大型装备全生命周期健康管理方法及系统与流程

本发明涉及大型装备健康维护，尤其是涉及大型装备全生命周期健康管理方法及系统。

背景技术：

1、在全球化贸易和物流日益繁荣的今天，港口作为国际物流链的重要节点，其运营效率和装备可靠性对全球贸易流通具有至关重要的影响。大型装备作为港口运营的核心资产，其运行效率和健康状况直接关系到港口的整体运营效率和安全性。然而，传统的港口大型装备管理方式面临着诸多挑战。

2、首先，传统的对港口大型装备进行巡检方式依赖于人工操作，不仅效率低下，而且存在人为因素带来的误差和疏漏。此外，人工巡检往往难以捕捉到装备运行的细微变化，无法及时发现潜在问题，从而增加了装备故障和停机的风险。其次，传统的装备维护方式通常是事后维修，即装备出现故障后才进行修复。这种装备维护方式不仅增加了维修成本，而且会对港口的正常运营造成严重影响。如果能够提前预测装备的健康状况，实现预防性维护或预测性维护，将能够大大降低装备故障率，提高港口的运营效率。

3、随着科技的不断发展，物联网、大数据、机器学习等先进技术为港口大型装备的健康管理提供了新的思路和方法。基于物联网技术可以通过在装备上安装传感器来实时采集装备的运行状态和机械指标数据，为装备健康管理提供数据支持；基于大数据技术可以对这些海量数据进行分析和挖掘，发现装备运行中的异常和潜在问题；基于机器学习技术则可以根据历史数据预测装备的未来状态，为预防性维护提供决策支持。

4、此外，远程协作技术的发展也为港口大型装备的健康管理带来了十分巨大的影响。通过远程协作系统，专家可以远程查看装备的实时状态，与现场操作人员实时沟通，指导维修工作。这不仅提高了维修效率，而且降低了维修成本。

5、然而，目前尚缺乏一种能够全面集成传感器监测、机器学习、大数据分析和远程协作技术，实现对大型装备全生命周期健康管理的系统。因此，开发一种能够实时监测装备状态、预测健康状况、实现预防性维护、提高维修效率和准确性的大型装备全生命周期健康管理方法及系统，具有重要的现实意义和应用价值。

技术实现思路

1、针对现有技术中的缺陷，本发明提供大型装备全生命周期健康管理方法及系统。

2、为了实现上述目的，第一方面，本发明提供了大型装备全生命周期健康管理方法，所述方法包括如下步骤：实时采集大型装备各项机械指标的机械指标数据；基于所述机械指标数据，使用故障预测模型预测大型装备的故障类型；根据所述故障类型，从维修专家知识库中查询与所述故障类型相匹配的维修方案；使用ar点巡检技术和ar远程协作技术获取专家指导，进而结合所述维修方案对大型装备进行健康管理。本发明能够实时监测大型装备状态、预测大型装备健康状况、实现对大型装备的预防性维护、提高对大型装备的维修效率和准确性。

3、可选地，所述机械指标包括装备压力、装备温度、装备振动、装备噪声、装备载重、电机转速和装备运行时间。

4、进一步的，通过实时采集多种机械指标的数据可以实时了解装备的运行状态，提高对装备故障预测的准确性。

5、可选地，基于装备厂家的故障处理建议、告警处理建议和运维专家经验，将大型装备故障类型和维修方案进行表单编排，形成所述维修专家知识库。

6、进一步的，通过构建维修专家知识库，进而基于实时的故障预测结果实现自动匹配维修策略，降低装备维护人员对于维修经验的依耐性，实现对装备的预防性维护。

7、可选地，大型装备的所述故障类型包括故障发生点位和故障等级；

8、所述基于所述机械指标数据，使用故障预测模型预测大型装备的故障类型包括如下步骤：

9、对所述机械指标数据进行预处理，得到备用机械指标数据；

10、构建用于预测大型装备的故障类型的故障预测模型；

11、根据所述备用机械指标数据，使用故障预测模型预测大型装备的所述故障类型。

12、进一步的，使用多种实时采集机械指标数据来进行故障预测，有利于在装备发生故障前进行预防性维护，降低装备发生故障的风险，保障装备的正常运行。

13、可选地，所述构建用于预测大型装备的故障类型的故障预测模型包括如下步骤：

14、使用大型装备的历史故障类型和历史机械指标数据构建模型训练验证数据集；

15、对麻雀搜索算法的发现者位置、追随者位置和警戒者位置进行更新，得到改进的麻雀搜索算法；

16、利用改进的麻雀搜索算法对支持向量机的超参数进行寻优，进而基于所述模型训练验证数据集建立所述故障预测模型。

17、进一步的，改进麻雀搜索算法以提升算法性能，并利用改进的麻雀搜索算法对支持向量机的超参数进行寻优，以提升支持向量机的分类性能，提高对故障预测的准确性，进而提高对装备的维修效率和准确性。

18、可选地，所述改进的麻雀搜索算法中，发现者位置满足如下关系：

19、

20、其中，为第t+1次迭代时第i个发现者在第j维的位置，为第t次迭代时第i个麻雀在第j维的位置，为探索范围的上限，为探索范围的下限，为收敛因子且，为0到1之间的均匀随机数，为服从正态分布的随机数，为1×d的矩阵，内每个元素均为1，d为变量的数量，为预警值，为安全值，t为最大迭代次数。

21、进一步的，通过改变收敛因子的数值，使得在迭代前期，算法需要进行大范围的全局搜索，而在后期则需要在有希望的区域内进行精确搜索，进而避免了算法向最优位置跳跃，提升了算法的搜索能力。

22、可选地，所述改进的麻雀搜索算法中，追随者位置满足如下关系：

23、

24、其中，为第t+1次迭代时麻雀种群中第i个追随者在第j维的位置，为服从正态分布的随机数，为第t次迭代时麻雀种群的最差位置，为第t次迭代时第i个麻雀在第j维的位置，为第t+1次迭代时麻雀种群中发现者的最优位置，为服从参数为的levy分布，为步长调节系数，t为最大迭代次数。

25、进一步的，在追随者位置更新公式中引入莱维飞行策略，同时通过引入收敛因子使得在算法迭代初期进行步幅较大的搜索以提高搜索速度，而在迭代后期进行步幅较小的搜索以提高搜索精度。

26、可选地，所述改进的麻雀搜索算法中，警戒者位置满足如下关系：

27、

28、其中，为第t+1次迭代时麻雀种群中第i个警戒者在第j维的位置，为第t次迭代时麻雀在第j维的全局最优位置，为第t次迭代时麻雀在第j维的全局最差位置，为第i个麻雀个体在当前的适应度，为全局最优适应度，为全局最差适应度，r为随机因子，为常数且，为关于迭代次数的函数，，t为最大迭代次数。

29、进一步的，通过对警戒者位置的更新公式进行改进，减少算法在搜索过程陷入局部最优的概率，进而提升算法的搜索性能。

30、可选地，所述使用ar点巡检技术完成对大型装备的巡检任务，并通过ar远程协作技术获取专家指导，进而结合所述维修方案对大型装备进行健康管理包括如下步骤：

31、依据所述故障类型确定对大型装备的巡检任务，进而使用ar点巡检技术执行所述巡检任务；

32、根据实时的巡检结果，使用ar远程协作技术获取所述专家指导，进而结合所述维修方案对大型装备进行健康管理。

33、进一步的，使用ar点巡检技术执行巡检任务可以简化巡检过程，快速定位巡检点，提升巡检的规范性和效率，进一步使用ar远程协作技术实现与专家的远程互动，获取专家意见，并结合已有的维修方案来实现对装备的维护，进而提升了维修的准确性和有效性。

34、第二方面，本发明还提供了大型装备全生命周期健康管理系统，所述系统使用本发明提供的大型装备全生命周期健康管理方法，所述大型装备全生命周期健康管理系统包括：故障管理子系统，所述故障管理子系统包括数据采集装备和数据处理模块；所述数据采集装备用于实时采集大型装备各项机械指标的机械指标数据；所述数据处理模块用于基于所述机械指标数据，使用故障预测模型预测大型装备的故障类型；根据所述故障类型，从维修专家知识库中查询与所述故障类型相匹配的维修方案；ar综合协作与巡检子系统，所述ar综合协作与巡检子系统基于ar点巡检技术和ar远程协作技术建成，技术人员使用ar点巡检技术和ar远程协作技术获取专家指导，进而结合所述维修方案对大型装备进行健康管理；数据储存设备，所述数据储存设备用于储存故障管理子系统和ar综合协作与巡检子系统采集和产生的数据；用户端，所述用户端用于查询数据储存设备中储存的数据。

35、本发明提供的系统使用本发明提供的方法，其不仅能够实时监测大型装备状态、预测大型装备健康状况、实现对大型装备的预防性维护、提高对大型装备的维修效率和准确性，还具有运行稳定，数据处理速度快的优点，能够提高对大型装备全生命周期健康管理的效率。