CN106446938B - 带式输送机前瞻自诊断方法及*** - Google Patents
带式输送机前瞻自诊断方法及*** Download PDFInfo
- Publication number
- CN106446938B CN106446938B CN201610819893.1A CN201610819893A CN106446938B CN 106446938 B CN106446938 B CN 106446938B CN 201610819893 A CN201610819893 A CN 201610819893A CN 106446938 B CN106446938 B CN 106446938B
- Authority
- CN
- China
- Prior art keywords
- data
- real
- time running
- belt conveyor
- time
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M99/00—Subject matter not provided for in other groups of this subclass
- G01M99/005—Testing of complete machines, e.g. washing-machines or mobile phones
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Control Of Conveyors (AREA)
- General Factory Administration (AREA)
Abstract
本发明实施例提供一种带式输送机前瞻自诊断方法及***。该***可先获取正常运行数据、数据极限值、第一数据关联模型通过及实时运行数据,若实时运行数据与正常运行数据的差值大于预设值,则发出报警提示并生成第一处理报告;若实时运行数据超过数据极限值,则确定获取实时运行数据的时间点,并生成第二处理报告;生成实时运行数据的时间点之前的参考数据的变化曲线,若变化曲线异常,将异常的变化曲线的数据导入数据库。***在运行过程中不断的将实时运行数据与数据库中的数据进行比对和识别,将变化曲线异常的数据标示为不良数据,可作为新的对比依据,在后续的相同工况出现相同的不良数据后,可以及时的发出警示并生成处理报告。
Description
技术领域
本发明涉及通信技术领域,具体而言,涉及一种带式输送机前瞻自诊断方法及***。
背景技术
带式输送机控制***一般由现场安保传感器、主驱动部分(如电机)、辅助设备(如制动器、张紧装置、冷却风机)、控制***(如上位机)组成,现场安保传感器可检测拉绳、跑偏、撕裂、堵煤、烟雾、温度、湿度、粉尘浓度、振动、电流、电压、功率、频率以及速度等运行数据。一般是将所有设备的运行数据采集并传送到上位机(如电脑)上进行数据记录和逻辑运算处理,并将结果反映在显示器上,或将逻辑运算结果直接下发到执行机构。但是现有的控制***检测的运行数据每次和固定的正产运行数据比对,计算量复杂,并且对于相同工况下的相同故障,每次都需要和正常运行数据比对,不能依据历史的故障数据直接生成报告,处理时间过长而且不准确。
发明内容
有鉴于此,本发明实施例的目的在于提供一种带式输送机前瞻自诊断方法及***,以改善现有带式输送机控制***对于设备运行数据监控和处理不佳的问题。
本发明实施例提供的一种带式输送机前瞻自诊断方法,应用于服务器的带式输送机前瞻自诊断***,所述方法包括:获取正常运行数据、数据极限值以及第一数据关联模型;获取实时运行数据,并将所述实时运行数据导入数据库,所述实时运行数据通过所述第一数据关联模型与第一关联数据关联;将所述实时运行数据与所述正常运行数据作对比,若所述实时运行数据与所述正常运行数据的差值大于预设值,则发出报警提示并生成第一处理报告;将所述实时运行数据与所述数据极限值作对比,若所述实时运行数据超过所述数据极限值,则确定获取所述实时运行数据的时间点,并生成第二处理报告;生成所述实时运行数据的时间点之前的参考数据的变化曲线,所述参考数据至少包括所述第一关联数据,若所述变化曲线异常,则标记为不良诱因特征曲线,并将异常的所述变化曲线的数据导入所述数据库。
优选的,所述参考数据还包括第二关联数据,所述带式输送机前瞻自诊断方法还包括将第二关联数据导入所述数据库,并将所述第二关联数据通过第二数据关联模型与所述实时运行数据关联。
优选的,所述正常运行数据、所述数据极限值以及所述第一数据关联模型预先设置在所述服务器内,或从所述服务器内与所述带式输送机前瞻自诊断***关联的***获取。
优选的,所述方法还包括:确定所述实时运行数据的地址,所述地址为与所述服务器通信连接的终端的硬件地址,将所述第一处理报告和所述第二处理报告发送至所述地址的终端。
优选的,在将所述实时运行数据与所述正常运行数据作对比,若所述实时运行数据与所述正常运行数据的差值大于预设值,则发出报警提示并生成第一处理报告之后还包括:预计所述实时运行数据达到所述数据极限值的时间。
本发明实施例还提供一种带式输送机前瞻自诊断***,应用于服务器,包括:标准值获取模块,用于获取正常运行数据、数据极限值以及第一数据关联模型;工作值获取模块,用于获取实时运行数据,并将所述实时运行数据导入数据库,所述实时运行数据通过所述第一数据关联模型与第一关联数据关联;第一对比模块,用于将所述实时运行数据与所述正常运行数据作对比,若所述实时运行数据与所述正常运行数据的差值大于预设值,则发出报警提示并生成第一处理报告;第二对比模块,用于将实时运行数据与所述数据极限值作对比,若所述实时运行数据超过所述数据极限值,则确定获取所述实时运行数据的时间点,并生成第二处理报告;数据库更新模块,用于生成所述实时运行数据的时间点之前的参考数据的变化曲线,所述参考数据至少包括所述第一关联数据,若所述变化曲线异常,则标记为不良诱因特征曲线,并将异常的所述变化曲线的数据导入所述数据库。
优选的,所述参考数据还包括第二关联数据,所述数据库更新模块还用于将第二关联数据导入所述数据库,并将所述第二关联数据通过第二数据关联模型与所述实时运行数据关联。
优选的,所述正常运行数据、所述数据极限值以及所述第一数据关联模型预先设置于所述服务器内,或从所述服务器内与所述带式输送机前瞻自诊断***关联的***获取。
优选的,地址获取模块,用于确定所述实时运行数据的地址,,所述地址为与所述服务器通信连接的终端的硬件地址,所述带式输送机前瞻自诊断***还用于将所述第一处理报告和所述第二处理报告发送至所述地址。
优选的,所述第一对比模块还用于预计所述实时运行数据达到所述数据极限值的时间。
与现有技术相比,本发明实施例提供的带式输送机前瞻自诊断方法及***,先获取正常运行数据、数据极限值、第一数据关联模型通过及实时运行数据,若所述实时运行数据与所述正常运行数据的差值大于预设值,则发出报警提示并生成第一处理报告;若所述实时运行数据超过所述数据极限值,则确定获取所述实时运行数据的时间点,并生成第二处理报告;生成所述实时运行数据的时间点之前的参考数据的变化曲线,若所述变化曲线异常,则标记为不良诱因特征曲线,并将异常的所述变化曲线的数据导入所述数据库。***在运行过程中不断的将实时运行数据与数据库中的数据进行比对和识别,将新出现的与正常运行数据相异的数据标示为不良数据,并将其特征记录到数据库中,可作为新的对比依据,在后续的相同工况出现相同的不良数据后,可以及时的发出警示并生成处理报告。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1为本发明较佳实施例提供的服务器与终端进行交互的示意图。
图2为本发明较佳实施例提供的服务器的结构框图。
图3为本发明较佳实施例提供的带式输送机前瞻自诊断***的结构框图。
图4为本发明较佳实施例提供的带式输送机前瞻自诊断方法的流程图。
主要元件符号说明
终端100;服务器200;存储器201;存储控制器202;处理器203;网络300;带式输送机前瞻自诊断***400;标准值获取模块401;工作值获取模块402;第一对比模块403;第二对比模块404;数据库更新模块405;地址获取模块406。
具体实施方式
下面将结合本发明实施例中附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。同时,在本发明的描述中,术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
如图1所示,是本发明较佳实施例提供的服务器200与终端100进行交互的示意图。终端100与服务器200通过该网络300进行数据交互。其中,终端100的个数至少为一个,即至少一个终端100与所述服务器200通过网络300进行数据交互。
服务器200可以是,但不限于,网络服务器、数据库服务器、云端服务器、个人电脑(personal computer,PC)等等。该终端100可以是,但不限于智能手机、个人电脑、平板电脑、个人数字助理(personal digital assistant,PDA)、移动上网设备(mobile Internetdevice,MID)等。所述终端100的操作***可以是,但不限于,安卓(Android)***、IOS(iPhone operating system)***、Windows phone***、Windows***等。
所述终端100可以获取带式输送机工作现场多个不同设备的运行参数,并可以进行数据记录和逻辑运算处理,反映在所述终端100的显示界面上,还可将逻辑运算的结果直接下发到执行机构(如电机)。
如图2所示,是本发明较佳实施例提供的服务器200的结构框图。所述服务器200包括带式输送机前瞻自诊断***400、存储器201、存储控制器202以及处理器203。
所述存储器201、存储控制器202及处理器203,各元件相互之间直接或间接地电性连接,以实现数据的传输或交互。例如,这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。所述带式输送机前瞻自诊断***400包括至少一个可以软件或固件(firmware)的形式存储于所述存储器201中或固化在所述服务器200的操作***(operating system,OS)中的软件功能模块。所述处理器203用于执行存储器201中存储的可执行模块,例如,所述带式输送机前瞻自诊断***400包括的软件功能模块或计算机程序。
其中,存储器201可以是,但不限于,随机存取存储器(Random Access Memory,RAM),只读存储器Read Only Memory,ROM),可编程只读存储器(Programmable Read-OnlyMemory,PROM),可擦除只读存储器(Erasable Programmable Read-Only Memory,EPROM),电可擦除只读存储器(Electric Erasable Programmable Read-Only Memory,EEPROM)等。其中,存储器201用于存储程序,所述处理器203在接收到执行指令后,执行所述程序,前述本发明实施例任一实施例揭示的流过程定义的服务器200所执行的方法可以应用于处理器203中,或者由处理器203实现。
处理器203可能是一种集成电路芯片,具有信号的处理能力。上述的处理器203可以是通用处理器,包括中央处理器(Central Processing Unit,简称CPU)、网络处理器(Network Processor,简称NP)等;还可以是数字信号处理器(DSP)、专用集成电路(ASIC)、现成可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器203也可以是任何常规的处理器等。
图3示出了本发明较佳实施例提供的带式输送机前瞻自诊断***400的结构框图,本实施例中的带式输送机前瞻自诊断***400包括标准值获取模块401、工作值获取模块402、第一对比模块403、第二对比模块404、数据库更新模块405以及地址获取模块406。
所述标准值获取模块401,用于获取正常运行数据、数据极限值以及第一数据关联模型。其中,所述正常运行数据为带式输送机的工作现场中,设备在最佳工作状态时的运行数据;所述数据极限值为带式输送机的工作现场中,设备能够满足正常工作(不发生故障)时的最大或最小运行数据;所述第一数据关联模型可以表示在带式输送机的工作现场中,不同设备之间的运行参数相互之间的关联性,例如,所述带式传送机的电压、电流和功率通过特定的公式相关联;工作现场中的烟雾值和粉尘浓度可以通过特定的关系条件建立关联模型;带式输送机的传送带的速度与频率之间可以通过公式建立关系。
所述正常运行数据、所述数据极限值以及所述第一数据关联模型可以预先设置于所述存储器201内,也可以从所述服务器200内与所述带式输送机前瞻自诊断***400关联的***中获取,例如可以预先对带式输送机的工作现场中在正常工作下的各个设备的运行参数进行调试采集,也可以将设备的出产时设定的正常工作参数导入所述存储器201。
所述工作值获取模块402,用于获取实时运行数据,并将所述实时运行数据导入数据库,所述实时运行数据通过所述第一数据关联模型与第一关联数据关联。具体的,所述终端100实时的采集带式输送机的工作现场中各个设备的运行数据,并上传至服务器200,所述工作值获取模块402实时从终端100获取实时运行数据。由于标准值获取模块401获取有第一数据关联模型,所述实时运行数据与第一关联数据具有关联性,能够满足第一数据关联模型,所述第一关联数据可以为工作值获取模块402从终端100获取的其他与所述实时运行数据有关的数据。
所述第一对比模块403,用于将所述实时运行数据与所述正常运行数据作对比,若所述实时运行数据与所述正常运行数据的差值大于预设值,则发出报警提示并生成第一处理报告。所述预设值可以存储于所述存储器,可以理解的是,设备在正常工作时,设备的运行参数在一定范围内时均为正常工作,所述实时运行参数超出此范围时,即可理解为实时运行数据与所述正常运行数据的差值大于预设值。例如,带式输送机的电机的正常运行温度为20℃,若此时检测的实时运行温度为50℃,实时运行温度与正常运行温度之差为30℃超出了预设值20℃,此时发出报警提示。
发出警报的方式可以为在服务器200上的显示界面显示,或者由服务器200的音频单元发出提示音,第一处理报告可以由服务器200上的显示界面显示,或者发出打印信息,使与所述服务器200电连接的打印机将所述第一处理报告打印出来。若所述实时运行数据与所述正常运行数据的差值小于或等于所述预设值,则不发出报警提示和处理报告。
所述第一对比模块403还用于预计所述实时运行数据达到所述数据极限值的时间。当在所述实时运行数据与所述正常运行数据的差值大于预设值,可依据相同工况下历史数据运行数据,可预计多长时间后会出现的故障种类和发生概率,并发送至终端100。
所述第二对比模块404,用于将实时运行数据与所述数据极限值作对比,若所述实时运行数据超过所述数据极限值,则确定获取所述实时运行数据的时间点,并生成第二处理报告。可以理解的是,所述实时运行数据超过所述数据极限值包括实时运行数据大于所述数据极限值,或者是实施运行数据小于所述数据极限值,具体的情况依据实际采集的数据种类确定。例如,带式输送机的电机的正常运行功率为10kw,极限运行功率为30kw,当实时运行功率为35kw时,实时运行功率是大于所述正常运行功率并且大于所述极限运行功率,实时运行功率超出极限运行功率,此时可生成功率超限的处理报告。又例如,当带式输送机现场的冷却风机的正常运行转速为3000r/min,极限运行转速为1000r/min,当冷却风机的实时运行转速为500r/min时,实时运行转速小于所述极限运行转速,此时实时运行转速超出极限运行转速,则可生成转速超限的处理报告。
第二处理报告可以由服务器200上的显示界面显示,或者发出打印信息,使与所述服务器200电连接的打印机将所述第二处理报告打印出来。确定获取所述实时运行数据的时间点的方式可以为,每一次获取所述实时运行数据,服务器200均记录获取的时间点,并存储于所述存储器。
所述数据库更新模块405,用于生成所述实时运行数据的时间点之前的参考数据的变化曲线,所述参考数据至少包括所述第一关联数据,若所述变化曲线异常,则标记为不良诱因特征曲线,并将异常的所述变化曲线的数据导入所述数据库。
具体的,若所述实时运行数据超过所述数据极限值,并确定了获取所述实时运行数据的时间点后,查找实时运行数据的时间点之前一段时间(例如72小时)内的参考数据,所述参考数据可以包括第一关联数据,还可以包括其他数据,即还可包括与实时运行数据之间不符合第一关联模型的数据。将这些参考数据均绘制成变化曲线,判断所述参考数据中的每一个数据的变化曲线是否异常,即判断参考数据中的每一个数据在每一个时间点与是否属于正常运行的范围。若所述变化曲线异常,则标记为不良诱因特征曲线,并将参考数据中变化曲线异常的数据导入数据库。
例如第一关联模型中存在电机的温度与功率之间呈线性相关的关系,若电机的温度超出极限温度,此时电机发生故障,获取在电机温度超出极限温度之前的72小时的所有参考数据。其中,所述电机转轴的摩擦力的变化曲线也逐渐增大(发生异常),则判断所述电机转轴的摩擦力和所述电机的温度也存在关联,将所述温度数据作为第二关联数据导入数据库。其中,所述第二关联数据也属于参考数据,所述电机的温度与电机转轴的摩擦力之间的关系可以属于第二关联模型。容易理解的是,所述第二关联模型区别于所述第一关联模型,但不限于仅为所述电机的温度与电机转轴的摩擦力之间的关系。
所述地址获取模块406,用于确定所述实时运行数据的地址,即确定所述获取所述实时运行数据的终端100的硬件地址。如此,所述服务器200可以利用网络300将所述第一处理报告和所述第二处理报告发送至该终端100,所述终端100的对应的技术人员能够及时处理。
请参考图4,是本发明较佳实施例提供的带式输送机前瞻自诊断方法的流程图。需要说明的是,本发明所述的带式输送机前瞻自诊断方法并不以图4以及以下所述的具体顺序为限制。应当理解,在其它实施例中,本发明所述的带式输送机前瞻自诊断方法其中部分步骤的顺序可以根据实际需要相互交换,或者其中的部分步骤也可以省略或删除。所述打带式输送机前瞻自诊断方法应用于所述服务器200。下面将对图4所示的具体流程进行详细阐述。请参阅图4,所述带式输送机前瞻自诊断方法包括:
步骤S101,获取正常运行数据、数据极限值以及第一数据关联模型。
所述正常运行数据、所述数据极限值以及所述第一数据关联模型可以预先设置于所述存储器201内,也可以从所述服务器200内与所述带式输送机前瞻自诊断***400关联的其他***中获取,例如可以预先对带式输送机的工作现场中在正常工作下的各个设备的运行参数进行调试采集,也可以将设备的出产时设定的正常工作参数导入所述存储器201。
本实施例中,所述步骤S101可以由标准值获取模块401执行。
步骤S102,获取实时运行数据,并将所述实时运行数据导入数据库。所述实时运行数据通过所述第一数据关联模型与第一关联数据关联。具体的,所述终端100实时的采集带式输送机的工作现场中各个设备的运行数据,并上传至服务器200,所述工作值获取模块402实时从终端100获取实时运行数据。
本实施例中,所述步骤S102可以由工作值获取模块402执行。
步骤S103,将所述实时运行数据与所述正常运行数据作对比,判断所述实时运行数据与所述正常运行数据的差值是否大于预设值。若实时运行数据与所述正常运行数据的差值是否小于预设值,则不作处理;若实时运行数据与所述正常运行数据的差值是否大于所述预设值,则执行步骤S104。
步骤S104,发出报警提示并生成第一处理报告。发出警报的方式可以为在服务器200上的显示界面显示,或者由服务器200的音频单元发出提示音,第一处理报告可以由服务器200上的显示界面显示,或者发出打印信息,使与所述服务器200电连接的打印机将所述第一处理报告打印出来。
本实施例中,所述步骤S103和步骤S104可以由第一对比模块403执行。
在步骤S104之后还可以包括,预计所述实时运行数据达到所述数据极限值的时间。
步骤S105,将实时运行数据与所述数据极限值作对比,判断所述实时运行数据是否超过所述数据极限值。若实所述实时运行数据没有超过所述数据极限值,则不作处理;若实所述实时运行数据超过所述数据极限值,则执行步骤S106。
步骤S106,确定获取所述实时运行数据的时间点,并生成第二处理报告。其中,确定获取所述实时运行数据的时间点的方式可以为,每一次获取所述实时运行数据,服务器200均记录获取的时间点,并存储于所述存储器。第二处理报告可以由服务器200上的显示界面显示,或者发出打印信息,使与所述服务器200电连接的打印机将所述第二处理报告打印出来。
本实施例中,所述步骤S105和步骤S106可以由第二对比模块404执行。
步骤S107,生成所述实时运行数据的时间点之前的参考数据的变化曲线。具体的,获取实时运行数据的时间点之前一段时间内的参考数据,所述参考数据可以包括第一关联数据,还可以包括其他数据,即还可包括与实时运行数据之间不符合第一关联模型的数据,并将这些参考数据均绘制成变化曲线。
步骤S108,判断所述变化曲线是否异常。具体的,判断所述参考数据中的每一个数据的变化曲线是否异常,即判断参考数据中的每一个数据在每一个时间点与是否属于正常运行的范围。若所述变化曲线正常,则不作处理;若所述变化曲线异常,则执行步骤S109。
步骤S109,标记为不良诱因特征曲线,并将异常的变化曲线的数据导入所述数据库。需要提到的是,将所述异常的变化曲线的数据导入数据库后可以和步骤S101获取的正常运行数据、数据极限值以及第一数据关联模型共同作为对比依据。
所述步骤S107、步骤S108和步骤S109可以由数据库更新模块405执行。
综上所述,本发明实施例提供的带式输送机前瞻自诊断方法及***,先获取正常运行数据、数据极限值、第一数据关联模型通过及实时运行数据。若所述实时运行数据与所述正常运行数据的差值大于预设值,则发出报警提示并生成第一处理报告;若所述实时运行数据超过所述数据极限值,则确定获取所述实时运行数据的时间点,并生成第二处理报告;生成所述实时运行数据的时间点之前的参考数据的变化曲线,若所述变化曲线异常,则标记为不良诱因特征曲线,并将异常的所述变化曲线的数据导入所述数据库。***在运行过程中不断的将实时运行数据与数据库中的数据进行比对和识别,并将新出现的与正常运行数据相异的数据标示为不良数据,并将其特征记录到数据库中,可作为新的对比依据,在后续的相同工况出现相同的不良数据后,可以及时的发出警示并生成处理报告。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,附图中的流程图和框图显示了根据本发明的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的***来实现,或者可以用专用硬件与计算机指令的组合来实现。
另外,在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应所述以权利要求的保护范围为准。
Claims (10)
1.一种带式输送机前瞻自诊断方法,应用于服务器的带式输送机前瞻自诊断***,其特征在于,所述方法包括:
获取正常运行数据、数据极限值以及第一数据关联模型;
获取实时运行数据,并将所述实时运行数据导入数据库,所述实时运行数据通过所述第一数据关联模型与第一关联数据关联;
将所述实时运行数据与所述正常运行数据作对比,若所述实时运行数据与所述正常运行数据的差值大于预设值,则发出报警提示并生成第一处理报告;
将所述实时运行数据与所述数据极限值作对比,若所述实时运行数据超过所述数据极限值,则确定获取所述实时运行数据的时间点,并生成第二处理报告;
生成所述实时运行数据的时间点之前的参考数据的变化曲线,所述参考数据至少包括所述第一关联数据,若所述变化曲线异常,则标记为不良诱因特征曲线,并将异常的所述变化曲线的数据导入所述数据库;
将新出现的与正常运行数据相异的数据标示为不良数据,并将其特征记录到所述数据库中,作为新的对比依据,在后续的相同工况出现相同的不良数据后,发出警示并生成处理报告。
2.根据权利要求1所述的带式输送机前瞻自诊断方法,其特征在于,所述参考数据还包括第二关联数据,所述带式输送机前瞻自诊断方法还包括将第二关联数据导入所述数据库,并将所述第二关联数据通过第二数据关联模型与所述实时运行数据关联。
3.根据权利要求1所述的带式输送机前瞻自诊断方法,其特征在于,所述正常运行数据、所述数据极限值以及所述第一数据关联模型预先设置在所述服务器内,或从所述服务器内与所述带式输送机前瞻自诊断***关联的***获取。
4.根据权利要求1所述的带式输送机前瞻自诊断方法,其特征在于,所述方法还包括:确定所述实时运行数据的地址,所述地址为与所述服务器通信连接的终端的硬件地址,将所述第一处理报告和所述第二处理报告发送至所述地址的终端。
5.根据权利要求1所述的带式输送机前瞻自诊断方法,其特征在于,在将所述实时运行数据与所述正常运行数据作对比,若所述实时运行数据与所述正常运行数据的差值大于预设值,则发出报警提示并生成第一处理报告之后还包括:预计所述实时运行数据达到所述数据极限值的时间。
6.一种带式输送机前瞻自诊断***,应用于服务器,其特征在于,包括:
标准值获取模块,用于获取正常运行数据、数据极限值以及第一数据关联模型;
工作值获取模块,用于获取实时运行数据,并将所述实时运行数据导入数据库,所述实时运行数据通过所述第一数据关联模型与第一关联数据关联;
第一对比模块,用于将所述实时运行数据与所述正常运行数据作对比,若所述实时运行数据与所述正常运行数据的差值大于预设值,则发出报警提示并生成第一处理报告;
第二对比模块,用于将实时运行数据与所述数据极限值作对比,若所述实时运行数据超过所述数据极限值,则确定获取所述实时运行数据的时间点,并生成第二处理报告;
数据库更新模块,用于生成所述实时运行数据的时间点之前的参考数据的变化曲线,所述参考数据至少包括所述第一关联数据,若所述变化曲线异常,则标记为不良诱因特征曲线,并将异常的所述变化曲线的数据导入所述数据库;
处理报告生成模块,用于将新出现的与正常运行数据相异的数据标示为不良数据,并将其特征记录到所述数据库中,作为新的对比依据,在后续的相同工况出现相同的不良数据后,发出警示并生成处理报告。
7.根据权利要求6所述的带式输送机前瞻自诊断***,其特征在于,所述参考数据还包括第二关联数据,所述数据库更新模块还用于将第二关联数据导入所述数据库,并将所述第二关联数据通过第二数据关联模型与所述实时运行数据关联。
8.根据权利要求6所述的带式输送机前瞻自诊断***,其特征在于,所述正常运行数据、所述数据极限值以及所述第一数据关联模型预先设置于所述服务器内,或从所述服务器内与所述带式输送机前瞻自诊断***关联的***获取。
9.根据权利要求6所述的带式输送机前瞻自诊断***,其特征在于,地址获取模块,用于确定所述实时运行数据的地址,所述地址为与所述服务器通信连接的终端的硬件地址,所述带式输送机前瞻自诊断***还用于将所述第一处理报告和所述第二处理报告发送至所述地址的终端。
10.根据权利要求6所述的带式输送机前瞻自诊断***,其特征在于,所述第一对比模块还用于预计所述实时运行数据达到所述数据极限值的时间。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610819893.1A CN106446938B (zh) | 2016-09-13 | 2016-09-13 | 带式输送机前瞻自诊断方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610819893.1A CN106446938B (zh) | 2016-09-13 | 2016-09-13 | 带式输送机前瞻自诊断方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106446938A CN106446938A (zh) | 2017-02-22 |
CN106446938B true CN106446938B (zh) | 2019-07-19 |
Family
ID=58168697
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610819893.1A Expired - Fee Related CN106446938B (zh) | 2016-09-13 | 2016-09-13 | 带式输送机前瞻自诊断方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106446938B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107797490A (zh) * | 2017-10-24 | 2018-03-13 | 华电重工股份有限公司 | 一种监控方法、***及设备 |
CN109683573A (zh) * | 2019-01-08 | 2019-04-26 | 四川省自贡运输机械集团股份有限公司 | 基于物联网技术的带式输送机远程故障监测与诊断*** |
CN109885951A (zh) * | 2019-02-28 | 2019-06-14 | 中科云创(厦门)科技有限公司 | 设备故障诊断方法及装置 |
CN110334374B (zh) * | 2019-04-25 | 2022-11-29 | 四川中鼎智能技术有限公司 | 基于水轮机主阀开度数据过程的诊断控制方法、***、存储介质和终端 |
CN110287510B (zh) * | 2019-04-25 | 2022-11-29 | 四川中鼎智能技术有限公司 | 基于水轮机主阀开度数据关联的诊断控制方法、***、存储介质和终端 |
CN110569989A (zh) * | 2019-07-29 | 2019-12-13 | 云南电网有限责任公司昆明供电局 | 一种基于典型故障池的电网计量故障实时诊断与预警方法 |
CN113221968B (zh) * | 2021-04-23 | 2023-02-21 | 北京科技大学 | 一种胶带输送机运行状态诊断方法及装置 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102004014084A1 (de) * | 2003-03-20 | 2004-10-21 | Hanse-Chemie Handelsgesellschaft mbH für Chemie und Kunststoffprodukte | Vorrichtung zur Überwachung einer Fördergurtanordnung mit einem Gurtreiniger |
CN101727085A (zh) * | 2009-11-24 | 2010-06-09 | 太原理工大学 | 煤矿井下工作面输送设备状态监测与故障诊断装置 |
CN103293399A (zh) * | 2012-02-22 | 2013-09-11 | 海尔集团公司 | 电器设备故障分析方法及*** |
CN105302657A (zh) * | 2015-11-05 | 2016-02-03 | 网易宝有限公司 | 一种异常情况分析方法和装置 |
CN105403781A (zh) * | 2015-10-20 | 2016-03-16 | 珠海格力电器股份有限公司 | 一种动态保存机组数据的方法 |
CN105578132A (zh) * | 2015-12-14 | 2016-05-11 | 西安科技大学 | 带式输送机远程视频维修辅助诊断*** |
CN105608475A (zh) * | 2016-02-15 | 2016-05-25 | 西安科技大学 | 带式输送机关键部件红外监测预警*** |
CN105692118A (zh) * | 2016-04-01 | 2016-06-22 | 西安科技大学 | 一种矿井带式输送机故障监测预警***及方法 |
-
2016
- 2016-09-13 CN CN201610819893.1A patent/CN106446938B/zh not_active Expired - Fee Related
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102004014084A1 (de) * | 2003-03-20 | 2004-10-21 | Hanse-Chemie Handelsgesellschaft mbH für Chemie und Kunststoffprodukte | Vorrichtung zur Überwachung einer Fördergurtanordnung mit einem Gurtreiniger |
CN101727085A (zh) * | 2009-11-24 | 2010-06-09 | 太原理工大学 | 煤矿井下工作面输送设备状态监测与故障诊断装置 |
CN103293399A (zh) * | 2012-02-22 | 2013-09-11 | 海尔集团公司 | 电器设备故障分析方法及*** |
CN105403781A (zh) * | 2015-10-20 | 2016-03-16 | 珠海格力电器股份有限公司 | 一种动态保存机组数据的方法 |
CN105302657A (zh) * | 2015-11-05 | 2016-02-03 | 网易宝有限公司 | 一种异常情况分析方法和装置 |
CN105578132A (zh) * | 2015-12-14 | 2016-05-11 | 西安科技大学 | 带式输送机远程视频维修辅助诊断*** |
CN105608475A (zh) * | 2016-02-15 | 2016-05-25 | 西安科技大学 | 带式输送机关键部件红外监测预警*** |
CN105692118A (zh) * | 2016-04-01 | 2016-06-22 | 西安科技大学 | 一种矿井带式输送机故障监测预警***及方法 |
Non-Patent Citations (4)
Title |
---|
《 大型带式输送机全线监控与故障诊断策略的研究》;毛映霞;《中国优秀硕士学位论文全文数据库 工程科技Ⅰ辑》;20160615(第6期);第B021-81页 |
《A robust model-based information system for monitoring and fault detection of large scale belt conveyor systems》;T. Jeinsch等;《Proceedings of the 4th World Congress on Intelligent Control and Automation》;20021231;第4卷;第3283-3287页 |
《Model based fault diagnosis of a belt conveyor through parameter estimation》;S.K. Ghoshal等;《2012 1st International Conference on Recent Advances in Information Technology (RAIT)》;20121231;第897-902页 |
《大数据煤矿胶带输送机速度状态评估模型设计》;罗波等;《西安科技大学学报》;20160331;第36卷(第2期);第176-180页 |
Also Published As
Publication number | Publication date |
---|---|
CN106446938A (zh) | 2017-02-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106446938B (zh) | 带式输送机前瞻自诊断方法及*** | |
CN111082966B (zh) | 基于批量告警事件的定位方法、装置、电子设备及介质 | |
CN112114995B (zh) | 基于进程的终端异常分析方法、装置、设备及存储介质 | |
Valdes et al. | Communication pattern anomaly detection in process control systems | |
JP2014060722A (ja) | 将来のネットワーク攻撃を検知及び予測するために、様々な指標と過去の攻撃事例を相関させ、攻撃に関する指標のプロファイルを作成するシステム及び方法 | |
CN115063118B (zh) | 一种基于工业互联网的智能车间设备管理方法及*** | |
CN112751711B (zh) | 告警信息处理方法和装置、存储介质和电子设备 | |
CN104484912A (zh) | 驾驶行为的分析方法、分析装置和服务器 | |
CN112671767B (zh) | 一种基于告警数据分析的安全事件预警方法及装置 | |
CN109766691B (zh) | 一种勒索病毒监控方法及装置 | |
US10733514B1 (en) | Methods and apparatus for multi-site time series data analysis | |
CN112817814A (zh) | 异常监控方法、***、存储介质及电子装置 | |
CN110347694A (zh) | 一种基于物联网的设备监控方法、装置及*** | |
CN110749027B (zh) | 电器设备的监控方法、装置、空调器和存储介质 | |
CN110365717A (zh) | 基于hart-ip协议的工业入侵监测方法和*** | |
CN114090380A (zh) | 一种终端监控的方法、装置、设备及存储介质 | |
CN113079186A (zh) | 基于工控终端特征识别的工业网络边界防护方法和*** | |
CN112383116A (zh) | 充电设备的状态确定方法、***以及装置 | |
Schuster et al. | Attack and fault detection in process control communication using unsupervised machine learning | |
CN109462617B (zh) | 一种局域网中设备通讯行为检测方法及装置 | |
JP2004186878A (ja) | 侵入検知装置及び侵入検知プログラム | |
CN106453653A (zh) | 一种云平台对呼吸机进行监测的方法及云平台 | |
CN113285847A (zh) | 一种智能换流站监测***的通信网络异常检测方法及*** | |
CN112180783A (zh) | 一种基于互联网的信息监控管理方法及装置 | |
Albalushi et al. | Ontology-based approach for malicious behaviour detection in synchrophasor networks |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20190719 Termination date: 20190913 |
|
CF01 | Termination of patent right due to non-payment of annual fee |