[00335559]基于云计算与盲源分离的设备故障预测系统研发

1 课题来源与背景：课题来源,西安市科学技术局、西安市财政局 故障预测是指根据系统过去和现在的状态,预测系统将来是否会发生故障。故障预测是利用已有的知识,采用预测推理的方法对可能发生的故障做出判断。故障预测系统先采用传感器技术获取和采集与系统属性有关的特征参数,然后将这些特征参数和有用的信息关联,借助智能算法和模型进行检测、分析、预测,并管理系统或设备的工作状态。从目前主流的技术和应用研究工作综合来看,故障预测方法总体分为三类：1)基于模型（model-driven）的故障预测技术; 2)基于数据驱动（data-driven）的故障预测技术; 3)基于统计可靠性（reliability and statistics based 或probability-based）的故障预测技术。基于模型的故障预测技术一般要求对象系统的数学模型是已知的,但是在实际工程应用中由于被测设备结构复杂,很难得到其数学模型;基于统计可靠性或者说是基于概率的故障预测方法适用于从过去故障历史数据的统计特性角度进行故障预测,但是在许多情况下,对于由很多不同的信号引发的历史故障数据或者统计数据集,很难确认何种预测模型适用于预测。在研究许多实际的故障预测问题时,建立复杂部件或者系统的数学模型是很困难的甚至是不可能的,因此,部件或者系统设计、仿真、运行和维护等各个阶段的测试、传感器历史数据就成为掌握系统性能下降的主要手段,基于测试或者传感器数据进行预测的方法称为数据驱动的故障预测技术。 现如今大型复杂工业过程的一个共同特点就是既无法完全依靠传统方法建立精准物理模型进行监控,又时刻产生大量反映系统运行状态的数据。这些数据充分地反映着系统运行的健康状态和稳定程度,如何利用这些海量的数据来满足日益提高的系统可靠性要求已经成为亟待解决的问题。基于数据的故障预测技术不需要对象系统的先验知识,以采集的数据为基础,通过各种数据分析处理方法挖掘其中的隐含信息进行预测操作,从而避免了基于模型和基于可靠性理论的故障预测技术的缺点,成为了一种较为实用的故障预测方法,也是近年来的一个热门研究领域。 2 技术原理及性能指标：（1）资源实时调度实现。研究资源的合理分配和调度策略,形成应用基础理论。建立资源调度的数学模型,然后基于粒子群优化算法得到最优的调度。 （2）混合信号盲源个数估计算法研究。采用多算法并行加权融合的方法来估计混合信号独立源的个数。 （3）研究基于数据驱动的分布式协同建模方法。用以解决复杂系统很难用物理原理来建立模型的难题。 （4）分布式协同多算法融合实时盲源分离方法研究。采用状态空间模型实现混合信号的在线盲分离,对于非线性混合信号,选用深度高斯过程状态空间模型进行建模。 （5）虚拟化技术,研究物理测试设备（嵌入式设备）虚拟化方法,用以消除物理测试设备的异构特性。 得出一套完整的工业分布式设备故障预测系统设计与实现的理论、技术和方法。可以把在地理上广泛分布的计算资源、存储资源、软件资源、传感器数据资源、测试资源、知识资源等整合成一个逻辑整体,构成一个完整的测试系统,并结合故障预测算法对分布式设备进行实时状态监测,为用户提供一体化测试和信息服务,实现设备的协同测试和资源共享。 3 技术的创造性与先进性 1)设计出一种具有独立知识产权的实时测控设备的异构分布集成的故障预测系统。本项目旨在对现场嵌入式设备硬件和数据库软件的虚拟化,把现场嵌入式系统构建成云计算系统中的一个 NC 节点后进行管理调度,通过对 Linux 实时核技术和传感器技术的集成,完成嵌入式虚拟采集设备设计实现,在测试现场实现嵌入式分布式实时采集和实时处理,同时让网络测控设备能根据具体的应用,通过发布信息实现不同级别的应用集成,最大限度地减少查询测控信息和人工收集测控信息,实现全面的智能化。 2)嵌入式系统中海量数据的存储与处理。将解决远程异构分布式测控系统的高速数据采集、存储和处理问题,还将为信息融合和数据挖掘提供支持。 3)实时资源调度测控理论。实时资源调度算法减少了任务处理时间、提高负载均衡度,实现实时资源调度。将为实际工程测控物联网系统提供一种新的设计理论和实现技术。 4)多算法分布实时协同盲源分离研究。复杂系统（如智能设备）状态变化较大,一种盲源分离算法难以满足不同测试目的要求。将建立多种算法分布协同机制,形成多算法协同融合盲源分离的知识体系,为测试信号盲源分离提供技术和算法。 4 技术的成熟程度、适用范围和安全性 该系统将在机械加工领域中具有广阔的应用前景。同样在石油工业中,由于采油井分布在不同地区,其测控系统异构互不兼容,而本项目开发的分布式设备故障预测系统可以将分布在不同设备中的计算资源进行整合,最大化的发挥嵌入式平台的计算能力。此外,本项目在石油、电力和煤炭等能源领域也将具有很好的应用前景。