CN110398264A - 一种设备状态监测方法及*** - Google Patents

Abstract

本申请公开了一种设备状态监测方法及***，方法包括：获取用于表征设备现场运行状态的第一数据，将所述第一数据进行发送；依据所述第一数据的数据格式以及输送所述第一数据的报文的报文信息确定所述设备的设备类型；确定所述设备类型对应的状态监测方案；基于配置好的所述状态监测方案对所述设备进行监测，并将监测结果上传至云端。所述设备状态监测方法及***，能够根据设备现场运行数据自动识别设备类型，并为确定类型的现场设备自动配置对应的状态监测方案，可适用于多种类型的设备的状态监测，且过程中不需要人工配置相关参数，能够节省人工，加快设备状态监测方案的实施。

Description

一种设备状态监测方法及***

技术领域

本发明涉及数据处理技术，更具体的说，是涉及一种设备状态监测方法及***。

背景技术

随着物联网、云计算和大数据等新一代信息技术在工业领域的应用，工业设备运行的数字化形态得以呈现，也进一步催生了包括旋转机械设备在内的制造装备视情维护新业态。

现阶段，面向典型工业智能制造需求的旋转机械设备的状态监测产品，通常都是面向单一类型的旋转机械设备，除了与自身匹配的旋转机械设备的状态监测，其并不能够适应于其他类型的旋转机械设备的状态监测工作，且每一种旋转机械设备的相关管理参数及监测参数，都需要根据设备类型人工进行配置。然而，随着旋转机械设备的不断改进发展，现有的状态监测产品难以满足不断更新扩展的旋转机械设备的状态监测需求。

发明内容

有鉴于此，本发明提供了一种，以克服现有技术中由于的问题。

为实现上述目的，本发明提供如下技术方案：

一种设备状态监测方法，包括：

获取用于表征设备现场运行状态的第一数据，将所述第一数据进行发送；

依据所述第一数据的数据格式以及输送所述第一数据的报文的报文信息确定所述设备的设备类型；

确定所述设备类型对应的状态监测方案；

基于配置好的所述状态监测方案对所述设备进行监测，并将监测结果上传至云端。

可选的，所述基于配置好的所述状态监测方案对所述设备进行监测，并将监测结果上传至云端，包括：

基于配置好的所述状态监测方案对所述设备进行监测，获取监测数据；

对所述监测数据进行汇总及分析处理，得到监测结果，将所述监测结果上传至云端。

可选的，还包括：

依据预先配置好的设备的生命周期模型，结合所述监测数据对所述设备的运行情况进行预测，得到运行预测结果。

可选的，还包括：

依据预先配置好的面向不同应用场景的规则库和算法库，结合所述运行预测结果输出决策结果。

可选的，还包括：

依据所述设备的所述设备类型确定所述设备的运行参数，并参照所述运行参数构建所述设备的运行模型；

依据所述第一数据在所述运行模型上进行仿真模拟，得到所述设备的仿真预测结果。

可选的，还包括：

预先确定各个类型的设备的知识图谱，并依据所述知识图谱确定模型计算式，所述模型计算式适用于各个类型的设备的状态监测。

一种设备状态监测***，包括前端装置及后端服务器；

所述前端装置布置在设备现场，用于采集表征设备的运行状态的第一数据，并将所述第一数据发送给后端服务器，基于所述后端服务器配置好的状态监测方案对所述设备进行监测，并将监测结果上传至云端；

所述后端服务器用于根据所述第一数据确定所述设备的设备类型，基于确定的所述设备类型确定所述设备的状态监测方案，将所述状态监测方案配置到所述前端装置，向所述前端装置配置状态监测方案。

可选的，所述后端服务器还用于：

配置基于C/S或B/S的UI界面；

接收用户基于所述UI界面对所述设备的监测工作执行的配置操作。

可选的，还包括：

通过公共云或私有云存储前端装置的管理配置模型，所述前端装置通过认证登录云端获取所述管理配置模型；

或，

云端定期更新前端装置的管理配置模型，将所述管理配置模型发送给所述前端装置更新。

可选的，所述后端服务器还用于：

构建所述设备的运行模型，将从所述前端装置获取的运行数据输入所述设备模型，对所述设备的运行情况进行预测。

经由上述的技术方案可知，与现有技术相比，本发明实施例公开了一种设备状态监测方法及***，方法包括：获取用于表征设备现场运行状态的第一数据，将所述第一数据进行发送；依据所述第一数据的数据格式以及输送所述第一数据的报文的报文信息确定所述设备的设备类型；确定所述设备类型对应的状态监测方案；基于配置好的所述状态监测方案对所述设备进行监测，并将监测结果上传至云端。所述设备状态监测方法及***，能够根据设备现场运行数据自动识别设备类型，并为确定类型的现场设备自动配置对应的状态监测方案，可适用于多种类型的设备的状态监测，且过程中不需要人工配置相关参数，能够节省人工，加快设备状态监测方案的实施。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，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，还可以根据提供的附图获得其他的附图。

图1为本发明实施例公开的一种设备状态监测方法的流程图；

图2为本发明实施例公开的另一种设备状态监测方法的流程图；

图3为本发明实施例公开的第三种设备状态监测方法的流程图；

图4为本发明实施例公开的一种***架构框图；

图5为本发明实施例公开的设备状态监测***的部署流程图；

图6为本发明实施例公开的设备状态监测***的结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，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。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动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。

图1为本发明实施例公开的一种设备状态监测方法的流程图，参见图1所示，设备状态监测方法可以包括：

步骤101：获取用于表征设备现场运行状态的第一数据，将所述第一数据进行发送。

其中，所述设备可以但不限制为旋转机械设备，例如风机、电机、轴承、汽轮机、空压机等等。所述第一数据可以但不限制为设备运行的转速、相位等状态数据。

具体地，所述第一数据可以由布置在现场的前端装置获取，然后发送给后端服务器。由于所述第一数据可以由现场设备发出，不同的设备可能采用不同的通讯协议、不同的报文、不同的数据格式发送数据，这样，即使同样的运行状态数据，由不同的设备发送也会形成不同的第一数据。

步骤102：依据所述第一数据的数据格式以及输送所述第一数据的报文的报文信息确定所述设备的设备类型。

前面已经介绍到，不同设备发送数据的格式、通讯协议、报文类型都可能不同，因此，后端服务器在接收到所述第一数据后，可以根据预先配置的已知设备的数据发送信息确定现场的设备的设备类型。后续可根据确定的设备类型对所述设备进行状态监测和设备管理。

步骤103：确定所述设备类型对应的状态监测方案。

不同类型的设备，具体的状态监测方案不同，在确定了现场设备的设备类型后，后端服务器可以根据预置的设备类型与状态监测方案的映射关系，确定所述设备的状态监测方案。

步骤104：基于配置好的所述状态监测方案对所述设备进行监测，并将监测结果上传至云端。

后端服务器确定了状态监测方案后，可以将与所述状态检测方案相关的参数配置给前端装置，这样，使得前端装置依据所述状态监测方案想相关参数对所述设备进行状态监测。其中具体的参数可以指示对设备监测哪些数据，例如温度、压力、震动等数据。

需要说明是是，前端装置上传数据到云端，所述云端可以是边缘云，即配置在现场上位机上的云；也可以是企业私有云。

本实施例中，所述设备状态监测方法，能够根据设备现场运行数据自动识别设备类型，并为确定类型的现场设备自动配置对应的状态监测方案，可适用于多种类型的设备的状态监测，且过程中不需要人工配置相关参数，能够节省人工，加快设备状态监测方案的实施。

上述实施例中，所述基于配置好的所述状态监测方案对所述设备进行监测，并将监测结果上传至云端，可以包括：基于配置好的所述状态监测方案对所述设备进行监测，获取监测数据；对所述监测数据进行汇总及分析处理，得到监测结果，将所述监测结果上传至云端。

由于现场获取的监测数据种类可能比较多，且监测数据是实时产生的，因此，前端装置实际在设备现场获取的监测数据量会非常大，但实际应用中，并不需要将所有的监测数据上传至云端，可以只将其中比较重要的监测数据，或者对监测数据进行汇总、分析处理后得到的数据上传至云端。例如，可以对监测数据进行分析处理，判断设备运行状态为正常或故障，将判断结果上传至云端，而不将具体大量的监测数据上传至云端。

图2为本发明实施例公开的另一种设备状态监测方法的流程图，如图2所示，可以包括：

步骤201：获取用于表征设备现场运行状态的第一数据，将所述第一数据进行发送。

步骤202：依据所述第一数据的数据格式以及输送所述第一数据的报文的报文信息确定所述设备的设备类型。

步骤203：确定所述设备类型对应的状态监测方案。

步骤204：基于配置好的所述状态监测方案对所述设备进行监测，并将监测结果上传至云端。

步骤205：依据预先配置好的设备的生命周期模型，结合所述监测数据对所述设备的运行情况进行预测，得到运行预测结果。

其中，所述生命周期模型可以是设备运行结合设备工业衰减机理、衰减模型和/或机械劣化趋势分析验证得到的。在每个生命周期阶段，设备运行的状态数据都有或大或小的不同特点，根据设备当前的监测数据，可以大致分析出所述设备当前处于哪个生命周期阶段，后续继续运行可能会出现什么样的运行状态。

步骤206：依据预先配置好的面向不同应用场景的规则库和算法库，结合所述运行预测结果输出决策结果。

前面已经介绍到，设备在不同的生命周期阶段的状态数据具有不同的特点，在分析出设备后续继续运行可能会出现的运行状态后，可以依据预先配置好的面向不同应用场景的规则库和算法库，提前输出后续控制的决策结果。例如，通过监测数据分析得到所述设备后续一周内可能会出现断轴的危险情况，则可以预先启动应急备用方案，以防所述设备真的出现断轴故障后，造成较大的安全事故或生产中断事故。

本实施例中，在对设备正常监测的过程中，可以根据预先配置的生命周期模型结合监测数据预测出设备后续运行状态，预测出可能出现的故障，并可以进一步结合面向不同应用场景的规则库和算法库输出决策结果，对可能出现的故障及早进行预防控制，防止严重安全事故或工业事故的发生。

图3为本发明实施例公开的第三种设备状态监测方法的流程图，如图3所示，设备状态监测方法可以包括：

步骤301：获取用于表征设备现场运行状态的第一数据，将所述第一数据进行发送。

步骤302：依据所述第一数据的数据格式以及输送所述第一数据的报文的报文信息确定所述设备的设备类型。

步骤303：确定所述设备类型对应的状态监测方案。

步骤304：基于配置好的所述状态监测方案对所述设备进行监测，并将监测结果上传至云端。

步骤305：依据所述设备的所述设备类型确定所述设备的运行参数，并参照所述运行参数构建所述设备的运行模型。

后端服务器除了识别设备类型，并为设备匹配对应的状态监测方案和设备管理方案之外，还可以依据设备类型确定所述设备的运行参数，并参照所述运行参数构建所述设备的运行模型。即在后台服务器中搭建一个虚拟的设备运行模型，该运行模型与所述设备在现场的运行模式和运行参数配置完全相同，已达到更好的模拟效果。

步骤306：依据所述第一数据在所述运行模型上进行仿真模拟，得到所述设备的仿真预测结果。

在所述设备的所述运行模型搭建好后，可以将从设备现场获取的，用于表征设备现场运行状态的第一数据直接输入所述运行模型，使得所述运行模型依据现场实际运行情况进行仿真模拟。通过一定时间的仿真模拟，得到所述设备的仿真预测结果。

通过所述设备的超前仿真预测，可以模拟预测到未来所述设备可能会出现的问题，则在所述设备实际运行还没有达到出问题的节点前，可以预先采取一定的措施，防止所述设备后续出现问题时造成比较大的生产事故，这样通过预先的安排，尽量减小甚至避免后续故障可额能造成的负面影响。

本实施例中，在得到仿真预测结果后，可以将所述仿真预测结果传送至云端，由云端根据预先配置的工业规则、算法库等作出相应决策，以应对后续可能出现的问题。

在另外的一个实施例中，设备状态监测方法还可以包括预先确定各个类型的设备的知识图谱，并依据所述知识图谱确定模型计算式的步骤。其中，所述模型计算式适用于各个类型的设备的状态监测。

所述知识图谱具体可以是数据+模型的结构，可以根据各种类型的运行数据结合设备的工业机理训练而成，训练过程中可结合算法、规则和可量化的经验实现。每一种类型的设备对应一个知识图谱，基于多个知识图谱可以确定一个能够适用于多种类型设备的模型计算式，该模型计算式适用于各个类型的设备的状态监测。

上述各实施例可基于设备状态监测***实现，图4为本发明实施例公开的一种***架构框图，结合图4所示，设备状态监测***中，最底层为现场设备以及现场设备的过程控制。其中，现场设备可以包括诸如风机、电机、泵、轴承等旋转机械设备，设备的过程控制可以采用PLC、DCS等控制方式。

再向上，为布置在设备现场的前端装置，所述前端装置中可以配置有数据采集、数据通信、数据清洗等功能，也可以配置有工业规则库、机器学习模型库等算法或规则，便于在需要对采集的状态数据进行相关处理时调用。

再向上是工业中台，具体可以为企业级云平台，前端装置采集到的的数据或处理后得到的数据可以发送至企业级云平台进行存储，也可以作为后续进一步分析或决策的依据。

后端APP中可以配置有数据计算、数据镜像、工业规则库、及其学***台，也可以下方到设备现场的上位机上，只需要保证设置在具有一定计算能力的物理设备或虚拟计算资源上，在需要进行相关计算分析时，能够调用到相应功能的数据模型即可。

最上层为用户终端，可以包括移动终端、PC或其他智能终端。在用户终端上，用户可以通过之前配置的用户界面查看设备运行状态、运行数据、运行预测情况和仿真预测情况等信息，便于用户及时了解设备整体情况。

为了保证设备的安全运行，***也可以配置白名单，规定只有白名单中对应的终端(API接口)才有权访问设备状态监测***。

在实施上述实施例公开的设备状态监测方法前，需要首先部署好设备状态监测***，即端云一体化的设备自适应状态监测***。设备状态监测***的部署过程可以参阅图5，图5为本发明实施例公开的设备状态监测***的部署流程图，结合图5所示，首先需要在设备现场进行现场设备连接，以获取用于表征设备现场运行状态的第一数据，即数据获取的过程；然后对获取到的第一数据自动进行识别分析，确定设备类型以及设备的逻辑位置关系，根据确定的数据进行组网，构建设备仿真模型；进而根据设备类型以及设备的逻辑位置关系对前端进行对应的管理配置，并对后端进行对应的管理配置。将前端和后端都配置好后，首先对前端进行运行测试，看前端各项功能内容是否能够正常运行，前端运行无误后，拿前端获取的运行数据输入之前构建的设备仿真模型，看设备仿真模型是否能够正常仿真运行，若设备仿真模型也运行无误，可以进行端云一体化配置测试，规定前端采集哪些数据，哪些处理在边缘端(即设备现场)执行，哪些处理在云端执行，前端的哪些数据需要传送到云端等等。端云一体化测试完成后，即可投入应用。

在具体实现中，***在初始化部署实施前期，需通过现场与云端协同的方式执行一次端云一体化部署，后续如未出现硬件物理性故障，所有功能更新均可通过云端下发和远程配置的方式进行升级。

本申请所述前端装置用于在工业现场部署，并根据现场应用需求进行IP65-67封装。装置具有协议解析、数据通信、数据收集、数据清洗、边缘计算的功能，同时可通过云端配置工业规则库和算法库。前端装置可兼容MQTT、RS232/485、TCP/IP等超过20种主流工业协议，支持Zig-bee,GPRS等主流工业局域网通信，可通过与现场运行的旋转机械设备直联的模式实现数采，或通过PLC、DCS等过程控制级设备收集所需数据，同时支持从上位机取数。

在首次实施阶段，通过前端装置联入用户已有工业***，获取生产运行相关策略数据并发送至云端，***依据生产策略数据自适应计算传感网络组网，并形成管理配置。通过公有云和企业私有云模型实现管理配置模型的下发，同时在软件端组建生产过程虚拟运行场景。

后端APP包括数据计算、数字镜像、过程重构、数据可视功能，同时内置工业规则库和机器学习模型库，用于实现***配置、管理以及与管理者的可视化交互。

前端装置按照***计算的传感网络要求实现组网后，由后端APP基于RESTFUL API执行前端装置的功能测试，结合实际场景配置设备状态监测权限、策略、算法，基于监督式学习方式使状态监测模型收敛。

后端APP可基于物模板配置各类设备参数，通过可拖拽式组合建立数字镜像，满足不同生产过程的设备状态监控需要以及后续用户对生产过程的仿真需求。后端APP的UE交互可依据用户需求基于C/S或B/S方式定制，用户可通过UI进行可拖拽式配置，实现面向个性化定制场景下的设备状态监测管理。***UI可依据终端需求在移动端、PC和其他智能终端上安装。

完成配置后，***根据定制化接口，实现与主流工业安全装置及软硬件的通信，通过对工业安全***白名单的解析，实现对***的安全防护。完成配置后，***根据定制化接口，实现与MES、SCM、WMS等主要信息化***间的数据互通。***整体配置完成后，执行***整体的端云一体化测试。

对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为依据本发明，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本发明所必须的。

上述本发明公开的实施例中详细描述了方法，对于本发明的方法可采用多种形式的装置实现，因此本发明还公开了一种装置，下面给出具体的实施例进行详细说明。

图6为本发明实施例公开的设备状态监测***的结构示意图，参见图6所示，设备状态监测***60可以包括前端装置601及后端服务器602。

其中，所述前端装置601布置在设备现场，用于采集表征设备的运行状态的第一数据，并将所述第一数据发送给后端服务器，基于所述后端服务器配置好的状态监测方案对所述设备进行监测，并将监测结果上传至云端。

所述后端服务器602用于根据所述第一数据确定所述设备的设备类型，基于确定的所述设备类型确定所述设备的状态监测方案，将所述状态监测方案配置到所述前端装置，向所述前端装置配置状态监测方案。

本实施例中，所述设备状态监测***，能够根据设备现场运行数据自动识别设备类型，并为确定类型的现场设备自动配置对应的状态监测方案，可适用于多种类型的设备的状态监测，且过程中不需要人工配置相关参数，能够节省人工，加快设备状态监测方案的实施。

在其他的实现中，所述后端服务器还可以用于：配置基于C/S或B/S的UI界面；接收用户基于所述UI界面对所述设备的监测工作执行的配置操作。

在合法终端登录到所述设备状态监测***后，可以看到UI界面，用户可以在UI界面行可拖拽式配置，实现面向个性化定制场景下的设备状态监测管理。***UI可依据终端需求在移动端、PC和其他智能终端上安装。

实际应用中，设备的管理配置模型和状态监测方案可能会不定时的更新，为了保证更新方案的实时性，设备状态监测***在具体实现中，还可以包括：通过公共云或私有云存储前端装置的管理配置模型，所述前端装置通过认证登录云端获取所述管理配置模型；或，云端定期更新前端装置的管理配置模型，将所述管理配置模型发送给所述前端装置更新。

在另外一个实现中，所述后端服务器还可以用于：构建所述设备的运行模型，将从所述前端装置获取的运行数据输入所述设备模型，对所述设备的运行情况进行预测。

后端服务器除了识别设备类型，并为设备匹配对应的状态监测方案和设备管理方案之外，还可以依据设备类型确定所述设备的运行参数，并参照所述运行参数构建所述设备的运行模型。即在后台服务器中搭建一个虚拟的设备运行模型，该运行模型与所述设备在现场的运行模式和运行参数配置完全相同，已达到更好的模拟效果。

在所述设备的所述运行模型搭建好后，可以将从设备现场获取的，用于表征设备现场运行状态的第一数据直接输入所述运行模型，使得所述运行模型依据现场实际运行情况进行仿真模拟。通过一定时间的仿真模拟，得到所述设备的仿真预测结果。

通过所述设备的超前仿真预测，可以模拟预测到未来所述设备可能会出现的问题，则在所述设备实际运行还没有达到出问题的节点前，可以预先采取一定的措施，防止所述设备后续出现问题时造成比较大的生产事故，这样通过预先的安排，尽量减小甚至避免后续故障可额能造成的负面影响。

在具体实现中，设备状态检测***具体可以是一种面向典型旋转机械设备的自适应状态监测***，适用于典型离散、流程制造行业旋转机械设备的自适应状态监测、报警和敏捷化、精益化管理。

***可以由前端装置和后端APP组成，通过云平台实现端云一体化的状态监测与设备管理。***内置面向不同工业应用场景的规则库和算法库，可依据用户实际需求，实现对***的自适应配置、边缘决策、云端决策和远程管理。支持企业的设备上云，视情维护及端云一体化运维管理。

***的前端装置具备对当前工业现场主流旋转机械设备，包括：(1)轴承、电机、齿轮、透平、刀具、汽轮机、电机、泵、风机等；PLC、DCS等主要控制设备；(2)加速度计、液压、电信号、声发射、工业相机、温度、湿度、电流、风速、涡流等主流工业传感器的数据接入和数据融合。

***的前端装置支持包括RS232/485、TCP/IP、RJ45、Modbus、OPC-UA等在内的超过20种主流工业协议，支持通过后端APP实现工业协议的自适应选择和自助式配置。仅需1台前端接入现场上位机，即可执行配置过程。

前端装置可实现旋转机械设备的包括自主联接、发现、学习、优化、执行和决策的边缘计算功能。可通过预置和云端配置方式写入涵盖工程机械、汽车制造、石油化工、黑色冶金、有色冶金、医药制造、电子信息制造几类典型的离散、流程制造场景中的旋转机械装备的典型故障诊断和PHM模型。其中，可在边缘端诊断的旋转机械设备常见故障包括：残余应力、振动、失衡、弯曲、裂纹、油膜振颤、喘振。

前端装置可应用状态估计规则模型、故障特征选择算法和机器学习算法执行边缘自决策和运行结果的上报。前端装置可依据设备类型、数据形态、数据分布、数据质量、历史和当前工况、设备历史运行状态和当前运行状态，自主地发现和联接设备，自适应地规划状态监测、报警和停机策略。

前端装置内置基于规则和历史数据驱动的计算策略选择功能，可根据业务场景与数据的时间敏感度及数据权重之间的关系，自适应地进行边缘及云端计算策略的配置。

前端装置支持基于公网和企业专网的远程配置和升级。配置和升级操作通过后端APP执行，前端装置与后端APP间的绑定操作基于MAC和设备序列号作为设备双重鉴权依据。无需技术工程师到达现场即可实现配置升级操作。前端装置支持IP65-67防护等级可选配置，满足用户根据工况进行自定义配置的需要。

后端APP具备优化现场传感器网络的能力，面向前述的典型离散和流程制造领域，可依据工况、能耗、网络负载及客户预算自适应规划设计前端装置的需求数量，在确保数据质量、***功能和可靠性综合最大化的前提下，为用户规划性价比最高的现场部署策略。

后端APP为类中台功能，可基于企业私有云或公网，实现对所有前端装置的管控和升级，并通过前端装置实现对旋转机械设备的状态监测。后端APP支持基于RESTFUL API等主流API接口的通信方式，实现与前端装置的数据通信。

后端APP内置旋转机械设备的物模型库，可依据旋转机械设备运行的主要参数，以及前端装置采集到的设备运行数据，对主要类型的旋转机械基于物模型进行参数配置，并根据工业现场实际运行数据流，以可拖拽方式构建典型离散、流程制造产线的CPS(Cyber-physical system)镜像。

后端APP支持GPRS、3/4/5G移动网络和通用互联网通信，可依据用户实际需要选择包括手机、平板机、PC以及车载终端上进行APP安装。

后端APP兼容主流工业软件接口，可实现与目前主流工业MES、WMS、SCM之间的数据通信，支持向主流工业信息化***实时报送设备运行状态、提供报警信号并获取***中的运行决策信息。后端APP可基于企业云或公有云实现设备状态监测与故障诊断模型的配置，完成配置后，整套***可依据设备运行数据自动判别设备类型并匹配适用的信号处理和模式识别技术。支持端云一体化的模型自学习和自适应迭代，在采用监督式学习进行首次配置后，***将实现状态监测模型的自学习和自收敛。

后端APP可实现典型旋转机械设备的当前状态画像、故障深度、劣化趋势的实时判定、实时报警推送。可在软件配置完成后，根据用户授权的范围，执行紧急停止操作。

后端APP可依据用户需要，分别提供基于C/S和B/S的UI界面，用户可根据需要进行拖拽式界面配置。

***支持基于白名单的安全防护机制，适配国内外主流工控安全防火墙，可同步接入工业信息***安全白名单。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

还需要说明的是，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。

结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (10)

1.一种设备状态监测方法，包括：

获取用于表征设备现场运行状态的第一数据，将所述第一数据进行发送；

依据所述第一数据的数据格式以及输送所述第一数据的报文的报文信息确定所述设备的设备类型；

确定所述设备类型对应的状态监测方案；

基于配置好的所述状态监测方案对所述设备进行监测，并将监测结果上传至云端。

2.根据权利要求1所述的设备状态监测方法，所述基于配置好的所述状态监测方案对所述设备进行监测，并将监测结果上传至云端，包括：

基于配置好的所述状态监测方案对所述设备进行监测，获取监测数据；

对所述监测数据进行汇总及分析处理，得到监测结果，将所述监测结果上传至云端。

3.根据权利要求2所述的设备状态监测方法，还包括：

依据预先配置好的设备的生命周期模型，结合所述监测数据对所述设备的运行情况进行预测，得到运行预测结果。

4.根据权利要求2所述的设备状态监测方法，还包括：

依据预先配置好的面向不同应用场景的规则库和算法库，结合所述运行预测结果输出决策结果。

5.根据权利要求1所述的设备状态监测方法，还包括：

依据所述设备的所述设备类型确定所述设备的运行参数，并参照所述运行参数构建所述设备的运行模型；

依据所述第一数据在所述运行模型上进行仿真模拟，得到所述设备的仿真预测结果。

6.根据权利要求1所述的设备状态监测方法，还包括：

预先确定各个类型的设备的知识图谱，并依据所述知识图谱确定模型计算式，所述模型计算式适用于各个类型的设备的状态监测。

7.一种设备状态监测***，包括前端装置及后端服务器；

所述前端装置布置在设备现场，用于采集表征设备的运行状态的第一数据，并将所述第一数据发送给后端服务器，基于所述后端服务器配置好的状态监测方案对所述设备进行监测，并将监测结果上传至云端；

所述后端服务器用于根据所述第一数据确定所述设备的设备类型，基于确定的所述设备类型确定所述设备的状态监测方案，将所述状态监测方案配置到所述前端装置，向所述前端装置配置状态监测方案。

8.根据权利要求7所述的设备状态监测***，所述后端服务器还用于：

配置基于C/S或B/S的UI界面；

接收用户基于所述UI界面对所述设备的监测工作执行的配置操作。

9.根据权利要求7所述的设备状态监测***，还包括：

通过公共云或私有云存储前端装置的管理配置模型，所述前端装置通过认证登录云端获取所述管理配置模型；

或，

云端定期更新前端装置的管理配置模型，将所述管理配置模型发送给所述前端装置更新。

10.根据权利要求7所述的设备状态检测***，所述后端服务器还用于：

构建所述设备的运行模型，将从所述前端装置获取的运行数据输入所述设备模型，对所述设备的运行情况进行预测。