[發明專利]一種設備故障預測系統和方法

在審

• 申請號: 201710288855.2
• 申請日: 2017-04-27
• 公開（公告）號: CN106991502A
• 公開（公告）日: 2017-07-28
• 發明（設計）人: 猶杰;伊萬·威姆林
• 申請（專利權）人: 深圳大數點科技有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06F17/14
• 代理公司: 深圳新創友知識產權代理有限公司44223
• 代理人: 江耀純

1.一種基于設備故障預測系統，其特征在于，包括：

預測模塊，對設備進行故障預測；

呈現模塊，對預測出的故障進行呈現；

所述預測模塊包括：

采集單元，利用傳感器實時采集所述設備的所述傳感數據；

分析單元，對所述傳感數據進行分析、學習和處理；

預測單元，根據所述分析、學習和處理預測出所述設備的故障類型。

2.如權利要求1所述的設備故障預測系統，其特征在于，包括傳感器、傳感數據集線器、邊緣網關和云端平臺。

3.如權利要求1所述的設備故障預測系統，其特征在于，所述傳感器包括加速度計和轉速計。

4.一種設備故障預測系統預測故障的方法，其特征在于，包括如下步驟：

S1：對設備進行故障預測；

S2：對預測出的故障進行呈現；

所述對設備進行故障預測包括如下步驟：

S11：所述傳感器實時采集設備的震動信息，并將采集的數據傳輸給所述傳感數據集線器；所述傳感數據集線器接收來自所述傳感器的數據并將所述數據傳輸給所述邊緣網關；

S12：所述邊緣網關接收所述數據并對數據進行分析、學習和處理，形成動態的震動特征和不同類別的異常特征；

S13：所述邊緣網關根據所述震動特征和異常特征對后續數據進行檢測，對故障進行預測，并將異常數據和預測出的故障類型發送給云端平臺；

所述對預測出的故障進行呈現包括：

S21：所述云端平臺接收來自所述邊緣網關的數據并存儲，同時提供可視化展示。

5.如權利要求4所述的設備故障預測系統的方法，其特征在于，所述步驟S12中包括如下步驟：

T1：將實時接收到的數據緩存，每秒鐘接收到的10000-20000個采樣值形成一個向量，并按秒將5-10分鐘內的向量組成一個原始數據矩陣；

T2：將所述原始數據矩陣作快速傅立葉變換，變換為頻域矩陣；

T3：對所述頻域矩陣做連續的聚類學習，生成不同樣本組成的點群，將所述點群中樣本數最多的定義為主群，所述主群對應正常模式；

T4：基于所述點群，構建一個決策樹模型。

6.如權利要求5所述的設備故障預測系統的方法，其特征在于，根據所述決策樹模型對實時傳入的快速傅立葉變換的采樣數據進行故障預測。

7.如權利要求6所述的設備故障預測系統的方法，其特征在于，所述步驟S13中的故障預測包括如下步驟：

T51：所述實時傳入的快速傅立葉變換的采樣數據對應正常模式，則判斷為正常，并將該采樣值忽略，重復步驟T51，對后續采樣數據進行判斷；否則進入步驟T52；

T52：保留所述對應異常模式的采樣數據，對下一個采樣數據進行判斷，

若為正常模式，則判斷所述設備狀態為正常，并將所述兩個采樣數據釋放；

若連續T個采樣數據為異常模式，則預測設備具有所述異常模式對應的故障，所述T為大于2的自然數，并將所述T+1個采樣數據和所述預測傳給云端平臺；

若在連續出現X個采樣數據為所述異常模式之后，第X+1個數據不屬于所述異常模式，所述X為滿足：1≤X＜T的自然數，則進入步驟T53；

T53：保留所述X個采樣數據，判斷所述第X+1個采樣數據：

若為正常模式，則預測設備為正常，并將所述X+1個采樣數據釋放；

若所述第X+1個采樣數據為另外一種異常模式，且后面連續T個采樣為所述另外一種異常模式，則預測設備同時具有所述X+1個采樣數據對應的故障和所述T+1個采用數據所對應的故障，并將所述X+1個采樣數據、所述T+1采樣數據和所述預測傳給云端平臺；

若所述第X+1個采樣數據為另外一種異常模式，且后面連續出現T-X次采樣為所述X個采樣數據對應的異常模式，則預測設備具有所述X個采樣數據對應的故障，并將所述對應故障的T+1個采樣數據、所述第X+1個采樣數據和所述預測傳給云端平臺。

8.如權利要求4-7任一所述的設備故障預測系統的方法，其特征在于，所述采樣數據包括震動數據。

9.如權利要求4-7任一所述的設備故障預測系統的方法，其特征在于，所述云端平臺將所述故障信息發送到用戶終端。

10.一種包含計算機程序的計算機可讀存儲介質，所述計算機程序可操作來使計算機執行如權利要求4-9任一所述的方法。