[發明專利]一種基于深度學習的堆垛機預測性維護方法及其系統

在審

• 申請號: 202010143230.9
• 申請日: 2020-03-04
• 公開（公告）號: CN111210092A
• 公開（公告）日: 2020-05-29
• 發明（設計）人: 畢世仁;曾巍巍;邵健鋒
• 申請（專利權）人: 深圳市今天國際物流技術股份有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q10/00;G06N3/04;G06N3/08
• 代理公司: 深圳市精英專利事務所 44242
• 代理人: 武志峰

本發明公開了一種基于深度學習的堆垛機預測性維護方法及其系統，其中，方法包括：收集堆垛機的歷史故障數據，歷史故障數據包括發生故障之前的一段時間內的故障狀態參數數據組；依據歷史故障數據建立分析堆垛機發生故障率的基礎模型；實時采集堆垛機工作時的狀態參數，并輸入至基礎模型中，然后基于基礎模型分析實時采集的堆垛機的狀態參數，并輸出堆垛機故障率值；當堆垛機故障率值超過設定的閾值時，則發出故障警報。該方法基于堆垛機發生故障率的基礎模型，對堆垛機工作時的狀態參數進行分析處理并輸出堆垛機故障率值；通過故障率值判斷堆垛機是否發生故障，以便在第一時間發現故障時進行維護，從而減少經濟損失以及安全事故隱患。

技術領域

本發明涉及計算機技術領域，尤其涉及一種基于深度學習的堆垛機預測性維護方法及其系統。

背景技術

堆垛機是一種常用的物流倉儲設備，廣泛應用于各種高架立庫的貨物取放，其是智能倉儲系統中較為核心的重點設備，所以對于堆垛機的維護也非常重要，需確保堆垛機在發生故障時能夠在第一時間進行維護，減少堆垛機突發故障而導致的產線上的經濟損失，甚至是安全隱患。

大部分堆垛機設備備件價格昂貴，交付周期長，這給堆垛機維護帶來了很多困難。然而現有的情況中，由于堆垛機工作頻繁并且廣泛應用于無人庫區，這就導致維護人員很難第一時間發現故障，從而可能引發較大的經濟損失，甚至是安全隱患。

發明內容

本發明的目的是提供一種基于深度學習的堆垛機預測性維護方法及其系統，旨在解決現有堆垛機在工作中發生故障時，維護人員很難在第一時間發現故障并進行維護，而導致經濟損失以及安全隱患的問題。

第一方面，本發明實施例提供一種基于深度學習的堆垛機預測性維護方法，其包括：

收集堆垛機的歷史故障數據，所述歷史故障數據包括發生故障之前的一段時間內的故障狀態參數數據組；

依據所述歷史故障數據建立分析堆垛機發生故障率的基礎模型；

實時采集堆垛機工作時的狀態參數，并輸入至所述基礎模型中，然后基于所述基礎模型分析實時采集的堆垛機的狀態參數，并輸出堆垛機故障率值；

當堆垛機故障率值超過設定的閾值時，則發出故障警報。

第二方面，本發明實施例還提供一種基于深度學習的堆垛機預測性維護系統，其包括：

設置于堆垛機上的邊緣數據處理終端和與所述邊緣數據處理終端通信連接的云端服務器；

所述邊緣數據處理終端用于收集堆垛機的歷史故障數據，所述歷史故障數據包括發生故障之前的一段時間內的故障狀態參數數據組，并發送至所述云端服務器；

所述云端服務器用于依據所述歷史故障數據建立分析堆垛機發生故障率的基礎模型，并將所述基礎模型下發至所述邊緣數據處理終端；

所述邊緣數據處理終端還用于實時采集堆垛機工作時的狀態參數，并輸入至所述基礎模型中，然后基于所述基礎模型分析實時采集的堆垛機的狀態參數，并輸出堆垛機故障率值；當堆垛機故障率值超過設定的閾值時，則發出故障警報。

本發明實施例提供一種基于深度學習的堆垛機預測性維護方法及其系統，其中，所述堆垛機預測性維護方法，包括：收集堆垛機的歷史故障數據，所述歷史故障數據包括發生故障之前的一段時間內的故障狀態參數數據組；依據所述歷史故障數據建立分析堆垛機發生故障率的基礎模型；實時采集堆垛機工作時的狀態參數，并輸入至所述基礎模型中，然后基于所述基礎模型分析實時采集的堆垛機的狀態參數，并輸出堆垛機故障率值；當堆垛機故障率值超過設定的閾值時，則發出故障警報。該方法基于堆垛機發生故障率的基礎模型，對堆垛機工作時的狀態參數進行分析處理并輸出堆垛機故障率值；通過故障率值判斷堆垛機是否發生故障，以便在第一時間發現故障時進行維護，從而減少經濟損失以及安全事故隱患。

附圖說明