申请/专利权人：淮北矿业股份有限公司

申请日：2023-11-20

公开（公告）日：2024-04-09

公开（公告）号：CN117853084A

主分类号：G06Q10/20

分类号：G06Q10/20;G06F18/2321;G06F18/241;G06N3/0442;G06N5/025;G01D21/02;H04L41/0677;H04L41/16;H04L67/025

优先权：

专利状态码：在审-公开

法律状态：2024.04.09#公开

摘要：本发明提供了基于AI和机理融合的主提升系统远程故障诊断方法，包括有以下步骤：S1、对主井提升机设备机械异常和故障进行设备劣化预警；S2、对主井提升机设备的机械异常和故障进行诊断；本发明通过AI和机理算法对主提升机的多维度智能感知数据和控制系统内的大量多维度数据进行远程融合诊断，深入挖掘数据本身的价值，提高数据利用率和对存量数据分析的深度，能够在主井提升机设备运行故障发生的早期阶段就捕捉到异常并及时给予预警信息，打造主要设备预测性维护和精密诊断能力，保障主要设备运行始终处于可控、在控的状态，变定期维护为按需维护；消除信息孤岛，消除各类设备运行、检修、维护信息孤岛。

主权项：1.基于AI和机理融合的主提升系统远程故障诊断方法，其特征在于，包括有以下步骤：S1、对主井提升机设备机械异常和故障进行设备劣化预警；S101、通过建立表征主提升机功能特征的机械模型和反映设备性能指标的效能模型，应用设备正常运行工况的历史数据，利用AI和机理融合及数据相关性分析技术，挖掘设备内在的运行规律和各参数间的关联度，建立预警诊断判据，对设备进行劣化预警，及时发现设备异常状态；S102、通过构建设备劣化预警模型和AI深度学习模型，以预警诊断判据作为监测指标，对实时采集的设备数据进行模型劣化算法训练，实现对设备潜在故障的智能预警；S2、对主井提升机设备的机械异常和故障进行诊断；S201、首先需要结合专家知识和现场试验，研究主井提升机设备的机械异常和故障的先验标注方法和人机耦合样本标注技术；S202、采用低资源大数据学习技术，通过大量学习建立深度神经网络模型，获得稳定AI模型之后，再在实际系统中进行主井提升机的智能诊断，并且随着数据积累不断完善诊断模型与方法；S203、利用监督学习输入声音、振动、温度传感器数据的多维度数据中提取的特征组成的特征矩阵，通过深度神经网络多次降维升维、非线性激活、正则化运算将故障进行分类，通过对标注数据集的迭代学习自动建立特征数据和设备故障类型之间的关系，由此实现对主井提升机故障的自动诊断；S204、诊断结论根据状态情况分类，并给出设备维护建议，诊断结论能进行反馈闭环操作，同时支持设备预警情况下可联动实时回传报警点位声音、视频信息，辅助现场工程师进行故障判断验证。

全文数据：

权利要求：

百度查询： 淮北矿业股份有限公司 基于AI和机理融合的主提升系统远程故障诊断方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD