(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111230046.9 (22)申请日 2021.10.20 (71)申请人 中国兵器装备集团自动化研究所有 限公司 地址 621000 四川省绵阳市游仙区仙人路 二段7号31栋 (72)发明人 肖乾柯　刘治红　邱枫　赵智聪　 李东海　张军娜　李春彦　 (74)专利代理 机构 成都行之专利代理事务所 (普通合伙) 51220 代理人 梁田 (51)Int.Cl. G06F 30/27(2020.01) G06N 20/00(2019.01) G06Q 50/04(2012.01) (54)发明名称 一种复杂设备运行的建模评估方法及系统 (57)摘要 为解决现有建模 方法中泛化性低、 准确率不 高等问题， 本发 明基于机器学习提出一种复杂设 备运行的建模评估方法。 目的在于针对现有分析 模型技术中的不足， 提出一种复杂设备运行的建 模评估方法， 将机器学习的多种常用算法进行通 用性、 集成性融合， 形成设备运行状态评估的基 础算法模型库， 同时设计对算法模型库、 评估策 略等的管理U I。 算法库 将复杂设备的生产参数以 及生产模式和环境参数作为输入， 为模 型提供数 据输入， 算法库综合各个算法结果对分析结果进 行投票， 最后为复杂设备的运行状态分析评估结 果， 同时， 对算法模型库的模型进行评估优化。 企 业能使用算法库进行准确的对复杂设备运行状 态进行评估， 有效地对设备进行 管理。 权利要求书3页 说明书5页 附图4页 CN 113919230 A 2022.01.11 CN 113919230 A 1.一种复杂设备运行的建模评估方法， 其特征在于， 构建包含基础 设备资源、 设备算法 模型库、 算法评估、 算法模型库优化、 状态评估与决策 各部分的设备运行状态评估 模型； 基于此评估模型， 基础设备资源首先读取设备生产参数和外部环境参数信息， 然后通 过数据清洗； 从设备算法模型库中为复杂设备的各子系统选取相应的多个算法模型； 从算法评估策略中调用算法评估参数， 对各子系统的算法模型进行准确率、 泛化性评 估； 当需要进行算法模型库优化设置或者算法评估参数重新设置时， 设备算法模型库提供 算法模型库优化、 算法评估参数的管理UI， 通过管理UI实现算法模型重训练优化、 自适应， 对各子系统的状态评估算法模型进行最优化绑定； 进而组成整个设备的实时状态评估服 务。 2.根据权利要求1所述的复杂设备运行的建模评估方法， 其特征在于， 基础设备资源 中， 设备生产参数包含设备工艺参数、 设备控制程序参数， 而设备工艺参数包含复杂系统内 物料信息、 设备工艺信息、 资源信息； 基础设备资源重构后的特征数据， 输入和映射到设备算法模型库； 如算法模型库进行 了优化， 则按照优化后的算法模型作为输入进行状态评估。 3.根据权利要求2所述的复杂设备运行的建模评估方法， 其特征在于， 评估模型基础数 据资源包括基础设备资源、 算法评估策略、 算法模 型库优化策略， 与设备算法模 型库通过数 据接口接通数据接口， 通过配置ODBC连接基础数据资源数据库； 远程读取设备各子系统算法模型的运行参数， 远程读取历史生产参数和外部环境参 数， 结合多种机器学习算法进 行算法模 型训练； 将设备的各种工作模式进 行分类， 并与设备 算法模型库中的算法模型进行多层次多模型关联； 提供设备实时状态评估服务前， 编辑算法评估策略配置， 通过配置初始化、 重置和仿真 结束的api方法， 基于算法模型库中针对各子系统的最优评估模型进 行实时数据评估， 初始 化调用实现基础算法模型资源的导入和绑定； 算法模型训练完成后， 通过基础 设备资源内的统计表进行相应统计结果的数据收集和 查看。 4.根据权利要求3所述的复杂设备运行的建模评估方法， 其特征在于， 算法模型库优化 包含对新增故障类型、 新增工作模式以及准确率优化； 其中对新增故障类型、 新增工作模式的优化策略， 是通过对原算法模型再次训练或者 组合多个算法进行实现优化； 故障标签分类、 历史训练数据 清洗、 算法模型训练接口和算法 模型准确度验证各模块， 通过内部调用相 应的接口方法并与各基本单元控件予以关联， 封 装在算法模型库资源内部， 并与基础模型资源进行协同作为建模分析评估的输入； 算法模型的准确率优化， 则通过对清洗后的训练数据进行交叉验证， 提高泛化 性实现。 5.根据权利要求4所述的复杂设备运行的建模评估方法， 其特征在于， 针对新增工作模 式的算法模型库优化策略， 结合原有的历史数据和新的工作模式重新标注数据后， 对设备 子系统各算法模型进行重新训练； 或者， 算法模型训练模式开始 时预留模型未识别的工作 模式类型， 将设备新的工作模式下 的数据添加到训练数据， 对现有的算法模型进行优化训 练； 即在设备算法模型库管理UI界面上添加新的工作模式， 导入新工作模式下的数据， 重新权　利　要　求　书 1/3 页 2 CN 113919230 A 2获取该工作模式的特 征进行训练； 针对设备新增故障类型， 直接定位发生新的故障类型的子系统， 导入该子系统的故障 数据和历史数据， 进行 标注后进行优化训练； 针对算法模型准确率优化， 通过设备模型库管理UI设置准确优化配置信息， 设置设备 状态识别程序空闲时优化训练、 定时训练、 定量训练， 并对子系统的算法模型准确率通过算 法模型联合验证。 6.根据权利要求5所述的复杂设备运行的建模评估方法， 其特征在于， 算法评估策略在 原有算法模型基础上， 结合基础设备资源和算法模 型优化UI， 采用调用接口的方法， 将管 理 UI上的策略参数等信息输入到多子系统的多层次算法模型库， 配置集成优化评估模型框 架； 根据不同用户优化需求， 进行优化参数设置、 优化策略设置、 评价策略设置、 查看最优 解、 以及原评估模型详细设置调用集成UI界面， 通过多线程技术计算出每个子系统最优的 算法模型及评价策略于最终的评估 模型。 7.根据权利要求6所述的复杂设备运行的建模评估方法， 其特 征在于， 算法评估策略在设备库模型管理UI上， 结合基础数据资源管理界面， 采用webapi接口 方法的形式， 基于 C#语言编写基于 机器学习的复杂设备多算法模型建模评估程序； 采用WPF开发配置算法模型库配置管理系统的框架， 框架由管理界面的UI模块和算法 模型库优化模块构成， 管理UI模块包括对设备状态识别和故障诊断算法库等初始 化的配置 过程， 初始化后加载算法模型， 通过算法模型准确度设置后进行运行； 如果满足评估策略中的准确率要求， 则直接输出最优算法模型的设备状态评估结果； 同时设置评估方式为集成多层次算法综合评估策略， 此时设备的算法模型库综合各子系统 的评估结果及准确率信息， 对设备状态及故障进行综合评估， 并具有评估结果的api接口， 提供给评价与决策模块使用。 8.根据权利要求7所述的复杂设备运行的建模评估方法， 其特征在于， 状态评估与决策 针对工艺可行性、 系统合理性、 算法模 型适用性各方面统筹考虑， 并进 行复杂设备的算法模 型库综合训练， 作为状态评估与决策的模型； 训练完成后， 通过基础模型资源的输入数据， 采用交叉验证的方法， 验证各个子系统每 个算法模型分析 结果准确率； 结合每个子系统运行状态的评估结果， 包括故障、 空闲、 运行、 超负荷各运行状态， 提供 给设备评估时的集成算法模型接口， 用于复杂设备的实时运行状态评估和故障诊断； 如果不满足实际情况需要进行目标算法模型优化， 直至评估结果准确率符合生产即可 进行自动化部署， 并将评估报告提供 给用户。 9.根据权利要求8所述的复杂设备运行的建模评估方法， 其特征在于， 状态评估与决策 通过算法模型预训练开始运行评估模型实时设备状态识别程序， 采用WPF开发的管理控制 界面搭建评估与决策集成UI控制框架， 采用控 件与模型优化接口相互绑定； 并在接口方法中编写算法模型优化程序， 提供查看控件时， 间接调用统计工具中的数 据源进行图形输出显示； 分析在本次算法模型参数设置下设备状态识别、 故障诊断、 安全生产各统计数据的合 理性、 可制造性， 同时提供设备状态 识别评估报告；权　利　要　求　书 2/3 页 3 CN 113919230 A 3