主泵设备健康度评估方法和系统

技术领域

本发明主要涉及主泵设备监测领域，尤其涉及一种主泵设备健康度评估方法和系统。

背景技术

监测主泵在核电厂中的健康状态、运行状态，能够有效地降低生产过程中事故发生概率，保障核电厂员工的生命安全，降低经济损失，具有重要的实际意义。现有技术中对核电站主泵的状态监测通常是通过对监测参数的记录和主泵定期检修维护等方式来了解和确认的，因此对于主泵设备早期容易出现的故障不能够做到及时预警。由于主泵设备价格昂贵，需要监测的参数较为复杂，本领域尚缺少一种能够全面监测主泵设备运行状态的智能化解决方案。

发明内容

本发明要解决的技术问题是提供主泵设备健康度评估方法和系统，能够有效地监测主泵设备运行状况，保障核电厂安全运行。

为解决上述技术问题，本发明提供了一种主泵设备健康度评估方法，用于监测核电厂中主泵设备的健康状态，所述主泵设备包括湿绕组主泵和/或屏蔽主泵，所述评估方法包括在所述主泵设备的运行过程中，使用多维度模型中的一种或多种持续地测算所述主泵设备的总健康度参数，其中，所述总健康度参数由所述主泵设备中多个部件对应的多个子健康度参数共同得出；所述子健康度参数包括自初始值经一次或多次的扣除预设数值后的剩余数值；所述多维度模型至少包括阈值报警模型和趋势报警模型，且所述阈值报警模型和所述趋势报警模型分别包括：在所述运行过程中，响应于所述设备的预设监控参数到达预设阈值或形成预设趋势触发的反馈命令，执行自所述初始值扣除所述预设数值的操作。

可选地，所述多维度模型还包括专家机理诊断模型，所述专家机理诊断模型包括依据根据专家经验生成专家经验数据库，并响应于所述主泵设备的运行情况满足所述专家经验数据库中的判断条件而触发的反馈命令，执行自所述初始值扣除所述预设数值的操作。

可选地，所述多维度模型还包括AI预警模型，所述AI预警模型配置为创建参数相关性模型，所述参数相关性模型具有自学习周期且适于根据所述自学习周期生成样本数据。

可选地，主泵设备健康度评估方法还包括将所述多维度模型的每一种模型分别设置扣分权重，且所述扣分权重影响根据所述每一种模型对应的所述反馈命令而扣除的所述预设分数在测算所述子健康度参数时的权重比例。

可选地，在所述多维度模型中，所述阈值报警模型的所述扣分权重最高、且所述趋势报警模型的所述扣分权重高于所述专家机理诊断模型或所述AI预警模型。

可选地，所述多个部件包括多个主泵预警关联部件和不与主泵预警关联的其他部件，所述方法还包括：针对每个所述主泵预警关联部件测算所述子健康度参数F

可选地，所述主泵预警关联部件包括所述主泵设备中的电机、轴承、转子和/或飞轮。

可选地，主泵设备健康度评估方法还包括通过如下公式测算每个所述主泵预警关联部件以及所述其他部件的所述子健康度参数：

其中F

可选地，主泵设备健康度评估方法还包括根据如下公式通过多个所述F

其中，其中F

为解决上述技术问题，本发明提供了一种主泵设备健康度评估系统，包括：存储器，用于存储可由处理器执行的指令；以及处理器，用于执行所述指令以实现如上所述的方法。

为解决上述技术问题，本发明提供了一种存储有计算机程序代码的计算机可读介质，所述计算机程序代码在由处理器执行时实现如上所述的方法。

与现有技术相比，本发明使用多维度模型对主泵设备的健康度进行监测，对多维度模型的每一种模型设置扣分权重，通过扣除预设数值测算主泵设备的健康度，能够从不同维度持续监测主泵设备在核电厂中的健康状态和运行状态，有效降低生产过程中事故发生概率，同时也能降低经济损失，全面保障核电厂的安全运行。

附图说明

包括附图是为提供对本申请进一步的理解，它们被收录并构成本申请的一部分，附图示出了本申请的实施例，并与本说明书一起起到解释本申请原理的作用。附图中：

图1是本申请一实施例中一种主泵设备健康度评估方法的流程示意图；

图2是本申请一实施例中一种主泵设备健康度评估方法的应用原理示意图；

图3是本申请一实施例中一种主泵设备健康度评估系统的系统框架图。

具体实施方式

为了更清楚地说明本申请的实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地，下面描述中的附图仅仅是本申请的一些示例或实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图将本申请应用于其他类似情景。除非从语言环境中显而易见或另做说明，图中相同标号代表相同结构或操作。

如本申请和权利要求书中所示，除非上下文明确提示例外情形，“一”、“一个”、“一种”和/或“该”等词并非特指单数，也可包括复数。一般说来，术语“包括”与“包含”仅提示包括已明确标识的步骤和元素，而这些步骤和元素不构成一个排它性的罗列，方法或者设备也可能包含其他的步骤或元素。

除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本申请的范围。同时，应当明白，为了便于描述，附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为授权说明书的一部分。在这里示出和讨论的所有示例中，任何具体值应被解释为仅仅是示例性的，而不是作为限制。因此，示例性实施例的其它示例可以具有不同的值。应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。

在本申请的描述中，需要理解的是，方位词如“前、后、上、下、左、右”、“横向、竖向、垂直、水平”和“顶、底”等所指示的方位或位置关系通常是基于附图所示的方位或位置关系，仅是为了便于描述本申请和简化描述，在未作相反说明的情况下，这些方位词并不指示和暗示所指的装置或元件必须具有特定的方位或者以特定的方位构造和操作，因此不能理解为对本申请保护范围的限制；方位词“内、外”是指相对于各部件本身的轮廓的内外。

为了便于描述，在这里可以使用空间相对术语，如“在……之上”、“在……上方”、“在……上表面”、“上面的”等，用来描述如在图中所示的一个器件或特征与其他器件或特征的空间位置关系。应当理解的是，空间相对术语旨在包含除了器件在图中所描述的方位之外的在使用或操作中的不同方位。例如，如果附图中的器件被倒置，则描述为“在其他器件或构造上方”或“在其他器件或构造之上”的器件之后将被定位为“在其他器件或构造下方”或“在其他器件或构造之下”。因而，示例性术语“在……上方”可以包括“在……上方”和“在……下方”两种方位。该器件也可以其他不同方式定位(旋转90度或处于其他方位)，并且对这里所使用的空间相对描述作出相应解释。

此外，需要说明的是，使用“第一”、“第二”等词语来限定零部件，仅仅是为了便于对相应零部件进行区别，如没有另行声明，上述词语并没有特殊含义，因此不能理解为对本申请保护范围的限制。此外，尽管本申请中所使用的术语是从公知公用的术语中选择的，但是本申请说明书中所提及的一些术语可能是申请人按他或她的判断来选择的，其详细含义在本文的描述的相关部分中说明。此外，要求不仅仅通过所使用的实际术语，而是还要通过每个术语所蕴含的意义来理解本申请。

本申请参照图1示出了一种主泵设备健康度评估方法10(以下简称“评估方法10”)，用于监测核电厂中主泵设备的健康状态以及运行状态。其中适用的主泵设备包括湿绕组主泵和/或屏蔽主泵等，评估方法10能够有效地监测主泵设备运行状况，保障核电厂安全运行。根据图1，评估方法10包括在主泵设备的运行过程中，使用多维度模型中的一种或多种持续地测算主泵设备的总健康度参数。

为了更清楚的说明评估方法10的实现方式，现参照图2简要说明评估方法10的原理示意图20。参照图2，总健康度参数由主泵设备中多个部件对应的多个子健康度参数共同得出；而每个子健康度参数通过多维度模型中的一种或多种进行测算，当主泵设备发生故障并触发多维度模型中任一模型的使能条件时，自每个子健康度参数的初始值扣除预设数值，也即最终用于得到总健康度参数的各子健康度参数实际为自初始值经一次或多次的扣除预设数值后的剩余数值。在本实施例中优选地，为了便于计算百分比等等情况，可以将子健康度参数的初始值设置为100，但本申请不以此为限制。

具体的，本实施例中的多维度模型至少包括阈值报警模型和趋势报警模型。其中，阈值报警模型为在运行过程中，响应于设备的预设监控参数到达预设阈值的反馈命令，执行自初始值扣除预设数值的操作。而趋势报警模型则在没有达到阈值报警模型的前提前发现监测参数的变化趋势，及时发现故障征兆，即在运行过程中，响应于设备的预设监控参数到达预设趋势触发的反馈命令，执行自初始值扣除预设数值的操作。

进一步的，多维度模型还包括专家机理诊断模型。专家机理诊断模型包括依据根据专家经验生成专家经验数据库。示例性的，件通过将专家经验知识和智能算法固化于评估方法10所适用的监测软件系统中，并结合现场实际设备运行工况对主泵进行实时监测与诊断，最终将沉淀的专家诊断知识积累到设备故障库形成专家机理诊断模型。当故障发生并触发专家机理诊断模型时，响应于主泵设备的运行情况满足专家经验数据库中的判断条件而触发的反馈命令，开始执行自初始值扣除预设数值的操作。因此，使用专家机理诊断模型只需将设备测点同步更新，即可实现专家知识复用，降低了软件复用的实施成本与周期，以此来提升软件系统故障诊断准确率。。

进一步的，多维度模型还包括AI预警模型，AI预警模型能够梳理自变量和应变量，采用自研的建模平台进行数据清理、敏感性分析和模型训练，通过对不同回归训练算法结果比较，创建参数相关性模型。模型配置自学习周期，实现自动生成样本数据、模型训练和模型版本迭代改进。AI预警模型具有高灵敏度，能够监测阈值报警模型、趋势报警模型以及专家机理诊断模型不易监测到的故障，保证能够全面监测核电厂的运行状态。

在本实施例中优选地，阈值报警模型、趋势报警模型、专家机理诊断模型以及AI预警模型同时对核电厂的运行状态进行全面监测。在主泵运行的过程中，通过采集泵组的实时数据和历史数据，结合多维度模型(对振动信号分析、特征提取、智能算法、大数据计算、专家机理等先进技术)，实时对主泵设备进行监视计算，评估泵组的运行状态。

进一步的，在本发明的一优选实施例中，还可以将多维度模型的每一种模型分别设置扣分权重，且扣分权重影响根据每一种模型对应的反馈命令而扣除的预设分数在测算子健康度参数时的权重比例。在多维度模型中，阈值报警模型的扣分权重最高，一般为60％，这意味着在扣除预设数值的操作过程中，当初始值为100时，一次或多次触发阈值报警模型而对某部件持续扣分至60分后可以得出该部件已达到运行故障的标准。同理，趋势报警模型的扣分权重一般设置为20％；专家机理诊断模型和AI预警模型的权重一般设置为10％。也就是说，在对于主泵设备进行检测时，对于各部件的运行参数是否达到阈值的监测具有较不灵敏的监控要求，或者认为对于阈值超出阈值范围的包容度较高；而对于例如AI预警模型的高灵敏预警模型，基于其智能程度较高的特性，认为其每一次可以触发扣除预设数值对应的故障或异常比较轻微，因此设置的扣分权重较小。示例性的，当扣除预设数值达到每一个模型的权重上设置限时，系统仍会在下一次故障触发时继续扣除预设数值作为持续记录的数据，但不会在系统中继续显示扣分情况(因为在达到权重设置上限时系统已具有设备故障的结论)。通过设置扣除预设数值的权重比例，可以将主泵设备的健康度进行量化，从而更好的监测主泵设备的健康度。

在本实施例中，为了解决主泵设备复杂而难以全面监测的问题，将主泵设备中的多个部件区分为多个主泵预警关联部件和不与主泵预警关联的其他部件。其中，多个主泵预警关联部件可以包括主泵设备中的电机、轴承、转子和/或飞轮。参照图2，这样的方式意味着将一些需要重点关注的与主泵设备直接关联的部件独立的进行基于多维度模型的测算，而对于其他不与主泵预警直接关联的部件作为一个整体进行监测，可以优化数据处理体量，提升监测效果。

参考图2，在测算主泵设备健康度时,包括针对每个主泵预警关联部件测算子健康度参数F

在本发明中优选地，测算每个主泵预警关联部件以及其他部件的子健康度参数都可以使用如下公式进行测算：

其中F

在获得F

其中F

评估方法10通过主泵设备中主泵预警关联部件和其他部件与多维度模型的关联，可以逐项分析多维度模型中阈值报警、趋势报警、AI预警和专家机理诊断模型的具体报警、预警以及机理内容，确定各个子健康度对应的部件。因此在主泵设备运行发生故障时，可以通过多维度模型的报警预警等机制对早期故障征兆及时预警或报警，有效制定合理的检查维修制度，根据设备的运行健康状态合理的进行设备调度，并确定故障发生的位置以及故障原因，从而及时给出相应的解决措施，保障设备高效、稳定、长周期的运行，降低因非计划停机产生的损失，最大化的发挥设备的运行能力，提高设备生产效率，从而实现延长设备服役期限和使用寿命，降低设备的全生命周期费用。

由于参照图1和图2介绍的本申请的主泵设备健康度评估方法中涉及数据处理分析以及基于多维度模型的测算，因此可以部署在相应的软件和硬件环境中。本申请的一实施例还提出了一种如图3所示的主泵设备健康度评估系统30。根据图3，主泵设备健康度评估系统30可包括内部通信总线31、处理器(Processor)33、只读存储器(ROM)33、随机存取存储器(RAM)34、以及通信端口35。当应用在个人计算机上时，主泵设备健康度评估系统30还可以包括硬盘36。

内部通信总线31可以实现主泵设备健康度评估系统30组件间的数据通信。处理器33可以进行判断和发出提示。在一些实施例中，处理器33可以由一个或多个处理器组成。通信端口33可以实现主泵设备健康度评估系统30与外部的数据通信。在一些实施例中，主泵设备健康度评估系统30可以通过通信端口35从网络发送和接受信息以及数据。

主泵设备健康度评估系统30还可以包括不同形式的程序储存单元以及数据储存单元，例如硬盘36，只读存储器(ROM)33和随机存取存储器(RAM)34，能够存储计算机处理和/或通信使用的各种数据文件，以及处理器33所执行的可能的程序指令。处理器执行这些指令以实现方法的主要部分。处理器处理的结果通过通信端口传给用户设备，在用户界面上显示。

除此之外，本申请另一方面还提出了一种存储有计算机程序代码的计算机可读介质，计算机程序代码在由处理器执行时实现上述的主泵设备健康度评估方法。

上文已对基本概念做了描述，显然，对于本领域技术人员来说，上述发明披露仅仅作为示例，而并不构成对本申请的限定。虽然此处并没有明确说明，本领域技术人员可能会对本申请进行各种修改、改进和修正。该类修改、改进和修正在本申请中被建议，所以该类修改、改进、修正仍属于本申请示范实施例的精神和范围。

同时，本申请使用了特定词语来描述本申请的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本申请至少一个实施例相关的某一特征、结构或特点。因此，应强调并注意的是，本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一替代性实施例”并不一定是指同一实施例。此外，本申请的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。

本申请的一些方面可以完全由硬件执行、可以完全由软件(包括固件、常驻软件、微码等)执行、也可以由硬件和软件组合执行。以上硬件或软件均可被称为“数据块”、“模块”、“引擎”、“单元”、“组件”或“系统”。处理器可以是一个或多个专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理器件(DAPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、处理器、控制器、微控制器、微处理器或者其组合。此外，本申请的各方面可能表现为位于一个或多个计算机可读介质中的计算机产品，该产品包括计算机可读程序编码。例如，计算机可读介质可包括，但不限于，磁性存储设备(例如，硬盘、软盘、磁带……)、光盘(例如，压缩盘CD、数字多功能盘DVD……)、智能卡以及闪存设备(例如，卡、棒、键驱动器……)。

计算机可读介质可能包含一个内含有计算机程序编码的传播数据信号，例如在基带上或作为载波的一部分。该传播信号可能有多种表现形式，包括电磁形式、光形式等等、或合适的组合形式。计算机可读介质可以是除计算机可读存储介质之外的任何计算机可读介质，该介质可以通过连接至一个指令执行系统、装置或设备以实现通讯、传播或传输供使用的程序。位于计算机可读介质上的程序编码可以通过任何合适的介质进行传播，包括无线电、电缆、光纤电缆、射频信号、或类似介质、或任何上述介质的组合。

同理，应当注意的是，为了简化本申请披露的表述，从而帮助对一个或多个发明实施例的理解，前文对本申请实施例的描述中，有时会将多种特征归并至一个实施例、附图或对其的描述中。但是，这种披露方法并不意味着本申请对象所需要的特征比权利要求中提及的特征多。实际上，实施例的特征要少于上述披露的单个实施例的全部特征。

一些实施例中使用了描述成分、属性数量的数字，应当理解的是，此类用于实施例描述的数字，在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明，“大约”、“近似”或“大体上”表明所述数字允许有±20％的变化。相应地，在一些实施例中，说明书和权利要求中使用的数值参数均为近似值，该近似值根据个别实施例所需特点可以发生改变。在一些实施例中，数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本申请一些实施例中用于确认其范围广度的数值域和参数为近似值，在具体实施例中，此类数值的设定在可行范围内尽可能精确。

虽然本申请已参照当前的具体实施例来描述，但是本技术领域中的普通技术人员应当认识到，以上的实施例仅是用来说明本申请，在没有脱离本申请精神的情况下还可作出各种等效的变化或替换，因此，只要在本申请的实质精神范围内对上述实施例的变化、变型都将落在本申请的权利要求书的范围内。