通過對風(fēng)機(jī)實(shí)時數(shù)據(jù)進(jìn)行監(jiān)測、采集，利用健康模型的對比算法，求出同機(jī)型健康狀態(tài)評分。下面將給出模型對比算法的流程進(jìn)行描述，如圖3所示。 　　利用風(fēng)機(jī)的實(shí)時監(jiān)控系統(tǒng)對風(fēng)機(jī)全參數(shù)進(jìn)行監(jiān)測。并根據(jù)此時環(huán)境各維度的值以及當(dāng)前風(fēng)機(jī)在當(dāng)前環(huán)境中運(yùn)行時長來檢索相應(yīng)的模型中的平行空間。并根據(jù)平行空間中風(fēng)機(jī)參數(shù)計算特征值的方式，求出此時風(fēng)機(jī)相應(yīng)的各個參數(shù)的特征值。每當(dāng)有一個參數(shù)的特征值不滿足平行空間中所給出該參數(shù)特征值的健康范圍，則健康值需要減去該參數(shù)的權(quán)重值以及相應(yīng)每個參數(shù)所需要減掉的參數(shù)值，剩余的健康值即為該時刻風(fēng)機(jī)運(yùn)行的健康值。例如，風(fēng)機(jī)完全健康時的健康值為100，除了環(huán)境各個維度的參數(shù)以外，還有A、B、C、D、E五個參數(shù)。假設(shè)其中A、B、C三個參數(shù)的特征值不符合所對應(yīng)的平行空間A、B、C三個參數(shù)特征值的健康范圍，因此，該風(fēng)機(jī)當(dāng)前時刻的健康值為100-a*x1-b*x2-c*x3，其中a、b、c分別為A、B、C三個參數(shù)的權(quán)重值，x1、x2、x3分別為A、B、C三個參數(shù)不滿足健康范圍時需要扣除的健康值。
　?。?）預(yù)測風(fēng)機(jī)狀態(tài)
　　利用引入的環(huán)境預(yù)測數(shù)據(jù)，并根據(jù)健康模型檢索出相對應(yīng)的空間，從而預(yù)測出風(fēng)機(jī)未來的狀態(tài)。
　　綜上，健康狀況評估的方法主要是根據(jù)實(shí)時檢測風(fēng)機(jī)的各個參數(shù)值，利用環(huán)境參數(shù)找出模型中相應(yīng)的平行空間，并利用空間中各個參數(shù)特征值的算法求出此時該風(fēng)機(jī)各個參數(shù)的數(shù)值，并判斷是否在平行空間所給出的健康范圍內(nèi)，不滿足進(jìn)行健康值的減分計算。利用風(fēng)功率預(yù)測中的環(huán)境預(yù)測值進(jìn)行風(fēng)機(jī)運(yùn)行狀況的預(yù)測。對風(fēng)機(jī)的健康情況進(jìn)行了全面的檢測和評估。
　　4結(jié)束語
　　本文針對目前風(fēng)場不能夠有效的對風(fēng)機(jī)的健康狀況進(jìn)行評估，最終由于故障而導(dǎo)致風(fēng)機(jī)停機(jī)帶來的經(jīng)濟(jì)效益的損失提出了解決方案。首先提出的基于平行空間理論的設(shè)備狀態(tài)監(jiān)測模型是以平行空間理論作為本模型理論支撐點(diǎn)，以大數(shù)據(jù)技術(shù)作為建模的技術(shù)手段進(jìn)行創(chuàng)建的。并給出了基于該模型的風(fēng)機(jī)健康狀況評估的方法。由于本文僅從風(fēng)機(jī)運(yùn)行的健康角度考慮，忽略掉了風(fēng)機(jī)發(fā)生故障時的狀態(tài)。結(jié)合平行空間思想，筆者針對不同風(fēng)機(jī)的不同故障分別建立了故障模型用以風(fēng)機(jī)故障的預(yù)測和診斷，由于故障模型數(shù)量較多、范圍較廣，希望廣大讀者批評指正。
　　總之，本文整體上健康模型與故障模型互相驗(yàn)證，全方面的保證了風(fēng)機(jī)的運(yùn)行狀態(tài)。