CN119990543B 基于故障预测的电动执行机构智能维护系统及方法 （肯佐控制设备（上海）有限公司）.docxVIP

(19)国家知识产权局

(12)发明专利

(10)授权公告号CN119990543B(45)授权公告日2025.07.08

(21)申请号202510459216.2

(22)申请日2025.04.14

(65)同一申请的已公布的文献号申请公布号CN119990543A

(43)申请公布日2025.05.13

(73)专利权人肯佐控制设备(上海)有限公司地址201716上海市青浦区练塘镇云湖路

68号3幢

(72)发明人唐晓峰丁科烽李杏萍唐其忠黄辉

G06Q10/04(2023.01)

GO6Q10/20(2023.01)

GO6F18/213(2023.01)

GO6F18/2433(2023.01)

(56)对比文件

CN119148608A,2024.12.17CN119660290A,2025.03.21审查员李磊

(74)专利代理机构北京铭创聚诚知识产权代理

有限公司13156专利代理师林悦忠

(51)Int.CI.

GO6Q10/063(2023.01)权利要求书2页说明书8页附图2页

(54)发明名称

基于故障预测的电动执行机构智能维护系统及方法

(57)摘要

CN119990543B本发明公开了基于故障预测的电动执行机构智能维护系统及方法，具体涉及设备维护技术领域；通过在预设运行周期内采集历史运行数据，生成历史健康数据集，并进行特征参数提取，获得历史特征参数集，并根据历史特征参数变化趋势构建趋势变化特征矩阵；利用趋势变化特征矩阵构建多维状态空间，计算故障事件在空间中的状态聚集度，确定预警指标集；同时采集实时运行数据提取实时特征参数，形成实时特征状态向量，并在空间内与预警指标进行相关性计算，获得实时风险关联因子；最后，根据实时风险关联因子、历史特征参数集和趋势变化特征矩阵生

CN119990543B

获取电动执行机构在预设运行周期内的历史运行数据，并根据历

获取电动执行机构在预设运行周期内的历史运行数据，并根据历史运行数据生成电动执行机构的历史健康数据集

对历史健康数据集进行特征参数提取，得到电动执行机构的历史特征参数集，根据历史特征参数随时间变化趋势建立趋势变化特

征矩阵

依据趋势变化特征矩阵构建多维状态空间，计算电动执行机构历

史故障事件在多维状态空间中的状态聚集度，根据状态聚集度确

定特征预警指标集

根据电动执行机构的实时运行数据提取实时特征参数，建立实时特征状态向量，并在多维状态空间内与特征预警指标集进行空间

位置相关性计算，确定实时风险关联因子

根据实时风险关联因子、历史特征参数集和趋势变化特征矩阵，

生成风险概率预测模型，预测电动执行机构的故障概率，生成维

护调度建议

CN119990543B权利要求书1/2页

2

1.基于故障预测的电动执行机构智能维护方法，其特征在于，包括如下步骤：

获取电动执行机构在预设运行周期内的历史运行数据，并根据历史运行数据生成电动执行机构的历史健康数据集；

对历史健康数据集进行特征参数提取，得到电动执行机构的历史特征参数集，根据历史特征参数随时间变化趋势建立趋势变化特征矩阵；

依据趋势变化特征矩阵构建多维状态空间，计算电动执行机构历史故障事件在多维状态空间中的状态聚集度，根据状态聚集度确定特征预警指标集；

根据趋势变化特征矩阵中历史特征参数的数量确定多维状态空间的维数；所述多维状态空间的坐标轴为趋势变化特征矩阵的不同历史特征参数，多维状态空间中的特征位置坐标为历史特征参数的变化趋势数值；

基于多维状态空间内各特征位置坐标计算电动执行机构历史发生故障时状态点的聚集程度，得到电动执行机构历史故障事件在多维状态空间内的状态聚集度数值；

依据状态聚集度数值设定预警阈值，选取状态聚集度数值超过预警阈值的特征位置坐标所对应的历史特征参数作为特征预警指标集；

根据电动执行机构的实时运行数据提取实时特征参数，建立实时特征状态向量，并在多维状态空间内与特征预警指标集进行空间位置相关性计算，确定实时风险关联因子；

根据实时风险关联因子、历史特征参数集和趋势变化特征矩阵，生成风险概率预测模型，预测电动执行机构的故障概率，生成维护调度建议；

将实时风险关联因子和历史特征参数集，作为风险概率预测模型的输入