一种云辅助的制造装备大数据采集方法技术

本发明专利技术公开了一种云辅助的制造装备大数据采集方法；该方法包括，步骤1：采用分布式传感网络采集工业设备信息。每个传感局域网配置一个支持工业无线网络的数据采集节点，在传感局域网络中，远离节点的设备采用无线通信方式将采集的参数信息数据传送至数据采集节点。步骤2：配置采集参数信息，将采集参数进行分类与分级处理。步骤3：针对每个采集节点，在云平台上建立对应的知识分析库，根据不同工业应用需求并结合历史数据分析，自适应调节传感参数的信息模式。本发明专利技术具有采集参数可调节和分析知识库功能，能够个性化的采集制造装备的运行参数，为基于大数据的设备状态监测和故障预测诊断奠定基础。

A large data collection method for cloud aided manufacturing equipment

The invention discloses a large data collection method of cloud aided manufacturing equipment. The method comprises the following steps of: 1 collecting industrial equipment information by adopting a distributed sensing network. Each sensor data acquisition node is a LAN configuration support industrial wireless network in the local area network, sensor nodes, away from the use of wireless communications equipment will collect the parameter information data to the data acquisition node. Step 2: configure the acquisition parameter information, classify and classify the acquisition parameters. Step 3: for each node, the corresponding knowledge analysis database is built on the cloud platform. According to the needs of different industrial applications, and combined with historical data analysis, the information model of adaptive sensing parameters is adaptively adjusted. The invention has the functions of collecting parameters, adjusting and analyzing the knowledge base, and can collect operation parameters of the manufacturing equipment individually, and lay the foundation for equipment condition monitoring and fault prediction diagnosis based on large data.

【技术实现步骤摘要】

本专利技术涉及工业自动化控制
，尤其涉及一种云辅助的制造装备大数据采集方法。
技术介绍
在工业4.0的技术背景下，工业实现自动化与智能化需要对生产情景进行大量的监测工作。其中测量的信号种类多样且形式各异，同时检测到的数据量也非常巨大。工业智能化技术发展迅速，要求测控系统具有一定程度的学习能力以达到自适应调节传感采集样本信息的需要。云计算可以提供海量计算和海量存储的能力，在工业应用场景中，在云计算平台的基础上结合机器学习算法，建立分析知识库，根据不同应用需求并结合历史数据分析，自适应调节采集参数，从而达到加快数据采集效率、改善数据分析模型效果及提高机器设备状态预测值的精度。
技术实现思路
本专利技术的目的在于克服上述现有技术的缺点和不足，提供一种云辅助的制造装备大数据采集方法。本专利技术通过下述技术方案实现：一种云辅助的制造装备大数据采集方法，包括如下步骤：S1.采用分布式传感网络采集工业设备信息；每个传感局域网配置一个支持工业无线网络的数据采集节点，在传感局域网络中，远离节点的设备采用无线通信方式将采集的参数信息数据传送至数据采集节点；S2.配置采集参数信息，将采集参数进行分类与分级处理；S3.针对每个采集节点，在云平台上建立对应的知识分析库，根据不同工业应用需求并结合历史数据分析，自适应调节传感参数的信息模式。上述步骤S1所述采用分布式传感网络采集工业设备信息，具体是将工业生产场景中的设备按职能、所在场地进行功能区块划分，每个功能区块中采用一个传感局域网进行设备的互联；每个传感局域网通过与云平台进行互联，进而构成一个分布式传感网络，从获取整个工业生产场景中的全部生产信息；每个传感局域网配置一个支持工业无线网络的数据采集节点，为每个设备的数据传送提供一个无线接入点。上述步骤S2中，配置采集参数信息，是根据工业生产场景的应用需要，将设备的信息采样参数设置为动态可重构信息配置；将采集参数进行分类与分级处理，是将采样参数信息分类为预警信息、常规信息及状态信号的类型，根据采样信息类别的重要性，设置对应的传送优先级和传送周期。上述步骤S3中，将针对每个采集节点，在云平台上建立对应的知识分析库，结合机器学习的方法分析历史数据，根据不同工业应用需求，分析采集参数样本的数据规律、周期及重要程度，自适应调节传感参数的信息模式。所述传感参数的信息模式，分为：参数编号；用来标识具体某一个机器设备的某个传感参数；参数类型；将采样参数信息分类为预警信息、常规信息及状态信号的类型；参数优先级；将传感参数按职能、紧急情况设置传输优先级，如报警信号产生，则立即传输至云平台进行处理；采样周期；根据参数的类型和优先级选择合适采样周期来传输数据；预警阀值；用于判断信息采集节点参数信息是否对机器设备构成故障威胁；常规阀值；用于判断信息采集节点参数信息是否超过正常运行的信息范围。上述预警信息：属于警示类信息，由于该类信息不能立即反应出机器设备的故障状态，需要进行不断累积、分析，通过对比故障阀值的百分比来预测预警发生时间，所以将预警信息设为实时信息，且优先级设为中级，需要实时上传给云平台进行预警统计与分析；上述常规信息：属于描述类信息，在不同作业任务环境下可以与报警信息进行角色互换，运行规律信息可以反应机器运动状态，同时结合状态信号，可以作为云平台的预警知识库更新来源之一，优先级设为低级，周期按需求进行设置；上述状态信号：属于提示类信息，用以指示机器设备的启动、运行、停止、故障，所以将运行状态信息设为即时信息，且优先级设为高级。云平台采集的某一个机器设备的参数信息集中，在其运行状态下：若某个属于预警信息的传感参数的信息，在信息分析中的数值累计出现概率超出预警阀值，则云平台将计算出该参数所代表的故障点将要出现故障的概率及发生时间，并输出给相应的管理部门，对其进行维修；若某个属于常规信息的传感参数的信息，在信息分析中的数值累计出现概率超出常规阀值，则云平台将该传感参数转入预警信息之列，并将其反馈给所属的机器设备。云平台采集的某一个机器设备的参数信息集中，若没有出现预警信息和常规信息超出其所设定的对应阀值的情况，则将出现两种情形：情况一：云平台从机器设备中接收到的仍是运行信号，此时将进入预警参数样本集合的重新评估，若有预警信息的传感参数的数值累计出现概率一直低出预警阀值，则云平台将该传感参数转入常规信息之列，并将其反馈给所属的机器设备；反之，则依然保持不变；情况二：由于机器设备运行老化的影响或某次超负荷运行，致使机器设备某些传感参数的常规阀值或预警阀值发生改变，导致在没有出现预警的情况下，云平台从机器设备中接收到的信号由运行信号转为故障信号，从而导致停机；此时云平台通过机器学习方法结合历史数据分析，从新修正所有信息的预警阀值和常规阀值，同时调整预警参数样本，以便在下次任务中，该机器设备启动时有更为精确的预警参数样本集合；最后，云平台在每次参数类型修正后，对其进行数据整合，并保存到对应的历史数据库中。本专利技术相对于现有技术，具有如下的优点及效果：在生产过程中，机器设备的一些状态特征不能依靠传感参数的采样信息快速反应某一时刻的状态，需要进行一个渐变累积的过程。因此，将设备的传感参数信息模式设置为动态可重构的信息配置，通过云平台进行数据分析后，自主反馈调控设备的参数采集。同时，根据采样信息类别的重要性，设置对应的传送优先级和采样传送周期。根据任务需求不同，针对每个信息采集结点，在云平台上建立对应的知识分析库，根据不同工业应用需求并结合历史数据分析，自适应调节传感参数信息模式，进而减缓了数据传输时强占数据通道和带宽的问题，同时减缓了云平台数据库的存储压力与运算中心的计算压力。附图说明图1为云辅助的制造装备大数据采集方法示意图。图2为设备传感参数信息模式示意图。图3为云平台参数样本信息调整策略示意图一。图4为云平台参数样本信息调整策略示意图二。具体实施方式下面结合具体实施例对本专利技术作进一步具体详细描述。如图1所示；在工业生产场景中，采用分布式传感网络对工业设备生产运行信息进行采集。将工业生产场景中的所有设施、设备按职能、所在场地进行功能区块划分，每个功能区块中采用一个传感局域网进行设备的互联。每个传感局域网通过与云平台进行互联，进而构成一个分布式传感网络，从而使云平台获取整个工业生产场景中的全部生产信息。每个传感局域网配置一个支持工业无线网络的数据采集结点，为每个设备的数据传送提供一个无线接入点。在传感局域网络中，远离节点的设备采用无线通信方式将采集的参数信息数据传送至数据采集节点，进而送入云平台数据处理中心。根据工业生产场景的应用情景不同，云平台决策出的产生任务指令不同，因此需要对所有传感信息采集节点进行采集参数信息配置。在设备的控制器中，将传感参数信息模式设置为动态可重构信息配置。传感参数信息模式的配置结构如图2所示，分别为：1.参数编号，用来标识具体某一个机器设备的某个传感参数；2.参数类型，将采样参数信息分类为预警信息、常规信息及状态信号的类型；3.参数优先级，将传感参数按职能、紧急情况设置传输优先级，如报警信号产生，则立即传输至云平台进行处理；4.采样周期，根据参数的类型和优先级选择合适采样周期来传输数据；5.预警阀值，用于判断信息采集节点参数信本文档来自技高网...

【技术保护点】
一种云辅助的制造装备大数据采集方法，其特征在于包括如下步骤：S1.采用分布式传感网络采集工业设备信息；每个传感局域网配置一个支持工业无线网络的数据采集节点，在传感局域网络中，远离节点的设备采用无线通信方式将采集的参数信息数据传送至数据采集节点；S2.配置采集参数信息，将采集参数进行分类与分级处理；S3.针对每个采集节点，在云平台上建立对应的知识分析库，根据不同工业应用需求并结合历史数据分析，自适应调节传感参数的信息模式。

【技术特征摘要】
1.一种云辅助的制造装备大数据采集方法，其特征在于包括如下步骤：S1.采用分布式传感网络采集工业设备信息；每个传感局域网配置一个支持工业无线网络的数据采集节点，在传感局域网络中，远离节点的设备采用无线通信方式将采集的参数信息数据传送至数据采集节点；S2.配置采集参数信息，将采集参数进行分类与分级处理；S3.针对每个采集节点，在云平台上建立对应的知识分析库，根据不同工业应用需求并结合历史数据分析，自适应调节传感参数的信息模式。2.根据权利要求1所述云辅助的制造装备大数据采集方法，其特征在于：步骤S1所述采用分布式传感网络采集工业设备信息，具体是将工业生产场景中的设备按职能、所在场地进行功能区块划分，每个功能区块中采用一个传感局域网进行设备的互联；每个传感局域网通过与云平台进行互联，进而构成一个分布式传感网络，从获取整个工业生产场景中的全部生产信息；每个传感局域网配置一个支持工业无线网络的数据采集节点，为每个设备的数据传送提供一个无线接入点。3.根据权利要求1所述云辅助的制造装备大数据采集方法，其特征在于：步骤S2中，配置采集参数信息，是根据工业生产场景的应用需要，将设备的信息采样参数设置为动态可重构信息配置；将采集参数进行分类与分级处理，是将采样参数信息分类为预警信息、常规信息及状态信号的类型，根据采样信息类别的重要性，设置对应的传送优先级和传送周期。4.根据权利要求1所述云辅助的制造装备大数据采集方法，其特征在于：步骤S3中，将针对每个采集节点，在云平台上建立对应的知识分析库，结合机器学习的方法分析历史数据，根据不同工业应用需求，分析采集参数样本的数据规律、周期及重要程度，自适应调节传感参数的信息模式。5.根据权利要求4所述云辅助的制造装备大数据采集方法，其特征在于：所述传感参数的信息模式，分为：参数编号；用来标识具体某一个机器设备的某个传感参数；参数类型；将采样参数信息分类为预警信息、常规信息及状态信号的类型；参数优先级；将传感参数按职能、紧急情况设置传输优先级，如报警信号产生，则立即传输至云平台进行处理；采样周期；根据参数的类型和优先级选择合适采样周期来传输数据；预警阀值；用于判断信息采集节点参数信息是否对机器设备构成故障威胁；常规阀值；用于判断信息采集节点参数信息是...

【专利技术属性】
技术研发人员：万加富，易鸣伦，闫荷花，李迪，汤胜龙，
申请(专利权)人：华南理工大学，
类型：发明
国别省市：广东;44