一种基于人工智能的设备故障检测诊断预测系统及方法

技术领域

本发明涉及设备故障检测技术领域，具体为一种基于人工智能的设备故障检测诊断预测系统及方法。

背景技术

电气设备在使用过程中，常见的故障类型有：电源故障、电机故障、控制回路故障、传感器故障、接线故障等。这些故障的原因包括：使用环境恶劣、经过长时间使用、松动、老化、使用不当等。对于不同种类的电气设备，其故障之间是否会相互影响呢？答案是肯定的。例如，当设备的电源故障时，可能会影响到控制回路电压，导致设备无法正常工作。又例如，当电机故障时，可能会影响到传感器的正常使用。这些故障之间的相互影响可能会导致更大范围的设备故障。

针对不同电气设备之间故障相互影响的问题，我们应该采取一些措施，来降低故障发生的概率，以及降低故障发生后的影响；且同时从监测层面来说，可以根据在不同电气设备之间存在的故障相互影响的现象，制定一种更加科学化的监管方式，以达到能对监测区域内的故障范围发生蔓延现象的及时预警。

发明内容

本发明的目的在于提供一种基于人工智能的设备故障检测诊断预测系统及方法，以解决上述背景技术中提出的问题。

为了解决上述技术问题，本发明提供如下技术方案：一种基于人工智能的设备故障检测诊断预测方法，方法包括：

步骤S1：将在相应诊断存在故障的设备范围中包含某监测设备的故障运维记录，设为某监测设备的特征故障运维记录；对所有监测设备的特征故障运维记录进行信息梳理，对目标区域内存在故障影响关系的监测设备进行识别判断；

步骤S2：根据相互之间存在故障影响关系的监测设备的地理分布情况，对目标区域圈定若干个目标监测区域，并分别对各目标监测区域进行监测等级评估；

步骤S3：每间隔单位周期，将在目标区域的运维中心所产生的所有历史故障运维记录，按照时间先后顺序进行汇集，分别得到对应各单位周期的历史故障运维记录序列；计算目标区域内的所有监测设备在各单位周期内所呈现的故障蔓延预测值；

步骤S4：监测目标区域内的所有监测设备在各单位周期内所呈现的故障蔓延预测值的变化情况，判断是否对目标区域开展全面的设备运维检测。

优选的，步骤S1包括：分别提取对应各监测设备的所有特征故障运维记录；若某监测设备d存在某特征故障运维记录，且在某特征故障运维记录中，某监测设备B为，在展开对某监测设备d确认发生故障的排查流程中，或者在对某监测设备d进行故障原因确认的排查流程中需涉及的监测设备，则判断某监测设备d与某监测设备B之间存在故障影响关系。

优选的，步骤S2包括：

步骤S2-1：分别将相互之间均满足存在故障影响关系的监测设备进行汇集，将目标区域内所有监测设备划分成若干个监测设备集合；对每一监测设备集合内所有监测设备，在目标区域内所处的位置信息进行识别和提取；分别在目标区域内，对能将每一监测设备集合内所有监测设备进行涵盖的最小区域面积进行圈定，并将最小区域面积，设为一个目标监测区域；其中，一个监测设备集合对应一个目标监测区域；

在本申请中，获取到位置信息精确到一个位置坐标点，圈定最小区域面积的方法为：每一监测设备集合内所有监测设备在目标区域中形成的位置分布图像，随机选取3个或者3个以上的位置坐标点，在随机选取位置点的过程中可以尽量地选取处于较外围的位置坐标点，获取由上述所选取的3个或者3个以上的位置坐标点所构成的面积最小的封闭图形，在所有得到的封闭图形中选取出能将上述每一监测设备集合内所有监测设备的位置坐标点均涵盖在内的封闭图形，并接着在选取出的封闭图形中提取出面积最小的封闭图形，该面积最小的封闭图形即为上述最小区域面积；

步骤S2-2：获取每个目标监测区域的面积S，以及在每个目标监测区域内分布的测设备总数M，采集每个目标监测区域内的监测设备的历史特征故障运维记录，按照时间先后顺序进行排列，得到对应每个目标监测区域的历史特征故障运维记录序列，提取每相邻两条历史特征故障运维记录之间的间隔时长，获取对应每个目标监测区域的平均间隔时长T；在每个目标监测区域内，累计与其他目标监测区域内的监测设备之间存在故障影响关系的监测设备的总数K；

步骤S2-3：计算每一个目标监测区域的分布特征指数β=S/M×(1/T)×K，其中，当K=0时，将K重新赋值为1；将所有目标监测区域按照相应的分布特征指数从大到小进行排序，得到目标监测区域序列，按照各目标监测区域在目标监测区域序列中所处的排序值，赋予对应的监测等级，其中，排序值越小，对应的监测等级次序值越小，监测等级越高。

优选的，步骤S3包括：

步骤S3-1：若某历史故障运维记录，为某监测设备的特征故障运维记录，其中，某监测设备对应某目标监测区域，则对某历史故障运维记录作对应某目标监测区域的特征标记；提取对应各单位周期的历史故障运维记录序列，获取历史故障运维记录序列中每一历史故障运维记录所对应的特征标记集合；其中，每个特征标记集合中包含的特征标记的种类数大于等于1；

步骤S3-2：在各单位周期历史故障运维记录序列中，提取第一条历史故障运维记录所对应的特征标记集合P

步骤S3-3：从历史故障运维记录序列中的第二条历史故障运维记录开始，对各历史故障运维记录所对应的特征标记集合进行信息遍历；

当按顺序在第i条历史故障运维记录所对应的特征标记集合中，捕捉到存在不属于特征标记集合P

步骤S3-4：计算目标区域内的所有监测设备在各单位周期内所呈现的故障蔓延预测值δ=U

优选的，步骤S4包括：设置特征阈值，当某单位周期的故障蔓延预测值大于特征阈值，反馈管理人员端口，提示管理人员对目标区域开展全面的设备运维检测。

为更好的实现上述方法，还提出了一种设备故障检测诊断预测系统，系统包括故障影响关系判断管理模块、监测等级评估管理模块、故障蔓延预测值评估管理模块、提示管理模块；

故障影响关系判断管理模块，用于将在相应诊断存在故障的设备范围中包含某监测设备的故障运维记录，设为某监测设备的特征故障运维记录；对所有监测设备的特征故障运维记录进行信息梳理，对目标区域内存在故障影响关系的监测设备进行识别判断；

监测等级评估管理模块，用于根据相互之间存在故障影响关系的监测设备的地理分布情况，对目标区域圈定若干个目标监测区域，并分别对各目标监测区域进行监测等级评估；

故障蔓延预测值评估管理模块，用于每间隔单位周期，将在目标区域的运维中心所产生的所有历史故障运维记录，按照时间先后顺序进行汇集，分别得到对应各单位周期的历史故障运维记录序列；计算目标区域内的所有监测设备在各单位周期内所呈现的故障蔓延预测值；

提示管理模块，用于监测目标区域内的所有监测设备在各单位周期内所呈现的故障蔓延预测值的变化情况，判断是否对目标区域开展全面的设备运维检测。

优选的，故障影响关系判断管理模块包括信息梳理单元、关系识别单元；

信息梳理单元，用于将在相应诊断存在故障的设备范围中包含某监测设备的故障运维记录，设为某监测设备的特征故障运维记录；对所有监测设备的特征故障运维记录进行信息梳理；

关系识别单元，用于对目标区域内存在故障影响关系的监测设备进行识别判断。

优选的，监测等级评估管理模块包括目标监测区域划分单元、监测等级评估单元；

目标监测区域划分单元，用于根据相互之间存在故障影响关系的监测设备的地理分布情况，对目标区域圈定若干个目标监测区域；

监测等级评估单元，用于分别对各目标监测区域进行监测等级评估。

与现有技术相比，本发明所达到的有益效果是：本发明通过从在监测设备之间存在的故障影响关系出发，实现对目标区域进行目标监测区域的划分，实现将可能存在故障相互影响关系的监测设备集中在一起进行故障监管，实现对目标区域内监测设备的科学分区把控；本发明通过基于在每个单位周期内产生的历史故障运维记录，对目标区域内的所有监测设备在各单位周期内所呈现的故障蔓延预测值进行评估计算，实现对管理人员是否需要对目标区域内的所有监测设备展开大面积故障运维检测的提示管理，实现对目标区域内监测设备在故障运维方面的高效化和科学化的管理。

附图说明

附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：

图1是本发明一种基于人工智能的设备故障检测诊断预测方法的流程示意图；

图2是本发明一种基于人工智能的设备故障检测诊断预测系统的结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

请参阅图1-图2，本发明提供技术方案：一种基于人工智能的设备故障检测诊断预测方法，方法包括：

步骤S1：将在相应诊断存在故障的设备范围中包含某监测设备的故障运维记录，设为某监测设备的特征故障运维记录；对所有监测设备的特征故障运维记录进行信息梳理，对目标区域内存在故障影响关系的监测设备进行识别判断；

其中，步骤S1包括：分别提取对应各监测设备的所有特征故障运维记录；若某监测设备d存在某特征故障运维记录，且在某特征故障运维记录中，某监测设备B为，在展开对某监测设备d确认发生故障的排查流程中，或者在对某监测设备d进行故障原因确认的排查流程中需涉及的监测设备，则判断某监测设备d与某监测设备B之间存在故障影响关系；

步骤S2：根据相互之间存在故障影响关系的监测设备的地理分布情况，对目标区域圈定若干个目标监测区域，并分别对各目标监测区域进行监测等级评估；

其中，步骤S2包括：

步骤S2-1：分别将相互之间均满足存在故障影响关系的监测设备进行汇集，将目标区域内所有监测设备划分成若干个监测设备集合；对每一监测设备集合内所有监测设备，在目标区域内所处的位置信息进行识别和提取；分别在目标区域内，对能将每一监测设备集合内所有监测设备进行涵盖的最小区域面积进行圈定，并将最小区域面积，设为一个目标监测区域；其中，一个监测设备集合对应一个目标监测区域；

步骤S2-2：获取每个目标监测区域的面积S，以及在每个目标监测区域内分布的测设备总数M，采集每个目标监测区域内的监测设备的历史特征故障运维记录，按照时间先后顺序进行排列，得到对应每个目标监测区域的历史特征故障运维记录序列，提取每相邻两条历史特征故障运维记录之间的间隔时长，获取对应每个目标监测区域的平均间隔时长T；在每个目标监测区域内，累计与其他目标监测区域内的监测设备之间存在故障影响关系的监测设备的总数K；

步骤S2-3：计算每一个目标监测区域的分布特征指数β=S/M×(1/T)×K，其中，当K=0时，将K重新赋值为1；将所有目标监测区域按照相应的分布特征指数从大到小进行排序，得到目标监测区域序列，按照各目标监测区域在目标监测区域序列中所处的排序值，赋予对应的监测等级，其中，排序值越小，对应的监测等级次序值越小，监测等级越高；

步骤S3：每间隔单位周期，将在目标区域的运维中心所产生的所有历史故障运维记录，按照时间先后顺序进行汇集，分别得到对应各单位周期的历史故障运维记录序列；计算目标区域内的所有监测设备在各单位周期内所呈现的故障蔓延预测值；

其中，步骤S3包括：

步骤S3-1：若某历史故障运维记录，为某监测设备的特征故障运维记录，其中，某监测设备对应某目标监测区域，则对某历史故障运维记录作对应某目标监测区域的特征标记；提取对应各单位周期的历史故障运维记录序列，获取历史故障运维记录序列中每一历史故障运维记录所对应的特征标记集合；其中，每个特征标记集合中包含的特征标记的种类数大于等于1；

步骤S3-2：在各单位周期历史故障运维记录序列中，提取第一条历史故障运维记录所对应的特征标记集合P

步骤S3-3：从历史故障运维记录序列中的第二条历史故障运维记录开始，对各历史故障运维记录所对应的特征标记集合进行信息遍历；

当按顺序在第i条历史故障运维记录所对应的特征标记集合中，捕捉到存在不属于特征标记集合P

步骤S3-4：计算目标区域内的所有监测设备在各单位周期内所呈现的故障蔓延预测值δ=U

步骤S4：监测目标区域内的所有监测设备在各单位周期内所呈现的故障蔓延预测值的变化情况，判断是否对目标区域开展全面的设备运维检测；

其中，步骤S4包括：设置特征阈值，当某单位周期的故障蔓延预测值大于特征阈值，反馈管理人员端口，提示管理人员对目标区域开展全面的设备运维检测。

为更好的实现上述方法，还提出了一种设备故障检测诊断预测系统，系统包括故障影响关系判断管理模块、监测等级评估管理模块、故障蔓延预测值评估管理模块、提示管理模块；

故障影响关系判断管理模块，用于将在相应诊断存在故障的设备范围中包含某监测设备的故障运维记录，设为某监测设备的特征故障运维记录；对所有监测设备的特征故障运维记录进行信息梳理，对目标区域内存在故障影响关系的监测设备进行识别判断；

其中，故障影响关系判断管理模块包括信息梳理单元、关系识别单元；

信息梳理单元，用于将在相应诊断存在故障的设备范围中包含某监测设备的故障运维记录，设为某监测设备的特征故障运维记录；对所有监测设备的特征故障运维记录进行信息梳理；

关系识别单元，用于对目标区域内存在故障影响关系的监测设备进行识别判断；

监测等级评估管理模块，用于根据相互之间存在故障影响关系的监测设备的地理分布情况，对目标区域圈定若干个目标监测区域，并分别对各目标监测区域进行监测等级评估；

其中，监测等级评估管理模块包括目标监测区域划分单元、监测等级评估单元；

目标监测区域划分单元，用于根据相互之间存在故障影响关系的监测设备的地理分布情况，对目标区域圈定若干个目标监测区域；

监测等级评估单元，用于分别对各目标监测区域进行监测等级评估

故障蔓延预测值评估管理模块，用于每间隔单位周期，将在目标区域的运维中心所产生的所有历史故障运维记录，按照时间先后顺序进行汇集，分别得到对应各单位周期的历史故障运维记录序列；计算目标区域内的所有监测设备在各单位周期内所呈现的故障蔓延预测值；

提示管理模块，用于监测目标区域内的所有监测设备在各单位周期内所呈现的故障蔓延预测值的变化情况，判断是否对目标区域开展全面的设备运维检测。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。

最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。