基于信息物理系统（CPS）的产线设备故障预测技术规范(T-GITIF 003—2022).pdf

1ICS 35.240.50CCS L67团体标准T/GITIF 0032022基于信息物理系统（CPS）的产线设备故障预测技术规范Fault Prediction technical specification of Production Line Equipment based onCyber Physical System（CPS）2022-1-25 发布2022-1-26 实施广东省电子信息联合会发 布T/GITIF0032022I目次前言.II1 范围.12 规范性引用文件.13 术语和定义.14 缩略语.25 故障预测流程.26 故障预测技术要求.26.1 基本要求.26.2 确定预测需求.36.3 确定故障类型.36.4 分析支撑数据.36.5 选择预测方法.46.6 预测执行并输出报告.4附录 A（资料性）预测报告模板.5T/GITIF 0032022II前言本文件按照GB/T 1.12020标准化工作导则 第1部分：标准化文件的结构和起草规则的规定起草。本文件由广东省电子信息联合会提出并归口。本文件起草单位：工业和信息化部电子第五研究所、中车工业研究院有限公司、广东省电子信息联合会、中车青岛四方车辆研究所有限公司、中车永济电机有限公司、清华大学。本文件主要起草人：孟苓辉、田寅、王黎明、付云骁、郑媛、何世烈、齐影、袁超、李晓华、钱敏、陈勇坤、周振威、时林林、刘俊斌、俞鹏飞、李彦夫。T/GITIF00320221基于信息物理系统（CPS）的产线设备故障预测技术规范1范围本文件规定了产线设备故障预测技术的通用要求、一般流程和预测模型方法等内容。本文件适用于产线设备的故障预测方案的制订和预测方法的选择。2规范性引用文件下列文件中的内容通过文中的规范性引用而构成本文件必不可少的条款。其中，注日期的引用文件，仅该日期对应的版本适用于本文件；不注日期的引用文件，其最新版本（包括所有的修改单）适用于本文件。GB/T 22394.1 机器状态监测与诊断 数据判读和诊断技术 第1部分：总则GB/T 29716.1 机械振动与冲击 信号处理 第1部分：引论GB/T 40571 智能服务 预测性维护 通用要求ISO 18129 机器状态监测与诊断性能诊断方法（Condition monitoring and diagnostics ofmachines-Approaches for performance diagnosis）3术语和定义下列术语和定义适用于本文件。3.1状态监测 condition monitoring检测与收集反映设备状态的信息和数据。3.2故障 fault可能导致功能单元执行要求功能的能力降低或丧失的异常状况。3.3故障预测 fault prognostics在已知现有状态的条件下，通过分析故障的特征，来预测产品未来的状态以及剩余可用寿命。3.4预测性维护 predictive maintenance真实值和预测值之差的绝对值与真实值之比的平均值。3.5T/GITIF 00320222预测置信水平 predicted confidence level计算的可靠度能达到或改善的可能性估计。注1：预测置信水平是指示预测值正确程度的指标。注2：预测置信水平由预测置信因子决定。3.6剩余使用寿命 remaining useful lifetime产品从当前时刻到发生潜在故障的预计持续正常工作时间。注：时间的单位可以是天数、循环周期数,也可以是公里数等。4缩略语下列缩略语适用于本文件。FMEA:故障模式与影响分析(Failure Mode and Effects Analysis)LCM:寿命消耗监控(Life Consumption Monitoring)MAPE:平均绝对误差百分比(Mean Absolute Percentage Error)PHM:故障预测与健康管理(Prognostic and Health Management)PoF:失效物理（Physics of Failure）5故障预测流程本文件规定故障预测技术以当前设备的使用状态为起点，结合已知预测对象的结构特性、参数、环境条件及历史数据，对设备未来的故障进行预测、分析和判断，确定故障性质、类别、程度、原因及部位，指出故障发展趋势及后果，以便预先消除故障，保证产线设备安全可靠的运行，具体流程如图 1所示。图 1 故障预测设计流程6故障预测技术要求6.1基本要求本文件规定故障预测系统的基本原则与通用要求如下：前置数据处理方法的多样性；预测算法和推理机制的多样性；T/GITIF00320223自适应能力；自学习能力；独立原则，知识库、征兆库与推理机相分离；知识库可维护原则，用户可方便对知识库进行维护；可扩充性，人工或自动对知识库进行扩充、求精或学习；知识库中的知识表达直观易懂，知识表示方法要能充分反映知识间的各种关系；强解释能力；数据管理与获取能力强大，自动获取与提取监测数据库中信息特征；推理机制与知识表达有较强的处理小确定性知识与数据的能力；通用性和实用性原则。6.2确定预测需求故障预测应根据时间长短选择不同的预测方法。序列变化比较均匀的短期预测情况宜选择基于时间序列模型的方法；基于故障预兆监控和推理的方法基于输入的历史数据的长短而选择短期或长期预测；应明确预测对象的预测需求，一般考虑以下因素：预测的时间长短；参数要求；历史数据等。6.3确定故障类型根据不同的设备不同的故障类型应选择不同的故障预测技术方案。产线设备的故障从故障发生的时间历程可分为两类，即突发性故障和渐进性故障。表 1 常见故障类型二值故障二值型故障很容易进行检测，但不利于进行有效的预测；间歇重复间歇重复型故障可以被简单推理和高级时间特征集关联组合等手段隔离出来，但不利于预测间歇伪随机间歇伪随机型故障难于隔离，也难于预测完美退化完美退化型故障可以使用系统模型和时间关联跟踪参数方法进行检测和预测，同时这种故障也是最适合进行预测的故障。6.4分析支撑数据产线设备的故障预测支撑数据通常包括：结构特性；参数；环境条件；历史数据等。T/GITIF 00320224应分析支撑数据的类型、特点以及故障特征，结合不同预测方法的特点和数据要求，选择最适合的预测方法。6.5选择预测方法6.5.1方法分类针对不同的产线设备和数据特点，应选择不同的故障预测方法。故障预测方法通常包括：基于保险和预警装置的预测方法。对于预测对象成本不高，退化过程平稳，只需在预测对象失效前给出报警信号的情况，应选择基于保险预警装置的预测方法；基于失效物理模型的预测方法。通常对于失效物理模型或者数学模型比较明确的产线设备，宜选择基于失效物理模型的预测方法；基于数据驱动的预测方法。对于较难得到失效物理模型或者数学模型，但是可以通过预测手段得到历史预测数据，宜选用数据驱动的方法进行故障预测；基于故障预兆监控和推理的预测方法。对于较难得到失效物理模型或者数学模型，但是可以得到若干样本的情况，宜选择基于故障预兆监控和推理的方法；多方法信息融合的预测方法。对于单一方法难以预测的复杂系统或设备，可选择基于多方法信息融合来实现故障预测。6.5.2选择原则在选择预测方法时通常应综合考虑：预测需求；设备特点；预测要求；数据类型和特点；算法准确性；执行效率；可操作性；6.6预测执行并输出报告按照选择的支撑数据及预测方法进行分析计算并形成预测报告，预测报告（见附录 A）一般含以下内容（包含但不限于）：指出产线设备的剩余寿命和状态等级；列举与设备相关的剩余寿命；给出预计失效的设备和故障模式；给出每个预期故障可观察的潜在征兆；命名每个要用的状态监测描述符；指出维护建议和效果。T/GITIF00320225附录A（资料性）预测报告模板预测报告预测人：预测日期：设备级别预测对象工作时间剩余寿命：状态等级：预测结果元件剩余寿命预计失效元件故障，失效模式名称验证的必要征兆123验证的强化征兆123失效模式的原因或根原因对象历史相似案例故障危险度失效模式置信水平失效模式提议的校正活动要求的维护活动，维护活动的最大延迟暂时的维护操作反馈：提升寿命的推荐作者签名_