[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

本發明涉及云計算和邊緣計算技術領域，其目的在于提供一種基于云邊協同的工業設備預測性維護方法。本發明公開了一種基于云邊協同的工業設備預測性維護方法，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；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。本發明可實現精確高效的工業設備預測性維護。

技術領域

本發明涉及云計算和邊緣計算技術領域，特別涉及一種基于云邊協同的工業設備預測性維護方法。

背景技術

近幾十年來，互聯網的發展見證了將計算、數據存儲和應用程序移入云數據中心（Data Center）的趨勢，從而促進了隨需訪問共享計算和存儲資源的普遍性。云計算展示出其在包括共享資源的高利用率，服務部署和管理低成本，可擴展性，可訪問性和可用性高等眾多方面的優勢。如今，在物聯網時代，物聯網設備所生成的前所未有的數據量需要進行收集和分析，使用云計算中心進行此類數據量的收集會產生極高的延遲和占據極大的網絡帶寬，并導致云計算中心的負載過高、壓力過大及消耗額外的能源。為了解決這個問題，研究者已經提出了邊緣計算范式，從而使得數據分析更接近數據源系統或設備。但是，邊緣計算由于邊緣數據的不完整特性，在邊緣進行數據分析的結果與使用全局數據相比具有一定偏差。此外，作為工業互聯網重要應用之一，工業設備的預測性維護作為一種通過部署感知終端對設備狀況實施周期性或持續監測，并基于機器學習算法和模型來分析評估設備健康狀況以便預測下一次故障發生的時間及進行維護的具體時間的方法被寄予厚望。

綜上所述，如何借助云邊協同的方法以緩解云計算和邊緣計算隔離或不協調造成的高延遲、高能耗和低帶寬使用率，綜合發揮云計算和邊緣計算的巨大潛力，以實現精確高效的工業設備預測性維護，已經成為學術界和工業界關注的焦點。

發明內容

有鑒于此，本發明的目的是提供一種基于云邊協同的工業設備預測性維護方法。

為了達到上述目的，本發明所采用的技術方案如下：

一種基于云邊協同的工業設備預測性維護方法，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；

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。

優選的，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。