一种远程终端管理系统及方法技术方案

本发明专利技术公开了一种远程终端管理系统，通过有效利用多传感器实现对传统监控的优化，借助多个不同类型的传感器获取信息，增加了信息的特征维数，更为全面的从不同角度描述被监测对象。为获取更全面的原始数据，现场设备采集控制模块需要根据需求完成对设备运行状态多特征参数的实时采集，围绕实际需求主要采集参数包括水温、进口压力、出口压力、流量、转速、输入功率和扬程，保证数据的实时性和准确性。本发明专利技术还提供了一种远程终端管理方法，将采集到的多源数据进行综合处理，给屏蔽泵运行状态的准确判断提供有力支持，在终端与服务器数据交互过程中保证数据完整性和通信机密性。过程中保证数据完整性和通信机密性。过程中保证数据完整性和通信机密性。

【技术实现步骤摘要】
一种远程终端管理系统及方法


[0001]本专利技术属于终端管理
，尤其涉及一种远程终端管理系统及方法。

技术介绍

[0002]我国物联网产业发展迅猛，并不断与工业、农业和消费跨界融合，在民生活动中不断创新，智慧家居、智慧汽车等数以万计的智能设备接入网络，形成产品智能化的崭新局面，在行业转型升级中物联网作用液同样明显。无数垂直行业市场在物联网的催动下不断兴起，终端市场需求旺盛，使得物联网不断与行业技术融合，人工智能等技术不断进步。
[0003]远程监控技术作为物联网发展的重要智能产物之一，具有非常广阔的发展前景，近几年，已有不少行业积极发展远程监控系统，以取代曾经监控设备的传统方式，进而获取更准确的设备监测信息。屏蔽泵的绝对无泄漏技术迅速成为工业发展的重要部分，由于工作环境和温度的特殊性，屏蔽泵采用的电子式指针监测器会受到干扰，使用寿命缩短，指针显示不稳定，使得检测器难以正常准确地工作，若对屏蔽泵的检修不及时，很有可能会对叶轮和泵壳造成一定程度的损害，甚至导致机器烧毁而消耗大量维修费用。

技术实现思路

[0004]有鉴于此，本专利技术提供了一种远程终端管理系统及方法，通过对屏蔽泵设备运行状态的监测，需要结合设备周围复杂的信息源，对信息分类后综合分析，实现对运行状态做出更好的判断，将对元数据融合应用于多传感器中，降低了信息的不确定性，提高了信息的利用率，同时也增强了系统的鲁棒性，具体采用以下技术方案来实现。
[0005]第一方面，本专利技术提供了一种远程终端管理系统，包括设备采集控制终端、云服务平台和远程监控终端，设备采集控制终端和远程监控终端向云服务平台发送连接请求，云服务平台响应病接受连接请求病根据需要为其进行数据转发，所述远程监控终端包括：
[0006]实时监测模块，用于实时显示设备的运行状态，以实现特征参数可视化，其中，实时监测模块的界面左侧以报表形式实时显示屏蔽泵运行时水温、进口压力、出口压力、流量、转速、输入功率和扬程的状态参数的数值，界面右侧为动态实时数据曲线图，当实测数据超出对应的参数报警阈值触发报警并生成报警信息；
[0007]数据查询模块，用于对设备的运行状态和报警信息进行记录，当选择屏蔽泵、监测项目和时间后，点击查询对本地数据库查询以获取数据信息，将查询结果反馈给监控模块；
[0008]信息管理模块，用于对设备信息全面、有序的管理，包括增加、删除操作，信息管理模块的主界面显示所有被录入的屏蔽泵的基本信息，其中，基本信息包括屏蔽泵的编号、诶性、供应商、出厂时间和联系方式；
[0009]报警控制模块，用于实现对屏蔽泵运行时的异常情况进行提醒和处理，当实测参数超过阈值时触发报警，界面提示报警相关信息，将故障信息传达至操作人员；
[0010]设置模块，用于设定运行状态各参数阈值，根据运行环境和设备报警标准体系，根据用户的需求调整阈值以设定的阈值范围为基准与实时数据作比较以保证系统正常运行。
[0011]作为上述技术方案的进一步改进，设备采集控制终端通过传感器采集设备运行状态特征参数的原始数据，采用无线通信方式将数据传输至云服务平台，远程监控终端通过订阅主题获取来自采集控制终端的数据，进行显示病存入数据库。
[0012]作为上述技术方案的进一步改进，实时监测模块根据多传感器的数据融合并实时显示设备的运行状态，多传感器数据融合的过程包括：
[0013]输入来源于所测目标多传感器采集到的测量数据得到信号，在对信息融合处理签进行数据筛选，去除信号的噪声和干扰得到预处理信号；
[0014]从原始数据中提取目标的特征数据，特征为任意物理量并对数据配准和关联，采用数据融合算法对各传感器采集的原始测量数据进行合成，获取所测目标的一致性解释和描述，最后输出数据融合结果。
[0015]作为上述技术方案的进一步改进，通过神经网络预测扬程，运行状态特征参数作为输入，扬程作为输出，采用LMBP算法求解运行状态特征参数与扬程的映射，对输出预测和分析，具体过程包括：
[0016]输入值与期望输出值作为网络输入，由输入层进入隐含层，经处理后，传递至输出层，每个层的节点状态对相邻下一层的节点起直接作用，当输出层结果与期望的输出不一致时，计算两者差异并将信号原路返回；
[0017]利用梯度下降算法修正各层神经元节点的权值，对局部神经元节点间的权值进行优化，通过循环往复的学习过程，期间对各层权值和阈值进行修正，直到达到目标程度或学习次数，将输入与输出的映射转变为函数。
[0018]作为上述技术方案的进一步改进，预设训练样本为X
r
＝(x1,x2...x
i
,...x
n
)
T
，输入向量为X＝(X1,X2...X
r
,...X
p
)
T
，期望输出向量为b
r
＝(b1,b2...b
k
...b
l
)
T
，隐含层输出向量为Y
r
＝(y1,y2...y
j
...y
m
)
T
，输出层输出向量为Q
r
＝(Q1,Q2...Q
k
...Q
l
)
T
，输入层到隐含层之间的权值矩阵为V＝(V1,V2...V
j
...V
m
)，隐含层到输出层之间的权值矩阵为W＝(W1,W2...W
k
...W
l
)，正向传播的过程包括：
[0019]隐含层第i个节点的输出，存在其中j＝1,2...m，输出层第k个节点的输出存在输出函数为tansig函数，变化范围为(
‑
1,1)，存在当输出与期望不一致时，存在输出误差E的表达式为将误差展开至隐含层的表达式为将误差定义展开至输入层的表达式为
[0020]输出误差是关于各层权值的函数，修正权值改变误差E的大小，使其接近期望值，当达到预先设置的学习次数或误差E小于等于目标精度e时，计算结束，否则进行反向传播。
[0021]作为上述技术方案的进一步改进，神经网络算法具体学习过程包括：
[0022]初始化各层之间连接权值W
jk
和V
ij
，输入样本X＝(X1,X2...X
r
...X
p
)
T
，将输入样本X经输入层向前传递至隐含层，根据连接权值W
jk
计算隐含层各神经元节点输出Y
k
；
[0023]根据连接权值V
ij
和隐含层输出y
k
计算输出层结果Q
k
，根据输出层实际输出和期望输出b
r
,计算误差E；
[0024]判断误差是否符合目标精度，若符合则停止学习操作，若不符合，进行误本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种远程终端管理系统，其特征在于，包括设备采集控制终端、云服务平台和远程监控终端，设备采集控制终端和远程监控终端向云服务平台发送连接请求，云服务平台响应病接受连接请求病根据需要为其进行数据转发，所述远程监控终端包括：实时监测模块，用于实时显示设备的运行状态，以实现特征参数可视化，其中，实时监测模块的界面左侧以报表形式实时显示屏蔽泵运行时水温、进口压力、出口压力、流量、转速、输入功率和扬程的状态参数的数值，界面右侧为动态实时数据曲线图，当实测数据超出对应的参数报警阈值触发报警并生成报警信息；数据查询模块，用于对设备的运行状态和报警信息进行记录，当选择屏蔽泵、监测项目和时间后，点击查询对本地数据库查询以获取数据信息，将查询结果反馈给监控模块；信息管理模块，用于对设备信息全面、有序的管理，包括增加、删除操作，信息管理模块的主界面显示所有被录入的屏蔽泵的基本信息，其中，基本信息包括屏蔽泵的编号、诶性、供应商、出厂时间和联系方式；报警控制模块，用于实现对屏蔽泵运行时的异常情况进行提醒和处理，当实测参数超过阈值时触发报警，界面提示报警相关信息，将故障信息传达至操作人员；设置模块，用于设定运行状态各参数阈值，根据运行环境和设备报警标准体系，根据用户的需求调整阈值以设定的阈值范围为基准与实时数据作比较以保证系统正常运行。2.根据权利要求1所述的远程终端管理系统，其特征在于，设备采集控制终端通过传感器采集设备运行状态特征参数的原始数据，采用无线通信方式将数据传输至云服务平台，远程监控终端通过订阅主题获取来自采集控制终端的数据，进行显示病存入数据库。3.根据权利要求1所述的远程终端管理系统，其特征在于，实时监测模块根据多传感器的数据融合并实时显示设备的运行状态，多传感器数据融合的过程包括：输入来源于所测目标多传感器采集到的测量数据得到信号，在对信息融合处理签进行数据筛选，去除信号的噪声和干扰得到预处理信号；从原始数据中提取目标的特征数据，特征为任意物理量并对数据配准和关联，采用数据融合算法对各传感器采集的原始测量数据进行合成，获取所测目标的一致性解释和描述，最后输出数据融合结果。4.根据权利要求3所述的远程终端管理系统，其特征在于，通过神经网络预测扬程，运行状态特征参数作为输入，扬程作为输出，采用LMBP算法求解运行状态特征参数与扬程的映射，对输出预测和分析，具体过程包括：输入值与期望输出值作为网络输入，由输入层进入隐含层，经处理后，传递至输出层，每个层的节点状态对相邻下一层的节点起直接作用，当输出层结果与期望的输出不一致时，计算两者差异并将信号原路返回；利用梯度下降算法修正各层神经元节点的权值，对局部神经元节点间的权值进行优化，通过循环往复的学习过程，期间对各层权值和阈值进行修正，直到达到目标程度或学习次数，将输入与输出的映射转变为函数。5.根据权利要求4所述的远程终端管理系统，其特征在于，预设训练样本为X
r
＝(x1,x2...x
i
,...x
n
)
T
，输入向量为X＝(X1,X2...X
r
,...X
p
)
T
，期望输出向量为b
r
＝(b1,b2...b
k
...b
l
)
T
，隐含层输出向量为Y
r
＝(y1,y2...y
j
...y
m
)
T
，输出层输出向量为Q
r
＝(Q1,Q2...Q
k
...Q
l
)
T
，输入层到隐含层之间的权值矩阵为V＝(V1,V2...V
j
...V
m
)，隐含层到输出层
之间的权值矩阵为W＝(W1,W2...W
k

【专利技术属性】
技术研发人员：林乐新，姜小康，周超，张康，
申请(专利权)人：深圳闪回科技有限公司，
类型：发明
国别省市：