一种基于物联网的选煤厂智能化预测维护系统技术方案

本发明专利技术公开了一种基于物联网的选煤厂智能化预测维护系统，包括：物联传感器，用于设备的实时运行数据采集；物联中继器，用于将设备实时运行数据发送到本地服务器存储并上传；智能云端处理平台，用于通过云端嵌入的AI机器学习算法和模型，对设备实时运行数据中设备的各项运行数据进行分析，综合评估设备的运行状态并推送；数字孪生管控平台，用于采用三维激光扫描仪外业扫描技术搭建虚拟选煤厂，实现智能交互功能、监测功能和预警功能，推送预警、报警数据；智能控制客户端，用于接收数据、实时查看工厂运行情况、分析并实现预测性维护与智能控制。本发明专利技术可实现机械设备的预测性维护，提高选煤厂整体运行安全性和可靠性。选煤厂整体运行安全性和可靠性。选煤厂整体运行安全性和可靠性。

【技术实现步骤摘要】
一种基于物联网的选煤厂智能化预测维护系统


[0001]本专利技术涉及一种基于物联网的选煤厂智能化预测维护系统，属于选煤厂智能化控制的


技术介绍

[0002]煤炭是我国的主要能源，也是国家经济的重要支柱。随着选煤技术的发展和进步，煤炭行业在自动化和信息化技术上取得了长足的进步，选煤厂生产自动化的程度变得越来越高；设备的数字化智能管理和维护也变得愈发重要，确保设备能够安全、高效、稳定的运行和生产，是选煤厂实现盈利的必要保障。
[0003]在选煤厂煤炭洗选过程中需要使用多种机械设备，选煤设备在使用过程中经常会出现一些故障，影响选煤设备的使用效率，多数企业选择进行定期的停车检修与维护，但是定期维修所采用的参数往往不是实际情况的反映，因而与实际情况不尽相符，同时，设备的各种情况不同，定期维修难免造成维修过剩和维修不足。维修过剩限制了设备最大潜力的发挥，维修不足则失去了预防性维修的意义。维修过剩与维修不足，都会影响到企业的经济效益。
[0004]因此，急需一种科学的、经济的、合理的维修方法来满足企业发展的需要。

技术实现思路

[0005]本专利技术所要解决的技术问题在于克服现有技术的不足，提供一种基于物联网的选煤厂智能化预测维护系统，通过物联传感器数据采集、云端数据分析、模型交互最终实现机械设备的预测性维护。
[0006]本专利技术具体采用以下技术方案解决上述技术问题：
[0007]一种基于物联网的选煤厂智能化预测维护系统，所述系统基于统计学中TF
‑
IDF方法和符号计算技术，该系统包括：
[0008]物联传感器，用于安装在设备之上，实现设备的实时运行数据采集并将采集的设备实时运行数据传输至物联中继器；
[0009]物联中继器，用于将接收的来自物联传感器采集的设备实时运行数据发送到本地服务器进行存储，并将设备实时运行数据上传至智能云端处理平台；
[0010]智能云端处理平台，用于根据所接收的设备实时运行数据，利用统计学中TF
‑
IDF方法从设备实时运行数据中完成预测核心要素样本提取，并且利用符号计算技术对云端嵌入的AI机器学习算法和模型进行更新与验证，对设备实时运行数据中设备的各项运行数据进行分析，并将以往的设备实时运行数据注入到AI机器学习算法和模型中，完成推理；综合评估设备的运行状态，并将设备实时运行数据、评估的设备运行状态推送至数字孪生管控平台及智能控制客户端；
[0011]数字孪生管控平台，用于采用三维激光扫描仪外业扫描技术搭建虚拟选煤厂，1：1创建选煤厂及设备的三维模型；同时，运用多元化的数据采集技术，实现智能交互功能、监
测功能和预警功能，并报警、预警数据推送至智能控制客户端；
[0012]智能控制客户端，用于接收来自智能云端处理平台发送的设备实时运行数据、评估的设备运行状态，和接收来自数字孪生管控平台推送的报警、预警数据，实时查看工厂运行情况，设备报警及运行曲线；以及，用于根据职位设置不同访问权限，实现审批、工作安排工作，并且生成月度、季度、年度报表，分析设备运行情况和全生命周期，实现预测性维护与智能控制。
[0013]进一步地，作为本专利技术的一种优选技术方案，所述物联传感器包括温度传感器和或振动传感器、压力传感器、电流传感器。
[0014]进一步地，作为本专利技术的一种优选技术方案，所述物联中继器采用无线传输方式。
[0015]进一步地，作为本专利技术的一种优选技术方案，所述智能云端处理平台具体包括：
[0016]根据所接收的设备实时运行数据，其中设备实时运行数据包括影响设备正常运行的关键因素及辅助条件，利用统计学中TF
‑
IDF方法从设备实时运行数据中提取出预测核心要素样本，并传输至AI机器学习算法和模型的数据池；
[0017]所述AI机器学习算法和模型根据提取到的核心要素样本类型作为数据池的训练集进行分区池化处理，包括：引入深度神经网络对数据池训练集分区进行特征识别，进而创建学习要素特征与预测性之间的物理映射机制，完成核心要素预测，获得学习结果并将学习结果作为学习数据集输出；
[0018]并且，利用符号计算技术对云端嵌入的AI机器学习算法和模型进行更新与验证，对设备实时运行数据中设备的各项运行数据进行分析，并将以往的设备实时运行数据注入到AI机器学习算法和模型中，完成推理；同时，基于深度神经网络对学习数据集通过隐性知识和感知进行学习，获得预测数据池训练集分区，最终利用预测函数对预测数据池训练集进行预测，获得预测结果，并且根据该预测结果评估设备健康情况。
[0019]进一步地，作为本专利技术的一种优选技术方案，所述数字孪生管控平台采用三维激光扫描仪外业扫描技术搭建虚拟选煤厂，具体包括：
[0020]1)数字镜像虚拟选煤厂搭建：采用三维激光扫描仪外业扫描技术搭建虚拟选煤厂，1：1创建选煤厂及设备的三维模型，将多元化的数据采集技术运用到虚拟选煤厂搭建中，将选煤厂内部的设备运行、环境、能耗的实时数据，及可读写PLC、监控视频、运行管理系统生产数据统一传入数字孪生管控平台，与数字孪生管控平台进行匹配与融合；
[0021]并且，根据系统特点研究确定针对不同系统的数据采集方式，进行差异化的数据采集，实现整个数字孪生管控平台的数据共享；
[0022]2)建立智能交互功能，包括：建立分布式的数据仓库，在数据仓库中按照选煤厂的业务流程建立准备系统、分选系统、运销系统全厂业务模型及数字模型，匹配3D场景；同时，1：1建立选煤厂及设备的三维模型；
[0023]3)建立动态实时监测功能，包括：动态监测设备信息并实时在数字孪生管控平台上显示，实现定位并重点展示监测设备的具体位置并将该监测设备的单点详细信息展示出来；并且，显示智能云端处理平台所推送的设备实时运行数据、评估的设备运行状态；
[0024]4)建立预警、报警功能，包括：触发预警信号，即时推送预警数据给智能控制客户端，并在数字孪生管控平台中以三维可视化方式展现设备的典型故障，将故障点、产生原因和处理方法结合选煤厂及设备三维模型的位置进行表现，同时根据故障提供报警功能，并
将报警数据推送至智能控制客户端。
[0025]进一步地，作为本专利技术的一种优选技术方案，所述智能控制客户端包括微信小程序及APP。
[0026]本专利技术采用上述技术方案，能产生如下技术效果：
[0027]本专利技术的基于物联网的选煤厂智能化预测维护系统，将各生产系统的底层数据，通过物联网传感器层完成采集后本地存储并上传至智能云端处理平台进行处理，智能云端处理平台基于统计学中TF
‑
IDF方法和符号计算技术进行处理，通过云端嵌入的AI机器学习算法和模型，对设备的各项运行数据进行分析，且利用符号计算技术对云端嵌入的AI机器学习算法和模型进行更新与验证，并且通过分析能够综合评估设备的运行状态；同时，通过搭建选煤厂的数字孪生管控平台，采用三维激光扫描仪外业扫描技术搭建虚拟选煤厂，1：1本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于物联网的选煤厂智能化预测维护系统，其特征在于，所述系统基于统计学中TF
‑
IDF方法和符号计算技术，该系统包括：物联传感器，用于安装在设备之上，实现设备的实时运行数据采集并将采集的设备实时运行数据传输至物联中继器；物联中继器，用于将接收的来自物联传感器采集的设备实时运行数据发送到本地服务器进行存储，并将设备实时运行数据上传至智能云端处理平台；智能云端处理平台，用于根据所接收的设备实时运行数据，利用统计学中TF
‑
IDF方法从设备实时运行数据中完成预测核心要素样本提取，并且利用符号计算技术对云端嵌入的AI机器学习算法和模型进行更新与验证，对设备实时运行数据中设备的各项运行数据进行分析，并将以往的设备实时运行数据注入到AI机器学习算法和模型中，完成推理；综合评估设备的运行状态，并将设备实时运行数据、评估的设备运行状态推送至数字孪生管控平台及智能控制客户端；数字孪生管控平台，用于采用三维激光扫描仪外业扫描技术搭建虚拟选煤厂，1：1创建选煤厂及设备的三维模型；同时，运用多元化的数据采集技术，实现智能交互功能、监测功能和预警功能，并将报警、预警数据推送至智能控制客户端；智能控制客户端，用于接收来自智能云端处理平台发送的设备实时运行数据、评估的设备运行状态，和接收来自数字孪生管控平台推送的报警、预警数据，实时查看工厂运行情况，设备报警及运行曲线；以及，用于根据职位设置不同访问权限，实现审批、工作安排工作，并且生成月度、季度、年度报表，分析设备运行情况和全生命周期，实现预测性维护与智能控制。2.根据权利要求1所述基于物联网的选煤厂智能化预测维护系统，其特征在于，所述物联传感器包括温度传感器和或振动传感器、压力传感器、电流传感器。3.根据权利要求1所述基于物联网的选煤厂智能化预测维护系统，其特征在于，所述物联中继器采用无线传输方式。4.根据权利要求1所述基于物联网的选煤厂智能化预测维护系统，其特征在于，所述智能云端处理平台具体包括：根据所接收的设备实时运行数据，其中设备实时运行数据包括影响设备正常运行的关键因素及辅助条件，利用统计学中TF
‑
IDF方法从设备实时运行数据中提取出预测核心要素样本，并传输至AI机器学习算法和模型的数据池；所述AI机器学习算法...

【专利技术属性】
技术研发人员：曲会东，沈建辉，陈浩，陈楠，魏红磊，訾新立，张九琴，
申请(专利权)人：南京业恒达智能系统股份有限公司，
类型：发明
国别省市：