工业设备监测数据预测曲线的生成方法及装置制造方法及图纸

本申请公开一种工业设备监测数据预测曲线的生成方法，应用于预测曲线生成装置，所述方法包括：获取工业设备的监测数据；根据所述监测数据确定初始预测曲线数据集；对所述初始预测曲线数据集进行标准化整形，生成目标预测曲线数据集。该方法提高了工业设备监测数据预测曲线的生成效率，并通过标准化整形保证了生成结果的唯一性。成结果的唯一性。成结果的唯一性。

【技术实现步骤摘要】
工业设备监测数据预测曲线的生成方法及装置


[0001]本方法涉及智能制造行业数据采集
，尤其涉及一种工业设备监测数据预测曲线的生成方法及装置。

技术介绍

[0002]工业设备在生产运行过程中，各种设备传感器会持续产生运行状态监测数据，如温度、高度、湿度、速度、电流、电压等，通过对这些监测数据进行采集、对比和分析，能够随时了解设备的运行状况，及时发现设备运行故障隐患，减少安全事故的发生。
[0003]然而，并不是所有采集到的监测数据都需要进行对比和分析，因为在大部分情况下，设备正常运行时产生的状态监测数据都是常规数据，这些常规数据一般是在设备运行状态未发生变化时产生的，在数值上基本保持不变或者呈周期性规律变化。常规数据对于人们判断设备故障隐患并没有什么帮助，真正对判断设备运障隐患有帮助的，是设备运行状态发生变化或者设备运行出现异常时产生的数据，称之为边界数据，这些边界数据在数值上有明显地前后变化，或者与常规数据相比有明显地偏离。我们只需针对性地精准采集、切取、对比和分析这些边界数据，这样会节省大量的网络传输开销和后台服务算力。
[0004]若要实现对边界数据的精准采集和切取，在数据切取环节就会用到设备运行的预测曲线，预测曲线的作用是作为监测数据的参照基准，判断设备的实际运行曲线与之偏离程度，如果偏离程度“明显”，说明采集到的是边界数据，需要进行切取及后续分析处理；如果偏离程度“不明显”，说明采集到的是常规数据，直接丢弃即可。
[0005]对于预测曲线，其表达形式主要有两种：一种是预测曲线函数形式，如：y = Asin(Bx)，其中：x表示时刻或者时序编号，y表示预测值，A、B为常数，输入函数的时刻x，就能计算得到对应时刻的预测值y；另一种是预测曲线数据集形式，如：[3.00, 3.63, 4.24, 4.82, 5.35, 5.83, 6.24, 6.56, 6.80, 6.95, 7.00,
…
]，输入数据集的时序编号，就能查找得到对应时刻的预测值。以上两种表达形式本质上是一样的，都是根据时刻值计算或查找得到预测值，从适用范围角度，数据集的表达形式适用范围更广，它不受监测数据曲线波形的限制，所以在行业中应用较为普遍。
[0006]工业设备监测数据的预测曲线一般在设备正式投产前预先生成，对于周期性运行的工业设备，目前常用的预测曲线生成方法是“系统采集人工判断”，由专家根据专业经验在设备实际运行的多段曲线中切取一段完整周期的曲线作为预测曲线，该方法应用广泛、过程简单，在设备和监测指标数量不多的情况下，实际应用效果比较好。但随着设备数量和监测指标越来越多，该方法也逐渐显露出以下几点不足：1，预测曲线生成过程不是系统自动完成的，降低了预测曲线生成效率；2，生成的预测曲线数据集在形式上不唯一，例如：同一台交流发电机输出的电流可以认为是形如正弦波的数据集，也可以认为是形如余弦波的数据集，它们在本质上是相同的，只是相位上相差了90度，但在表现形式上，它们是两个互不相同的数据集。

技术实现思路

[0007]本申请提供一种工业设备监测数据预测曲线生成方法及装置，用于解决上述现有技术存在的至少一个技术问题。
[0008]一方面，本申请提供一种工业设备监测数据预测曲线的生成方法，包括：获取工业设备的监测数据；根据所述监测数据确定初始预测曲线数据集；对所述初始预测曲线数据集进行标准化整形，生成目标预测曲线数据集。
[0009]在一些实施例中，所述获取工业设备的监测数据，包括：获取多个时刻的工业设备的多份监测数据，所述多个时刻包括当前时刻和至少一个历史时刻。
[0010]在一些实施例中，所述根据所述监测数据确定初始预测曲线数据集，包括：获取工业设备当前时刻的监测数据；对比当前时刻的监测数据与历史时刻的监测数据是否为匹配数据值，如果是，则在线索表中新增当前时刻的线索；对于上一时刻的线索，判断其当前时刻是否仍然存在匹配数据值，如果是，则此为有效线索，在线索表中合并当前时刻和上一时刻的线索；对于有效线索，判断其有效性是否已经保持了一个完整周期，如果是，则初始预测曲线学习成功。
[0011]在一些实施例中，所述对所述初始预测曲线数据集进行标准化整形，生成目标预测曲线数据集，包括：获取学习到的初始预测曲线数据集；查找初始预测曲线数据集中的最小值；判断初始预测曲线数据集中的最小值是否唯一：如果是，则将唯一最小值对应的时刻作为预测曲线数据集的新起点；如果否，则计算相邻同值最小值之间的时长，对比得到时长的最大值，以最大时长的起始时刻作为预测曲线数据集的新起点；将新起点之前的数据子集移至数据集的尾部；生成经过标准化整形后的目标预测曲线数据集。
[0012]另一方面，本申请提供一种工业设备监测数据预测曲线的生成装置，包括：监测数据获取单元，用于获取工业设备的监测数据；预测曲线学习单元，用于根据所述监测数据确定初始预测曲线数据集；预测曲线整形单元，用于对所述初始预测曲线数据集进行标准化整形，生成目标预测曲线数据集。
[0013]在一些实施例中，所述获取工业设备的监测数据，包括：获取多个时刻的工业设备的多份监测数据，所述多个时刻包括当前时刻和至少一个历史时刻。
[0014]在一些实施例中，所述根据所述监测数据确定初始预测曲线数据集，包括：获取工业设备当前时刻的监测数据；对比当前时刻的监测数据与历史时刻的监测数据是否为匹配数据值，如果是，则
在线索表中新增当前时刻的线索；对于上一时刻的线索，判断其当前时刻是否仍然存在匹配数据值，如果是，则此为有效线索，在线索表中合并当前时刻和上一时刻的线索；对于有效线索，判断其有效性是否已经保持了一个完整周期，如果是，则初始预测曲线学习成功。
[0015]在一些实施例中，所述对所述初始预测曲线数据集进行标准化整形，生成目标预测曲线数据集，包括：获取学习到的初始预测曲线数据集；查找初始预测曲线数据集中的最小值；判断初始预测曲线数据集中的最小值是否唯一：如果是，则将唯一最小值对应的时刻作为预测曲线数据集的新起点；如果否，则计算相邻同值最小值之间的时长，对比得到时长的最大值，以最大时长的起始时刻作为预测曲线数据集的新起点；将新起点之前的数据子集移至数据集的尾部；生成经过标准化整形后的目标预测曲线数据集。
[0016]另一方面，本申请提供一种电子设备，其包括：至少一个处理器，以及与所述至少一个处理器通信连接的存储器，其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行本申请所述的工业设备监测数据预测曲线的生成方法的步骤。
[0017]另一方面，本申请提供一种存储介质，其上存储有计算机程序，其特征在于：该程序被处理器执行时实现本申请所述的工业设备监测数据预测曲线的生成方法的步骤。
[0018]本申请实施例的有益效果在于：在系统采集到监测数据后，自动生成预测曲线，提高了预测曲线生成效率；通过对预测曲线进行标准化整形，保证了生成结果的唯一性。...

【技术保护点】

【技术特征摘要】
1.一种工业设备监测数据预测曲线的生成方法，包括：获取工业设备的监测数据；根据所述监测数据确定初始预测曲线数据集；对所述初始预测曲线数据集进行标准化整形，生成目标预测曲线数据集。2.根据权利要求1所述的方法，其中，所述获取工业设备的监测数据，包括：获取多个时刻的工业设备的多份监测数据，所述多个时刻包括当前时刻和至少一个历史时刻。3.根据权利要求2所述的方法，其中，所述根据所述监测数据确定初始预测曲线数据集，包括：获取工业设备当前时刻的监测数据；对比当前时刻的监测数据与历史时刻的监测数据是否为匹配数据值，如果是，则在线索表中新增当前时刻的线索；对于上一时刻的线索，判断其当前时刻是否仍然存在匹配数据值，如果是，则此为有效线索，在线索表中合并当前时刻和上一时刻的线索；对于有效线索，判断其有效性是否已经保持了一个完整周期，如果是，则初始预测曲线学习成功。4.根据权利要求1所述的方法，其中，所述对所述初始预测曲线数据集进行标准化整形，生成目标预测曲线数据集，包括：获取学习到的初始预测曲线数据集；查找初始预测曲线数据集中的最小值；判断初始预测曲线数据集中的最小值是否唯一：如果是，则将唯一最小值对应的时刻作为预测曲线数据集的新起点；如果否，则计算相邻同值最小值之间的时长，对比得到时长的最大值，以最大时长的起始时刻作为预测曲线数据集的新起点；将新起点之前的数据子集移至数据集的尾部；生成经过标准化整形后的目标预测曲线数据集。5.一种工业设备监测数据预测曲线的生成装置，包括：监测数据获取单元，用于获取工业设备的监测数据；预测曲线学习单元，用于根据所述监测数据确定初始预测曲线数据集；预测曲线整形单元，用于对所述初始预测曲线数据集进行标准化整形，生成目标预测曲线数据集。6.根据权利...

【专利技术属性】
技术研发人员：巩书成，王宝会，刘腾骏，闫俊成，马思成，罗岳琦，韩祁森，
申请(专利权)人：巩书成，
类型：发明
国别省市：