首页 电力数据 节能环保 光伏发电 新能源 发电 电网 火电 水电

您当前的位置:网站首页 > 农电

智能装备——实现自省性、自比较性

对于智能装备的CPS应用设计,我们可以在网络层面上通过机器网络接口(CPI)进行网络健康分析的交互连接,这个从概念上类似于社交网络。一旦网络级基础设施到位,机器就可以注册到网络,通过网络接口交换信息。在这一点上,可以通过已经建立的一套算法跟踪机器状态的变化,从历史信息推断额外知识,应用对等比较,并将信息输出传递到下一层。这样,就必须制定新的方法来执行这些操作并产生相应的结果。这里引入“时间机器”的设计在网络层面执行分析,通过三个步骤实现一个智能装备的应用设计:  (1)数据切片管理:信息不断地从机器中输入网络空间,快照收集的任务就是以有效的方式管理输入数据,存储信息。基本上,机器的快照性能,是通过利用历史记录和维护记录来减少需要的硬盘空间和处理能力。一旦监测机器的状态发生重要变化时,这些快照才出现。这些变化可以定义为机器健康值的偶然变化,维护行为或者工作制度的改变。在机器的整个生命周期里,这些快照将被收集并用于构造特定状态点的时间机器的历史。这个当前的时间机器记录将被用来进行优点之间的对等比较。一旦这个优点失效或者被替代,其相关的时间机器记录将改变状态,从当前变为历史,并将用作相似性的识别和合成的参考。  (2)相似识别:在网络层面,对设备自身(以及相同设备)在不同运行模式和健康模式下的历史数据进行特征提取和建模,再利用该模型与当前状态产生的数据进行比较,就可以自动识别设备当前的健康状态,进而对设备进行风险评估和故障诊断。除此之外,单个设备还可以与设备集群中的同类设备进行比较,自动识别与自己工况模式相似的其他设备并进行聚类,在工况模式相同的条件下比较自身的性能与其他设备的差异性,这种自比较和自省性的能力是以往“机器对机器(Machine-to-Machine)”概念中所没有的。 通过对当前设备运行的模式匹配以及健康模式随时间的变化轨迹分析,就能够更加准确地预测设备未来状态的变化,实现设备自预测性的能力。  (3)执行决策的优化:当设备具备了自省性、自比较性、和自预测性的能力时,就可以对自己当前和未来的性能进行预测。单个设备作为复杂工业系统中的一份子,承担着该系统某个环节的任务要求。智能设备能够结合当前自身的性能与任务要求,自动预测自身性能与任务需求在当前和未来的匹配性,并制定最优化的执行策略。执行策略优化的表现是,在满足任务要求的前提下,使用资源最少、对自身的健康损害最小以及在最优的维护时机进行状态恢复。执行决策的优化需要设备对自己在整个系统中的角色有较为清晰的认知,并能够预测自身的活动对系统整体表现的影响,是设备从自省性到自认知能力的进一步智能化。