一种基于机器学习与边缘计算的远程设备健康预测方法技术

本发明专利技术公开了一种基于机器学习与边缘计算的远程设备健康预测方法，通过在靠近设备或数据源头的边缘侧，部署融合计算、存储、网络、应用核心能力的边缘计算终端，结合通讯模块实现与生产设备的连接，实时采集生产设备运行要素数据。并就近提供智能化数据分析服务，利用基于机器学习的智能分析模型完成对大量实时数据的清洗和初步分析处理，按照部署的预测模式策略，触发可能的分析服务响应，并把分析结果上传至云端，再由云端智能模型完成数据的综合分析和预测。云管理的架构实现无人值守设备终端的高效管理，边缘计算的分布式属性有效降低云端平台的数据处理负荷，同时保障数据安全。有效实现远程设备的运行健康状态管理和故障预测。

【技术实现步骤摘要】
一种基于机器学习与边缘计算的远程设备健康预测方法
本专利技术涉及一种远程设备健康预测方法，特别是涉及一种基于机器学习与边缘计算的远程设备健康预测方法。
技术介绍
目前，随着在现代化工业制造的发展，有大量工业生产设备分散在不同的地理区域，在设备大规模部署后，设备运维和集中管理的难题也随之而生。随着设备投放数量的增加，维护成本骤增，管理效率大幅降低。另外，由于远程管理手段的缺失，设备运行的异常情况不能及早发现，突然发生的故障往往对生产活动产生重大影响，造成重大的财产损失和生产安全事故。当前远程维护手段，主要利用远程网络技术，监视当前设备的运行状态，只能根据实时数据的变化判断设备运行情况，不能及时有效的预知设备的健康状态，仍然避免不了计划外停机和灾难性故障的发生，事后维护成本并没有实质性降低。传统远程设备维护并没有提前预警可能出现的问题以及避免因设备寿命到期和突发故障对生产带来的严重影响。
技术实现思路
为了克服现有技术的不足，本专利技术提供一种基于机器学习与边缘计算的远程设备健康预测方法，可通过基于边缘数据采集和机器学习本文档来自技高网...

【技术保护点】
1.一种基于机器学习与边缘计算的远程设备健康预测方法，其特征在于，该方法通过在靠近设备或数据源头的边缘侧，部署融合计算、存储、网络、应用核心能力的边缘计算终端，边缘计算终端结合通讯模块实现与生产设备的连接，实时采集生产设备运行要素数据，所述边缘计算终端包括边缘网关、网络、云数据平台和应用终端；具体预测步骤为：/nS1：通过边缘计算终端采集生产设备实时运行数据；/nS2：在边缘侧存储和归集数据，形成格式化数据，满足系统的工程化需求，边缘计算终端提供基础数据支撑；/nS3：根据数据模型适配网络、计算、存储等资源，自动封装响应策略，并完成数据的筛选和安全审查，打包规则存储单元，请求云端并进行非对称加...

【技术特征摘要】
1.一种基于机器学习与边缘计算的远程设备健康预测方法，其特征在于，该方法通过在靠近设备或数据源头的边缘侧，部署融合计算、存储、网络、应用核心能力的边缘计算终端，边缘计算终端结合通讯模块实现与生产设备的连接，实时采集生产设备运行要素数据，所述边缘计算终端包括边缘网关、网络、云数据平台和应用终端；具体预测步骤为：
S1：通过边缘计算终端采集生产设备实时运行数据；
S2：在边缘侧存储和归集数据，形成格式化数据，满足系统的工程化需求，边缘计算终端提供基础数据支撑；
S3：根据数据模型适配网络、计算、存储等资源，自动封装响应策略，并完成数据的筛选和安全审查，打包规则存储单元，请求云端并进行非对称加密通讯；
S4：从数据集中提取多维度数据的关联特征，并剔除无效特征，挖掘有效特征对特征进行综合管理，形成处理日志，并触发对外API规则，响应外部通讯机制；
S5①：对多维度数据特征进行不平衡数据处理，填充缺失数据特征，构建自学习模型输入基础构件；
S5②：对多维度复杂数据特征进行拆分，归类异常特征和正常数据特征，构建基础模型构件；
S5③：对原始数据进行清洗，剔除闲散复杂无效数据，建立有效数据库，并进行数据转发，利用傅里叶变换及时序波分解，输出关联传感数据图谱，同步更新至数据模型；
S6：利用基础构件库关联特征单元创建预测模型，高效导入数据集，输出模型预测图谱数据库；
S7：模型训练单元实时同步新增数据，通过机器学习框架...

【专利技术属性】
技术研发人员：何斌，李晓东，高虎，
申请(专利权)人：南京智能制造研究院有限公司，
类型：发明
国别省市：江苏;32