基于大数据复杂生产线系统健康度实时评估方法.pdfVIP

ISSN 1000—0054 清华大学学报 (自然科学版) 2014年 第 54卷 第 1O期 2O／21 JTsinghuaUniv(SciTechno1)，2014，Vo1．54，No．10 1377—1383 基于大数据的复杂生产线系统健康度实时评估方法 刘博元 ， 王焕钢， 范文慧， 肖田元 (清华大学 自动化系 ，北京 100084) 摘 要：复杂生产线系统由于设备规模大、影响因素多，导 通常存在复杂的耦合关系，其可靠性难以得到保障。 致运行过程存在着较强的不确定性。系统部署的传感器网 一 旦发生故障时，设备的停机损失将会非常大。 络产生的实时大数据 (流数据)可 以作为系统状态监测 的来 当前对于复杂系统健康度与可靠性评估的研究 源，然而传统数据处理方法并不能很好地对系统的健康度作 主要集 中在两个方向：一个是直接对系统本身进行 出实时评价。该文 以复杂生产线系统运行 中的实时大数据 建模分析，主要 的方法有基于故 障树分析法_】]、 (流数据)为基础，基于信息熵原理通过大数据分析方法量化 Bayes网络分析_3]、神经网络分析_5]、Markov过 分析系统 内部属性间的行为模式和相关性关系，提 出了一种 程的分析方法 等 ；另一个方向为利用系统运行 基于大数据的复杂生产线系统健康度实时评估方法。磨矿 生产线案例表明，该方法可 以对复杂生产线的系统健康度作 数据或仿真数据对系统 的健康度进行评估 ，其 中主 出实时评估 。 要的方法有基于灰色预测 的可靠性评估 、数据 关键词：大数据；信息熵；相关性分析；实时评估 的回归分析L1卜以及非参数统计分析_1。等。若要 全面监控大型复杂设备的运行情况 ，保证效率与安 中图分类号 ：TN 914．42 文献标 志码 ：A 全性 、维护性 ，则维护策略应该 由传统的异常状态监 文章编号 ：1000—0054(2014)10-1377-07 控转变为健康管理_1。美 国军方提 出故 障预测和 健康 管理 (prognosticsandhealthmanagement， Real-timehealth levelassessmentforcomplex PHM)策略，其核心理念就是利用尽量少的传感器 productionlinesystem basedon bigdata 数据 ，通过智能算法将数据进行融合，进而实现对于 LIUBoyuan，WANG Huangang，FANW enhui，XIAO Tianyuan 故障的预测和健康度 的监控口 。作为复杂工程系 (DepartmentofAutomation，TsinghuaUniversity， 统的一种 ，生产线系统通常结构庞大，参与设备数量 Beijing100084，China)