CN114353869A - 动设备在线监测方法、***及可读存储介质 - Google Patents
动设备在线监测方法、***及可读存储介质 Download PDFInfo
- Publication number
- CN114353869A CN114353869A CN202111606106.2A CN202111606106A CN114353869A CN 114353869 A CN114353869 A CN 114353869A CN 202111606106 A CN202111606106 A CN 202111606106A CN 114353869 A CN114353869 A CN 114353869A
- Authority
- CN
- China
- Prior art keywords
- data
- monitoring
- monitoring data
- tested
- equipment
- 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.)
- Granted
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 254
- 238000000034 method Methods 0.000 title claims abstract description 33
- 238000003860 storage Methods 0.000 title claims abstract description 13
- 238000012795 verification Methods 0.000 claims description 19
- 238000002790 cross-validation Methods 0.000 claims description 17
- 238000004891 communication Methods 0.000 claims description 13
- 238000012545 processing Methods 0.000 claims description 10
- 238000013500 data storage Methods 0.000 claims description 9
- 238000003745 diagnosis Methods 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 6
- 238000013480 data collection Methods 0.000 claims description 3
- 238000010200 validation analysis Methods 0.000 claims description 3
- 230000005540 biological transmission Effects 0.000 abstract description 3
- 230000002159 abnormal effect Effects 0.000 description 11
- 238000012423 maintenance Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 230000005856 abnormality Effects 0.000 description 2
- 238000013499 data model Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 239000003208 petroleum Substances 0.000 description 2
- 230000008054 signal transmission Effects 0.000 description 2
- 229910000831 Steel Inorganic materials 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 239000000463 material Substances 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
- 238000002360 preparation method Methods 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 238000007670 refining Methods 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明公开了一种动设备在线监测方法、***及可读存储介质,涉及设备监控技术领域,包括:基于各待测设备的运行特性建立并存储数据监测模型;建立用于反映各监测数据之间理论关联关系的第一关联模型;于待测设备上设置多个监测数据采集点,获取监测数据;接收各监测数据并根据所述第一关联模型判定数据可靠性,基于可靠性数据并结合所述数据监测模型输出待测设备的运行状态数据。通过上述技术方案,能够对获取到的监测数据进行有效性排查,由此提升监测数据的准确性,同时在监测数据排查过程中还能够对待测设备或数据传输链路中的故障位点加以识别,进而显著提升监测***的可靠性。
Description
技术领域
本发明涉及设备监控技术领域,更具体地说,它涉及一种动设备在线监测方法、***及可读存储介质。
背景技术
在炼化、石油、钢铁等产业园中,各动设备(指有驱动机带动的转动设备,如泵、压缩机、风机等)的稳定安全运行关系着整个生产的效率及安全。保障设备运行的稳定性,及时排除设备的故障隐患,不仅能够有效提升生产效率及安全性,还能降低综合管理成本,延长设备使用寿命。
但是,由于炼化石油等生产环境中各设备分布较为广泛,依靠人员实时巡检并不能很好地发现设备运行过程中出现的问题。当前,通过在设备现场设置监测传感器(如震动传感器、温度传感器等)可以实现设备的远程监控,但发明人在实践中发现,单台设备的数据异常原因往往是多方面的因素造成的,除设备自身故障外,还有可能是其他关联设备的异常运转、监测传感器的监测故障或数据信号传输网络的干扰导致的。
如何保证监测数据的准确性同时提升整个监测***的可靠性,是提升整个园区动设备管理效率、保证动设备安全运行的关键。
发明内容
针对实际运用中动设备监控***所采集到的数据容易受到干扰进而导致监测结果不准确这一问题,本申请目的一在于提出一种动设备在线监测方法,其针对于各个待测设备建立数据模型,对监测到的数据加以清洗筛选,保证数据的有效性,进而提升整个监测***的可靠性。目的二在于提供一种动设备在线监测***。目的三在于提出并保护一种加载有实现上述动设备在线监测方法的计算机可读存储介质,具体方案如下:
一种动设备在线监测方法,包括:
基于各待测设备的运行特性建立并存储数据监测模型;
建立用于反映各监测数据之间理论关联关系的第一关联模型;
于待测设备上设置多个监测数据采集点,获取监测数据;
接收各监测数据并根据所述第一关联模型判定数据可靠性,基于可靠性数据并结合所述数据监测模型输出待测设备的运行状态数据。
通过上述技术方案,利用第一关联模型能够对获取到的监测数据进行排查,若监测数据不满足上述第一关联模型,则上述监测数据被判定为无效或不可靠,由此提升监测数据的准确性,进而显著提升监测***的可靠性。
进一步的,所述建立用于反映各监测数据之间理论关联关系的第一关联模型,包括:
于同一待测设备上设定多个监测数据采集点并配置监测传感器;
获取所述待测设备正常运行时各个监测传感器采集的标准数据并存储;
基于所述标准数据,拟合生成所述待测设备在各个监测数据采集点上对应数据之间的关联关系,生成所述第一关联模型。
在实际应用中,同一待测设备上的各个监测数据采集点通常具备关联性,通过上述技术方案,利用同一待测设备不同监测数据采集点之间的关联性,判定各个监测数据的准确性,进而对无效干扰数据加以排除,提升设备监测的准确性。
进一步的,所述所述建立用于反映各监测数据之间理论关联关系的第一关联模型,还包括:
基于待测设备之间所成的设备网络,获取待测设备之间的关联关系;
于多个各待测设备上设定监测数据采集点并配置监测传感器;
获取设备网络正常运行时各待测设备对应监测数据之间的关联关系;
基于所述关联关系生成所述第一关联模型。
处于同一设备网络中的待测设备由于在控制关系上存在关联,因而其运行的状态也会存在关联,通过上述技术方案,利用上述待测设备与待测设备之间的关联性,可以建立数据关联模型,即第一关联模型,由此可以对采集到的监测数据加以校验,排除干扰,提升监测的准确性。
进一步的,所述方法还包括:
存储各待测设备对应的监测数据标准波动区间;
基于历史监测数据拟合生成各待测设备监测数据的变化趋势;
根据所述变化趋势以及当前时刻,计算所述监测数据超出所述标准波动区间所需时间,输出告警。
通过上述技术方案,可以提前预判监测数据的变化趋势,进而能够在待测设备发生故障前及时告警,减少停机或事故的发生。
进一步的,所述方法还包括:
采集各动设备对应的监测数据并将其与相邻时间段内采集的监测数据做对比;
若监测数据波动幅度超过设定阈值,则基于所述第一关联模型查找与上述监测数据相关联的监测数据并判定其波动幅度是否超过设定阈值;
若相关联的监测数据波动范围超过设定阈值,则输出设备故障告警;
若相关联的监测数据波动范围未超过设定阈值,则基于所述第一关联模型结合所述相关联的监测数据,计算生成波动幅度超过设定阈值的监测数据对应的理论值,输出监测传感器故障告警。
通过上述技术方案,可以通过监测数据判断出数据异常的原因所在,便于维护人员对相关设备加以维护。
进一步的,所述接收各监测数据并根据所述第一关联模型判定数据可靠性,包括:
建立多个监测数据采集点对应监测数据之间的交叉验证关系,形成多个交叉验证模型,其中,一个监测数据分别与多个关联监测数据关联形成多个对应的交叉验证模型;
将采集到的监测数据输入至与其对应的交叉验证模型中,基于不同的交叉验证模型得到多个对应于该监测数据采集点的验证数据;
若上述验证数据一致,则上述监测数据判定可靠;
若上述验证数据不一致,则选取上述验证数据对应的交叉验证模型,获取上述交叉验证模型关联的其它监测数据并以上述其它监测数据及其对应的交叉验证模型为基础,判定并输出其它监测数据的可靠性。
通过上述技术方案,可以通过数据之间的关联关系,查找出异常数据所在并将其排除,确保监测数据的准确性。
进一步的,所述方法还包括:
建立并存储各待测设备的故障诊断数据;
基于各待测设备的历史监测数据,建立监测数据与故障诊断数据之间的第二关系模型;
获取当前待测设备的监测数据,基于上述第二关系模型生成待测设备的故障诊断数据。
通过上述技术方案,可以通过监测数据推知出设备故障信息,进而提升设备维护的效率。
基于上述方法,本申请还提出一种计算机可读存储介质,加载存储有用于实现如前所述的动设备在线监测方法的计算机程序算法模块。
进一步的,本申请还提出一种动设备在线监测***,包括:
数据采集端,包括设置于待测设备上的监测传感器,用于采集并输出待测设备的监测数据;
服务器端,与数据采集端数据连接,包括数据处理单元、数据存储单元以及数据输出单元,所述数据存储单元中配置有如前所述的计算机可读存储介质,所述数据处理单元接收数据采集端输出的监测数据,基于数据存储单元中存储的计算机程序算法模块对监测数据加以处理后输出至数据输出单元,上述数据输出单元接收上述监测数据并将其进行格式处理后输出;
监控终端,与所述服务器端的数据输出单元数据连接,接收所述监测数据并显示;
通信端,配置为用于数据采集端、服务器端及监控终端之间的通信连接。
进一步的,所述服务器端配置本地服务器与云服务器,所述监控终端经所述通信端分别与本地服务器及云服务器数据连接。
与现有技术相比,本发明的有益效果如下:
通过建立各个监测数据之间的关联数据模型,能够对获取到的监测数据进行有效性排查,由此提升监测数据的准确性,同时在监测数据排查过程中还能够对待测设备或数据传输链路中的故障位点加以识别,进而显著提升监测***的可靠性。
附图说明
图1为本发明方法的整体流程示意图;
图2为本发明数据可靠性判定流程示意图;
图3为本发明***的框架示意图。
附图标记:1、数据采集端;2、服务器端;3、监控终端;4、通信端; 31、云服务器;32、本地服务器。
具体实施方式
下面结合实施例及图对本发明作进一步的详细说明,但本发明的实施方式不仅限于此。
一种动设备在线监测方法,如图1所示,主要包括如下步骤:
S100,基于各待测设备的运行特性建立并存储数据监测模型;
S200,建立用于反映各监测数据之间理论关联关系的第一关联模型;
S300,于待测设备上设置多个监测数据采集点,获取监测数据;
S400,接收各监测数据并根据所述第一关联模型判定数据可靠性,基于可靠性数据并结合所述数据监测模型输出待测设备的运行状态数据。
应当指出的是,上述步骤可以按照上述顺序依次执行,也可以根据需要调换顺序执行,如上述步骤S100与S200即可调换顺序执行。本申请实施例中的顺序仅为优选执行方案。
上述步骤S100中,基于各待测设备的运行特性建立并存储数据监测模型是指根据待测设备的运行数据,如温度数据、振动数据等,建立当上述待测设备处于正常运行状态时,上述温度数据、振动数据之间的关联关系,例如建立数据之间的函数关系式。由于采集的数据种类不同、待测设备种类不同,各个待测设备所对应的数据监测模型各不相同,在对数据进行监测时,利用上述数据监测模型作为标准参考,能够更为准确合理地反映出待测设备的运行状态。
在实际应用中,同一待测设备上的各个监测数据采集点通常具备关联性,例如位于电机壳体上不同位置的温度传感器所采集的数据,往往是和电机的运行状态存有直接关系,由此使得从各个监测数据采集点上采集到的监测数据之间也会存有关联关系。为此,上述步骤S200包括:
S210,于同一待测设备上设定多个监测数据采集点并配置监测传感器;
S211,获取所述待测设备正常运行时各个监测传感器采集的标准数据并存储;
S212,基于所述标准数据,拟合生成所述待测设备在各个监测数据采集点上对应数据之间的关联关系,生成所述第一关联模型。
利用同一待测设备不同监测数据采集点之间的关联性,判定各个监测数据的准确性,进而可以对无效干扰数据加以排除,提升设备监测的准确性。例如,在一待测电机的壳体上设置多个振动传感器,若其中一个振动传感器采集到的振动幅值为0,而其它关联设置的振动传感器采集到的振动幅值为X,X为标准参考值,则此时可以判定上述其中一个振动传感器故障或监测数据异常,进而将上述监测数据排除掉,提升监测数据准确性。
与在单个待测设备上设置多个监测数据采集点相类似,上述步骤S200还可以采用如下步骤:
S220,基于待测设备之间所成的设备网络,获取待测设备之间的关联关系;
S221,于多个各待测设备上设定监测数据采集点并配置监测传感器;
S222,获取设备网络正常运行时各待测设备对应监测数据之间的关联关系,基于所述关联关系生成所述第一关联模型。
上述步骤的意义在于:处于同一设备网络中的待测设备由于在控制或者物料传输上存在关联,因而其运行的状态也会存在关联,通过上述技术方案,利用上述待测设备与待测设备之间的关联性,可以建立数据关联模型,即第一关联模型,由此可以对采集到的监测数据加以校验,排除干扰,提升监测的准确性,例如,存在关联关系的设备A和设备B,其监测数据的关系式为y=f(x),x为设备A的某一运行监测数据,y为设备B的某一运行监测数据,当设备A出现故障后,则可以通过设备B的监测数据反映出来,进而实现监测数据之间的校验。
上述步骤S300中,待测设备上的监测数据采集点可以根据设备的种类或所要监测的数据种类加以选定,选定后在相应位置设置监测传感器,如温度传感器、振动传感器即可。
上述步骤S400中,接收各监测数据并根据所述第一关联模型判定数据可靠性,如图2所示,包括:
S410,建立多个监测数据采集点对应监测数据之间的交叉验证关系,形成多个交叉验证模型,其中,一个监测数据分别与多个关联监测数据关联形成多个对应的交叉验证模型。以电机壳体上的振动监测为例,设置A、B、C合计3个监测数据采集点,采集点A与采集点B之间的关联关系为f1,即所述交叉验证模型,采集点A与采集点C之间的关联关系为f2,以此类推,可以建立3个交叉验证模型。
S411,将采集到的监测数据输入至与其对应的交叉验证模型中,基于不同的交叉验证模型得到多个对应于该监测数据采集点的验证数据。例如,将上述采集点A采集到的监测数据分别输入至f1、f2中,便可以得到采集点B、采集点C理论上应当对应的监测数据,反之,可以得到多个采集点A对应的监测数据。
结合图2所示,若上述验证数据一致,则判定上述监测数据是可靠的;
若上述验证数据不一致,则选取上述验证数据对应的交叉验证模型,获取上述交叉验证模型关联的其它监测数据并以上述其它监测数据及其对应的交叉验证模型为基础,判定并输出其它监测数据的可靠性。例如,当上述采集点A对应的监测数据异常时,则异常原因有可能是采集点A本身,也有可能是其它相关联的监测数据采集点导致的,如采集点C的监测数据异常,便会使得上述验证数据的其中一个发生异常,此时以采集点C为基础,验证采集点C的可靠性,最终确定异常监测数据的来源并将其排除,确保监测数据的准确性。
在本申请实施例中,上述方法还包括:
S500,存储各待测设备对应的监测数据标准波动区间;
S501,基于历史监测数据拟合生成各待测设备监测数据的变化趋势;
S502,根据所述变化趋势以及当前时刻,计算所述监测数据超出所述标准波动区间所需时间,输出告警。
上述技术方案可以提前预判监测数据的变化趋势,进而能够在待测设备发生故障前及时告警,减少停机或事故的发生。
进一步的,所述方法还包括:
S600,采集各动设备对应的监测数据并将其与相邻时间段内采集的监测数据做对比;
若监测数据波动幅度超过设定阈值,则基于所述第一关联模型查找与上述监测数据相关联的监测数据并判定其波动幅度是否超过设定阈值;
S601,若相关联的监测数据波动范围超过设定阈值,则输出设备故障告警;
S602,若相关联的监测数据波动范围未超过设定阈值,则基于所述第一关联模型结合所述相关联的监测数据,计算生成波动幅度超过设定阈值的监测数据对应的理论值,输出监测传感器故障告警。
由于各个监测数据之间存在关联关系,当其中一个监测数据发生异常后其关联的监测数据异常,则可判定异常数据本身的来源,即待测设备发生了故障,若仅其中一个监测数据异常,则可判定为监测传感器故障,并分类输出告警,便于维护,提升监测效果。
本申请实施例中,优化的,所述方法还包括:
S700,建立并存储各待测设备的故障诊断数据;
S701,基于各待测设备的历史监测数据,建立监测数据与故障诊断数据之间的第二关系模型;
S702,获取当前待测设备的监测数据,基于上述第二关系模型生成待测设备的故障诊断数据。
上述技术方案通过监测数据推知出设备故障信息,进而可以有效提升设备维护的效率,同时也可以根据监测数据的变化预测设备的使用寿命或故障周期,便于提前做好维护准备工作。
本申请中,基于上述方法,还提出一种计算机可读存储介质,加载存储有用于实现如前所述的动设备在线监测方法的计算机程序算法模块。上述计算机可读存储介质可以为数据硬盘、数据光盘、SD卡等。
如图3所示,本申请还提出一种动设备在线监测***,主要包括:数据采集端1、服务器端2、监控终端3以及通信端4。
数据采集端1包括设置于待测设备上的监测传感器,用于采集并输出待测设备的监测数据,如温度传感器、振动传感器、转速传感器、位移传感器等,分别输出对应的监测数据。应当指出的是,在本申请中所述的传感器,均指传感器模块,其具备采集以及输出功能,如配置有无线信号传输功能的温度传感器模块、振动传感器模块等。
服务器端2与数据采集端1经通信端4数据连接,所述通信端4配置为4G/5G通信模块或其它智能无线通信装置,用以实现服务器端2与数据采集端1之间的数据通信。
服务器端2配置有数据处理单元、数据存储单元以及数据输出单元。所述数据存储单元中配置有如前所述的计算机可读存储介质,如加载有相关程序算法的计算机硬盘,所述数据处理单元接收数据采集端1输出的监测数据,基于数据存储单元中存储的计算机程序算法模块对监测数据加以处理,后输出至数据输出单元。上述数据输出单元接收上述监测数据并将其进行格式处理后输出。上述格式处理包括将监测数据以设定的图表形式输出或以设定的文字描述输出。在本申请实施例中,上述服务器包括本地服务器32以及云服务器 31,便于监测数据的上传与访问,实现设备的远程监控。
本申请实施例中,上述监控终端3可以配置为智能显示屏、智能手机、平板电脑等,其与所述服务器端2的数据输出单元数据连接,接收经格式处理后的监测数据并显示。
以上所述仅是本发明的优选实施方式,本发明的保护范围并不仅局限于上述实施例,凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理前提下的若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (10)
1.一种动设备在线监测方法,其特征在于,包括:
基于各待测设备的运行特性建立并存储数据监测模型;
建立用于反映各监测数据之间理论关联关系的第一关联模型;
于待测设备上设置多个监测数据采集点,获取监测数据;
接收各监测数据并根据所述第一关联模型判定数据可靠性,基于可靠性数据并结合所述数据监测模型输出待测设备的运行状态数据。
2.根据权利要求1所述的方法,其特征在于,所述建立用于反映各监测数据之间理论关联关系的第一关联模型,包括:
于同一待测设备上设定多个监测数据采集点并配置监测传感器;
获取所述待测设备正常运行时各个监测传感器采集的标准数据并存储;
基于所述标准数据,拟合生成所述待测设备在各个监测数据采集点上对应数据之间的关联关系,生成所述第一关联模型。
3.根据权利要求1所述的方法,其特征在于,所述建立用于反映各监测数据之间理论关联关系的第一关联模型,还包括:
基于待测设备之间所成的设备网络,获取待测设备之间的关联关系;
于多个各待测设备上设定监测数据采集点并配置监测传感器;
获取设备网络正常运行时各待测设备对应监测数据之间的关联关系;
基于所述关联关系生成所述第一关联模型。
4.根据权利要求2或3所述的方法,其特征在于,还包括:
存储各待测设备对应的监测数据标准波动区间;
基于历史监测数据拟合生成各待测设备监测数据的变化趋势;
根据所述变化趋势以及当前时刻,计算所述监测数据超出所述标准波动区间所需时间,输出告警。
5.根据权利要求4所述的方法,其特征在于,还包括:
采集各动设备对应的监测数据并将其与相邻时间段内采集的监测数据做对比;
若监测数据波动幅度超过设定阈值,则基于所述第一关联模型查找与上述监测数据相关联的监测数据并判定其波动幅度是否超过设定阈值;
若相关联的监测数据波动范围超过设定阈值,则输出设备故障告警;
若相关联的监测数据波动范围未超过设定阈值,则基于所述第一关联模型结合所述相关联的监测数据,计算生成波动幅度超过设定阈值的监测数据对应的理论值,输出监测传感器故障告警。
6.根据权利要求1所述的方法,其特征在于,所述接收各监测数据并根据所述第一关联模型判定数据可靠性,包括:
建立多个监测数据采集点对应监测数据之间的交叉验证关系,形成多个交叉验证模型,其中,一个监测数据分别与多个关联监测数据关联形成多个对应的交叉验证模型;
将采集到的监测数据输入至与其对应的交叉验证模型中,基于不同的交叉验证模型得到多个对应于该监测数据采集点的验证数据;
若上述验证数据一致,则上述监测数据判定可靠;
若上述验证数据不一致,则选取上述验证数据对应的交叉验证模型,获取上述交叉验证模型关联的其它监测数据并以上述其它监测数据及其对应的交叉验证模型为基础,判定并输出其它监测数据的可靠性。
7.根据权利要求1所述的方法,其特征在于,还包括:
建立并存储各待测设备的故障诊断数据;
基于各待测设备的历史监测数据,建立监测数据与故障诊断数据之间的第二关系模型;
获取当前待测设备的监测数据,基于上述第二关系模型生成待测设备的故障诊断数据。
8.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质加载存储有用于实现如权利要求1-7中任意一项所述的动设备在线监测方法的计算机程序算法模块。
9.一种动设备在线监测***,其特征在于,包括:
数据采集端(1),包括设置于待测设备上的监测传感器,用于采集并输出待测设备的监测数据;
服务器端(2),与数据采集端(1)数据连接,包括数据处理单元、数据存储单元以及数据输出单元,所述数据存储单元中配置有如权利要求8所述的计算机可读存储介质,所述数据处理单元接收数据采集端(1)输出的监测数据,基于数据存储单元中存储的计算机程序算法模块对监测数据加以处理后输出至数据输出单元,上述数据输出单元接收上述监测数据并将其进行格式处理后输出;
监控终端(3),与所述服务器端(2)的数据输出单元数据连接,接收所述监测数据并显示;
通信端(4),配置为用于数据采集端(1)、服务器端(2)及监控终端(3)之间的通信连接。
10.根据权利要求9所述的***,其特征在于,所述服务器端(2)配置本地服务器(32)与云服务器( 31),所述监控终端(3)经所述通信端(4)分别与本地服务器(32)及云服务器(31)数据连接。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111606106.2A CN114353869B (zh) | 2021-12-25 | 2021-12-25 | 动设备在线监测方法、***及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111606106.2A CN114353869B (zh) | 2021-12-25 | 2021-12-25 | 动设备在线监测方法、***及可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114353869A true CN114353869A (zh) | 2022-04-15 |
CN114353869B CN114353869B (zh) | 2024-02-20 |
Family
ID=81101650
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111606106.2A Active CN114353869B (zh) | 2021-12-25 | 2021-12-25 | 动设备在线监测方法、***及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114353869B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117055479A (zh) * | 2023-07-19 | 2023-11-14 | 河南上恒医药科技有限公司 | 口服溶液药物生产过程中设备状态监控方法及*** |
CN117870766A (zh) * | 2023-12-28 | 2024-04-12 | 圣名科技(广州)有限责任公司 | 一种冶金生产线数据采集网络构建方法及采集*** |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105045256A (zh) * | 2015-07-08 | 2015-11-11 | 北京泰乐德信息技术有限公司 | 基于数据对比分析的轨道交通实时故障诊断方法和*** |
CN108351620A (zh) * | 2015-09-16 | 2018-07-31 | 深圳市大疆创新科技有限公司 | 用于操作移动平台的方法和设备 |
CN110007171A (zh) * | 2019-04-03 | 2019-07-12 | 杭州安脉盛智能技术有限公司 | 变压器在线监测数据误报警的筛查方法及*** |
CN110032094A (zh) * | 2019-03-13 | 2019-07-19 | 中交广州航道局有限公司 | 机舱设备的控制方法、装置、计算机设备及存储介质 |
CN111522804A (zh) * | 2020-04-15 | 2020-08-11 | 国网江苏省电力有限公司 | 一种变压器设备状态监测异常数据清洗方法 |
CN112540252A (zh) * | 2020-12-02 | 2021-03-23 | 上海松丰电源设备有限公司 | 用于智慧广电电力设备运行状态监测分析的***及方法 |
-
2021
- 2021-12-25 CN CN202111606106.2A patent/CN114353869B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105045256A (zh) * | 2015-07-08 | 2015-11-11 | 北京泰乐德信息技术有限公司 | 基于数据对比分析的轨道交通实时故障诊断方法和*** |
CN108351620A (zh) * | 2015-09-16 | 2018-07-31 | 深圳市大疆创新科技有限公司 | 用于操作移动平台的方法和设备 |
CN110032094A (zh) * | 2019-03-13 | 2019-07-19 | 中交广州航道局有限公司 | 机舱设备的控制方法、装置、计算机设备及存储介质 |
CN110007171A (zh) * | 2019-04-03 | 2019-07-12 | 杭州安脉盛智能技术有限公司 | 变压器在线监测数据误报警的筛查方法及*** |
CN111522804A (zh) * | 2020-04-15 | 2020-08-11 | 国网江苏省电力有限公司 | 一种变压器设备状态监测异常数据清洗方法 |
CN112540252A (zh) * | 2020-12-02 | 2021-03-23 | 上海松丰电源设备有限公司 | 用于智慧广电电力设备运行状态监测分析的***及方法 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117055479A (zh) * | 2023-07-19 | 2023-11-14 | 河南上恒医药科技有限公司 | 口服溶液药物生产过程中设备状态监控方法及*** |
CN117055479B (zh) * | 2023-07-19 | 2024-05-24 | 河南上恒医药科技有限公司 | 口服溶液药物生产过程中设备状态监控方法及*** |
CN117870766A (zh) * | 2023-12-28 | 2024-04-12 | 圣名科技(广州)有限责任公司 | 一种冶金生产线数据采集网络构建方法及采集*** |
Also Published As
Publication number | Publication date |
---|---|
CN114353869B (zh) | 2024-02-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114353869B (zh) | 动设备在线监测方法、***及可读存储介质 | |
CN107332917B (zh) | 具有故障判断的地下管廊空间环境数据采集方法和*** | |
CA2908825C (en) | Reciprocating machinery monitoring system and method | |
CN102758655B (zh) | 用于保护旋转机械的方法 | |
CN104246636A (zh) | 用于离心式压缩机的实时性能降级报告的方法和*** | |
US20070021895A1 (en) | System and method for monitoring the status of a work machine | |
CN105041631A (zh) | 一种气体压缩机的驱动轴振动信号的检测方法和*** | |
WO2015037113A1 (ja) | 異常診断方法、及びその装置 | |
CN111637924B (zh) | 一种挖掘机异常的检测方法、检测装置及可读存储介质 | |
CN107426013A (zh) | 设备信息监测方法、装置及*** | |
KR100751528B1 (ko) | 회전 기계 운전 상태 모바일 모니터링 시스템 | |
CN110032094A (zh) | 机舱设备的控制方法、装置、计算机设备及存储介质 | |
US7249287B2 (en) | Methods and apparatus for providing alarm notification | |
US20110153035A1 (en) | Sensor Failure Detection System And Method | |
CN111579001A (zh) | 机器人的故障检测方法及装置 | |
EP2026159A2 (en) | A method and system for automatically evaluating the performance of a power plant machine | |
CN113485898A (zh) | 振动测点显示方法、装置、设备及存储介质 | |
CN113483815A (zh) | 一种基于工业大数据的机械故障监控*** | |
CN210721134U (zh) | 一种数控机床远程监控*** | |
KR101997217B1 (ko) | 장치 진단 시스템 | |
KR20210035680A (ko) | 산업용 통합 계측 및 모니터링 시스템 | |
CN113965823A (zh) | 地质勘探设备管理装置及*** | |
CN107765123A (zh) | 检测规则更新方法及用电安全监测*** | |
CN112363432A (zh) | 一种水电站辅助设备的监测***及监测方法 | |
CN113254301A (zh) | 一种钢铁生产设备运行状态检测方法及*** |
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 |