维保平台故障分析处理系统及方法
【专利摘要】本发明公开了一种维保平台故障分析处理系统及方法，该系统包括故障分配模块、故障分析模块、故障处理模块、现场数据接口。现场数据接口接收故障信号，并根据故障信号的信号特征区分故障信号的类型，并将类型写入故障信号中。故障分配模块连接现场数据接口，接收写入类型之后的故障信号并对故障信号添加分配字段，再根据分配字段和故障类型，将处理后的故障信号发送至故障分析模块或故障处理模块。本发明的维保平台故障分析处理系统及方法能够在短时间内、有效的、准确的、及时的进行诊断和维护，解决用户设备故障、缩短起重机停机时间。
【专利说明】
维保平台故障分析处理系统及方法
技术领域
[0001] 本发明设及起重设备维保平台的故障解决系统和方法，更具体地说，设及一种维 保平台故障分析处理系统及方法。
【背景技术】
[0002] 目前，国内外科技新技术(如人工智能、控制论和信息论等及现代网络技术的 迅猛发展，远程设备的故障诊断、维护技术和功能得到不断地丰富和完善。它的应用领域已 经从单独的机械设备诊断发展到航空、海洋船舶W及水利电力等复杂系统。目前国内外远 程诊断维护平台种类繁多，功能各异，但是目前现有技术还未有针对港口起重设备的故障 诊断和远程维护平台。
[0003] 随着全球起重机设备遍布范围不断扩大，而且各区域码头环境的复杂性与多样 性，要实现对各码头起重机部件进行远程监管具有很大的技术挑战，但也具有很强的现实 意义。同时对于生产商来说，通过远程监管将大大减少维护工程师到现场的时间和费用，不 仅能大量节约人力与物力的成本，同时也能在最短时间对现场码头起重机故障提供远程维 修服务，减少码头用户损失。
【发明内容】
[0004] 针对现有技术中存在的上述问题，本发明的目的是提供一种维保平台故障分析处 理系统及方法。
[0005] 为实现上述目的，本发明采用如下技术方案：
[0006] -种维保平台故障分析处理系统，包括故障分配模块、故障分析模块、故障处理模 块、现场数据接口。现场数据接口接收故障信号，并根据故障信号的信号特征区分故障信号 的类型，并将类型写入故障信号中。故障分配模块连接现场数据接口，接收写入类型之后的 故障信号并对故障信号添加分配字段，再根据分配字段和故障类型，将处理后的故障信号 发送至故障分析模块或故障处理模块。
[0007] 根据本发明的一实施例，故障信号包括数据字段、预留字段和校验字段，数据字段 为故障信号的内容，预留字段为可写入的空白数据段。
[000引根据本发明的一实施例，故障信号的类型写入故障信号的预留字段中。
[0009]根据本发明的一实施例，分配字段添加至数据字段之前，分配字段包括指示当前 故障信号应传输至故障分析模块还是故障处理模块的标识码。
[0010]为实现上述目的，本发明采用如下技术方案：
[0011] -种维保平台故障分析处理方法，包括:接收故障信号，并根据故障信号的信号特 征区分故障信号的类型，并将类型写入故障信号中。接收写入类型之后的故障信号并对故 障信号添加分配字段，再根据分配字段和故障类型，将处理后的故障信号发送至故障分析 模块或故障处理模块。
[0012] 根据本发明的一实施例，故障信号包括数据字段、预留字段和校验字段，数据字段 为故障信号的内容，预留字段为可写入的空白数据段。
[0013] 根据本发明的一实施例，将故障信号的类型写入故障信号的预留字段中。
[0014] 根据本发明的一实施例，将分配字段添加至数据字段之前，分配字段包括指示当 前故障信号应传输至故障分析模块还是故障处理模块的标识码。
[0015] 在上述技术方案中，本发明的维保平台故障分析处理系统及方法能够在短时间 内、有效的、准确的、及时的进行诊断和维护，解决用户设备故障、缩短起重机停机时间。
【附图说明】
[0016] 图1是本发明维保平台故障分析处理系统的结构示意图；
[0017] 图2是故障信号的结构示意图；
[0018] 图3是本发明维保平台故障分析处理方法的流程图。
【具体实施方式】
[0019] 下面结合附图和实施例进一步说明本发明的技术方案。
[0020] 参照图1，本发明首先公开一种维保平台故障分析处理系统，其主要架构包括故障 分配模块2、故障分析模块3、故障处理模块4、现场数据接口 1等。本发明的系统将故障信号 (实时故障数据W及历史数据)作为系统的输入，将故障分析结果(例如故障发生率W及故 障发生关联度等信息及针对相关故障的建议解决方案作为系统的输出，并在网页中呈 现并定期提交给用户。同时在服务器端通过建立一个合理、高效的数据库关系模型，使采集 后的数据和公司的管理信息系统结合，W使各类数据的运用达到最佳状态，达到工业化设 备和信息化系统的深度集成，并由此带来更好的用户体验。
[0021] 如图1和图2所示，现场数据接口 1接收故障信号，并根据故障信号的信号特征区分 故障信号的类型，并将类型写入故障信号中。故障信号包括数据字段102、预留字段103和校 验字段104,数据字段102为故障信号的内容，预留字段103为可写入的空白数据段。故障信 号的类型写入故障信号的预留字段103中。
[0022] 继续参照图1，故障分配模块2连接现场数据接口 1，接收写入类型之后的故障信号 并对故障信号添加分配字段101，再根据分配字段101和故障类型，将处理后的故障信号发 送至故障分析模块3或故障处理模块4。优选的，分配字段101添加至数据字段102之前，分配 字段101包括指示当前故障信号应传输至故障分析模块3还是故障处理模块4的标识码。
[0023] 分配字段101添加的位置在数据字段102之前，也就是在整个故障信号的开始数据 段，运样的好处是当系统在读取故障信号并处理的时候，可W通过仅仅读取数据包的最先 若干个字节，就能最先知道当前的故障信号应当传输至故障分析模块3还是故障处理模块 4，从而缩短了数据处理的时间。
[0024] 上述对于故障信号的再处理又可W称之为信息融合。多种数据源的信息融合于预 先设计的数据库中，并建立包括故障、旁路、控制合等在内的起重机故障模型，包括故障分 析、旁路分析、起重机工作情况控制合的分析等模型。
[0025] 基于故障、旁路、控制合等分析模型，利用数据清洗后规范化的故障W及状态信 息，同时借助于大数据分析工具进行统计分析，可W分析统计故障之间的关联程度W及故 障发生的频率，故障未来发生的可能性。根据大数据分析结果W及故障树分析法，可W对码 头实时发生的故障，做出正确的决策，推荐合理的解决方法。利用分析出的故障之间的关联 程度，而不是将设备故障孤立化，可W发现故障发生的潜在问题，找出问题的根源，并迅速 解决故障连锁问题，进一步减少故障发生率。通过大数据工具统计分析的故障发生频率将 快速定位高频故障并对其进行高效处理。同时针对设备故障未来发生的可能性可W对故障 发生进行预测，其准确率很大程度依托于原始数据的容量W及准确性，基于机器学习的故 障预测模型进行分析处理，并利用分析结果形成预防性维护决策，进而付诸于预防性维护 行动，及时发现需维护或更换的设备器件，提供维修决策支持及备件采购计划等服务。
[0026] 上述重点在于故障关联性分析处理，根据用户现场反馈信息W及历史的故障维护 信息按照统一的制式上传至服务器，服务器端根据大数据分析工具事先建立的模型进行不 断机器学习，并且不断迭代，形成最优故障解决方案，最快时间判断引起现场设备故障的最 有可能的关联原因。同时用户可W依据大数据分析得出的解决方案提供的故障关联性来进 行故障原因定位，同时可W结合现场复杂的现实环境灵活排查故障原因。用户可W将更新 的故障解决方案上传至服务器端，用于故障解决方案模型库的优化，有利于提高故障解决 方案的准确性。
[0027] 采用故障树建立故障现象-故障原因关系模型W及结合大数据分析的专家故障诊 断来实现故障关联性处理。W电机为例进行故障关联性诊断分析阐述。故障诊断树W树形 结构图来描述故障现象与故障原因之间的内在联系;下表为故障树的基础数据。
[002引
[0029] 根据电机不同的故障现象，建立相应故障树模型，进行故障树定性分析(故障树简 化或者模块化），判断电机故障来自于机械故障还是电气故障，当确定了故障类型之后，然 后进行定量分析(关联度计算W及概率分析等），判断确定最有可能的故障原因，并可 此结论为初步故障原因定性。
[0030] 在上述故障树模型推导的故障原因前提下，利用大数据分析W及基于神经网络等 复杂算法的模型构建，对于故障规则库中已有的故障，可W更加准确判断其故障原因。而对 于故障规则库中没有的新故障，故障树由于缺乏相应的诊断知识，而无法进行初步的故障 定性，可W借助于神经网络等复杂算法的模型，将新的故障样本自动学习、训练、更新故障 知识，形成新的故障诊断规则库，便于准确故障诊断。
[0031] 神经网络算法具有很强的鲁棒性，具有很强的自学习能力，通过训练不断学习，不 断补充和完善自身的知识。经过适当训练的神经网络具有解决简单数学模型W及描述规则 难易处理的控制过程问题。同时支持适应在线运行，能同时进行定量和定性操作，神经网络 的强适应性和信息融合能力使得可W同时输入大量不同的故障信息，并进行并行处理，实 现故障信息集成W及融合处理。训练过的神经网络能存储有关故障处理过程的知识，能直 接从历史故障信息中学习。其故障诊断过程如下：1)调入故障诊断知识库，包括权值W及阀 值。2)输入已知发生的各项故障现象。3)利用基于神经网络故障模型的大数据分析工具进 行大量数据分析从而进行故障诊断。最终将输出结果可能性靠前的输出层神经元找出，来 得到其最有可能的故障原因，得出故障的最终解决方案。
[0032] 另一方面，如图3所示，针对上述处理系统，本发明还公开一种维保平台故障分析 处理方法，包括W下步骤：
[0033] S1:接收故障信号，并根据故障信号的信号特征区分故障信号的类型，并将类型写 入故障信号中。
[0034] S2:将故障信号的类型写入故障信号的预留字段中。故障信号包括数据字段、预留 字段和校验字段，数据字段为故障信号的内容，预留字段为可写入的空白数据段。
[0035] S3:接收写入类型之后的故障信号并对故障信号添加分配字段，将分配字段添加 至数据字段之前。分配字段包括指示当前故障信号应传输至故障分析模块还是故障处理模 块的标识码。
[0036] S4:再根据分配字段和故障类型，将处理后的故障信号发送至故障分析模块或故 障处理模块。
[0037] 与W往传统的故障处理方法不同的是。本发明通过统一、集中的故障信息管理，将 分布式、零散的故障信息呈现在中控室中，其故障信息包括堆场中所有的桥吊、轮胎吊、AGV 的机械故障、电气故障、自动化任务执行过程故障，并W统一的格式在中控室GUI界面中呈 现，其格式内容主要包括故障来源故障级别、故障类型、故障描述、故障发生时间、故障持续 时间等信息。操作员必须及时查看并选择影响现场机器工作的故障并提交至项目经理，如 若未及时提交故障信息将影响其工作效率，进而影响操作员工作考核，将进一步敦促操作 员积极监视故障，并积极反馈。项目经理通过集中分配操作员提交的故障，并按类型分配至 各技术主管，能较快、较精准找到故障相关负责人W及相对应的维修工程师，尽快将操作员 反馈的故障问题解决，进一步提高故障解决效率，减少机器停机时间，提高机器工作效率， 大幅度降低机器停机所造成的经济损失。
[0038] 采用项目管理体系进行起重机设备故障处理，能从宏观W及微观层面把握整体起 重机设备故障处理的进度W及具体起重机故障的发生原因 W及处理结果，做到故障精准定 位，故障责任人精准处理，可W有效进行项目整体安全管控。并同时可W考虑起重机发生故 障的优先级，从项目总体管理层面进行技术人员、设备等资源优化W及平衡，有效安排资源 的使用，可W尽快解决关键性故障，尽快恢复起重机设备的安全生产。
[0039] 本发明维保平台故障分析处理系统及方法可W达到W下经济性、安全性、技术性 等有益效果。
[0040] 经济性层面
[0041] 对生产商来说，通过维保平台来达到远程监管与维护，可W减少维护工程师到现 场的时间和费用，不仅节约了大量的人力和物力的成本，也能在最短的时间内对设备故障 提供维修服务。对于客户来说，可W通过故障分析处理计算机辅助系统，了解设备的运行情 况W及各种丰富的统计报表，并且通过Web快速了解相关故障的解决方案，同时借助于项目 组管理体系进行分级故障处理，将有助于现场起重机故障的快速解决，进一步减少了由于 停机作业带来的损失，实现为客户和企业提供双赢的快捷服务。
[0042] 安全性层面
[0043] 本系统安全性主要采用网络协议限制、安全设备加固同时系统多重身份验证等手 段来保障。通过Internet网络W虚拟VPN方式进行总部与码头现场的网络连接，确保了网络 连接的安全性W及稳定性，可W有效防止重要数据外泄和网络攻击。安全设备加固方面，利 用了堡垒机，进行整个维保平台核屯、系统运维和安全审管控，能够实时收集和监控网络环 境中每一个组成部分的系统状态、安全事件、网络活动，能够有效保障网络W及数据不受破 坏，同时所有在系统上的操作进行视频记录，W便后期问题追溯。
[0044] 技术性层面
[0045] 故障大数据资源是实现对起重机故障全方位的远程在线故障诊断的核屯、资源。大 数据分析技术可W将结构化W及非结构化数据等不同数据源的故障信息进行规范化，聚集 于一致的系统中。在大数据故障处理的过程与单纯的结构化数据处理方式有很大的不同之 处。例如ETL工具之一的Informatica公司的化wer Center大数据分析工具，对位于各码头 的起重机故障信息等的融合与汇聚是构建数据仓库的重要一环，通过从不同类型的数据源 抽取所需的数据(故障信息、控制合等），经过数据清洗，最终按照预先定义好的数据仓库模 型，将数据加载到数据仓库中去。Extract(提取)通过接口提取源数据，例如ODBC、专用数据 库接口，Transform(转换)将提取的数据，经过业务逻辑分析转换为目标数据结构，并实现 汇总，Load(加载)经过转换和汇总的数据加载到服务器目标仓库中，实现故障信息等批量 加载，能够将不同制式的故障信息统一至相同数据结构的数据库中，W便在前台的展示。
[0046] 如上述描述的基于故障树的故障现象-故障原因模型来进行初步定性W及定量故 障原因分析，然后通过基于结合神经网络算法的ETL工具大数据分析，来共同构建设备的故 障模型，更加精确分析故障原因，并不断将用户现场反馈的实际故障原因输入进行故障模 型库的不停迭代W及机器学习，来推导出更为精准的故障原因分析，将能科学、有效分析故 障发生的关联性，同时能给用户提供更为准确的故障解决方案W及后期维护建议。
[0047] 将项目管理体系引入到故障分析处理计算机辅助系统中，分工明确，责任清晰，能 有效提高故障处理的效率。
[0048] 本发明也进一步拓展了故障分析处理系统在起重机领域的应用，填补了起重机领 域长期的市场空白，同时本发明与公司的信息化系统的集成，进一步提高了公司起重机设 备的全流程管理水平。
[0049] 本技术领域中的普通技术人员应当认识到，W上的实施例仅是用来说明本发明， 而并非用作为对本发明的限定，只要在本发明的实质精神范围内，对W上所述实施例的变 化、变型都将落在本发明的权利要求书范围内。
【主权项】
1. 一种维保平台故障分析处理系统，其特征在于，包括： 故障分配模块、故障分析模块、故障处理模块、现场数据接口； 所述现场数据接口接收故障信号，并根据故障信号的信号特征区分故障信号的类型， 并将类型写入故障信号中； 所述故障分配模块连接所述现场数据接口，接收写入类型之后的故障信号并对故障信 号添加分配字段，再根据所述分配字段和故障类型，将处理后的故障信号发送至故障分析 模块或故障处理模块。2. 如权利要求1所述的维保平台故障分析处理系统，其特征在于： 所述故障信号包括数据字段、预留字段和校验字段，所述数据字段为故障信号的内容， 所述预留字段为可写入的空白数据段。3. 如权利要求2所述的维保平台故障分析处理系统，其特征在于： 所述故障信号的类型写入故障信号的预留字段中。4. 如权利要求2所述的维保平台故障分析处理系统，其特征在于： 所述分配字段添加至数据字段之前，所述分配字段包括指示当前故障信号应传输至故 障分析模块还是故障处理模块的标识码。5. -种维保平台故障分析处理方法，其特征在于，包括： 接收故障信号，并根据故障信号的信号特征区分故障信号的类型，并将类型写入故障 信号中； 接收写入类型之后的故障信号并对故障信号添加分配字段，再根据所述分配字段和故 障类型，将处理后的故障信号发送至故障分析模块或故障处理模块。6. 如权利要求5所述的维保平台故障分析处理方法，其特征在于： 所述故障信号包括数据字段、预留字段和校验字段，所述数据字段为故障信号的内容， 所述预留字段为可写入的空白数据段。7. 如权利要求6所述的维保平台故障分析处理方法，其特征在于： 将故障信号的类型写入故障信号的预留字段中。8. 如权利要求6所述的维保平台故障分析处理方法，其特征在于： 将分配字段添加至数据字段之前，所述分配字段包括指示当前故障信号应传输至故障 分析模块还是故障处理模块的标识码。
【文档编号】B66C13/00GK105967063SQ201610323520
【公开日】2016年9月28日
【申请日】2016年5月16日
【发明人】余丹炯, 杨仁民, 王晓海, 汤斌斌, 樊岳标
【申请人】上海振华重工电气有限公司, 上海振华重工(集团)股份有限公司