一种基于深度学习的堆垛机预测性维护方法及其系统技术方案

本发明专利技术公开了一种基于深度学习的堆垛机预测性维护方法及其系统，其中，方法包括：收集堆垛机的历史故障数据，历史故障数据包括发生故障之前的一段时间内的故障状态参数数据组；依据历史故障数据建立分析堆垛机发生故障率的基础模型；实时采集堆垛机工作时的状态参数，并输入至基础模型中，然后基于基础模型分析实时采集的堆垛机的状态参数，并输出堆垛机故障率值；当堆垛机故障率值超过设定的阈值时，则发出故障警报。该方法基于堆垛机发生故障率的基础模型，对堆垛机工作时的状态参数进行分析处理并输出堆垛机故障率值；通过故障率值判断堆垛机是否发生故障，以便在第一时间发现故障时进行维护，从而减少经济损失以及安全事故隐患。

Predictive maintenance method and system of stacker based on deep learning

【技术实现步骤摘要】
一种基于深度学习的堆垛机预测性维护方法及其系统
本专利技术涉及计算机
，尤其涉及一种基于深度学习的堆垛机预测性维护方法及其系统。
技术介绍
堆垛机是一种常用的物流仓储设备，广泛应用于各种高架立库的货物取放，其是智能仓储系统中较为核心的重点设备，所以对于堆垛机的维护也非常重要，需确保堆垛机在发生故障时能够在第一时间进行维护，减少堆垛机突发故障而导致的产线上的经济损失，甚至是安全隐患。大部分堆垛机设备备件价格昂贵，交付周期长，这给堆垛机维护带来了很多困难。然而现有的情况中，由于堆垛机工作频繁并且广泛应用于无人库区，这就导致维护人员很难第一时间发现故障，从而可能引发较大的经济损失，甚至是安全隐患。
技术实现思路
本专利技术的目的是提供一种基于深度学习的堆垛机预测性维护方法及其系统，旨在解决现有堆垛机在工作中发生故障时，维护人员很难在第一时间发现故障并进行维护，而导致经济损失以及安全隐患的问题。第一方面，本专利技术实施例提供一种基于深度学习的堆垛机预测性维护方法，其包括：收集堆垛机的历史故障数据，所述历本文档来自技高网...

【技术保护点】
1.一种基于深度学习的堆垛机预测性维护方法，其特征在于，包括：/n收集堆垛机的历史故障数据，所述历史故障数据包括发生故障之前的一段时间内的故障状态参数数据组；/n依据所述历史故障数据建立分析堆垛机发生故障率的基础模型；/n实时采集堆垛机工作时的状态参数，并输入至所述基础模型中，然后基于所述基础模型分析实时采集的堆垛机的状态参数，并输出堆垛机故障率值；/n当堆垛机故障率值超过设定的阈值时，则发出故障警报。/n

【技术特征摘要】
1.一种基于深度学习的堆垛机预测性维护方法，其特征在于，包括：
收集堆垛机的历史故障数据，所述历史故障数据包括发生故障之前的一段时间内的故障状态参数数据组；
依据所述历史故障数据建立分析堆垛机发生故障率的基础模型；
实时采集堆垛机工作时的状态参数，并输入至所述基础模型中，然后基于所述基础模型分析实时采集的堆垛机的状态参数，并输出堆垛机故障率值；
当堆垛机故障率值超过设定的阈值时，则发出故障警报。


2.根据权利要求1所述的基于深度学习的堆垛机预测性维护方法，其特征在于，所述依据所述历史故障数据建立分析堆垛机发生故障率的基础模型，包括：
对所述历史故障数据形成预处理得到分析数据；
将所述分析数据导入至基于开源框架Tensorflow的三层神经网路中，生成分析堆垛机发生故障率的基础模型。


3.根据权利要求2所述的基于深度学习的堆垛机预测性维护方法，其特征在于，所述将所述分析数据导入至基于开源框架Tensorflow的三层神经网路中，生成分析堆垛机发生故障率的基础模型，包括：
当所述分析数据的数据量达到限定值时，将所述分析数据导入至基于开源框架Tensorflow的三层神经网路中；
对所述三层神经网路的参数进行设置；
生成多种故障问题的基础模型，并对各个基础模型进行编号。


4.根据权利要求3所述的基于深度学习的堆垛机预测性维护方法，其特征在于，所述实时采集堆垛机工作时的状态参数，并输入至所述基础模型中，然后基于所述基础模型分析实时采集的堆垛机的状态参数，并输出堆垛机故障率值，包括：
实时采集堆垛机工作时的状态参数，并输入至各个基础模型，输出多个相似度值；
对所述多个相似度值进行排序，获取最大的相似度值，将最大的相似度值作为堆垛机故障率值。


5.根据权利要求1所述的基于深度学习的堆垛机预测性维护方法，其特征在于，还包括：
当堆垛机故障率值不超过设定的阈值且被堆...

【专利技术属性】
技术研发人员：毕世仁，曾巍巍，邵健锋，
申请(专利权)人：深圳市今天国际物流技术股份有限公司，
类型：发明
国别省市：广东;44