一种机电设备运行状态的监测方法、装置及系统制造方法及图纸

本发明专利技术提供了一种机电设备运行状态的监测方法、装置及系统，其中，方法包括获取多组与待监测机电设备的运行状态相关的训练数据；利用多组训练数据对预置的神经网络进行训练，得到优化的神经网络；获取与待监测机电设备的运行状态相关的实际数据；利用优化的神经网络及实际数据获取实际数据中每种实际运行参数的准确值。本发明专利技术利用优化的神经网络对与待监测机电设备的运行状态相关的实际数据中的多种实际运行参数进行种内融合，更加精确地得出每种实际运行参数的值，不仅提升了获取数据的精确度，而且使得机电设备具有较高的工作效率。

【技术实现步骤摘要】
一种机电设备运行状态的监测方法、装置及系统
本专利技术涉及控制工程
，尤其是指一种机电设备运行状态的监测方法、装置及系统。
技术介绍
随着时代的不断发展，工业化水平的不断提高，机电设备的种类也越来越多。机电设备按照用途可分为三大类：产业类机电设备、信息类机电设备、民生类机电设备。产业类机电设备是指用于生产企业的机电设备，例如普通车床、普通铣床、数控机床等；信息类机电设备是指用于信息的采集、传输和存储处理的电子机械产品，例如计算机终端、通讯设备、传真机、打印机等；民生类机电设备是指用于人民生活领域的电子机械产品，例如VCD、空调、电冰箱等。近些年来，数控机床凭借其自动化程度高、易实现计算机控制、数控加工连续性高、数控加工一致性好、适合加工复杂零件、便于建立网络化系统等特性，被广泛应用于各种生产企业中。而由于数控机床是一种装有程序控制系统的自动化机床，故对像数控机床这样的机电设备的运行状态进行实时监测是一项至关重要的工作。目前，在对机电设备的运行状态进行监测时，存在机电设备的运行效率较低、协同性较差、获取的数据精确度不高、控制中心负担较大、控制系统架构相对落后等问题。因此，有必要对上述机电设备运行状态的监测方法进行改进。
技术实现思路
本专利技术所要解决的技术问题是：提供一种机电设备运行状态的监测方法、装置及系统，旨在解决在现有的机电设备运行状态的监测方法中，获取的数据精确度不高的问题。为了解决上述技术问题，本专利技术采用的技术方案为：本专利技术实施例第一方面提供了一种机电设备运行状态的监测方法，该方法包括如下步骤：获取多组与待监测机电设备的运行状态相关的训练数据，其中，每组所述训练数据均包括与待监测机电设备的运行状态相关的多种训练用运行参数；利用多组所述训练数据对预置的神经网络进行训练，得到优化的神经网络，其中，所述优化的神经网络用于对每组训练数据中的多种训练用运行参数分别进行种内融合，得到每种所述训练用运行参数的准确值；获取与所述待监测机电设备的运行状态相关的实际数据，其中，所述实际数据包括与待监测机电设备的运行状态相关的多种实际运行参数；利用所述优化的神经网络及实际数据获取实际数据中每种实际运行参数的准确值。在一些实施方案中，所述预置的神经网络的网络结构包括输入层、多个隐藏层及输出层，所述预置的神经网络中的数据流向包括正向数据流向及反向数据流向，所述正向数据流向依次为输入层、多个隐藏层及输出层，所述反向数据流向依次为输出层、多个隐藏层及输入层，且所述优化的神经网络的网络结构、数据流向均与预置的神经网络一致。在一些实施方案中，所述利用多组所述训练数据对预置的神经网络进行训练，得到优化的神经网络，具体包括：将多组所述训练数据分别以正向数据流向代入至预置的神经网络，得到每组所述训练数据中每种训练用运行参数的输出结果；分别判断每组所述训练数据中每种训练用运行参数的输出结果是否与每种训练用运行参数的期望结果一致，若是，则得到所述优化的神经网络；若否，则获取每组所述训练数据中每种训练用运行参数的输出结果与每种训练用运行参数的期望结果之间的误差；将所述误差以反向数据流向代入至预置的神经网络，并基于所述误差分别对每一隐藏层的神经元的权系数进行修改，得到修改后的每一隐藏层的神经元的权系数，而后转到将多组所述训练数据分别以正向数据流向代入至预置的神经网络，得到每组所述训练数据中每种训练用运行参数的输出结果。在一些实施方案中，所述利用所述优化的神经网络及实际数据获取实际数据中每种实际运行参数的准确值，具体包括：将所述实际数据以正向数据流向代入至优化的神经网络，得到所述实际数据中每种实际运行参数的准确值。在一些实施方案中，所述获取与所述待监测机电设备的运行状态相关的实际数据之前，还包括：获取多组与待监测机电设备的运行状态相关的安全数据，其中，每组所述安全数据均包括与待监测机电设备的运行状态相关的多种安全运行参数；将多组所述安全数据分别以正向数据流向代入至优化的神经网络，得到每组所述安全数据中每种安全运行参数的输出结果；根据每组所述安全数据中每种安全运行参数的输出结果，综合得到与每种所述安全运行参数相对应的安全值或安全范围。在一些实施方案中，所述利用所述优化的神经网络及实际数据获取实际数据中每种实际运行参数的准确值之后，还包括：分别判断每种所述实际运行参数的准确值是否对应超过每种实际运行参数的安全值或安全范围，并根据超过所述安全值或安全范围的实际运行参数生成安全问题报告，其中，每种所述实际运行参数的安全值或安全范围即为与每种安全运行参数相对应的安全值或安全范围。在一些实施方案中，所述根据超过所述安全值或安全范围的实际运行参数生成安全问题报告之后，还包括：根据所述安全问题报告判断待监测机电设备是否能够自行解决安全问题报告中存在的安全问题；若否，则将所述安全问题报告发送至待监测机电设备的关联平台，以由所述关联平台解决安全问题报告中存在的安全问题。在一些实施方案中，所述由所述关联平台解决安全问题报告中存在的安全问题，具体包括：将所述安全问题报告中超过安全值或安全范围的实际运行参数与预置的安全知识库进行比对，得到比对结果，其中，所述安全知识库包括机电设备专家、书籍、网络上所有与待监测机电设备的运行状态相关的安全知识；对所述比对结果进行分析，得出解决方案。本专利技术实施例第二方面提供了一种机电设备运行状态的监测装置，该装置包括：第一获取模块，用于获取多组与待监测机电设备的运行状态相关的训练数据，其中，每组所述训练数据均包括与待监测机电设备的运行状态相关的多种训练用运行参数；训练模块，用于利用多组所述训练数据对预置的神经网络进行训练，得到优化的神经网络，其中，所述优化的神经网络用于对每组训练数据中的多种训练用运行参数分别进行种内融合，得到每种所述训练用运行参数的准确值；第二获取模块，用于获取与所述待监测机电设备的运行状态相关的实际数据，其中，所述实际数据包括与待监测机电设备的运行状态相关的多种实际运行参数；监测模块，用于利用所述优化的神经网络及实际数据获取实际数据中每种实际运行参数的准确值。本专利技术实施例第三方面提供了一种机电设备运行状态的监测系统，该系统包括云平台及设置在待监测机电设备上如本专利技术实施例第二方面所述的机电设备运行状态的监测装置，所述云平台即为本专利技术实施例第一方面所述的关联平台，所述云平台与机电设备运行状态的监测装置之间通过GPRS、Wifi、3G、4G、5G中的至少一种方式进行通信连接。从上述描述可知，与现有技术相比，本专利技术的有益效果在于：首先，利用多组与待监测机电设备的运行状态相关的训练数据对预置的神经网络进行训练，以得到优化的神经网络；其次，利用优化的神经网络对与待监测机电设备的运行状态相关的实际数据中的多种实际运行参数进行种内融合，更加精确地得出每种实际运行参数的值。此过程提本文档来自技高网...

【技术保护点】
1.一种机电设备运行状态的监测方法，其特征在于，包括如下步骤：/n获取多组与待监测机电设备的运行状态相关的训练数据，其中，每组所述训练数据均包括与待监测机电设备的运行状态相关的多种训练用运行参数；/n利用多组所述训练数据对预置的神经网络进行训练，得到优化的神经网络，其中，所述优化的神经网络用于对每组训练数据中的多种训练用运行参数分别进行种内融合，得到每种所述训练用运行参数的准确值；/n获取与所述待监测机电设备的运行状态相关的实际数据，其中，所述实际数据包括与待监测机电设备的运行状态相关的多种实际运行参数；/n利用所述优化的神经网络及实际数据获取实际数据中每种实际运行参数的准确值。/n

【技术特征摘要】
1.一种机电设备运行状态的监测方法，其特征在于，包括如下步骤：
获取多组与待监测机电设备的运行状态相关的训练数据，其中，每组所述训练数据均包括与待监测机电设备的运行状态相关的多种训练用运行参数；
利用多组所述训练数据对预置的神经网络进行训练，得到优化的神经网络，其中，所述优化的神经网络用于对每组训练数据中的多种训练用运行参数分别进行种内融合，得到每种所述训练用运行参数的准确值；
获取与所述待监测机电设备的运行状态相关的实际数据，其中，所述实际数据包括与待监测机电设备的运行状态相关的多种实际运行参数；
利用所述优化的神经网络及实际数据获取实际数据中每种实际运行参数的准确值。


2.如权利要求1所述的机电设备运行状态的监测方法，其特征在于，所述预置的神经网络的网络结构，包括：输入层、多个隐藏层及输出层，所述预置的神经网络中的数据流向包括正向数据流向及反向数据流向，所述正向数据流向依次为输入层、多个隐藏层及输出层，所述反向数据流向依次为输出层、多个隐藏层及输入层，且所述优化的神经网络的网络结构、数据流向均与预置的神经网络一致。


3.如权利要求2所述的机电设备运行状态的监测方法，其特征在于，所述利用多组所述训练数据对预置的神经网络进行训练，得到优化的神经网络，具体包括：
将多组所述训练数据分别以正向数据流向代入至预置的神经网络，得到每组所述训练数据中每种训练用运行参数的输出结果；
分别判断每组所述训练数据中每种训练用运行参数的输出结果是否与每种训练用运行参数的期望结果一致，若是，则得到所述优化的神经网络；
若否，则获取每组所述训练数据中每种训练用运行参数的输出结果与每种训练用运行参数的期望结果之间的误差；
将所述误差以反向数据流向代入至预置的神经网络，并基于所述误差分别对每一隐藏层的神经元的权系数进行修改，得到修改后的每一隐藏层的神经元的权系数，而后转到将多组所述训练数据分别以正向数据流向代入至预置的神经网络，得到每组所述训练数据中每种训练用运行参数的输出结果。


4.如权利要求2所述的机电设备运行状态的监测方法，其特征在于，所述利用所述优化的神经网络及实际数据获取实际数据中每种实际运行参数的准确值，具体包括：将所述实际数据以正向数据流向代入至优化的神经网络，得到所述实际数据中每种实际运行参数的准确值。


5.如权利要求2所述的机电设备运行状态的监测方法，其特征在于，所述获取与所述待监测机电设备的运行状态相关的实际数据之前，还包括：
获取多组与待监测机电设备的运行状态相关的安全数据，其中，每组所述安全数据均包括与待监测机电设备的运行状态相关的多种安全运行参数；
将多组所述安全数据分别以正向数据...

【专利技术属性】
技术研发人员：程涛，温浩凯，
申请(专利权)人：深圳技术大学，
类型：发明
国别省市：广东;44