CN115936294A - 一种装备健康管理分析方法和终端 - Google Patents

Abstract

本发明公开了一种装备健康管理分析方法和终端，收集运行***中各类装备的观测值和会对装备状态变化产生影响的装备事件，设置每个装备的健康指标，基于装备观测值、装备事件和健康指标，建立装备健康模型的结构化分析框架，研究装备机理，将装备机理与数据融合，优化健康模型，探讨各类装备健康模型的共性规律与个性规律，获得各类装备健康泛化模型；研究具体装备与泛化模型的偏离程度，获取新现象和规律。通过建立装备健康模型的结构化分析框架，解决了如何进行装备健康管理和改进管理工作问题，提供了对装备故障预测和健康管理的技术与工具；将机理与数据融合，建立多种机理模型，用数据修正和优化，获得健康分析合理模型。

Description

一种装备健康管理分析方法和终端

技术领域

本发明涉及装备管理技术领域，尤其是涉及一种装备健康管理分析方法和终端。

背景技术

一个运行***离不开各种各样的装备，而各装备工作状态是否良好，决定了***执行任务的结果，特别是在航天发射场的地勤***，涉及到供电、供气、空调、消防等十多类不同专业***数百种装备设施，这些装备设施必须确保处于健康的工作状态，才能支撑每次航天发射任务的万无一失。

在运行***中，包括各种各样的装备，作为装备的最终用户而非装备研制单位，首先，在理论层面对不同类型装备内部机理理解有限，缺乏各类具体装备的专业知识理论和试验测试数据，在实践层面也很难对装备进行专业和***的测试获得全面的试验数据，难以掌握一般性的共性规律用于指导和分析实际工况下某具体装备的各项指标数据是否正常；其次，同类型装备样例少，缺乏某类别的具体装备的足够的样本，难以建立有效的参照组，缺乏共性统计类特征数据；第三，极度缺乏装备故障数据。

基于此，造成装备使用者从一般到特殊的演绎能力、从特殊到一般的归纳能力受限。航天发射场只能按照装备厂家提供的标准运维保障方案对装备进行运维，很难根据发射场装备的个性化工况而制定针对性的装备运维与健康管理方案。由于发射任务的工况条件与标准运维保障方案设想的装备工况存在差异，导致在实际运维工作中，装备运维保障的决策只能倾向于过维护策略来保障发射任务的成功，这一策略下的装备保障工作是具有相当的优化改进空间的。

因此，如何建设一套装备健康管理方法体系，是目前亟待解决的方法。

发明内容

本发明的目的是提供一种装备健康管理分析方法和终端，基于装备观测值、装备事件和健康指标，提出了健康管理的结构化分析框架，研究装备机理，将机理与数据融合，建立多种健康分析模型，用实时数据对健康分析模型进行修正优化，用模型指导装备运维与健康管理，实现了对装备的健康管理。

第一方面，本发明的上述发明目的通过以下技术方案得以实现：

一种装备健康管理分析方法，收集运行***中各类装备的观测值和会对装备状态变化产生影响的装备事件，设置每个装备的健康指标，基于装备观测值、装备事件和健康指标，建立装备健康模型的结构化分析框架，研究装备机理，将装备机理与数据融合，优化健康模型，探讨各类装备健康模型的共性规律与个性规律，获得各类装备健康泛化模型；研究具体装备与泛化模型的偏离程度，获取新现象和规律。

本发明进一步设置为：装备健康模型的结构化分析框架，以同类装备多次观测值为自变量，进行聚类分析，建立工况判别模型；以多次观测值为自变量，健康指标为因变量，进行回归分析，建立健康评估模型；以多次健康指标为自变量，进行回归分析，建立寿命预测模型；以多次观测值为自变量，装备事件为因变量，进行因果分析，建立故障诊断模型；以装备事件为自变量，健康指标为因变量，进行因果分析，建立健康管理模型。

本发明进一步设置为：基于健康模型建模器，创建模型构件，用于建立健康模型，为后续升级拓展提供支持。

本发明进一步设置为：模型构件包括健康管理前端、健康管理后端、模型构件微服务、模型建模器；模型建模器及相关算法程序，用于提供模型健康状态数据，模型构件微服务存储于微服务网关，用于提供建模器及相关算法程序，健康管理前端用于现场执行装备运维工作，在健康管理前端执行装备运维工作时，健康管理后端用于调用模型构件微服务。

本发明进一步设置为：根据历史故障数据，以故障频率和排故障代价，对各类装备分区，对属于故障代价大、但发生故障频率低区域的装备为健康管理目标对象，确定该类装备对象变量，进行该类装备机理研究，获取该类装备原理特性，基于数据集建立模型；对属于故障代价低、但发生故障频率频繁区域的装备，多储备备件；对属于故障代价低、发生故障频率低区域的装备，表示良好状态；对属于故障代价大、发生故障频率频繁区域的装备，进行替换。

本发明进一步设置为：对健康管理目标对象，进行机理研究，根据开放数据集，寻找模型对应的数据进行验证，获得至少一个候选模型；用装备厂家的真实试验数据，验证候选模型，得到实际部署模型；按照实际部署模型要求，进行物联网***数据采集配置，实时收集数据到数据中心；对数据中心的数据进行预处理，获得主题数据，用于至少一个机理模型；围绕主题数据，结合模型计算输出与实际采集数据，优化模型参数。

本发明进一步设置为：随时间积累，积累实时数据，持续优化模型参数，研究实时数据与模型参数的变化规律，发现新规律获得新知识。

本发明进一步设置为：基于公开资料获得原理特征，进行机理研究，包括物理数学方程建模、代理主体对象建模、仿真建模、概率建模；结合物理信息神经网络，进行模型参数优化。

本发明进一步设置为：观测值数据库包括运维数据、运行数据、基础档案数据，装备事件数据包括基于实时观测值而产生的报警事件数据。

第二方面，本发明的上述发明目的通过以下技术方案得以实现：

一种装备健康管理分析终端，包括存储器、处理器、以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现本申请所述方法。

与现有技术相比，本申请的有益技术效果为：

1.本申请的健康管理的结构化分析框架，解决了如何进行装备健康管理和改进管理工作问题，提供了对装备故障预测和健康管理的技术与工具；

2.进一步地，本申请将装备机理与数据融合，根据装备机理建立多种模型，用数据修正和优化机理模型，为健康分析提供合理模型；

3.进一步地，本申请提供的模型，能够在前端定义与模型之间的接口格式，确保数据接口格式不变，为升级算法和替换新的模型构件提供保证。

附图说明

图1是本申请的一个具体实施例的结构分析框架结构示意图；

图2是本申请的一个具体实施例的结构分析框架两个规律示意图；

图3是本申请的一个具体实施例的健康管理工程技术示意图；

图4是本申请的一个具体实施例的健康模型结构示意图；

图5是本申请的一个具体实施例的健康模型的算法流程示意图。

具体实施方式

以下结合附图对本发明作进一步详细说明。

具体实施例一

本申请的一种装备健康管理分析方法，包括建立装备健康模型的结构化分析框架，分析装备机理，将装备机理与数据融合，对框架中的健康模型进行优化，用于在装备运行过程中，发现装备中存在的问题，了解装备是否正常，哪些因素影响装备的正常工作，预测装备正常工作时间。

装备健康模型的结构化分析框架，如图1所示，基于观测值、健康指标、装备事件建立至少一种健康模型。

装备的观测值(measurable variables，MVs)，包括通过传感器直接采集到的原始物理量或者原始物理量通过物理定律公式计算得出的物理量。

如温度、电压、电流等就是原始物理量，或根据测量到电压和电流，利用欧姆定律计算出的电阻。

观测值来自装备的检测数据，包括物联网管理软件采集的数据、运维管理采集的数据，运维管理采集的数据包括人工填报的数据。

健康指标（state of health，SOH），用于表征某个装备效用价值的抽象百分数值，取值范围为0%～100%。

当装备能够100%实现其效用时，健康指标为100%，当装备实现其效用的能力不足时，健康指标小于100%，当装备不能实现其效用时，健康指标为0%。

装备事件（equipment events，EEs），用于描述可能会对装备状态变化产生影响的外部激励或者是装备自身状态变化能被外部世界观察到的现象，其基本属性是能够***作或被观察。

如搬动或拆解装备、装备生锈或变形等都是装备事件。

健康指标则与装备密切相关，需要在实际的工程项目中和项目干系人反复去确认。装备事件是一种经验，属于浅层次的知识，包括设置的各种告警判据被触发，如温度大于设定值后的结果，日、周、月、季的维护规程引发的巡检、试车、生产启停和养护修缮行为等等。

基于观测值、健康指标、装备事件建立以下几种健康模型，包括：以多次观测值为自变量，进行聚类分析，建立工况判别模型；以观测值为自变量，健康指标为因变量，进行回归分析，建立健康评估模型；以多次健康指标为自变量，进行回归分析，建立寿命预测模型；以观测值为自变量，装备事件为因变量，进行因果分析，建立故障诊断模型；以装备事件为自变量，健康指标为因变量，进行因果分析，建立健康管理模型。基于设备事件建立流程仿真模型。

各类模型统称为健康模型，健康模型的种类根据需要进行设置，或多于以上几种，或少于以下几种。

基于健康模型，探讨健康模型的共性与个性规律，实现跨装备型号、跨装备类型的模型研究，获得具有更广泛适应性的装备健康泛化模型，能够提炼出装备健康管理的普适性理论，便于扩大模型的适用范围；在泛化模型的基础上研究具体某个装备与泛化模型的偏离程度，发现新现象和新规律，发展出对特定装备更深刻的认知。

如图2所示，基于若干个设备的健康评估模型，从具体到抽象，跨越设备型号和设备类型，找到其共性规律，得到适用于所有设备的泛化模型。

基于各个设备的工况判别模型和泛化模型，从抽象到具体，发现新现象，找到个性化规律，建立偏离模型。

装备运行过程中，执行操作指令、通过传感器反馈各类监测指标、并接受日常维护保养操作，因此，收集装备的运维数据、运行数据以及基础数据，组成装备观测值（MVS）数据库，基础数据包括用于描述装备功能结构分解信息的数据，运行数据来自对装备的各种感知测量。

基于实时观测值数据，引起的告警事件，组成装备事件的重要数据来源。

根据不同需求，对分析框架中的模型种类进行增加或减少。

如图3所示，对装备对象进行理论研究和测试分析，建立不同装备的故障诊断模型、健康评估模型、健康管理模型，

基于装备观测值（MVS）数据库中的历史数据，结合实时告警数据，建立故障诊断模型和健康评估模型。

在故障诊断模型和健康评估模型基础上，结合基于装备事件（equipment events，EEs）数据，在健康评估模型基础上结合健康指标（state of health，SOH）数据，建立健康管理模型，分析对装备健康有影响的装备健康事件（HEs）。

健康模型的建立，依赖于程序软件进行，各类健康模型与用户需求密切相关，随着技术演进建模方法及健康模型的输入输出也会持续演化，因而在软件架构层面，创建模型构件时，从模型运行环境和外部接口上，需要充分考虑模型的可扩展性和可替换性，以便于为后续升级拓展提供支持。

如图4所示，本申请的软件构件，包括健康管理前端、健康管理后端、模型构件微服务、模型建模器；模型建模器及相关算法程序，用于提供模型健康状态数据，模型构件微服务存储于微服务网关，用于提供模型建模器及相关算法程序，健康管理前端用于现场执行装备运维工作，在健康管理前端执行装备运维工作时，健康管理后端用于调用模型构件微服务。

模型建模器，是一个基于单页应用（SPA）技术的WEB程序，基于模型建模器，后台编程人员编写与模型相关的算法程序，通过微服务网关以模型构件微服务进行发布。现场装备运维人员，通过健康管理前端的健康管理应用软件WEB程序执行装备运维工作，健康管理后端通过微服务网关再调用模型构件微服务，获得模型的健康状况数据。

在健康管理前端的健康管理软件呈现形式确定，健康管理前端页面与健康模型之间的数据接口格式就能进行定义，在数据接口格式不变的情况下，就能够实现内部升级算法或替换为新模型。

健康管理前端设置虚拟服务器上，现场运维人员的计算机通过与虚拟服务器进行交互，将健康管理前端安装在自己的计算机上。

虚拟服务器中还存储有健康管理后端及运行环境。

基于装备机理与数据融合，建立健康模型。如图5所示。

首先对装备的历史数据进行分析，以故障频率高低和排故障代价大小，对各类装备数据分区域。

以故障频率为纵轴，以排故障代价为横轴，形成四象限，将不同装备分在不同区域不同象限。

对属于故障代价低、但发生故障频率频繁区域的装备，多储备备件以备更换；对属于故障代价低、发生故障频率低区域的装备，表示装备状态良好；对属于故障代价大、发生故障频率频繁区域的装备，说明该装备已经不可用，应该进行替换。

将属于故障代价大、但发生故障频率低区域的装备，作为健康管理目标对象，确定该类装备对象变量，进行该类装备机理研究，获取该类装备原理特性，基于数据集建立模型。

对于健康管理目标对象，进行机理研究，主要通过公开发表的文献、专利等，获取其原理特性，建立多个机理模型，包括根据物质能量平衡等物理数据方程建立模型，或建立概率模型，或建立多智能体模型（Agent Based Model，ABM），或代理主体对象建模。

基于编程实现机理模型，通过开放数据集，寻找机理模型对应的数据，对机理模型进行验证，根据验证结果，选择验证结果理想的若干机理模型作为候选模型。开放数据集包括Kaggle数据集。

了解开放数据集中数据的采集方法和数据细节，获取装备厂家的真实数据，包括装备的数据手册，如datasheet、产品原理图、产品测试报告、试验数据。

用真实数据对候选模型进行验证，验证结果理想的，作为实际部署模型。

按照实际部署模型，进行物联网***数据采集配置，将实时采集的数据汇入数据中心，拓展数据中心的数据范围。

对数据中心的数据进行数据预处理，得到主题数据，用于至少一个机理模型的验证服务。

基于主题数据，进行实际部署模型计算，得到输出结果，将实际采集数据与输出结果进行比较，调整实际部署模型参数，进行模型优化。

在优化模型时，采用的方法包括物理信息神经网络(PINN,physics informedneural networks）。

进一步地，随着时间积累，持续进行数据采集，对模型进行优化，调整模型参数，研究实时采集数据与模型参数的变化规律，发现新规律获得新知识，拓展装备管理分析方法。

具体实施例二

本发明一实施例提供的一种装备健康管理分析终端设备，该实施例的终端设备包括：处理器、存储器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，例如机理程序，所述处理器执行所述计算机程序时实现实施例1中机理编程。

示例性的，所述计算机程序可以被分割成一个或多个模块/单元，所述一个或多个模块/单元被存储在所述存储器中，并由所述处理器执行，以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序在所述装备健康管理分析终端设备中的执行过程。例如，所述计算机程序可以被分割成多个模块，各模块具体功能如下：

1.建模模块，用于建立各种健康模型；

2.采集模块，用于采集各装备的实时数据；

3.分析模块，用于根据模型对装备状态进行分析。

所述装备健康管理分析终端设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述装备健康管理分析终端设备可包括，但不仅限于，处理器、存储器。本领域技术人员可以理解，所述上述示例仅仅是所述装备健康管理分析终端设备的示例，并不构成对所述装备健康管理分析终端设备的限定，可以包括比图示更多或更少的部件，或组合某些部件，或不同的部件，例如所述装备健康管理分析终端设备还可以包括输入输出设备、网络接入设备、总线等。

所述处理器可以是中央处理单元(Central Processing Unit，CPU),还可以是其他通用处理器、数据信号处理器(Digital Signal Processor，DSP) 、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，所述处理器是所述一种装备健康管理分析终端设备的控制中心，利用各种接口和线路连接整个所述一种装备健康管理分析终端设备的各个部分。

所述存储器可用于存储所述计算机程序和/或模块，所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现所述一种装备健康管理分析终端设备的各种功能。所述存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作***、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(Smart Media Card ,SMC)，安全数字(SecureDigital,SD)卡，闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。

本具体实施方式的实施例均为本发明的较佳实施例，并非依此限制本发明的保护范围，故：凡依本发明的结构、形状、原理所做的等效变化，均应涵盖于本发明的保护范围之内。

Claims (10)

1.一种装备健康管理分析方法，其特征在于，收集运行***中各类装备的观测值和会对装备状态变化产生影响的装备事件，设置每个装备的健康指标，基于装备观测值、装备事件和健康指标，建立装备健康模型的结构化分析框架，研究装备机理，将装备机理与数据融合，优化健康模型，探讨各类装备健康模型的共性规律与个性规律，获得各类装备健康泛化模型；研究具体装备与泛化模型的偏离程度，获取新现象和规律。

2.根据权利要求1所述装备健康管理分析方法，其特征在于，装备健康模型的结构化分析框架，以同类装备多次观测值为自变量，进行聚类分析，建立工况判别模型；以多次观测值为自变量，健康指标为因变量，进行回归分析，建立健康评估模型；以多次健康指标为自变量，进行回归分析，建立寿命预测模型；以多次观测值为自变量，装备事件为因变量，进行因果分析，建立故障诊断模型；以装备事件为自变量，健康指标为因变量，进行因果分析，建立健康管理模型。

3.根据权利要求2所述装备健康管理分析方法，其特征在于，基于健康模型建模器，创建模型构件，用于建立健康模型，为后续升级拓展提供支持。

4.根据权利要求3所述装备健康管理分析方法，其特征在于，模型构件包括健康管理前端、健康管理后端、模型构件微服务、模型建模器；模型建模器及相关算法程序，用于提供模型健康状态数据，模型构件微服务存储于微服务网关，用于提供建模器及相关算法程序，健康管理前端用于现场执行装备运维工作，在健康管理前端执行装备运维工作时，健康管理后端用于调用模型构件微服务。

5.根据权利要求1所述装备健康管理分析方法，其特征在于，根据历史故障数据，以故障频率和排故障代价，对各类装备分区，对属于故障代价大、但发生故障频率低区域的装备为健康管理目标对象，确定该类装备对象变量，进行该类装备机理研究，获取该类装备原理特性，基于数据集建立模型；对属于故障代价低、但发生故障频率频繁区域的装备，多储备备件；对属于故障代价低、发生故障频率低区域的装备，表示良好状态；对属于故障代价大、发生故障频率频繁区域的装备，进行替换。

6.根据权利要求5所述装备健康管理分析方法，其特征在于，对健康管理目标对象，进行机理研究，根据开放数据集，寻找模型对应的数据进行验证，获得至少一个候选模型；用装备厂家的真实试验数据，验证候选模型，得到实际部署模型；按照实际部署模型要求，进行物联网***数据采集配置，实时收集数据到数据中心；对数据中心的数据进行预处理，获得主题数据，用于至少一个机理模型；围绕主题数据，结合模型计算输出与实际采集数据，优化模型参数。

7.根据权利要求6所述装备健康管理分析方法，其特征在于，随时间积累，积累实时数据，持续优化模型参数，研究实时数据与模型参数的变化规律，发现新规律获得新知识。

8.根据权利要求6所述装备健康管理分析方法，其特征在于，基于公开资料获得原理特征，进行机理研究，包括物理数学方程建模、代理主体对象建模、仿真建模、概率建模；结合物理信息神经网络，进行模型参数优化。

9.根据权利要求1所述装备健康管理分析方法，其特征在于，观测值数据库包括运维数据、运行数据、基础档案数据，装备事件数据包括基于实时观测值而产生的报警事件数据。

10.一种装备健康管理分析终端，包括存储器、处理器、以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于：所述处理器执行所述计算机程序时实现如权利要求1-9任一所述方法。

Images