CN116055516A - 一种基于工业物联网的自动化监控*** - Google Patents
一种基于工业物联网的自动化监控*** Download PDFInfo
- Publication number
- CN116055516A CN116055516A CN202211543923.2A CN202211543923A CN116055516A CN 116055516 A CN116055516 A CN 116055516A CN 202211543923 A CN202211543923 A CN 202211543923A CN 116055516 A CN116055516 A CN 116055516A
- Authority
- CN
- China
- Prior art keywords
- area
- sub
- sensor
- stage
- data
- 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.)
- Pending
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 43
- 238000007405 data analysis Methods 0.000 claims abstract description 10
- 238000012545 processing Methods 0.000 claims abstract description 8
- 230000033001 locomotion Effects 0.000 claims description 31
- 238000012937 correction Methods 0.000 claims description 30
- 238000000034 method Methods 0.000 claims description 23
- 230000007613 environmental effect Effects 0.000 claims description 5
- 230000002159 abnormal effect Effects 0.000 claims description 4
- 238000010606 normalization Methods 0.000 claims description 3
- 238000001514 detection method Methods 0.000 description 9
- 206010000117 Abnormal behaviour Diseases 0.000 description 7
- 238000004519 manufacturing process Methods 0.000 description 4
- 230000005856 abnormality Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012549 training Methods 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
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y20/00—Information sensed or collected by the things
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y40/00—IoT characterised by the purpose of the information processing
- G16Y40/10—Detection; Monitoring
-
- 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)
- Computing Systems (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Arrangements For Transmission Of Measured Signals (AREA)
Abstract
本发明属于工业物联网技术领域，具体涉及一种基于工业物联网的自动化监控***。所述***包括：目标区域划分单元，配置用于将目标监控区域划分为多个区域；传感器组，包括多个传感器，分别设置于每个子区域，每个子区域内至少包含N个数量的传感器，传感器的数量N大于或等于每个子区域内的所含目标的数量。本发明通过将工业物联网的传感器体系布设到目标区域中，利用传感器移动的方式对重要等级不同的区域进行循环移动的方式获取数据，实现了利用较少传感器完成自动化监控的目的，同时，也能更加精准地定位问题区域，数据分析也不用对所有数据进行处理，就可以完成监控，降低了***资源的占用，提升了效率。
Description
技术领域
本发明属于工业物联网技术领域，具体涉及一种基于工业物联网的自动化监控***。
背景技术
工业物联网是工业领域的物联网。工业物联网将具有感知、监控能力的各类传感器或控制器以及移动通信、智能分析等技术融入到工业生产过程的各个环节，从而提高制造效率，改善产品质量，降低产品成本和资源消耗。
工业物联网通常包括工业设备(比如传感器、控制器、执行器或人机接口设备)、边缘计算设备和工业物联网平台(比如MindSphere)。
随着信息化技术和工业化的深度融合，机械设备、信息化***所产生的数据日益丰富。工业大数据具有体量大、类型多、价值密度低和处理速度快的特征，对数据进行实时有效的监测诊断，可以实现设备的预测性维护，发现生产、管理、调度流程中的决策问题。然而，传统的数据监测***无法满足对工业大数据的分析、处理和存储等服务。因此，对工业大数据的智能化应用，已经成为企业降低生产成本、提高市场竞争力和生产效率的核心环节。
在现有技术中，一般利用传感器获取数据，然后针对数据进行大数据分析，以此实现自动化监控。如：一种工业物联网异常行为检测方法、可读存储介质和终端，所述方法包括：获取对应的工业物联网异常行为检测模型；所述工业物联网异常行为检测模型为采用深度自动编码器和深度前馈神经网络对所获取的原始网络流量数据进行训练得到；将待检测的工业物联网网络流量数据输入所述工业物联网异常行为检测模型，得到对应的工业物联网异常行为检测结果。
该现有技术利用了基于神经网络的行为检测模型来实现工业物联网的异常行为检测，但该检测过程需要针对所有的数据进行数据分析，需要耗费大量的***资源，同时该检测的结果是工业物联网的异常行为，无法准确定位到发生异常的地方。
发明内容
本发明的主要目的在于提供一种基于工业物联网的自动化监控***，本发明通过将工业物联网的传感器体系布设到目标区域中，利用传感器移动的方式对重要等级不同的区域进行循环移动的方式获取数据，实现了利用较少传感器完成自动化监控的目的，同时，也能更加精准地定位问题区域，数据分析也不用对所有数据进行处理，就可以完成监控，降低了***资源的占用，提升了效率。
为达到上述目的，本发明的技术方案是这样实现的：
一种基于工业物联网的自动化监控***，所述***包括：目标区域划分单元，配置用于将目标监控区域划分为多个区域；传感器组，包括多个传感器，分别设置于每个子区域，每个子区域内至少包含N个数量的传感器，传感器的数量N大于或等于每个子区域内的所含目标的数量，且每个传感器为可移动传感器，按照设定的移动速率在每个子区域内循环移动，同时，实时获取其所在子区域内的数据信息；网络反馈控制单元，配置用于对获取到的数据信息和传感器所在的位置进行数据分析，判定目标区域内各个子区域内的问题区域，并根据问题区域在各个子区域内的位置，发送控制命令至各个传感器，控制各个传感器的移动路径；参数矫正单元，配置用于根据问题区域在各个子区域内的位置和在各个子区域内的占比面积，对各个子区域内包含的目标的数据进行系数矫正。
优选地，所述子区域内的包含的目标为子区域内的设备或环境监测点。
优选地，所述目标区域划分单元在将目标监控区域划分为多个子区域时，依据的规则为：按照设备的类型，进行子区域划分，每个子区域内包含的设备的类型归属于为同一类型。
优选地，所述子区域按照其内包含的设备的类型划分为四个重要等级分别为：第一级、第二级、第三级和第四级；且第一级的重要等级高于第二级的重要等级，第二级的重要等级高于第三级的重要等级，第三级的重要等级高于第四级的重要等级。
优选地，所述传感器在各个子区域内的移动速率根据各个子区域的重要等级而不同，具体包括：当传感器在第一级的子区域内移动时，其移动速率设定为A，当传感器在第二级的子区域内移动时，其移动速率设定为B，当传感器在第三级的子区域内移动时，其移动速率设定为C，当传感器在第四级的子区域内移动时，其移动速率设定为D；所述移动速率A、B、C和D须满足以下设定的约束关系：|lg(2.5*D)|＝C；
B*0.6＝A。
优选地，所述网络反馈控制单元对获取到的数据信息和传感器所在的位置进行数据分析，判定目标区域内各个子区域内的问题区域的方法包括：根据数据信息判断该位置是否出现异常，若出现异常，则以该位置作为圆心，再根据数据信息计算得到一个半径值，划定一个圆周区域作为问题区域。
优选地，所述根据数据信息计算得到一个半径值的方法包括：使用如下公式计算得到半径值：
其中，Data为数据信息，data为前一个处于该位置的传感器采集到的数据信息，Standard为预先设定的数据信息标准值，d为该子区域内的各个目标之间的距离的平均值，v为传感器的移动速率。
优选地，所述网络反馈控制单元根据问题区域在各个子区域内的位置，发送控制命令至各个传感器，控制各个传感器的移动路径的方法包括：发送控制命令各个传感器，当传感器运行至问题区域时，控制传感器从各个问题区域的圆周边界的相切方向运动。
优选地，所述矫正系数的计算方法包括：使用如下公式计算得到矫正系数：
其中，S为问题区域的占比面积，S总为问题区域所在子区域的总面积；λ为修正系数，取值范围为0.3～0.5；i为问题区域内包含的目标的数量；Num为矫正系数。
优选地，所述参数矫正单元，根据问题区域在各个子区域内的位置和在各个子区域内的占比面积，对各个子区域内包含的目标的数据进行系数矫正的方法包括：对各个子区域内的目标的数据进行归一化处理后，再乘以矫正系数完成系数矫正。
本发明的一种基于工业物联网的自动化监控***，具有如下有益效果：
1.传感器复用降低了成本：本发明的自动化监控***，利用传感器移动的方式将传感器在目标区域内的多个子区域内循环移动，实现了较少的传感器获取数据进行监控的目的；由于在实际中传感器往往需要很多种类，各种不同的种类的传感器如果无法实现复用，则需要更多数量的传感器，提升了成本。本发明通过这种方式降低了成本。
2.***资源占用率低，效率高：现有技术中多数需要对传感器采集到的数据进行完全的整合分析才能定位故障实现监控，这个过程往往耗费大量***资源，而本发明的传感器使用的是巡逻式的采集，每一次采集到的数据信息均为部分数据，没有将目标区域中的所有目标的数据都进行采集，这样就使得采集到的数据信息的数据量较低，处理起来更快捷，出现问题区域时更容易进行定位。
3.问题区域定位准确率高：在进行问题区域的定位时，现有技术需要对所有数据进行综合分析和判断，而本发明则只需要对当前传感器所在位置获取到的数据进行分析，若出现异常，则可以根据传感器所在的位置直接进行定位，定位准确率相较于对所有数据分析判断得到的更高，更直接，不仅效率更高，准确率也更高。
附图说明
图1为本发明实施例提供的一种基于工业物联网的自动化监控***的目标区域的各个子区域的连接示意图；
图2为本发明实施例提供的一种基于工业物联网的自动化监控***的传感器在各个目标区域的子区域中循环流动的路线示意图。
具体实施方式
下面结合附图及本发明的实施例对本发明的方法作进一步详细的说明。
实施例1
如图1所示，一种基于工业物联网的自动化监控***，所述***包括：
目标区域划分单元，配置用于将目标监控区域划分为多个区域；传感器组，包括多个传感器，分别设置于每个子区域，每个子区域内至少包含N个数量的传感器，传感器的数量N大于或等于每个子区域内的所含目标的数量，且每个传感器为可移动传感器，按照设定的移动速率在每个子区域内循环移动，同时，实时获取其所在子区域内的数据信息；网络反馈控制单元，配置用于对获取到的数据信息和传感器所在的位置进行数据分析，判定目标区域内各个子区域内的问题区域，并根据问题区域在各个子区域内的位置，发送控制命令至各个传感器，控制各个传感器的移动路径；参数矫正单元，配置用于根据问题区域在各个子区域内的位置和在各个子区域内的占比面积，对各个子区域内包含的目标的数据进行系数矫正。
具体的，传感器组中的传感器包括多种类型，包括但不限于：温度传感器、湿度传感器、电压传感器、压力传感器、电弧传感器、电流传感器、速度传感器、光照传感器等。
传感器的类型视乎目标区域内的目标而定。通常情况下，对目标区域的监控实质是对目标区域内的各个目标的监控。目标可以是目标区域中设置的监测点或者设备，根据监控的目的和需求，设置不同类型的传感器，以达到监控的目的。
进一步的，在划分子区域的过程中，应当根据各个子区域的类型进行划分，而不是简单的根据位置进行划分。子区域的类型指的是每个子区域内的功能类型，该功能类型直接对应设备类型。如一个子区域中运行的设备均为数据传输的设备，则该子区域的类型为数据传输类型的子区域。而另外一个子区域中的设备可以是数据采集设备，则该区域的类型则为数据采集类型。针对不同的类型的子区域，应当谁当不同的重要等级。传感器在不同重要等级的子区域中运行时，应当以不同的速率运行，因为重要等级较高的子区域，则需要更为准确的数据，而传感器在运动过程中，移动速度越快则会导致采集到的数据信息的准确率降低，因此针对重要等级较高的子区域，传感器的移动速度需要降低。而传感器的移动速度过低则会导致后面的传感器在进行循环移动时，碰撞到前面的传感器，因此导致出现问题。
实施例2
在上一实施例的基础上，所述子区域内的包含的目标为子区域内的设备或环境监测点。
具体的，环境监测点是子区域中用以监测环境数据的监测点，传感器在移动到该监测点时，获取到的数据不是其区域中设备的数据信息，而是环境的数据信息。
因为在实践中，环境会影响设备的运行，进而影响最终的监控结果。
实施例3
在上一实施例的基础上，所述目标区域划分单元在将目标监控区域划分为多个子区域时，依据的规则为：按照设备的类型，进行子区域划分，每个子区域内包含的设备的类型归属于为同一类型。
具体的，划分得到的子区域时，子区域彼此之间可能并不是连续的，因此在传感器移动过程中，可能会出现从一个重要等级较高的子区域移动到重要等级较低的子区域，这个时候，需要实时调整传感器的速度。
实施例4
在上一实施例的基础上，所述子区域按照其内包含的设备的类型划分为四个重要等级分别为：第一级、第二级、第三级和第四级；且第一级的重要等级高于第二级的重要等级，第二级的重要等级高于第三级的重要等级，第三级的重要等级高于第四级的重要等级。
实施例5
在上一实施例的基础上，所述传感器在各个子区域内的移动速率根据各个子区域的重要等级而不同，具体包括：当传感器在第一级的子区域内移动时，其移动速率设定为A，当传感器在第二级的子区域内移动时，其移动速率设定为B，当传感器在第三级的子区域内移动时，其移动速率设定为C，当传感器在第四级的子区域内移动时，其移动速率设定为D；所述移动速率A、B、C和D须满足以下设定的约束关系：|lg(2.5*A)|＝B；
C*0.6＝D。
具体的，约束关系的建立还与各个子区域的面积有关，若每个子区域的面积较大，则传感器的移动速率则可以更高。但在实践中，由于需要考虑到或许数据准确率的关系，移动速率不可以太高。当子区域的数量为4个时，在满足约束关系时，则可以保证各个传感器的移动能够在不发生碰撞的情况下，保证数据信息的准确率。
实施例6
在上一实施例的基础上，所述网络反馈控制单元对获取到的数据信息和传感器所在的位置进行数据分析，判定目标区域内各个子区域内的问题区域的方法包括：根据数据信息判断该位置是否出现异常，若出现异常，则以该位置作为圆心，再根据数据信息计算得到一个半径值，划定一个圆周区域作为问题区域。
具体的，问题区域中的设备为出现了异常的设备，针对这些区域，在后续的传感器到达对应的子区域时，则不需要重复获取数据，可以绕开这些问题区域，对子区域中的其他部分进行监控。
实施例7
在上一实施例的基础上，所述根据数据信息计算得到一个半径值的方法包括：使用如下公式计算得到半径值：
其中，Data为数据信息，data为前一个处于该位置的传感器采集到的数据信息，Standard为预先设定的数据信息标准值，d为该子区域内的各个目标之间的距离的平均值，v为传感器的移动速率。
具体的，半径值的划分关系到问题区域划分的科学性，若半径划分过大，怎很容易导致子区域中存在监控盲区，若划分较小，则会导致数据的重复获取，降低效率。
在实践中，半径的划分与子区域内各个目标的距离的平均值有较大关系，也和各个传感器的移动速率有关系。通过建立本发明的半径值计算公式，可以提升半径划分的科学性。
实施例8
在上一实施例的基础上，所述网络反馈控制单元根据问题区域在各个子区域内的位置，发送控制命令至各个传感器，控制各个传感器的移动路径的方法包括：发送控制命令各个传感器，当传感器运行至问题区域时，控制传感器从各个问题区域的圆周边界的相切方向运动。
具体的，在各个问题区域的圆周边界的相切方向运动，可以避免重复获取数据信息。
实施例9
在上一实施例的基础上，所述矫正系数的计算方法包括：使用如下公式计算得到矫正系数：
其中，S为问题区域的占比面积，S总为问题区域所在子区域的总面积；λ为修正系数，取值范围为0.3～0.5；i
为问题区域内包含的目标的数量；Num为矫正系数。
具体的，因为目标区域内的各个设备彼此之间是相互连接的关系，数据也会存在相互交换和相互处理的情况，因此针对这些数据进行矫正，可以进一步提升设备的运行状态。以此，在实现了自动化监控的基础上，更实现了问题的矫正。
实施例10
在上一实施例的基础上，所述参数矫正单元，根据问题区域在各个子区域内的位置和在各个子区域内的占比面积，对各个子区域内包含的目标的数据进行系数矫正的方法包括：对各个子区域内的目标的数据进行归一化处理后，再乘以矫正系数完成系数矫正。
虽然以上描述了本发明的具体实施方式，但是本领域的技术人员应当理解，这些具体实施方式仅是举例说明，本领域的技术人员在不脱离本发明的原理和实质的情况下，可以对上述方法和***的细节进行各种省略、替换和改变。例如，合并上述方法步骤，从而按照实质相同的方法执行实质相同的功能以实现实质相同的结果则属于本发明的范围。因此，本发明的范围仅由所附权利要求书限定。
Claims (10)
1.一种基于工业物联网的自动化监控***，其特征在于，所述***包括：目标区域划分单元，配置用于将目标监控区域划分为多个区域；传感器组，包括多个传感器，分别设置于每个子区域，每个子区域内至少包含N个数量的传感器，传感器的数量N大于或等于每个子区域内的所含目标的数量，且每个传感器为可移动传感器，按照设定的移动速率在每个子区域内循环移动，同时，实时获取其所在子区域内的数据信息；网络反馈控制单元，配置用于对获取到的数据信息和传感器所在的位置进行数据分析，判定目标区域内各个子区域内的问题区域，并根据问题区域在各个子区域内的位置，发送控制命令至各个传感器，控制各个传感器的移动路径；参数矫正单元，配置用于根据问题区域在各个子区域内的位置和在各个子区域内的占比面积，对各个子区域内包含的目标的数据进行系数矫正。
2.如权利要求1所述的***，其特征在于，所述子区域内的包含的目标为子区域内的设备或环境监测点。
3.如权利要求2所述的***，其特征在于，所述目标区域划分单元在将目标监控区域划分为多个子区域时，依据的规则为：按照设备的类型，进行子区域划分，每个子区域内包含的设备的类型归属于为同一类型。
4.如权力要求3所述的***，其特征在于，所述子区域按照其内包含的设备的类型划分为四个重要等级分别为：第一级、第二级、第三级和第四级；且第一级的重要等级高于第二级的重要等级，第二级的重要等级高于第三级的重要等级，第三级的重要等级高于第四级的重要等级。
5.如权利要求4所述的***，其特征在于，所述传感器在各个子区域内的移动速率根据各个子区域的重要等级而不同，具体包括：当传感器在第一级的子区域内移动时，其移动速率设定为A，当传感器在第二级的子区域内移动时，其移动速率设定为B，当传感器在第三级的子区域内移动时，其移动速率设定为C，当传感器在第四级的子区域内移动时，其移动速率设定为D；所述移动速率A、B、C和D须满足以下设定的约束关系：|lg(2.5*D)|＝C；
B*0.6＝A。
6.如权利要求5所述的***，其特征在于，所述网络反馈控制单元对获取到的数据信息和传感器所在的位置进行数据分析，判定目标区域内各个子区域内的问题区域的方法包括：根据数据信息判断该位置是否出现异常，若出现异常，则以该位置作为圆心，再根据数据信息计算得到一个半径值，划定一个圆周区域作为问题区域。
7.如权利要求6所述的***，其特征在于，所述根据数据信息计算得到一个半径值的方法包括：使用如下公式计算得到半径值：
8.如权利要求7所述的***，其特征在于，所述网络反馈控制单元根据问题区域在各个子区域内的位置，发送控制命令至各个传感器，控制各个传感器的移动路径的方法包括：发送控制命令各个传感器，当传感器运行至问题区域时，控制传感器从各个问题区域的圆周边界的相切方向运动。
9.如权利要求8所述的***，其特征在于，所述矫正系数的计算方法包括：使用如下公式计算得到矫正系数：
其中，S为问题区域的占比面积，S总为问题区域所在子区域的总面积；λ为修正系数，取值范围为0.3～0.5；i为问题区域内包含的目标的数量；Num为矫正系数。
10.如权利要求9所述的***，其特征在于，所述参数矫正单元，根据问题区域在各个子区域内的位置和在各个子区域内的占比面积，对各个子区域内包含的目标的数据进行系数矫正的方法包括：对各个子区域内的目标的数据进行归一化处理后，再乘以矫正系数完成系数矫正。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211543923.2A CN116055516A (zh) | 2022-12-03 | 2022-12-03 | 一种基于工业物联网的自动化监控*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211543923.2A CN116055516A (zh) | 2022-12-03 | 2022-12-03 | 一种基于工业物联网的自动化监控*** |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116055516A true CN116055516A (zh) | 2023-05-02 |
Family
ID=86117405
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211543923.2A Pending CN116055516A (zh) | 2022-12-03 | 2022-12-03 | 一种基于工业物联网的自动化监控*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116055516A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116880395A (zh) * | 2023-07-19 | 2023-10-13 | 天津市易控科技发展有限公司 | 基于dcs***的监控方法、装置、设备及介质 |
-
2022
- 2022-12-03 CN CN202211543923.2A patent/CN116055516A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116880395A (zh) * | 2023-07-19 | 2023-10-13 | 天津市易控科技发展有限公司 | 基于dcs***的监控方法、装置、设备及介质 |
| CN116880395B (zh) * | 2023-07-19 | 2024-06-07 | 天津市易控科技发展有限公司 | 基于dcs***的监控方法、装置、设备及介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116009480B (zh) | 一种数控机床的故障监测方法、装置、设备及存储介质 | |
| CN116088419B (zh) | 基于参数优化的数控机床加工控制方法、***及相关设备 | |
| CN107172128B (zh) | 一种云辅助的制造装备大数据采集方法 | |
| CN116055516A (zh) | 一种基于工业物联网的自动化监控*** | |
| CN113741343B (zh) | 一种机床双轴同步控制方法、***和机床 | |
| KR102373655B1 (ko) | 공작기계의 고장 진단 장치 및 진단 방법 | |
| CN112629905A (zh) | 基于深度学习的设备异常检测方法、***及计算机介质 | |
| CN108153273B (zh) | 车辆信号失效故障诊断方法及整车控制器 | |
| WO2020252666A1 (zh) | 工业物联网的边缘计算设备、方法和计算机可读存储介质 | |
| CN115453356A (zh) | 一种动力设备运行状态监测分析方法、***、终端及介质 | |
| CN114548311B (zh) | 基于人工智能的液压设备智能控制*** | |
| CN114882680A (zh) | 一种远程终端管理***及方法 | |
| CN117111568B (zh) | 基于物联网的设备监测方法、装置、设备及存储介质 | |
| CN117032207A (zh) | 一种无人物流交通运输***的领导跟随协同滤波方法 | |
| CN109255555B (zh) | 基于历史运行信息的电力大数据设备生命周期估计方法 | |
| US20230376024A1 (en) | Device and Method for Identifying Anomalies in an Industrial System for Implementing a Production Process | |
| US11970178B2 (en) | Computer-implemented method for machine learning for operating a vehicle component, and method for operating a vehicle component | |
| CN115407736A (zh) | 一种提高产品良率的方法、装置、设备及介质 | |
| KR20010036423A (ko) | 일반 회귀 신경망을 이용한 고장 검출 방법 및 장치 | |
| CN113032916A (zh) | 一种基于迁移学习的贝叶斯网络的机电设备轴承故障预测方法 | |
| CN109849055A (zh) | 机器人电缆线束寿命实时预测反馈***及其方法 | |
| CN117922538B (zh) | 一种基于数字孪生技术的混合动力汽车的测控方法及*** | |
| KR20190100830A (ko) | 빅데이터 기반 인공지능형 밸브 자동제어 방법 | |
| CN117270537B (zh) | 一种自动刨花的移动路径控制***及控制方法 | |
| CN117857261B (zh) | 一种基于边缘计算的工业智能网关 |
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 |