一种基于多元时间序列预测的制造技术

本发明专利技术涉及

【技术实现步骤摘要】
一种基于多元时间序列预测的PLC故障智能诊断维护系统


[0001]本专利技术涉及
PLC
设备故障诊断
，特别涉及一种基于多元时间序列预测的
PLC
故障智能诊断维护系统
。

技术介绍

[0002]工业自动化控制系统中的
PLC
设备起着至关重要的作用，它们负责监测和控制多个工艺参数，确保生产线的正常运行
。PLC
设备的稳定运行对于工业生产的正常进行至关重要
。
一旦
PLC
发生故障，可能导致生产线停机，进而造成工业生产中断和生产效率下降甚至发生严重的安全事故
。
目前，传统的
PLC
故障诊断方法通常依赖于经验丰富的人工操作员进行故障判断和排除
。
这种方法可能会导致故障判断的不准确性
。
其次，依赖于人工操作员进行故障诊断需要更长的时间，延长了故障诊断和维修的周期
。
此外，目前大部分的
PLC
故障检测方法主要基于实时数据的监测和分析
。
这些方法只能告知设备当前状态，并不能提前预测是否会发生故障
。
这使得维护人员往往是在故障已经发生后才采取维修措施，无法事先做好充分准备
。
而且，不同的
PLC
设备之间的运行状态可能有相互关联，
PLC
设备的不同运行状态指标之间也存在关联关系，现有的
PLC
故障检测方法没有考虑到这两方面的联系，而是对单独的
PLC
设备和
PLC
设备的某一运行状态指标进行故障检测
。
[0003]如申请公开号为
CN113741389A
的专利公开了一种
PLC
自动化设备的故障诊断系统，旨在实现从实时数据中检测
PLC
设备的故障
。
该专利技术包括核心综合管理模块
、
实时绘图驱动模块
、
瞬时波形截图模块与分析诊断算法模块，核心综合管理模块接收实时信号；核心综合管理模块与实时绘图驱动模块
、
瞬时波形截图模块
、
分析诊断算法模块都连接；实时绘图驱动模块用于将接收到的实时信号值动态实时显示每个信号的波形曲线，瞬时波形截图模块用于实时截取波形曲线，分析诊断算法模块用于分析实时绘图驱动模块中的波形曲线并输出信号
。
该专利技术提高了可视化程度和自动化程度
。
但是该专利技术仅基于实时数据检测
PLC
设备的故障，无法预测未来
PLC
设备工作时可能发生的故障
。
[0004]如申请公开号为
CN110209110A
的专利公开了一种盾构机再制造的
PLC
故障检测方法，旨在实现盾构机全拆全检
PLC
模块故障检测
。
该专利技术包括工控机
、
分析显示设备
、
数据采集卡输入模块
、
数据采集卡输出模块
、
输入端端子排和输出端端子排；该专利技术通过搭建盾构机
PLC
故障检验测试装置，建立上位机数据采集与分析系统，提出模块故障检测方法，实现盾构机全拆全检
PLC
模块故障检测
。
该专利技术的集成度高，能精确检测各模块参数，能在上位机实时显示并与标准信号曲线做误差分析，分析结果可靠，数据采集稳定性高，数据采集代价低；能同时检测
PLC
模块的8路通道，能实现对各类型的
PLC
模块故障的检测
。
但是该专利技术并没有考虑到不同
PLC
设备
/
模块
、
不同
PLC
数据之间的相关性
。
[0005]公开于该
技术介绍
部分的信息仅仅旨在增加对本专利技术的总体背景的理解，而不应当被视为承认或以任何形式暗示该信息构成已为本领域普通技术人员所公知的现有技术
。

技术实现思路

[0006]针对现有技术的不足，本专利技术的主要目的是提供一种基于多元时间序列预测的
PLC
故障智能诊断维护系统，能够有效解决
技术介绍
中的问题：现有的
PLC
故障检测方法主要基于实时数据的监测和分析，无法提前预测
PLC
设备是否会发生故障，并且现有的
PLC
故障检测方法只对单独的
PLC
设备和
PLC
设备的某一运行状态指标进行故障检测，忽略了设备之间
、
指标之间的关联性
。
本专利技术的具体技术方案如下：
[0007]一种基于多元时间序列预测的
PLC
故障智能诊断维护系统，所述系统包括设备层
、
数据库层和控制层；所述设备层包括与
PLC
设备连接的输入设备
、
输出设备，所述输入设备包括用于测量
PLC
设备运行时的温度的温度传感器，包括用于测量
PLC
设备运行时的环境湿度的湿度传感器，包括用于测量
PLC
设备运行时的噪音水平的噪音测量仪和用于测量
PLC
设备运行时的环境粉尘颗粒浓度的粉尘浓度检测仪，所述输出设备包括用于显示
PLC
设备的运行状态和运行环境是否有异常的显示装置和用于对运行状态和运行环境有异常的
PLC
设备进行预警的设备故障预警装置
,
所述
PLC
设备集成多种通讯端口，支持多种网络协议，能够在不同设备之间快速通讯；所述数据库层用于存储所述系统工作过程中采集的数据
。
[0008]本专利技术的进一步改进在于，所述控制层包括
CPU、
数据预测模块
、
故障检测模块
、
故障预警模块和通讯模块，所述
CPU
用于对所述系统的运行进行管理控制；所述数据预测模块用于预测所述
PLC
设备运行时的各项数据；所述故障检测模块用于根据所述数据预测模块的预测数据，检测预测数据中的故障模式；所述故障预警模块用于在所述故障检测模块检测出预测数据中的故障模式时，通过所述输出设备中的设备故障预警装置，针对发生故障的
PLC
设备进行预警；所述通讯模块用于在所述系统内部构建通讯网络，实现系统内部的数据互传
。
[0009]本专利技术的进一步改进在于，所述温度传感器和噪音测量仪安装在
PLC
设备上，用于测量
PLC
设备在运行时的设备温度和噪音水平
。
[0010]本专利技术的进一步改进在于，所述湿度传感器和粉尘本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于多元时间序列预测的
PLC
故障智能诊断维护系统，其特征在于，所述系统包括设备层
、
数据库层和控制层；所述设备层包括与
PLC
设备连接的输入设备
、
输出设备，所述输入设备包括用于测量
PLC
设备运行时的温度的温度传感器，包括用于测量
PLC
设备运行时的环境湿度的湿度传感器，包括用于测量
PLC
设备运行时的噪音水平的噪音测量仪和用于测量
PLC
设备运行时的环境粉尘颗粒浓度的粉尘浓度检测仪，所述输出设备包括用于显示
PLC
设备的运行状态和运行环境是否有异常的显示装置和用于对运行状态和运行环境有异常的
PLC
设备进行预警的设备故障预警装置；所述数据库层用于存储所述系统工作过程中采集的数据
。2.
根据权利要求1所述的一种基于多元时间序列预测的
PLC
故障智能诊断维护系统，其特征在于，所述控制层包括
CPU、
数据预测模块
、
故障检测模块
、
故障预警模块和通讯模块，所述
CPU
用于对所述系统的运行进行管理控制；所述数据预测模块用于预测所述
PLC
设备运行时的各项数据；所述故障检测模块用于根据所述数据预测模块的预测数据，检测预测数据中的故障模式；所述故障预警模块用于在所述故障检测模块检测出预测数据中的故障模式时，通过所述输出设备中的设备故障预警装置，针对发生故障的
PLC
设备进行预警；所述通讯模块用于在所述系统内部构建通讯网络
。3.
根据权利要求2所述的一种基于多元时间序列预测的
PLC
故障智能诊断维护系统，其特征在于，所述温度传感器和噪音测量仪安装在
PLC
设备上，用于测量
PLC
设备在运行时的设备温度和噪音水平
。4.
根据权利要求3所述的一种基于多元时间序列预测的
PLC
故障智能诊断维护系统，其特征在于，所述湿度传感器和粉尘浓度检测仪安装在
PLC
设备的运行环境中，用于测量
PLC
设备在运行时的环境湿度和环境粉尘颗粒浓度
。5.
根据权利要求4所述的一种基于多元时间序列预测的
PLC
故障智能诊断维护系统，其特征在于，所述输入设备收集
PLC
设备运行时的设备温度数据
、
噪音水平数据
、
环境湿度数据和环境粉尘颗粒浓度数据，所述设备温度数据
、
噪音水平数据
、
环境湿度数据和环境粉尘颗粒浓度数据均为时间序列数据
。6.
根据权利要求5所述的一种基于多元时间序列预测的
PLC
故障智能诊断维护系统，其特征在于，所述数据预测模块包括
PLC
设备数据制备单元
、
第一预测单元和第二预测单元，所述
PLC
设备数据制备单元通过所述输入设备收集
PLC
设备一个运行周期内的数据制备多元时间序列数据集，设有个
PLC
设备，每个
PLC
设备通过所述输入设备总共收集种数据，令第个
PLC
设备的第种数据为，，，其中，，表示维度为的实数空间，表示所述
PLC
设备的一个运行周期所包含的时间步总数，第个设备的第种数据在第个时间步上的值为，所述
PLC
设备数据制备单元根据构建两组多元时间序列数据集，第一组多元时间序列数据集的第个样本由第个
PLC
设备的不同类别数据构成，所述第一组多元时间序列数据集的第个样本表示为矩
阵，，，其中表示维度为的实数空间，其中为所述输入设备收集的
PLC
设备数据类别总数，表示所述
PLC
设备的一个运行周期所包含的时间步总数，第二组多元时间序列数据集的第个样本由不同
PLC
设备的第种数据构成，所述第二组多元时间序列数据集的第个样本表示为矩阵，，，其中表示维度为的实数空间，其中为所述系统所包含的
PLC
设备总数，表示所述
PLC
设备的一个运行周期所包含的时间步总数
。7.
根据权利要求6所述的一种基于多元时间序列预测的
PLC
故障智能诊断维护系统，其特征在于，所述第一预测单元和第二预测单元使用相同结构的多元时间序列预测模型预测所述输入设备收集的
PLC
设备的各项数据，所述第一预测单元基于所述第一组多元时间序列训练数据集训练第一预测单元的多元时间序列预测模型，所述第二预测单元基于所述第二组多元时间序列训练数据集训练第二预测单元的多元时间序列预测模型，所述多元时间序列预测模型的输入数据统一表示为矩阵，，其中表示维度为的实数空间，为中的第列向量，，其中表示维度为的实数空间，表示矩阵中包含的时间序列的行数，表示所述
PLC
设备的一个运行周期所包含的时间步总数，所述多元时间序列预测模型的预测目标是基于生成预测值预测，即使用所述
PLC
设备当前运行周期的数据预测下一个运行周期的数据
。8.
根据权利要求7所述的一种基于多元时间序列预测的
PLC
故障智能诊断维护系统，其特征在于，所述多元时间序列预测模型包括卷积神经网络部分和递归神经网络部分，所述卷积神经网络部分由一层卷积神经网络层构成，所述卷积神经网络层所使用的卷积核的高与输入数据的行数相等，即都为，，其中表示维度为的实数空间，表示矩阵中包含的时间序列的行数，表示所述
PLC
设备的一个运行周期所包含的时间步总数，设所述卷积神经网络层包含个卷积核，第个卷积核对输入数据进行卷积操作后，将输入数据转换成为向量，，其中，表示维度为的实数空间，表示所述
PLC
设备的一个运行周期所包含的时间步总数，该转换过程提取了多元时间序列中不同时间序列的相互依赖关系，所述卷积神经网络层的输出为矩阵，，其中表示维度为的实数空间，为卷积核总数，表示所述
PLC
设备的一个运行周期所包含的时间步总数，所述卷积神经网络层的工作过程为：，其中表示卷积神经网络层运算，的第行为向量，所述卷积神
经网络层的输出矩阵是所述递归神经网络部分的输入
。9.
根据权利要求8所述的一种基于多元时间序列预测的
PLC
故障智能诊断维护系统，其特征在于，所述递归神经网络部分采用

【专利技术属性】
技术研发人员：王善永，吴俊杰，
申请(专利权)人：傲拓科技股份有限公司，
类型：发明
国别省市：