MRO科研团队成果展示5

MRO科研团队研究成果展示（五）

复杂装备故障与工况数据关联分析研究

（2015年8月12日）

工况数据蕴含着设备运行过程中的各部件、各子系统的健康状态信息，是设备运行维护、设备维修、设备故障分析、产品优化升级等的重要依据。工况数据又表现出工况种类多、回传频率不一，数据量巨大、数据质量差等特点；人工记录的故障数据具有描述不规范、不准确等问题。所以对工况数据的分析遇到了很大挑战。随着移动互联网、物联网、传感器等技术的发展，使得信息技术应用范围更为广泛。近年来已形成潮流的大数据，也使得传统的分析方法难以有效应对。

本文提出了一种面向复杂装备的重大品质问题分析方法，旨在定量计算给定类型故障与工况的关联程度并发掘与给定类型故障显著相关的工况。并通过实验分析，表明本文所提出的故障与工况关联分析方法的有效性。

本项目重点做了以下工作：

（1）通过对工况数据分段、工况切片内工况特征提取、所有切片中工况特征建模，挖掘出在实际运行环境（非实验环境）下的工况基准模型。基于基准模型，对每次开工切片内工况特征进行了异常度度量。

（2）建立故障与工况关联模型。通过聚集同类型故障的故障实例，定位出故障潜伏期的数据，并通过故障潜伏期内故障的异常表现程度，建立故障与工况的关联模型。该模型能够定量的度量给定类型故障与工况的关联程度的大小。

（3）通过大数据技术的进行计算、建立工况特征指标体系。该指标体系是对海量工况数据的有效概括，减少分析计算时对计算资源的需求。

（4）故障与工况关联分析系统的实现和实验结果分析。结合企业特点和本文提供的分析方法，设计和实现了复杂装备故障工况关联分析系统。通过企业真实工况数据、故障服务维修数据，以臂架液压系统故障为例，进行了实验并进行了结果分析和评估，表明了方法的有效性。此外，还就当前方法的局限性进行了讨论。

本文的研究方法，结合故障数据和海量工况数据进行分析，能在一定程度上帮助相关人员分析重大品质问题，同时也是工业大数据分析的一次很好的尝试和探索。

（本文摘编自同题目硕士生毕业论文 / 作者 龚玉斌 / 导师 王建民教授 / 编辑 严进军 ）