一种工业云服务的机电设备远程维护方法及系统技术方案

本发明专利技术涉及远程运维技术领域，具体提供了一种工业云服务的机电设备远程维护方法及系统，收集机电设备运行时的基础数据，将所述基础数据通过自动识别分析得到机电设备运行数据，通过机电设备运行数据得到机电设备的故障信息，将所述机电设备运行位置数据构建矩阵，并且通过矩阵得到最优维修距离，通过计算得到温度值影响电流值的权重分析比例得到机电设备的故障信息，并对结合视觉传感器对机电设备的故障信息进行判断，得到机电设备的故障信息的更为准确的分析，大大减少了运维人员的工作量，同时通过对机电设备工作间的关联规划路径，也大大减少了运维人员往返运维的工作量。也大大减少了运维人员往返运维的工作量。也大大减少了运维人员往返运维的工作量。

【技术实现步骤摘要】
一种工业云服务的机电设备远程维护方法及系统


[0001]本专利技术涉及远程运维
，具体涉及一种工业云服务的机电设备远程维护方法及系统。

技术介绍

[0002]工业的机电设备区域自动化的同时，机电设备的运维也成为了一种难题，因为机电设备处于长时间运行状态，发生故障的概率较大，且难以预测，而设备都分布于不同的地方，通过设备触发警报信号，再由工程师前往机电设备所在地点进行运维，并且需要现场判断故障区域和故障原因，之后在对机电设备进行运维，这就导致了对工程师的运维要求高，并且需要来回多次进行故障判断，大大增加了运维的时间和难度，且通过现有技术的网络监控也不能保证故障监测的准确性，并且通过现有技术中的故障判断通常依赖于监控对机电设备的外部情况进行初步判断，再到现场进行人为故障分析，这种情况就使得，判断成功率底，还需要具有多年工作经验的工程师才具备故障分析的能力，对工作人员的要求过高，大大增加了机电设备运维的成本，同时机电设备运行环环相扣，进行运维时，大概率也需要对其他的机电设备进行运维，所以运维的路程和顺序没有进行规划就会导致事倍功半，所以亟需一种远程运维方法及系统来解决上述问题。

技术实现思路

[0003]鉴于以上所述现有方法的局限，本专利技术的目的在于提出一种工业云服务的机电设备远程维护方法及系统，以解决现有技术中所存在的一个或多个技术问题，至少提供一种有益的选择或创造条件。
[0004]为了实现上述目的，根据本专利技术的一方面，提供一种工业云服务的机电设备远程维护方法，所述方法包括以下步骤：S100：收集机电设备运行时的基础数据；S200：将所述基础数据通过自动识别分析得到机电设备运行数据；S300：通过机电设备运行数据得到机电设备的故障信息；S400：将所述机电设备运行位置数据构建矩阵，并且通过矩阵得到最优维修距离。
[0005]进一步地，在所述步骤S100中，所述机电设备运行时对机电设备进行监测，并获取机电设备的基础数据，所述机电设备运行时的基础数据包括：机电设备的电流值、机电设备工作的温度值以及机电设备的位置数据，并将所述基础数据收集完成后存储于存储器中，并通过网络交互将存储器中的数据传输至云端。
[0006]优选地，所述机电设备指得是工业机电设备，包括：自动化生产线、工业机器人、自动化电机和窑炉等。
[0007]优选地，进行监测并且获取数据的传感器包括视觉传感器，电流表和温度传感器，所述视觉传感器为工业线阵相机CCD，获取机电设备外部的运行状态，并将收集获得的数据存入存储器中，并将所述数据传入云端，便于运维工程师查看监测数据。
[0008]进一步地，在所述步骤S200中，对收集到的机电设备运行时的基础数据进行计算分析，收集的电流值的瞬时值为，并将收集到的电流值的瞬时值构建集合I，I=[ ]，所述n为当前时刻获取电流值的总数，所述电流值的瞬时值为集合I中的第i位元素，通过计算得到有效电流值，，并记录获取有效电流值时的时刻。
[0009]进一步地，在所述步骤S300中，通过机电设备的电流值和温度值得到所述机电设备的故障信息，并通过故障信息对机电设备进行故障判断，对机电设备进行故障判断的具体方法如下：S301：在机电设备运行时采集机电设备的温度值，并将所述温度值构建具有时间顺序的温度值序列[temp]，将所述温度值序列中的相邻采集点的温度参数进行差值计算，得到温度最小变化值序列[mintemp]，，所述i为温度值序列[temp]和温度最小变化值序列[mintemp]中的第i位数值，所述温度值序列[temp]的数值总量与当前时刻获取电流值的总数均为n，所述温度最小变化值序列[mintemp]的数值总量为n
‑
1，获取温度值序列[temp]的平均值avg（[temp]），并将所述温度值序列的数值与温度值序列[temp]的平均值avg（[temp]）进行差值计算，得到温度波动值序列[flutemp]，，所述温度波动值序列[flutemp]的总数量为n；S302：对所述温度最小变化值序列[mintemp]与温度波动值序列[flutemp]进行相同时刻的对应元素的差值计算,将所述温度波动值序列[flutemp]从开始进行差值计算，得到变化比例序列[chantemp]，，对所述变化比例序列[chantemp]进行判断，若＞0，则将所述加入高波动序列[volah]，若≤0，则将所述加入低波动序列[volal]，将所述高波动序列与所述低波动序列进行标准化处理，并通过温度分析对机电设备的故障进行初步判断；S303：通过机电设备运行时的有效电流值进行判断，通过对有效电流值的实时采集，并将有效电流值构建序列[effec]，将所述有效电流值结合相同采集时刻获取的温度值进行结合分析，并通过计算温度值对有效电流值的影响，计算所述温度值对有效电流值的影响最小值为minimpact，其计算方法为：minimpact= ；计算所述温度值对有效电流值的影响最大值为maximpact，其计算方法为：maximpact= ；ln（）为以自然数e为底的求对数函数，所述为序列[effec]中的第i位数值，所述为低波动序列[volal]中的最大值，所述为低波动序列[volal]中的最小值，所述为低波动序列[volal]中的平均值，所述为高波动序列[volah]中的最大值，所述为高波动序列[volah]中的最小值，所述
为高波动序列[volah]中的平均值，所述为序列[effec]中的最小值，所述；S304：对序列[effec]处于区间[minimpact，maximpact]之间数值进行筛选，并将筛选得到数值根据以大到小的顺序构建异常电流序列[abn]，通过将异常电流序列[abn]中的数值与序列[effec]的平均值mean（[effec]）进行对比，若
‑
mean（[effec]）≥0时，则机电设备仍处于正常运行状态，若
‑
mean（[effec]）＜0时，则转到S305，所述为序列[abn]中的第l位元素；S305：对所述序列[abn]进行重新排序，将序列[abn]的值按从大到小进行排列，并对所述序列[abn]的元素数量进行统计，得到数量为L，通过计算得到温度值影响电流的权重比例，，所述和均为序列[Q]中的元素，分别为序列[Q]中第k位和第k+1位元素，指标权重计算，根据给定的赋值，可以得到温度值对电流值影响对故障信息的权重值，。
[0010]进一步地，通过视觉传感器获取的机电设备的运行的实时图像，并通过所述图像结合网络爬虫技术对所述故障信息进行判断，对每个时刻采集的图像进行故障判断，将发生故障则赋值为1，未发生故障则赋值为0，并获取当前时刻机电设备的有效电流值，并通过所述机电设备生产系数与故障判断构建预测矩阵M，所述预测矩阵M=[]，所述表示为预测矩阵中的第i行和第j列的元素值，所述预测矩阵的行表示检测的有效电流值，监测间隔与监测温度值相同，所以预测矩阵的行总数为n，列则代表着预测矩阵中判断是否发生故障的判断值，将预测矩阵M输入到卷积神经网络模型中，并对模型进行深本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种工业云服务的机电设备远程维护方法，其特征在于，所述方法包括以下步骤：S100：收集机电设备运行时的基础数据；S200：将所述基础数据通过自动识别分析得到机电设备运行数据；S300：通过机电设备运行数据得到机电设备的故障信息；S400：将所述机电设备运行位置数据构建矩阵，并且通过矩阵得到最优维修距离。2.根据权利要求1所述的一种工业云服务的机电设备远程维护方法，其特征在于，在所述步骤S100中，所述机电设备运行时对机电设备进行监测，并获取机电设备的基础数据，所述机电设备运行时的基础数据包括：机电设备的电流值、机电设备工作的温度值以及机电设备的位置数据，并将所述基础数据收集完成后存储于存储器中，并通过网络交互将存储器中的数据传输至云端。3.根据权利要求1所述的一种工业云服务的机电设备远程维护方法，其特征在于，在所述步骤S200中，对收集到的机电设备运行时的基础数据进行计算分析，收集的电流值的瞬时值为 ，并将收集到的电流值的瞬时值构建集合I，I=[
ꢀꢀ
]，所述n为当前时刻获取电流值的总数，所述电流值的瞬时值为集合I中的第i位元素，通过计算得到有效电流值 ，，并记录获取有效电流值时的时刻。4.根据权利要求1所述的一种工业云服务的机电设备远程维护方法，其特征在于，在所述步骤S300中，通过机电设备的电流值和温度值得到所述机电设备的故障信息，并通过故障信息对机电设备进行故障判断，对机电设备进行故障判断的具体方法如下：S301：在机电设备运行时采集机电设备的温度值，并将所述温度值构建具有时间顺序的温度值序列[temp]，将所述温度值序列中的相邻采集点的温度参数进行差值计算，得到温度最小变化值序列[mintemp]，，所述i为温度值序列[temp]和温度最小变化值序列[mintemp]中的第i位数值，所述温度值序列[temp]的数值总量与当前时刻获取电流值的总数均为n，所述温度最小变化值序列[mintemp]的数值总量为n
‑
1，获取温度值序列[temp]的平均值avg（[temp]），并将所述温度值序列的数值与温度值序列[temp]的平均值avg（[temp]）进行差值计算，得到温度波动值序列[flutemp]，，所述温度波动值序列[flutemp]的总数量为n；S302：对所述温度最小变化值序列[mintemp]与温度波动值序列[flutemp]进行相同时刻的对应元素的差值计算,将所述温度波动值序列[flutemp]从 开始进行差值计算，得到变化比例序列[chantemp]， ，对所述变化比例序列[chantemp]进行判断，若 ＞0，则将所述 加入高波动序列[volah]，若 ≤0，则将所述 加入低波动序列[volal]，将所述高波动序列与所述低波动序列进行标准化处理，并通过温度分析对机电设备的故障进行初步判断；S303：通过机电设备运行时的有效电流值进行判断，通过对有效电流值的实时采集，并将有效电流值构建序列[effec]，将所述有效电流值结合相同采集时刻获取的温度值进行
结合分析，并通过计算温度值对有效电流值的影响，计算所述温度值对有效电流值的影响最小值为minimpact，其计算方法为：minimpact=
ꢀꢀ
；计算所述温度值对有效电流值的影响最大值为maximpact，其计算方法为：maximpact=
ꢀꢀ
；ln（）为以自然数e为底的求对数函数，所述 为序列[effec]中的第i位数值，所述为低波动序列[volal]中的最大值，所述为低波动序列[volal]中的最小值，所述为低波动序列[volal]中的平均值，所述为高波动序列[volah]中的最大值，所述为高波动序列[volah]中的最小值，所述 为高波动序列[volah]中的平均值，所述 为序...

【专利技术属性】
技术研发人员：曹萌，陈永洲，周长军，覃树炎，
申请(专利权)人：广州德程智能科技股份有限公司，
类型：发明
国别省市：