本發(fā)明涉及礦用設(shè)備健康管理，具體涉及一種基于貝葉斯網(wǎng)絡(luò)模型的礦用機(jī)電設(shè)備健康評估方法。

背景技術(shù)：

1、在當(dāng)前的煤礦機(jī)械設(shè)備維護(hù)領(lǐng)域，普遍采用的是定期檢查和故障后的維修模式。這種方式在設(shè)備出現(xiàn)故障時，往往依賴于人工的經(jīng)驗判斷來制定維修計劃，這不僅效率低下、工作量大，而且主觀性強(qiáng)，對專業(yè)技術(shù)的要求也相當(dāng)高。更重要的是，這種傳統(tǒng)方法可能帶來設(shè)備運(yùn)行中的安全隱患，比如維修過度或維修不足的問題。鑒于上述挑戰(zhàn)，對于更高效、準(zhǔn)確的設(shè)備維護(hù)技術(shù)的需求日益凸顯。

2、在這樣的背景下，故障預(yù)測與健康管理(phm)技術(shù)應(yīng)運(yùn)而生。phm技術(shù)主要應(yīng)用于航空航天設(shè)備領(lǐng)域，但隨著技術(shù)的不斷進(jìn)步和革新，它已經(jīng)被廣泛應(yīng)用于包括航天器、戰(zhàn)機(jī)、艦船在內(nèi)的各種先進(jìn)復(fù)雜設(shè)備的維護(hù)中。phm技術(shù)本質(zhì)上是一種通過評估系統(tǒng)可靠性、預(yù)測故障概率，并采取相應(yīng)管理和維護(hù)措施來降低安全風(fēng)險的方法。主要依靠傳感器來實時監(jiān)測和評估設(shè)備的健康狀況，診斷任何異常行為，并預(yù)測設(shè)備在其全生命周期內(nèi)的剩余使用壽命。但是由于設(shè)備的健康程度以及剩余使用壽命的評估，往往基于數(shù)學(xué)物理模型，或者統(tǒng)計規(guī)律，要獲得準(zhǔn)確的模型或統(tǒng)計數(shù)據(jù)往往是非常困難的，即使獲得，也是基于靜態(tài)或?qū)嶒炇覡顟B(tài)下，不能準(zhǔn)確反映設(shè)備的健康程度。

技術(shù)實現(xiàn)思路

1、本發(fā)明的目的在于提供一種基于貝葉斯網(wǎng)絡(luò)模型的礦用機(jī)電設(shè)備健康評估方法，以解決上述現(xiàn)有技術(shù)的不足。

2、為實現(xiàn)上述目的，本發(fā)明采用如下技術(shù)方案：

3、一種基于貝葉斯網(wǎng)絡(luò)模型的礦用機(jī)電設(shè)備健康評估方法，包括以下步驟：

4、s1、收集礦用機(jī)電設(shè)備相關(guān)資料，利用自然語言處理技術(shù)，將資料中的信息轉(zhuǎn)化為節(jié)點和邊；

5、s2、根據(jù)所述節(jié)點和邊確定各節(jié)點之間的依賴關(guān)系和條件概率分布，構(gòu)建貝葉斯網(wǎng)絡(luò)模型；

6、s3、收集礦用機(jī)電設(shè)備的歷史運(yùn)行數(shù)據(jù)，將礦用機(jī)電設(shè)備的健康程度劃分為正常、預(yù)警、停機(jī)三個等級；

7、s4、對礦用機(jī)電設(shè)備運(yùn)行歷史數(shù)據(jù)進(jìn)行預(yù)處理，通過機(jī)器學(xué)習(xí)算法對能夠表征礦用機(jī)電設(shè)備運(yùn)行狀態(tài)的特征參數(shù)進(jìn)行學(xué)習(xí)，并構(gòu)建礦用機(jī)電設(shè)備健康程度的狀態(tài)矩陣；

8、s5、按照正常、預(yù)警、停機(jī)三種運(yùn)行狀態(tài)，基于每個礦用機(jī)電設(shè)備不同運(yùn)行狀態(tài)下特征參數(shù)的閾值范圍對狀態(tài)矩陣進(jìn)行規(guī)范化處理，生成狀態(tài)參考圖譜；

9、s6、實時采集能夠表征礦用機(jī)電設(shè)備運(yùn)行狀態(tài)的特征參數(shù)并進(jìn)行預(yù)處理，按照步驟s5實時生成表征當(dāng)前運(yùn)行參數(shù)的實時狀態(tài)圖譜；

10、s7、對實時生成的狀態(tài)圖譜與狀態(tài)參考圖譜進(jìn)行相似度識別，并根據(jù)相似度值計算失效概率；

11、s8、將失效概率指定為各節(jié)點的條件概率或邊緣概率，并將礦用機(jī)電設(shè)備的實時運(yùn)行數(shù)據(jù)輸入到貝葉斯網(wǎng)絡(luò)模型中，根據(jù)貝葉斯公式和條件獨(dú)立性假設(shè)計算各節(jié)點的后驗概率，得到設(shè)備的健康狀態(tài)評估結(jié)果。

12、進(jìn)一步地，所述步驟s1中所述礦用機(jī)電設(shè)備的相關(guān)資料采用網(wǎng)絡(luò)爬蟲技術(shù)、數(shù)據(jù)api接口或者數(shù)據(jù)集的方式進(jìn)行獲取，包括但不限于設(shè)備制造商的技術(shù)文檔、操作手冊、歷史故障報告、維護(hù)記錄以及通過專家訪談和培訓(xùn)材料獲取的信息。

13、進(jìn)一步地，所述步驟s1中，利用自然語言處理技術(shù)將資料中的信息轉(zhuǎn)化為節(jié)點和邊具體通過以下方法實現(xiàn)：對采集到的礦用機(jī)電設(shè)備的相關(guān)資料進(jìn)行包括但不限于格式標(biāo)準(zhǔn)化、去除特殊字符和無關(guān)內(nèi)容、統(tǒng)一詞形的文本清洗處理；然后將清洗后的文本細(xì)分為更易管理的單元，如句子或段落；并使用nlp工具自動識別句子或段落的邊界以及關(guān)鍵實體的識別，如設(shè)備部件、故障類型、操作參數(shù)和具體動作，識別的實體被定義為節(jié)點，實體間的關(guān)系作為邊連接，所述邊包括部件間的關(guān)系、故障與維修方法的關(guān)聯(lián)，并為節(jié)點添加具體的屬性信息。

14、進(jìn)一步地，所述步驟s2中，根據(jù)所述節(jié)點和邊確定節(jié)點之間的依賴關(guān)系和條件概率分布通過領(lǐng)域?qū)＜抑R進(jìn)行確定。

15、進(jìn)一步地，所述步驟s4中，所述礦用機(jī)電設(shè)備的歷史運(yùn)行數(shù)據(jù)從設(shè)備監(jiān)控系統(tǒng)進(jìn)行獲取，所述礦用機(jī)電設(shè)備的歷史運(yùn)行數(shù)據(jù)包括可靠性數(shù)據(jù)、維護(hù)記錄、故障類型及頻率或其他能夠表征礦用機(jī)電設(shè)備歷史運(yùn)行狀態(tài)的數(shù)據(jù)。

16、進(jìn)一步地，所述步驟s4中，對礦用機(jī)電設(shè)備歷史運(yùn)行數(shù)據(jù)進(jìn)行預(yù)處理包括但不限于去除異常值、缺失值處理、標(biāo)椎化處理以及歸一化處理；具體通過以下方法實現(xiàn)：所述異常值的處理使用箱型圖、z-score或其他統(tǒng)計方法來識別并決定刪除或修正數(shù)據(jù)；所述缺失值處理使用均值法、中值法或插值法對數(shù)據(jù)進(jìn)行處理；所述數(shù)據(jù)的標(biāo)準(zhǔn)化處理通過以下公式(1)表示；所述數(shù)據(jù)的歸一化處理通過以下公式(2)表示：

17、

18、公式(1)、(2)中：x表示采集到的礦用機(jī)電設(shè)備的運(yùn)行歷史數(shù)據(jù)；z表示標(biāo)準(zhǔn)化處理后的數(shù)據(jù)；μ是均值；σ是標(biāo)準(zhǔn)差；x′表示歸一化處理后的數(shù)據(jù)；min(x)表示原始數(shù)據(jù)中的最小值；max(x)表示原始數(shù)據(jù)中的最大值。

19、進(jìn)一步地，所述步驟s5中，所述狀態(tài)參考圖譜的生成具體通過以下步驟實現(xiàn)：

20、s51、定義狀態(tài)矩陣：設(shè)m為狀態(tài)矩陣，其中元素mt，s表示在時間點t設(shè)備處于狀態(tài)s的概率，狀態(tài)s包括正常、預(yù)警、停機(jī)；

21、s52、矩陣元素的計算：通過機(jī)器學(xué)習(xí)算法model，輸入設(shè)備的特征向量xt，包括從設(shè)備的歷史運(yùn)行數(shù)據(jù)中得到的特征，輸出設(shè)備在時間點t處于各個狀態(tài)的概率分布；該步驟通過以下公式(3)表示：

22、mt，s＝p(s|xt)＝model(xt)[s]????????????????????(3)

23、公式(3)中：p(s|xt)表示在給定特征向量xy的條件下，設(shè)備處于狀態(tài)s的概率；model(xt)[s]表示模型針對時間點t的輸入xt，輸出狀態(tài)s的概率；

24、s53、定義每個運(yùn)行參數(shù)的正常、預(yù)警和停機(jī)狀態(tài)的閾值；

25、s54、設(shè)置rgb顏色映射規(guī)范，為每種狀態(tài)指定一種顏色，在圖譜中清晰地表達(dá)狀態(tài)；

26、s56、通過條形圖來顯示每個參數(shù)，其中條形圖的長度代表參數(shù)值的大小，顏色代表其狀態(tài)，根據(jù)正常運(yùn)行、異常、停機(jī)狀態(tài)將對應(yīng)的rgb顏色值分配給每個參數(shù)，生成一系列設(shè)備在正常、異常、停機(jī)等狀態(tài)的參考圖譜。

27、進(jìn)一步地，所述步驟s6中，所述能夠表征礦用機(jī)電設(shè)備運(yùn)行狀態(tài)的特征參數(shù)通過設(shè)備傳感器和監(jiān)控系統(tǒng)進(jìn)行實時采集，按照所述步驟s4中的數(shù)據(jù)處理方式對采集到的礦用機(jī)電設(shè)備實時運(yùn)行狀態(tài)的特征參數(shù)進(jìn)行預(yù)處理，并通過步驟s5中的狀態(tài)圖譜生成方法，生成表征礦用機(jī)電設(shè)備實時運(yùn)行參數(shù)的狀態(tài)圖譜。

28、進(jìn)一步地，所述步驟s7中，對實時生成的狀態(tài)圖譜與狀態(tài)參考圖譜進(jìn)行相似度識別，并根據(jù)相似度值計算失效概率具體通過以下步驟實現(xiàn)：

29、s71、對每個實時狀態(tài)圖譜和狀態(tài)參考圖譜使用形狀描述符法進(jìn)行特征提取，將條形圖或色塊表示轉(zhuǎn)換成特征向量，所述特征向量包括但不限于條形圖的長度和顏色；

30、s72、利用余弦相似度距離度量方法同時計算兩個特征向量之間的相似度；該步驟通過以下公式(4)和(5)表示：

31、

32、f＝λ×cos(θ)??????????????????????(5)

33、公式(4)、(5)中：cos(θ)表示相識度值；x·y表示兩個向量的點積，||x||和||y||表示向量的模；f表示失效概率；λ表示參考圖譜的狀態(tài)值。

34、進(jìn)一步地，所述步驟s8中，所述貝葉斯公式通過以下公式(6)表示：

35、

36、公式(6)中：p(y|x)為后驗概率，表示當(dāng)擁有x這個條件后事件y發(fā)生的概率；p(x|y)為條件概率，表示當(dāng)事件y發(fā)生后擁有條件x的概率；p(y)為事件y的邊緣概率；p(x)為條件x的邊緣概率。

37、由以上技術(shù)方案可知，本發(fā)明通過時收集和處理礦用機(jī)電設(shè)備的各項運(yùn)行參數(shù)并生成設(shè)備的狀態(tài)圖譜，直觀反映了礦用機(jī)電設(shè)備的健康狀態(tài)；同時通過狀態(tài)圖譜與參考圖譜的相似度識別，動態(tài)計算設(shè)備的故障率(健康程度)，為設(shè)備的預(yù)防性維護(hù)和故障預(yù)警提供精確的數(shù)據(jù)支持，有效降低設(shè)備的維護(hù)成本。