CN115242844A - 一种基于边缘计算***的嵌入式工控机 - Google Patents
一种基于边缘计算***的嵌入式工控机 Download PDFInfo
- Publication number
- CN115242844A CN115242844A CN202210883777.1A CN202210883777A CN115242844A CN 115242844 A CN115242844 A CN 115242844A CN 202210883777 A CN202210883777 A CN 202210883777A CN 115242844 A CN115242844 A CN 115242844A
- Authority
- CN
- China
- Prior art keywords
- data
- industrial equipment
- analysis
- state
- acquiring
- 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
- 238000004458 analytical method Methods 0.000 claims abstract description 95
- 238000004364 calculation method Methods 0.000 claims abstract description 24
- 238000012545 processing Methods 0.000 claims abstract description 21
- 238000005070 sampling Methods 0.000 claims abstract description 18
- 238000007405 data analysis Methods 0.000 claims abstract description 12
- 230000005540 biological transmission Effects 0.000 claims description 21
- 238000012423 maintenance Methods 0.000 claims description 19
- 230000002159 abnormal effect Effects 0.000 claims description 8
- 230000011218 segmentation Effects 0.000 claims description 8
- 238000006243 chemical reaction Methods 0.000 claims description 5
- 238000013480 data collection Methods 0.000 claims description 5
- 230000009286 beneficial effect Effects 0.000 description 15
- 238000010586 diagram Methods 0.000 description 5
- 238000000034 method Methods 0.000 description 5
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000007547 defect Effects 0.000 description 2
- 230000001788 irregular Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 239000002360 explosive Substances 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/02—Capturing of monitoring data
- H04L43/022—Capturing of monitoring data by sampling
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/04—Processing captured monitoring data, e.g. for logfile generation
-
- 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
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种基于边缘计算***的嵌入式工控机,包括:数据采集模块,用于采集工业设备的原始数据;数据分析模块,用于对原始数据进行边缘计算,并对计算后的数据进行采样分析,得到样本数据;数据处理模块,用于根据各个样本数据,采用shap值的分析方法,确定目标工业设备的运行状态;需求获取模块,用于获取外部查询需求;数据输出模块,用于根据外部查询需求,输出对应的原始数据,和/或工业设备的运行状态,用于解决现有技术中由于各种外界因素的影响,工业设备的数据存在一定的不稳定性,仅单独通过对采集到的工业数据进行门限判断和逻辑运算判断便确定工业设备的运行状态存在较大的误差性的问题。
Description
技术领域
本发明涉及数据处理技术领域,尤其涉及一种基于边缘计算***的嵌入式工控机。
背景技术
在信息计算高速发展的时代,云计算渐渐无法满足爆发式海量数据的计算需求,且云计算不能满足一些新兴的计算场景,特别是物联网,例如物联网产生大量的“小数据”需要实时处理,这并不适合云计算,目前,现有的解决方法是采用边缘计算的方式,在终端或者网络边缘侧简单处理响应大量的“小数据”即可,从而避免带宽和存储量浪费的同时,实时对大量的“小数据”进行处理并输出对应处理结果,比如专利申请公布号为CN110333677A的专利申请:一种基于边缘计算***的嵌入式工控机,即是采用边缘计算的方式,有效克服现有技术所存在的不能根据设备运行状态预测故障模型、无法对设备原始运行数据进行存储和查询的缺陷,但上述专利申请在对工业设备运行状态进行感知时仅通过工业传感器、挂接在实时总线模组上工业设备的门限条件和逻辑运算条件确定工业设备的运行状态,而实际情况中,由于各种外界因素的影响,工业设备的数据存在一定的不稳定性,仅单独通过对采集到的工业数据进行门限判断和逻辑运算判断便确定工业设备的运行状态存在较大的误差性,因此,亟需一种基于边缘计算***的嵌入式工控机,用于对采集到的工业数据进行进一步分析,并基于每种数据类型对相应工业设备的状态贡献值联合判断当前工业设备的运行状态,解决了现有技术中由于各种外界因素的影响,工业设备的数据存在一定的不稳定性,仅单独通过对采集到的工业数据进行门限判断和逻辑运算判断便确定工业设备的运行状态存在较大的误差性的问题。
发明内容
针对现有技术的不足,本发明提供一种基于边缘计算***的嵌入式工控机,用于解决现有技术中由于各种外界因素的影响,工业设备的数据存在一定的不稳定性,仅单独通过对采集到的工业数据进行门限判断和逻辑运算判断便确定工业设备的运行状态存在较大的误差性的问题。
一种基于边缘计算***的嵌入式工控机,包括:
数据采集模块,用于采集工业设备的原始数据;
数据分析模块,用于对原始数据进行边缘计算,并对计算后的数据进行采样分析,得到样本数据;
数据处理模块,用于根据各个样本数据,采用shap值的分析方法,确定目标工业设备的运行状态;
需求获取模块,用于获取外部查询需求;
数据输出模块,用于根据外部查询需求,输出对应的原始数据,和/或工业设备的运行状态。
作为本发明的一种实施例,数据采集模块包括:
采集通道建立单元,用于根据预设数据传输协议,与工业设备建立数据传输通道;
数据采集转换单元,用于通过数据传输通道,获取工业设备的初始数据,并基于预设数据传输协议,将初始数据转换为相应类型的原始数据;
数据收集单元,用于收集整理所有原始数据发送至存储模块。
作为本发明的一种实施例,数据分析模块包括:
边缘计算单元,用于基于预设的边缘分析算法,对原始数据进行边缘计算,得到分析数据;
采样分析单元,用于对分析数据进行采样分析处理,得到样本数据。
作为本发明的一种实施例,采样分析单元执行包括如下操作:
获取来自任一工业设备的分析数据和处于运行状态的与之相同类型工业设备的分析数据,得到第一分析数据和若干第二分析数据;
将第一分析数据和若干第二分析数据分别根据采集类别划分为多个不同类别的第一目标组数据和第一参考组数据;其中,任一第一参考组数据均携带有对应第二分析数据的特殊标记;
将第一目标组数据和所有第一参考组数据根据采集时间点的不同分别进行对应时间点标记,得到第二目标组数据和第二参考组数据;
获取第二目标组数据中任一时间点的第一分析数据作为基准数据,获取第二参考组数据中与基准数据处于相同时间点的第二分析数据作为参考数据;
计算得到基准数据和若干对应的参考数据的方差值;
判断方差值是否符合预设方差稳定范围,若不符合,则判定当前时间点的分析数据存在异常值且稳定性不足,选定当前时间点的基准数据以及所有参考数据中的中位值对当前时间点的原始基准数据进行更新,得到新基准数据并输出至样本数据集中作为样本数据;
若符合,则判定当前时间点的分析数据不存在异常值且稳定,基于方差值在预设方差稳定范围中对应的范围段,选取对应的权重值对基准数据进行加权计算,得到新基准数据并输出至样本数据集中作为样本数据。
作为本发明的一种实施例,数据处理模块执行包括如下操作:
获取来自目标工业设备的样本数据,根据数据类型对每一样本数据进行标记,得到若干标记数据;
将若干标记数据输入到预先训练好的对应类型工业设备的shap值分析模型中,输出得到每一标记数据对应的shap值;
将若干标记数据输入到预先训练好的对应类型工业设备的状态分析模型中,输出得到每一标记数据对应的状态值,
基于状态值,根据预设第一状态分段标准,确定目标工业设备的第一运行状态;
基于所有的shap值和状态值,选取对应的shap值作为对应的状态值的权重值进行加权求和计算,得到目标工业设备的总状态值;
基于总状态值,根据预设第二状态分段标准,确定目标工业设备的第二运行状态;
合并第一运行状态和第二运行状态,确定目标工业设备的运行状态。
作为本发明的一种实施例,一种基于边缘计算***的嵌入式工控机还包括:
存储模块,用于分类存储数据采集模块采集的所有原始数据;
存储模块,还用于临时存储数据处理模块得到的当前工业设备的运行状态。
作为本发明的一种实施例,需求获取模块包括:
数据类型需求获取单元,用于获取外部对任一类型的原始数据的查询需求;
运行状态需求获取单元,用于获取外部对工业设备的运行状态的查询需求。
作为本发明的一种实施例,数据输出模块包括:
需求查询单元,用于查询需求获取模块中获取到的外部查询需求;
数据调取单元,用于根据外部查询需求调取对应的原始数据,和/或工业设备的运行状态;
数据输出单元,用于输出数据调取单元中调取到的原始数据,和/或工业设备的运行状态。
作为本发明的一种实施例,需求获取模块还包括:
维护建议需求获取单元,用于获取外部对工业设备的维护建议查询需求。
作为本发明的一种实施例,数据输出模块还包括:
维护建议输出单元,用于当需求获取模块获取到外部对工业设备的维护建议查询需求时,将工业设备的运行状态输入到预先训练好的状态-建议模型中,得到并输出当前工业设备的运行状态对应的维护建议。
本发明的有益效果为:
本发明提供一种基于边缘计算***的嵌入式工控机,解决了现有技术中由于各种外界因素的影响,工业设备的数据存在一定的不稳定性,仅单独通过对采集到的工业数据进行门限判断和逻辑运算判断便确定工业设备的运行状态存在较大的误差性的问题。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1为本发明实施例中一种基于边缘计算***的嵌入式工控机的模块示意图;
图2为本发明实施例中一种基于边缘计算***的嵌入式工控机中数据采集模块的模块示意图;
图3为本发明实施例中一种基于边缘计算***的嵌入式工控机中数据分析模块的模块示意图;
图4为本发明实施例中一种基于边缘计算***的嵌入式工控机中需求获取模块的模块示意图;
图5为本发明实施例中一种基于边缘计算***的嵌入式工控机中数据输出模块的模块示意图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。
请参阅图1,本发明实施例提供了一种基于边缘计算***的嵌入式工控机,包括:
数据采集模块1,用于采集工业设备的原始数据;
数据分析模块2,用于对原始数据进行边缘计算,并对计算后的数据进行采样分析,得到样本数据;
数据处理模块3,用于根据各个样本数据,采用shap值的分析方法,确定目标工业设备的运行状态;
需求获取模块4,用于获取外部查询需求;
数据输出模块5,用于根据外部查询需求,输出对应的原始数据,和/或工业设备的运行状态;
上述技术方案的工作原理为:本发明包括数据采集模块1、数据分析模块2、数据处理模块3、需求获取模块4和数据输出模块5,优选的,上述的五个模块均与工控机中的控制器连接,实现指令的互通,其中,数据采集模块1与各工业设备连接,用于实时采集工业设备中的原始数据,采集的方式包括但不限于获取各种传感器采集的数据的方式;数据分析模块2则用于对数据采集模块1采集到的原始数据,基于预先定义好的边缘分析方法进行边缘计算,并采用同时同类的多种参考原始数据对目标原始数据进行参考采样分析,得到样本数据;数据处理模块3则用于采用shap值分析方法(即某类型样本数据对目标工业设备的运行状态的状态贡献值)对数据分析模块2分析得出的目标工业设备的多个样本数据进行分析,从而确定目标工业设备的运行状态;需求获取模块4则用于获取外部查询需求,包括任一工业设备的原始数据查询需求和任一工业设备的运行状态查询需求;数据输出模块5则用于根据外部查询需求,输出对应的原始数据,和/或对应工业设备的运行状态;
上述技术方案的有益效果为:有益于外部设备或管理人员快速对工业设备的原始数据和工业设备的运行状态进行查询,且通过数据分析模块和数据处理模块解决了现有技术中由于各种外界因素的影响,工业设备的数据存在一定的不稳定性,仅单独通过对采集到的工业数据进行门限判断和逻辑运算判断便确定工业设备的运行状态存在较大的误差性的问题。
请参阅图2,在一个实施例中,数据采集模块1包括:
采集通道建立单元10,用于根据预设数据传输协议,与工业设备建立数据传输通道;
数据采集转换单元11,用于通过数据传输通道,获取工业设备的初始数据,并基于预设数据传输协议,将初始数据转换为相应类型的原始数据;
数据收集单元12,用于收集整理所有原始数据发送至存储模块;
上述技术方案的工作原理为:数据采集模块1包括采集通道建立单元10、数据采集转换单元11和数据收集单元12,其中,采集通道建立单元10用于根据不同工业设备的需求采用对应预设数据传输协议建立数据传输通道,该预设数据传输协议包括但不限于ModbusTCP、OPC UA、MQTT、DDS等数据传输协议;数据采集转换单元11则用于通过数据传输通道,获取工业设备的初始数据,并在获取的过程中,基于通道内的预设数据传输协议,将初始数据转换为相应类型的原始数据;数据收集单元12则用于收集整理所有原始数据发送至存储模块;
上述技术方案的有益效果为:预先设置多种数据传输协议,根据不同的工业设备采取相应的数据传输协议建立传输通道,有益于快速建立采集通道,从而加快对海量数据的处理效率。
请参阅图3,在一个实施例中,数据分析模块2包括:
边缘计算单元20,用于基于预设的边缘分析算法,对原始数据进行边缘计算,得到分析数据;
采样分析单元21,用于对分析数据进行采样分析处理,得到样本数据;
上述技术方案的工作原理为:数据分析模块2包括边缘计算单元20和采样分析单元21,其中,边缘计算单元20用于基于预先定义的边缘分析算法对原始数据进行边缘计算得到分析数据,采样分析单元21则用于对分析数据进行采样分析处理得到样本数据;
上述技术方案的有益效果为:通过边缘计算单元,则无需再将原始数据上传至云计算进行处理,有益于减少宽带和内存的浪费,通过采样分析单元,对计算后的分析数据进行二次采样分析,减少各种外界因素对工业设备的原始数据造成的影响,从而提高后续工业设备运行状态判断的精确性。
在一个实施例中,采样分析单元21执行包括如下操作:
获取来自任一工业设备的分析数据和处于运行状态的与之相同类型工业设备的分析数据,得到第一分析数据和若干第二分析数据;
将第一分析数据和若干第二分析数据分别根据采集类别划分为多个不同类别的第一目标组数据和第一参考组数据;其中,任一第一参考组数据均携带有对应第二分析数据的特殊标记;
将第一目标组数据和所有第一参考组数据根据采集时间点的不同分别进行对应时间点标记,得到第二目标组数据和第二参考组数据;
获取第二目标组数据中任一时间点的第一分析数据作为基准数据,获取第二参考组数据中与基准数据处于相同时间点的第二分析数据作为参考数据;
计算得到基准数据和若干对应的参考数据的方差值;
判断方差值是否符合预设方差稳定范围,若不符合,则判定当前时间点的分析数据存在异常值且稳定性不足,选定当前时间点的基准数据以及所有参考数据中的中位值对当前时间点的原始基准数据进行更新,得到新基准数据并输出至样本数据集中作为样本数据;
若符合,则判定当前时间点的分析数据不存在异常值且稳定,基于方差值在预设方差稳定范围中对应的范围段,选取对应的权重值对基准数据进行加权计算,得到新基准数据并输出至样本数据集中作为样本数据;
上述技术方案的工作原理为:在实际情况中,由于各种外界因素的影响,导致工业设备在数据采集时可能会出现不定期的采集数据不稳定现象,若通过该不稳定的采集数据进行后续判断,则会导致最后得到的结果存在较大误差,从而影响判断结果的精确性,为了解决上述问题,首先获取来自任一工业设备的分析数据和处于运行状态的与之相同类型工业设备的分析数据,得到第一分析数据和若干第二分析数据;优选的,处于运行状态指的是开机且采集的数据属于有效数据的状态;然后将第一分析数据和若干第二分析数据分别根据采集类别划分为多个不同类别的第一目标组数据和第一参考组数据;其中,任一第一参考组数据均携带有对应第二分析数据的特殊标记;该特殊标记主要用于区分每个第一参考组数据属于哪个工业设备的分析数据;再将第一目标组数据和所有第一参考组数据根据采集时间点的不同分别进行对应时间点标记,得到第二目标组数据和第二参考组数据;值得说明的是,第二参考组数据中的数据除携带有其特有的时间点标记外,还携带有对应第二分析数据的特殊标记;最后获取第二目标组数据中任一时间点的第一分析数据作为基准数据,获取第二参考组数据中与基准数据处于相同时间点的第二分析数据作为参考数据;计算得到基准数据和若干对应的参考数据的方差值;用于判断所有相同类型的工业设备在同一时间启动时对应工业传感器采集的数据的稳定性;然后判断方差值是否符合预设方差稳定范围,该预设方差稳定范围大于0,且范围划定越小,最后得到的结果越稳定,若方差值不符合预设方差稳定范围,则判定当前时间点的分析数据存在异常值且稳定性不足,选定当前时间点的基准数据以及所有参考数据中的中位值对当前时间点的原始基准数据进行更新,得到新基准数据并输出至样本数据集中作为样本数据;若符合,则判定当前时间点的分析数据不存在异常值且稳定,基于方差值在预设方差稳定范围中对应的范围段,选取对应的权重值对基准数据进行加权计算,得到新基准数据并输出至样本数据集中作为样本数据,其中,方差值在预设方差稳定范围中对应的范围段越靠近0,对应的权重值越大,且方差值在预设方差稳定范围中对应的范围段的最左端的权重值为1;然后对第二参考组数据中的每一数据均进行上述操作,直至第二参考组数据中的所有数据均更新后输出至样本数据集中结束;
上述技术方案的有益效果为:通过上述方案,采用同时同类的多种参考数据对目标数据进行参考分析,有益于解决由于各种外界因素的影响,导致工业设备在数据采集时可能会出现不定期的采集数据不稳定现象,而通过该不稳定的采集数据进行后续判断,则会导致最后得到的结果存在较大误差,从而影响判断结果的精确性的问题。
在一个实施例中,数据处理模块3执行包括如下操作:
获取来自目标工业设备的样本数据,根据数据类型对每一样本数据进行标记,得到若干标记数据;
将若干标记数据输入到预先训练好的对应类型工业设备的shap值分析模型中,输出得到每一标记数据对应的shap值;
将若干标记数据输入到预先训练好的对应类型工业设备的状态分析模型中,输出得到每一标记数据对应的状态值,
基于状态值,根据预设第一状态分段标准,确定目标工业设备的第一运行状态;
基于所有的shap值和状态值,选取对应的shap值作为对应的状态值的权重值进行加权求和计算,得到目标工业设备的总状态值;
基于总状态值,根据预设第二状态分段标准,确定目标工业设备的第二运行状态;
合并第一运行状态和第二运行状态,确定目标工业设备的运行状态;
上述技术方案的工作原理为:在实际情况中,工业设备的运行状态受多种因素的影响,相较于仅单独通过对采集到的工业数据进行门限判断和逻辑运算判断便确定工业设备的运行状态的方式,基于每种工业设备采集数据的数据类型对相应工业设备的状态贡献值联合判断当前工业设备的运行状态更能精确确定出当前工业设备的运行状态,具体方案如下:首先,获取来自目标工业设备的样本数据,然后根据数据类型对每一样本数据进行标记,得到若干标记数据;将若干标记数据输入到预先训练好的对应类型工业设备的shap值分析模型中,输出得到每一标记数据对应的shap值(即某类型样本数据对目标工业设备的运行状态的状态贡献值);将若干标记数据输入到预先训练好的对应类型工业设备的状态分析模型中,输出得到每一标记数据对应的状态值,基于状态值,根据预设第一状态分段标准,确定目标工业设备的第一运行状态;更进一步地,当采集到目标工业设备同类型的多个数据同时进行判断时,优选取同类型的多个数据的平均值作为参与运行状态预测的数据,例如,若同时采集到n个关于同一类型的样本数据时,将n个数据均输入到预先训练好的对应类型工业设备的状态分析模型中,输出得到所有数据对应的状态值,再求所有状态值的平均值作为该类样本数据的状态值参与后续计算;基于所有的shap值(即某类型样本数据对目标工业设备的运行状态的状态贡献值)和状态值,选取对应的shap值(即某类型样本数据对目标工业设备的运行状态的状态贡献值)作为对应的状态值的权重值进行加权求和计算,得到目标工业设备的总状态值,优选的,计算方法如下:其中,SUM为目标工业设备的总状态值,N为样本数据中不同类型的类型总量,shapn为第n个样本数据的shap值,staten为第n个样本数据的状态值;基于总状态值,根据预设第二状态分段标准,确定目标工业设备的第二运行状态;合并第一运行状态和第二运行状态,确定目标工业设备的运行状态;
上述技术方案的有益效果为:通过上述方案,有益于更精确的预估当前工业设备的运行状态。
在一个实施例中,一种基于边缘计算***的嵌入式工控机还包括:
存储模块,用于分类存储数据采集模块采集的所有原始数据;
存储模块,还用于临时存储数据处理模块得到的当前工业设备的运行状态;
上述技术方案的有益效果为:通过存储模块,实现对工业设备的原始数据及运行状态进行存储。
请参阅图4,在一个实施例中,需求获取模块4包括:
数据类型需求获取单元40,用于获取外部对任一类型的原始数据的查询需求;
运行状态需求获取单元41,用于获取外部对工业设备的运行状态的查询需求;
上述技术方案的工作原理为:需求获取模块4包括数据类型需求获取单元40和运行状态需求获取单元41,其中,数据类型需求获取单元40和运行状态需求获取单元41优选为不同的数据查询接口,数据类型需求获取单元40用于获取外部对任一类型的原始数据的查询需求,运行状态需求获取单元41则用于获取外部对工业设备的运行状态的查询需求;
上述技术方案的有益效果为:通过上述方案使得外部设备或人员能够随时通过对应需求获取单元发送自身的获取请求,从而实时获取工业设备的原始数据或运行状态。
请参阅图5,在一个实施例中,数据输出模块5包括:
需求查询单元50,用于查询需求获取模块中获取到的外部查询需求;
数据调取单元51,用于根据外部查询需求调取对应的原始数据,和/或工业设备的运行状态;
数据输出单元52,用于输出数据调取单元中调取到的原始数据,和/或工业设备的运行状态;
上述技术方案的工作原理为:数据输出模块5包括需求查询单元50、数据调取单元51和数据输出单元52,其中,需求查询单元50通过控制器发送相应指令,获取需求获取单元中的外部查询需求,然后将该需求发送至数据调取单元51,数据调取单元51则根据接收到的需求发送对应的调取指令至存储模块中调取得到对应的原始数据,和/或对应的工业设备的运行状态,并发送给数据输出模块52,数据输出模块52则将数据调取单元中调取到的原始数据,和/或对应的工业设备的运行状态通过网关等方式进行对应输出;
上述技术方案的有益效果为:通过上述方案使得外部设备或人员能够随时对想获取的设备原始数据和对应的工业设备的运行状态进行对应调取。
请参阅图4,在一个实施例中,需求获取模块4还包括:
维护建议需求获取单元42,用于获取外部对工业设备的维护建议查询需求;
上述技术方案的有益效果为:通过上述方案使得外部设备或人员在得知当前工业设备运行状态存在问题时能够随时通过维护建议需求获取单元发送维护建议的获取请求,从而实时获取对工业设备的维护建议。
请参阅图5,在一个实施例中,数据输出模块5还包括:
维护建议输出单元53,用于当需求获取模块获取到外部对工业设备的维护建议查询需求时,将工业设备的运行状态输入到预先训练好的状态-建议模型中,得到并输出当前工业设备的运行状态对应的维护建议;
上述技术方案的工作原理和有益效果为:预先训练好的状态-建议模型优选为采用通过深度卷积神经算法和事先采集的训练数据训练得到;通过上述方案使得工控机能够根据工业设备的运行状态预测对应的维护建议。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (10)
1.一种基于边缘计算***的嵌入式工控机,其特征在于,包括:
数据采集模块,用于采集工业设备的原始数据;
数据分析模块,用于对所述原始数据进行边缘计算,并对计算后的数据进行采样分析,得到样本数据;
数据处理模块,用于根据各个所述样本数据,采用shap值的分析方法,确定目标工业设备的运行状态;
需求获取模块,用于获取外部查询需求;
数据输出模块,用于根据所述外部查询需求,输出对应的原始数据,和/或工业设备的运行状态。
2.根据权利要求1所述的一种基于边缘计算***的嵌入式工控机,其特征在于,所述数据采集模块包括:
采集通道建立单元,用于根据预设数据传输协议,与所述工业设备建立数据传输通道;
数据采集转换单元,用于通过所述数据传输通道,获取工业设备的初始数据,并基于所述预设数据传输协议,将所述初始数据转换为相应类型的原始数据;
数据收集单元,用于收集整理所有所述原始数据发送至存储模块。
3.根据权利要求1所述的一种基于边缘计算***的嵌入式工控机,其特征在于,所述数据分析模块包括:
边缘计算单元,用于基于预设的边缘分析算法,对所述原始数据进行边缘计算,得到分析数据;
采样分析单元,用于对所述分析数据进行采样分析处理,得到样本数据。
4.根据权利要求3所述的一种基于边缘计算***的嵌入式工控机,其特征在于,所述采样分析单元执行包括如下操作:
获取来自任一工业设备的分析数据和处于运行状态的与之相同类型工业设备的分析数据,得到第一分析数据和若干第二分析数据;
将所述第一分析数据和若干所述第二分析数据分别根据采集类别划分为多个不同类别的第一目标组数据和第一参考组数据;其中,任一所述第一参考组数据均携带有对应第二分析数据的特殊标记;
将所述第一目标组数据和所有所述第一参考组数据根据采集时间点的不同分别进行对应时间点标记,得到第二目标组数据和第二参考组数据;
获取所述第二目标组数据中任一时间点的第一分析数据作为基准数据,获取所述第二参考组数据中与所述基准数据处于相同时间点的第二分析数据作为参考数据;
计算得到所述基准数据和若干对应的参考数据的方差值;
判断所述方差值是否符合预设方差稳定范围,若不符合,则判定当前时间点的分析数据存在异常值且稳定性不足,选定当前时间点的所述基准数据以及所有所述参考数据中的中位值对当前时间点的原始基准数据进行更新,得到新基准数据并输出至样本数据集中作为样本数据;
若符合,则判定当前时间点的分析数据不存在异常值且稳定,基于所述方差值在所述预设方差稳定范围中对应的范围段,选取对应的权重值对所述基准数据进行加权计算,得到新基准数据并输出至样本数据集中作为样本数据。
5.根据权利要求1所述的一种基于边缘计算***的嵌入式工控机,其特征在于,所述数据处理模块执行包括如下操作:
获取来自目标工业设备的样本数据,根据数据类型对每一所述样本数据进行标记,得到若干标记数据;
将所述若干标记数据输入到预先训练好的对应类型工业设备的shap值分析模型中,输出得到每一所述标记数据对应的shap值;
将所述若干标记数据输入到预先训练好的对应类型工业设备的状态分析模型中,输出得到每一所述标记数据对应的状态值,
基于所述状态值,根据预设第一状态分段标准,确定目标工业设备的第一运行状态;
基于所有的shap值和状态值,选取对应的shap值作为对应的状态值的权重值进行加权求和计算,得到目标工业设备的总状态值;
基于所述总状态值,根据预设第二状态分段标准,确定目标工业设备的第二运行状态;
合并所述第一运行状态和所述第二运行状态,确定目标工业设备的运行状态。
6.根据权利要求1所述的一种基于边缘计算***的嵌入式工控机,其特征在于,还包括:
存储模块,用于分类存储所述数据采集模块采集的所有所述原始数据;
所述存储模块,还用于临时存储所述数据处理模块得到的当前工业设备的运行状态。
7.根据权利要求1所述的一种基于边缘计算***的嵌入式工控机,其特征在于,所述需求获取模块包括:
数据类型需求获取单元,用于获取外部对任一类型的原始数据的查询需求;
运行状态需求获取单元,用于获取外部对工业设备的运行状态的查询需求。
8.根据权利要求1所述的一种基于边缘计算***的嵌入式工控机,其特征在于,所述数据输出模块包括:
需求查询单元,用于查询所述需求获取模块中获取到的外部查询需求;
数据调取单元,用于根据所述外部查询需求调取对应的原始数据,和/或工业设备的运行状态;
数据输出单元,用于输出所述数据调取单元中调取到的原始数据,和/或工业设备的运行状态。
9.根据权利要求1所述的一种基于边缘计算***的嵌入式工控机,其特征在于,所述需求获取模块还包括:
维护建议需求获取单元,用于获取外部对工业设备的维护建议查询需求。
10.根据权利要求1所述的一种基于边缘计算***的嵌入式工控机,其特征在于,所述数据输出模块还包括:
维护建议输出单元,用于当需求获取模块获取到外部对工业设备的维护建议查询需求时,将所述工业设备的运行状态输入到预先训练好的状态-建议模型中,得到并输出当前工业设备的运行状态对应的维护建议。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210883777.1A CN115242844B (zh) | 2022-07-26 | 2022-07-26 | 一种基于边缘计算***的嵌入式工控机 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210883777.1A CN115242844B (zh) | 2022-07-26 | 2022-07-26 | 一种基于边缘计算***的嵌入式工控机 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115242844A true CN115242844A (zh) | 2022-10-25 |
CN115242844B CN115242844B (zh) | 2024-05-03 |
Family
ID=83674606
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210883777.1A Active CN115242844B (zh) | 2022-07-26 | 2022-07-26 | 一种基于边缘计算***的嵌入式工控机 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115242844B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110333677A (zh) * | 2019-07-08 | 2019-10-15 | 合肥金新允电子技术有限公司 | 一种基于边缘计算***的嵌入式工控机 |
CN111816312A (zh) * | 2020-09-14 | 2020-10-23 | 杭州憶盛医疗科技有限公司 | 基于模型解释的健康状态检测方法、设备及可读存储介质 |
CN113779257A (zh) * | 2021-09-28 | 2021-12-10 | 京东城市(北京)数字科技有限公司 | 文本分类模型的解析方法、装置、设备、介质及产品 |
CN113776794A (zh) * | 2021-08-13 | 2021-12-10 | 昆明理工大学 | 一种嵌入式边缘计算的故障诊断方法、装置和*** |
WO2022011579A1 (zh) * | 2020-07-15 | 2022-01-20 | 海天塑机集团有限公司 | 一种基于边缘计算的注塑机控制方法及*** |
CN114660999A (zh) * | 2020-12-23 | 2022-06-24 | 国网信息通信产业集团有限公司北京分公司 | 基于物联网的工业设备运行状态监控分析终端及分析方法 |
-
2022
- 2022-07-26 CN CN202210883777.1A patent/CN115242844B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110333677A (zh) * | 2019-07-08 | 2019-10-15 | 合肥金新允电子技术有限公司 | 一种基于边缘计算***的嵌入式工控机 |
WO2022011579A1 (zh) * | 2020-07-15 | 2022-01-20 | 海天塑机集团有限公司 | 一种基于边缘计算的注塑机控制方法及*** |
CN111816312A (zh) * | 2020-09-14 | 2020-10-23 | 杭州憶盛医疗科技有限公司 | 基于模型解释的健康状态检测方法、设备及可读存储介质 |
CN114660999A (zh) * | 2020-12-23 | 2022-06-24 | 国网信息通信产业集团有限公司北京分公司 | 基于物联网的工业设备运行状态监控分析终端及分析方法 |
CN113776794A (zh) * | 2021-08-13 | 2021-12-10 | 昆明理工大学 | 一种嵌入式边缘计算的故障诊断方法、装置和*** |
CN113779257A (zh) * | 2021-09-28 | 2021-12-10 | 京东城市(北京)数字科技有限公司 | 文本分类模型的解析方法、装置、设备、介质及产品 |
Also Published As
Publication number | Publication date |
---|---|
CN115242844B (zh) | 2024-05-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7183471B2 (ja) | 将来の動作の予測分類 | |
JP7116103B2 (ja) | 光モジュールの故障を予測するための方法、装置、およびデバイス | |
CN110475224B (zh) | 一种基于边缘计算的传感器数据处理与协同预测方法 | |
CN110929934A (zh) | 设备故障预测方法、装置、计算机设备和存储介质 | |
CN112650580B (zh) | 一种基于边缘计算的工业大数据监测*** | |
CN113242526A (zh) | 一种云计算服务器机房实时监控*** | |
CN114244751B (zh) | 无线传感器网络异常检测方法和*** | |
CN113489619A (zh) | 一种基于时间序列分析的网络拓扑推断方法及装置 | |
CN112734977B (zh) | 一种基于物联网的设备风险预警***及算法 | |
CN113612650A (zh) | 一种对边缘计算设备的监测方法 | |
WO2018044041A1 (ko) | 조기경보시스템에서 외부 영향을 고려한 최신 데이터 학습 방법 및 그 시스템 | |
CN113504996B (zh) | 一种负载均衡检测方法、装置、设备及存储介质 | |
CN113487086B (zh) | 设备剩余使用寿命预测方法、装置、计算机设备和介质 | |
CN116827802B (zh) | 基于数据监控的工业物联网维护方法、监控*** | |
CN115242844B (zh) | 一种基于边缘计算***的嵌入式工控机 | |
CN117909112A (zh) | 应用程序故障自动诊断方法、装置、设备及存储介质 | |
CN117172721A (zh) | 用于融资业务的数据流转监管预警方法及*** | |
CN111614504A (zh) | 基于时间序列和故障树分析的电网调控数据中心业务特性故障定位方法及*** | |
CN114936614A (zh) | 一种基于神经网络的作业风险识别方法及*** | |
CN115935285A (zh) | 基于掩码图神经网络模型的多元时间序列异常检测方法和*** | |
CN115842861A (zh) | 边缘连接设备适配方法、装置及计算机可读存储介质 | |
CN111722977A (zh) | ***巡检方法、装置及电子设备 | |
CN112083707A (zh) | 一种工控物理信号的处理方法及控制器、处理*** | |
CN118133208B (zh) | 一种机器人打磨离线识别异常数据整合优化*** | |
CN116564423B (zh) | 一种微生物宏基因组数据库构建方法及*** |
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 |