专利名称：基于网络的设备状态监控与性能退化预测方法
技术领域：
本发明涉及一种基于网络的设备状态监控与设备性能退化的预测方法，由传感器信号处理模块、智能看门狗(Watchdog)模块和网络信息处理模块构成，实现对设备状态的远程监控及设备性能退化的智能预测。属于远程监控及维护技术领域。
远程监控系统中几个关键的技术包括传感器信号的采集和处理、信息的传送、设备运行状态的分析等。目前文献报导的远程监控系统常采用现场总线、局域网、电话线的方式连入因特网，远程传送的数据是原始的传感器信号信息，数据的处理和分析全部是在远端的测控中心完成。这使得传输的数据量比较庞大，远端的数据处理比较复杂，实时性不高。而且目前远程监控系统中，对设备状态进行识别的方法，比如从传统的统计模式识别，模糊逻辑到现在的专家系统和神经网络，需要有设备处于正常状态和各种故障状态的历史数据作依据，对于那些新型设备或高精密仪器，不可能有如此完备的历史数据，已有的各种识别的方法就不再适用。目前的远程监控系统，主要还是对故障进行诊断和预测，设备的性能常简单地划分为正常与故障状态，对退化状态没有考虑和重视。而设备在发生故障之前，往往要经历一系列的退化状态。如果能对各种退化状态进行预测，就可以有效地预防进一步的衰退和故障的发生。
本发明采用传感器信号处理模块、看门狗预诊断模块和网络信息处理模块来实现基于网络的设备性能的监控及预测。传感器信号处理模块将所采集的传感器信号进行时域和频域分析，提取信号特征，并采用主成分分析方法对提取的特征进行相关性分析，找出能够表示设备性能与状态的主要信息构成特征向量，作为看门狗预诊断模块的输入。看门狗预诊断模块采用小脑模型神经网络方法对输入的特征向量进行信息融合，对设备的状态进行识别，对设备性能的退化进行预测。网络信息处理模块将预诊断模块的预测结果信息通过无线数据传输的方式与因特网相连接，实现与决策系统、商务系统，远程维护中心等的信息交互，并且根据其它系统反馈的信息及时对设备的行为进行调整，对设备的性能进行主动补偿。
本发明的方法按如下具体步骤进行1、对被监控设备的特征进行分析，通过传感器采集设备状态信息，例如电机的电流、电压、主轴的振动等。传感器信号经过滤波、放大之后，由多通道数据采集卡进行信号采集，采集的信号送入传感器信号处理模块进行处理。
2、传感器信号处理模块根据信号性质的不同，对信号进行不同的分析，进行时域或频域特征的提取，由于所得到的信号特征往往相互之间具有很大的相关性，因此采用主成分分析的方法去除数据的相关性，在保持原变量信息基本不变的情况下，降低数据的维数，减少后继研究的复杂性，找出那些能够代表设备性能的典型特征的主要信息，构成代表设备状态的特征向量，作为看门狗预诊断模块的输入。
3、看门狗预诊断模块采用基于小脑模型节点控制器(简称小脑模型神经网络)方法对特征向量进行信息融合、对设备的性能退化进行预测。基于小脑模型神经网络的看门狗方法主要包括两个阶段(1)学习阶段传感器信号特征的主要信息构成特征向量作为小脑模型神经网络的输入，神经网络学习设备处于各种状态时的信号的特征，建立设备的行为与设备性能之间的非线性映射关系。(2)应用阶段在设备运行时，小脑模型神经网络可以根据实际情况的变化，对新出现、未学习的状态进行学习，重新调整神经网络的结构和参数，神经网络的输出表示设备性能的量化的评估。看门狗预诊断模块，在产品和设备中作为一个“数字医生”，对设备性能的退化进行预测，对可能发生的故障进行报警。看门狗预诊断模块将设备性能的状态和退化信息输入给网络信息处理模块，进行信息交互。
4、网络信息处理模块主要是将设备的性能信息与其它信息进行交互，利用数据库技术将设备的状态和性能信息记录和保存在一个数据库里，可以进行专家维护系统的行为学习和规则提取，另外也可以用作保存设备信息的“黑匣子”，一旦设备出现故障，可以通过访问这个“黑匣子”，获得设备最后几分钟的信息，快速找到故障根源。利用无线通讯技术通过网络将信息与决策系统及商务系统进行交互，并且根据远程维护中心和其它系统的反馈信息，对设备采取相应的维护措施，或者调整设备本身及其工作条件的各种参数，使设备性能得到补偿和修正。
本发明采用基于小脑模型神经网络的看门狗方法对设备性能的衰退进行预测，具有可以融合多个特征信息、对输入数据类型具有鲁棒性、计算简单、满足实时性要求等优点。更重要的是，本发明的方法能对设备性能的衰退程度给出量化的描述，克服了其它方法只能简单区分设备正常与故障的不足，而且本发明的方法易于集成在其它软硬件环境中，具有很大的灵活性。
本发明的方法采用传感器信号处理模块、看门狗预诊断模块及网络信息处理模块，可以实现基于网络的设备状态的远程监控，从以前单纯的故障诊断转向预测性能衰退；从设备被动的维护转向设备性能的主动补偿；从单台设备的性能诊断转向多台设备性能的对比，即设备性能的横向比较；从数据交换转向性能交换；从现场维护转向远程维护，可以大大提高设备的可靠性及生产效率，给企业带来更高的经济效益。
图1中，设备/系统1，传感器信号处理模块2、看门狗预诊断模块3、网络信息处理模块4、商务系统/决策系统/远程维护中心5。
如图1所示，本发明采用传感器信号处理模块、看门狗预诊断模块和网络信息处理模块来实现基于网络的设备状态的监控及预测。设备/系统的状态信息由传感器采集，送入传感器信号处理模块，传感器信号处理模块对信号特征进行主成分分析，找出能够代表设备状态的主要信息构成特征向量，作为看门狗预诊断模块的输入。看门狗预诊断模块采用神经网络方法对输入信息进行融合，对设备的状态进行识别，对设备性能的退化进行预测，结果送入网络信息处理模块。网络信息处理模块将预诊断模块的预测结果信息通过无线数据传输的方式与因特网相连接，实现与决策系统、商务系统，远程维护中心等的信息交互，并且根据其它系统反馈的信息及时对设备的行为进行调整。
在设备/系统1的关键部件或重要位置安装不同的传感器，采集能够反应设备状态的各种信号(电流、电压、振动信号等)，多路信号经过滤波，放大后通过多通道数据采集卡进行采样，数据采集卡同时实现模拟信号到数字信号的转换，传感器数据信息进入传感器信号处理模块进行分析。
传感器信号处理模块2，对原始数据进行分析，提取出能够代表设备状态或性能的特征量。对传感器信号有各种各样的分析方法，例如幅值分析方法有最大最小值、峰—峰值；统计分析方法有均值、方差、均方差；也可以进行傅立叶变换(FFT)或小波变换之后对信号的频域特征进行分析。另外，也可以按照信号变化的快慢程度提取不同的特征，对于慢速变化的信号，提取与能量有关的特征，比如幅值，方差，平方和，对于快速变化的信号，提取两种特征一是能够表示过程状态瞬时变化率的特征，二是能够表示当时过程状态变化趋势的特征，如散度和平均方差。为了尽可能地搜集信息，往往要提取多个特征，当然这可以避免重要信息的遗漏，然而从统计的角度看，这些特征量之间可能存在着很强的相关性，使得分析问题增加了复杂性。而且设备状态对不同特征量之间的影响程度也有很大差别，因此，通过主成分分析，利用几个不相关的综合变量来代替原来较多的相关变量，而且这些不相关的综合变量能够反映原变量提供的大部分信息，不仅去除了数据之间的相关性，而且降低了数据的维数，使后面的处理简单易行。主成分分析后得到的那些能够表征设备性能的特征的主要信息构成了设备的特征向量，作为看门狗预诊断模块3的输入。
看门狗预诊断模块3，利用小脑模型神经网络完成对设备当前状态的识别及设备性能衰退的预测。小脑模型神经网络采用一种查表的方法实现输入空间到输出空间的映射，每个输入向量中的分量经过一系列组合和杂凑编码形成指向一定地址的指针，这些地址中存储的权值的和即为神经网络的输出，通过调整权值可以使小脑模型神经网络学习所期望的函数。假设设备处于正常状态时神经网络的输出为1，当处于故障状态时，神经网络的输出为-1(如果有多种故障状态，可以分别进行定义，如-2，-3等)，首先利用两种状态时得到的特征向量对小脑模型神经网络进行训练，使其建立输入向量与不同状态之间的对应关系。训练后的神经网络即可用于设备性能的监控过程。当神经网络的输出偏离训练时所有状态的输出比较大时，就认为设备出现了新的状态，这时对新状态进行定义，并且重新对神经网络进行训练，更新神经网络的有关参数。在实际的监控过程中，当神经网络的输出接近某种已知状态时的输出时，代表设备处于该状态。如果神经网络的输出处于1和-1之间，则代表设备性能出现了衰退，而且输出值的大小间接表示了衰退的程度。如果新型设备或高精度设备，缺乏设备故障状态时的数据，可以只采用正常状态时的数据对神经网络进行训练。神经网络的输出越偏离1，则说明设备越偏离正常状态，依据经验和手册等制定一定的阀值来决定是否需要进行报警或采用适当的维护措施。看门狗预诊断模块3产生设备的性能信息，并送入网络信息处理模块4进行处理。
网络信息处理模块4将设备的性能信息存入设备性能数据库，可供随时浏览，检查。并且根据需要与远程维护中心、决策系统和商务系统5进行信息交互。与其它监控系统中提到的信息处理模块相比，其不同之处在于数据的分析及性能的评估在传感器信号处理模块2和看门狗预诊断模块3完成，数据可以减少到只保留有用的设备健康状况信息，发送的是设备性能的信息而不是原始的传感器数据信息，从而克服数据传输时，数据量大受带宽限制的情况。传输的信息是设备的状态和设备性能退化的信息，主要包括(1)退化模式(2)退化的零部件(3)退化的频率(4)退化的时间和位置(5)预防所用的时间等。此模块还根据维护中心反馈的信息或命令对设备本身的参数或工作状态进行调整，比如当发现设备的主轴磨损比较严重时，可以采用适当降低主轴转速的方法，来减少磨损，使设备工作在最佳状态。
权利要求
1.一种基于网络的设备状态监控与性能退化预测方法，其特征在于通过传感器信号处理模块，看门狗预诊断模块和网络信息处理模块实现，具体包括1)通过传感器采集设备状态信息，采集的信号送入传感器信号处理模块进行处理；2)传感器信号处理模块提取信号时域或频域特征，然后采用主成分分析，找出代表设备状态的主要信息构成特征向量，作为看门狗预诊断模块的输入；3)看门狗预诊断模块采用小脑模型神经网络方法对特征向量进行信息融合，对设备的性能退化进行预测，将设备性能的状态和退化信息输入给网络信息处理模块，进行信息交互；4)网络信息处理模块将设备的状态和性能信息记录和保存在数据库里，通过网络将信息与决策系统及商务系统进行交互，并且根据远程维护中心和其它系统的反馈信息对设备进行参数调整。
全文摘要
本发明提出一种基于网络的设备状态监控与性能退化预测方法，采用传感器信号处理模块、看门狗预诊断模块和网络信息处理模块来实现。传感器信号处理模块将所采集的传感器信号进行时域和频域分析，并采用主成分分析方法，提取代表设备状态的特征向量，看门狗预诊断模块采用小脑模型神经网络方法对特征向量进行信息融合、对设备的性能退化进行预测，网络信息处理模块将设备的状态和性能信息通过因特网与决策系统、商务系统，远程维护中心进行信息交互，并且根据其它系统反馈的信息及时对设备的行为进行调整。本发明实现了对设备的性能衰退预测和主动补偿，提高了设备的可靠性及生产效率。
文档编号G06F17/00GK1472671SQ0312938
公开日2004年2月4日 申请日期2003年6月19日 优先权日2003年6月19日
发明者曹其新, 张蕾, 李 杰, 赵言正, 付庄 申请人:上海交通大学