一种工业旋转设备健康状态评估方法、装置及设备与流程

1.本发明涉及工业设备管理技术领域，特别是一种工业旋转设备健康状态评估方法、装置及设备。


背景技术：

2.在面向工业旋转设备（如电机、工业泵、压缩机、风机等）的状态监测和故障检测的现有技术中，通常是采用设备测量数据与固定阈值比较的方法；将反应设备现有状态的单点数据与故障临界值进行比较，超过临界值则进行报警。这种与故障临界值进行比较的方法有如下缺点：1、固定阈值报警机制无法考虑设备个体差异性、设备工况差异性等个异性差别，由于是基于故障的报警值对比机制，属于事后管理，不具备提前性；且工程实际现场的经验阈值调整具有一致性差、互换性差等缺点，难于复用和传承；2、基于固定阈值的报警机制采用单点数据进行对比，受到测量误差的影响，单点阈值的对比机制存在较大的误报和漏报问题；且单点对比的机制仅仅对比数据当前值，无法考虑数据趋势；3、本质上阈值报警机制是与设备故障状态的比较结果，多级报警也无法改变其实质，而无法评估设备相对正常运行状态的偏离；4、目前的设备状态监测通常只是针对设备结构健康相关参数，如温度、振动、叶片间隙等，缺乏对设备运行性能与结构性能的综合评估。


技术实现要素：

3.本发明要解决的技术问题是提供一种工业旋转设备健康状态评估方法、装置及设备，可以将设备状态与健康状态进行比较，评估设备性能健康度和结构健康度，综合反应设备健康状态。
4.为解决上述技术问题，本发明的技术方案如下：一种工业旋转设备健康状态评估方法，包括：获取工业旋转设备的工况参数集、目标参数集以及工业旋转设备的历史数据；根据所述工况参数集、目标参数集以及历史数据，确定具有自适应阈值的设备健康模型；获取预设时间段内工业旋转设备实时运行数据，所述实时运行数据包括工况数据和评估数据；将所述工业旋转设备实时运行数据输入所述设备健康模型与所述自适应阈值进行比较处理，计算至少一个特征，并通过所述至少一个特征得到至少一个目标参数的健康度；根据所述至少一个目标参数的健康度，得到工业旋转设备健康评估结果。
5.可选的，获取工业旋转设备的工况参数集、目标参数集以及工业旋转设备的历史
数据，包括：获取描述工业旋转设备运行工况的工况参数集和反应设备健康程度的目标参数集，以及一预设时间段内工况参数对应的至少一组工况参数历史数据和目标参数对应的至少一组目标参数历史数据。
6.可选的，根据所述工况参数集、目标参数集以及历史数据，确定具有自适应阈值的设备健康模型，包括：根据所述工况参数历史数据，对工业旋转设备进行工况划分，为目标参数历史数据生成工况标签；所述工况标签包括但不限于启动工况、停机工况、变负荷工况、停止运行工况和至少一种稳态运行工况；根据至少一种稳态运行工况下的目标参数历史数据，生成目标参数在稳态运行工况下的自适应阈值表；根据所述自适应阈值表和目标参数历史数据，得到预设时间段内至少一个目标参数的健康度；根据所述至少一个目标参数的健康度，得到设备健康模型。
7.可选的，根据至少一种稳态运行工况下的目标参数历史数据，生成目标参数在稳态运行工况下的自适应阈值表，包括：根据目标参数历史数据，通过正态分布计算至少一个目标参数在至少一个稳态运行工况下的阈值，得到自适应阈值表。
8.可选的，根据所述自适应阈值表和目标参数历史数据，得到预设时间段内至少一个目标参数的健康度，包括：获取预设时间段内目标参数历史数据中超出目标参数阈值范围的采样点数据；根据所述采样点数据，计算目标参数在该预设时间段内的至少一个特征；根据所述至少一个特征，得到预设时间段内至少一个目标参数的健康度。
9.可选的，根据所述至少一个目标参数的健康度，得到设备健康模型，包括：根据所述至少一个目标参数的健康度，聚合得到至少一个子部件的健康度；根据所述至少一个子部件的健康度，聚合得到设备性能健康度和设备机械结构健康度；根据所述设备性能健康度和设备机械结构健康度，得到设备健康模型。
10.可选的，将所述工业旋转设备实时运行数据输入所述设备健康模型与所述自适应阈值进行比较处理，计算至少一个特征，并通过所述至少一个特征得到至少一个目标参数的健康度，包括：根据所述实时运行数据中的工况数据，为评估数据标记工况标签；根据所述工况标签，查询所述自适应阈值表，得到目标参数对应的阈值；根据实时运行数据中的评估数据和目标参数对应的阈值，依据设备健康模型中预设算法，得到目标参数的至少一个特征，并根据所述至少一个特征，得到至少一个目标参数的健康度。
11.本发明还提供一种工业旋转设备健康状态评估装置，包括：训练模块，获取工业旋转设备的工况参数集、目标参数集以及工业旋转设备的历史数据；根据所述工况参数集、目标参数集以及历史数据，确定具有自适应阈值的设备健康
模型；评估模块，获取预设时间段内工业旋转设备实时运行数据，所述实时运行数据包括工况数据和评估数据；将所述工业旋转设备实时运行数据输入所述设备健康模型与所述自适应阈值进行比较处理，计算至少一个特征，并通过所述至少一个特征得到至少一个目标参数的健康度；根据所述至少一个目标参数的健康度，得到工业旋转设备健康评估结果。
12.本发明还提供一种计算设备，包括：处理器、存储有计算机程序的存储器，所述计算机程序被处理器运行时，执行如上述的方法。
13.本发明还提供一种计算机可读存储介质，存储指令，当所述指令在计算机上运行时，使得计算机执行如上述的方法。
14.本发明的上述方案至少包括以下有益效果：本发明的上述方案，通过获取工业旋转设备的工况参数集、目标参数集以及工业旋转设备的历史数据；根据所述工况参数集、目标参数集以及历史数据，确定具有自适应阈值的设备健康模型；获取预设时间段内工业旋转设备实时运行数据，所述实时运行数据包括工况数据和评估数据；将所述工业旋转设备实时运行数据输入所述设备健康模型与所述自适应阈值进行比较处理，计算至少一个特征，并通过所述至少一个特征得到至少一个目标参数的健康度；根据所述至少一个目标参数的健康度，得到工业旋转设备健康评估结果。可以将设备状态与健康状态进行比较，评估设备性能健康度和结构健康度，综合反应设备健康状态。
附图说明
15.图1是本发明实施例的工业旋转设备健康状态评估方法的流程示意图；图2是本发明实施例的工业旋转设备健康状态评估方法的总体流程图；图3是本发明实施例的工业旋转设备健康状态评估方法的工况划分示意图；图4是本发明实施例的工业旋转设备健康状态评估方法的设备健康模型聚合流程图；图5是本发明实施例的工业旋转设备健康状态评估方法的阈值确定示意图；图6是本发明实施例的工业旋转设备健康状态评估方法的参数特征示意图；图7是本发明实施例的工业旋转设备健康状态评估方法的健康评估示意图；图8是本发明实施例的工业旋转设备健康状态评估装置的结构示意图。
具体实施方式
16.下面将参照附图更详细地描述本发明的示例性实施例。虽然附图中显示了本发明的示例性实施例，然而应当理解，可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本发明，并且能够将本发明的范围完整的传达给本领域的技术人员。
17.如图1所示，本发明的实施例提出一种工业旋转设备健康状态评估方法，包括：步骤11，获取工业旋转设备的工况参数集、目标参数集以及工业旋转设备的历史数据；步骤12，根据所述工况参数集、目标参数集以及历史数据，确定具有自适应阈值的
设备健康模型；步骤13，获取预设时间段内工业旋转设备实时运行数据，所述实时运行数据包括工况数据和评估数据；步骤14，将所述工业旋转设备实时运行数据输入所述设备健康模型与所述自适应阈值进行比较处理，计算至少一个特征，并通过所述至少一个特征得到至少一个目标参数的健康度；步骤15，根据所述至少一个目标参数的健康度，得到工业旋转设备健康评估结果。
18.该实施例中，面对不同的工业旋转设备，建立不同的工况参数集和目标参数集；从数据库中获取工业旋转设备与工况参数集和目标参数集对应的历史运行数据，依据历史运行数据，训练出设备健康模型；该设备健康模型具有多个目标参数在不同工况下的健康度范围，即自适应阈值；将设备实时运行数据输入设备健康模型，通过实时数据与自适应阈值的比较和特征计算，得到目标参数的健康度，通过模型内预设算法，对不同的参数赋予不同的权重，聚合得到工业旋转设备的健康评估结果。以工业泵为例，设备健康状态评估方法流程如图2所示；依据工业泵的状态参数集和工业泵运行历史数据建立工业泵健康模型；读入工业泵实际运行参数，进行工况识别，对工业泵系统健康评估并做出预警。
19.本实施例中，将设备实时运行状态与健康状态比较，综合反应设备各个结构部件、运行性能与健康状态的偏离程度，发展趋势，更准确的反应设备的实际健康状态；解决了现有技术中单点数据与固定阈值对比带来的不具备提前性、无法考虑数据趋势的问题。
20.本发明一可选的实施例中，步骤11可以包括：步骤111，获取描述工业旋转设备运行工况的工况参数集和反应设备健康程度的目标参数集，以及一预设时间段内工况参数对应的至少一组工况参数历史数据和目标参数对应的至少一组目标参数历史数据。
21.本实施例中，所述工况参数集内参数反应设备运行工况，对不同的工业旋转设备，采集的工况参数不同；所述目标参数集用于评估设备健康状况，包括性能参数和结构参数，分别反应工业旋转设备的性能的劣化程度和机械结构的劣化程度。所述历史数据为工况参数和目标参数在一历史时间段内，每个参数在不同时刻的具体数值组成的数据集合。
22.本方法中，当工业旋转设备为电机时，电机工况参数包括电压、电流、转速、有功和无功等；目标参数集内包括反应电机性能的负荷效率、输出转矩，以及反应电机机械结构的驱动端轴承x、y、z向振动、驱动端轴承温度、非驱动端轴承x、y、z向振动、非驱动端轴承温度和绕组温度；电机在一预设时间段内的工况参数历史数据和部分目标参数历史数据如下表1所示：
23.表1
24.当工业旋转设备为工业泵时，工业泵工况参数还包括桨叶角和扬程，工业泵在不同的桨叶角和扬程下，对应不同的机械特性；以桨叶角和扬程为工况参数，进行工况划分，对应出不同桨叶角和扬程组合下的数据集；目标参数集内包括反应工业泵性能的流量和效率参数，以及反应工业泵机械结构的叶轮轴承x、y、z向振动、叶轮轴承温度、叶片间隙、电机轴承x、y、z向振动、电机轴承温度和电机绕组温度等参数；当工业旋转设备为压缩机时，工况参数主要包括转速和流量；目标参数集内包括反应压缩机性能的功率、效率和压比/出口压力，以及反应压缩机机械结构的叶轮轴承x、y、z向振动、叶轮轴承温度、叶片间隙、电机轴承x、y、z向振动、电机轴承温度和电机绕组温度。
25.本发明一可选的实施例中，步骤12可以包括：步骤121，根据所述工况参数历史数据，对工业旋转设备进行工况划分，为目标参数历史数据生成工况标签；所述工况标签包括但不限于启动工况、停机工况、变负荷工况、停止运行工况和至少一种稳态运行工况；步骤122，根据至少一种稳态运行工况下的目标参数历史数据，生成目标参数在稳态运行工况下的自适应阈值表；步骤123，根据所述自适应阈值表和目标参数历史数据，得到预设时间段内至少一个目标参数的健康度；
步骤124，根据所述至少一个目标参数的健康度，得到设备健康模型。
26.本实施例中，由于工业旋转设备在实际应用中主要工作于几个主要的工况点，因此，依据设备运行状态将设备的工况进行划分；通过聚类算法如k近邻、dbscan、混合高斯模型等，对工况参数历史数据进行分析，将设备运行状态分为启动、停机、变负荷、停止运行和稳态运行，其中稳态运行依据负荷等级不同又分为10%负荷和20%负荷等不同稳态工况；如图3所示，在通过工况参数历史数据确定某一时间段的工况后，为相应时间段目标参数历史数据标记相应的工况标签。
27.选取标记有稳态运行工况的目标参数历史数据，计算目标参数如负荷效率、输出转矩、轴承温度等在不同工况下的阈值，生成自适应阈值表；如下表2所示，其中，y1
…
yn为目标参数；
28.表2本实施例中，根据目标参数的阈值，分析目标参数历史数据特征，得到目标参数在预设时间段内的健康度；根据实际项目需求聚合不同目标参数的健康度，得到设备整体健康度分析模型；本方法中，以工业泵为例，设备健康模型流程图如图4所示。
29.本发明一可选的实施例中，步骤122可以包括：步骤1221，根据目标参数历史数据，通过正态分布计算至少一个目标参数在至少一个稳态运行工况下的阈值，得到自适应阈值表。
30.本实施例中，如图5所示，获取一段时间内第k(k=1...m)个稳态工况下目标参数yi(i=1...n)的一段历史数据，通过正态分布计算该目标参数在该工况下的自适应阈值：μ
ik
±
3σ
ik
，其中，μ为该段时间内目标参数历史数据的均值，σ为标准差；如图4所示，在一段历史数据中，根据工况参数历史数据切分出了设备运行的不同工况，根据目标参数历史数据，计算出目标参数在不同工况下的自适应阈值。
31.本发明一可选的实施例中，步骤123可以包括：步骤1231，获取预设时间段内目标参数历史数据中超出目标参数阈值范围的采样点数据；步骤1232，根据所述采样点数据，计算目标参数在该预设时间段内的至少一个特征；步骤1233，根据所述至少一个特征，得到预设时间段内至少一个目标参数的健康度。
32.本实施例中，如图6所示，计算目标参数在一段时间内的历史数据与目标参数自适应阈值的残差，提取参数特征；所述参数特征包括但不限于：异常频率特征f1=count(xi)/t，即采样窗口内，目标参数历史数据超过自适应阈值的次数，用于表征超出正常健康范围的频繁度；异常程度特征f2=max(xi)，即采样窗口内，目标参数历史数据超过自适应阈值的最大值，用于表征超出正常健康范围的程度；异常趋势特征f3=slope(xi)/t，即采样窗口内，目标参数超过自适应阈值的斜率，用于表征超出正常健康范围的发展趋势；所述采样窗口即采集的目标参数历史数据所处的一段时间，如t=1小时；对所述参数特征加权求和，分析参数的健康度；如hi=w1f1+w2f2+w3f3，其中hi目标参数在该采样窗口内的健康度，w
1、w2、
w3为参数特征f
1、f2、
f3的权重值；所述权重值根据实际业务需求确定，对相对重要的特征赋予高的权重值；根据该方法得到目标参数健康度，对于识别到的异常事件与实际业务中历史维修记录进行验证，根据实际维修记录，验证目标参数健康度是否分析准确并调整权重值。
33.本发明一可选的实施例中，步骤124可以包括：步骤1241，根据所述至少一个目标参数的健康度，聚合得到至少一个子部件的健康度；步骤1242，根据所述至少一个子部件的健康度，聚合得到设备性能健康度和设备机械结构健康度；步骤1243，根据所述设备性能健康度和设备机械结构健康度，得到设备健康模型。
34.本实施例中，基于实际业务需求和历史事件的验证，选择合适的权重值或是不同的聚合方式，分级聚合特征形成工业旋转设备的整体健康分数评价模型，输出工业旋转设备的健康评价指标体系；如目标参数健康度hi=w1f1+w2f2+w3f3，其中w
1、w2、
w3为参数特征f
1、f2、
f3的权重值，根据目标参数健康度hi聚合得到子部件健康度h'i，h'i=w'1h1+w'2h2+w'3h3，其中w'
1、
w'
2、
w'3为目标参数健康度h
1、h2、
h3的权重值，根据子部件健康度h'i聚合得到设备结构健康度h
si
和设备性能健康度h
pi
，h
si
=w
s1
h'
s1
+w
s2
h'
s2
+w
s3
h'
s3
，其中w
s1、ws2、ws3
为子部件健康度h'
s1
、h'
s2
、h'
s3
的权重值，h
pi
=w
p1
h'
p1
+w
p2
h'
p2
+w
p3
h'
p3
，其中w
p1
、w
p2
、w
p3
为子部件健康度h'
p1
、h'
p2
、h'
p3
的权重值；根据设备结构健康度和设备性能健康度通过加权求和hi=w1hs+w2h
p
或取最小值min(hs,h
p
)的方式聚合得到设备健康度，其中hs为设备结构健康度，h
p
为设备性能健康度。当设备不同时，聚合的性能参数和子部件有所不同。
35.如当工业旋转设备为电机时，电机健康度由性能健康度和结构健康度聚合得到。而性能健康度又由转矩测点健康度和电流测点健康度聚合得到；结构健康度由驱动端轴承健康度和非驱动端轴承健康度以及机座健康度聚合得到；驱动端轴承和非驱动端轴承由温度测点健康度和轴承x、y、z向振动聚合得到，机座健康度由温度测点健康度聚合得到。
36.当工业旋转设备为工业泵时，工业泵健康度由性能健康度和结构健康度聚合得到。而性能健康度由流量测点健康度和效率测点健康度聚合得到；结构健康度由轴承健康度、叶轮健康度和电机健康度聚合得到；轴承健康度和电机健康度分别由振动测点参数健康度和温度测点参数健康度聚合得到，而叶轮健康度由振动测点参数健康度和叶片间隙测点参数健康度聚合得到。
37.本方法中，权重值的确定根据实际业务需求确认，如若轴系故障比较重要，则振动目标量的权重偏大；若润滑故障比较重要，则温度的权重偏大；又如根据历史数据上的实际故障时间段，选择合适的权重、对应到业务认可的分数，即某个故障应该是多少分。当然，本方法中，除了加权平均的聚合方式，也可采用其他的聚合方式如求取下一级指标的最小值，或求取下一级指标的中位数；根据不同的应用场景，确定具体的聚合方式，得到符合不同应用场景的设备健康评价指标体系。
38.需要说明的是，本方法中，对应目标参数中的性能参数和结构参数，将设备健康度分为设备性能健康度和设备结构健度两部分，分别从设备运行性能和设备机械结构两方面对设备整体健康状况进行评估。即从“运”设备运行，和“维”设备维护两个维度，对工业旋转设备进行评价。
39.本发明一可选的实施例中，步骤14可以包括：步骤141，根据所述实时运行数据中的工况数据，为评估数据标记工况标签；步骤142，根据所述工况标签，查询所述自适应阈值表，得到目标参数对应的阈值；步骤143，根据实时运行数据中的评估数据和目标参数对应的阈值，依据设备健康模型中预设算法，得到目标参数的至少一个特征，并根据所述至少一个特征，得到至少一个目标参数的健康度。
40.本实施例中，如图7所示，以工业泵为例，在根据历史数据建立起设备健康模型后，获取工业泵的实时运行数据，所述实时运行数据即为工况参数集中工况参数对应的实时运行数据和目标参数集中目标参数的实时运行数据，也即评估数据。将实时运行数据输入设备健康模型，调用设备健康模型中工况切分预设算法对输入的工况数据进行工况识别，为该工况数据对应的采样时间下的评估数据标记工况标签，确定该时间的工业泵运行状态；根据工况标签，查询设备健康模型中的自适应阈值表，获取该工况下的至少一个目标参数的自适应阈值；根据该自适应阈值，对获取的实时运行数据中的评估数据进行残差计算，计算至少一个参数特征，通过模型中预设算法，聚合得到该目标参数在该采样时间内的健康度。本方法中，采用滑窗计算方式运行设备健康模型，确定模型计算的步长（即模型运行的频率，多长时间调用一次模型），优选15-60min;窗口大小（即模型每次运行获取的过去一段时间的数据长度），优选为1-24hour。
41.本方法中，在得到工业旋转设备在一个采样窗口的健康度后，会生成健康度分数，结合业务语义产生报警机制，并依据实际计算结果生成健康预警。预警机制可以是对整体健康分数设定的多级阈值报警，也可以是单独某个维度、子部件或某参数的健康分数的报警，还可以是一个综合报警的逻辑模型。如：例1：设备健康度《80，一级报警；设备健康度《60，二级报警；例2：结构健康度《80或性能健康度《80，进行报警；例3：min(所有振动健康度）《70且min(所有温度健康度）》90，进行振动报警；例4：min(所有温度健康度）《70且min(所有振动健康度）》90，进行温度报警；例5：min(所有性能健康度）《70且min(所有振动和温度健康度）》90，进行性能报警。
42.如图8所示，本发明的实施例还提供一种工业旋转设备健康状态评估装置80，包括：
训练模块81，获取工业旋转设备的工况参数集、目标参数集以及工业旋转设备的历史数据；根据所述工况参数集、目标参数集以及历史数据，确定具有自适应阈值的设备健康模型；评估模块82，获取预设时间段内工业旋转设备实时运行数据，所述实时运行数据包括工况数据和评估数据；将所述工业旋转设备实时运行数据输入所述设备健康模型与所述自适应阈值进行比较处理，计算至少一个特征，并通过所述至少一个特征得到至少一个目标参数的健康度；根据所述至少一个目标参数的健康度，得到工业旋转设备健康评估结果。
43.可选的，获取工业旋转设备的工况参数集、目标参数集以及工业旋转设备的历史数据，包括：获取描述工业旋转设备运行工况的工况参数集和反应设备健康程度的目标参数集，以及一预设时间段内工况参数对应的至少一组工况参数历史数据和目标参数对应的至少一组目标参数历史数据。
44.可选的，根据所述工况参数集、目标参数集以及历史数据，确定具有自适应阈值的设备健康模型，包括：根据所述工况参数历史数据，对工业旋转设备进行工况划分，为目标参数历史数据生成工况标签；所述工况标签包括但不限于启动工况、停机工况、变负荷工况、停止运行工况和至少一种稳态运行工况；根据至少一种稳态运行工况下的目标参数历史数据，生成目标参数在稳态运行工况下的自适应阈值表；根据所述自适应阈值表和目标参数历史数据，得到预设时间段内至少一个目标参数的健康度；根据所述至少一个目标参数的健康度，得到设备健康模型。
45.可选的，根据至少一种稳态运行工况下的目标参数历史数据，生成目标参数在稳态运行工况下的自适应阈值表，包括：根据目标参数历史数据，通过正态分布计算至少一个目标参数在至少一个稳态运行工况下的阈值，得到自适应阈值表。
46.可选的，根据所述自适应阈值表和目标参数历史数据，得到预设时间段内至少一个目标参数的健康度，包括：获取预设时间段内目标参数历史数据中超出目标参数阈值范围的采样点数据；根据所述采样点数据，计算目标参数在该预设时间段内的至少一个特征；根据所述至少一个特征，得到预设时间段内至少一个目标参数的健康度。
47.可选的，根据所述至少一个目标参数的健康度，得到设备健康模型，包括：根据所述至少一个目标参数的健康度，聚合得到至少一个子部件的健康度；根据所述至少一个子部件的健康度，聚合得到设备性能健康度和设备机械结构健康度；根据所述设备性能健康度和设备机械结构健康度，得到设备健康模型。
48.可选的，将所述工业旋转设备实时运行数据输入所述设备健康模型与所述自适应阈值进行比较处理，计算至少一个特征，并通过所述至少一个特征得到至少一个目标参数
的健康度，包括：根据所述实时运行数据中的工况数据，为评估数据标记工况标签；根据所述工况标签，查询所述自适应阈值表，得到目标参数对应的阈值；根据实时运行数据中的评估数据和目标参数对应的阈值，依据设备健康模型中预设算法，得到目标参数的至少一个特征，并根据所述至少一个特征，得到至少一个目标参数的健康度。
49.需要说明的是，该装置是与上述方法对应的装置，上述方法实施例中的所有实现方式均适用于该装置的实施例中，也能达到相同的技术效果。
50.本发明的实施例还提供一种计算设备，包括：处理器、存储有计算机程序的存储器，所述计算机程序被处理器运行时，执行如上述的方法。上述方法实施例中的所有实现方式均适用于该实施例中，也能达到相同的技术效果。
51.本发明的实施例还提供一种计算机可读存储介质，存储有指令，所述指令在计算机上运行时，使得计算机执行如上述的方法。上述方法实施例中的所有实现方式均适用于该实施例中，也能达到相同的技术效果。
52.本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
53.所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
54.在本发明所提供的实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
55.所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
56.另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。
57.所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、rom、ram、磁碟或者光盘等各种可以存储程序代码
的介质。
58.此外，需要指出的是，在本发明的装置和方法中，显然，各部件或各步骤是可以分解和/或重新组合的。这些分解和/或重新组合应视为本发明的等效方案。并且，执行上述系列处理的步骤可以自然地按照说明的顺序按时间顺序执行，但是并不需要一定按照时间顺序执行，某些步骤可以并行或彼此独立地执行。对本领域的普通技术人员而言，能够理解本发明的方法和装置的全部或者任何步骤或者部件，可以在任何计算装置（包括处理器、存储介质等）或者计算装置的网络中，以硬件、固件、软件或者它们的组合加以实现，这是本领域普通技术人员在阅读了本发明的说明的情况下运用他们的基本编程技能就能实现的。
59.因此，本发明的目的还可以通过在任何计算装置上运行一个程序或者一组程序来实现。所述计算装置可以是公知的通用装置。因此，本发明的目的也可以仅仅通过提供包含实现所述方法或者装置的程序代码的程序产品来实现。也就是说，这样的程序产品也构成本发明，并且存储有这样的程序产品的存储介质也构成本发明。显然，所述存储介质可以是任何公知的存储介质或者将来所开发出来的任何存储介质。还需要指出的是，在本发明的装置和方法中，显然，各部件或各步骤是可以分解和/或重新组合的。这些分解和/或重新组合应视为本发明的等效方案。并且，执行上述系列处理的步骤可以自然地按照说明的顺序按时间顺序执行，但是并不需要一定按照时间顺序执行。某些步骤可以并行或彼此独立地执行。
60.以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明所述原理的前提下，还可以作出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

技术特征：
1.一种工业旋转设备健康状态评估方法，其特征在于，包括：获取工业旋转设备的工况参数集、目标参数集以及工业旋转设备的历史数据；根据所述工况参数集、目标参数集以及历史数据，确定具有自适应阈值的设备健康模型；获取预设时间段内工业旋转设备实时运行数据，所述实时运行数据包括工况数据和评估数据；将所述工业旋转设备实时运行数据输入所述设备健康模型与所述自适应阈值进行比较处理，计算至少一个特征，并通过所述至少一个特征得到至少一个目标参数的健康度；根据所述至少一个目标参数的健康度，得到工业旋转设备健康评估结果。2.根据权利要求1所述的工业旋转设备健康状态评估方法，其特征在于，获取工业旋转设备的工况参数集、目标参数集以及工业旋转设备的历史数据，包括：获取描述工业旋转设备运行工况的工况参数集和反应设备健康程度的目标参数集，以及一预设时间段内工况参数对应的至少一组工况参数历史数据和目标参数对应的至少一组目标参数历史数据。3.根据权利要求2所述的工业旋转设备健康状态评估方法，其特征在于，根据所述工况参数集、目标参数集以及历史数据，确定具有自适应阈值的设备健康模型，包括：根据所述工况参数历史数据，对工业旋转设备进行工况划分，为目标参数历史数据生成工况标签；所述工况标签包括但不限于启动工况、停机工况、变负荷工况、停止运行工况和至少一种稳态运行工况；根据至少一种稳态运行工况下的目标参数历史数据，生成目标参数在稳态运行工况下的自适应阈值表；根据所述自适应阈值表和目标参数历史数据，得到预设时间段内至少一个目标参数的健康度；根据所述至少一个目标参数的健康度，得到设备健康模型。4.根据权利要求3所述的工业旋转设备健康状态评估方法，其特征在于，根据至少一种稳态运行工况下的目标参数历史数据，生成目标参数在稳态运行工况下的自适应阈值表，包括：根据目标参数历史数据，通过正态分布计算至少一个目标参数在至少一个稳态运行工况下的阈值，得到自适应阈值表。5.根据权利要求3所述的工业旋转设备健康状态评估方法，其特征在于，根据所述自适应阈值表和目标参数历史数据，得到预设时间段内至少一个目标参数的健康度，包括：获取预设时间段内目标参数历史数据中超出目标参数阈值范围的采样点数据；根据所述采样点数据，计算目标参数在该预设时间段内的至少一个特征；根据所述至少一个特征，得到预设时间段内至少一个目标参数的健康度。6.根据权利要求3所述的工业旋转设备健康状态评估方法，其特征在于，根据所述至少一个目标参数的健康度，得到设备健康模型，包括：根据所述至少一个目标参数的健康度，聚合得到至少一个子部件的健康度；根据所述至少一个子部件的健康度，聚合得到设备性能健康度和设备机械结构健康度；
根据所述设备性能健康度和设备机械结构健康度，得到设备健康模型。7.根据权利要求4所述的工业旋转设备健康状态评估方法，其特征在于，将所述工业旋转设备实时运行数据输入所述设备健康模型与所述自适应阈值进行比较处理，计算至少一个特征，并通过所述至少一个特征得到至少一个目标参数的健康度，包括：根据所述实时运行数据中的工况数据，为评估数据标记工况标签；根据所述工况标签，查询所述自适应阈值表，得到目标参数对应的阈值；根据实时运行数据中的评估数据和目标参数对应的阈值，依据设备健康模型中预设算法，得到目标参数的至少一个特征，并根据所述至少一个特征，得到至少一个目标参数的健康度。8.一种工业旋转设备健康状态评估装置，其特征在于，包括：训练模块，获取工业旋转设备的工况参数集、目标参数集以及工业旋转设备的历史数据；根据所述工况参数集、目标参数集以及历史数据，确定具有自适应阈值的设备健康模型；评估模块，获取预设时间段内工业旋转设备实时运行数据，所述实时运行数据包括工况数据和评估数据；将所述工业旋转设备实时运行数据输入所述设备健康模型与所述自适应阈值进行比较处理，得到至少一个目标参数的健康度；根据所述至少一个目标参数的健康度，得到工业旋转设备健康评估结果。9.一种计算设备，其特征在于，包括：处理器、存储有计算机程序的存储器，所述计算机程序被处理器运行时，执行如权利要求1至7任一项所述的方法。10.一种计算机可读存储介质，其特征在于，存储指令，当所述指令在计算机上运行时，使得计算机执行如权利要求1至7任一项所述的方法。

技术总结
本发明提供一种工业旋转设备健康状态评估方法、装置及设备，方法包括：获取工业旋转设备的工况参数集、目标参数集以及工业旋转设备的历史数据；根据所述工况参数集、目标参数集以及历史数据，确定具有自适应阈值的设备健康模型；获取预设时间段内工业旋转设备实时运行数据，实时运行数据包括工况数据和评估数据；将工业旋转设备实时运行数据输入设备健康模型与自适应阈值进行比较处理，计算至少一个特征，并通过至少一个特征得到至少一个目标参数的健康度；根据至少一个目标参数的健康度，得到工业旋转设备健康评估结果；本发明的方案可以将设备状态与健康状态进行比较，评估设备性能健康度和结构健康度，综合反应设备健康状态。态。态。


技术研发人员：李令莱 王勇 胡煜安 张硕
受保护的技术使用者：昆山工业大数据创新中心有限公司
技术研发日：2023.06.12
技术公布日：2023/7/12