【技术实现步骤摘要】
【国外来华专利技术】用于使用工业物联网进行数据收集、学习和机器信号流传输实现分析和维护的方法和系统
交叉引用
[0001]本申请要求以下在先申请优先权：2018年8月2日递交的专利技术名称为“用于使用工业物联网进行机器信号流传输实现分析和维护的方法和系统”的申请号为62/714,078的美国临时专利申请案；2018年8月2日递交的专利技术名称为“用于使用工业物联网进行数据收集和学习的方法和系统”的申请号为62/713,897的美国临时专利申请案；2018年11月8日递交的专利技术名称为“用于使用工业物联网进行机器信号流传输实现分析和维护的方法和系统”的申请号为62/757,166的美国临时专利申请案；2019年1月31日递交的专利技术名称为“用于使用工业物联网进行数据收集、学习和机器信号流传输实现分析和维护的方法和系统”的申请号为62/799,732的美国临时专利申请案；2018年9月26日递交的专利技术名称为“用于在利用频带调整的工业物联网数据收集环境中进行检测以诊断油气生产设备的方法和系统”的申请号为16/143,286的美国非临时专利申请案；以及2018年5月7日...
【技术保护点】
【技术特征摘要】
【国外来华专利技术】1.一种工业机器预测性维护系统，包括：工业机器数据分析设施，其通过对表示工业机器各部分状况的数据应用机器学习生成工业机器运行状况监测数据流，所述表示工业机器各部分状况的数据是通过数据收集网络接收的；工业机器预测性维护设施，其通过对所述运行状况监测数据应用机器故障检测和分类算法产生工业机器服务建议以响应所述运行状况监测数据；计算机维护管理系统，其产生对服务和部件的订购和请求中的至少一个以响应接收到所述工业机器服务建议；以及服务和交付协调设施，其接收和处理关于对工业机器执行的服务的信息以响应对服务和部件的订购和请求中的所述至少一个，从而验证执行的所述服务，同时为各个工业机器产生服务活动和结果的分类账。2.根据权利要求1所述的工业机器预测性维护系统，还包括：工人查找设施，其通过将所述建议中关于待执行的至少一个服务的信息与工业服务工人数据库中工业服务工人的经验和专有技术中的至少一个相关联，来识别至少一位候选工人以执行所述工业机器服务建议指示的服务。3.根据权利要求2所述的工业机器预测性维护系统，还包括：在处理器上执行的机器学习算法，其基于在类似工业机器上执行的多个服务的服务相关信息以及由所述至少一位候选工人执行的多个服务的工人相关信息来改进所述关联。4.根据权利要求1所述的工业机器预测性维护系统，其中所述服务和交付协调设施验证待在所述各个工业机器上执行的所述服务，同时为所述各个工业机器中的每一个生成服务活动和结果的所述分类账。5.根据权利要求1所述的工业机器预测性维护系统，其中所述分类账使用区块链结构来跟踪对服务和部件的所述订购和所述请求中的所述至少一个中的每一个的交易记录，其中每个记录被存储为所述区块链结构中的区块。6.根据权利要求5所述的工业机器预测性维护系统，其中所述计算机维护管理系统通过将发货就绪、安装、操作传感器数据、服务事件、部件订购、服务订购或诊断活动中的至少一个的数据与所述分类账中最近生成的区块的散列组合来生成所述分类账的后续区块。7.根据权利要求1所述的工业机器预测性维护系统，还包括：计算机视觉系统，其使用由一个或多个数据捕获设备捕获的原始数据生成一个或多个图像数据集，并且基于所述一个或多个图像数据集检测所述各个工业机器中的至少一个的运行特征。8.根据权利要求7所述的工业机器预测性维护系统，其中所述运行特征与针对所述各个工业机器中的所述至少一个的至少一部分检测到的振动关联，其中所述工业机器预测性维护设施根据针对所述检测到的振动计算出的严重度单元确定所述工业机器服务建议。9.根据权利要求8所述的工业机器预测性维护系统，其中通过确定所述检测到的振动的频率、确定多段振动频谱中限定所述检测到的振动范围的分段以及基于所述确定的分段计算所述检测到的振动的所述严重度单元，来为工业机器的所述检测到的振动计算所述严重度单元。10.根据权利要求9所述的工业机器预测性维护系统，其中通过基于所述确定的分段将
所述检测到的振动映射到多个严重度单元中的一个来确定多段振动频谱中限定所述检测到的振动范围的分段，其中所述严重度单元中的每一个对应于所述多段振动频谱的不同范围。11.根据权利要求10所述的工业机器预测性维护系统，其中当所述捕获的振动的所述频率对应于所述多段振动频谱的低端拐点阈值范围以下时，所述检测到的振动映射到第一严重度单元，其中当所述捕获的振动的所述频率对应于所述多段振动频谱的中间范围时，所述检测到的振动映射到第二严重度单元，其中当所述捕获的振动的所述频率对应于所述多段振动频谱的高端拐点阈值范围以上时，所述检测到的振动映射到第三严重度单元。12.根据权利要求8所述的工业机器预测性维护系统，其中所述严重度单元指示所检测到的振动可导致所述工业机器的至少所述一部分出现故障，其中所述工业机器服务建议包括用于防止或减轻所述故障的建议，其中对服务和部件的所述订购和所述请求中的所述至少一个针对用于防止或减轻所述故障的部件或服务。13.一种系统，包括：工业机器预测性维护设施，其通过对工业机器运行状况监测数据应用机器故障检测和分类算法产生工业机器服务建议；工人查找设施，其通过将所述建议中关于待执行的至少一个服务的信息与工业服务工人数据库中工业服务工人的经验和专有技术中的至少一个相关联，来识别至少一位候选工人以执行所述工业机器服务建议指示的服务；以及在处理器上执行的机器学习算法，其基于在类似工业机器上执行的多个服务的服务相关信息以及由所述至少一位候选工人执行的多个服务的工人相关信息来改进所述关联。14.根据权利要求13所述的系统，还包括：工业机器数据分析设施，其通过对表示工业机器各部分状况的数据应用机器学习生成所述工业机器运行状况监测数据流，所述表示工业机器各部分状况的数据是通过数据收集网络接收的。15.根据权利要求13所述的系统，还包括：计算机维护管理系统，其产生对服务和部件的订购和请求中的至少一个以响应接收到所述工业机器服务建议。16.根据权利要求15所述的系统，还包括：服务和交付协调设施，其接收和处理关于对工业机器执行的服务的信息以响应对服务和部件的订购和请求中的所述至少一个，从而验证执行的所述服务，同时为各个工业机器产生服务活动和结果的分类账。17.根据权利要求16所述的系统，其中所述服务和交付协调设施验证待在所述各个工业机器上执行的所述服务，同时为所述各个工业机器中的每一个生成服务活动和结果的分类账，其中所述分类账使用区块链结构来跟踪对服务和部件的所述订购和所述请求中的所述至少一个中的每一个的交易记录，其中每个记录被存储为所述区块链结构中的区块。18.根据权利要求17所述的系统，其中所述计算机维护管理系统通过将发货就绪、安装、操作传感器数据、服务事件、部件订购、服务订购或诊断活动中的至少一个的数据与所述分类账中最近生成的区块的散列组合来生成所述分类账的后续区块。19.根据权利要求13所述的系统，还包括：
移动数据收集器群，其包括一个或多个移动数据收集器，用于收集所述运行状况监测数据，其中所述运行状况监测数据表示位于工业环境中的一个或多个工业机器的状况。20.根据权利要求19所述的系统，还包括：自组织系统，其控制所述一个或多个移动数据收集器在所述工业环境内的移动。21.根据权利要求20所述的系统，其中所述自组织系统向所述一个或多个移动数据收集器发送对所述运行状况监测数据的请求，其中所述移动数据收集器向所述自组织系统发送所述运行状况监测数据以响应所述请求，其中所述自组织系统向所述工业机器预测性维护设施发送所述运行状况监测数据。22.根据权利要求19所述的系统，还包括：数据收集路由器，当所述移动数据收集器接近所述数据收集路由器时，所述数据收集路由器从所述一个或多个移动数据收集器接收所述运行状况监测数据，其中所述数据收集路由器将所述运行状况监测数据传输到所述工业机器预测性维护设施。23.根据权利要求22所述的系统，其中所述一个或多个移动数据收集器将所述运行状况监测数据推送到所述数据收集路由器。24.根据权利要求22所述的系统，其中所述数据收集路由器从所述一个或多个移动数据收集器提取所述运行状况监测数据。25.根据权利要求19所述的系统，其中所述一个或多个移动数据收集器中的每个移动数据收集器是下列各项中的一种：包括一个或多个集成传感器的移动机器人、包括一个或多个耦合传感器的移动机器人、具有一个或多个集成传感器的移动车辆，或具有一个或多个耦合传感器的移动车辆。26.一种系统，包括：工业机器维护部件和服务订购设施，其准备和控制对部件和服务的订购以响应从工业机器预测性维护设施接收的服务建议，所述工业机器预测性维护设施通过对工业机器运行状况监测数据应用机器故障检测和分类算法产生工业机器服务建议；以及计算机维护管理系统，其分析与所述服务建议相关联的程序，以生成对部件和服务的所述订购中的至少一个。27.根据权利要求26所述的系统，还包括：工业机器数据分析设施，其通过对表示工业机器各部分状况的数据应用机器学习生成所述工业机器运行状况监测数据流，所述表示工业机器各部分状况的数据是通过数据收集网络接收的。28.根据权利要求27所述的系统，其中所述服务和交付协调设施验证待在所述工业机器上执行的所述服务，同时为所述工业机器中的每一个生成服务活动和结果的分类账。29.根据权利要求28所述的系统，其中所述分类账使用区块链结构来跟踪对服务和部件的所述订购和请求中的所述至少一个中的每一个的交易记录，其中每个记录被存储为所述区块链结构中的区块。30.根据权利要求29所述的系统，其中所述CMMS通过将发货就绪、安装、操作传感器数据、服务事件、部件订购、服务订购或诊断活动中的至少一个的数据与所述分类账中最近生成的区块的散列组合来生成所述分类账的后续区块。31.根据权利要求27所述的系统，还包括：
计算机视觉系统，其使用由一个或多个数据捕获设备捕获的原始数据生成一个或多个图像数据集，并且基于所述一个或多个图像数据集检测所述工业机器中的至少一个的运行特征。32.根据权利要求31所述的系统，其中所述运行特征涉及针对所述工业机器中的所述至少一个的至少一部分检测到的振动，其中所述工业机器预测性维护设施根据针对所述检测到的振动计算出的严重度单元产生所述工业机器服务建议，其中通过确定所述检测到的振动的频率、确定多段振动频谱中限定所述检测到的振动范围的分段以及基于所述确定的分段计算所述检测到的振动的所述严重度单元，来为工业机器的所述检测到的振动计算所述严重度单元。33.根据权利要求26所述的系统，还包括：移动数据收集器群，其包括一个或多个移动数据收集器，用于收集所述运行状况监测数据，其中所述运行状况监测数据表示位于工业环境中的一个或多个工业机器的状况。34.根据权利要求33所述的系统，还包括：自组织系统，其控制所述一个或多个移动数据收集器在所述工业环境内的移动。35.根据权利要求34所述的系统，其中所述自组织系统向所述一个或多个移动数据收集器发送对所述运行状况监测数据的请求，其中所述移动数据收集器向所述自组织系统发送所述运行状况监测数据以响应所述请求，其中所述自组织系统向所述工业机器预测性维护设施发送所述运行状况监测数据。36.一种系统，包括：智能RFID元件，用于通过与至少一个传感器进行通信耦合，捕获工业机器的一部分的操作、物理和诊断结果信息并将所述信息存储到非易失性计算机可读存储介质中，其中所述至少一个传感器用于监测所述工业机器的所述一部分的状况；所述智能RFID元件还用于接收和组织信息并存储到所述非易失性计算机可读存储介质中，其中所述信息使得能够为所述工业机器执行至少一个服务程序。37.根据权利要求36所述的系统，其中所述智能RFID用于促进分层访问关于所述工业机器的信息，包括可直接从所述工业机器的根条目访问的多个部分，其中所述多个可直接访问的部分中的每一个被构造成针对一个部分存储选自列表的条目，所述列表由生产信息、部件信息、质量信息、安装信息、验证信息、程序信息、操作信息和装配信息构成。38.根据权利要求37所述的系统，其中所述生产信息包括针对装配日期、装配位置、机器型号、机器序列号、机器装配时间、机器装配工单编号、客户和所述工业机器各部分图像的条目。39.根据权利要求37所述的系统，其中所述程序信息包括选自列表的程序条目，所述列表由校准、关机、调节、装配、安全检查、图像捕获、预防性维护、部件维修、部件更换和拆卸构成。40.根据权利要求36所述的系统，其中所述系统还包括通过处理器可访问的数据存储元件，所述数据存储元件包括存储在包括所述智能RFID元件的多个智能RFID元件中的信息的副本，其中每个信息副本包括存储在所述多个智能RFID元件中的相应一个中的所述信息的孪生副本。41.根据权利要求36所述的系统，其中所述智能RFID元件包括在增强型数据收集设备
中。42.一种在工业机器的智能RFID中配置生产数据的方法，包括：将智能RFID配置具有工业机器的一部分，以捕获所述工业机器的相应部分的操作、物理和诊断结果信息并将所述信息存储到非易失性计算机可读存储介质中；将所述智能RFID与所述工业机器的处理器和至少一个传感器进行通信耦合，所述至少一个传感器用于监测所述工业机器的所述一部分的状况；与所述处理器一起执行所述工业机器的所述一部分的自测试，并在所述智能RFID中存储所述自测试的结果；通过生产接入点将所述工业机器耦合到测试系统网络和工业机器生产服务器；以及利用所述测试系统对所述工业机器的所述一部分执行生产测试，所述测试的结果以副本形式存储在所述智能RFID上和所述生产服务器的处理器可访问的数据存储设施中。43.根据权利要求42所述的方法，其中存储在所述数据存储设施中的所述测试结果的所述副本是所述智能RFID的所述对应部分的孪生副本。44.根据权利要求42所述的方法，其中所述智能RFID用于促进分层访问关于所述工业机器的信息，包括可直接从所述工业机器的根条目访问的多个部分，其中所述多个可直接访问的部分中的每一个被构造成针对一个部分存储选自列表的条目，所述列表由生产信息、部件信息、质量信息、安装信息、验证信息、程序信息、操作信息和装配信息构成。45.根据权利要求44所述的方法，其中所述生产信息包括针对装配日期、装配位置、机器型号、机器序列号、机器装配时间、机器装配工单编号、客户和所述工业机器各部分图像的条目。46.根据权利要求44所述的方法，其中所述程序信息包括选自列表的程序条目，所述列表由校准、关机、调节、装配、安全检查、图像捕获、预防性维护、部件维修、部件更换和拆卸构成。47.根据权利要求42所述的方法，其中所述系统还包括通过处理器可访问的数据存储元件，所述数据存储元件包括存储在包括所述智能RFID元件的多个智能RFID元件中的信息的副本，其中每个信息副本包括存储在所述多个智能RFID元件中的相应一个中的所述信息的孪生副本。48.根据权利要求42所述的方法，其中所述智能RFID包括在增强型数据收集设备中。49.一种包括市场的工业机器预测性维护系统，包括：多个部件供应商计算系统，用于维护工业机器服务市场信息，所述工业机器服务市场信息涉及供应销售的工业机器部件；多个服务供应商计算系统，用于维护工业机器服务市场信息，所述工业机器服务市场信息涉及所供应的工业机器服务；至少一个计算机维护管理系统，用于促进访问所述市场上提供的服务、部件、材料和工具中的至少一个以响应工业机器预测性维护系统提供的工业机器维护建议；多个物流供应商计算系统，用于维护工业机器服务市场信息，所述工业机器服务市场信息涉及所述市场中提供的运输和物流服务中的至少一个。50.根据权利要求49所述的工业机器预测性维护系统，其中所述多个部件供应商、服务供应商和物流供应商中的每一个通过所述市场的至少一个应用程序编程接口，直接在所述
市场中维护其供应的产品或服务的相应信息。51.根据权利要求49所述的工业机器预测性维护系统，其中所述计算机维护管理系统基于规范将部件、服务和物流的供应与工业机器所有者相适应，所述规范建立于对所述部件、服务和物流的先前订购的分析。52.根据权利要求49所述的工业机器预测性维护系统，其中维护所述工业机器服务市场信息为工业机器执行的运输和物流服务中的至少一个中的每一个产生服务活动的分类账。53.根据权利要求52所述的工业机器预测性维护系统，其中所述分类账使用区块链结构来跟踪运输和物流服务中的至少一个中的每一个的交易记录，其中每个记录被存储为所述区块链结构中的区块。54.根据权利要求53所述的工业机器预测性维护系统，其中所述计算机维护管理系统通过将发货就绪、安装、操作传感器数据、服务事件、部件订购、服务订购或诊断活动中的至少一个的数据与所述分类账中最近生成的区块的散列组合来生成所述分类账的后续区块。55.一种系统，包括：多个计算系统，用于执行一个或多个预测性维护操作；所述多个计算系统的一部分，其通过点对点通信网络连接；以及工业机器维护操作的记录，所述操作包括所述预测性维护操作的一部分，其中所述多个计算系统的所述一部分将所述记录作为分布式分类账操作。56.根据权利要求55所述的系统，其中所述计算系统中的所述一部分的计算系统执行工业机器数据分析并将所述分析的结果提供给所述记录。57.根据权利要求55所述的系统，其中所述计算系统中的所述一部分的计算系统执行工业机器预测性维护建议并将所述建议的一部分提供给所述记录。58.根据权利要求55所述的系统，其中所述计算系统中的所述一部分的计算系统执行工业机器维护订购管理并将关于工业机器订购的信息提供给所述记录。59.根据权利要求55所述的系统，其中所述计算系统中的所述一部分的计算系统执行工业机器服务操作的服务交付和跟踪并将关于服务交付和跟踪的信息提供给所述记录。60.根据权利要求55所述的系统，其中所述计算系统中的所述一部分的计算系统与工业机器一起部署并将从与所述工业机器一起部署的传感器收集的信息提供给所述记录。61.根据权利要求55所述的系统，其中所述计算系统中的所述一部分的计算系统执行工业机器操作规程，并将工业机器操作规程提供给所述记录。62.一种系统，包括：多个计算系统，用于执行一个或多个预测性维护操作；所述多个计算系统的一部分，其通过点对点通信网络连接；以及基于角色的控制，其用于访问工业机器维护操作的记录，所述记录包括所述预测性维护操作的一部分，其中所述多个计算系统的所述一部分将所述记录作为分布式分类账操作。63.根据权利要求62所述的系统，其中用于访问记录的所述基于角色的控制识别所有者角色，所述所有者角色包括个人和实体中的至少一个，所述个人和实体中的至少一个拥有工业机器的至少一部分，所述工业机器的至少一部分的预测性维护操作在所述分布式分
类账中可访问。64.根据权利要求62所述的系统，其中用于访问记录的所述基于角色的控制识别制造商角色，所述制造商角色包括个人和实体中的至少一个，所述个人和实体中的至少一个已经生产所述工业机器的至少一部分，所述工业机器的至少一部分的预测性维护操作在所述分布式分类账中可访问。65.根据权利要求62所述的系统，其中用于访问记录的所述基于角色的控制识别操作者角色，所述操作者角色包括个人和实体中的至少一个，所述个人和实体中的至少一个提供工业机器的使用权限，所述使用权限的预测性维护操作在所述分布式分类账中可访问。66.根据权利要求62所述的系统，其中用于访问记录的所述基于角色的控制识别部件供应商角色，所述部件供应商角色包括个人和实体中的至少一个，所述个人和实体中的至少一个为工业机器提供至少一个工业机器部件，所述至少一个工业机器部件的预测性维护操作在所述分布式分类账中可访问。67.根据权利要求62所述的系统，其中用于访问记录的所述基于角色的控制识别服务供应商角色，所述服务供应商角色包括个人和实体中的至少一个，所述个人和实体中的至少一个提供选自工业服务列表的服务，所述工业服务由用于工业机器的预防性维护和维修、紧急维修和升级的合同构成，所述服务的预测性维护操作在所述分布式分类账中可访问。68.根据权利要求62所述的系统，其中用于访问记录的所述基于角色的控制识别区域服务代理人角色，所述区域服务代理人角色包括区域实体，所述区域实体在特定国家中促进对工业机器的自动化服务活动，所述自动化服务活动的预测性维护操作在所述分布式分类账中可访问。69.一种对工业机器的一部分进行图像捕获的方法，包括：更新用于执行对工业机器实施预测性维护操作的服务的程序以响应满足对所述工业机器的一部分进行图像捕获的触发条件；在电子显示器中提供图像捕获模板，所述图像捕获模板叠加在所述工业机器的一部分的实时图像上，以促进图像捕获；应用增强现实，所述增强现实指示所述实时图像与所述模板的对准程度；检查使用具有机器视觉的所述更新程序捕获的图像，以确定所述捕获图像中存在的所述机器中的至少一个部件；以及响应于所述检查的结果，操作图像捕获奖励设施以生成所述捕获图像的奖励。70.根据权利要求69所述的方法，其中所述更新响应于基于对工业机器故障数据的分析的触发条件，使得所述分析建议在更新用于执行所述服务的所述程序之前捕获所述程序中未指定的图像。71.根据权利要求69所述的方法，其中所述更新响应于对符合预测性维护标准的工业机器执行所述服务的程序，所述预测性维护标准与待捕获图像的所述工业机器的所述一部分相关联。72.根据权利要求69所述的方法，其中所述触发条件包括与正在执行服务程序的所述工业机器相关联的工业机器的类型，以及从捕获所述工业机器的所述部分的图像后的持续时间。
73.根据权利要求69所述的方法，其中所述触发条件涉及针对工业机器的至少一部分所检测到的振动，其中根据针对所述检测到的振动确定的严重度单元产生工业机器服务建议。74.根据权利要求73所述的方法，其中通过确定所述检测到的振动的频率、确定多段振动频谱中限定所述检测到的振动范围的分段以及基于所述确定的分段计算所述检测到的振动的所述严重度单元，来为所述工业机器的所述检测到的振动计算所述严重度单元。75.根据权利要求74所述的方法，其中通过基于所述确定的分段将所述检测到的振动映射到多个严重度单元中的一个来确定所述多段振动频谱中限定所述检测到的振动范围的分段，其中所述严重度单元中的每一个对应于所述多段振动频谱的不同范围。76.根据权利要求75所述的方法，其中当所述捕获的振动的所述频率对应于所述多段振动频谱的低端拐点阈值范围以下时，所述检测到的振动映射到第一严重度单元，其中当所述捕获的振动的所述频率对应于所述多段振动频谱的中间范围时，所述检测到的振动映射到第二严重度单元，其中当所述捕获的振动的所述频率对应于所述多段振动频谱的高端拐点阈值范围以上时，所述检测到的振动映射到第三严重度单元。77.一种基于机器学习的部件识别方法，包括：将目标部件成像模板应用于图像验证程序，所述图像验证程序确定所捕获的图像是否满足图像捕获验证标准；通过使用图像分析规则处理捕获的图像来执行图像分析，所述图像分析规则有助于检测到图像中存在的工业机器候选部件；基于候选部件与所述工业机器部件的图像的相似性，将所述候选部件中的一个或多个部件识别为所述工业机器的部件；基于从所述识别部件的机器学习产生的反馈，调整所述目标部件模板、所述图像分析规则和所述部件识别中的至少一个，从而改进图像捕获、图像分析和部件识别中的至少一个。78.根据权利要求77所述的方法，其中从与所述工业机器一起设置的智能RFID元件检索所述工业机器的所述部件的所述图像。79.根据权利要求77所述的方法，其中从与所述工业机器一起设置的智能RFID元件的网络存储数字孪生副本中检索所述工业机器的所述部件的所述图像。80.根据权利要求77所述的方法，其中由所述机器学习产生的所述反馈促进更新与所述工业机器一起部署的智能RFID中的所述部件的最近捕获的图像。81.根据权利要求77所述的方法，其中使用计算机视觉系统来执行所述方法中的部分或全部。82.根据权利要求81所述的方法，其中所述计算机视觉系统使用捕获的原始数据生成一个或多个图像数据集，在所述一个或多个图像数据集表示的感兴趣点内识别与所述工业机器的一部分对应的一个或多个值，将所述一个或多个值与对应预测值进行比较，基于所述一个或多个值与所述对应预测值的所述比较生成方差数据集，基于所述方差数据检测所述工业机器的运行特征，并生成指示所述运行特征的所述检测的数据。83.一种预测性维护系统，包括：预测性维护知识系统，其促进收集、发现、捕获、传播、管理和处理关于工业机器的信
息，以便于对工业机器采取预测性维护操作，所述预测性维护知识系统包括：用于从服务供应商、部件供应商、材料供应商和机器使用调度员接收信息的多个接口；用于向服务订购设施、部件订购设施、服务管理设施和服务筹资设施发送信息的多个接口；以及用于连接到多个工业机器上的智能RFID元件的多个接口；预测性维护知识图谱，其促进所述预测性维护知识系统通过数据域中的链路访问关于工业机器的预测性维护服务的信息，所述数据域包括服务供应商、部件供应商、服务请求、服务估计、机器时间表和维护活动预测；其中所述预测性维护知识系统生成服务建议，基于价格的服务选项，价格估计和服务估计中的至少一个。84.根据权利要求83所述的预测性维护系统，还包括：计算机维护管理系统，其产生对服务和部件的订购和请求中的至少一个以响应接收服务建议、基于价格的服务选项、价格估计和服务估计中的所述至少一个。85.根据权利要求84所述的预测性维护系统，还包括：服务和交付协调设施，其接收和处理关于对工业机器执行的服务的信息以响应对服务和部件的订购和请求中的所述至少一个，从而验证执行的所述服务，同时为各个工业机器产生服务活动和结果的分类账。86.根据权利要求85所述的预测性维护系统，其中所述服务和交付协调设施验证待在所述各个工业机器上执行的所述服务，同时为所述各个工业机器中的每一个生成服务活动和结果的所述分类账。87.根据权利要求85所述的预测性维护系统，其中所述分类账使用区块链结构来跟踪对服务和部件的所述订购和所述请求中的所述至少一个中的每一个的交易记录，其中每个记录被存储为所述区块链结构中的区块。88.根据权利要求87所述的预测性维护系统，其中所述计算机维护管理系统通过将来自发货就绪，安装、操作传感器数据、服务事件、部件订购、服务订购或诊断活动中的至少一个的数据与所述分类账中最近生成的区块的散列相组合来生成所述分类账的后续区块。89.一种方法，包括：通过检测与机器故障相关的多个诊断测试的结果中的模式中的至少一个以及诊断测试结果与机器故障的相似性，改善对工业机器执行的所述多个诊断测试的所述结果与相似工业机器故障的故障信息之间的相关性，其中单一类型的机器故障与所述诊断测试的子集的故障结果相关。90.根据权利要求89所述的方法，其中所述机器故障对应于针对所述工业机器检测到的振动的严重度。91.根据权利要求90所述的方法，还包括确定针对工业机器检测到的振动的严重度，其中所述确定所述严重度包括：从移动数据收集器接收振动数据，所述振动数据表示所述工业机器的至少一部分的所述检测到的振动，所述移动数据收集器包括用于捕获所述振动数据的至少一个振动传感器；通过处理所述捕获的振动数据来确定所述检测到的振动的频率；
基于所述频率，确定多段振动频谱中限定所述检测到的振动范围的分段；以及基于所述确定的分段，为所述检测到的振动计算严重度单元。92.根据权利要求91所述的方法，其中所述移动数据收集器是可穿戴设备。93.根据权利要求91所述的方法，其中所述移动数据收集器是手持设备。94.根据权利要求91所述的方法，其中所述移动数据收集器是移动车辆。95.根据权利要求91所述的方法，其中所述移动数据收集器是移动机器人。96.根据权利要求91所述的方法，还包括：基于所述严重度单元生成指示所述机器故障的信号。97.一种方法，包括：通过收集关于工业机器服务供应商提供的工业机器服务的反馈并将所述反馈与多个评级标准进行比较来确定所述服务供应商的评级，所述多个评级标准包括在完成至少一个工业机器服务之后执行的诊断测试的结果，调度所述服务供应商、所提供服务的成本、所述服务供应商的及时性、所述服务供应商的清洁度、对所述至少一个工业机器服务程序的遵守度以及所述服务供应商使用所述程序和所述工业机器中的至少一个的经验度；以及通过对供应商评级结果应用机器学习并在评级供应商时结合所述机器学习的输出来改善供应商评级结果与评级标准之间的相关性。98.根据权利要求97所述的方法，还包括：通过收集所述服务供应商对工业机器服务程序的反馈并将所述反馈与多个评级标准进行比较来确定所述程序的评级，所述多个评级标准包括所述程序易访问性、易转换性、指导价值、内容准确性、序列准确性、所述程序易遵循性以及对非程序操作的依赖性。99.根据权利要求98所述的方法，还包括：通过对程序评级结果应用机器学习并且在程序评级过程时结合所述机器学习的输出来改善程序评级结果与评级标准的相关性。100.根据权利要求97所述的方法，其中所述诊断测试对应于针对所述工业机器检测到的振动的严重度。101.根据权利要求100所述的方法，其中确定针对所述工业机器检测到的振动的严重度包括：从移动数据收集器接收振动数据，所述振动数据表示所述工业机器的至少一部分的振动，所述移动数据收集器包括用于捕获所述振动数据的至少一个振动传感器；通过处理所述捕获振动数据来确定所述捕获振动的频率；基于所述频率，确定多段振动频谱中限定所述捕获振动范围的分段；以及基于所述确定的分段，为所述捕获振动计算严重度单元。102.根据权利要求101所述的方法，还包括：基于所述严重度单元生成指示机器故障的信号。103.一种方法，包括：通过收集使用工业机器服务程序执行工业机器服务的服务供应商对所述程序的反馈并将所述反馈与多个评级标准进行比较来确定所述程序的评级，所述多个评级标准包括所述程序易访问性、易转换性、指导价值、内容准确性、序列准确性、所述程序易遵循性以及对非程序操作的依赖性；
通过对程序评级结果应用机器学习并且在程序评级过程时结合所述机器学习的输出来改善程序评级结果与评级标准的相关性。104.根据权利要求103所述的方法，还包括：通过收集关于工业机器服务供应商提供的工业机器服务的反馈并将所述反馈与多个评级标准进行比较来确定所述服务供应商的评级，所述多个评级标准包括在完成至少一个工业机器服务之后执行的诊断测试的结果，调度所述服务供应商、所提供服务的成本、所述服务供应商的及时性、所述服务供应商的清洁度、对所述至少一个工业机器服务程序的遵守度以及所述服务供应商使用所述程序和所述工业机器中的至少一个的经验度。105.根据权利要求104所述的方法，还包括：通过对供应商评级结果应用机器学习并在评级供应商时结合所述机器学习的输出来改善供应商评级结果与评级标准之间的相关性。106.根据权利要求103所述的方法，其中所述工业机器程序对应于用于检测所述工业机器的振动严重度的诊断测试。107.根据权利要求106所述的方法，其中确定针对所述工业机器检测到的振动的严重度包括：从移动数据收集器接收振动数据，所述振动数据表示所述工业机器的至少一部分的振动，所述移动数据收集器包括用于捕获所述振动数据的至少一个振动传感器；通过处理所述捕获振动数据来确定所述捕获振动的频率；基于所述频率，确定多段振动频谱中限定所述捕获振动范围的分段；以及基于所述确定的分段，为所述捕获振动计算严重度单元。108.根据权利要求107所述的方法，还包括：基于所述严重度单元生成指示机器故障的信号。109.一种集聚工业机器信息的方法，包括：通过生成启动区块来启动用于特定工业机器的工业机器信息的区块链；以及通过将发货就绪、安装、操作传感器数据、服务事件、部件订购、服务订购和诊断活动中的至少一个的数据与所述区块链中最近生成的区块的散列相组合来生成所述特定工业机器区块链的后续区块。110.根据权利要求109所述的方法，还包括生成所述区块链的第一区块，所述第一区块具有关于所述特定工业机器的发货就绪信息和所述区块链的所述启动区块的散列。111.根据权利要求110所述的方法，还包括生成所述区块链的第二区块，所述第二区块具有关于所述特定工业机器的安装信息和所述第一区块的散列。112.根据权利要求111所述的方法，还包括生成所述区块链的第三区块，所述第三区块具有关于所述特定工业机器的操作传感器信息和所述第二区块的散列。113.根据权利要求112所述的方法，还包括生成所述区块链的第四区块，所述第四区块具有关于所述特定工业机器的服务事件信息和所述第三区块的散列。114.根据权利要求113所述的方法，还包括生成所述区块链的第五区块，所述第五区块具有关于所述特定工业机器的部件和服务订购信息和所述第四区块的散列。115.根据权利要求114所述的方法，还包括生成所述区块链的第六区块，所述第六区块具有关于所述特定工业机器的诊断活动信息和所述第五区块的散列。
116.一种用于从振动数据预测服务事件的方法，包括：从至少一个振动传感器捕获振动数据，所述至少一个振动传感器设置为捕获工业机器的一部分的振动；确定所述捕获振动的频率、振幅和重力中的至少一个；基于所述捕获振动的所述频率来确定多段振动频谱中限定所述捕获振动范围的分段；基于所述确定的分段以及所述振幅的峰值或所述重力中的至少一个来计算所述捕获振动的振动严重度单元；以及在预测性维护电路中生成信号，以基于所述严重度单元对所述工业机器的所述部分执行维护操作。117.根据权利要求116所述的方法，其中基于将所述捕获振动的所述频率与所述多段振动频谱的中间分段的上限和下限进行比较来确定所述分段。118.根据权利要求116所述的方法，其中所述多段振动频谱的第一分段包括低于所述多段振动频谱的中间分段的下限的确定频率值。119.根据权利要求118所述的方法，其中所述多段振动频谱的所述中间分段的所述下限是1200kHz。120.根据权利要求116所述的方法，其中所述多段振动频谱的第二分段包括高于所述多段振动频谱的中间分段的上限的确定频率值。121.根据权利要求120所述的方法，其中所述多段振动频谱的所述中间分段的所述上限是18000kHz。122.根据权利要求116所述的方法，其中计算振动严重度单元包括：通过将多个严重度标准化参数中的一个乘以中间范围严重度界限，并将所述严重度值映射到所述确定分段的多个严重度单元范围中的一个，来确定严重度值。123.根据权利要求122所述的方法，其中通过将所述捕获振动的所述频率除以所述多段振动频谱的中间分段的低端频率值，来计算所述多个标准化值中的第一严重度标准化值。124.根据权利要求123所述的方法，其中当所述捕获振动的所述频率小于所述低端频率值时，所述多个严重度标准化参数中的所述一个包括所述第一严重度标准化值。125.根据权利要求122所述的方法，其中通过将所述多段振动频谱的中间分段的高端频率值除以所述捕获振动的所述频率来计算所述多个标准化值的第二严重程度标准化值。126.根据权利要求125所述的方法，其中当所述捕获振动的所述频率大于所述高端频率值时，所述多个严重度标准化参数中的所述一个包括所述第二严重度标准化值。127.根据权利要求116所述的方法，其中所述多段振动频谱的第一分段基于所述捕获振动的所述幅度分成多个严重度单元。128.根据权利要求116所述的方法，其中所述多段振动频谱的第二分段基于所述捕获振动的所述重力分成多个严重度单元。129.根据权利要求116所述的方法，其中所述振动严重度单元是基于所述多段振动频谱的第一分段内所确定振动频率的所述捕获振动的所述幅度的峰值位移来确定的。130.根据权利要求116所述的方法，其中所述振动严重度单元是基于所述多段振动频谱的第二分段内所确定振动频率的所述捕获振动的所述重力来确定的。
131.根据权利要求116所述的方法，其中所述工业机器的所述部分是移动部件。132.根据权利要求116所述的方法，其中所述工业机器的所述部分是支撑移动部件的结构构件。133.根据权利要求116所述的方法，其中所述工业机器的所述部分是电机。134.根据权利要求116所述的方法，其中所述工业机器的所述部分是驱动轴。135.一种用于从振动数据预测服务事件的系统，包括：工业机器，其包括至少一个振动传感器，所述振动传感器设置为捕获所述工业机器的一部分的振动；振动分析电路，其与所述至少一个振动传感器通信，并产生所述捕获振动的频率、峰值幅度和重力中的至少一个；多段振动频谱结构，其促进将所述捕获振动映射到多段振动频率的一个振动频率段；严重度单元算法，其接收所述捕获振动的所述频率和所述对应振动频率段，并产生严重度值，所述严重度值映射到针对所述对应振动频率段限定的多个严重度单元中的一个；以及信号生成电路，其接收所述多个严重度单元中的所述一个严重度单元，并基于所述一个严重度单元向预测性维护服务器发送信号，指示对所述工业机器的所述部分执行相应维护操作。136.根据权利要求135所述的系统，其中当所述捕获振动的所述频率对应于所述多段振动频谱的低端拐点阈值范围以下时，所述多段振动频谱结构促进将所述检测到的振动映射到第一严重度单元。137.根据权利要求135所述的系统，其中当所述捕获振动的所述频率对应于所述多段振动频谱的中间范围时，所述多段振动频谱结构促进将所述检测到的振动映射到第二严重度单元。138.根据权利要求135所述的系统，其中当所述捕获振动的所述频率对应于所述多段振动频谱的高端拐点阈值范围以上时，所述多段振动频谱结构促进将所述检测到的振动映射到第三严重度单元。139.根据权利要求135所述的系统，其中所述严重度单元指示所述检测到的振动可导致所述工业机器的至少所述一部分出现故障。140.根据权利要求135所述的系统，其中所述多段振动频谱的第一分段基于所述捕获振动的所述幅度分成多个严重度单元。141.根据权利要求135所述的系统，其中所述多段振动频谱的第二分段基于所述捕获振动的所述重力分成多个严重度单元。142.根据权利要求135所述的系统，其中所述严重度单元是基于所述多段振动频谱的第一分段内所确定振动频率的所述捕获振动的所述幅度的峰值位移来确定的。143.根据权利要求135所述的系统，其中所述严重度单元是基于所述多段振动频谱的第二分段内所确定振动频率的所述捕获振动的所述重力来确定的。144.根据权利要求135所述的系统，其中所述工业机器的所述部分是移动部件。145.根据权利要求135所述的系统，其中所述工业机器的所述部分是支撑移动部件的结构构件。
146.根据权利要求135所述的系统，其中所述工业机器的所述部分是电机。147.根据权利要求135所述的系统，其中所述工业机器的所述部分是驱动轴。148.一种方法，包括：以流采样速率对信号进行采样，从而产生所述信号的多个采样；利用信号路由电路将所述信号的所述多个采样中的第一部分分配给第一信号分析电路，所述第一部分是基于第一信号分析采样速率选择的，所述第一信号分析采样速率小于所述流采样速率；利用信号路由电路将所述信号的所述多个采样中的第二部分分配给第二信号分析电路，所述第二部分是基于第二信号分析采样速率选择的，所述第二信号分析采样速率小于所述流采样速率；以及存储所述信号的所述多个采样、所述第一信号分析电路的输出和所述第二信号分析电路的输出，其中在所述存储的多个采样中的所述分配的第一部分和在所述存储的多个采样中的所述分配的第二部分被标记有引用所述对应存储信号分析输出的标记。149.根据权利要求148所述的方法，其中利用所述信号路由电路分配包括基于所述信号分析采样速率与所述流采样速率的比率整合多个采样。150.根据权利要求148所述的方法，其中利用所述信号路由电路分配包括基于所述信号分析采样速率与所述流采样速率的比率来选择所述信号的采样。151.根据权利要求148所述的方法，其中所述流采样速率是所述信号主频率的至少两倍。152.根据权利要求148所述的方法，其中所述信号分析采样速率与所述流采样速率的比率决定所述第一信号分析电路和所述第二信号分析电路的所述输出的数据的补充二进制位数。153.根据权利要求152所述的方法，其中当所述流采样速率是所述信号分析采样速率的至少两倍且小于四倍时，所述补充二进制位数包括1。154.根据权利要求152所述的方法，其中当所述流采样速率是所述信号分析采样速率的至少四倍且小于八倍时，所述补充二进制位数包括2。155.一种系统，包括：传感器，其检测工业机器的状况，所述传感器产生随时间变化且基本上对应于所述状况的信号；模数转换器，其接收所述信号并以至少两倍于所述信号主频率的流采样速率对所述信号进行采样，所述采样信号以数据值序列形式从所述模数转换器输出；以及至少一个数字信号路由器，其接收所述数据值序列和子采样速率，其中所述子采样速率低于所述流采样速率，并且产生至少一个数据子采样输出序列，所述产生包括基于所述子采样速率以及所述流采样速率与所述子采样速率的比率中的至少一个从所述采样序列选择采样。156.根据权利要求155所述的系统，还包括数据存储设施，其接收所述数据值序列和从所述子采样输出序列导出的分析数据值集合，其中所述分析数据值集合与所述数据值序列相关联地存储，使得所述数据值序列中对应于所述子采样输出序列的数据值被标记有引用所述对应分析数据值集合的标记。
157.根据权利要求155所述的系统，其中产生所述至少一个子采样输出序列包括基于所述子采样速率与所述流采样速率的比率整合所述数据值序列中的多个采样。158.根据权利要求155所述的系统，其中产生所述至少一个子采样输出序列包括基于所述子采样速率与所述流采样速率的比率来选择所述信号的采样。159.根据权利要求155所述的系统，其中所述流采样速率是所述信号主频率的至少两倍。160.根据权利要求155所述的系统，其中所述子采样速率与所述流采样速率的所述比率决定所述子采样输出序列中的补充二进制位数。161.根据权利要求160所述的系统，其中当所述流采样速率是所述子采样速率的至少两倍且小于四倍时，所述补充二进制位数包括1。162.根据权利要求160所述的系统，其中当所述流采样速率是所述子采样速率的至少四倍且小于八倍时，所述补充二进制位数包括2。163.一种预测工业机器维护事件的方法，包括：通过对表示工业机器各部分状况的数据应用机器学习来生成工业机器运行状况监测数据流，表示所述状况的数据包括所述工业机器的至少一个移动部件的振动数据，并通过数据收集网络接收；从与所述工业机器一起设置的数据存储设备访问所述工业机器的所述至少一个移动部件的移动部件特定配置信息；通过应用机器故障检测和分类算法，预测工业机器服务建议以响应所述运行状况监测数据和所述部件特定配置信息；产生对服务和部件的订购和请求中的至少一个以响应接收到所述工业机器服务建议；以及接收和处理关于对工业机器执行的服务的信息以响应对服务和部件的订购和请求中的所述至少一个，从而验证执行的所述服务，同时为各个工业机器产生服务活动和结果的分类账。164.根据权利要求163所述的方法，其中所述工业机器服务建议用于工业机器。165.根据权利要求163所述的方法，其中所述工业机器服务建议用于所述至少一个移动部件。166.根据权利要求165所述的方法，其中所述至少一个移动部件是机器的旋转部件。167.根据权利要求165所述的方法，其中所述至少一个移动部件设置在机器的齿轮箱中。168.根据权利要求165所述的方法，其中所述至少一个移动部件是所述工业机器的齿轮。169.根据权利要求168所述的方法，其中应用机器故障检测算法包括：调整表示工业机器维护建议的参考数据，以响应将所述工业机器的所述齿轮的轮齿的计数与所述参考数据中的相应齿轮的轮齿的计数进行比较。170.根据权利要求169所述的方法，其中正在调整的所述参考数据是通过所述工业机器维护建议识别的维护事件的定时。171.根据权利要求168所述的方法，其中应用机器故障检测算法包括：调整表示用于相
似工业机器的工业机器维护建议的数据，以响应将所述工业机器的所述齿轮的轮齿的计数与所述相似机器的相应齿轮的轮齿的计数进行比较。172.根据权利要求171所述的方法，其中正在调整的所述相似工业机器数据是通过所述工业机器维护建议识别的维护事件的定时。173.一种工业机器预测性维护系统，包括：工业机器数据分析电路，其通过对表示工业机器齿轮状况的数据应用机器学习生成工业机器运行状况监测数据流，所述表示工业机器齿轮状况的数据是通过数据收集网络接收的；与所述工业机器一起设置的数据存储设备，所述设备存储所述工业机器的至少一个齿轮的齿轮特定信息；工业机器齿轮预测性维护电路，其访问所述齿轮特定配置信息，并通过对所述运行状况监测数据和所述齿轮特定信息应用机器故障检测和分类算法产生工业机器齿轮服务建议以响应所述运行状况监测数据和所述齿轮特定信息；计算机维护管理系统，其产生对服务和部件的订购和请求中的至少一个以响应接收所述工业机器齿轮服务建议；以及服务和交付跟踪系统，其接收和处理关于对工业机器齿轮执行的服务的信息以响应对服务和部件的订购和请求中的所述至少一个，从而验证执行的所述服务，同时为各个工业机器齿轮产生服务活动和结果的分类账。174.根据权利要求173所述的系统，其中所述工业机器预测性维护电路响应于机器部件的轮齿的计数，所述预测性维护电路为所述计数产生服务建议。175.根据权利要求174所述的系统，其中所述部件是旋转部件。176.根据权利要求174所述的系统，其中所述部件是齿轮。177.根据权利要求174所述的系统，其中所述工业机器包括齿轮箱，并且轮齿的所述计数针对设置在所述齿轮箱中的齿轮。178.根据权利要求173所述的系统，其中所述预测性维护电路处理所述机器的旋转部件和相似机器的相应旋转部件的操作和故障数据。179.根据权利要求173所述的系统，其中所述预测性维护电路应用机器学习来处理至少一个工业机器的服务部件的轮齿的计数以及多个工业机器上的相似服务部件的服务信息，从而产生预测性维护调整系数。180.根据权利要求179所述的系统，其中所述预测性维护电路应用所述调整系数，从而产生机器特定预测性维护建议。181.根据权利要求173所述的系统，其中所述工业机器预测性维护电路响应于旋转连接到机器服务组件的电机的转子条的计数，所述预测性维护电路为所述计数产生服务建议。182.根据权利要求173所述的系统，其中所述预测性维护电路处理旋转连接到所述机器电机的服务部件和相似机器的相应服务组件的操作和故障数据。183.根据权利要求173所述的系统，其中所述预测性维护电路应用机器学习，以处理旋转连接到所述工业机器的服务组件的电机的转子条的计数以及多个工业机器上相似旋转连接的服务组件的服务信息，从而产生预测性维护调整系数。
184.根据权利要求183所述的系统，其中所述预测性维护电路应用所述调整系数，从而产生机器特定预测性维护建议。185.根据权利要求173所述的系统，其中所述工业机器预测性维护电路响应于表示连接到机器服务组件的至少一个内部机器组件的每分钟转数的数据，所述预测性维护电路为所述数据产生服务建议。186.根据权利要求173所述的系统，其中所述预测性维护电路处理与所述机器的服务组件和相似机器的相应服务组件相关联的操作每分钟转数数据和故障数据。187.根据权利要求173所述的系统，其中所述预测性维护电路应用机器学习处理表示连接到所述工业机器的服务组件的至少一个内部机器组件的每分钟转数的数据以及多个工业机器上相似连接的服务组件的服务信息，从而产生预测性维护调整系数。188.根据权利要求187所述的系统，其中所述预测性维护电路应用所述调整系数，从而产生机器特定预测性维护建议。189.一种滚子轴承预测性维护系统，包括：滚子轴承数据分析电路，其通过对表示与工业机器集成的滚子轴承的状况的数据应用机器学习来生成滚子轴承运行状况监测数据流，所述数据通过数据收集网络接收；与所述工业机器一起设置的数据存储设备，所述设备存储所述工业机器的至少一个滚子轴承的滚子轴承特定信息；滚子轴承预测性维护电路，其通过对所述运行状况监测数据和所述滚子轴承特定信息应用机器故障检测和分类算法产生滚子轴承服务建议，以响应所述运行状况监测数据和所述滚子轴承特定信息；计算机维护管理系统，其产生对服务和部件的订购和请求中的至少一个以响应接收所述滚子轴承服务建议；以及服务和交付跟踪系统，其接收和处理关于对滚子轴承执行的服务的信息以响应对服务和部件的订购和请求中的所述至少一个，从而验证执行的所述服务，同时为各个工业机器产生服务活动和结果的分类账。190.根据权利要求189所述的系统，其中所述滚子轴承预测性维护电路预测滚子轴承组件的维护事件，以响应选自列表的所述滚子轴承组件的至少一个方面，所述列表由每个滚子的滚珠数、滚珠对滚子的接触角、内圈尺寸、外圈尺寸、轮叶数、槽数和振型信息构成。191.根据权利要求190所述的系统，其中所述预测性维护事件选自维护事件列表，所述维修事件由部件更换、机器子系统更换、校准、深度数据收集、机器保养、机器关机和预防性维护。192.根据权利要求190所述的系统，其中所述滚子轴承部件的所述至少一个方面包括滚子轴承部件生产信息的数字数据结构的一部分，所述数字数据结构的一部分是通过与所述滚子轴承组件一起设置到工业机器的RFID组件检索的。193.根据权利要求192所述的系统，其中所述数字数据结构的所述部分是通过将从所述RFID组件检索的机器特定密钥提供给预测性维护系统的应用程序编程接口功能来检索的，所述应用程序编程接口功能促进访问存储在所述工业机器外部的滚子轴承组件生产信息。194.根据权利要求192所述的系统，其中所述数字数据结构的所述部分包括从所述
RFID组件检索的生产信息。195.根据权利要求192所述的系统，其中所述电路预测所述滚子轴承组件的维护事件，以响应从所述RFID组件检索所述数字数据结构的所述部分，所述检索与执行所述电路的处理器的网络连通性无关。196.根据权利要求192所述的系统，其中增强型数据收集设备包括所述预测性维护电路。197.根据权利要求196所述的系统，其中所述增强型数据收集设备预测所述滚子轴承部件的维护事件，以响应从所述RFID组件检索所述数字数据结构的所述部分，所述检索与所述数据收集设备的网络连通性无关。198.根据权利要求192所述的系统，其中所述滚子轴承预测性维护电路包含在移动数据收集设备中。199.根据权利要求198所述的系统，其中所述移动数据收集设备利用从所述RFID组件收集的数据来操作所述滚子轴承预测性维护电路，以生成至少一个滚子轴承预测性维护建议。200.根据权利要求199所述的系统，其中所述数字数据结构的所述部分针对与所述滚子轴承组件一起设置的所述工业机器。201.根据权利要求199所述的系统，其中所述数字数据结构的所述部分通过访问从所述RFID组件检索的网络位置来检索并通过从所述RFID组件检索的机器特定标识符进一步索引。202.根据权利要求201所述的系统，其中当数据收集设备与所述RFID组件进行短距离无线通信时，通过所述数据收集设备的Wi
‑
Fi接口访问所述网络位置。203.根据权利要求202所述的系统，其中当数据收集设备不再与所述RFID组件进行短距离无线通信时，通过所述数据收集设备的Wi
‑
Fi接口访问所述网络位置。204.一种对工业机器组件的振动影响确定标准化严重度指标的方法，包括：从至少一个振动传感器捕获振动数据，所述至少一个振动传感器设置为捕获工业机器的一部分的振动；确定所述捕获振动的频率、峰值幅度和重力；基于所述确定的频率确定多段振动频谱中限定所述捕获振动范围的频率范围特定段；基于所述确定的分段以及所述峰值幅度或重力中的至少一个来计算所述捕获振动数据的振动严重度等级；以及在预测性维护电路中生成信号，以基于所述振动严重度等级对所述工业机器的所述部分执行维护操作。205.根据权利要求204所述的方法，其中所述产生的信号激活所述组件的维护预测的监视状态。206.根据权利要求204所述的方法，其中所述产生的信号激活所述组件的维护预测的重新测量状态。207.根据权利要求204所述的方法，其中所述生成的信号激活所述组件的维护预测的及时操作状态。208.根据权利要求204所述的方法，其中所述产生的信号激活所述组件的维护预测的
立即操作状态。209.根据权利要求204所述的方法，其中所述多段振动频谱包括频率值低于第二分段低端值的第一分段和频率值高于第二分段高端值的第三分段。210.根据权利要求209所述的方法，其中所述低端值和所述高端值中的至少一个根据所述工业机器的所述组件的类型进行配置。211.根据权利要求210所述的方法，其中确定频率范围特定段包括确定所述工业机器的所述组件的类型并调整所述低端值和所述高端值中的至少一个。212.根据权利要求204所述的方法，其中生成用于执行维护操作的信号包括基于对所述捕获振动数据的包络处理对所述振动严重度等级进行加权。213.根据权利要求204所述的方法，其中确定所述捕获振动的频率、峰值幅度和重力包括对所述捕获振动数据进行包络处理并将所述包络处理后的振动数据的至少一个振动峰值映射到所述多段振动频谱。214.根据权利要求204所述的方法，其中所述工业机器的所述一部分包括计算了振动严重度等级的多个组件，其中生成信号是基于为所述多个组件计算的所述振动严重度等级的集合。215.一种用于分析振动数据的系统，包括：图形用户界面；视觉表示，用于表示在所述图形用户界面中渲染的工业机器的至少一部分；以及至少一个视觉指示，用于指示在所述图形用户界面中渲染的所述工业机器的所述一部分的至少一个组件的严重度等级，其中，响应于用户在所述用户界面中对所述视觉指示进行选择，通过激活从所述图形用户界面中的弹出窗口中的组件严重度等级信息的数据集中检索所述至少一个组件的严重度等级信息的功能，在所述图形用户界面中渲染所述视觉指示。216.根据权利要求215所述的系统，其中所述工业机器的所述一部分的所述至少一个组件的所述严重度等级由下列各项确定：在计算设备处从所述移动数据收集器接收表示所述工业机器的所述至少一部分的所述振动的振动数据；所述计算设备通过处理所述捕获振动数据来确定所述捕获振动的频率；所述计算设备基于所述频率确定多段振动频谱中限定所述捕获振动范围的分段；以及所述计算设备基于所述确定的分段为所述捕获振动计算严重度单元。217.根据权利要求216所述的系统，其中基于所述确定的分段为所述捕获振动计算严重度单元包括：基于所述确定的分段将所述捕获振动通过如下方式映射到所述严重度单元：当所述捕获振动的所述频率对应于所述多段振动频谱的低端拐点阈值范围以下时，将所述捕获振动的所述频率映射到第一严重度单元；当所述捕获振动的所述频率对应于所述多段振动频谱的中间范围时，将所述捕获振动的频率映射到第二严重度单元；以及当所述捕获振动的所述频率对应于所述多段振动频谱的高端拐点阈值范围以上时，将所述捕获振动映射到第三严重度单元。
218.根据权利要求215所述的系统，其中所述严重程度等级表示与所述捕获振动数据相关联的状况对所述工业机器的所述部分的所述至少一个组件的影响。219.根据权利要求215所述的系统，其中所述工业机器的所述一部分的所述至少一个组件是移动部件。220.根据权利要求215所述的系统，其中所述工业机器的所述一部分的所述至少一个组件是支撑移动部件的结构构件。221.根据权利要求215所述的系统，其中所述工业机器的所述一部分的所述至少一个组件是电机。222.根据权利要求215所述的系统，其中所述工业机器的所述一部分的所述至少一个组件是驱动轴。223.一种用于确定工业机器部件的振动影响的标准化严重度指标的系统，包括：数据集，其包括从至少一个振动传感器捕获的振动数据，所述至少一个振动传感器设置为捕获工业机器的一部分的振动；振动数据分析电路，用于确定所述捕获振动的频率、峰值幅度和重力；多段振动频谱，其基于所述确定的频率限定所述捕获振动至一频率分段内；振动严重度等级计算电路，其基于所述确定的分段以及所述峰值幅度和所述重力中的至少一个来计算所述捕获振动数据的振动严重度等级；以及预测性维护信号生成电路，其用于基于所述振动严重度等级激活所述工业机器的所述一部分的维护操作信号。224.根据权利要求223所述的系统，其中所述维护操作信号激活所述组件的维护预测的监视状态。225.根据权利要求223所述的系统，其中所述维护操作信号激活所述组件的维护预测的重新测量状态。226.根据权利要求223所述的系统，其中所述维护操作信号激活所述组件的维护预测的及时操作状态。227.根据权利要求223所述的系统，其中所述维护操作信号激活所述组件的维护预测的立即操作状态。228.根据权利要求223所述的系统，其中所述多段振动频谱包括频率值低于第二分段低端值的第一分段和频率值高于第二分段高端值的第三分段。229.根据权利要求228所述的系统，其中所述低端值和所述高端值中的至少一个根据所述工业机器的所述组件的类型进行配置。230.根据权利要求229所述的系统，其中基于所述工业机器的所述组件的类型调整限定所述捕获振动范围的所述多段振动频谱，包括调整所述低端值和所述高端值中的至少一个。231.根据权利要求230所述的系统，其中所述捕获振动数据包括包络处理后的振动数据。232.根据权利要求230所述的系统，其中所述振动数据分析电路还对所述捕获振动数据进行包络处理，并将所述包络处理后的振动数据的至少一个振动峰值映射到所述多段振动频谱。
233.一种用于检测工业机器的运行特征的系统，包括：至少一个数据获取设备，用于获取工业机器的感兴趣点的原始数据；以及计算机视觉系统，其基于获取的原始数据生成一个或多个图像数据集，识别与由所述一个或多个图像数据集表示的所述感兴趣点内的所述工业机器的一部分对应的一个或多个值，将所述一个或多个值与对应预测值进行比较，基于所述一个或多个值与所述对应预测值的所述比较生成方差数据集，基于所述方差数据集中的方差数据检测所述工业机器的运行特征，并生成指示所述运行特征的所述检测的数据。234.根据权利要求233所述的系统，其中，所述运行特征表示与所述工业机器的运行有关的可能存在的或当前发生的问题，所述系统还包括：预测性维护平台，其处理指示所述运行特征的所述检测的所述数据，以识别维护操作，所述维护操作表示可用于预防或解决与所述工业机器的运行有关的可能存在的或当前发生的问题的操作。235.根据权利要求234所述的系统，其中，所述计算机视觉系统生成指示数据的信号，所述数据用于指示所述运行特征的所述检测，其中，所述预测性维护平台基于所述信号预测所述可能存在的或当前发生的问题。236.根据权利要求234所述的系统，还包括：移动数据收集器，用于执行所述维护操作，其中，所述预测性维护平台或所述计算机视觉系统向所述移动数据收集器发送指示所述维护操作的信号，以使所述移动数据收集器执行所述维护操作。237.根据权利要求236所述的系统，其中，所述至少一个数据获取设备获取所述原始数据以响应所述移动数据收集器记录所述工业机器的状态相关测量值的操作。238.根据权利要求237所述的系统，其中，所述工业机器的所述状态相关测量值与使用所述移动数据收集器的至少一个振动传感器获取的所述工业机器的所述至少一部分的振动相关。239.根据权利要求238所述的系统，其中，所述移动数据收集器向所述至少一个数据收集设备或所述计算机视觉系统中的至少一个发送信号，使得所述至少一个数据收集设备获取所述原始数据，其中，所述信号通过以下步骤生成：在计算设备处从所述移动数据收集器接收表示所述工业机器的所述至少一部分的所述振动的振动数据；所述计算设备通过处理所述获取的振动数据来确定所述获取的振动的频率；所述计算设备基于所述频率确定多段振动频谱中限定所述获取的振动范围的分段；所述计算设备基于所述确定的分段为所述获取的振动计算严重度单元；以及使所述移动数据收集器基于所述严重度单元生成所述信号。240.根据权利要求239所述的系统，其中，基于所述确定的分段为所述获取的振动计算严重度单元包括：基于所述确定的分段将所述获取的振动通过如下方式映射到所述严重度单元：当所述获取的振动的所述频率对应于所述多段振动频谱的低端拐点阈值范围以下时，将所述获取的振动映射到第一严重度单元；当所述获取的振动的所述频率对应于所述多段振动频谱的中间范围时，将所述获取的
振动映射到第二严重度单元；以及当所述获取振动的所述频率对应于所述多段振动频谱的高端拐点阈值范围以上时，将所述获取的振动映射到第三严重度单元。241.根据权利要求238所述的系统，其中，所述预测性维护平台使用分布式分类账跟踪与所述工业机器相关的维护交易，所述分布式分类账存储对应于所述维护交易的交易记录。242.根据权利要求241所述的系统，其中，所述预测性维护平台生成新的交易记录以响应所述移动数据收集器发送所述信号的操作。243.根据权利要求241所述的系统，其中，所述预测性维护平台生成新的交易记录以响应所述计算机视觉系统生成指示所述运行特征的所述检测的所述数据的操作。244.根据权利要求238所述的系统，其中，所述移动数据收集器的所述至少一个振动传感器基于从与所述工业机器的所述至少一部分组件相关联的振动包络导出的波形获取所述振动。245.根据权利要求236所述的系统，其中，所述移动数据收集器是移动机器人。246.根据权利要求234所述的系统，其中，所述预测性维护平台使用分布式分类账跟踪与所述工业机器相关的维护交易，所述分布式分类账存储对应于所述维护交易的交易记录。247.根据权利要求246所述的系统，其中，所述预测性维护平台生成新的交易记录以响应所述至少一个数据获取设备获取所述原始数据的操作。248.根据权利要求246所述的系统，其中，所述预测性维护平台生成新的交易记录以响应所述计算机视觉系统生成用于指示所述运行特征的所述检测所述数据的操作。249.根据权利要求234所述的系统，其中，所述预测性维护平台训练机器学习的方面，基于所述运行特征或所述维护操作中的至少一个来检测与所述工业机器的运行相关的所述可能存在或当前发生的问题类似的可能存在或当前发生的问题。250.根据权利要求233所述的系统，还包括：视觉分析器，其包括智能系统，所述智能系统分析指示所述运行特征的所述检测的数据，以通过以下方式训练与所述计算机视觉系统相关联的机器学习的方面：使用训练数据集训练机器学习的方面，所述训练数据集包括如下的一个或多个：所述运行特征、指示所述运行特征的所述检测的数据、所述工业机器的所述感兴趣点的所述原始数据，或所述一个或多个图像数据集。251.根据权利要求250所述的系统，还包括：存储所述训练数据集的训练数据数据库，其中，所述视觉分析器通过从所述训练数据数据库中检索所述训练数据集来训练与所述计算机视觉系统相关联的所述机器学习的方面。252.根据权利要求233所述的系统，其中，所述运行特征包括所述工业机器的组件的振动。253.根据权利要求233所述的系统，其中，所述运行特征包括所述工业机器的组件的形状。254.根据权利要求233所述的系统，其中，所述运行特征包括所述工业机器的组件的尺
寸。255.根据权利要求233所述的系统，其中，所述运行特征包括所述工业机器的组件的偏转。256.根据权利要求233所述的系统，其中，所述运行特征包括所述工业机器的组件的电磁辐射。257.根据权利要求233所述的系统，其中，所述运行特征包括所述工业机器的组件的温度。258.根据权利要求233所述的系统，其中，所述运行特征包括所述工业机器的组件内的气体的温度。259.根据权利要求233所述的系统，其中，所述运行特征包括所述工业机器的组件内的液体的温度。260.根据权利要求233所述的系统，其中，所述运行特征包括所述工业机器的组件内的固体的温度。261.根据权利要求233所述的系统，其中，所述运行特征包括所述工业机器的组件内的压力。262.根据权利要求233所述的系统，其中，所述运行特征包括所述工业机器的组件内的气体压力。263.根据权利要求233所述的系统，其中，所述运行特征包括所述工业机器的组件内的液体的压力。264.根据权利要求233所述的系统，其中，所述运行特征包括所述工业机器的组件内的气体的密度。265.根据权利要求233所述的系统，其中，所述运行特征包括所述工业机器的组件内的液体的密度。266.根据权利要求233所述的系统，其中，所述运行特征包括所述工业机器的组件内的固体的密度。267.根据权利要求233所述的系统，其中，所述运行特征包括由所述工业机器制造的组件的密度。268.根据权利要求267所述的系统，其中，所述组件包括用于车辆的部件。269.根据权利要求267所述的系统，其中，所述组件包括用于自行车的部件。270.根据权利要求267所述的系统，其中，所述组件包括自行车链条。271.根据权利要求267所述的系统，其中，所述组件包括垫圈。272.根据权利要求267所述的系统，其中，所述组件包括紧固件。273.根据权利要求267所述的系统，其中，所述组件包括用于螺钉的部件。274.根据权利要求267所述的系统，其中，所述组件包括用于螺栓的部件。275.根据权利要求267所述的系统，其中，所述组件包括用于印刷电路板的部件。276.根据权利要求267所述的系统，其中，所述组件包括用于电容器的部件。277.根据权利要求267所述的系统，其中，所述组件包括用于电阻器的部件。278.根据权利要求267所述的系统，其中，所述组件包括用于电感器的部件。279.根据权利要求233所述的系统，其中，所述运行特征包括所述工业机器的组件内的
气体的化学结构。280.根据权利要求233所述的系统，其中，所述运行特征包括所述工业机器的组件内的液体的化学结构。281.根据权利要求233所述的系统，其中，所述运行特征包括所述工业机器的组件内的固体的化学结构。282.根据权利要求233所述的系统，其中，所述运行特征包括由所述工业机器制造组件的化学结构。283.根据权利要求282所述的系统，其中，所述组件包括用于车辆的部件。284.根据权利要求282所述的系统，其中，所述组件包括用于自行车的部件。285.根据权利要求282所述的系统，其中，所述组件包括自行车链条。286.根据权利要求282所述的系统，其中，所述组件包括垫圈。287.根据权利要求282所述的系统，其中，所述组件包括紧固件。288.根据权利要求282所述的系统，其中，所述组件包括用于螺钉的部件。289.根据权利要求282所述的系统，其中，所述组件包括用于螺栓的部件。290.根据权利要求282所述的系统，其中，所述组件包括用于印刷电路板的部件。291.根据权利要求282所述的系统，其中，所述组件包括用于电容器的部件。292.根据权利要求282所述的系统，其中，所述组件包括用于电阻器的部件。293.根据权利要求282所述的系统，其中，所述组件包括用于电感器的部件。294.根据权利要求233所述的系统，其中，所述数据获取设备包括图像获取设备。295.根据权利要求233所述的系统，其中，所述数据获取设备包括摄像头。296.根据权利要求233所述的系统，其中，所述数据获取设备包括数据测量设备。297.根据权利要求233所述的系统，其中，所述数据获取设备包括传感器。298.根据权利要求233所述的系统，其中，所述数据获取设备包括全光谱摄像头。299.根据权利要求233所述的系统，其中，所述数据获取设备包括辐射成像设备。300.根据权利要求233所述的系统，其中，所述数据获取设备包括X射线成像设备。301.根据权利要求233所述的系统，其中，所述数据获取设备包括非可见光数据获取设备。302.根据权利要求233所述的系统，其中，所述数据获取设备包括可见光数据获取设备。303.根据权利要求233所述的系统，其中，所述数据获取设备包括声音数据获取设备。304.根据权利要求233所述的系统，其中，所述数据获取设备包括图像获取设备。305.根据权利要求233所述的系统，其中，所述数据获取设备包括光成像、检测和测距设备。306.根据权利要求233所述的系统，其中，所述数据获取设备包括点云数据获取设备。307.根据权利要求233所述的系统，其中，所述数据获取设备包括红外检测设备。308.根据权利要求233所述的系统，其中，所述数据获取设备包括图像获取设备。309.根据权利要求233所述的系统，其中，所述数据获取设备包括压力传感器。310.根据权利要求233所述的系统，其中，所述数据获取设备包括温度传感器。311.根据权利要求233所述的系统，其中，所述数据获取设备包括化学传感器。
312.根据权利要求233所述的系统，其中，所述数据获取设备包括独立设备。313.根据权利要求233所述的系统，其中，所述数据获取设备包括移动设备。314.根据权利要求313所述的系统，其中，所述移动设备包括智能手机。315.根据权利要求313所述的系统，其中，所述移动设备包括平板电脑。316.根据权利要求233所述的系统，其中，所述原始数据包括原始图像数据。317.根据权利要求233所述的系统，其中，所述原始数据包括原始测量数据。318.根据权利要求233所述的系统，其中，所述工业机器的在所述感兴趣点内的所述一部分包括所述工业机器的组件。319.根据权利要求233所述的系统，其中，所述工业机器的在所述感兴趣点内的所述一部分包括所述工业机器的传送带。320.根据权利要求233所述的系统，其中，所述工业机器的在所述感兴趣点内的所述一部分包括由所述工业机器制造的组件。321.根据权利要求233所述的系统，其中，所述工业机器的在所述感兴趣点内的所述一部分包括由所述工业机器制造的自行车链条。322.一种用于检测工业机器的运行特征的方法，包括：使用一个或多个数据获取设备获取的原始数据生成一个或多个图像数据集；识别与所述一个或多个图像数据集表示的与所述工业机器在感兴趣点内的一部分对应的一个或多个值；将所述一个或多个值与对应的预测值进行比较；基于所述一个或多个值与所述对应的预测值的比较来生成方差数据集；基于所述方差数据集中的方差数据识别所述工业机器的运行特征；以及生成指示所述运行特征的检测的数据。323.根据权利要求322所述的方法，其中，所述运行特征表示与所述工业机器的运行有关的可能存在或当前发生的问题，所述方法还包括：识别待执行的维护操作以响应所述识别所述运行特征的操作，所述维护操作表示用于预防或解决与所述工业机器的运行相关的可能存在或当前发生的问题的操作。324.根据权利要求323所述的方法，其中，识别待执行的所述维护操作以响应识别所述运行特征的操作包括：基于所述运行特征预测所述可能存在或当前发生的问题，使用预测性维护。325.根据权利要求323所述的方法，还包括：生成指示所述维护操作的信号；以及向服务器发送所述信号以执行所述维护操作。326.根据权利要求323所述的方法，还包括：生成指示所述维护操作的信号；以及将所述信号发送到移动机器人，以使所述移动机器人执行所述维护操作。327.根据权利要求323所述的方法，其中，基于所述运行特征使用所述预测性维护预测所述可能存在或当前发生的问题包括：基于所述运行特征、代表所述运行特征对所述工业机器的影响的所述严重度以及指示解决所述可能存在或当前发生的问题的优先级的严重度，确定所述可能存在或当前发生的
问题的严重度。328.根据权利要求322所述的方法，其中，获取所述原始数据以响应从用户在所述工业机器的环境中穿戴的可穿戴设备接收到的指令，所述方法还包括：通过将指示所述维护操作的信号传送到所述可穿戴设备，指示所述用户执行所述维护操作。329.根据权利要求322所述的方法，其中，获取所述原始数据以响应从位于所述工业机器的环境中的移动数据收集器接收到的指令，所述方法还包括：通过将指示所述维护操作的信号传送到所述移动数据收集器来启动所述维护操作。330.根据权利要求329所述的方法，其中，所述移动数据收集器是移动机器人。331.根据权利要求322所述的方法，其中，所述一个或多个数据获取设备中的至少一个是包括摄像头的移动设备，所述方法还包括：驱动所述移动设备的所述摄像头获取所述原始数据；以及从所述移动设备向用于生成所述一个或多个图像数据集的计算机视觉系统发送包括所述原始数据的信号。332.根据权利要求322所述的方法，其中，所述运行特征包括所述工业机器的组件的振动。333.根据权利要求322所述的方法，其中，所述运行特征包括所述工业机器的组件的形状。334.根据权利要求322所述的方法，其中，所述运行特征包括所述工业机器的组件的尺寸。335.根据权利要求322所述的方法，其中，所述运行特征包括所述工业机器的组件的偏转。336.根据权利要求322所述的方法，其中，所述运行特征包括所述工业机器的组件的电磁辐射。337.根据权利要求322所述的方法，其中，所述运行特征包括所述工业机器的组件的温度。338.根据权利要求322所述的方法，其中，所述运行特征包括所述工业机器的组件内的气体的温度。339.根据权利要求322所述的方法，其中，所述运行特征包括所述工业机器的组件内的液体的温度。340.根据权利要求322所述的方法，其中，所述运行特征包括所述工业机器的组件内的固体的温度。341.根据权利要求322所述的方法，其中，所述运行特征包括所述工业机器的组件内的压力。342.根据权利要求322所述的方法，其中，所述运行特征包括所述工业机器的组件内的气体压力。343.根据权利要求322所述的方法，其中，所述运行特征包括所述工业机器的组件内的液体的压力。344.根据权利要求322所述的方法，其中，所述运行特征包括所述工业机器的组件内的
气体密度。345.根据权利要求322所述的方法，其中，所述运行特征包括所述工业机器的组件内的液体的密度。346.根据权利要求322所述的方法，其中，所述运行特征包括所述工业机器的组件内的固体的密度。347.根据权利要求322所述的方法，其中，所述运行特征包括由所述工业机器制造的组件的密度。348.根据权利要求347所述的方法，其中，所述组件包括用于车辆的部件。349.根据权利要求347所述的方法，其中，所述组件包括用于自行车的部件。350.根据权利要求347所述的方法，其中，所述组件包括自行车链条。351.根据权利要求347所述的方法，其中，所述组件包括垫圈。352.根据权利要求347所述的方法，其中，所述组件包括紧固件。353.根据权利要求347所述的方法，其中，所述组件包括用于螺钉的部件。354.根据权利要求347所述的方法，其中，所述组件包括用于螺栓的部件。355.根据权利要求347所述的方法，其中，所述组件包括用于印刷电路板的部件。356.根据权利要求347所述的方法，其中，所述组件包括用于电容器的部件。357.根据权利要求347所述的方法，其中，所述组件包括用于电阻器的部件。358.根据权利要求347所述的方法，其中，所述组件包括用于电感器的部件。359.根据权利要求322所述的方法，其中，所述运行特征包括所述工业机器的组件内的气体的化学结构。360.根据权利要求322所述的方法，其中，所述运行特征包括所述工业机器的组件内的液体的化学结构。361.根据权利要求322所述的方法，其中，所述运行特征包括所述工业机器的组件内的固体的化学结构。362.根据权利要求322所述的方法，其中，所述运行特征包括由所述工业机器制造的部件的化学结构。363.根据权利要求362所述的方法，其中，所述组件包括用于车辆的部件。364.根据权利要求362所述的方法，其中，所述组件包括用于自行车的部件。365.根据权利要求362所述的方法，其中，所述组件包括自行车链条。366.根据权利要求362所述的方法，其中，所述组件包括垫圈。367.根据权利要求362所述的方法，其中，所述组件包括紧固件。368.根据权利要求362所述的方法，其中，所述组件包括用于螺钉的部件。369.根据权利要求362所述的方法，其中，所述组件包括用于螺栓的部件。370.根据权利要求362所述的方法，其中，所述组件包括用于印刷电路板的部件。371.根据权利要求362所述的方法，其中，所述组件包括用于电容器的部件。372.根据权利要求362所述的方法，其中，所述组件包括用于电阻器的部件。373.根据权利要求362所述的方法，其中，所述组件包括用于电感器的部件。374.根据权利要求322所述的方法，其中，所述数据获取设备包括图像获取设备。375.根据权利要求322所述的方法，其中，所述数据获取设备包括摄像头。
376.根据权利要求322所述的方法，其中，所述数据获取设备包括数据测量设备。377.根据权利要求322所述的方法，其中，所述数据获取设备包括传感器。378.根据权利要求322所述的方法，其中，所述数据获取设备包括全光谱摄像头。379.根据权利要求322所述的方法，其中，所述数据获取设备包括辐射成像设备。380.根据权利要求322所述的方法，其中，所述数据获取设备包括X射线成像设备。381.根据权利要求322所述的方法，其中，所述数据获取设备包括非可见光数据获取设备。382.根据权利要求322所述的方法，其中，所述数据获取设备包括可见光数据获取设备。383.根据权利要求322所述的方法，其中，所述数据获取设备包括声音数据获取设备。384.根据权利要求322所述的方法，其中，所述数据获取设备包括图像获取设备。385.根据权利要求322所述的方法，其中，所述数据获取设备包括光成像、检测和测距设备。386.根据权利要求322所述的方法，其中，所述数据获取设备包括点云数据获取设备。387.根据权利要求322所述的方法，其中，所述数据获取设备包括红外检测设备。388.根据权利要求322所述的方法，其中，所述数据获取设备包括图像获取设备。389.根据权利要求322所述的方法，其中，所述数据获取设备包括压力传感器。390.根据权利要求322所述的方法，其中，所述数据获取设备包括温度传感器。391.根据权利要求322所述的方法，其中，所述数据获取设备包括化学传感器。392.根据权利要求322所述的方法，其中，所述数据获取设备包括独立设备。393.根据权利要求322所述的方法，其中，所述数据获取设备包含关联的移动设备。394.根据权利要求393所述的方法，其中，所述移动设备包括智能手机。395.根据权利要求393所述的方法，其中，所述移动设备包括平板电脑。396.根据权利要求322所述的方法，其中，所述原始数据包括原始图像数据。397.根据权利要求322所述的方法，其中，所述原始数据包括原始测量数据。398.根据权利要求322所述的方法，其中，所述工业机器在所述感兴趣点内的所述一部分包括所述工业机器的组件。399.根据权利要求322所述的方法，其中，所述工业机器在所述感兴趣点内的所述一部分包括所述工业机器的传送带。400.根据权利要求322所述的方法，其中，所述工业机器在所述感兴趣点内的所述一部分包括由所述工业机器制造的组件。401.根据权利要求322所述的方法，其中，所述工业机器在所述感兴趣点内的所述一部分包括由所述工业机器制造的自行车链条。402.一种用于检测工业机器的运行特征的系统，包括：至少一个图像数据获取设备，用于获取所述工业机器的感兴趣点的原始数据；计算设备，用于使用所述获取的原始数据生成一个或多个图像数据集，其中，与所述感兴趣点相关联的所述工业机器的一部分在所述一个或多个图像数据集中表示；智能系统，基于所述一个或多个图像数据集通过如下方式训练与所述计算设备相关联的机器学习的方面：
将所述一个或多个图像数据集的一个或多个值与对应预测值进行比较；基于所述一个或多个值与所述对应的预测值的比较来生成方差数据集；基于所述方差数据集中的方差数据识别所述工业机器的运行特征；基于所述运行特征是否大于阈值，确定所述运行特征是否在容限内；生成指示所述运行特征的训练数据；以及基于所述训练数据对所述机器学习的方面进行训练。403.根据权利要求402所述的系统，其中，所述智能系统是深度学习系统。404.根据权利要求402所述的系统，其中，所述智能系统包括认知学习模块、人工智能模块以及机器学习模块中的一个或多个。405.根据权利要求402所述的系统，其中，所述训练数据包括与所述工业机器相关联的图像数据和与所述工业机器相关联的非图像数据。406.根据权利要求405所述的系统，其中，所述训练数据存储在与所述工业机器相关联的知识库中。407.根据权利要求406所述的系统，其中，基于来自所述智能系统的输出更新所述知识库。408.一种用于使用可穿戴设备来识别工业环境的目标状态的方法，所述方法包括：使用所述可穿戴设备中的一个或多个传感器记录所述目标的状态相关测量值；通过网络向服务器发送所述状态相关测量值；使用与所述服务器相关联的智能系统依据所述目标的预先记录数据处理所述状态相关测量值，其中，依据所述目标的预先记录数据处理所述状态相关测量值包括在与所述工业环境相关联的知识库内识别所述目标的所述预先记录数据；以及识别由所述知识库内的所述目标的所述预先记录数据指示的状态以作为所述目标的所述状态。409.根据权利要求408所述的方法，还包括：确定所述目标的所述预先记录数据与所述状态相关测量值之间的不同；以及响应于确定的所述不同，基于所述状态相关测量值更新所述知识库。410.根据权利要求409所述的方法，其中，所述知识库包括用于训练所述智能系统的机器学习的方面的训练数据集。411.根据权利要求409所述的方法，其中，所述知识库包括用于训练所述智能系统的人工智能模块的训练数据集。412.根据权利要求409所述的方法，其中，所述知识库包括用于训练所述智能系统的认知功能方面的训练数据集。413.根据权利要求408所述的方法，其中，所述可穿戴设备包括一个传感器。414.根据权利要求408所述的方法，其中，所述可穿戴设备包括多个传感器。415.根据权利要求408所述的方法，其中，所述可穿戴设备是第一可穿戴设备，且所述状态相关测量值是第一状态相关测量值，所述方法还包括：使用第二可穿戴设备记录所述目标的第二状态相关测量值。416.根据权利要求415所述的方法，其中，使用与所述服务器相关联的所述智能系统依据所述目标的所述预先记录数据处理所述状态相关测量值包括：
使用所述智能系统基于所述第一状态相关测量值和所述第二状态相关测量值识别所述预先记录数据。417.根据权利要求415所述的方法，还包括：确定所述第一状态相关测量值与所述第二状态相关测量值之间的不同；以及将所述第一状态相关测量值和所述第二状态相关测量值中的每一个与所述预先记录数据进行比较，以确定所述第一状态相关测量值与所述预先记录数据不同，并且所述第二状态相关测量值与所述预先记录数据一致。418.根据权利要求417所述的方法，还包括：响应于将所述第一状态相关测量值和所述第二状态相关测量值中的每一个与所述预先记录数据进行比较的操作，丢弃所述第一状态相关测量值。419.根据权利要求417所述的方法，还包括：响应于将所述第一状态相关测量值和所述第二状态相关测量值中的每一个与所述预先记录数据进行比较的操作，基于所述第二状态相关测量值更新所述知识库。420.根据权利要求419所述的方法，其中，所述一个或多个传感器包括多个传感器，每个传感器记录状态相关测量值，所述方法还包括：在将所述状态相关测量值发送到所述服务器之前，使用所述可穿戴设备的设备内置传感器融合模块依据所述状态相关测量值执行传感器融合。421.根据权利要求420所述的方法，其中，所述设备内置传感器融合模块是复用器。422.根据权利要求408所述的方法，其中，使用所述可穿戴设备的所述一个或多个传感器记录所述目标的所述状态相关测量值包括：使用主机处理系统来控制所述状态相关测量值的所述记录。423.根据权利要求422所述的方法，其中，所述主机处理系统包含在云计算系统中。424.根据权利要求408所述的方法，其中，使用所述可穿戴设备的所述一个或多个传感器记录所述目标的所述状态相关测量值包括：使用网络编码系统来控制所述状态相关测量值的所述记录。425.根据权利要求408所述的方法，其中，使用所述可穿戴设备的所述一个或多个传感器记录所述目标的所述状态相关测量值包括：使用所述一个或多个传感器按照固定时间间隔重复执行记录所述目标的所述状态相关测量值的操作。426.根据权利要求408所述的方法，其中，通过所述网络将所述状态相关测量值传输到所述服务器包括：从数据收集器向可穿戴设备发送命令；以及使所述可穿戴设备向所述服务器发送所述状态相关测量值以响应所述命令。427.根据权利要求426所述的方法，其中，所述数据收集器按照固定时间间隔将所述命令传输到所述可穿戴设备。428.根据权利要求426所述的方法，其中，所述数据收集器随机地向所述可穿戴设备发送所述命令。429.根据权利要求408所述的方法，其中，通过所述网络将所述状态相关测量值传输到所述服务器包括：
使用与所述可穿戴设备相关联的集体处理设备向所述可穿戴设备发送命令；以及使所述可穿戴设备向所述服务器发送所述状态相关测量值以响应所述命令。430.根据权利要求408所述的方法，其中，使用与所述可穿戴设备相关联的所述集体处理设备将所述命令传输到所述可穿戴设备包括：使用与所述集体处理设备相关联的检测器检测所述目标与所述可穿戴设备的接近度；以及向所述可穿戴设备发送所述命令以响应检测所述接近度的操作。431.根据权利要求408所述的方法，还包括：将所述状态相关测量值存储在数据池中。432.根据权利要求431所述的方法，还包括：向用于实现所述数据池的计算设备发送集体处理设备对所述状态相关测量值的请求，所述请求包括指示所述集体处理设备从所述数据池请求一个或多个状态相关测量值的最后一次的时间戳；确定在所述时间戳之后是否记录了所述状态相关测量值；以及若确定在所述时间戳之后记录了所述状态相关测量值，则将所述状态相关测量值从所述计算设备发送到所述服务器。433.根据权利要求408所述的方法，其中，通过所述网络将所述状态相关测量值传输到所述服务器包括：使用数据收集路由器将所述状态相关测量值从所述可穿戴设备传输到所述服务器。434.根据权利要求408所述的方法，还包括：识别与所述目标的所述状态相关联的维护操作。435.根据权利要求408所述的方法，其中，所述可穿戴设备是集成在工业制服内的多个可穿戴设备中的一个。436.根据权利要求408所述的方法，其中，所述一个或多个传感器包括用于基于关于所述目标被测量得到的振动来记录所述状态相关测量值的传感器。437.根据权利要求408所述的方法，其中，所述一个或多个传感器包括用于基于所述目标被测量得到的温度来记录所述状态相关测量值的传感器。438.根据权利要求408所述的方法，其中，所述一个或多个传感器包括用于基于所述目标被测量得到的电输出来记录所述状态相关测量值的传感器。439.根据权利要求408所述的方法，其中，所述一个或多个传感器包括用于基于所述目标被测量得到的磁输出来记录所述状态相关测量值的传感器。440.根据权利要求408所述的方法，其中，所述一个或多个传感器包括用于基于关于所述目标被测量得到的声音输出来记录所述状态相关测量值的传感器。441.根据权利要求408所述的方法，其中，所述可穿戴设备集成在衣物内。442.根据权利要求441所述的方法，其中，所述衣物是衬衫。443.根据权利要求441所述的方法，其中，所述衣物是背心。444.根据权利要求441所述的方法，其中，所述衣物是夹克。445.根据权利要求441所述的方法，其中，所述衣物是长裤。446.根据权利要求441所述的方法，其中，所述衣物是短裤。
447.根据权利要求441所述的方法，其中，所述衣物是手套。448.根据权利要求441所述的方法，其中，所述衣物是袜子。449.根据权利要求441所述的方法，其中，所述衣物是鞋子。450.根据权利要求441所述的方法，其中，所述衣物是防护外衣。451.根据权利要求441所述的方法，其中，所述衣物是内衣。452.根据权利要求441所述的方法，其中，所述衣物是汗衫。453.根据权利要求441所述的方法，其中，所述衣物是无袖衫。454.根据权利要求408所述的方法，其中，所述可穿戴设备集成在配件物品内。455.根据权利要求454所述的方法，其中，所述配件物品是帽子。456.根据权利要求454所述的方法，其中，所述配件物品是头盔。457.根据权利要求454所述的方法，其中，所述配件物品是眼镜。458.根据权利要求454所述的方法，其中，所述配件物品是护目镜。459.根据权利要求454所述的方法，其中，所述配件物品是视觉安全配件。460.根据权利要求454所述的方法，其中，所述配件物品是面具。461.根据权利要求454所述的方法，其中，所述配件物品是胸带。462.根据权利要求454所述的方法，其中，所述配件物品是皮带。463.根据权利要求454所述的方法，其中，所述配件物品是升降支撑服。464.根据权利要求454所述的方法，其中，所述配件物品是天线。465.根据权利要求454所述的方法，其中，所述配件物品是腕带。466.根据权利要求454所述的方法，其中，所述配件物品是戒指。467.根据权利要求454所述的方法，其中，所述配件物品是项链。468.根据权利要求454所述的方法，其中，所述配件物品是手镯。469.根据权利要求454所述的方法，其中，所述配件物品是手表。470.根据权利要求454所述的方法，其中，所述配件物品是胸针。471.根据权利要求454所述的方法，其中，所述配件物品是颈带。472.根据权利要求454所述的方法，其中，所述配件物品是背包。473.根据权利要求454所述的方法，其中，所述配件物品是胸包。474.根据权利要求454所述的方法，其中，所述配件物品是臂包。475.根据权利要求454所述的方法，其中，所述配件物品是腿包。476.根据权利要求454所述的方法，其中，所述配件物品是挂带。477.根据权利要求454所述的方法，其中，所述配件物品是钥匙环。478.根据权利要求454所述的方法，其中，所述配件物品是耳机。479.根据权利要求454所述的方法，其中，所述配件物品是听力安全配件。480.根据权利要求454所述的方法，其中，所述配件物品是耳塞。481.根据权利要求454所述的方法，其中，所述配件物品是听筒。482.根据权利要求408所述的方法，其中，所述可穿戴设备是集成在衣物内的第一可穿戴设备，其中，所述方法还包括使用集成在配件物品内的第二可穿戴设备。483.根据权利要求408所述的方法，其中，所述一个或多个传感器包括图像传感器，其中，使用所述图像传感器记录所述状态相关测量值的操作由通过所述网络与所述可穿戴设
备通信的摄像头视觉系统控制。484.一种用于识别工业环境的目标状态的系统，所述系统包括：第一可穿戴设备，包括用于记录第一类型状态相关测量值的一个或多个传感器；第二可穿戴设备，包括用于记录第二类型状态相关测量值的一个或多个传感器；以及服务器，其从所述第一可穿戴设备接收所述第一类型状态相关测量值和从所述第二可穿戴设备接收所述第二类型状态相关测量值，所述服务器包括智能系统，用于：依据存储在知识库内的预先记录数据处理所述第一类型状态相关测量值和所述第二类型状态相关测量值，以识别所述目标的所述状态；以及基于所述第一类型状态相关测量值或所述第二类型状态相关测量值中的至少一个更新所述预先记录数据。485.根据权利要求484所述的系统，其中，所述第一可穿戴设备和所述第二可穿戴设备集成在工业制服内。486.根据权利要求484所述的系统，其中，所述第一类型状态相关测量值是基于关于所述目标的被测量得到的振动得到的，所述第二类型状态相关测量值是基于关于所述目标的测量的温度得到的。487.根据权利要求484所述的系统，其中，所述第一类型状态相关测量值是基于关于所述目标的被测量得到的振动得到的，所述第二类型状态相关测量值是基于关于所述目标的测量的电输出得到的。488.根据权利要求484所述的系统，其中，所述第一类型状态相关测量值是基于关于所述目标的被测量得到的振动得到的，所述第二类型状态相关测量值是基于关于所述目标的测量的磁输出得到的。489.根据权利要求484所述的系统，其中，所述第一类型状态相关测量值是基于所述目标的被测量得到的振动得到的，所述第二类型状态相关测量值是基于所述目标的被测量得到的声音输出得到的。490.根据权利要求484所述的系统，其中，所述第一类型状态相关测量值是基于所述目标的被测量得到的温度得到的，所述第二类型状态相关测量值是基于所述目标的被测量得到的电输出得到的。491.根据权利要求484所述的系统，其中，所述第一类型状态相关测量值是基于所述目标的被测量得到的温度得到的，所述第二类型状态相关测量值是基于所述目标的被测量得到的磁输出得到的。492.根据权利要求484所述的系统，其中，所述第一类型状态相关测量值是基于所述目标的被测量得到的温度得到的，所述第二类型状态相关测量值是基于所述目标的被测量得到的声音输出得到的。493.根据权利要求484所述的系统，其中，所述第一类型状态相关测量值是基于所述目标的被测量得到的电输出得到的，所述第二类型状态相关测量值是基于所述目标的被测量得到的磁输出得到的。494.根据权利要求484所述的系统，其中，所述第一类型状态相关测量值是基于所述目标的被测量得到的电输出得到的，所述第二类型状态相关测量值是基于所述目标的被测量得到的声音输出得到的。
495.根据权利要求484所述的系统，其中，所述第一类型状态相关测量值是基于所述目标的被测量得到的磁输出得到的，所述第二类型状态相关测量值是基于所述目标的被测量得到的声音输出得到的。496.根据权利要求484所述的系统，其中，所述智能系统用于：识别与所述目标的所述状态相关联的维护操作。497.根据权利要求484所述的系统，其中，所述第一可穿戴设备的所述一个或多个传感器包括图像传感器，其中，使用所述图像传感器记录所述第一类型的所述状态相关测量值的操作由与所述第一可穿戴设备通信的摄像头视觉系统控制。498.根据权利要求484所述的系统，还包括：集体处理设备，其向所述第一可穿戴设备和所述第二可穿戴设备中的至少一个发送命令。499.根据权利要求498所述的系统，其中，所述集体处理设备包括检测器，所述检测器用于检测所述第一可穿戴设备或所述第二可穿戴设备中的至少一个与所述目标的接近度。500.根据权利要求498所述的系统，其中，所述集体处理设备使用自适应调度来控制使用所述第一可穿戴设备或所述第二可穿戴设备中的所述至少一个对所述目标进行连续监测的操作。501.根据权利要求484所述的系统，其中，所述智能系统用于：响应所述第一类型状态相关测量值和所述第二类型状态相关测量值中的至少一个和所述预先记录数据之间确定的不同，更新所述知识库。502.根据权利要求484所述的系统，其中，所述知识库包括用于训练所述智能系统的机器学习的方面的训练数据集。503.根据权利要求484所述的系统，其中，所述知识库包括用于训练所述智能系统的机器学习的方面的训练数据集。504.根据权利要求484所述的系统，其中，所述知识库包括用于训练所述智能系统的机器学习的方面的训练数据集。505.根据权利要求484所述的系统，其中，所述第一可穿戴设备集成在衣物内，所述第二可穿戴设备集成在配件物品内。506.根据权利要求484所述的系统，其中，所述第一可穿戴设备集成在第一衣物内，所述第二可穿戴设备集成在第二衣物内。507.根据权利要求484所述的系统，其中，所述第一可穿戴设备集成在第一配件物品内，所述第二可穿戴设备集成在第二配件物品内。508.根据权利要求484所述的系统，其中，所述第一可穿戴设备集成在衣物内。509.根据权利要求508所述的系统，其中，所述衣物是衬衫。510.根据权利要求508所述的系统，其中，所述衣物是背心。511.根据权利要求508所述的系统，其中，所述衣物是夹克。512.根据权利要求508所述的系统，其中，所述衣物是长裤。513.根据权利要求508所述的系统，其中，所述衣物是短裤。514.根据权利要求508所述的系统，其中，所述衣物是手套。515.根据权利要求508所述的系统，其中，所述衣物是袜子。
516.根据权利要求508所述的系统，其中，所述衣物是鞋子。517.根据权利要求508所述的系统，其中，所述衣物是防护外衣。518.根据权利要求508所述的系统，其中，所述衣物是内衣。519.根据权利要求508所述的系统，其中，所述衣物是汗衫。520.根据权利要求508所述的系统，其中，所述衣物是无袖衫。521.根据权利要求484所述的系统，其中，所述第一可穿戴设备集成在配件物品内。522.根据权利要求521所述的系统，其中，所述配件物品是帽子。523.根据权利要求521所述的系统，其中，所述配件物品是头盔。524.根据权利要求521所述的系统，其中，所述配件物品是眼镜。525.根据权利要求521所述的系统，其中，所述配件物品是护目镜。526.根据权利要求521所述的系统，其中，所述配件物品是视觉安全配件。527.根据权利要求521所述的系统，其中，所述配件物品是面罩。528.根据权利要求521所述的系统，其中，所述配件物品是胸带。529.根据权利要求521所述的系统，其中，所述配件物品是皮带。530.根据权利要求521所述的系统，其中，所述配件物品是升降支撑服。531.根据权利要求521所述的系统，其中，所述配件物品是天线。532.根据权利要求521所述的系统，其中，所述配件物品是腕带。533.根据权利要求521所述的系统，其中，所述配件物品是戒指。534.根据权利要求521所述的系统，其中，所述配件物品是项链。535.根据权利要求521所述的系统，其中，所述配件物品是手镯。536.根据权利要求521所述的系统，其中，所述配件物品是手表。537.根据权利要求521所述的系统，其中，所述配件物品是胸针。538.根据权利要求521所述的系统，其中，所述配件物品是颈带。539.根据权利要求521所述的系统，其中，所述配件物品是背包。540.根据权利要求521所述的系统，其中，所述配件物品是胸包。541.根据权利要求521所述的系统，其中，所述配件物品是臂包。542.根据权利要求521所述的系统，其中，所述配件物品是腿包。543.根据权利要求521所述的系统，其中，所述配件物品是挂带。544.根据权利要求521所述的系统，其中，所述配件物品是钥匙环。545.根据权利要求521所述的系统，其中，所述配件物品是耳机。546.根据权利要求521所述的系统，其中，所述配件物品是听力安全配件。547.根据权利要求521所述的系统，其中，所述配件物品是耳塞。548.根据权利要求521所述的系统，其中，所述配件物品是听筒。549.一种用于使用移动数据收集器来识别工业环境的目标的状态的方法，所述方法包括：控制所述移动数据收集器接近所述工业环境内的所述目标的位置；使用所述移动数据收集器的一个或多个传感器记录所述目标的状态相关测量值；通过网络向服务器发送所述状态相关测量值；使用与所述服务器相关联的智能系统依据所述目标的预先记录数据处理所述状态相
关测量值，其中，依据所述目标的预先记录数据处理所述状态相关测量值包括在与所述工业环境相关联的知识库内识别所述目标的所述预先记录数据；以及识别由所述知识库内的所述目标的所述预先记录数据指示的状态，将所述预先记录数据指示的状态作为所述目标的所述状态。550.根据权利要求549所述的方法，其中，所述移动数据收集器是移动机器人。551.根据权利要求550所述的方法，其中，所述一个或多个传感器集成在所述移动机器人内。552.根据权利要求550所述的方法，其中，所述一个或多个传感器耦合到所述移动机器人。553.根据权利要求550所述的方法，其中，所述移动机器人是机器手臂。554.根据权利要求550所述的方法，其中，所述移动机器人是安卓机器人。555.根据权利要求550所述的方法，其中，所述移动机器人是小型自主机器人。556.根据权利要求550所述的方法，其中，所述移动机器人是大型自主机器人。557.根据权利要求550所述的方法，其中，所述移动机器人是遥控机器人。558.根据权利要求550所述的方法，其中，所述移动机器人是可编程配置机器人。559.根据权利要求550所述的方法，其中，所述一个或多个传感器集成在所述移动机器人内。560.根据权利要求550所述的方法，其中，所述一个或多个传感器耦合到所述移动机器人。561.根据权利要求549所述的方法，其中，所述移动数据收集器是移动车辆。562.根据权利要求559所述的方法，其中，所述移动车辆是重型机器。563.根据权利要求559所述的方法，其中，所述移动车辆是重型公路工业车辆。564.根据权利要求559所述的方法，其中，所述移动车辆是重型越野工业车辆。565.根据权利要求559所述的方法，其中，所述移动车辆包括工业机器。566.根据权利要求559所述的方法，其中，所述移动车辆包括推土设备。567.根据权利要求559所述的方法，其中，所述移动车辆包括压土设备。568.根据权利要求559所述的方法，其中，所述移动车辆包括牵引设备。569.根据权利要求559所述的方法，其中，所述移动车辆包括起重设备。570.根据权利要求559所述的方法，其中，所述移动车辆包括输送设备。571.根据权利要求559所述的方法，其中，所述移动车辆包括集料生产设备。572.根据权利要求559所述的方法，其中，所述移动车辆包括在混凝土施工中使用的设备。573.根据权利要求559所述的方法，其中，所述移动车辆包括打桩设备。574.根据权利要求559所述的方法，其中，所述移动车辆包括施工设备。575.根据权利要求559所述的方法，其中，所述移动车辆是人员运输车辆。576.根据权利要求559所述的方法，其中，所述移动车辆是无人驾驶车辆。577.根据权利要求549所述的方法，其中，所述移动数据收集器是移动数据收集器群的多个移动数据收集器中的一个。578.根据权利要求577所述的方法，其中，控制所述移动数据收集器接近所述工业环境
内的所述目标的所述位置包括：使用所述移动数据收集器群的自组织系统来控制所述移动数据收集器在所述工业环境内的移动。579.根据权利要求578所述的方法，其中，使用所述移动数据收集器群的所述自组织系统来控制所述移动数据收集器在所述工业环境内的所述移动包括：基于所述多个移动数据收集器中的至少一个其它移动数据收集器的移动来控制所述移动数据收集器在所述工业环境内的所述移动。580.根据权利要求549所述的方法，还包括：确定所述目标的所述预先记录数据与所述状态相关测量值之间的不同；以及响应于确定所述不同的操作，基于所述状态相关测量值更新所述知识库。581.根据权利要求549所述的方法，其中，所述知识库包括用于训练所述智能系统的机器学习的方面的训练数据集。582.根据权利要求549所述的方法，其中，所述知识库包括用于训练所述智能系统的人工智能模块的训练数据集。583.根据权利要求549所述的方法，其中，所述知识库包括用于训练所述智能系统的认知功能方面的训练数据集。584.根据权利要求549所述的方法，其中，所述移动数据收集器包括一个传感器。585.根据权利要求549所述的方法，其中，所述移动数据收集器包括多个传感器。586.根据权利要求549所述的方法，其中，所述移动数据收集器是第一移动数据收集器，所述状态相关测量值是第一状态相关测量值，所述方法还包括：使用第二移动数据收集器记录所述目标的第二状态相关测量值。587.根据权利要求586所述的方法，其中，使用与所述服务器相关联的所述智能系统依据所述目标的所述预先记录数据处理所述状态相关测量值包括：使用所述智能系统基于所述第一状态相关测量值和所述第二状态相关测量值识别所述预先记录数据。588.根据权利要求586所述的方法，还包括：确定所述第一状态相关测量值与所述第二状态相关测量值之间的不同；以及将所述第一状态相关测量值和所述第二状态相关测量值中的每一个与所述预先记录数据进行比较，以确定所述第一状态相关测量值与所述预先记录数据不一致，并且所述第二状态相关测量值与所述预先记录数据一致。589.根据权利要求588所述的方法，还包括：响应于将所述第一状态相关测量值和所述第二状态相关测量值中的每一个与所述预先记录数据进行比较的操作，丢弃所述第一状态相关测量值。590.根据权利要求588所述的方法，还包括：响应于将所述第一状态相关测量值和所述第二状态相关测量值中的每一个与所述预先记录数据进行比较的操作，基于所述第二状态相关测量值更新所述知识库。591.根据权利要求586所述的方法，其中，所述第一移动数据收集器是移动机器人，所述第二移动数据收集器是移动车辆。592.根据权利要求549所述的方法，其中，所述一个或多个传感器包括多个传感器，每
个传感器记录状态相关测量值，所述方法还包括：在将所述状态相关测量值发送到所述服务器之前，使用所述移动数据收集器的设备内置传感器融合模块依据所述状态相关测量值执行传感器融合。593.根据权利要求592所述的方法，其中，所述设备内置传感器融合模块是复用器。594.根据权利要求549所述的方法，还包括：将所述状态相关测量值存储在数据池中。595.根据权利要求549所述的方法，其中，通过所述网络将所述状态相关测量值传输到所述服务器包括：使用数据收集路由器将所述状态相关测量值从所述移动数据收集器传输到所述服务器。596.根据权利要求549所述的方法，还包括：识别与所述目标的所述状态相关联的维护操作。597.根据权利要求549所述的方法，其中，所述一个或多个传感器包括用于基于测量所述目标的振动来记录所述状态相关测量值的传感器。598.根据权利要求549所述的方法，其中，所述一个或多个传感器包括用于基于所述目标被测量到的的温度来记录所述状态相关测量值的传感器。599.根据权利要求549所述的方法，其中，所述一个或多个传感器包括用于基于所述目标的被测量到的电输出来记录所述状态相关测量值的传感器。600.根据权利要求549所述的方法，其中，所述一个或多个传感器包括用于基于所述目标被测量得到的磁输出来记录所述状态相关测量值的传感器。601.根据权利要求549所述的方法，其中，所述一个或多个传感器包括用于基于所述目标的被测量得到的声音输出来记录所述状态相关测量值的传感器。602.根据权利要求549所述的方法，其中，所述一个或多个传感器包括图像传感器，其中，使用所述图像传感器记录所述状态相关测量值由通过所述网络与所述移动数据收集器通信的摄像头视觉系统控制。603.一种用于识别工业环境的目标状态的系统，所述系统包括：第一移动数据收集器，包括用于记录第一类型状态相关测量值的一个或多个传感器；第二移动数据收集器，包括用于记录第二类型状态相关测量值的一个或多个传感器；以及服务器，其从所述第一移动数据收集器接收所述第一类型状态相关测量值，从所述第二移动数据收集器接收所述第二类型状态相关测量值，所述服务器包括智能系统，用于：依据存储在知识库内的预先记录数据处理所述第一类型状态相关测量值和所述第二类型状态相关测量值，以识别所述目标的所述状态；以及基于所述第一类型状态相关测量值或所述第二类型状态相关测量值中的至少一个更新所述预先记录数据。604.根据权利要求603所述的系统，其中，所述第一类型状态相关测量值是基于所述目标的被测量得到的振动得到的，所述第二类型状态相关测量值是基于所述目标被测量得到的温度得到的。605.根据权利要求603所述的系统，其中，所述第一类型状态相关测量值是基于所述目
标被测量得到的振动，所述第二类型状态相关测量值是基于关于所述目标被测量得到的电输出。606.根据权利要求603所述的系统，其中，所述第一类型状态相关测量值是基于所述目标被测量得到的振动得到的，所述第二类型状态相关测量值是基于所述目标被测量得到的磁输出得到的。607.根据权利要求603所述的系统，其中，所述第一类型状态相关测量值是基于所述目标被测量得到的振动得到的，所述第二类型状态相关测量值是基于所述目标被测量得到的声音输出得到的。608.根据权利要求603所述的系统，其中，所述第一类型状态相关测量值是基于所述目标被测量得到的温度得到的，所述第二类型状态相关测量值是基于所述目标被测量得到的电输出得到的。609.根据权利要求603所述的系统，其中，所述第一类型状态相关测量值是基于所述目标被测量得到的温度得到的，所述第二类型状态相关测量值是基于所述目标被测量得到的磁输出得到的。610.根据权利要求603所述的系统，其中，所述第一类型状态相关测量值是基于所述目标被测量得到的温度得到的，所述第二类型状态相关测量值是基于所述目标被测量得到的声音输出得到的。611.根据权利要求603所述的系统，其中，所述第一类型状态相关测量值是基于所述目标被测量得到的电输出得到的，所述第二类型状态相关测量值是基于所述目标被测量得到的磁输出得到的。612.根据权利要求603所述的系统，其中，所述第一类型状态相关测量值是基于所述目标被测量得到的电输出得到的，所述第二类型状态相关测量值是基于关于所述目标被测量得到的声音输出得到的。613.根据权利要求603所述的系统，其中，所述第一类型状态相关测量值是基于所述目标被测量得到的磁输出得到的，所述第二类型状态相关测量值是基于关于所述目标被测量得到的声音输出得到的。614.根据权利要求603所述的系统，其中，所述智能系统用于：识别与所述目标的所述状态相关联的维护操作。615.根据权利要求603所述的系统，其中，所述第一移动数据收集器的所述一个或多个传感器包括图像传感器，其中，使用所述图像传感器记录所述第一类型状态相关测量值的操作由与所述第一移动数据收集器通信的摄像头视觉系统控制。616.根据权利要求603所述的系统，其中，所述智能系统用于：基于所述第一类型状态相关测量值和所述第二类型状态相关测量值中的所述至少一个与所述预先记录数据之间确定的不同更新所述知识库。617.根据权利要求603所述的系统，其中，所述知识库包括用于训练所述智能系统的机器学习的方面的训练数据集。618.根据权利要求603所述的系统，其中，所述知识库包括用于训练所述智能系统的机器学习的方面的训练数据集。619.根据权利要求603所述的系统，其中，所述知识库包括用于训练所述智能系统的机
器学习的方面的训练数据集。620.根据权利要求603所述的系统，其中，所述第一移动数据收集器是移动机器人，所述第二移动数据收集器是移动车辆。621.根据权利要求603所述的系统，其中，所述第一移动数据收集器是第一移动机器人，所述第二移动数据收集器是第二移动机器人。622.根据权利要求603所述的系统，其中，所述第一移动数据收集器是第一移动车辆，所述第二移动数据收集器是第二移动车辆。623.根据权利要求603所述的系统，其中，所述第一移动数据收集器的所述一个或多个传感器集成在所述第一移动数据收集器内，其中，所述第二移动数据收集器的所述一个或多个传感器集成在所述第二移动数据收集器内。624.根据权利要求603所述的系统，其中，所述第一移动数据收集器的所述一个或多个传感器集成在所述第一移动数据收集器内，其中，所述第二移动数据收集器的所述一个或多个传感器耦合到所述第二移动数据收集器。625.根据权利要求603所述的系统，其中，所述第一移动数据收集器的所述一个或多个传感器耦合到所述第一移动数据收集器，其中，所述第二移动数据收集器的所述一个或多个传感器集成在所述第二移动数据收集器内。626.根据权利要求603所述的系统，其中，所述第一移动数据收集器的所述一个或多个传感器耦合到所述第一移动数据收集器，其中，所述第二移动数据收集器的所述一个或多个传感器耦合到所述第二移动数据收集器。627.根据权利要求603所述的系统，其中，所述第一移动数据收集器是移动机器人。628.根据权利要求627所述的系统，其中，所述移动机器人是机器手臂。629.根据权利要求627所述的系统，其中，所述移动机器人是安卓机器人。630.根据权利要求627所述的系统，其中，所述移动机器人是小型自主机器人。631.根据权利要求627所述的系统，其中，所述移动机器人是大型自主机器人。632.根据权利要求627所述的系统，其中，所述移动机器人是遥控机器人。633.根据权利要求627所述的系统，其中，所述移动机器人是可编程配置机器人。634.根据权利要求627所述的系统，其中，所述一个或多个传感器集成在所述移动机器人内。635.根据权利要求627所述的系统，其中，所述一个或多个传感器耦合到所述移动机器人。636.根据权利要求603所述的系统，其中，所述移动数据收集器是移动车辆。637.根据权利要求636所述的系统，其中，所述移动车辆是重型机器。638.根据权利要求636所述的系统，其中，所述移动车辆是重型公路工业车辆。639.根据权利要求636所述的系统，其中，所述移动车辆是重型越野工业车辆。640.根据权利要求636所述的系统，其中，所述移动车辆包括工业机器。641.根据权利要求636所述的系统，其中，所述移动车辆包括推土设备。642.根据权利要求636所述的系统，其中，所述移动车辆包括压土设备。643.根据权利要求636所述的系统，其中，所述移动车辆包括牵引设备。644.根据权利要求636所述的系统，其中，所述移动车辆包括起重设备。
645.根据权利要求636所述的系统，其中，所述移动车辆包括输送设备。646.根据权利要求636所述的系统，其中，所述移动车辆包括集料生产设备。647.根据权利要求636所述的系统，其中，所述移动车辆包括在混凝土施工中使用的设备。648.根据权利要求636所述的系统，其中，所述移动车辆包括打桩设备。649.根据权利要求636所述的系统，其中，所述移动车辆包括施工设备。650.根据权利要求636所述的系统，其中，所述移动车辆是人员运输车辆。651.根据权利要求636所述的系统，其中，所述移动车辆是无人驾驶车辆。652.根据权利要求603所述的系统，其中，所述移动数据收集器是移动数据收集器群的多个移动数据收集器中的一个。653.根据权利要求652所述的系统，其中，控制所述移动数据收集器接近所述工业环境内的所述目标的位置包括：使用所述移动数据收集器群的自组织系统来控制所述移动数据收集器在所述工业环境内的移动。654.根据权利要求653所述的系统，其中，使用所述移动数据收集器群的所述自组织系统来控制所述移动数据收集器在所述工业环境内的所述移动包括：基于所述多个...
【专利技术属性】
技术研发人员：查尔斯，
申请(专利权)人：强力物联网投资组合二零一六有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。