设备健康管理与故障诊断系统
一、系统概述
通过对工业设备状况实施周期性或持续监测，基于机器学习算法和模型来分析评估设备健康状况的一种方法，以便预测下一次故障发生的时间以及进行维护的方法。
二、系统架构
三、系统设计思路
感知平台 | 数据中心 | 诊断中心 | 决策中心 |
智能传感器 数据采集 边缘计算 本地服务
| 大数据存储 数据标记 数据共享
| 专家系统 人工智能 远程诊断
| 运行策略 保养方案 检修方案 采购计划 对标分析 |
解决复杂网络下的设备分析数据的测量、预处理、通讯等数据接入问题
| 解决过程时序数据、运维记录数据、设备结构数据及振动监测等特殊格式的特征数据存储问题 | 解决从测量数据、运维数据到设备健康评价指标及故障模式识别的问题
| 解决从故障诊断结论到设备状态异常消除的设备闭环管理问题
|
四、系统建设目标
集团管控 目标 | 建设煤炭行业设备健康知识库 “标准化”“模型化”“智能化”专家服务推广输出 | ||||
矿山管控 目标 | 提升设备可用性， 减少停机损失 | 避免过修与欠修， 降低维修成本 | 避免过修与欠修 ，降低维修成本 | ||
设备 管控 目标 | 改变维修模式 | 主动式”状态监测 | 专业资源赋能增效 | 积累设备数据资产 | |
状态评价 故障诊断 故障预警 诊断报告 运维建议 | 远程监视 实时监视 历史回溯 劣化预警 故障分析 | 远程诊断 智能诊断（模型算法） 案例库 故障库 维护库 | 缓解PLC通讯压力 提升矿侧数据服务性能 减轻集团网络负载 数据可管可视可用
| ||
五、系统技术保障
5.1算法模型数据库
类型 | 设备 | 模型名称 |
时序异常检测模型 |
提升机 | 主电机电流时序异常检测模型 |
变频器速度时序异常检测模型 | ||
编码器速度异常检测模型 | ||
通风机 | A相线圈温度时序异常检测模型 | |
电机电流时序异常检测模型 | ||
劣化预警预测模型 | 变压器 | 变压器劣化预警预测模型 |
皮带机 | 皮带机劣化预警预测模型 | |
压风机 | 压风机劣化预警预测模型 | |
运行趋势预测模型 |
排水泵 | 定子温度趋势预测模型 |
电机前轴温度趋势预测模型 | ||
水泵后轴温度趋势预测模型 | ||
泵电流趋势预测模型 |
5.2 系统诊断专家团队
序号 | 专家类型 | 所属专业 | 专家人数 | 提供的服务 |
1 | 机理专家 | 转动机械 | 15 | 煤矿提升机、电机、压风机、运输皮带等动力设备振动分析、故障诊断与预测、维修指导 |
2 | 电气 | 8 | 变压器、断路器、高压开关等电气设备状态监测与诊断，电能质量分析 | |
3 | 流体设备 | 10 | 风机、水泵等设备性能计算、能耗指标分析、故障诊断 | |
4 | 机理建模 | 8 | 建立煤矿设备机理模型，建立监测、诊断分析指标体系和专家诊断系统 | |
5 | 大数据专家 | 大数据 挖掘 | 10 | 煤矿设备监测历史数据挖掘、故障特征提取、相关分析、设备异常趋势预测 |
6 | 人工智能 | 5 | 深度学习模型实现煤矿设备参数预测、残差分析、故障预警及智能诊断 |
