The invention provides a system and method of prediction, a fault system includes: prediction module, fault prediction of equipment; rendering module on the fault prediction of the present; the prediction module comprises an acquisition unit, using the sensor data acquisition sensor of the device; the cell analysis, analysis and study and the processing of the sensor data; the prediction unit, according to the analysis, study and predict the fault types of processing equipment. Through the data acquisition equipment and the real-time sampling continuous data processing and analysis, make the equipment failure mode in the operation process of online learning, online real-time tracking and prediction and the realization of equipment failure, so that the user can timely the equipment preventive maintenance, to prevent unplanned downtime and accident.
【技术实现步骤摘要】
一种设备故障预测系统和方法
本专利技术涉及物联网领域,具体涉及一种设备故障预测系统和方法。
技术介绍
大数据一般定义为一种规模大到在获取、存储、管理、分析方面大大超出了传统数据库软件工具能力范围的数据集合,具有海量的数据规模、快速的数据流转、多样的数据类型和价值密度低等四大特征。大数据技术的战略意义不在于掌握庞大的数据信息,而在于对这些含有意义的数据进行专业化处理。换而言之,如果把大数据比作一种产业,那么这种产业实现盈利的关键,在于提高对数据的“加工能力”,通过“加工”实现数据的“增值”和构建商业模式。从技术上看,大数据与云计算的关系就像一枚硬币的正反面一样密不可分。大数据必然无法用单台的计算机进行处理,必须采用分布式架构。它的特色在于对海量数据进行分布式数据挖掘。但它必须依托云计算的分布式处理、分布式数据库和云存储、虚拟化技术。而实时计算或者说实时数据处理是大数据应用的一个基础环节和关键技术,是实现基于数据的快速响应、快速决策的关键。转动设备的维护是非常昂贵且极消耗资源的,在连续性生产中,企业常常需要存储大量的备配件来保障快速修复他们的泵、风机等设备。但即使在准备充足的备配件的情况下,设备故障也会引起生产交付延迟、成本高昂的维修等问题。传统的对故障预防的方式是通过定期人员巡检,让技术专家每周或每月进行预防性的检修,而由人员实现的数据采集不足以用于发现所有问题,以实现计划性的维修。故障导致的非计划的停产将会产生紧急事故和生产效率的破坏。因为目前无法对潜在故障进行预测,则需付出昂贵的事故和维修成本,造成生产损失。
技术实现思路
本专利技术为了解决对潜在故障预测的 ...
【技术保护点】
一种基于设备故障预测系统,其特征在于,包括:预测模块,对设备进行故障预测;呈现模块,对预测出的故障进行呈现;所述预测模块包括:采集单元,利用传感器实时采集所述设备的所述传感数据;分析单元,对所述传感数据进行分析、学习和处理;预测单元,根据所述分析、学习和处理预测出所述设备的故障类型。
【技术特征摘要】
1.一种基于设备故障预测系统,其特征在于,包括:预测模块,对设备进行故障预测;呈现模块,对预测出的故障进行呈现;所述预测模块包括:采集单元,利用传感器实时采集所述设备的所述传感数据;分析单元,对所述传感数据进行分析、学习和处理;预测单元,根据所述分析、学习和处理预测出所述设备的故障类型。2.如权利要求1所述的设备故障预测系统,其特征在于,包括传感器、传感数据集线器、边缘网关和云端平台。3.如权利要求1所述的设备故障预测系统,其特征在于,所述传感器包括加速度计和转速计。4.一种设备故障预测系统预测故障的方法,其特征在于,包括如下步骤:S1:对设备进行故障预测;S2:对预测出的故障进行呈现;所述对设备进行故障预测包括如下步骤:S11:所述传感器实时采集设备的震动信息,并将采集的数据传输给所述传感数据集线器;所述传感数据集线器接收来自所述传感器的数据并将所述数据传输给所述边缘网关;S12:所述边缘网关接收所述数据并对数据进行分析、学习和处理,形成动态的震动特征和不同类别的异常特征;S13:所述边缘网关根据所述震动特征和异常特征对后续数据进行检测,对故障进行预测,并将异常数据和预测出的故障类型发送给云端平台;所述对预测出的故障进行呈现包括:S21:所述云端平台接收来自所述边缘网关的数据并存储,同时提供可视化展示。5.如权利要求4所述的设备故障预测系统的方法,其特征在于,所述步骤S12中包括如下步骤:T1:将实时接收到的数据缓存,每秒钟接收到的10000-20000个采样值形成一个向量,并按秒将5-10分钟内的向量组成一个原始数据矩阵;T2:将所述原始数据矩阵作快速傅立叶变换,变换为频域矩阵;T3:对所述频域矩阵做连续的聚类学习,生成不同样本组成的点群,将所述点群中样本数最多的定义为主群,所述主群对应正常模式;T4:基于所述点群,构建一个决策树模型。6.如权利要求5所述的设备故障预测系统的方法,其特征在...
【专利技术属性】
技术研发人员:犹杰,伊万·威姆林,
申请(专利权)人:深圳大数点科技有限公司,
类型:发明
国别省市:广东,44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。