基于人工智能的设备故障检测与预警系统及方法技术方案

本发明专利技术公开了一种基于人工智能的设备故障检测与预警系统，包括采集模块、处理模块和预警模块，所述处理模块包括数据训练单元、预测单元和判断单元：采集模块包括若干传感器，传感器安装在工控设备的不同部件上，用于采集工控设备实时状态数据；所述数据训练单元用于训练采集到的设备状态历史数据，建立设备异常预测模型；预测单元用于在采集到的设备状态新数据输入设备异常预测模型后，预测设备状态；判断单元用于在预测设备状态异常时，通知预警模块发出预警。该系统能够根据设备工作状态，提前预警设备故障，避免突发故障的发生，减小停工检修带来的经济损失。本发明专利技术还公开一种基于人工智能的设备故障检测与预警方法。

Equipment fault detection and early warning system and method based on Artificial Intelligence

【技术实现步骤摘要】
基于人工智能的设备故障检测与预警系统及方法
本专利技术涉及工控机故障检测领域，具体涉及一种基于人工智能的设备故障检测与预警系统及方法。
技术介绍
工控机(IndustrialPersonalComputer，IPC)即工业控制计算机，是一种采用总线结构，对生产过程及机电设备、工艺装备进行检测与控制的工具总称。机器学习(MachineLearning)是一门专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能的学科。工控设备长时间运行，设备会出现各种各样的问题，为了保障生产线等不受设备故障而出现停线等，需要定期对设备进行相应检测和维护，但一般的检测和维护不能保证可以发现设备一些潜在问题，导致设备还是会出现一些突发故障，造成较大经济损失。设备异常发生后，根据异常类型，通知相关工作人员去处理，异常处理不及时会导致设备停止工作，造成大量经济损失。现有工控机故障维护方式反应时间慢、处理时间长，不利于降低设备故障造成的损失。
技术实现思路
为了解决上述技术问题，本专利技术公开一种基于人工智能的设备故障检测与预警系统，该系统能够根据设备工作状态，提前预警设备故障，避免突发故障的发生，减小停工检修带来的经济损失。本专利技术还公开一种基于人工智能的设备故障检测与预警方法。本专利技术通过下述技术方案实现：基于人工智能的设备故障检测与预警系统，包括采集模块、处理模块和预警模块，所述处理模块包括数据训练单元、预测单元和判断单元：r>采集模块包括若干传感器，传感器安装在工控设备的不同部件上，用于采集工控设备实时状态数据；所述数据训练单元用于训练采集到的设备状态历史数据，建立设备异常预测模型；预测单元用于在采集到的设备状态新数据输入设备异常预测模型后，预测设备状态；判断单元用于在预测设备状态异常时，通知预警模块发出预警。进一步的，所述预警模块用于发出预警信号，所述设备故障检测与预警系统还包括存储模块，用于存储和更新设备状态数据；采用混合式大数据架构对数据进行存储与管理，以满足设备全生命周期海量数据存储管理。进一步的，所述传感器为声音传感器、温度传感器和振动传感器中的一种或多种。基于人工智能的设备故障检测与预警方法，包括以下步骤：(1)在工控设备的不同部件上选取状态观测点，在状态观测点上安装传感器采集工控设备实时状态数据；(2)利用数据训练单元训练采集到的设备状态历史数据，建立设备异常预测模型；(3)采集到的设备状态新数据输入设备异常预测模型后，预测单元预测设备状态，若预测设备状态异常，判断单元则通知预警模块发出预警。进一步的，步骤(2)中，建立设备异常预测模型具体包括以下步骤：(21)数据预处理：对传感器采集的设备状态数据进行预处理；(22)特征选择、特征分析：采用过滤式或包裹式或嵌入式的方法来进行数据的特征选择；经过特征选择后，采用统计方法进行特征分析；(23)特征构造及特征融合：根据需要，将多个特征进行融合处理，特征融合算法主要可以分为三类：基于贝叶斯决策理论的算法、基于稀疏表示理论的算法、基于深度学习理论算法；(24)异常因子构建：根据不同部件的不同需求及特征数据，构建不同部件的异常因子；(25)异常预测模型构建：基于特征数据及构建的异常因子，采用回归模型或神经网络模型来构建预测模型。进一步的，步骤(21)中，数据预处理具体步骤为：1)“抽取(Extraction)”：指的是将数据从各种原始的业务系统中读取出来，这是所有工作的前提；2)“转换(Transformation)”：指按照预先设计好的规则将抽取的数据进行转换，使本来异构的数据格式能统一起来；3)“加载(Loading)”：将转换完的数据按计划导入到数据库中。进一步的，步骤(22)中，特征分析采用分布分析或帕累托分析。工控设备在运行过程中，设备的一些基本状态会随工作时间的延长而发生变化，例如：声音、温度、振动等，设备的这些基本状态的变化能够反映设备的一个运行情况，如果能提前根据这些基本状态的变化异常来预测设备的运行状态，可以发出提前预警，对设备进行相应整修维护，避免突发故障造成的巨大经济损失。本专利技术通过在工控设备各部件关键位置布设传感器，采集设备的实时状态数据，通过数据训练单元训练数据、根据设备状态历史数据建立设备异常预测模型，通过将采集的实时状态数据输入到异常预测模型中，判定设备状态，实现故障预警，避免突发故障的发生，减小停工检修带来的经济损失。本专利技术与现有技术相比，具有如下的优点和有益效果：1、本专利技术基于人工智能的设备故障检测与预警系统，通过对工控设备状态运行历史数据的挖掘和机器学习，总结数据规律，采用人工智能算法建立设备状态预测模型，通过该模型提前对设备异常发出预警，避免设备突发异常造成巨大经济损失。2、本专利技术基于人工智能的设备故障检测与预警方法：在工控设备各部件关键位置布设传感器，采集设备的实时状态数据，数据训练单元训练数据、根据设备状态历史数据建立设备异常预测模型，通过将采集的实时状态数据输入到异常预测模型中，判定设备状态，实现故障预警，避免突发故障的发生，减小停工检修带来的经济损失。附图说明此处所说明的附图用来提供对本专利技术实施例的进一步理解，构成本申请的一部分，并不构成对本专利技术实施例的限定。在附图中：图1为本专利技术故障检测与预警系统示意图；图2为本专利技术故障检测与预警流程图；图3为本专利技术设备预警时序图；图4为本专利技术异常预测模型建立流程图；图5为本专利技术实施例3模块连接图；图6为本专利技术实施例4模块连接图。具体实施方式为使本专利技术的目的、技术方案和优点更加清楚明白，下面结合实施例和附图，对本专利技术作进一步的详细说明，本专利技术的示意性实施方式及其说明仅用于解释本专利技术，并不作为对本专利技术的限定。实施例1如图1所示，本专利技术基于人工智能的设备故障检测与预警系统，包括采集模块、处理模块和预警模块，所述处理模块包括数据训练单元、预测单元和判断单元：采集模块包括若干传感器，传感器安装在工控设备的不同部件上，用于采集工控设备实时状态数据；所述数据训练单元用于训练采集到的设备状态历史数据，建立设备异常预测模型；预测单元用于在采集到的设备状态新数据输入设备异常预测模型后，预测设备状态；判断单元用于在预测设备状态异常时，通知预警模块发出预警。进一步的，所述预警模块用于发出预警信号，所述设备故障检测与预警系统还包括存储模块，用于存储和更新设备状态数据；采用混合式大数据架构对数据进行存储与管理，以满足设备全生命周期海量数据存储管理。进一步的，所述传感器为声音传感器、温度传感器和振动传感器中的一种或多种。实施例2如图2、3所示，基于人工智能的设备故障检测与预警方法本文档来自技高网...

【技术保护点】
1.基于人工智能的设备故障检测与预警系统，其特征在于，包括采集模块、处理模块和预警模块，所述处理模块包括数据训练单元、预测单元和判断单元：/n采集模块包括若干传感器，传感器安装在工控设备的不同部件上，用于采集工控设备实时状态数据；/n所述数据训练单元用于训练采集到的设备状态历史数据，建立设备异常预测模型；/n预测单元用于在采集到的设备状态新数据输入设备异常预测模型后，预测设备状态；/n判断单元用于在预测设备状态异常时，通知预警模块发出预警。/n

【技术特征摘要】
1.基于人工智能的设备故障检测与预警系统，其特征在于，包括采集模块、处理模块和预警模块，所述处理模块包括数据训练单元、预测单元和判断单元：
采集模块包括若干传感器，传感器安装在工控设备的不同部件上，用于采集工控设备实时状态数据；
所述数据训练单元用于训练采集到的设备状态历史数据，建立设备异常预测模型；
预测单元用于在采集到的设备状态新数据输入设备异常预测模型后，预测设备状态；
判断单元用于在预测设备状态异常时，通知预警模块发出预警。


2.根据权利要求1所述的基于人工智能的设备故障检测与预警系统，其特征在于，所述预警模块用于发出预警信号，所述设备故障检测与预警系统还包括存储模块，用于存储和更新设备状态数据。


3.根据权利要求1所述的基于人工智能的设备故障检测与预警系统，其特征在于，所述传感器为声音传感器、温度传感器和振动传感器中的一种或多种。


4.基于人工智能的设备故障检测与预警方法，其特征在于，包括以下步骤：
(1)在工控设备的不同部件上选取状态观测点，在状态观测点上安装传感器采集工控设备实时状态数据；
(2)利用数据训练单元训练采集到的设备状态历史数据，建立设备异常预测模型；
(3)采集到的设备状态新数据输入设备异常预测模型后，预测单元预测设备状态，若预测设备状态异常，判断单元则通知预警模块发出预警。


5.根据权利要求4...

【专利技术属性】
技术研发人员：不公告发明人，
申请(专利权)人：成都天玙兴科技有限公司，
类型：发明
国别省市：四川;51