基于大數(shù)據(jù)分析的機(jī)電設(shè)備運(yùn)行故障預(yù)測(cè)及診斷

唐秀芳

（無(wú)錫市工業(yè)設(shè)備安裝有限公司，江蘇 無(wú)錫 214074）

0 引言

隨著社會(huì)的快速發(fā)展，人們對(duì)機(jī)電設(shè)備的需求越來(lái)越大，包括用于生產(chǎn)的產(chǎn)業(yè)類機(jī)電設(shè)備、用于人們生活的民生類機(jī)電設(shè)備以及用于數(shù)據(jù)采集和智能化分析的信息類機(jī)電設(shè)備，這些機(jī)電設(shè)備的可靠性直接關(guān)系到人們生產(chǎn)、生活能否持續(xù)穩(wěn)定地進(jìn)行；因此，該設(shè)備一旦出現(xiàn)故障，將影響安全生產(chǎn)，造成嚴(yán)重的損失[1]。然而，傳統(tǒng)的機(jī)電維修保養(yǎng)機(jī)制通常是事后維修，需要停工停產(chǎn)，存在診斷滯后、不能在事前預(yù)測(cè)和不能及時(shí)維修等缺陷。因此，在發(fā)展機(jī)電設(shè)備運(yùn)行維護(hù)保養(yǎng)技術(shù)的過(guò)程中，預(yù)測(cè)機(jī)電設(shè)備的運(yùn)行故障一直都是專家學(xué)者們的研究重點(diǎn)，在機(jī)電設(shè)備運(yùn)行過(guò)程中提前進(jìn)行故障預(yù)測(cè)和診斷分析并提出應(yīng)對(duì)措施，就是機(jī)電設(shè)備運(yùn)行維護(hù)管理中亟需解決的問(wèn)題，也是機(jī)電設(shè)備維護(hù)管理智能化發(fā)展的必然需求。

1 基于大數(shù)據(jù)分析的機(jī)電設(shè)備運(yùn)行故障預(yù)測(cè)及診斷分析

在機(jī)電設(shè)備的運(yùn)行過(guò)程中，將可靠度作為衡量機(jī)電設(shè)備持續(xù)正常運(yùn)轉(zhuǎn)的關(guān)鍵因素，通過(guò)對(duì)可靠度進(jìn)行分析，維持設(shè)備的可靠度，就可以保證機(jī)電系統(tǒng)安全穩(wěn)定地運(yùn)行，并為決策者提供足夠的系統(tǒng)運(yùn)行信息，達(dá)到降低機(jī)電維修保養(yǎng)成本的目的[2]。對(duì)機(jī)電設(shè)備運(yùn)行可靠度進(jìn)行測(cè)算，就需要大量的機(jī)電設(shè)備固有信息數(shù)據(jù)和運(yùn)行信息數(shù)據(jù)，該文通過(guò)對(duì)機(jī)電設(shè)備運(yùn)行故障預(yù)測(cè)及診斷分析的數(shù)據(jù)源進(jìn)行研究，建立了故障預(yù)測(cè)模型，并對(duì)模型進(jìn)行分析和診斷，完成了對(duì)機(jī)電設(shè)備運(yùn)行可靠性的分析，從而提升了機(jī)電系統(tǒng)的穩(wěn)定度，降低了故障發(fā)生的概率。

1.1 大數(shù)據(jù)源研究

反應(yīng)機(jī)電設(shè)備運(yùn)行服務(wù)的常見數(shù)據(jù)源包括機(jī)電設(shè)備的運(yùn)行環(huán)境數(shù)據(jù)、商品信息數(shù)據(jù)、固有屬性數(shù)據(jù)以及運(yùn)行狀態(tài)數(shù)據(jù)。其中機(jī)電設(shè)備的運(yùn)行狀態(tài)數(shù)據(jù)是直接反應(yīng)和影響機(jī)電設(shè)備運(yùn)行狀態(tài)的信息數(shù)據(jù)，其他3種數(shù)據(jù)是間接反應(yīng)和影響機(jī)電設(shè)備運(yùn)行狀態(tài)的信息數(shù)據(jù)。根據(jù)影響程度不同給予不同的影響因子值。

1.1.1 機(jī)電設(shè)備的運(yùn)行環(huán)境數(shù)據(jù)

機(jī)電設(shè)備的運(yùn)行環(huán)境數(shù)據(jù)是影響機(jī)電設(shè)備安全可靠運(yùn)行的重要參數(shù)，它也會(huì)影響機(jī)電設(shè)備的使用年限。機(jī)電設(shè)備的運(yùn)行環(huán)境數(shù)據(jù)一般包括環(huán)境的溫濕度、空氣的濕度、空氣灰塵以及震動(dòng)等信息數(shù)據(jù)。將機(jī)電設(shè)備的運(yùn)行環(huán)境數(shù)據(jù)納入大數(shù)據(jù)庫(kù)，可以提高預(yù)測(cè)模型的可靠性。

1.1.2 機(jī)電設(shè)備的固有屬性數(shù)據(jù)

機(jī)電設(shè)備的固有屬性數(shù)據(jù)是對(duì)機(jī)電設(shè)備運(yùn)行服務(wù)進(jìn)行大數(shù)據(jù)分析預(yù)測(cè)的重要信息數(shù)據(jù)，它會(huì)影響分析預(yù)測(cè)的準(zhǔn)確度。機(jī)電設(shè)備的固有屬性數(shù)據(jù)一般包括位置、尺寸、額定參數(shù)值以及材質(zhì)等信息數(shù)據(jù)。將機(jī)電設(shè)備的固有屬性數(shù)據(jù)納入大數(shù)據(jù)庫(kù)，可以提高預(yù)測(cè)模型的可靠性。

1.1.3 機(jī)電設(shè)備的商品信息數(shù)據(jù)

機(jī)電設(shè)備的商品信息數(shù)據(jù)是機(jī)電設(shè)備追本溯源的重要信息，該信息在機(jī)電運(yùn)行維護(hù)中對(duì)管理備品備件具有重要的作用。機(jī)電設(shè)備的商品信息數(shù)據(jù)一般包括品牌、規(guī)格和供貨商等信息數(shù)據(jù)。將機(jī)電設(shè)備的商品信息納入大數(shù)據(jù)庫(kù)，可以促進(jìn)機(jī)電設(shè)備維護(hù)系統(tǒng)對(duì)產(chǎn)品品牌的評(píng)估預(yù)測(cè)，從而提升故障預(yù)測(cè)模型的可靠性。

1.1.4 機(jī)電設(shè)備的運(yùn)行狀態(tài)數(shù)據(jù)

機(jī)電設(shè)備的運(yùn)行狀態(tài)數(shù)據(jù)是進(jìn)行故障預(yù)測(cè)和診斷分析的重要依據(jù)，反映了機(jī)電設(shè)備的運(yùn)行狀況。機(jī)電設(shè)備的運(yùn)行狀態(tài)數(shù)據(jù)一般包括測(cè)取的開關(guān)量、電壓、電流、功率、震動(dòng)和溫度等狀態(tài)量。將機(jī)電設(shè)備的運(yùn)行狀態(tài)數(shù)據(jù)納入大數(shù)據(jù)庫(kù)，就可以通過(guò)提取狀態(tài)特征對(duì)機(jī)電設(shè)備的運(yùn)行狀態(tài)進(jìn)行診斷和預(yù)測(cè)，從而提高機(jī)電設(shè)備安全運(yùn)行的可靠性。

1.2 構(gòu)建故障預(yù)測(cè)模型

隨著自動(dòng)化和智能化等新技術(shù)的興起，各個(gè)行業(yè)都非常注重對(duì)數(shù)據(jù)的積累和應(yīng)用，但是這些行業(yè)對(duì)數(shù)據(jù)的應(yīng)用還不夠深入[3]。以電力系統(tǒng)為例，變電所設(shè)備的穩(wěn)定性直接影響了電力系統(tǒng)的安全運(yùn)行，下面構(gòu)建出變電所設(shè)備系統(tǒng)基于大數(shù)據(jù)的故障預(yù)測(cè)模型及機(jī)器深度學(xué)習(xí)架構(gòu)的預(yù)測(cè)架構(gòu)，如圖1所示。

1.2.1 基于數(shù)據(jù)驅(qū)動(dòng)的模型構(gòu)建

采集變電所設(shè)備系統(tǒng)3個(gè)月的歷史數(shù)據(jù)，并對(duì)該數(shù)據(jù)進(jìn)行挖掘和分析，分析各變量的相關(guān)性，尋找相關(guān)變化趨勢(shì)和規(guī)律；形成變電所設(shè)備系統(tǒng)的建立信息模型（Building Information Modeling，BIM），把設(shè)備模型的信息以及建模時(shí)輸入的商品信息抽取寫入數(shù)據(jù)庫(kù)，組成變電所設(shè)備系統(tǒng)的大數(shù)據(jù)源。通過(guò)機(jī)器深度學(xué)習(xí)對(duì)變電所設(shè)備系統(tǒng)的大數(shù)據(jù)源進(jìn)行建模，構(gòu)建系統(tǒng)模型，反映各個(gè)系統(tǒng)參數(shù)間的關(guān)系，并輸出預(yù)測(cè)狀態(tài)信息。

圖1 基于大數(shù)據(jù)的機(jī)電設(shè)備系統(tǒng)故障預(yù)測(cè)模型及機(jī)器學(xué)習(xí)預(yù)測(cè)架構(gòu)

1.2.2 數(shù)據(jù)處理

在變電所設(shè)備系統(tǒng)的運(yùn)行過(guò)程中，存在許多數(shù)據(jù)處理的問(wèn)題，例如遺漏值、離群值以及雜訊等問(wèn)題；此時(shí)，數(shù)據(jù)為無(wú)效數(shù)據(jù)，如果不對(duì)數(shù)據(jù)進(jìn)行處理，直接將無(wú)效數(shù)據(jù)放入模型，就會(huì)產(chǎn)生不準(zhǔn)確的結(jié)果。因此，首先需要對(duì)數(shù)據(jù)進(jìn)行預(yù)處理；其次，對(duì)大數(shù)據(jù)源進(jìn)行SVR模型適配，并通過(guò)該資料進(jìn)行模型訓(xùn)練（Training）；最后，獲得最適合的模型。

1.2.3 預(yù)測(cè)分析

在預(yù)測(cè)模型中，運(yùn)用支持向量回歸（SVR）對(duì)數(shù)據(jù)做出預(yù)測(cè)，給定1組訓(xùn)練數(shù)據(jù)，訓(xùn)練樣本D={（x1，y1）……（xi，yi）}，yi∈R，其中x為輸入值代表的數(shù)據(jù)類型的屬性，y為屬性的對(duì)應(yīng)值。代表方程式為f（x）=w×x+b，f（x）為預(yù)測(cè)值，w、b為待確定的參數(shù)，學(xué)習(xí)到1個(gè)f（x）使其與y盡可能地接近，當(dāng)每個(gè)f（xi）和yi的差值都很小時(shí)，就可以準(zhǔn)確地預(yù)測(cè)y，因此需要找出最合適的w，并且還需要解出該w的值，可以將其視為求解凸函數(shù)最佳化問(wèn)題，如公式（1）所示。

式中：ε為預(yù)測(cè)的值與實(shí)際值的差距，ε＞0。

如果在ε合理的情況下能解出公式（1）的值，就稱其為可行性預(yù)測(cè)。然而，在大多狀況下，數(shù)據(jù)信息都會(huì)受到雜訊、離群值和誤差等各種因素的影響，導(dǎo)致沒有可行性預(yù)測(cè)，因此該文應(yīng)用損失函數(shù)和懲罰系數(shù)來(lái)解決該問(wèn)題，如公式（2）所示。

式中：C為正則化常數(shù)；ξi為松弛變量。

因?yàn)棣蝘始終大于等于該點(diǎn)的預(yù)測(cè)誤差絕對(duì)值減去ε，所以s.t.約束條件的意義就是讓所有的點(diǎn)（xi，yi）都滿足敏感度損失函數(shù)，也就是讓?duì)蝘可以代替點(diǎn)（xi，yi）的損失。懲罰系數(shù)用于解決雜訊或離群值所產(chǎn)生的問(wèn)題，還可以用來(lái)判斷訓(xùn)練模型 （Training Model） 是否有過(guò)度或不適資料，并用C來(lái)表示。每一組訓(xùn)練資料都有其對(duì)應(yīng)的ξi及ξi*，用來(lái)決定該組訓(xùn)練資料是否會(huì)落在ε的范圍之外。

當(dāng)機(jī)器學(xué)習(xí)時(shí)，對(duì)學(xué)習(xí)結(jié)果影響大的因素包括懲罰系數(shù)和模型內(nèi)部參數(shù)等[1]，可以通過(guò)試誤法找到錯(cuò)誤率最低的組合，即最佳參數(shù)組合，該參數(shù)就是最適模型的參數(shù)。

1.3 診斷分析方法

建立變電所設(shè)備系統(tǒng)運(yùn)行的故障診斷知識(shí)庫(kù)，包括基于大數(shù)據(jù)在線故障診斷分析數(shù)據(jù)和基于人工運(yùn)維的經(jīng)驗(yàn)數(shù)據(jù)。故障診斷知識(shí)庫(kù)分析方法的流程，如圖2所示。

1.3.1 診斷模型

以大數(shù)據(jù)源為基礎(chǔ)，選擇并計(jì)算特征參數(shù)，保證初始模型數(shù)據(jù)的準(zhǔn)確性。構(gòu)造基于融合信息的特征信息選取算法，計(jì)算出待選特征和已知征兆間的相關(guān)性，通過(guò)故障規(guī)則表，建立改進(jìn)型故障診斷模型，并將低緯度故障數(shù)據(jù)映射到高維特征空間，從而提高模型的精度。

1.3.2 知識(shí)庫(kù)

建立基于大數(shù)據(jù)的在線故障診斷知識(shí)庫(kù)。智能化網(wǎng)關(guān)采集現(xiàn)場(chǎng)設(shè)備并將其寫入數(shù)據(jù)庫(kù)，當(dāng)有設(shè)備發(fā)生故障時(shí)，就生成故障信息單并保存在數(shù)據(jù)庫(kù)中，其中，故障設(shè)備的型號(hào)、狀態(tài)詳情（例如設(shè)備的電流電壓信息）等關(guān)鍵信息會(huì)作為故障原因知識(shí)庫(kù)的輸入信息，查詢（預(yù)測(cè)）并推薦最有可能的幾種故障原因，默認(rèn)選擇可能性最大的故障原因。

建立基于線下運(yùn)維的故障診斷知識(shí)庫(kù)。人員對(duì)設(shè)備進(jìn)行日常巡檢，如果設(shè)備狀態(tài)正常，工作人員就掃碼填寫巡檢單（保存在數(shù)據(jù)庫(kù)中，包括巡檢人員、巡檢站點(diǎn)、巡檢設(shè)備和巡檢時(shí)間等）。如果設(shè)備出現(xiàn)異常狀況，工作人員就手動(dòng)填寫故障信息單，其中，故障原因可以是現(xiàn)有知識(shí)庫(kù)根據(jù)填寫的相關(guān)數(shù)據(jù)調(diào)用故障原因進(jìn)行默認(rèn)選擇，也可以是巡檢人員進(jìn)行人工判斷；故障處理結(jié)束后，拍攝現(xiàn)場(chǎng)處理圖片，填寫任務(wù)詳情單（保存在數(shù)據(jù)庫(kù)中，包括處理人、通知人、任務(wù)內(nèi)容、現(xiàn)場(chǎng)處理過(guò)程的圖片文字標(biāo)注、任務(wù)完成狀況以及故障原因等信息），根據(jù)現(xiàn)場(chǎng)故障的處理狀況確認(rèn)故障原因，填寫完成并上傳寫入知識(shí)庫(kù)。

圖2 故障診斷知識(shí)庫(kù)分析方法流程

2 應(yīng)用驗(yàn)證結(jié)果

圖3 知識(shí)庫(kù)診斷分析結(jié)果

該文采用BIM（3D）建模技術(shù)，構(gòu)建了隧道變電所BIM模型，該模型的數(shù)據(jù)庫(kù)包括設(shè)備的運(yùn)行環(huán)境數(shù)據(jù)、固有屬性數(shù)據(jù)以及商品信息數(shù)據(jù)；并在該模型的基礎(chǔ)上，結(jié)合物聯(lián)網(wǎng)數(shù)據(jù)遠(yuǎn)程采集、傳輸和處理技術(shù)，實(shí)現(xiàn)了對(duì)隧道變電所設(shè)備的實(shí)時(shí)監(jiān)測(cè)，最終儲(chǔ)存機(jī)電設(shè)備的運(yùn)行狀態(tài)數(shù)據(jù)。該文還融合多種大數(shù)據(jù)源構(gòu)建故障預(yù)測(cè)模型，通過(guò)機(jī)器深度學(xué)習(xí)對(duì)該模型進(jìn)行預(yù)測(cè)分析，基于知識(shí)庫(kù)故障診斷分析，獲得診斷原因（如圖3所示），設(shè)備運(yùn)行的預(yù)測(cè)診斷映射出該系統(tǒng)的運(yùn)行狀態(tài)及趨勢(shì)，便于評(píng)估機(jī)電設(shè)備系統(tǒng)的穩(wěn)定度，并形成評(píng)估報(bào)告反饋給管理人員，從而實(shí)現(xiàn)系統(tǒng)部件更換或結(jié)構(gòu)調(diào)整，提升機(jī)電系統(tǒng)的穩(wěn)定度，并及時(shí)有效地解決安全隱患，進(jìn)而節(jié)約設(shè)備的維護(hù)成本。

3 結(jié)語(yǔ)

機(jī)電設(shè)備系統(tǒng)運(yùn)行的維護(hù)管理對(duì)智能化故障預(yù)測(cè)及診斷服務(wù)的要求日益增加，事前預(yù)測(cè)和診斷可以保證機(jī)電設(shè)備系統(tǒng)的正常運(yùn)行，降低設(shè)備故障對(duì)生產(chǎn)、生活帶來(lái)的負(fù)面影響。該文重點(diǎn)介紹了對(duì)基于大數(shù)據(jù)分析的機(jī)電設(shè)備運(yùn)行故障預(yù)測(cè)及診斷分析方法的研究，融合大數(shù)據(jù)源對(duì)多維數(shù)據(jù)進(jìn)行交互，建立故障預(yù)測(cè)模型；再基于知識(shí)庫(kù)診斷分析，完成設(shè)備健康預(yù)測(cè)及故障原因診斷，有效降低了設(shè)備的維修成本，提升了人員對(duì)設(shè)備的處置能力。