CN113778762B - 设备冗余备份方法、装置、计算机设备和存储介质 - Google Patents
设备冗余备份方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN113778762B CN113778762B CN202110966902.0A CN202110966902A CN113778762B CN 113778762 B CN113778762 B CN 113778762B CN 202110966902 A CN202110966902 A CN 202110966902A CN 113778762 B CN113778762 B CN 113778762B
- Authority
- CN
- China
- Prior art keywords
- equipment
- stress
- physical model
- minimum
- task
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000005299 abrasion Methods 0.000 claims abstract description 40
- 238000004088 simulation Methods 0.000 claims description 42
- 238000004458 analytical method Methods 0.000 claims description 41
- 238000004590 computer program Methods 0.000 claims description 26
- 238000004519 manufacturing process Methods 0.000 claims description 15
- 230000004044 response Effects 0.000 claims description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 10
- 238000004891 communication Methods 0.000 description 6
- 238000013461 design Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 239000000306 component Substances 0.000 description 5
- 238000001816 cooling Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 2
- 239000008358 core component Substances 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000002035 prolonged effect Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 208000033999 Device damage Diseases 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005057 refrigeration Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
- G06F11/16—Error detection or correction of the data by redundancy in hardware
- G06F11/20—Error detection or correction of the data by redundancy in hardware using active fault-masking, e.g. by switching out faulty elements or by switching in spare elements
- G06F11/202—Error detection or correction of the data by redundancy in hardware using active fault-masking, e.g. by switching out faulty elements or by switching in spare elements where processing functionality is redundant
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请涉及一种设备冗余备份方法、装置、计算机设备和存储介质,方法包括:响应设备运行任务,获取不同工况运行状态下设备各点位应力数据以及设备应力物理模型,模拟获取所述设备磨损程度最小对应的运行状态,识别设备运行任务对应的任务需求,当述设备磨损程度最小对应的运行状态无法满足所述任务需求时,即联机启动冗余备份设备,从而实现设备损伤最小的情况下,设备冗余备份的无间歇切换,给用户带来便捷。
Description
技术领域
本申请涉及智能控制技术领域,特别是涉及一种设备冗余备份方法、装置、计算机设备和存储介质。
背景技术
如今智能化控制已经深入到我们生活的方方面面,给人们带来了巨大的便捷。以常见的楼宇设备为例,近些年楼宇化自动控制的领域如雨后春笋般的发展,楼宇自动化控制已经成为了现代建筑的一个标志,有的城市已经提出基于楼宇自动化***的智慧城市概念。
在设备智能化应用过程中,设备的稳定、无间隙工作已经成为一种必然的需求。现在大多数的做法都是对设备进行冗余备份,这种措施可以很大程度的减少设备的故障运行时间。但是这种方式多数情况是在已经出现故障的情况下才切换至冗余备份的设备,这会导致***运行出现短暂的间歇。
发明内容
基于此,有必要针对传统设备冗余备份方案会出现短暂间歇的技术问题,提供一种无间歇的设备冗余备份方法、装置、计算机设备和存储介质,以给用户带来便捷。
一种设备冗余备份方法,方法包括:
响应设备运行任务;
获取不同工况运行状态下设备各点位应力数据以及设备应力物理模型;
根据不同工况运行状态下设备各点位应力数据以及设备应力物理模型,模拟获取设备磨损程度最小对应的运行状态;
识别设备运行任务对应的任务需求;
若设备磨损程度最小对应的运行状态无法满足任务需求,则联机启动冗余备份设备。
在其中一个实施例中,获取设备应力物理模型包括:
获取设备组成参数,根据设备组成参数进行建模,构建设备物理模型;
获取设备组成工件的应力分析数据,在设备物理模型中加入应力分析数据,得到设备应力物理模型。
在其中一个实施例中,获取设备组成参数,根据设备组成参数进行建模,构建设备物理模型包括:
获取设备的生产图纸;
根据设备的生产图纸进行3D建模,构建设备物理模型。
在其中一个实施例中,获取设备组成工件的应力分析数据,在设备物理模型中加入应力分析数据,得到设备应力物理模型包括:
识别设备组成工件中的关键工件;
获取关键工件的应力分析数据;
在设备物理模型中加入关键工件的应力分析数据,构建设备应力物理模型。
在其中一个实施例中,若设备磨损程度最小对应的运行状态无法满足任务需求,则联机启动冗余备份设备包括:
若设备磨损程度最小对应的运行状态无法满足任务需求,则联机启动冗余备份设备;
逐步调整冗余备份设备的运行工况,直至达到设备磨损程度最小对应的运行状态或满足任务需求。
在其中一个实施例中,根据不同工况运行状态下设备各点位应力数据以及设备应力物理模型,模拟获取设备磨损程度最小对应的运行状态包括:
根据不同工况运行状态下设备各点位应力数据以及设备应力物理模型,构建设备运行状态模拟模型;
根据设备运行状态模拟模型,模拟获取设备磨损程度最小对应的运行状态。
在其中一个实施例中,若设备磨损程度最小对应的运行状态无法满足任务需求,则联机启动冗余备份设备之后,还包括:
当设备以及冗余备份设备联机运行工况超过设备运行状态模拟模型中对应的最高工况时,根据设备运行状态模拟模型预测设备以及冗余备份设备的无故障使用时间;
根据设备应力物理模型确定设备以及冗余备份设备中应力集中点;
根据应力集中点,确定设备以及冗余备份设备中易损工件;
推送告警信息至用户,告警信息携带无故障使用时间以及易损工件对应的标识。
一种设备冗余备份装置,装置包括:
响应模块,用于响应设备运行任务;
数据获取模块,用于获取不同工况运行状态下设备各点位应力数据以及设备应力物理模型;
模拟模块,用于根据不同工况运行状态下设备各点位应力数据以及设备应力物理模型,模拟获取设备磨损程度最小对应的运行状态;
需求确定模块,用于识别设备运行任务对应的任务需求;
冗余联机模块,用于当设备磨损程度最小对应的运行状态无法满足任务需求时,则联机启动冗余备份设备。
一种计算机设备,包括存储器和处理器,存储器存储有计算机程序,处理器执行计算机程序时实现以下步骤:
响应设备运行任务;
获取不同工况运行状态下设备各点位应力数据以及设备应力物理模型;
根据不同工况运行状态下设备各点位应力数据以及设备应力物理模型,模拟获取设备磨损程度最小对应的运行状态;
识别设备运行任务对应的任务需求;
若设备磨损程度最小对应的运行状态无法满足任务需求,则联机启动冗余备份设备。
一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
响应设备运行任务;
获取不同工况运行状态下设备各点位应力数据以及设备应力物理模型;
根据不同工况运行状态下设备各点位应力数据以及设备应力物理模型,模拟获取设备磨损程度最小对应的运行状态;
识别设备运行任务对应的任务需求;
若设备磨损程度最小对应的运行状态无法满足任务需求,则联机启动冗余备份设备。
上述设备冗余备份方法、装置、计算机设备和存储介质,响应设备运行任务,获取不同工况运行状态下设备各点位应力数据以及设备应力物理模型,模拟获取设备磨损程度最小对应的运行状态,识别设备运行任务对应的任务需求,当设备磨损程度最小对应的运行状态无法满足任务需求时,即联机启动冗余备份设备,从而实现设备损伤最小的情况下,设备冗余备份的无间歇切换,给用户带来便捷。
附图说明
图1为一个实施例中设备冗余备份方法的应用环境图;
图2为一个实施例中设备冗余备份方法的流程示意图;
图3为另一个实施例中设备冗余备份方法的流程示意图;
图4为一个应用实例中设备运行状态模拟模型构建的流程示意图;
图5为末端通信设备冗余备份***的结构示意图;
图6为一个实施例中设备冗余备份装置的结构框图;
图7为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请提供的设备冗余备份方法,可以应用于如图1所示的应用环境中。其中,终端102通过网络与控制器104进行通信,控制器104连接有第一设备(设备)和第二设备(冗余备份设备),第一设备和第二设备互为冗余备份设备。用户在终端102侧操作,其发起任务请求至控制器104,控制器104接收任务请求,响应设备运行任务,获取不同工况运行状态下设备各点位应力数据以及设备应力物理模型,模拟获取设备磨损程度最小对应的运行状态,识别设备运行任务对应的任务需求,当述设备磨损程度最小对应的运行状态无法满足任务需求时,即联机启动冗余备份设备。其中,终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备。
在一个实施例中,如图2所示,提供了一种设备冗余备份方法,以该方法应用于图1中的控制器104为例进行说明,包括以下步骤:
S100:响应设备运行任务。
设备运行任务是指用户发出的本次需要设备执行的任务,其具体可以是由用户在用户终端侧发出任务执行请求,控制器接收到该任务执行请求并响应,以启动第一设备,尝试满足任务需求(用户需求)。
S200:获取不同工况运行状态下设备各点位应力数据以及设备应力物理模型。
设备在不同工况运行状态下其运行参数、工件磨损情况、工件应力情况以及设备输出功率或模式均不相同。具体可以在实验状态下测试获取不同工况运行状态下设备各点位应力数据,或者可以通过对设备历史运行数据进行应力分析,获取不同工况运行状态下设备各点位的应力数据。设备应力物理模型可以是预先构建的模型,其包含有设备物理模型数据和设备应力分析数据,具体可以先基于设备组成工件以及设计参数构建得到设备物理模型,即得到设备具体的3D组成结构模型,再通过对设备各点位进行应力分析,得到设备应力分析数据,将设备应力分析数据导入至设备物理模型,从而得到设备应力物理模型。
S300:根据不同工况运行状态下设备各点位应力数据以及设备应力物理模型,模拟获取设备磨损程度最小对应的运行状态。
根据不同工况运行状态下设备各点位应力数据以及设备应力物理模型,分析不同工况运行状态对设备各点位应力的影响,通过设备应力物理模型模拟分析得到设备中工件的疲劳情况和磨损情况,模拟寻找到设备磨损程度最小对应的运行状态。具体来说,在模拟寻找设备磨损程度最小对应的运行状态过程需要对运行状态多个参数进行调整,具体包括运行时长、运行模式、设备各点位应力调整等。以点位应力调整为例,若设备应力物理模型检测到应力点正常承受力为N,那么就在此处安装形变探测器,如果检测到受力为N时就及时调整设备的运行状态,降低受力。
S400:识别设备运行任务对应的任务需求。
任务需求是指用户提出来希望设备达到其所需功能的需求。以设备为制冷设备为例,用户发出运行任务请求,在该运行任务请求中携带有用户希望冷量达到X,该X即为用户提出的任务需求。一般来说,设备运行任务在响应时会记录下本次任务对应的任务需求,在这里只需要识别出这部分数据。
S500:若设备磨损程度最小对应的运行状态无法满足任务需求,则联机启动冗余备份设备。
设备在被启动时,以S300确定的磨损程度最小对应的运行状态运行,在这个过程中,可能出现在该运行状态下的设备无法满足设备任务需求的情况,针对这种情况,在这里优先联机启动冗余备份设备,由冗余备份设备来协助工作,以满足任务需求。这样,即使任务需求较大,也可以通过联机启动冗余备份设备的方式来使设备尽量保持在磨损程度最小对应的运行状态,显著延长设备使用寿命的同时,实现设备冗余备份无间歇切换。
上述设备冗余备份方法,响应设备运行任务,获取不同工况运行状态下设备各点位应力数据以及设备应力物理模型,模拟获取设备磨损程度最小对应的运行状态,识别设备运行任务对应的任务需求,当述设备磨损程度最小对应的运行状态无法满足任务需求时,即联机启动冗余备份设备,从而实现设备损伤最小的情况下,设备冗余备份的无间歇切换,给用户带来便捷。
在其中一个实施例中,获取设备应力物理模型包括:
获取设备组成参数,根据设备组成参数进行建模,构建设备物理模型;获取设备组成工件的应力分析数据,在设备物理模型中加入应力分析数据,得到设备应力物理模型。
设备组成参数具体可以通过设备设计参数获取,其主要包括设备组成工件、各个工件之间的相对位置等参数,根据设备组成参数进行建模,可以构建得到设备物理模型,即采用建模的方式真实还原设备的组成结构。基于设备物理模型进行应力分析,可以得到设备组成工件的应力分析数据,即得到设备组成工件上各点位的应力数据,这些点位在设备物理模型中的位置是确定的,将点位对应的应力分析数据附加至设备物理模型,得到设备应力物理模型。简单来说,设备应力物理模型可以理解为设备物理模型+各点位应力分析数据组合成的模型。
在其中一个实施例中,获取设备组成参数,根据设备组成参数进行建模,构建设备物理模型包括:
获取设备的生产图纸;根据设备的生产图纸进行3D建模,构建设备物理模型。
设备的生产图纸可以由设备生产、制造厂商提供,这里的生产图纸至少要包含关键零部件的结构图纸,其优选是非常详细、清晰的设计图纸与结构图纸。根据设备的生产图纸进行3D建模,构建设备物理模型。进一步的,还可以将设备物理模型存储至预设数据库中,以便后续调用。
在其中一个实施例中,获取设备应力物理模型包括:识别设备组成工件中的关键工件;获取关键工件的应力分析数据;在设备物理模型中加入关键工件的应力分析数据,构建设备应力物理模型。
关键工件具体是指设备中的核心部件,一般来说,通过设备的功能介绍以及历史经验数据,可以直接确定出设备组成工件中的关键工件。一般来说,由于关键工件属于核心部件,其在设备运行工况是最容易出现故障、并且在出现故障情况下对设备运行影响是最大的,因此,关键工件的故障情况是需要优先、重点关注的。在本实施例中,为简化模型构建的数据处理过程,减少数据处理量,只针对关键工件进行应力分析,以便后续可以分析出关键部件存在的疲劳、故障情况,高效构建出设备应力物理模型。
在其中一个实施例中,若设备磨损程度最小对应的运行状态无法满足任务需求,则联机启动冗余备份设备包括:
若设备磨损程度最小对应的运行状态无法满足任务需求,则联机启动冗余备份设备;逐步调整冗余备份设备的运行工况,直至达到设备磨损程度最小对应的运行状态或满足任务需求。
在联机启动冗余备份设备之后,对冗余备份设备的运行工况进行逐步调整,直至联机后设备及其冗余备份设备运行工况能够满足本次任务对应的任务需求;或者,直接对冗余备份设备的运行工况逐步调整至设备磨损程度最小对应的运行状态,即设备以及冗余备份设备均处于设备磨损程度最小对应的运行状态,显著提高设备以及冗余设备的使用寿命。在实际应用中,可能出现设备以及冗余备份设备均处于设备磨损程度最小对应的运行状态时,还是无法满足本次任务需求,则可以同步调整设备以及冗余备份设备,提高运行工况,以满足任务需求。
如图3所示,在其中一个实施例中,S300包括:
S320:根据不同工况运行状态下设备各点位应力数据以及设备应力物理模型,构建设备运行状态模拟模型;
S340:根据设备运行状态模拟模型,模拟获取设备磨损程度最小对应的运行状态。
通过设备应力物理模型对各个工件进行应力分析,模拟实际设备的运行状态,看关键工件(零件)在不同的应力作用下断裂、磨损程度。最后模拟整个设备的实际运行状态,在不同的运行工况下设备各个工件(零件)的磨损状态、尤其是关注关键工件(零件)的集中应力点,模拟获取得到设备磨损程度最小对应的运行状态。具体来说,设备运行状态模拟模型进行长时间模拟运算得出设备磨损程度最小对应的运行状态。
在其中一个实施例中,若设备磨损程度最小对应的运行状态无法满足任务需求,则联机启动冗余备份设备之后,还包括:
当设备以及冗余备份设备联机运行工况超过设备运行状态模拟模型中对应的最高工况时,根据设备运行状态模拟模型预测设备以及冗余备份设备的无故障使用时间;根据设备应力物理模型确定设备以及冗余备份设备中应力集中点;根据应力集中点,确定设备以及冗余备份设备中易损工件;推送告警信息至用户,告警信息携带无故障使用时间以及易损工件对应的标识。
最高工况是指设备在满负荷运行时对应的工况,当设备以及冗余备份设备联机运行工况超过设备运行状态模拟模型中对应的最高工况时,表明设备以及冗余设备已经超负荷运行,其出现故障的概率大大增加、其使用寿命会明显缩短,通过设备运行状态模拟模型对设备中工件应力进行分析,得到应力集中点,确定设备以及冗余备份设备中易损工件;另外,基于设备运行状态模拟模型预测其工件可能出现的疲劳和故障情况,进一步分析得出设备以及冗余备份设备的无故障使用时间,将这些信息通过告警信息的方式推送至用户,即在告警信息中携带有无故障使用时间以及易损工件对应的标识,该标识用于表征具体是哪个工件。
具体来说,如图4所示,本申请设备冗余备份方法应用于如图5所示的设备(末端通讯设备)冗余备份场景中,末端通讯设备需要具备两个通讯接口,可以通过以太网连接、485通讯方式、无线网络方式等,主要目的是将所有的末端设备都在一个网络环境内,可以是局域网络,也可以是广域网络。连接后末端设备还需要支持环形网络连接,保证设备通讯中两个接口的数据双向发送。
设备与设备之间可以进行冗余备份运行,其具体包括以下步骤:
1、收集末端设备的生成图纸,要包含主要工件的详细设计图纸;
2、将工件的详细设计图纸通过3D软件进行建模,引入物理模型库;
3、对所有关键部件做整体应力分析,在模型中加入实际设备运行时的模拟应力;
4、通过设备的实际测试数据,找到不同的工况运行状态对设备各点位应力影响;
5、通过模型模拟出所有运行工况下设备长久运行后设备的疲劳、磨损程度;
6、运行后的模型数据导出,输入到末端控制设备上;
7、客户设定预设的设备运行状态;
8、控制设备根据模型保证工况的前提下自动调整设备的运行状态。
为更进一步详细说明本申请设备冗余备份方法技术方案,下面将以应用于水机多联机共同作用***为例进行说明(冷量需求小时开启多联机,冷量需求大时需要开启水机)。先建立起工况数字模型,假设计算出水机在80%满载运行时对设备的磨损程度最小,末端控制器就会先计算末端制冷设备的冷量需求,如果没有到达水机的最小需求量时,就自动开启多联机提供冷量,如果制冷量需求已经达到水机开启条件时,就关闭多联机开启水机。随着冷量需求的继续增加,当达到水机满负荷的80%时,就会开始增加多联机开启,继续提供冷量需求,当多联机已经开启到最大工况时,就要通知到客户,预警已经开启到最优情况下的最大负荷,如果客户需要继续增加冷量,末端控制器就会根据模型,提供给客户设定工况下零部件集中应力模型,以及磨损情况,以及预计的最大设备无故障使用时间。当水机有冗余备份时,一台水机检测到故障时,就会自动开启另一台水机,保证整个供冷***的正常运行。通过上述方法可以保证整套***在损伤最小的工况下自动无间隙运行。
应该理解的是,虽然上述各流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,上述各流程图中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
如图6所示,一种设备冗余备份装置,装置包括:
响应模块100,用于响应设备运行任务;
数据获取模块200,用于获取不同工况运行状态下设备各点位应力数据以及设备应力物理模型;
模拟模块300,用于根据不同工况运行状态下设备各点位应力数据以及设备应力物理模型,模拟获取设备磨损程度最小对应的运行状态;
需求确定模块400,用于识别设备运行任务对应的任务需求;
冗余联机模块500,用于当设备磨损程度最小对应的运行状态无法满足任务需求时,则联机启动冗余备份设备。
上述设备冗余备份装置,响应设备运行任务,获取不同工况运行状态下设备各点位应力数据以及设备应力物理模型,模拟获取设备磨损程度最小对应的运行状态,识别设备运行任务对应的任务需求,当述设备磨损程度最小对应的运行状态无法满足任务需求时,即联机启动冗余备份设备,从而实现设备损伤最小的情况下,设备冗余备份的无间歇切换,给用户带来便捷。
在其中一个实施例中,数据获取模块200还用于获取设备组成参数,根据设备组成参数进行建模,构建设备物理模型;获取设备组成工件的应力分析数据,在设备物理模型中加入应力分析数据,得到设备应力物理模型。
在其中一个实施例中,数据获取模块200还用于获取设备的生产图纸;根据设备的生产图纸进行3D建模,构建设备物理模型。
在其中一个实施例中,数据获取模块200还用于识别设备组成工件中的关键工件;获取关键工件的应力分析数据;在设备物理模型中加入关键工件的应力分析数据,构建设备应力物理模型。
在其中一个实施例中,冗余联机模块500还用于若设备磨损程度最小对应的运行状态无法满足任务需求,则联机启动冗余备份设备;逐步调整冗余备份设备的运行工况,直至达到设备磨损程度最小对应的运行状态或满足任务需求。
在其中一个实施例中,模拟模块300还用于根据不同工况运行状态下设备各点位应力数据以及设备应力物理模型,构建设备运行状态模拟模型;根据设备运行状态模拟模型,模拟获取设备磨损程度最小对应的运行状态。
在其中一个实施例中,上述设备冗余备份装置还包括告警模块,告警模块用于当设备以及冗余备份设备联机运行工况超过设备运行状态模拟模型中对应的最高工况时,根据设备运行状态模拟模型预测设备以及冗余备份设备的无故障使用时间;根据设备应力物理模型确定设备以及冗余备份设备中应力集中点;根据应力集中点,确定设备以及冗余备份设备中易损工件;推送告警信息至用户,告警信息携带无故障使用时间以及易损工件对应的标识。
关于设备冗余备份装置的具体实施例可以参见上文中对于设备冗余备份方法的实施例,在此不再赘述。上述设备冗余备份装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图7所示。该计算机设备包括通过***总线连接的处理器、存储器和网络接口。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作***、计算机程序和数据库。该内存储器为非易失性存储介质中的操作***和计算机程序的运行提供环境。该计算机设备的数据库用于存储设备历史工况运行数据以及预设设备物理模型等数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种设备冗余备份方法。
本领域技术人员可以理解,图7中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的工件,或者组合某些工件,或者具有不同的工件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现以下步骤:
响应设备运行任务;
获取不同工况运行状态下设备各点位应力数据以及设备应力物理模型;
根据不同工况运行状态下设备各点位应力数据以及设备应力物理模型,模拟获取设备磨损程度最小对应的运行状态;
识别设备运行任务对应的任务需求;
若设备磨损程度最小对应的运行状态无法满足任务需求,则联机启动冗余备份设备。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
获取设备组成参数,根据设备组成参数进行建模,构建设备物理模型;获取设备组成工件的应力分析数据,在设备物理模型中加入应力分析数据,得到设备应力物理模型。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
获取设备的生产图纸;根据设备的生产图纸进行3D建模,构建设备物理模型。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
识别设备组成工件中的关键工件;获取关键工件的应力分析数据;在设备物理模型中加入关键工件的应力分析数据,构建设备应力物理模型。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
若设备磨损程度最小对应的运行状态无法满足任务需求,则联机启动冗余备份设备;逐步调整冗余备份设备的运行工况,直至达到设备磨损程度最小对应的运行状态或满足任务需求。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
根据不同工况运行状态下设备各点位应力数据以及设备应力物理模型,构建设备运行状态模拟模型;根据设备运行状态模拟模型,模拟获取设备磨损程度最小对应的运行状态。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
当设备以及冗余备份设备联机运行工况超过设备运行状态模拟模型中对应的最高工况时,根据设备运行状态模拟模型预测设备以及冗余备份设备的无故障使用时间;根据设备应力物理模型确定设备以及冗余备份设备中应力集中点;根据应力集中点,确定设备以及冗余备份设备中易损工件;推送告警信息至用户,告警信息携带无故障使用时间以及易损工件对应的标识。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
响应设备运行任务;
获取不同工况运行状态下设备各点位应力数据以及设备应力物理模型;
根据不同工况运行状态下设备各点位应力数据以及设备应力物理模型,模拟获取设备磨损程度最小对应的运行状态;
识别设备运行任务对应的任务需求;
若设备磨损程度最小对应的运行状态无法满足任务需求,则联机启动冗余备份设备。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
获取设备组成参数,根据设备组成参数进行建模,构建设备物理模型;获取设备组成工件的应力分析数据,在设备物理模型中加入应力分析数据,得到设备应力物理模型。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
获取设备的生产图纸;根据设备的生产图纸进行3D建模,构建设备物理模型。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
识别设备组成工件中的关键工件;获取关键工件的应力分析数据;在设备物理模型中加入关键工件的应力分析数据,构建设备应力物理模型。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
若设备磨损程度最小对应的运行状态无法满足任务需求,则联机启动冗余备份设备;逐步调整冗余备份设备的运行工况,直至达到设备磨损程度最小对应的运行状态或满足任务需求。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
根据不同工况运行状态下设备各点位应力数据以及设备应力物理模型,构建设备运行状态模拟模型;根据设备运行状态模拟模型,模拟获取设备磨损程度最小对应的运行状态。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
当设备以及冗余备份设备联机运行工况超过设备运行状态模拟模型中对应的最高工况时,根据设备运行状态模拟模型预测设备以及冗余备份设备的无故障使用时间;根据设备应力物理模型确定设备以及冗余备份设备中应力集中点;根据应力集中点,确定设备以及冗余备份设备中易损工件;推送告警信息至用户,告警信息携带无故障使用时间以及易损工件对应的标识。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,上述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-Only Memory,ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic Random Access Memory,DRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种设备冗余备份方法,其特征在于,所述方法包括:
响应设备运行任务;
获取不同工况运行状态下设备各点位应力数据以及设备应力物理模型;
根据所述不同工况运行状态下设备各点位应力数据以及所述设备应力物理模型,模拟获取所述设备磨损程度最小对应的运行状态;
识别所述设备运行任务对应的任务需求;
若所述设备磨损程度最小对应的运行状态无法满足所述任务需求,则联机启动冗余备份设备。
2.根据权利要求1所述的方法,其特征在于,获取设备应力物理模型包括:
获取设备组成参数,根据所述设备组成参数进行建模,构建设备物理模型;
获取设备组成工件的应力分析数据,在所述设备物理模型中加入所述应力分析数据,得到设备应力物理模型。
3.根据权利要求2所述的方法,其特征在于,所述获取设备组成参数,根据所述设备组成参数进行建模,构建设备物理模型包括:
获取设备的生产图纸;
根据所述设备的生产图纸进行3D建模,构建设备物理模型。
4.根据权利要求2所述的方法,其特征在于,获取所述设备组成工件的应力分析数据,在所述设备物理模型中加入所述应力分析数据,得到设备应力物理模型包括:
识别所述设备组成工件中的关键工件;
获取所述关键工件的应力分析数据;
在所述设备物理模型中加入所述关键工件的应力分析数据,构建设备应力物理模型。
5.根据权利要求1所述的方法,其特征在于,若所述设备磨损程度最小对应的运行状态无法满足所述任务需求,则联机启动冗余备份设备包括:
若所述设备磨损程度最小对应的运行状态无法满足所述任务需求,则联机启动冗余备份设备;
逐步调整所述冗余备份设备的运行工况,直至联机后设备及其冗余备份设备运行工况能够满足本次任务对应的任务需求,或者直至设备以及冗余备份设备均处于设备磨损程度最小对应的运行状态。
6.根据权利要求1所述的方法,其特征在于,根据所述不同工况运行状态下设备各点位应力数据以及所述设备应力物理模型,模拟获取所述设备磨损程度最小对应的运行状态包括:
根据所述不同工况运行状态下设备各点位应力数据以及所述设备应力物理模型,构建设备运行状态模拟模型;
根据所述设备运行状态模拟模型,模拟获取所述设备磨损程度最小对应的运行状态。
7.根据权利要求6所述的方法,其特征在于,若所述设备磨损程度最小对应的运行状态无法满足所述任务需求,则联机启动冗余备份设备之后,还包括:
当所述设备以及所述冗余备份设备联机运行工况超过所述设备运行状态模拟模型中对应的最高工况时,根据所述设备运行状态模拟模型预测所述设备以及所述冗余备份设备的无故障使用时间;
根据所述设备应力物理模型确定所述设备以及所述冗余备份设备中应力集中点;
根据所述应力集中点,确定所述设备以及所述冗余备份设备中易损工件;
推送告警信息至用户,所述告警信息携带所述无故障使用时间以及所述易损工件对应的标识。
8.一种设备冗余备份装置,其特征在于,所述装置包括:
响应模块,用于响应设备运行任务;
数据获取模块,用于获取不同工况运行状态下设备各点位应力数据以及设备应力物理模型;
模拟模块,用于根据所述不同工况运行状态下设备各点位应力数据以及所述设备应力物理模型,模拟获取所述设备磨损程度最小对应的运行状态;
需求确定模块,用于识别所述设备运行任务对应的任务需求;
冗余联机模块,用于当所述设备磨损程度最小对应的运行状态无法满足所述任务需求时,则联机启动冗余备份设备。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110966902.0A CN113778762B (zh) | 2021-08-23 | 2021-08-23 | 设备冗余备份方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110966902.0A CN113778762B (zh) | 2021-08-23 | 2021-08-23 | 设备冗余备份方法、装置、计算机设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113778762A CN113778762A (zh) | 2021-12-10 |
CN113778762B true CN113778762B (zh) | 2024-03-19 |
Family
ID=78838730
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110966902.0A Active CN113778762B (zh) | 2021-08-23 | 2021-08-23 | 设备冗余备份方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113778762B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102213475A (zh) * | 2011-03-22 | 2011-10-12 | 曙光信息产业(北京)有限公司 | 一种数据中心功耗自适应管理方法 |
JP5736530B1 (ja) * | 2015-02-17 | 2015-06-17 | オーナンバ株式会社 | 太陽光発電システムの未来の電流値または発電量の低下の時期を予測する方法 |
CN109210730A (zh) * | 2018-08-23 | 2019-01-15 | 中筑科技股份有限公司 | 一种建筑物制冷智能管控方法及*** |
JPWO2018211559A1 (ja) * | 2017-05-15 | 2020-05-14 | 日本電気株式会社 | 設定値算出システム、方法およびプログラム |
CN111178378A (zh) * | 2019-11-07 | 2020-05-19 | 腾讯科技(深圳)有限公司 | 一种设备的故障预测方法、装置、电子设备及存储介质 |
CN111605573A (zh) * | 2020-05-15 | 2020-09-01 | 中车青岛四方机车车辆股份有限公司 | 电控箱、空调器的控制方法及装置、空调机组及列车 |
CN112034789A (zh) * | 2020-08-25 | 2020-12-04 | 国家机床质量监督检验中心 | 一种数控机床关键部件及整机的健康评估方法,***及评估终端机 |
CN112083646A (zh) * | 2020-08-21 | 2020-12-15 | 珠海格力电器股份有限公司 | 一种冗余控制方法、装置及控制*** |
CN112418453A (zh) * | 2020-11-23 | 2021-02-26 | 珠海格力电器股份有限公司 | 故障处理方法、装置、计算机设备和存储介质 |
CN112467768A (zh) * | 2020-11-17 | 2021-03-09 | 国网北京市电力公司 | 电池组的调度方法和装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8494832B2 (en) * | 2007-06-20 | 2013-07-23 | Sanjeev Krishnan | Method and apparatus for software simulation |
-
2021
- 2021-08-23 CN CN202110966902.0A patent/CN113778762B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102213475A (zh) * | 2011-03-22 | 2011-10-12 | 曙光信息产业(北京)有限公司 | 一种数据中心功耗自适应管理方法 |
JP5736530B1 (ja) * | 2015-02-17 | 2015-06-17 | オーナンバ株式会社 | 太陽光発電システムの未来の電流値または発電量の低下の時期を予測する方法 |
JPWO2018211559A1 (ja) * | 2017-05-15 | 2020-05-14 | 日本電気株式会社 | 設定値算出システム、方法およびプログラム |
CN109210730A (zh) * | 2018-08-23 | 2019-01-15 | 中筑科技股份有限公司 | 一种建筑物制冷智能管控方法及*** |
CN111178378A (zh) * | 2019-11-07 | 2020-05-19 | 腾讯科技(深圳)有限公司 | 一种设备的故障预测方法、装置、电子设备及存储介质 |
CN111605573A (zh) * | 2020-05-15 | 2020-09-01 | 中车青岛四方机车车辆股份有限公司 | 电控箱、空调器的控制方法及装置、空调机组及列车 |
CN112083646A (zh) * | 2020-08-21 | 2020-12-15 | 珠海格力电器股份有限公司 | 一种冗余控制方法、装置及控制*** |
CN112034789A (zh) * | 2020-08-25 | 2020-12-04 | 国家机床质量监督检验中心 | 一种数控机床关键部件及整机的健康评估方法,***及评估终端机 |
CN112467768A (zh) * | 2020-11-17 | 2021-03-09 | 国网北京市电力公司 | 电池组的调度方法和装置 |
CN112418453A (zh) * | 2020-11-23 | 2021-02-26 | 珠海格力电器股份有限公司 | 故障处理方法、装置、计算机设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113778762A (zh) | 2021-12-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103201724B (zh) | 在高可用性虚拟机环境中提供高可用性应用程序 | |
US11662803B2 (en) | Control method, apparatus, and electronic device | |
CN109308242A (zh) | 一种动态监控方法、装置、设备和存储介质 | |
CN111240929A (zh) | 移动机房监管方法、装置、计算机设备及存储介质 | |
CN105005252A (zh) | 一种水电站智能发电监控方法和*** | |
CN116502166A (zh) | 一种基于其他设备数据的预测方法、装置、设备和介质 | |
CN113254153B (zh) | 流程任务处理方法、装置、计算机设备和存储介质 | |
CN113778762B (zh) | 设备冗余备份方法、装置、计算机设备和存储介质 | |
CN106534262B (zh) | 一种网络信息***故障的切换方法 | |
CN117499412A (zh) | 一种基于高可用链路的集群优化处理方法及其相关设备 | |
Araujo et al. | Availability and reliability modeling of mobile cloud architectures | |
CN114647531B (zh) | 故障解决方法、故障解决***、电子设备及存储介质 | |
CN113824590B (zh) | 微服务网络的问题预测方法、计算机设备和存储介质 | |
CN114780270A (zh) | 内存故障处理方法和装置、电子设备及计算机可读存储介质 | |
CN113808727B (zh) | 设备监控方法、装置、计算机设备和可读存储介质 | |
CN115391110A (zh) | 存储设备的测试方法、终端设备及计算机可读存储介质 | |
CN112303811B (zh) | 空调运行数据的处理方法、装置、***、空调和存储介质 | |
CN105335209A (zh) | 一种虚拟机调度方法、电子设备及服务器 | |
CN114706371A (zh) | 整车网络不休眠诊断方法、装置、电子设备及存储介质 | |
CN113723625A (zh) | 基于网关的故障区域识别方法、装置、智能网关和介质 | |
CN112688435B (zh) | 电网综合监控方法、装置、控制***和存储介质 | |
CN113465122B (zh) | 一种空调主机选型方法及装置 | |
CN117367335B (zh) | 尾闸故障判定方法、装置、计算机设备、存储介质 | |
US20240070622A1 (en) | Methods and internet of things (iot) systems for full-cycle management of smart gas equipment based on big data | |
CN117632600A (zh) | 一种故障管理方法、装置及电子设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |