基于故障预测的设备控制方法、设备与流程

本发明涉及设备控制的，尤其涉及一种基于故障预测可以将设备控制在相对较低故障或可稳定时间更长的设备控制方法。

背景技术：

1、设备运行的稳定性是设备良好质量的一个重要指标。

2、现有技术中很多为了避免后续设备因故障突然停机而影响设备运行的稳定性，给出了各种各样设备故障的预测方法，但是这些现有技术仅有预测，而没有进一步的改善措施，实际上，设备的零部件在使用过程中会老化，当设备已经有了较高的故障概率，不及时采取措施，可能会导致设备无法满足用户的需求，或者是产生较大的能耗。

3、以空调为例，空调是稳定性要求很高的产品，一旦空调无法稳定运行，对于人们工作和学习的室内温度就会产生较大的影响。现有技术中为了确保空调运行的稳定性，也研发了各种各样的技术方案。

4、例如，cn116163914a的现有技术公开了一种空调器压缩机预警方案，该方案具体包括以下步骤。

5、步骤s101：获取空调工况信号。空调工况信号可以包括：压缩机脚垫主动端的加速度信号a5(t)和被动端的加速度信号、a6(t)。

6、步骤s102：对所述压缩机脚垫主动端的加速度信号和被动端的加速度信号分别进行傅里叶变换。

7、步骤s103：基于傅里叶变换后的所述压缩机脚垫主动端的加速度信号和被动端的加速度信号，获取所述压缩机脚垫的实际振动衰减量；

8、步骤s104：获取仿真模型基于所述压缩机脚垫主动端和被动端的加速度检测点输出的仿真振动衰减量。

9、步骤s105：将所述实际振动衰减量与所述仿真振动衰减量进行对比，计算得到所述实际振动衰减量与所述仿真振动衰减量的误差率。

10、步骤s106：当所述误差率在预设误差范围内，且所述实际振动衰减量低于预设衰减阈值时，基于所述压缩机脚垫主动端的加速度信号和被动端的加速度信号计算出所述压缩机脚垫收到的外界负荷谱。

11、步骤s107：采用预设疲劳分析模型基于所述外界负荷谱，对所述压缩机脚垫进行风险性分析，并输出分析结果。

12、该现有技术虽然针对空调的某个振动数据分析了空调某个部件故障的风险性，但是并没有给出进一步的解决措施，但是机组在运行过程中难免老化，导致机组最大负荷及最佳运行状态下降。当系统中某机组出现故障，导致输出功率下降，在更换或维修故障机组前，无法及时满足用户需求。即使提升了其他机组运行频率，也可能因为机组当前负荷超出实际最大负荷而降低机组寿命，或者机组运行能效并非最佳，导致能量浪费。

13、因而，如何提供一种可以应用故障数据，对设备进行及时调整，使得设备既可以满足当下的使用需求，又可以延长稳定运行时间是待解决的技术问题。

技术实现思路

1、本发明为了解决现有技术中对于故障数据缺乏进一步应用来确保设备稳定性的技术问题，提出了基于故障预测的设备控制方法、设备。

2、本发明提出的基于故障预测的设备控制方法，包括：

3、预测设备的故障概率；

4、若当前设备的故障概率位于[安全阈值,危险阈值]的区间范围内时，计算设备各零部件在当前配置下的平均故障前时间；

5、选出平均故障前时间中的最小值mttf1，并与此时的各零部件的配置一起记录；

6、分别调节各零部件的配置，当设备的运行状态好转或维持时，记录此时各零部件的配置以及对应的平均故障前时间的最小值，直至调节到当前设备的故障概率小于安全阈值；

7、从所记录的平均故障前时间的最小值中选出最大值，并将设备的各零部件的配置调节为该最大值对应的各零部件的配置。

8、进一步，所述零部件的平均故障前时间由所述零部件的可靠性的概率密度函数得到。

9、进一步，所述零部件的可靠性的概率密度函数通过零部件出厂时的可靠度数据曲线获得。

10、进一步，所述零部件的可靠性的概率密度函数通过公式计算得到，r(t)为可靠度数据曲线的函数，t为零部件的工作时间。

11、进一步，所述平均故障前时间通过公式计算得到。

12、进一步，预测设备的故障概率包括：

13、获取设备的各零部件的振动数据和/或温度上升变化数据；

14、将振动数据和/或温度上升数据分别绘制成振动曲线和温升速率曲线；

15、基于振动曲线和/或温升速率曲线的变化趋势，对设备的故障概率进行预测。

16、进一步，所述设备的运行状态好转或维持包括：

17、调节后的输出功率满足用户需求、故障概率小于等于危险阈值、所有零部件中平均故障前时间的最小值大于等于mttf1。

18、进一步，所述设备的运行状态好转或维持包括：

19、调节后的输出功率满足用户需求、故障概率小于等于安全阈值、所有零部件中平均故障前时间的最小值大于等于mttf1。

20、本发明提出的设备，包括零部件以及控制各零部件的控制模块，所述控制模块采用上述技术方案所述的基于故障预测的设备控制方法对各零部件进行控制。

21、进一步，所述设备包括空调。

22、本发明基于设备故障概率的预测，以及零部件的平均故障前时间的计算，通过寻优算法找到能够让设备稳定运行最长时间的配置，并进行动态更新，以确保设备运行的稳定性。

技术特征：

1.一种基于故障预测的设备控制方法，其特征在于，包括：

2.如权利要求1所述的基于故障预测的设备控制方法，其特征在于，所述零部件的平均故障前时间由所述零部件的可靠性的概率密度函数得到。

3.如权利要求2所述的基于故障预测的设备控制方法，其特征在于，所述零部件的可靠性的概率密度函数通过零部件出厂时的可靠度数据曲线获得。

4.如权利要求3所述的基于故障预测的设备控制方法，其特征在于，所述零部件的可靠性的概率密度函数通过公式计算得到，r(t)为可靠度数据曲线的函数，t为零部件的工作时间。

5.如权利要求4所述的基于故障预测的设备控制方法，其特征在于，所述平均故障前时间通过公式计算得到。

6.如权利要求1所述的基于故障预测的设备控制方法，其特征在于，预测设备的故障概率包括：

7.如权利要求1所述的基于故障预测的设备控制方法，其特征在于，所述设备的运行状态好转或维持包括：

8.如权利要求1所述的基于故障预测的设备控制方法，其特征在于，所述设备的运行状态好转或维持包括：

9.一种设备，包括零部件以及控制各零部件的控制模块，其特征在于，所述控制模块采用如权利要求1至8任意一项所述的基于故障预测的设备控制方法对各零部件进行控制。

10.如权利要求9所述的设备，其特征在于，所述设备包括空调。

技术总结
本发明提出了基于故障预测的设备控制方法、设备。其中基于故障预测的设备控制方法，包括：预测设备的故障概率；若当前设备的故障概率位于[安全阈值,危险阈值]的区间范围内时，计算设备各零部件在当前配置下的平均故障前时间；选出平均故障前时间中的最小值MTTF1，并与此时的各零部件的配置一起记录；分别调节各零部件的配置，当设备的运行状态好转或维持时，记录此时各零部件的配置以及对应的平均故障前时间的最小值，直至调节到当前设备的故障概率小于安全阈值；从所记录的平均故障前时间的最小值中选出最大值，并将设备的各零部件的配置调节为该最大值对应的各零部件的配置。本发明可以确保设备运行的稳定性。

技术研发人员：金诗栋,关富文,赵越,陶泽宇,王梁梁
受保护的技术使用者：珠海格力电器股份有限公司
技术研发日：
技术公布日：2024/11/21