深度大数据结构化与数据驱动的复杂系统维修决策
Posted 中国自动化学会
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了深度大数据结构化与数据驱动的复杂系统维修决策相关的知识,希望对你有一定的参考价值。
大数据结构化与数据驱动的复杂系统维修决策是指:针对现代大型复杂机电系统的组成和运行的复杂性情况,在规定安全可靠性要求条件下,通过系统建模、数据处理、计算方法等手段得到系列数据,依据数据驱动并确定维修维护方法、快速恢复系统功能、保障系统正常运行工作或服务的决策能力。
韩中, 程林, 熊金泉, 刘满君. 大数据结构化与数据驱动的复杂系统维修决策. 自动化学报, 2020, 46(2): 385-396.
大数据是大型复杂机电系统研究领域的一个重要发展方向。目前,大多数复杂机电系统都采用了分布式集散系统DCS的方式,对系统关键环节和部件进行了数据采集和监控。然而,随着这类复杂系统的不断发展,特别是企业安全稳定运行的需求,现有的维护方法已经无法满足新的任务要求。例如:
1)系统规模化:分布地域广泛、体积大、运行环境复杂;
2)产品高品质:用户的安全性、及时性与可靠性要求高;
3)高度集成化:组成多模块、覆盖多领域、融合多学科。
……
面对这些任务,常规维护难以满足实时性和安全性要求,因此亟需提升大型复杂机电系统的安全自主运行能力,这是支撑大型系统维护的预估和定位技术。
图1 大型系统事故现象
要实现安全平稳运行,系统必须具备快速恢复运行的能力。维修维护是系统恢复到安全状态、正常运行的重要因素,如果系统不能得到及时有效的维护,其可靠性水平会急剧下降,进而导致系统的故障发生。由于大系统的特性,其故障造成后果大多是损失惨重,事故案例屡见不鲜,这些事故不仅仅给经营单位带来了严重的经济损失,而且可能造成人员伤亡、环境破坏等社会问题、环境破坏问题。复杂机电系统分布地域广泛,很多时候都处在非常规状态下工作,系统单元众多,相互之间存在着千丝万缕的级联关系,一个很小异常或状态抖动都有可能给系统带来致命的伤害。此外,随着功能的多样化,系统的规模复杂度日益增加,这也大大提高了故障发生的概率。因此,必须提高复杂系统的维护方法和维护决策能力。
图2 大型通信系统
图3 复杂制造系统
图4 智能制造系统
图5 复杂化工系统
图6 电力能源系统
如何提高复杂机电系统的维护决策能力?本文主要通过大数据结构化与数据驱动的方法来实现。现有维护诊断技术的特点: 针对性强、面向系统的关键设备, 故障特征明显、周期性的卡顿等, 使用范围比较具体、大型回旋转子设备; 主要采用的是信号处理技术,像傅里叶变换、小波变换、信号拟合等处理方法; 数据来源于同一对象, 且为连续的同一类型数据; 此诊断技术涉及的学科相对比较专一。另外技术还存在: 只能对已发送故障进行诊断, 不能预测将要发现的故障,对引起故障的外部因素不能做诊断, 因其针对性强, 对于认知不足的现象, 无法诊断。因此,需要对系统维护水平和维护范围进行拓展,诊断不仅关注关键设备,也不忽略产品零件,不仅要考虑系统故障的本身的状态变化,也考虑相关设备、以及环境因素对设备造成的影响,诊断方法除传统的信号处理之外,还引入逻辑推理,智能诊断等手段。那么,基于大数据格式化与数据驱动方法优势可以归结为:
1)应用范围广泛:维护定位可以从单一设备到系统层级到单元级、甚至部件级, 注重环境因素对设备造成的影响;
2)方法技术全面:不仅能进行信号处理, 还可以进行逻辑推理、最优求解等智能技术;
3)数据来源广泛:能够和大数据技术进行紧密结合,实现多种数据的融合,数据不仅来源于某些关键设备数据,也来源于相关的动力数据、环境数据等多个源头;
4)多专业多学科:问题涉及信息科学,物流学,能源动力,材料科学等,还设计到基础的基础高等数学、概率统计学、运筹学等多专业、多学科的知识。
目前多数据科学刚刚起步,许多内容尚处在一个发展完善的过程中。鉴于此,本文结合复杂系统的固有特点,从复杂系统建模、大数据结构化、数据驱动计算方法等相关内容出发进行深入的研究,提供对复杂系统维护决策的数据支撑。最后对其研究进行了归纳总结,并对其中存在的一些问题以及未来可能的发展方向进行了深入探讨。
作者简介
韩中,博士后, 琼台师范学院信息科学工程学院副教授, 研究方向为复杂系统的可靠性安全性、故障诊断,人工智能、大数据等方向的研究。
E-mail: hanyaozhong@sina.com.
程林, 清华大学电机系常聘副教授,博士生导师,研究方向为电力系统可靠性分析、电力系统稳定性分析与控制、能源互联网规划评估分析.
E-mail: chengli@mail.tsinghua.edu.cn
熊金泉,南昌师范学院数计系教授,研究方向为计算机图形图像处理及大数据应用等方面. 本文通信作者.
E-mail: xjq8931@163.com
刘满君,清华大学电机系研究员,博士,研究方向为电力系统可靠性、连锁故障分析.
E-mail: liumanjun@mail.tsinghua.edu.cn
来源:AAS自动化学报
往期文章
联系我们
邮编:100190
010-62522472(会员)
010-62522248(学术活动)
010-62624980(财务)
传真:010-62522248
邮箱:caa@ia.ac.cn
更多精彩
名称:CAA OFFICIAL
名称:CAA会员服务
点击“阅读原文”查看论文原文
以上是关于深度大数据结构化与数据驱动的复杂系统维修决策的主要内容,如果未能解决你的问题,请参考以下文章