vlambda博客
学习文章列表

【深度】大数据结构化与数据驱动的复杂系统维修决策



CAA


智慧起航,共创未来


    ·

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。

【深度】大数据结构化与数据驱动的复杂系统维修决策

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。 

【深度】大数据结构化与数据驱动的复杂系统维修决策

图2  大型通信系统


【深度】大数据结构化与数据驱动的复杂系统维修决策

图3  复杂制造系统


【深度】大数据结构化与数据驱动的复杂系统维修决策

图4  智能制造系统


【深度】大数据结构化与数据驱动的复杂系统维修决策

图5  复杂化工系统


【深度】大数据结构化与数据驱动的复杂系统维修决策

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



【深度】大数据结构化与数据驱动的复杂系统维修决策

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: [email protected].


【深度】大数据结构化与数据驱动的复杂系统维修决策

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: [email protected]


【深度】大数据结构化与数据驱动的复杂系统维修决策

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: [email protected] 


【深度】大数据结构化与数据驱动的复杂系统维修决策

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: [email protected]

来源:AAS自动化学报

【深度】大数据结构化与数据驱动的复杂系统维修决策

      
        
        
      
         
           
           
         





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:[email protected]







更多精彩


名称:CAA OFFICIAL

【深度】大数据结构化与数据驱动的复杂系统维修决策

名称:CAA会员服务 

【深度】大数据结构化与数据驱动的复杂系统维修决策

【深度】大数据结构化与数据驱动的复杂系统维修决策


点击“阅读原文”查看论文原文