基于边缘计算终端的锂电池生产设备监控方法及系统技术方案

本发明专利技术公开了一种基于边缘计算终端的锂电池生产设备监控方法、装置及系统，所述方法适用于搭载在电池设备的边缘计算终端，所述边缘计算终端与云端通信，所述方法包括：从所述电池设备采集设备运行数据以及本地持有的历史数据，从所述云端获取监测诊断模型；利用所述监测诊断模型对所述设备运行数据进行监控分析，得到监控结果；将所述监控结果发送给所述云端，以使所述云端根据所述监控结果确定电池设备的状态信息。本发明专利技术可以在设备设置可与云端通信的边缘计算终端，通过边缘计算终端连接传感器采集设备的数据并获取云端的模型，在调用模型对设备数据分析并将结果反馈给云端系统，不但可以减轻云端系统的负担，实现敏感数据不出厂，也可以缩短监控报警时长，避免报警延误的情况。警延误的情况。警延误的情况。

【技术实现步骤摘要】
基于边缘计算终端的锂电池生产设备监控方法及系统


[0001]本专利技术涉及设备检测的
，尤其涉及一种基于边缘计算终端的锂电池生产设备监控方法、装置及系统。

技术介绍

[0002]随着电子科技产品的需求不断增加，其供电电源(例如，锂电池)的需求也随之增加。为了提升锂电池的生产制造效率，一般采用流水线式的生产模式。
[0003]由于锂电池的生产过程对环境要求高且生产设备复杂，因此，需要对各个设备进行实时监控，以保障生产安全。目前常用的监控方法是分别在每个生产设备处加上一台监控设备，再通过后台的云端控制系统与每一台监控设备进行通信，由监控设备检测生产设备的实时数据并反馈给云端控制系统，供云端控制系统进行监控分析，以实现实时监控的效果。
[0004]但目前常用的方法有如下技术问题：由于生产涉及的设备数量较多，而不同生产商的设备的数据格式不同、接口也不同，导致云端控制系统需要对各个数据进行转换更改才能进行数据分析，不但增加了云端控制系统的数据处理负担，而且可能出现对在先正常数据进行处理而占用在后异常数据资源的情况，进而在后异常数据无法及时进行处理，增加了报警时长，耽误了监控报警。

技术实现思路

[0005]本专利技术提出一种基于边缘计算终端的锂电池生产设备监控方法、装置及系统，所述方法可以在设备布置可与云端通信的边缘计算终端，通过边缘计算终端采集设备数据以及获取云端的模型，调用模型对设备数据分析并将结果反馈给云端系统，不但可以减轻云端系统的负担，也可以缩短监控报警时长，避免报警延误的情况。
[0006]本专利技术实施例的第一方面提供了一种基于边缘计算终端的锂电池生产设备监控方法，所述方法适用于搭载在电池设备的边缘计算终端，所述边缘计算终端与云端通信，所述方法包括：
[0007]从所述电池设备采集设备数据以及从所述云端获取监测诊断模型，其中，所述设备数据包括设备本地持有的历史数据和设备运行时的运行数据；
[0008]利用所述监测诊断模型对所述设备数据进行监控分析，得到监控结果；
[0009]将所述监控结果发送给所述云端，以使所述云端根据所述监控结果确定电池设备的状态信息。
[0010]在第一方面的一种可能的实现方式中，所述利用所述监测诊断模型对所述设备数据进行监控分析，得到监控结果，包括：
[0011]对所述设备数据进行预处理得到处理数据，所述预处理包括：协议转换、清洗、提取和降维；
[0012]基于预设的故障特征从所述处理数据中提取特征数据；
[0013]将所述特征数据输入至所述监测诊断模型进行监控分析，得到监控结果。
[0014]在第一方面的一种可能的实现方式中，在所述将所述特征数据输入至所述监测诊断模型进行监控分析，得到监控结果的步骤后，所述方法还包括：
[0015]按照深度学习方法，采用所述监控结果与所述特征数据对所述监测诊断模型进行预测优化训练，得到预测模型。
[0016]在第一方面的一种可能的实现方式中，在所述得到预测模型的步骤后，所述方法还包括：
[0017]将所述设备数据输入至所述预测模型进行电池设备的健康预测分析，得到预测结果，并将所述预测结果发送给所述云端。
[0018]在第一方面的一种可能的实现方式中，所述监测诊断模型的训练过程，包括：
[0019]获取局部私有数据，所述局部私有数据为所述边缘计算终端所设置的电池设备的设备参数，所述设备参数包括：设备震动参数、设备电机参数、设备环境参数；
[0020]采用所述局部私有数据对模型进行本地训练得到训练参数；
[0021]将所述训练参数发送给所述云端，以使所述云端按照联邦学习算法采用多个所述训练参数进行加权聚合，并采用加权聚合后的训练参数更新全局模型，得到监测诊断模型。
[0022]在第一方面的一种可能的实现方式中，所述云端根据所述监控结果确定电池设备的状态信息，包括：
[0023]当所述监控结果为故障告警时，按照预设的预警规则向用户推送预警消息。
[0024]本专利技术实施例的第二方面提供了一种基于边缘计算终端的锂电池生产设备监控装置，所述装置适用于搭载在电池设备的边缘计算终端，所述边缘计算终端与云端通信，所述装置包括：
[0025]获取模块，用于从所述电池设备采集设备数据以及从所述云端获取监测诊断模型，其中，所述设备数据包括设备本地持有的历史数据和设备运行时的运行数据；
[0026]分析模块，用于利用所述监测诊断模型对所述设备数据进行监控分析，得到监控结果；
[0027]发送模块，用于将所述监控结果发送给所述云端，以使所述云端根据所述监控结果确定电池设备的状态信息。
[0028]本专利技术实施例的第三方面提供了一种基于边缘计算终端的锂电池生产设备监控系统，所述系统包括：云端和多个边缘计算终端，所述边缘计算终端执行如上所述的基于边缘计算终端的锂电池生产设备监控方法；
[0029]每个所述边缘计算终端为一个边缘节点，通过所述边缘节点收集并存储电池设备的数据，以使所述云端与多个所述边缘计算终端形成分布式框架。
[0030]相比于现有技术，本专利技术实施例提供的一种基于边缘计算终端的锂电池生产设备监控方法、装置及系统，其有益效果在于：本专利技术可以在设备设置可与云端通信的边缘计算终端，通过边缘计算终端连接传感器采集设备的数据并获取云端的模型，在调用模型对设备数据分析并将结果反馈给云端系统，不但可以减轻云端系统的负担，实现敏感数据不出厂，也可以缩短监控报警时长，避免报警延误的情况。
附图说明
[0031]图1是本专利技术一实施例提供的一种基于边缘计算终端的锂电池生产设备监控方法的流程示意图；
[0032]图2是本专利技术一实施例提供的一种基于边缘计算终端的锂电池生产设备监控方法的操作流程图；
[0033]图3是本专利技术一实施例提供的一种基于边缘计算终端的锂电池生产设备监控装置的结构示意图。
[0034]图4是本专利技术一实施例提供的一种基于边缘计算终端的锂电池生产设备监控系统的结构示意图。
[0035]图5是本专利技术一实施例提供的一种基于边缘计算终端的锂电池生产设备监控系统的网络连接拓扑图；
[0036]图6是本专利技术一实施例提供的边缘计算终端的功能框架图；
[0037]图7是本专利技术一实施例提供的边缘计算终端的操作流程示意图。
具体实施方式
[0038]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0039]为了解决上述问题，下面将通过以下具体的实施例对本申请实施例提供的一种基于边缘计算终端的锂电池生产设备监控方法进行详细介绍和说明。
[0040]参照图1，示出了本专利技术一实施例提供的一种基于边缘计算终端的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于边缘计算终端的锂电池生产设备监控方法，其特征在于，所述方法适用于搭载在电池设备的边缘计算终端，所述边缘计算终端与云端通信，所述方法包括：从所述电池设备采集设备数据以及从所述云端获取监测诊断模型，其中，所述设备数据包括设备本地持有的历史数据和设备运行时的运行数据；利用所述监测诊断模型对所述设备数据进行监控分析，得到监控结果；将所述监控结果发送给所述云端，以使所述云端根据所述监控结果确定电池设备的状态信息。2.根据权利要求1所述的基于边缘计算终端的锂电池生产设备监控方法，其特征在于，所述利用所述监测诊断模型对所述设备数据进行监控分析，得到监控结果，包括：对所述设备数据进行预处理得到处理数据，所述预处理包括：协议转换、清洗、提取和降维；基于预设的故障特征从所述处理数据中提取特征数据；将所述特征数据输入至所述监测诊断模型进行监控分析，得到监控结果。3.根据权利要求2所述的基于边缘计算终端的锂电池生产设备监控方法，其特征在于，在所述将所述特征数据输入至所述监测诊断模型进行监控分析，得到监控结果的步骤后，所述方法还包括：按照深度学习方法，采用所述监控结果与所述特征数据对所述监测诊断模型进行预测优化训练，得到预测模型。4.根据权利要求3所述的基于边缘计算终端的锂电池生产设备监控方法，其特征在于，在所述得到预测模型的步骤后，所述方法还包括：将所述设备数据输入至所述预测模型进行电池设备的健康预测分析，得到预测结果，并将所述预测结果发送给所述云端。5.根据权利要求1
‑
4任意一项所述的基于边缘计算终端的锂电池生产设备监控方法，其特征在于，所述监测诊断模型的训练过程，包括：获取局部私有数据，所述局部私有数据为所述边缘计算终端所设置的电池设备的设备参数，所述设备参数包括：设备震动参数、设备电机参数、设备环境参数；采用所述局部私有数据对模型进行本地训练得到训练参数；将所述训练参数发送给所述云端，以使...

【专利技术属性】
技术研发人员：苑明哲，王文洪，李硕，肖金超，张文化，黄飞鹏，曹飞道，魏金洋，
申请(专利权)人：广州工业智能研究院广东德尔智慧科技股份有限公司，
类型：发明
国别省市：