一种工业设备数据的处理方法及系统技术方案

本发明专利技术公开了一种工业设备数据的处理方法及系统，通过传感器采集工业设备的设备数据，并将该设备数据发送给对应的网关设备，各网关设备将接收到的设备数据发送给无线传感器网络服务器，无线传感器网络服务器根据经训练得到的机器学习模型对接收到的设备数据进行计算，预测相应工业设备的健康状况信息，并将对应的健康状况信息发送至分布式数据存储平台进行存储，数据展示平台根据分布式数据存储平台存储的健康状况信息将预测的工业设备的健康状况展示出来，本发明专利技术公开的方案充分利用了物联网技术、大数据技术和机器学习技术，基于传感器采集的设备数据进行预测，提高了数据的使用价值，使工厂的管理更加智能化，减少了人力资源的投入。

【技术实现步骤摘要】
一种工业设备数据的处理方法及系统
本专利技术涉及物联网
，更具体地说，涉及一种工业设备数据的处理方法及系统。
技术介绍
随着信息技术和自动化技术的快速发展，现代工业系统的集成度和复杂度越来越高，在航空、航天、通信、半导体、高速轨道交通、冶金和化工等领域表现突出。由于人造系统的组成环节不断增加，各部分之间的相互影响也越来越复杂，导致系统发生故障和功能失效的概率逐渐加大。随着对系统可靠性要求的提升，故障检测、诊断和预测技术受到学术界及工业界的广泛关注。在“国家中长期科学和技术发展规划纲要2006－2020”中，“重大产品和重大设施寿命预测技术”作为前沿技术提出。设备故障预测与健康管理技术(PHM)已经成为一个涵盖基础材料、机械结构、能源、电子、自动测试、可靠性、信息等多领域的交叉学科和研究热门方向，具有重要的应用价值和现实意义。在现有的的工业领域中，通常都是由维护人员定期对工业设备进行检查从而确定工业设备的健康状况的，这种判定工业设备健康状况的方式不仅浪费人力资源，而且不够智能化。
技术实现思路
为解决上述技术问题，本专利技术提供一种工业设备数据的处理方法及系统。为实现上述目的，本专利技术所采用的具体技术方案如下：一种工业设备数据的处理方法，包括：S1：各传感器采集工业设备的设备数据，并将所述设备数据发送给对应的网关设备；S2：各网关设备将接收到的设备数据发送给无线传感器网络服务器；S3：所述无线传感器网络服务器根据经训练得到的机器学习模型对接收到的所述设备数据进行计算，预测相应工业设备的健康状况信息，并将对应的健康状况信息发送至分布式数据存储平台进行存储；S4：数据展示平台根据所述分布式数据存储平台存储的健康状况信息将预测的工业设备的健康状况展示出来。进一步地，所述设备数据包括设备用电数据、设备温度数据以及设备湿度数据中的至少一种。进一步地，在所述S2之后，还包括：所述无线传感器网络服务器对接收到的所述设备数据进行解析并将解析后得到的数据发送至所述分布式数据存储平台进行存储。进一步地，所述S3包括：S30：所述无线传感器网络服务器统计接收到的设备数据的数据流长度；S32：在确定待处理的数据流长度达到预设长度阈值时，根据经训练得到的机器学习模型对该设备数据进行计算，预测对应的工业设备在当前时刻之后的预设时间段内是否会出现故障。进一步地，所述S3包括：S31：所述无线传感器网络服务器在接收到所述设备数据时开始启动计时器计时；S33：在预设时间间隔到达后对该预设时间间隔内接收到的设备数据按照经训练得到的机器学习模型进行计算，预测对应的工业设备在当前时刻之后的预设时间段内是否会出现故障，并将计时器清零，重新开始计时。进一步地，所述数据展示平台包括WEB服务器和显示终端，所述S4包括：S41：所述WEB服务器接收所述分布式数据存储平台发送的健康状况信息，并将所述健康状况信息发送给登录在所述WEB服务器上的显示终端；S42：所述显示终端将接收到的所述健康状况信息展示出来。进一步地，所述S4包括：所述数据展示平台根据所述分布式数据存储平台存储的健康状况信息将预测的工业设备的健康状况通过图标，和/或报表，和/或文字展示出来。本专利技术还提供一种工业设备数据的处理系统，包括：传感器、网关设备、无线传感器网络服务器、分布式数据存储平台以及数据展示平台；所述传感器用于采集工业设备的设备数据，并将所述设备数据发送给对应的网关设备；所述网关设备用于将接收到的设备数据发送给无线传感器网络服务器；所述无线传感器网络服务器用于根据经训练得到的机器学习模型对接收到的所述设备数据进行计算，预测相应工业设备的健康状况信息，并将对应的健康状况信息发送至所述分布式数据存储平台进行存储；所述数据展示平台用于根据所述分布式数据存储平台存储的健康状况信息将预测的工业设备的健康状况展示出来。进一步地，所述无线传感器网络服务器还用于对接收到的所述设备数据进行解析并将解析后得到的数据发送至所述分布式数据存储平台进行存储。进一步地，所述无线传感器网络服务器用于统计接收到的设备数据的数据流长度，在确定待处理的数据流长度达到预设长度阈值时，根据经训练得到的机器学习模型对该设备数据进行计算，预测对应的工业设备在当前时刻之后的预设时间段内是否会出现故障；或所述无线传感器网络服务器用于在接收到所述设备数据时开始启动计时器计时，在预设时间间隔到达后对该预设时间间隔内接收到的设备数据按照经训练得到的机器学习模型进行计算，预测对应的工业设备在当前时刻之后的预设时间段内是否会出现故障，并将计时器清零，重新开始计时。本专利技术提供的工业设备数据的处理方法及系统，通过传感器采集工业设备的设备数据，并将该设备数据发送给对应的网关设备，各网关设备将接收到的设备数据发送给无线传感器网络服务器，无线传感器网络服务器根据经训练得到的机器学习模型对接收到的设备数据进行计算，预测相应工业设备的健康状况信息，并将对应的健康状况信息发送至分布式数据存储平台进行存储，数据展示平台根据分布式数据存储平台存储的健康状况信息将预测的工业设备的健康状况展示出来，本专利技术提供的方案充分利用了物联网技术、大数据技术和机器学习技术，基于传感器采集的设备数据进行预测，提高了数据的使用价值，使工厂的管理更加智能化，减少了人力资源的投入。附图说明下面将结合附图及实施例对本专利技术作进一步说明，附图中：图1为本专利技术实施例提供的工业设备数据的处理方法的流程示意图；图2为本专利技术实施例提供的方法的协议构架示意图；图3为本专利技术实施例提供的方法中数据走向示意图；图4为本专利技术实施例提供的方法中无线传感器网络服务器预测工业设备的健康状况的第一流程示意图；图5为本专利技术实施例提供的方法中无线传感器网络服务器预测工业设备的健康状况的第二流程示意图；图6为本专利技术实施例提供的一种系统结构示意图；图7为本专利技术实施例提供的数据展示平台展示工业设备的健康状况的流程示意图；图8为本专利技术实施例提供的工业设备数据的处理系统的结构示意图。具体实施方式为了使本专利技术要解决的技术问题、技术方案和优点更加清楚，下面将结合附图及具体实施例进行详细描述，应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。为解决现有的技术中通常由维护人员定期对工业设备的健康状况进行检查导致人力资源浪费，不够智能化的问题，本实施例提供一种工业设备数据的处理方法，本实施例提供的方法使用了可靠的大数据存储计算的开源组件和机器学习算法，不但能够对工业设备中规模庞大并多变的数据进行采集存储，还能够利用数据对设备状态进行建模分析和预测，提高了数据的可用价值，使得工厂的管理更加智能,有效利用了物联网技术、机器学习技术以及大数据的技术对传统工业进行改造，本实施例提供的工业设备数据的处理方法可以参见图1所示，包括：S1：各传感器采集工业设备的设备数据，并将设备数据发送给对应的网关设备。本实施例中的每一个需要进行健康监测的工业设备上都可以设置一个或者多个传感器，或者可以在相应工业设备所处的直接环境中设置传感器，本实施例中的设备数据可以是任意的可以表征该工业设备当前状态的数据，包括但不限于是设备用电数据、设备温度数据、设备湿度数据以及设备工作相关的数据中的至少一种。S2：各网关设备将接收到的设备数据本文档来自技高网...

【技术保护点】
1.一种工业设备数据的处理方法，其特征在于，包括：S1：各传感器采集工业设备的设备数据，并将所述设备数据发送给对应的网关设备；S2：各网关设备将接收到的设备数据发送给无线传感器网络服务器；S3：所述无线传感器网络服务器根据经训练得到的机器学习模型对接收到的所述设备数据进行计算，预测相应工业设备的健康状况信息，并将对应的健康状况信息发送至分布式数据存储平台进行存储；S4：数据展示平台根据所述分布式数据存储平台存储的健康状况信息将预测的工业设备的健康状况展示出来。

【技术特征摘要】
1.一种工业设备数据的处理方法，其特征在于，包括：S1：各传感器采集工业设备的设备数据，并将所述设备数据发送给对应的网关设备；S2：各网关设备将接收到的设备数据发送给无线传感器网络服务器；S3：所述无线传感器网络服务器根据经训练得到的机器学习模型对接收到的所述设备数据进行计算，预测相应工业设备的健康状况信息，并将对应的健康状况信息发送至分布式数据存储平台进行存储；S4：数据展示平台根据所述分布式数据存储平台存储的健康状况信息将预测的工业设备的健康状况展示出来。2.如权利要求1所述的工业设备数据的处理方法，其特征在于，所述设备数据包括设备用电数据、设备温度数据以及设备湿度数据中的至少一种。3.如权利要求1所述的工业设备数据的处理方法，其特征在于，在所述S2之后，还包括：所述无线传感器网络服务器对接收到的所述设备数据进行解析并将解析后得到的数据发送至所述分布式数据存储平台进行存储。4.如权利要求1所述的工业设备数据的处理方法，其特征在于，所述S3包括：S30：所述无线传感器网络服务器统计接收到的设备数据的数据流长度；S32：在确定待处理的数据流长度达到预设长度阈值时，根据经训练得到的机器学习模型对该设备数据进行计算，预测对应的工业设备在当前时刻之后的预设时间段内是否会出现故障。5.如权利要求1所述的工业设备数据的处理方法，其特征在于，所述S3包括：S31：所述无线传感器网络服务器在接收到所述设备数据时开始启动计时器计时；S33：在预设时间间隔到达后对该预设时间间隔内接收到的设备数据按照经训练得到的机器学习模型进行计算，预测对应的工业设备在当前时刻之后的预设时间段内是否会出现故障，并将计时器清零，重新开始计时。6.如权利要求1所述的工业设备数据的处理方法，其特征在于，所述数据展示平台包括WEB服务器和显示终端，所述S4包括：S41：所述WEB服务器接收所述分布式数据存储平台发送...

【专利技术属性】
技术研发人员：田俐强，杨冬，王洪超，谢添，
申请(专利权)人：北京交通大学，重庆脉实智能制造有限公司，
类型：发明
国别省市：北京,11