一种工业设备故障预测的系统及方法技术方案

本发明专利技术公开了一种工业设备故障预测方法，包括步骤如下：S1.数据采集装置设置，用于设置采集设备；S2.数据上传，用于将采集到的数据进行有限或无线传输至终端；S3.数据入库，用于将采集到的数据进行整理后存储至数据库；S4.故障预测，建立故障预测模型，根据建立的预测模型进行故障预测本发明专利技术以解决一种工业设备故障预测的精度有待提高的问题。

【技术实现步骤摘要】
一种工业设备故障预测的系统及方法
本专利技术涉及一种工业设备故障预测领域，特别涉及一种工业设备故障预测系统及其预测方法。
技术介绍
随着现今一种工业设备故障越来越多，而现有的技术手段只能获取工业设备出现故障，如需得出一种工业设备故障的原因，只能通过维修人员一步步检测，导致维修难度大，维修时间过长，维修成本过高。面对这样的状况，需要我们对出现故障类型进行预测，并得出一种工业设备故障类型。基于上述情况，现有公开号为CN104537415B的现有技术方案，公开了高性能的非线性过程一种工业设备故障预测及识别方法，克服复杂工业系统非线性生产过程缺乏在线故障预测及识别的困难，将压缩感知和人工神经网络应用于工业领域，分别构建基于压缩感知特征提取和动态反馈OS-ELM神经网络(DROS-ELM)技术的故障预测识别模型，实现了故障预测，为企业保证安全生产，提高生产效率、节约生产成本提供技术支撑。但是现有技术如上述方案所述，均是通过人们的经验建立一个标准的模型，然后通过将采集到的数据与模型进行比较，从得到比较的结果中进行预测，但是却忽略了，哪怕是标本文档来自技高网...

【技术保护点】
1.一种工业设备故障预测方法，其特征在于，包括步骤如下：/nS1.数据采集装置设置，用于设置采集设备；/nS2.数据上传，用于将采集到的数据进行有限或无线传输至终端；/nS3.数据入库，用于将采集到的数据进行整理后存储至数据库；/nS4.故障预测，建立故障预测模型，根据建立的预测模型进行故障预测。/n

【技术特征摘要】
1.一种工业设备故障预测方法，其特征在于，包括步骤如下：
S1.数据采集装置设置，用于设置采集设备；
S2.数据上传，用于将采集到的数据进行有限或无线传输至终端；
S3.数据入库，用于将采集到的数据进行整理后存储至数据库；
S4.故障预测，建立故障预测模型，根据建立的预测模型进行故障预测。


2.根据权利要求1所述的一种一种工业设备故障预测方法，其特征在于，所述步骤S1包括数据采集设备安装、采集参数类型设置以及采集频率设置。


3.根据权利要求2所述的一种工业设备故障预测方法，其特征在于，所述采集参数类型包括：设备姿态、加速度，震动、压力、温湿度、超声、流量、GPS传感器数据、电压、电流。


4.根据权利要求2所述的一种工业设备故障预测方法，其特征在于，所述采集频率设置包括：高频采集和低频采集。


5.根据权利要求1所述的的一种工业设备故障预测方法，其特征在于，所述步骤S3数据入库包括步骤如下：
S31.工业信息采集终端将采集到的信息进行数据上传；
S32.上传的工业信息数据通过Shell脚本处理；
S33.Shell脚本处理好的数据文件通过实时数据库的API接口进行数据入库。


6.根据权利要求1所述的一种一种工业设备故障预测方法，其特征在于，所述步骤S4如下：
S41.通过筛选工业设备运行数据中工业设备发生的故障数据，建立故障预测模型，所述故障预测模型用于跟实时采集到的工业设备运行数据对比，预测故障原因；
S42.经过一种工业设备故障类型数据累计，完善故障预测模型，用于增加一种工业设备故障预测准确性。


7.根据权利要求6所述的一种工业设备故障预测方法，其特征在于，建立故障预测模型的步骤如下：
S21.工业设备运行一段时间之后，获取出现的故障前后10s的数据，以文件的形式导出咨询，工作人员根...

【专利技术属性】
技术研发人员：叶健，
申请(专利权)人：深圳市赛特尔信息技术有限公司，
类型：发明
国别省市：广东;44