一种云边协同的游乐设备故障预测与健康管理系统及方法技术方案

本发明专利技术公开了一种云边协同的游乐设备故障预测与健康管理系统及方法，系统包括分布式数据采集系统、边缘计算设备、云计算平台、管理和控制中心。分布式部署在游艺设备上的数据采集系统可实时采集包括运行参数、机械系统参数、液压与气动系统参数、电气系统参数等各类异构的状态数据；边缘计算设备包括边缘数据管理、预测服务编排器、边缘模型训练、故障预警和通信服务五个功能模块，从而实现边缘平台的数据缓存、设备健康诊断和预警能力。云计算平台包括数据仓库、模型训练、健康管理、通信服务四大模块，实现云端的数据存储和模型训练能力。管理和控制中心提供人机交互，用于监控游乐设备的运行参数和健康状况，并接收故障预测消息。

【技术实现步骤摘要】
一种云边协同的游乐设备故障预测与健康管理系统及方法
本专利技术涉及设备管理与物联网应用
，具体是一种云边协同的游乐设备故障预测与健康管理系统及方法。
技术介绍
随着我国经济社会的发展和人民生活水平的提高，旅游娱乐事业快速发展，游乐设施向着大型化、高参数、新奇特、高刺激等方向发展，在给人们带来快乐的同时，有些大型游乐设施却隐藏着安全隐患，乐极生悲的安全事故偶有发生，造成重大财产损失和人员伤亡，产生极其恶劣的社会影响。通常情况下游乐设备都处于长期安全运行的状态，企业和个人往往会松懈管理，大部分游乐行业设备维修保养都流于形式，巡检员不到现场查看，提前、延后或作假等方式抄写维保记录；且设备维保过于依赖个人经验，在出现人员变迁或流动时将严重影响设备的完好率。没有专业的管理和监测手段，设备制造方、设备经营方、设备维保方都无法实时、准确的了解设备、用户的具体情况，也很难对设备可能产生的故障提前预警。随着物联网、智能制造技术的发展，远程运维越来越广泛的受到关注。就大型游乐设备的管理来说，在状态检测的过程中，感知层将采集种类繁多的大量数据，如仍使用传统的云计算中心直接对此类数据进行收集和分析，会导致较大的带宽占用和网络延迟、数据丢包，甚至使得云计算中心的负载过高、压力过大及消耗额外的能源。
技术实现思路
本专利技术的目的在于提供一种云边协同的游乐设备故障预测与健康管理系统及方法，以解决上述
技术介绍
中提出的问题。为实现上述目的，本专利技术提供如下技术方案：一种云边协同的游乐设备故障预测与健康管理系统，包括：分布式数据采集系统，部署在游艺设备上，实时采集各类异构的状态数据并通过无线通信模块传输至边缘计算设备；边缘计算设备；包括边缘数据管理模块、预测服务编排器和模型运行模块，边缘数据管理模块对采集系统上传的各类异构数据进行预处理和缓存；预测服务编排器的配置重载模块获取云平台的目标设备状态预测模型配置和边缘模型训练模块所训练的该设备状态预测模型配置，由模型运行模块载入该设备的最新状态预测模型，使用预处理后的数据进行计算判决；云计算平台，内部设有配置管理模块，配置管理模块将根据全局数据增量的多少选择触发模型训练模块利用数据仓库中的所有全局数据分类更新各游艺设备的状态预测训练模型，并在闲时将该模型下发至边缘计算设备；管理和控制中心，包括人机交互界面，用于监控游乐设备的运行参数和健康状况，并接收故障预测消息。作为本专利技术的进一步技术方案：所述分布式数据采集系统包括采集数据运行参数、机械系统参数、液压与气动系统参数和电气系统参数。作为本专利技术的进一步技术方案：所述运行参数包括运行时电压、电流、压力、噪声、速度、加速度和运行周期，运行参数通过传感器及仪表监控获得。作为本专利技术的进一步技术方案：所述机械系统参数的检测手段包括定点工业三防图像采集、超声测厚、超声及振动测试和声发射。作为本专利技术的进一步技术方案：所述液压与气动系统参数包括管道压力、电磁阀/转向阀线圈电压电流，通过传感器及仪表监控获得。作为本专利技术的进一步技术方案：所述电气系统参数包括PLC与核心部件的电压、电流监测。作为本专利技术的进一步技术方案：所述边缘计算设备还包括故障预警模块和通信服务模块。作为本专利技术的进一步技术方案：所述云计算平台包括数据仓库、模型训练、健康管理、通信服务四大模块。作为本专利技术的进一步技术方案：所述数据仓库模块存储着所连接的所有边缘计算设备所上传的感知数据和历史数据、失效知识库，模型训练模块负责使用数据仓库里存储的全局数据训练设备状态的预测模型。作为本专利技术的进一步技术方案：健康管理模块利用模型训练模块的最新模型对新上传的数据进行多种信息源的融合分析与故障诊断，达到预设阙值时发出故障预警信号传递给边缘计算设备和管理控制中心。一种云边协同的游乐设备故障预测与健康管理方法，具体步骤如下：分布式部署在游艺设备上的数据采集系统实时采集各类异构的状态数据通过无线通信模块传输至边缘计算设备，边缘计算设备的边缘数据管理模块对获得的各类异构数据进行预处理和缓存；预测服务编排器的配置重载模块获取云平台的目标设备状态预测模型配置和边缘模型训练模块所训练的该设备状态预测模型配置，由模型运行模块载入该设备的最新状态预测模型，使用预处理后的数据进行计算判决，如结果达到预设的故障风险阙值，则直接触发故障预警模块，云平台中的配置管理模块将根据全局数据增量的多少选择触发模型训练模块利用数据仓库中的所有全局数据分类更新各游艺设备的状态预测训练模型，并在闲时将该模型下发至边缘计算设备。作为本专利技术的进一步技术方案：所述模型训练模块负责使用数据仓库里存储的全局数据训练设备状态的预测模型，其中可用的诊断分析方法包括：基于虚拟仿真的结构疲劳寿命分析法、基于动力学仿真的G加速度确定法、人工神经网络评价方法。作为本专利技术的进一步技术方案：所述配置重载模块向云平台请求更新模型配置要求在任务空闲时进行，请求频率由管理和控制中心根据需求设置，所述的任务空闲时指的是配置重载任务不会影响当前在边缘计算平台运行的设备状态预测任务。作为本专利技术的进一步技术方案：所述预测服务编排器需要执行定时的设备状态预测任务和即时的设备状态预测任务；对于定时的预测任务，采集系统的数据上报周期需要与边缘计算设备上相关的定时任务周期协同，进而保证在该任务开始前，边缘计算设备已获得最新的采集数据；对于即时的预测任务，边缘计算设备下发数据上传指令给相应的采集系统各终端，各终端能够接收上层指令并响应，进而将最新的采集数据上传至边缘计算设备。与现有技术相比，本专利技术的有益效果是：本专利技术实现了对大型游艺设备的状态监控和故障预警，避免人工巡检流于形式，突破过往依据单一数据源进行预警的弊端，根据数据分析结果提前制定维保计划，防止突发故障，并可通过控制中心的客户端实现对多游艺设备的远程监控和管理。另外，采用云计算和边缘计算服务器协同，利用云平台丰富的计算和存储资源，使用增量稳定的全局数据训练预测模型，实现模型的高效迭代，有效的提升模型的精准度；通过近端边缘计算设备实现服务区域内数据的高效汇总，在边缘实现目标设备的状态预测和预警维护，节省数据上传云平台的等待时间，提升故障预测和健康管理的效率。附图说明图1为系统总体框图。图2为系统数据流向图。图3为边缘计算设备示意图。图4为云计算平台示意图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。请参阅图1-4，实施例1，一种云边协同的游乐设备故障预测与健康管理系统，一种云边协同的游乐设备故障预测与健康管理系统，系统包括分布式数据采集系统、边缘计算设备、云计算平台、管理和控制中心。...

【技术保护点】
1.一种云边协同的游乐设备故障预测与健康管理系统，其特征在于，包括：/n分布式数据采集系统，部署在游艺设备上，实时采集各类异构的状态数据并通过无线通信模块传输至边缘计算设备；/n边缘计算设备；包括边缘数据管理模块、预测服务编排器和模型运行模块，边缘数据管理模块对采集系统上传的各类异构数据进行预处理和缓存；预测服务编排器的配置重载模块获取云平台的目标设备状态预测模型配置和边缘模型训练模块所训练的该设备状态预测模型配置，由模型运行模块载入该设备的最新状态预测模型，使用预处理后的数据进行计算判决；/n云计算平台，内部设有配置管理模块，配置管理模块将根据全局数据增量的多少选择触发模型训练模块利用数据仓库中的所有全局数据分类更新各游艺设备的状态预测训练模型，并在闲时将该模型下发至边缘计算设备；/n管理和控制中心，包括人机交互界面，用于监控游乐设备的运行参数和健康状况，并接收故障预测消息。/n

【技术特征摘要】
1.一种云边协同的游乐设备故障预测与健康管理系统，其特征在于，包括：
分布式数据采集系统，部署在游艺设备上，实时采集各类异构的状态数据并通过无线通信模块传输至边缘计算设备；
边缘计算设备；包括边缘数据管理模块、预测服务编排器和模型运行模块，边缘数据管理模块对采集系统上传的各类异构数据进行预处理和缓存；预测服务编排器的配置重载模块获取云平台的目标设备状态预测模型配置和边缘模型训练模块所训练的该设备状态预测模型配置，由模型运行模块载入该设备的最新状态预测模型，使用预处理后的数据进行计算判决；
云计算平台，内部设有配置管理模块，配置管理模块将根据全局数据增量的多少选择触发模型训练模块利用数据仓库中的所有全局数据分类更新各游艺设备的状态预测训练模型，并在闲时将该模型下发至边缘计算设备；
管理和控制中心，包括人机交互界面，用于监控游乐设备的运行参数和健康状况，并接收故障预测消息。


2.根据权利要求1所述的一种云边协同的游乐设备故障预测与健康管理系统，其特征在于，所述分布式数据采集系统包括采集数据运行参数、机械系统参数、液压与气动系统参数和电气系统参数。


3.根据权利要求2所述的一种云边协同的游乐设备故障预测与健康管理系统，其特征在于，所述运行参数包括运行时电压、电流、压力、噪声、速度、加速度和运行周期，运行参数通过传感器及仪表监控获得。


4.根据权利要求2所述的一种云边协同的游乐设备故障预测与健康管理系统，其特征在于，所述机械系统参数的检测手段包括定点工业三防图像采集、超声测厚、超声及振动测试和声发射。


5.根据权利要求2所述的一种云边协同的游乐设备故障预测与健康管理系统，其特征在于，所述液压与气动系统参数包括管道压力、电磁阀/转向阀线圈电压电流，通过传感器及仪表监控获得。


6.根据权利要求2所述的一种云边协同的游乐设备故障预测与健康管理系统，其特征在于，所述电气系统参数包括PLC与核心部件的电压、电流监测。


7.根据权利要求1所述的一种云边协同的游乐设备故障预测与健康管理系统，其特征在于，所述边缘计算设备还包括故障预警模块和通信服务模块。


8.根据权利要求1所述的一种云边协同的游乐设备故障预测与健康管理系统，其特征在于，所述云计算平台包括数据仓库、模型训练、健康管理、通信服务四大模块。


9.根据权利要求8所述的一种云边协同的游乐设备故障预测与健康管理系统，其特征在于，...

【专利技术属性】
技术研发人员：卢晶琦，孟庆元，
申请(专利权)人：电子科技大学中山学院，
类型：发明
国别省市：广东;44