[發明專利]一種基于云邊協同的工業設備預測性維護方法有效
| 申請號: | 201911230761.5 | 申請日: | 2019-12-05 |
| 公開(公告)號: | CN110719210B | 公開(公告)日: | 2020-08-28 |
| 發明(設計)人: | 袁碩;閆實;孫耀華;彭木根 | 申請(專利權)人: | 贛江新區智慧物聯研究院有限公司 |
| 主分類號: | H04L12/24 | 分類號: | H04L12/24;G06Q10/04;G06Q10/00 |
| 代理公司: | 北京輕創知識產權代理有限公司 11212 | 代理人: | 王歡 |
| 地址: | 330013 江西省南昌市贛江*** | 國省代碼: | 江西;36 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 一種 基于 協同 工業 設備 預測 維護 方法 | ||
1.一種基于云邊協同的工業設備預測性維護方法,其特征在于,包括以下步驟:
S1:異構感知設備采集工業設備的設備狀態數據,并將其發送至邊緣計算平臺;
S2:邊緣計算平臺的邊緣數據管理模塊根據異構感知設備上傳的數據獲得目標設備預測任務所需的特征數據;預測服務編排器的配置重載模塊獲取云計算平臺的設備狀態預測模型配置和邊緣模型訓練模塊所訓練的設備狀態預測模型配置,由模型運行模塊載入目標設備的最新設備狀態預測模型,并輸入提取后的特征數據;根據模型運行模塊的輸出數據判斷目標設備是否具有故障風險,若是,則進入下一步,若否,則返回步驟S1;預測服務編排器的配置重載模塊向云計算平臺請求最新訓練的模型配置及對應的數據預處理規則和特征提取規則,并基于邊緣計算平臺所接收到的歷史感知數據由邊緣模型訓練模塊對模型進行二次訓練,提高設備狀態模型的本地適配性;進一步的,配置重載模塊向云計算平臺請求更新模型配置及相對應的數據預處理規則和特征提取規則的操作在任務空閑時進行,請求頻率可根據需求自行設置;所謂任務空閑時指的是配置重載任務不會影響當前在邊緣計算平臺運行的設備狀態預測任務;邊緣數據管理模塊將異構感知設備上傳的數據完成數據預處理后,存儲在邊緣數據庫,然后從中篩選出目標設備進行設備狀態預測任務所需數據,并進行特征提??;預測服務編排器載入設備狀態預測模型,并輸入提取后的特征數據;邊緣數據管理模塊將異構感知設備上傳的數據完成數據預處理后,存儲在邊緣數據庫,然后從中篩選出目標設備進行設備狀態預測任務所需數據,并進行特征提?。活A測服務編排器載入設備狀態預測模型,并輸入提取后的特征數據;邊緣數據管理模塊在任務空閑時將未上傳的預處理后的數據上傳至云計算平臺;所謂任務空閑時指的是數據上傳任務不會影響當前在邊緣計算平臺運行的設備狀態預測任務;預測服務編排器需要執行工業設備定時的設備狀態預測任務和即時的設備狀態預測任務;對于定時的設備狀態預測任務,異構感知設備的數據上報周期需要與邊緣計算平臺上相關的定時任務周期協同,進而保證在任務開始之前,最新感知數據已經上傳至邊緣計算平臺;對于即時的設備狀態預測任務,邊緣計算平臺下發數據上傳指令給相應的異構感知設備,異構感知設備能夠接收上層的指令并響應,進而將最新的感知數據上傳至邊緣計算平臺;
S3:邊緣計算平臺的觸發器管理模塊根據預先設定的觸發器通知指定負責人故障預警信息;觸發器為針對目標設備進行的設備狀態預測后的結果滿足預先設定的通知條件時,則立刻將該預警信息下發給預先設定的目標設備負責人和維護人員的規則;所述通知方式包括但不限于電話、短信、郵件和微信。
2.根據權利要求1所述的一種基于云邊協同的工業設備預測性維護方法,其特征在于:在步驟S1中,異構感知設備為可通過GPRS、4G、NB-IoT、5G、Wi-Fi、以太網、物聯網網關中的任意一種將設備狀態數據發送至邊緣計算平臺的設備;設備狀態數據包括預先設定的進行目標設備預測性維護所需的必要數據,包括但不限于目標設備的儀表數據、目標設備關鍵點的溫度和濕度以及目標設備所在環境狀態數據。
3.根據權利要求2所述的一種基于云邊協同的工業設備預測性維護方法,其特征在于:異構感知設備中可通過GPRS、4G、NB-IoT、5G、Wi-Fi、以太網中的任意一種上傳數據的設備,該類設備本身具有通信模塊可直接將數據上傳至邊緣計算平臺;異構感知設備中可通過物聯網網關上傳數據的設備,該類設備通過RS232或RS485串口接入物聯網網關,物聯網網關再通過GPRS、4G、NB-IoT、5G、Wi-Fi、以太網中的任意一種將數據上傳至邊緣計算平臺。
4.根據權利要求1所述的一種基于云邊協同的工業設備預測性維護方法,其特征在于:云計算平臺主要包括通信服務、數據倉庫、模型訓練和配置管理四個功能模塊,四個功能模塊賦予云計算平臺存儲能力和計算能力;數據倉庫模塊存儲著云計算平臺連接的各個邊緣計算平臺所上傳的所有感知數據;模型訓練模塊負責使用云計算平臺數據倉庫里存儲的全局數據訓練設備狀態預測模型;配置管理模塊負責在全局數據新增量達到一定數量之后,使用模型訓練模塊重新訓練新的設備狀態預測模型,并負責將訓練好的模型配置下發給邊緣計算平臺,下發方式包括主動下發和被動響應下發;通信服務模塊主要負責與邊緣計算平臺的數據接收和配置下發以及與其他互聯網實體的數據交互服務。
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于贛江新區智慧物聯研究院有限公司,未經贛江新區智慧物聯研究院有限公司許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201911230761.5/1.html,轉載請聲明來源鉆瓜專利網。





