神經(jīng)網(wǎng)絡(luò)模塊、風(fēng)險(xiǎn)預(yù)測(cè)模塊連接，接收模式 匹配模塊發(fā)送的潛在故障發(fā)生可能產(chǎn)生的后果因素值，并將所接收數(shù)據(jù)作為神經(jīng)網(wǎng)絡(luò)的輸 入，利用訓(xùn)練好的BP神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)潛在故障發(fā)生的綜合后果值，并將輸出結(jié)果發(fā)送到 風(fēng)險(xiǎn)預(yù)測(cè)模塊；風(fēng)險(xiǎn)預(yù)測(cè)模塊與模式匹配模塊和后果預(yù)測(cè)模塊連接，分別接收模式匹配模塊發(fā) 送的潛在故障發(fā)生概率值和后果預(yù)測(cè)模塊發(fā)送的潛在故障發(fā)生的綜合后果值，并將潛在故 障發(fā)生概率值與對(duì)應(yīng)的綜合后果值相乘得出風(fēng)險(xiǎn)預(yù)測(cè)值，將該風(fēng)險(xiǎn)預(yù)測(cè)值發(fā)送給輸出顯示 裝置；輸出顯示裝置與風(fēng)險(xiǎn)預(yù)測(cè)模塊連接，接收風(fēng)險(xiǎn)預(yù)測(cè)模塊發(fā)送的風(fēng)險(xiǎn)預(yù)測(cè)值，實(shí)時(shí) 顯示該值，并與事先規(guī)定的閾值比較，如果達(dá)到或超過閾值則發(fā)出報(bào)警；關(guān)聯(lián)挖掘模塊與模式匹配模塊連接，利用關(guān)聯(lián)規(guī)則對(duì)設(shè)備歷史監(jiān)控?cái)?shù)據(jù)進(jìn)行挖 掘，并將挖掘的關(guān)聯(lián)規(guī)則模式發(fā)送到模式匹配模塊，其中設(shè)備歷史監(jiān)控?cái)?shù)據(jù)包括故障及非 故障狀態(tài)；BP神經(jīng)網(wǎng)絡(luò)模塊與后果預(yù)測(cè)模塊連接，以設(shè)備自身風(fēng)險(xiǎn)、人身風(fēng)險(xiǎn)、環(huán)境風(fēng)險(xiǎn)、社會(huì)風(fēng)險(xiǎn)和系統(tǒng)風(fēng)險(xiǎn)作為輸入，潛在故障綜合后果值為輸出，對(duì)故障樣本進(jìn)行學(xué)習(xí)訓(xùn)練，建 立BP神經(jīng)網(wǎng)絡(luò)模型；與現(xiàn)有技術(shù)相比，本實(shí)用新型具有以下有益效果1、本實(shí)用新型將診斷對(duì)象看成一個(gè)有機(jī)的整體，有效的考慮設(shè)備的各個(gè)部件之間 可能存在的相互聯(lián)系和影響。2、本實(shí)用新型解決了現(xiàn)有預(yù)測(cè)技術(shù)對(duì)多種故障并存的復(fù)雜情況處理不精確的問題。3、本實(shí)用新型采用實(shí)時(shí)動(dòng)態(tài)決策，根據(jù)設(shè)備運(yùn)行過程中的信息實(shí)時(shí)調(diào)整判斷設(shè)備 所處狀態(tài)，使其更符合實(shí)際情況。4、本發(fā)明只需要計(jì)算一次就可以判斷設(shè)備是否處于缺陷狀態(tài)、潛在故障類型和潛 在故障發(fā)生概率值，與傳統(tǒng)的風(fēng)險(xiǎn)維修方法相比，提高了故障診斷準(zhǔn)確度，同時(shí)加快了診斷 速度，為在線決策提供了更好的參考。

圖1是本實(shí)用新型所述的帶有風(fēng)險(xiǎn)控制的設(shè)備維修預(yù)警裝置的結(jié)構(gòu)圖；圖2是本實(shí)用新型所述的帶有風(fēng)險(xiǎn)控制的設(shè)備維修預(yù)警裝置的一具體實(shí)施例進(jìn) 行故障風(fēng)險(xiǎn)預(yù)測(cè)的流程圖。
具體實(shí)施方式
帶有風(fēng)險(xiǎn)控制的設(shè)備維修預(yù)警裝置，包括外部系統(tǒng)監(jiān)測(cè)接口模塊以及連接外部系 統(tǒng)檢測(cè)接口模塊的設(shè)備故障預(yù)警裝置，其中外部系統(tǒng)監(jiān)測(cè)接口模塊將被監(jiān)測(cè)設(shè)備的相關(guān)數(shù) 據(jù)發(fā)送給設(shè)備故障預(yù)警裝置，所述評(píng)審裝置包括數(shù)據(jù)處理器、模式匹配模塊、后果預(yù)測(cè)模 塊、輸出顯示裝置和關(guān)聯(lián)挖掘模塊，其中，1)數(shù)據(jù)處理器用于連接外部系統(tǒng)監(jiān)測(cè)接口模塊，接收外部系統(tǒng)監(jiān)測(cè)接口模塊發(fā) 送的被監(jiān)測(cè)設(shè)備的相關(guān)數(shù)據(jù)，規(guī)范數(shù)據(jù)提取特征值，并發(fā)送給模式匹配模塊；2)模式匹配模塊與數(shù)據(jù)處理器、關(guān)聯(lián)挖掘模塊和后果預(yù)測(cè)模塊、風(fēng)險(xiǎn)預(yù)測(cè)模塊 連接，接收關(guān)聯(lián)挖掘模塊發(fā)送的關(guān)聯(lián)規(guī)則模式并保存，當(dāng)接收到數(shù)據(jù)處理器發(fā)送的規(guī)范過 的相關(guān)特征值，將所述相關(guān)特征值與保存的關(guān)聯(lián)規(guī)則模式相匹配，即判斷設(shè)備是否出現(xiàn)退 化征兆，若匹配不成功，則說明設(shè)備沒有出現(xiàn)退化征兆，返回繼續(xù)監(jiān)測(cè)數(shù)據(jù)；若匹配成功，則 說明設(shè)備出現(xiàn)退化征兆，按照匹配結(jié)果記錄每個(gè)匹配成功的潛在故障的支持度，即潛在故 障發(fā)生概率值，并將所述概率值發(fā)送給風(fēng)險(xiǎn)預(yù)測(cè)模塊，同時(shí)將匹配的潛在故障發(fā)生可能產(chǎn) 生的后果因素值，即設(shè)備自身風(fēng)險(xiǎn)值、人身風(fēng)險(xiǎn)值、環(huán)境風(fēng)險(xiǎn)值、社會(huì)風(fēng)險(xiǎn)值和系統(tǒng)風(fēng)險(xiǎn)值 發(fā)送給后果預(yù)測(cè)模塊；3)后果預(yù)測(cè)模塊與模式匹配模塊、BP神經(jīng)網(wǎng)絡(luò)模塊、風(fēng)險(xiǎn)預(yù)測(cè)模塊連接，接收模 式匹配模塊發(fā)送的潛在故障發(fā)生可能產(chǎn)生的后果因素值，并將所接收數(shù)據(jù)作為神經(jīng)網(wǎng)絡(luò)的 輸入，利用訓(xùn)練好的BP神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)潛在故障發(fā)生的綜合后果值，并將輸出結(jié)果發(fā)送 到風(fēng)險(xiǎn)預(yù)測(cè)模塊；4)風(fēng)險(xiǎn)預(yù)測(cè)模塊與模式匹配模塊和后果預(yù)測(cè)模塊連接，分別接收模式匹配模塊 發(fā)送的潛在故障發(fā)生概率值和后果預(yù)測(cè)模塊發(fā)送的潛在故障發(fā)生的綜合后果值，并將潛在故障發(fā)生概率值與對(duì)應(yīng)的綜合后果值相乘得出風(fēng)險(xiǎn)預(yù)測(cè)值，將該風(fēng)險(xiǎn)預(yù)測(cè)值發(fā)送給輸出顯 示裝置；5)輸出顯示裝置與風(fēng)險(xiǎn)預(yù)測(cè)模塊連接，接收風(fēng)險(xiǎn)預(yù)測(cè)模塊發(fā)送的風(fēng)險(xiǎn)預(yù)測(cè)值， 實(shí)時(shí)顯示該值，并與事先規(guī)定的閾值比較，如果達(dá)到或超過閾值則發(fā)出報(bào)警；6)關(guān)聯(lián)挖掘模塊與模式匹配模塊連接，利用關(guān)聯(lián)規(guī)則對(duì)設(shè)備歷史監(jiān)控?cái)?shù)據(jù)進(jìn)行 挖掘，并將挖掘的關(guān)聯(lián)規(guī)則模式發(fā)送到模式匹配模塊，其中設(shè)備歷史監(jiān)控?cái)?shù)據(jù)包括故障及 非故障狀態(tài)；7)BP神經(jīng)網(wǎng)絡(luò)模塊與后果預(yù)測(cè)模塊連接，以設(shè)備自身風(fēng)險(xiǎn)、人身風(fēng)險(xiǎn)、環(huán)境風(fēng) 險(xiǎn)、社會(huì)風(fēng)險(xiǎn)和系統(tǒng)風(fēng)險(xiǎn)作為輸入，潛在故障綜合后果值為輸出，對(duì)故障樣本進(jìn)行學(xué)習(xí)訓(xùn) 練，建立BP神經(jīng)網(wǎng)絡(luò)模型；各模塊之間結(jié)構(gòu)如圖1所示。外部系統(tǒng)監(jiān)測(cè)接口模塊110與設(shè)備故障預(yù)警裝置 120相連。設(shè)備故障預(yù)警裝置120中數(shù)據(jù)處理器121分別與外部系統(tǒng)監(jiān)測(cè)接口模塊110、模 式匹配模塊123相連。模式匹配模塊123分別與數(shù)據(jù)處理器121、關(guān)聯(lián)挖掘模塊122、風(fēng)險(xiǎn) 預(yù)測(cè)模塊126和后果預(yù)測(cè)模塊IM相連。后果預(yù)測(cè)模塊IM與模式匹配模塊123、BP什么 網(wǎng)絡(luò)模塊125和風(fēng)險(xiǎn)預(yù)測(cè)模塊1 相連。風(fēng)險(xiǎn)預(yù)測(cè)模塊1 與模式匹配模塊123和后果預(yù) 測(cè)模塊1 相連。輸出顯示裝置127與風(fēng)險(xiǎn)預(yù)測(cè)模塊1 相連。關(guān)聯(lián)挖掘模塊122與模式 匹配模塊123相連。BP神經(jīng)網(wǎng)絡(luò)模塊125與后果預(yù)測(cè)模塊IM相連。利用本實(shí)用新型的設(shè)備故障預(yù)警裝置進(jìn)行預(yù)測(cè)過程如下將設(shè)備故障預(yù)警裝置120與外部系統(tǒng)監(jiān)測(cè)接口模塊110連接。外部系統(tǒng)監(jiān)測(cè)接口模塊110采集被監(jiān)測(cè)設(shè)備相關(guān)數(shù)據(jù)，并將該數(shù)據(jù)傳到數(shù)據(jù)處理 器 121。數(shù)據(jù)處理器121接收外部系統(tǒng)監(jiān)測(cè)接口模塊110發(fā)送的被監(jiān)測(cè)設(shè)備的相關(guān)數(shù)據(jù)， 對(duì)其數(shù)據(jù)進(jìn)行分析和處理，提取特征值，并將相關(guān)數(shù)據(jù)發(fā)送到模式匹配模塊123。模式匹配模塊123接收關(guān)聯(lián)挖掘模塊122發(fā)送的關(guān)聯(lián)規(guī)則模式并保存。當(dāng)接收到 數(shù)據(jù)處理器121發(fā)送的被監(jiān)測(cè)設(shè)備的相關(guān)數(shù)據(jù)時(shí)，將所述被監(jiān)測(cè)設(shè)備的相關(guān)數(shù)據(jù)與保存的 關(guān)聯(lián)規(guī)則模式相匹配，即判斷設(shè)備是否出現(xiàn)退化征兆。若匹配不成功，則說明設(shè)備沒有出現(xiàn) 退化征兆，返回繼續(xù)監(jiān)測(cè)數(shù)據(jù)。若匹配成功，按照匹配結(jié)果記錄每個(gè)匹配成功的潛在故障的 支持度，即潛在故障發(fā)生概率值，并將所述概率值發(fā)送給風(fēng)險(xiǎn)預(yù)測(cè)模塊126，同時(shí)將關(guān)聯(lián)挖 掘模塊中記錄的匹配的潛在故障發(fā)生可能產(chǎn)生的后果因素值，即設(shè)備自身風(fēng)險(xiǎn)值、人身風(fēng) 險(xiǎn)值、環(huán)境風(fēng)險(xiǎn)值、社會(huì)風(fēng)險(xiǎn)值和系統(tǒng)風(fēng)險(xiǎn)值發(fā)送給后果預(yù)測(cè)模塊124。后果預(yù)測(cè)模塊IM接收模式匹配模塊123發(fā)送的潛在故障發(fā)生可能產(chǎn)生的后果因 素值，并將所接收數(shù)據(jù)作為神經(jīng)網(wǎng)絡(luò)的輸入，利用訓(xùn)練好的BP神經(jīng)網(wǎng)絡(luò)模型125預(yù)測(cè)潛在 故障發(fā)生的綜合后果值，并將輸出結(jié)果發(fā)送到風(fēng)險(xiǎn)預(yù)測(cè)模塊126。風(fēng)險(xiǎn)預(yù)測(cè)模塊1261分別接收模式匹配模塊123發(fā)送的潛在故障發(fā)生概率值和后 果預(yù)測(cè)模塊1 發(fā)送的潛在故障發(fā)生的綜合后果值，并將潛在故障發(fā)生概率值與對(duì)應(yīng)的綜 合后果值相乘得出風(fēng)險(xiǎn)預(yù)測(cè)值，將該風(fēng)險(xiǎn)預(yù)測(cè)值發(fā)送給輸出顯示裝置127。輸出顯示裝置127接收風(fēng)險(xiǎn)預(yù)測(cè)模塊1 發(fā)送的風(fēng)險(xiǎn)預(yù)測(cè)值，實(shí)時(shí)顯示該值，并與 事先規(guī)定的閾值比較，如果達(dá)到或超過閾值則發(fā)出報(bào)警。關(guān)聯(lián)挖掘模塊122利用關(guān)聯(lián)規(guī)則對(duì)設(shè)備歷史監(jiān)控?cái)?shù)據(jù)進(jìn)行挖掘，并將挖掘的關(guān)聯(lián)規(guī)則模式發(fā)送到模式匹配模塊，其中設(shè)備歷史監(jiān)控?cái)?shù)據(jù)包括故障及非故障狀態(tài)。 BP神經(jīng)網(wǎng)絡(luò)模塊125以設(shè)備自身風(fēng)險(xiǎn)、人身風(fēng)險(xiǎn)、環(huán)境風(fēng)險(xiǎn)、社會(huì)風(fēng)險(xiǎn)和系統(tǒng)風(fēng)險(xiǎn)
作為輸入，潛在故障綜合后果值為輸出，對(duì)故障樣本進(jìn)行學(xué)習(xí)訓(xùn)練，建立BP神經(jīng)網(wǎng)絡(luò)模型。
權(quán)利要求1.帶有風(fēng)險(xiǎn)控制的設(shè)備維修預(yù)警裝置，包括外部系統(tǒng)監(jiān)測(cè)接口模塊以及連接外部系統(tǒng) 監(jiān)測(cè)接口模塊的設(shè)備故障預(yù)警裝置，其中外部系統(tǒng)監(jiān)測(cè)接口模塊將被監(jiān)測(cè)設(shè)備的相關(guān)數(shù)據(jù) 發(fā)送給設(shè)備故障預(yù)警裝置，其特征在于所述設(shè)備故障預(yù)警裝置包括數(shù)據(jù)處理器、模式匹 配模塊、后果預(yù)測(cè)模塊、關(guān)聯(lián)挖掘模塊、BP神經(jīng)網(wǎng)絡(luò)模塊、風(fēng)險(xiǎn)預(yù)測(cè)模塊和輸出顯示裝置，其 中，數(shù)據(jù)處理器用于連接外部系統(tǒng)監(jiān)測(cè)接口模塊，接收外部系統(tǒng)監(jiān)測(cè)接口模塊發(fā)送的被 監(jiān)測(cè)設(shè)備的相關(guān)數(shù)據(jù)，規(guī)范數(shù)據(jù)提取特征值，并發(fā)送給模式匹配模塊；模式匹配模塊與數(shù)據(jù)處理器、關(guān)聯(lián)挖掘模塊和后果預(yù)測(cè)模塊、風(fēng)險(xiǎn)預(yù)測(cè)模塊連接， 判斷設(shè)備是否出現(xiàn)退化征兆，若出現(xiàn)退化則計(jì)算潛在故障發(fā)生概率值，并將所述概率值發(fā) 送給風(fēng)險(xiǎn)預(yù)測(cè)模塊，同時(shí)計(jì)算潛在故障發(fā)生可能產(chǎn)生的后果因素值，并發(fā)送給后果預(yù)測(cè)模 塊；后果預(yù)測(cè)模塊與模式匹配模塊、BP神經(jīng)網(wǎng)絡(luò)模塊、風(fēng)險(xiǎn)預(yù)測(cè)模塊連接，接收模式匹配 模塊發(fā)送的潛在故障發(fā)生可能產(chǎn)生的后果因素值，利用模型預(yù)測(cè)潛在故障發(fā)生的綜合后果 值，并將輸出結(jié)果發(fā)送到風(fēng)險(xiǎn)預(yù)測(cè)模塊；風(fēng)險(xiǎn)預(yù)測(cè)模塊與模式匹配模塊和后果預(yù)測(cè)模塊連接，分別接收模式匹配模塊發(fā)送的 潛在故障發(fā)生概率值和后果預(yù)測(cè)模塊發(fā)送的潛在故障發(fā)生的綜合后果值，并將潛在故障 發(fā)生概率值與對(duì)應(yīng)的綜合后果值相乘得出風(fēng)險(xiǎn)預(yù)測(cè)值，將該風(fēng)險(xiǎn)預(yù)測(cè)值發(fā)送給輸出顯示裝 置；輸出顯示裝置與風(fēng)險(xiǎn)預(yù)測(cè)模塊連接，接收風(fēng)險(xiǎn)預(yù)測(cè)模塊發(fā)送的風(fēng)險(xiǎn)預(yù)測(cè)值，實(shí)時(shí)顯示 該值，并與事先規(guī)定的閾值比較，如果達(dá)到或超過閾值則發(fā)出報(bào)警；關(guān)聯(lián)挖掘模塊與模式匹配模塊連接，將挖掘的關(guān)聯(lián)規(guī)則模式發(fā)送到模式匹配模塊， 其中設(shè)備歷史監(jiān)控?cái)?shù)據(jù)包括故障及非故障狀態(tài)；BP神經(jīng)網(wǎng)絡(luò)模塊與后果預(yù)測(cè)模塊連接，對(duì)故障樣本進(jìn)行學(xué)習(xí)訓(xùn)練，建立BP神經(jīng)網(wǎng)絡(luò) 模型。
專利摘要本實(shí)用新型涉及一種帶有風(fēng)險(xiǎn)控制的設(shè)備維修預(yù)警裝置，包括外部系統(tǒng)監(jiān)測(cè)接口模塊、數(shù)據(jù)處理器、模式匹配模塊、后果預(yù)測(cè)模塊、風(fēng)險(xiǎn)預(yù)測(cè)模塊、輸出顯示裝置、關(guān)聯(lián)挖掘模塊、BP神經(jīng)網(wǎng)絡(luò)模塊。本實(shí)用新型采用實(shí)時(shí)動(dòng)態(tài)決策方法，通過對(duì)監(jiān)測(cè)設(shè)備的數(shù)據(jù)進(jìn)行分析和處理，根據(jù)設(shè)備運(yùn)行過程中的信息達(dá)到判斷設(shè)備潛在故障風(fēng)險(xiǎn)值，并對(duì)超過閾值的潛在故障預(yù)警，使其更符合實(shí)際情況，提高了預(yù)警的準(zhǔn)確性。
文檔編號(hào)G06N3/02GK201898519SQ20102051717
公開日2011年7月13日 申請(qǐng)日期2010年9月1日 優(yōu)先權(quán)日2010年9月1日
發(fā)明者劉晶, 季海鵬, 張蕾, 朱清香, 滕麗麗 申請(qǐng)人:燕山大學(xué)