CN116859838B - 一种设备运行情况监测的预警*** - Google Patents
一种设备运行情况监测的预警*** Download PDFInfo
- Publication number
- CN116859838B CN116859838B CN202310775163.6A CN202310775163A CN116859838B CN 116859838 B CN116859838 B CN 116859838B CN 202310775163 A CN202310775163 A CN 202310775163A CN 116859838 B CN116859838 B CN 116859838B
- Authority
- CN
- China
- Prior art keywords
- data
- equipment
- sub
- sampling
- monitoring
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 104
- 230000002159 abnormal effect Effects 0.000 claims abstract description 41
- 238000000034 method Methods 0.000 claims abstract description 33
- 230000008569 process Effects 0.000 claims abstract description 23
- 238000007781 pre-processing Methods 0.000 claims abstract description 9
- 238000005070 sampling Methods 0.000 claims description 101
- 238000012937 correction Methods 0.000 claims description 30
- 238000004458 analytical method Methods 0.000 claims description 29
- 238000012545 processing Methods 0.000 claims description 15
- 238000012549 training Methods 0.000 claims description 13
- 238000001914 filtration Methods 0.000 claims description 5
- 230000009467 reduction Effects 0.000 claims description 5
- 238000012952 Resampling Methods 0.000 claims description 3
- 230000005540 biological transmission Effects 0.000 claims description 3
- 238000011156 evaluation Methods 0.000 claims description 3
- 230000010354 integration Effects 0.000 claims description 3
- 238000002360 preparation method Methods 0.000 claims description 3
- 238000005259 measurement Methods 0.000 abstract description 4
- 230000009286 beneficial effect Effects 0.000 description 11
- 238000005516 engineering process Methods 0.000 description 9
- 238000003745 diagnosis Methods 0.000 description 8
- 238000004519 manufacturing process Methods 0.000 description 5
- 238000011161 development Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 230000005856 abnormality Effects 0.000 description 2
- 230000002411 adverse Effects 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000002265 prevention Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/4183—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by data acquisition, e.g. workpiece identification
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/31—From computer integrated manufacturing till monitoring
- G05B2219/31282—Data acquisition, BDE MDE
-
- 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)
- General Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明提供了一种设备运行情况监测的预警***包括:采集指定设备的工作数据,对所述工作数据进行预处理得到目标数据,获取所述目标数据的数据特征,将所述数据特征输入到预设设备监测模型中进行状态监测,生成监测报告,解析所述监测报告得到所述指定设备的运行状态,当所述指定设备的运行状态异常时生成预警信息传输到指定终端进行显示,以分析出设备的运行状况,在指定设备出现异常时生成预警信息,在此过程中,不需要人工测量和监测,减少了费用,提高了预警工作的精确度。
Description
技术领域
本发明涉及设备工作预警技术领域,特别涉及一种设备运行情况监测的预警***。
背景技术
在现代生产运营中,各种设备和机器的运行情况监测是非常重要的。设备故障或停机会导致生产中断、效率下降,甚至带来不可预测的危险。因此,为了提高生产效率和设备可靠性,需引入设备运行情况监测的预警***。这样,就可以通过实时监测特定设备的状态和性能指标,及时预警并追踪设备运行的异常,以便及时进行修复和维护。对于一些关键性设备,甚至可以进行智能化的预警和维护,通过机器学习等技术预测故障发生的概率,从而实现更高效、更精准的预警和维护。传感器技术的发展:随着传感器技术的不断发展,可以对设备运行过程中的多个方面进行实时监测,如温度、耗电量、振幅、声音等。这为设备的故障诊断和预防提出了新的可能性。
机器学习和人工智能技术的应用:机器学习和人工智能技术可以对大量数据进行快速、准确的处理和分析,能够实现设备故障的自动监测、精确定位和诊断,并提供有效的预警和预测功能。
互联网和物联网技术的推广:互联网和物联网技术为设备之间的数据共享和统一管理提供了技术支持,为设备的集中监控和故障分析提供了可能性。
设备稳定性和可靠性的需求:设备的稳定性和可靠性是现代生产和制造中非常关键的问题。设备运行的温度、耗电量、振幅、声音等多个因素对设备的健康状态有很大影响,因此通过这些因素进行故障诊断和预防是当下的重要趋势。
此外,现代计算机技术的快速发展和广泛应用,也在很大程度上推动了温度、耗电量、振幅、声纹分析诊断算法的产业应用。无论是在硬件设备和算法优化上,还是在实践应用和智能化管理等方向上,都得到了越来越多的支持和关注,为该技术的进一步推广和应用奠定了坚实基础。
然而,现有的机器的运行情况监测设备存在很多问题,例如:传统诊断手法需要大量的人工测量和监测,除了费用高昂之外,还存在人员资源不足、测量精度低、工作效率低,诊断精度不稳定,误判或漏判的现象比较常见等问题,
因此,本发明提供了一种设备运行情况监测的预警***。
发明内容
本发明一种设备运行情况监测的预警***,通过采集指定设备的工作数据,然后对工作数据进行特征分析,利用预设的监测模型对生成的特征进行状态监测,从而可以分析出设备的运行状况,在指定设备出现异常时生成预警信息,在此过程中,不需要人工测量和监测,减少了费用,提高了预警工作的精确度。
本发明提供了一种设备运行情况监测的预警***,包括:
采集模块,用于采集指定设备的工作数据;
处理模块,用于对所述工作数据进行预处理得到目标数据,获取所述目标数据的数据特征;
建模模块,用于将所述数据特征输入到预设设备监测模型中进行状态监测,生成监测报告;
执行模块,用于解析所述监测报告得到所述指定设备的运行状态,当所述指定设备的运行状态异常时生成预警信息传输到指定终端进行显示。
在一种可实施的方式中,
所述采集模块,包括:
第一采集单元,用于采集所述指定设备工作过程中的温度数据;
第二采集单元,用于采集所述指定设备工作过程中的耗电量数据;
第四采集单元,用于采集所述指定设备工作过程中的振幅数据;
第五采集单元,用于采集所述指定设备工作过程中的声音数据;
数据同步单元,用于根据每一采集单元对应的采集时刻将所述温度数据、耗电量数据、振幅数据和声音数据进行时间同步,建立工作数据。
在一种可实施的方式中,
所述处理模块,包括:
预处理单元,用于对所述工作数据进行降噪滤波处理,生成目标数据;
采样单元,用于对所述目标数据进行采样,得到若干个采样点,分别获取每一采样点对应的采样子数据;
分析单元,用于分别将每一采样子数据进行数据划分,得到若干个区域子数据,并分别获取每一区域子数据对应的数据子特征;
整合单元,用于获取不同所述数据子特征之间的特征影响参数,根据所述特征影响参数分别对每一数据子特征进行修正,得到每一数据子特征对应的特征范围,根据同一采样点对应的若干个所述数据子特征建立所述目标数据的数据特征,以及根据每一数据子特征对应的特征范围建立目标特征范围。
在一种可实施的方式中,
所述处理模块,还包括:
对比单元,用于判断所述数据特征是否在所述目标特征范围内,若不在确定所述指定设备工作异常,生成异常信息传输到指定终端进行显示。
在一种可实施的方式中,
所述建模模块,包括:
准备单元,用于获取所述指定设备的历史数据,和获取所述指定设备的历史特征,以及获取所述指定设备对应的预设设备监测模型;
修正单元,用于分别获取每一历史特征对应的历史时刻,根据所述历史时刻的先后顺序建立历史特征序列,利用所述历史特征序列中的每一历史特征依次修正预设设备监测模型,得到当前设备监测模型;
训练单元,用于将所述数据特征数据到所述当前设备监测模型中进行状态训练,得到训练模型;
监测单元,用于解析所述训练模型,得到若干条模型特征,根据所述模型特征得到所述指定设备的若干条状态数据,根据所述状态数据建立监测报告。
在一种可实施的方式中,
所述建模模块,还包括:
评估单元,用于当修正单元利用历史特征序列修正所述预设设备监测模型的过程中,分别获取每一次修正时对应的修正结果,建立修正结果序列;
解析所述修正结果序列,得到相邻修正结果之间的修正量,根据所述修正量评估所述指定设备的损耗量,得到所述指定设备的损耗趋势;
根据所述损耗趋势,评估所述指定设备的剩余使用寿命,当所述剩余使用寿命小于预设使用寿命时,生成反馈信息传输到所述指定终端进行显示。
在一种可实施的方式中,
所述执行模块,包括:
执行单元,用于根据所述监测报告得到所述指定设备的运行状态;
判断单元,用于判断所述运行状态是否属于异常状态;
预警单元,用于当所述运行状态属于异常状态时,获取所述运行状态与正常状态之间的状态差,感觉所述状态差建立预警信息;
传输单元,用于将所述预警信息传输到指定指定进行显示。
在一种可实施的方式中,
所述分析单元,包括:
第一分析子单元,用于分别查找每一采样子数据中包含的数据节点,根据所述数据节点在所述采样子数据中的位置,将对应的采样子数据划分为若干个区域子数据;
第二分析子单元,用于分别获取同一数据采样子数据对应的每一区域子数据对应的数据属性,将每一采样子数据对应的数据属性相同的目标区域子数据记作同一数据类;
第三分析子单元,用于分别对每一数据类进行逻辑分析,得到同一数据类中不同区域子数据之间的逻辑关系,根据所述逻辑关系得到同一数据类中不同区域子数据之间的约束信息;
第四分析子单元,用于分别获取每一区域子数据对应的数据量,结合所述约束信息得到每一区域子数据对应的数据子特征。
在一种可实施的方式中,
所述采样单元包括:
第一采样子单元,用于对所述目标数据进行采样,确定若干个采样点;
第二采样子单元,用于分别获取每一采样点对应的第一数据,分别为每条第一数据建立对应的数据时钟,根据所述数据时钟建立时钟树;
第三采样子单元,用于分别解析每一所述时钟树,提取每一所述时钟树上的时钟空枝,获取所述时钟空枝对应的异常采样点,获取所述异常采样点对应的相邻采样点,在所述相邻采样点范围内重新采样,得到对应的第二数据;
第四采样子单元,用于所述第二数据替换对应的第一数据,得到每一采样点对应的采样子数据。
在一种可实施的方式中,
还包括:
当所述目标数据中的异常采样点数量大于预设数量时,确定所述指定设备处于异常工作状态,生成预警信息传输到指定终端进行显示。
本发明可以实现的有益效果为:通过采集指定设备的工作数据,然后对工作数据进行预处理后进行特征提取,进而将数据特征输入到预设设备模型中进行状态监测,这样一来就可以生成监测报告,从而可以清晰的判断指定设备的运行状态,为了达到预警的目的,当指定设备的运行状态异常时生成预警信息传输到指定终端进行显示,可以有效避免指定设备长时间处于异常工作状态造成严重不良后果,该技术需要涉及到对数据采集、预处理、特征提取、建模和结果呈现等方面的基础技术,并且需要根据具体应用场景选择合适的技术方案和算法。技术应用领域广泛,如机械设备状态监测、动力***状态监测、故障诊断、电力设备状态监测、自动监测与安全控制等,因其具有快速、准确、实时等优点,其应用前景非常广阔。
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、权利要求书、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设备运行情况监测的预警***的组成示意图;
图2为本发明实施例中一种设备运行情况监测的预警***的处理模块组成示意图;
图3为本发明实施例中一种设备运行情况监测的预警***的建模模块组成示意图。
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。
实施例1
本实施例提供了一种设备运行情况监测的预警***,如图1所示,包括:
采集模块,用于采集指定设备的工作数据;
处理模块,用于对所述工作数据进行预处理得到目标数据,获取所述目标数据的数据特征;
建模模块,用于将所述数据特征输入到预设设备监测模型中进行状态监测,生成监测报告;
执行模块,用于解析所述监测报告得到所述指定设备的运行状态,当所述指定设备的运行状态异常时生成预警信息传输到指定终端进行显示。
该实例中,工作数据表示指定设备处于工作状态下时所产生的数据;
该实例中,数据特征表示当前时刻下目标数据对应的特征,即,可以区分不同当前时刻的目标数据的特征;
该实例中,预设设备模型表示在虚拟空间内表示指定设备的产物;
该实例中,监测报告中包含指定设备的工作状态以及指定设备不同设备器件的工作信息;
该实例中,指定设备的运行状态包括正常运行和异常运行两类;
该实例中,预警信息的格式可以为:图表或者报表;
该实例中,传输预警信息的方式可以为:短信或者邮件;
该实例中,指定终端可以为相关人员的手机或者相关人员所操作的显示屏。
上述技术方案的工作原理以及有益效果:通过采集指定设备的工作数据,然后对工作数据进行预处理后进行特征提取,进而将数据特征输入到预设设备模型中进行状态监测,这样一来就可以生成监测报告,从而可以清晰的判断指定设备的运行状态,为了达到预警的目的,当指定设备的运行状态异常时生成预警信息传输到指定终端进行显示,可以有效避免指定设备长时间处于异常工作状态造成严重不良后果,该技术需要涉及到对数据采集、预处理、特征提取、建模和结果呈现等方面的基础技术,并且需要根据具体应用场景选择合适的技术方案和算法。技术应用领域广泛,如机械设备状态监测、动力***状态监测、故障诊断、电力设备状态监测、自动监测与安全控制等,因其具有快速、准确、实时等优点,其应用前景非常广阔。
实施例2
在实施例1的基础上,所述一种设备运行情况监测的预警***,所述采集模块,包括:
第一采集单元,用于采集所述指定设备工作过程中的温度数据;
第二采集单元,用于采集所述指定设备工作过程中的耗电量数据;
第四采集单元,用于采集所述指定设备工作过程中的振幅数据;
第五采集单元,用于采集所述指定设备工作过程中的声音数据;
数据同步单元,用于根据每一采集单元对应的采集时刻将所述温度数据、耗电量数据、振幅数据和声音数据进行时间同步,建立工作数据。
上述技术方案的工作原理以及有益效果:通过采集指定设备在工作过程中不同角度的数据来建立工作数据,可以实现多角度分析,提高了监测的有效性。
实施例3
在实施例1的基础上,所述一种设备运行情况监测的预警***,所述处理模块,如图2所示,包括:
预处理单元,用于对所述工作数据进行降噪滤波处理,生成目标数据;
采样单元,用于对所述目标数据进行采样,得到若干个采样点,分别获取每一采样点对应的采样子数据;
分析单元,用于分别将每一采样子数据进行数据划分,得到若干个区域子数据,并分别获取每一区域子数据对应的数据子特征;
整合单元,用于获取不同所述数据子特征之间的特征影响参数,根据所述特征影响参数分别对每一数据子特征进行修正,得到每一数据子特征对应的特征范围,根据同一采样点对应的若干个所述数据子特征建立所述目标数据的数据特征,以及根据每一数据子特征对应的特征范围建立目标特征范围。
该实例中,对工作数据进行降噪滤波处理的方法可以为:小波变换法;
该实例中,一个采样点对应的一个采样子数据,采样子数据时目标数据上的一部分;
该实例中,区域子数据的数量为个,分别为:温度子数据、耗电量子数据、振幅子数据、声音子数据;
该实例中,数据子特征表示用来区分不同区域子数据的特征;
该实例中,特征影响参数表示不同数据子特征之间相互影响的参数;
该实例中,特征范围表示数据子特征在不同特征影响参数的影响下所呈现的特征波动范围。
上述技术方案的工作原理以及有益效果:为了提高监测结果的有效性,避免干扰数据对监测结果的影响,在进行采样前先对工作数据进行降噪滤波处理,生成目标数据,然后对目标数据进行采样,得到了若干个采样子数据,然后分析不同数据子特征之间的影响参数,建立该数据子特征的特征范围,从而确立了目标数据的数据特征以及目标数据的目标特征范围,从而为后续进行监测工作做基础。
实施例4
在实施例1的基础上,所述一种设备运行情况监测的预警***,所述处理模块,还包括:
对比单元,用于判断所述数据特征是否在所述目标特征范围内,若不在确定所述指定设备工作异常,生成异常信息传输到指定终端进行显示。
上述技术的工作原理以及有益效果:为了加快监测进度,当数据特征异常时,直接确定指定设备工作异常,生成异常信息传输到指定终端进行显示。
实施例5
在实施例1的基础上,所述一种设备运行情况监测的预警***,所述建模模块,如图3所示,包括:
准备单元,用于获取所述指定设备的历史数据,和获取所述指定设备的历史特征,以及获取所述指定设备对应的预设设备监测模型;
修正单元,用于分别获取每一历史特征对应的历史时刻,根据所述历史时刻的先后顺序建立历史特征序列,利用所述历史特征序列中的每一历史特征依次修正预设设备监测模型,得到当前设备监测模型;
训练单元,用于将所述数据特征数据到所述当前设备监测模型中进行状态训练,得到训练模型;
监测单元,用于解析所述训练模型,得到若干条模型特征,根据所述模型特征得到所述指定设备的若干条状态数据,根据所述状态数据建立监测报告。
该实例中,历史数据表示指定设备在历史时间内生成的工作数据;
该实例中,历史特征表示历史数据的特征;
该实例中,一个指定设备对应的一个预设设备监测模型;
该实例中,历史时刻表示生成历史特征的时刻,且一个历史特征对应一个历史时刻;
该实例中,历史特征序列表示将不同历史时刻对应的历史特征进行排序后得到的序列。
上述技术方案的工作原理以及有益效果:为了进一步分析指定设备的工作状态,在利用预设设备监测模型进行监测前,先获取指定设备的历史数据以及其历史特征,然后利用多个历史特征来修正预设设备监测模型,从而可以得到一个与当前情况最相符的当前设备监测模型,然后将数据特征输入到当前设备监测模型中进行训练,可以得到若干条模型特征,最后根据模型特征建立状态数据建立监测报告,在此过程中通过利用历史特征修正预设设备模型可以使得后续的监测结果更具有说服力,结合历史数据进行分析和建模,建立设备健康状态模型,以提高设备的稳定性和可靠性。
实施例6
在实施例5的基础上,所述一种设备运行情况监测的预警***,所述建模模块,还包括:
评估单元,用于当修正单元利用历史特征序列修正所述预设设备监测模型的过程中,分别获取每一次修正时对应的修正结果,建立修正结果序列;
解析所述修正结果序列,得到相邻修正结果之间的修正量,根据所述修正量评估所述指定设备的损耗量,得到所述指定设备的损耗趋势;
根据所述损耗趋势,评估所述指定设备的剩余使用寿命,当所述剩余使用寿命小于预设使用寿命时,生成反馈信息传输到所述指定终端进行显示。
该实例中,修正结果中包含了每一次修正对应的修正量以及修正后的预设设备监测模型的模型参数;
该实例中,反馈信息表示将指定设备的剩余使用寿命进行反馈的信息;
该实例中,预设寿命可以为全部寿命的5%。
上述技术方案的工作原理以及有益效果:为了进一步监测指定设备,在利用历史特征序列修正预设设备监测模型的过程中采集每一次修正时对应的修正结果,然后根据修正结果来评估指定设备在一次工作后的损耗量,然后根据其损耗量来建立指定设备的损耗趋势,从而可以评估指定设备的剩余使用寿命,并作出相应的反馈,通过这样的方式来对指定设备进行身故寿命监督,可以减少因误差和主观因素引起的误判和误诊。
实施例7
在实施例1的基础上,所述一种设备运行情况监测的预警***,所述执行模块,包括:
执行单元,用于根据所述监测报告得到所述指定设备的运行状态;
判断单元,用于判断所述运行状态是否属于异常状态;
预警单元,用于当所述运行状态属于异常状态时,获取所述运行状态与正常状态之间的状态差,感觉所述状态差建立预警信息;
传输单元,用于将所述预警信息传输到指定指定进行显示。
该实例中,状态差表示运行状态与正常状态之间差,是一个向量;
该实例中,预警信息中包含了状态差,以及预警词。
上述技术方案的工作原理以及有益效果:通过解析监测报告得到指定设备的运行状态,然后通过判断运行状态的异常性来确定是否需要进行预警,并在必要情况下进行预警,这样一来可以时刻监测指定设备的运行状态并做出相应的预警,便于工程师和维护人员对设备运行状态的跟踪和监测。
实施例8
在实施例3的基础上,所述一种设备运行情况监测的预警***,所述分析单元,包括:
第一分析子单元,用于分别查找每一采样子数据中包含的数据节点,根据所述数据节点在所述采样子数据中的位置,将对应的采样子数据划分为若干个区域子数据;
第二分析子单元,用于分别获取同一数据采样子数据对应的每一区域子数据对应的数据属性,将每一采样子数据对应的数据属性相同的目标区域子数据记作同一数据类;
第三分析子单元,用于分别对每一数据类进行逻辑分析,得到同一数据类中不同区域子数据之间的逻辑关系,根据所述逻辑关系得到同一数据类中不同区域子数据之间的约束信息;
第四分析子单元,用于分别获取每一区域子数据对应的数据量,结合所述约束信息得到每一区域子数据对应的数据子特征。
该实例中,数据节点表示采样子数据中不同数据的起始点的交接处;
该实例中,区域子数据表示采样子数据中的一个部分数据,区域子数据可以为温度数据、耗电量数据、振幅数据、声音数据中的一种;
该实例中,数据属性可以为:温度数据属性、耗电量数据属性、振幅数据属性、声音数据属性;
该实例中,同一数据类中的目标区域子数据的属性是一致的;
该实例中,约束信息表示同一数据类中的一个区域子数据对另一个区域数据的影响,例如:0点时的工作温度为25摄氏度,如果1点时的温度想要提高到60摄氏度需要加热35摄氏度,如果1点时的温度想要提高到30摄氏度只需要加热5摄氏度。
上述技术方案的工作原理以及有益效果:由于每一个数据子特征都不是独立的特征,需要与同类型的其他特征进行同步分析才能对指定设备进行监测,所以需要根据数据节点将采样子数据划分为若干个区域子数据,然后根据数据属性将区域子数据进行分类,得到了若干个数据类,再将同一数据类中的数据进行逻辑分析,得到其对应的逻辑关系,根据其逻辑关系来确定不同区域子数据之间的约束信息,从而结合其数据量来建立对应的数据子特征,这样一来在建立数据子特征的过程中不仅考虑了数据本身的数据量,还考虑了不同数据之间的约束信息,从而建立了多角度的有效数据子特征。
实施例9
在实施例3的基础上,所述一种设备运行情况监测的预警***,所述采样单元包括:
第一采样子单元,用于对所述目标数据进行采样,确定若干个采样点;
第二采样子单元,用于分别获取每一采样点对应的第一数据,分别为每条第一数据建立对应的数据时钟,根据所述数据时钟建立时钟树;
第三采样子单元,用于分别解析每一所述时钟树,提取每一所述时钟树上的时钟空枝,获取所述时钟空枝对应的异常采样点,获取所述异常采样点对应的相邻采样点,在所述相邻采样点范围内重新采样,得到对应的第二数据;
第四采样子单元,用于所述第二数据替换对应的第一数据,得到每一采样点对应的采样子数据。
该实例中,第一数据表示执行第一次采样时,在采样点所采集到的数据;
该实例中,数据时钟表示将第一数据中的的数据利用圆形图表的方式呈现数来的方式;
该实例中,时钟树表示将所有第一数据的数据时钟按照二叉树的格式进行排序后的呈现方式;
该实例中,时钟空枝表示时钟树中的不含有数据的树枝;
该实例中,异常采样点表示采样失败的采样点;
该实例中,第二数据表示执行第二次采样时,才采样点所采集到的数据。
上述技术方案的工作原理以及有益效果:为了保证采样子数据的有效性,先将采样点所对应的第一书记进行时钟分析,利用时钟树对第一数据进行整体的分析,然后根据分析结果来确定第一数据的有效性,在第一数据无效时重新选取采样点进行采样,然后将采集到的第二数据替换对应的第一数据,最后得到了采样子数据,通过时钟树的方式不仅可以直观的展示每一树枝上的数据情况,还可以快速定位时钟空枝,加快补采的速度,保证了采样子数据的有效性,提高了监测结果的说服力。
实施例10
在实施例9的基础上,所述一种设备运行情况监测的预警***,还包括:
当所述目标数据中的异常采样点数量大于预设数量时,确定所述指定设备处于异常工作状态,生成预警信息传输到指定终端进行显示。
上述技术方案的工作原理以及有益效果:当目标数据中异常采样点数量过多时说明指定设备中的大部分器件处于异常工作状态,此时为了快速通知相关人员,以及为了避免耽误时间,所以直接生成预警信息传输到指定终端进行显示,提醒相关人员及时进行故障排查。
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 (8)
1.一种设备运行情况监测的预警***,其特征在于,包括:
采集模块,用于采集指定设备的工作数据;
处理模块,用于对所述工作数据进行预处理得到目标数据,获取所述目标数据的数据特征;
建模模块,用于将所述数据特征输入到预设设备监测模型中进行状态监测,生成监测报告;
执行模块,用于解析所述监测报告得到所述指定设备的运行状态,当所述指定设备的运行状态异常时生成预警信息传输到指定终端进行显示;
所述处理模块,包括:
预处理单元,用于对所述工作数据进行降噪滤波处理,生成目标数据;
采样单元,用于对所述目标数据进行采样,得到若干个采样点,分别获取每一采样点对应的采样子数据;
分析单元,用于分别将每一采样子数据进行数据划分,得到若干个区域子数据,并分别获取每一区域子数据对应的数据子特征;
整合单元,用于获取不同所述数据子特征之间的特征影响参数,根据所述特征影响参数分别对每一数据子特征进行修正,得到每一数据子特征对应的特征范围,根据同一采样点对应的若干个所述数据子特征建立所述目标数据的数据特征,以及根据每一数据子特征对应的特征范围建立目标特征范围;
所述分析单元,包括:
第一分析子单元,用于分别查找每一采样子数据中包含的数据节点,根据所述数据节点在所述采样子数据中的位置,将对应的采样子数据划分为若干个区域子数据;
第二分析子单元,用于分别获取同一数据采样子数据对应的每一区域子数据对应的数据属性,将每一采样子数据对应的数据属性相同的目标区域子数据记作同一数据类;
第三分析子单元,用于分别对每一数据类进行逻辑分析,得到同一数据类中不同区域子数据之间的逻辑关系,根据所述逻辑关系得到同一数据类中不同区域子数据之间的约束信息;
第四分析子单元,用于分别获取每一区域子数据对应的数据量,结合所述约束信息得到每一区域子数据对应的数据子特征。
2.如权利要求1所述的一种设备运行情况监测的预警***,其特征在于,所述采集模块,包括:
第一采集单元,用于采集所述指定设备工作过程中的温度数据;
第二采集单元,用于采集所述指定设备工作过程中的耗电量数据;
第四采集单元,用于采集所述指定设备工作过程中的振幅数据;
第五采集单元,用于采集所述指定设备工作过程中的声音数据;
数据同步单元,用于根据每一采集单元对应的采集时刻将所述温度数据、耗电量数据、振幅数据和声音数据进行时间同步,建立工作数据。
3.如权利要求1所述的一种设备运行情况监测的预警***,其特征在于,所述处理模块,还包括:
对比单元,用于判断所述数据特征是否在所述目标特征范围内,若不在确定所述指定设备工作异常,生成异常信息传输到指定终端进行显示。
4.如权利要求1所述的一种设备运行情况监测的预警***,其特征在于,所述建模模块,包括:
准备单元,用于获取所述指定设备的历史数据,和获取所述指定设备的历史特征,以及获取所述指定设备对应的预设设备监测模型;
修正单元,用于分别获取每一历史特征对应的历史时刻,根据所述历史时刻的先后顺序建立历史特征序列,利用所述历史特征序列中的每一历史特征依次修正预设设备监测模型,得到当前设备监测模型;
训练单元,用于将所述数据特征数据到所述当前设备监测模型中进行状态训练,得到训练模型;
监测单元,用于解析所述训练模型,得到若干条模型特征,根据所述模型特征得到所述指定设备的若干条状态数据,根据所述状态数据建立监测报告。
5.如权利要求4所述的一种设备运行情况监测的预警***,其特征在于,所述建模模块,还包括:
评估单元,用于当修正单元利用历史特征序列修正所述预设设备监测模型的过程中,分别获取每一次修正时对应的修正结果,建立修正结果序列;
解析所述修正结果序列,得到相邻修正结果之间的修正量,根据所述修正量评估所述指定设备的损耗量,得到所述指定设备的损耗趋势;
根据所述损耗趋势,评估所述指定设备的剩余使用寿命,当所述剩余使用寿命小于预设使用寿命时,生成反馈信息传输到所述指定终端进行显示。
6.如权利要求1所述的一种设备运行情况监测的预警***,其特征在于,所述执行模块,包括:
执行单元,用于根据所述监测报告得到所述指定设备的运行状态;
判断单元,用于判断所述运行状态是否属于异常状态;
预警单元,用于当所述运行状态属于异常状态时,获取所述运行状态与正常状态之间的状态差,根据所述状态差建立预警信息;
传输单元,用于将所述预警信息传输到指定终端进行显示。
7.如权利要求1所述的一种设备运行情况监测的预警***,其特征在于,所述采样单元包括:
第一采样子单元,用于对所述目标数据进行采样,确定若干个采样点;
第二采样子单元,用于分别获取每一采样点对应的第一数据,分别为每条第一数据建立对应的数据时钟,根据所述数据时钟建立时钟树;
第三采样子单元,用于分别解析每一所述时钟树,提取每一所述时钟树上的时钟空枝,获取所述时钟空枝对应的异常采样点,获取所述异常采样点对应的相邻采样点,在所述相邻采样点范围内重新采样,得到对应的第二数据;
第四采样子单元,用于所述第二数据替换对应的第一数据,得到每一采样点对应的采样子数据。
8.如权利要求7所述的一种设备运行情况监测的预警***,其特征在于,还包括:
当所述目标数据中的异常采样点数量大于预设数量时,确定所述指定设备处于异常工作状态,生成预警信息传输到指定终端进行显示。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310775163.6A CN116859838B (zh) | 2023-06-28 | 2023-06-28 | 一种设备运行情况监测的预警*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310775163.6A CN116859838B (zh) | 2023-06-28 | 2023-06-28 | 一种设备运行情况监测的预警*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116859838A CN116859838A (zh) | 2023-10-10 |
CN116859838B true CN116859838B (zh) | 2024-02-06 |
Family
ID=88224409
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310775163.6A Active CN116859838B (zh) | 2023-06-28 | 2023-06-28 | 一种设备运行情况监测的预警*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116859838B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117312763B (zh) * | 2023-11-30 | 2024-02-23 | 青岛斑科变频技术有限公司 | 一种基于云平台的变频家电性能可视化监管***及方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112085930A (zh) * | 2020-09-14 | 2020-12-15 | 武汉瑞莱保能源技术有限公司 | 一种发电机组智能监测预警***及方法 |
CN112651605A (zh) * | 2020-12-10 | 2021-04-13 | 河钢乐亭钢铁有限公司 | 设备监控与状态分析*** |
CN114282434A (zh) * | 2021-12-16 | 2022-04-05 | 成都航天科工大数据研究院有限公司 | 一种工业设备健康管理***及方法 |
CN115567042A (zh) * | 2021-07-02 | 2023-01-03 | 西安紫光国芯半导体有限公司 | 一种信号输出控制电路以及芯片 |
CN115580637A (zh) * | 2022-09-26 | 2023-01-06 | 广州健新科技有限责任公司 | 一种用于电厂辅机设备的安全监测预警方法及*** |
CN115639470A (zh) * | 2022-09-23 | 2023-01-24 | 贵州北盘江电力股份有限公司光照分公司 | 一种基于数据趋势分析的发电机监测方法及*** |
CN115833400A (zh) * | 2023-02-07 | 2023-03-21 | 山东盛日电力集团有限公司 | 一种变电站电力设备的监测预警方法及*** |
CN116072165A (zh) * | 2023-03-07 | 2023-05-05 | 长鑫存储技术有限公司 | 一种信号采样电路和存储器 |
CN116184948A (zh) * | 2022-12-19 | 2023-05-30 | 北京市市政工程设计研究总院有限公司 | 一种水厂的智能监盘及预警诊断技术的应用***及方法 |
-
2023
- 2023-06-28 CN CN202310775163.6A patent/CN116859838B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112085930A (zh) * | 2020-09-14 | 2020-12-15 | 武汉瑞莱保能源技术有限公司 | 一种发电机组智能监测预警***及方法 |
CN112651605A (zh) * | 2020-12-10 | 2021-04-13 | 河钢乐亭钢铁有限公司 | 设备监控与状态分析*** |
CN115567042A (zh) * | 2021-07-02 | 2023-01-03 | 西安紫光国芯半导体有限公司 | 一种信号输出控制电路以及芯片 |
CN114282434A (zh) * | 2021-12-16 | 2022-04-05 | 成都航天科工大数据研究院有限公司 | 一种工业设备健康管理***及方法 |
CN115639470A (zh) * | 2022-09-23 | 2023-01-24 | 贵州北盘江电力股份有限公司光照分公司 | 一种基于数据趋势分析的发电机监测方法及*** |
CN115580637A (zh) * | 2022-09-26 | 2023-01-06 | 广州健新科技有限责任公司 | 一种用于电厂辅机设备的安全监测预警方法及*** |
CN116184948A (zh) * | 2022-12-19 | 2023-05-30 | 北京市市政工程设计研究总院有限公司 | 一种水厂的智能监盘及预警诊断技术的应用***及方法 |
CN115833400A (zh) * | 2023-02-07 | 2023-03-21 | 山东盛日电力集团有限公司 | 一种变电站电力设备的监测预警方法及*** |
CN116072165A (zh) * | 2023-03-07 | 2023-05-05 | 长鑫存储技术有限公司 | 一种信号采样电路和存储器 |
Also Published As
Publication number | Publication date |
---|---|
CN116859838A (zh) | 2023-10-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111459700B (zh) | 设备故障的诊断方法、诊断装置、诊断设备及存储介质 | |
CN104390657B (zh) | 一种发电机组运行参数测量传感器故障诊断方法及*** | |
US9423793B2 (en) | System, method and computer program for pattern based intelligent control, monitoring and automation | |
CN116859838B (zh) | 一种设备运行情况监测的预警*** | |
CN101989087A (zh) | 工业化加工渣油的在线实时故障监测与诊断的***装置 | |
CN111896254A (zh) | 一种变速变载大型滚动轴承故障预测***及方法 | |
US11644812B2 (en) | Machine tool management method, machine tool management system and medium | |
CN111651530A (zh) | 一种智能化港口监测*** | |
CN117434912B (zh) | 无纺布制品生产环境监控方法及*** | |
CN111949429A (zh) | 基于密度聚类算法的服务器故障监测方法及*** | |
CN111160393B (zh) | 基于数据驱动的运载火箭健康评估模型模块化建模方法 | |
CN117499439A (zh) | 一种基于工业物联网的巡检数据处理***及其处理方法 | |
Lee et al. | Intelligent factory agents with predictive analytics for asset management | |
CN112803587A (zh) | 一种基于诊断决策库的自动化设备状态智能巡视方法 | |
Chen et al. | Exploring equipment electrocardiogram mechanism for performance degradation monitoring in smart manufacturing | |
CN111190944A (zh) | 一种数据挖掘方法和*** | |
CN115401524A (zh) | 一种刀具振动信号监控方法、***及介质 | |
CN112398706B (zh) | 数据评估标准确定方法、装置及存储介质、电子设备 | |
CN114066163A (zh) | 一种基于三层架构模式的电力设备状态分析方法及装置 | |
CN114065651A (zh) | 一种用于旋转类设备的故障时间预测方法 | |
CN113836203A (zh) | 一种网络数据化诊断检测分析*** | |
CN114279718B (zh) | 一种基于实时车况的可配置故障诊断方法及故障诊断*** | |
KR102684101B1 (ko) | 지능형 rpa를 이용한 설비 이상징후 탐지 및 공구파손 예지 서비스 제공 시스템 | |
CN115426254A (zh) | ***日志异常识别网络的建立、识别方法和装置 | |
CN110989531B (zh) | 一种卷烟制丝加工过程的数据质量诊断方法 |
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 |