基于边云协同计算的工业设备健康状态监测系统及方法技术方案

本发明专利技术公开了一种基于边云协同计算的工业设备健康状态监测系统及方法，该方法包括：边缘计算端读取配置参数，并开始数据采集并缓存，当缓存数据长度达到指定数据长度，则依次执行数据预处理、数据特征提取、数据分析预报警处理，然后将数据上传至云计算端，并清除数据采集中的缓存数据；若云计算端接收的数据为阈值报警信息，则依次进行故障诊断、信息推送与反馈接收、预报警参数校正、样本数据更新；否则，判断是否进行寿命预测；若样本数据量符合模型更新条件，则更新设备故障诊断、寿命预测模型；直至完成设备的健康状态监测任务。本发明专利技术减少了信息传输时间，降低了时间延迟；在保证设备状态实时监测的同时，也保证了故障监测报警的准确性。报警的准确性。报警的准确性。

【技术实现步骤摘要】
基于边云协同计算的工业设备健康状态监测系统及方法


[0001]本专利技术涉及健康状态监测
，特别是一种基于边云协同计算的工业设备健康状态监测系统及方法。

技术介绍

[0002]随着当代工业及科学技术的发展，现代设备发展的一个总体趋势是向复杂化、智能化和自动化方向发展，设备的价值越来越大，企业的投入也越来越多，为了创造充分的经济价值，很多企业都会将设备置于满负荷且连续运行的状态，从而导致很多设备都存在使用频繁、工况恶劣、功率大、负载重、多磨损等问题。若不及时检测，并采取相应的维护方案，不但会减少设备的使用寿命，而且还可能会影响设备的正常运行、造成设备的损坏，甚至引发严重的安全事故。设备运行安全可靠性对国计民生、社会稳定以及国家资源和环境有重要影响,保障设备安全可靠运行的迫切性日益突出，设备服役的安全性及维修保障问题愈发引起重视。
[0003]传统的设备监测方式一般采用传感器对设备运行过程中的参数进行监测，这种方式存在较大的局限性，主要体现对采集的历史数据无法查询和分析处理，提取出有价值的信息。故而设备健康状态检测系统应运而生，从19本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于边云协同计算的工业设备健康状态监测方法，其特征在于，包括以下步骤：步骤1：边缘计算端读取配置参数；步骤2：采集待监测工业设备的数据并缓存，当缓存数据长度达到指定数据长度，则依次执行数据预处理、数据特征提取、数据分析预报警处理，然后将数据上传至云计算端，并清除数据采集中的缓存数据；步骤3：云计算端接收边缘端上传的数据，若接收的数据为阈值报警信息，则依次进行故障诊断、信息推送与反馈接收、预报警参数校正、样本数据更新；否则，判断是否进行寿命预测；步骤4：若样本数据量符合模型更新条件，则更新设备故障诊断、寿命预测模型；否则，不更新设备故障诊断、寿命预测模型；步骤5：循环执行步骤2至步骤4，直至完成待监测工业设备的健康状态监测任务。2.根据权利要求1所述的方法，其特征在于，所述判断是否进行寿命预测包括：若需进行寿命预测，则依次进行寿命预测、信息推送、样本数据更新；否则，执行样本数据更新。3.根据权利要求1所述的方法，其特征在于，所述步骤1包括：边缘计算端的数据采集软件读取云服务器数据库中相应的配置参数；其中，所述配置参数包括采集通道、云服务器的IP、传输端口、采样频率、采集长度、异常报警阈值；所述采集待监测工业设备的数据并缓存包括：通过控制采集箱实时采集待监测工业设备的各项运行数据并缓存；其中，所述各项运行数据包括电流、电压、振动、温度、压力、转速、噪音；所述当缓存数据长度达到指定数据长度，则执行数据预处理，包括：当缓存中数据长度达到2n+1后，边缘计算层开始对海量监测数据进行预处理，剔除无效数据，提取最有价值的数据；其中，所述海量监测数据为连续变量；其中，n为数据长度规则辅助参数，n为大于或等于1的奇数；所述数据特征提取包括时域特征提取和频域特征提取。4.根据权利要求3所述的方法，其特征在于，所述数据预处理包括奇异值剔除、零均值处理和平滑滤波处理；其中，所述奇异值剔除为：若监测数据与其平均值之间的差大于预设标准差的三倍，则清除缓存中对应的数据，并等待数据采集器采集新的数据至缓存中；所述零均值处理为：若无奇异值剔除，则各监测数据分别减去其平均值，对信号进行平移；所述平滑滤波处理为：采用“五点二次平滑”法对零均值处理后所得数据进行平滑处理；所述特征提取包括时域特征提取、频域特征提取和归一化处理；其中，所述时域特征提取为：计算数据的均值、均方差、方根幅值、均方根、最大幅值、偏斜度、峭度、峰值因子、裕度因子；所述频域特征提取为：通过离散傅里叶变换将时域信号转换为对应功率谱，再提取重心频率、均方频率、均方根频率、频率方差、频率标准差；所述归一化处理为：对提取的时域特征数据和频域特征数据进行归一化处理。5.根据权利要求1所述的方法，其特征在于，所述步骤2中的数据分析预报警包括：
步骤21：进行单一特征值核验，若特征值超出配置参数中所设置的预报警阈值，则认定出现阈值报警；步骤22：采用如下公式计算获取到的特征数据向量与配置参数中的m个特征向量之间的平均距离：其中，X为配置特征矩阵，即m个特征向量组成的矩阵，w
i
为第i个特征向量对应权重，Y为获取到的特征向量，xij为特征矩阵X的第i个特征向量的第j个特征值，y
j
为特征向量Y的第j个特征值；步骤23：若步骤22中的平均距离超过配置参数中的特征向量距离报警阈值，则认定出现阈值报警；若出现阈值报警，则判定待监测工业设备运行出现异常，设备现场报警；所述步骤2中的将数据上传至云计算端，包括：将异常信息发送至云服务器数据库中进行保存。6.根据权利要求1所述的方法，其特征在于，所述信息推送与反馈接收包括：当云服务器接收到边缘端发送的阈值报警信息后，将报警信息推送至管理人员与操作人员对应的操作终端，并收集管理人员与操作人员的反馈信息；若发生故障，则存储故障数据至故障表；否则，删除对应故障数据；当设备现场发生故障且系统未识别故障时，操作人员能够直接通过终端上报故障时间、故障设备、故障类型至云服务器，云服务器基于上报的故障信息，抽取对应的特征数据至故障表；所述预报警参数校正包括：当每次发生故障后进行预报警参数校正操作；预报警参数校正指基于已有数据，校正预报警阈值、特征向量参数与特征距离报警阈值。7.根据权利要求6所述的...

【专利技术属性】
技术研发人员：马波涛，胡银燕，倪席军，
申请(专利权)人：成都航天科工大数据研究院有限公司，
类型：发明
国别省市：