一种基于边缘节点的传动设备安全隐患预测方法技术

本发明专利技术提供了一种基于边缘节点的传动设备安全隐患预测方法，上述方法中，控制器针对多套传动设备相同位置组件信息进行采集，针对不同目标检测设备类型，从位移参数

【技术实现步骤摘要】
一种基于边缘节点的传动设备安全隐患预测方法


[0001]本专利技术属于监控
，尤其涉及一种基于边缘节点的传动设备安全隐患预测方法
。

技术介绍

[0002]当前对于传动设备的监测通常是采集参数后由工程师进行人工判定其是否存在安全隐患，或者基于其工作效率判断是否存在故障风险，并且基于模型判断安全隐患大小；上述方法主要依靠经验判断，数据为辅助，智能化程度不高，并且不同地区工况不同，模型适用性需要调整，经过学习后的模型方能够使用，此时安全隐患未及时排查，故障概率增加
。
[0003]因此，亟需一种基于边缘节点的传动设备安全隐患预测方法，能够在同工况下对相同位置组件消耗情况进行排查，通过结合历史数据建立专用模型能够高效利用数据，提前预知设备使用情况，精细化管理设备安全状况
。

技术实现思路

[0004]针对现有技术存在的问题，本专利技术提供一种基于边缘节点的传动设备安全隐患预测方法，上述方法中，控制器针对多套传动设备相同位置组件信息进行采集，针对不同目标检测设备类型，从位移参数
、
磨损
、
温度
、
工作噪音分贝
、
转速中选取合适的参数设置对应类型设备的预测模型，经过基于环境的预处理后，利用所述预测模型进行同工况下同位置组件参数对比，自云端下载同类型设备的全部历史数据后，结合该历史数据，建立专有模型，判定设备安全隐患，本专利技术能够在同工况下对相同位置组件消耗情况进行排查，通过结合历史数据建立专用模型能够高效利用数据，提前预知设备使用情况，精细化管理设备安全状况
。
[0005]所述方法执行如下步骤：
[0006]S1.
多个同型号传动设备
[C1
，
C2
···
Cn]分别与各自现场边缘节点
[L1
，
L2
···
Ln]相连接；
[0007]S2.
在每个传动设备上分别设置温度传感器
、
噪音监测采集传感器
、
位移传感器以及转速传感器；所述噪音监测采集传感器采集所述每个传动设备的工作噪音分贝
[0008]S3.
对传动设备
C1
而言，与所述传动设备
C1
现场边缘节点
L1
周期性收集所述
C1
的温度数据
、
噪音分贝数据
、
唯一数据以及转速数据，并生成温度数据序列
T1、
噪音分贝数据序列
X1、
位移数据序列
W1
以及转速数据序列
Z1
；
[0009]S4.
所述
L1
自云端下载传动设备工作预测模型，并将所述温度数据序列
T1、
所述噪音分贝数据序列
X1、
所述位移数据序列
W1
以及所述转速数据序列
Z1
素数所述自云端下载的传动设备工作预测模型；
[0010]S5.
输出所述
C1
的传动设备工作预测结果
。
[0011]进一步地，
S6.
基于所述
S1
‑
S3
的步骤，获取
[C2
，
C3
···
Cn]对应的
[T2
，
T3
···
Tn]、[X2
，
X3
···
Xn]、[W2
，
W3
···
Wn]、[Z2
，
Z3
···
Zn]。
[0012]进一步地，
S7.[L2
，
L3
···
Ln]分别下载不同传动设备工作预测模型后，将所述
[C2
，
C3
···
Cn]对应的
[T2
，
T3
···
Tn]、[X2
，
X3
···
Xn]、[W2
，
W3
···
Wn]、[Z2
，
Z3
···
Zn]分别输入所下载的模型中，获得所述传动设备
[C2
，
C3
···
Cn]的工作预测结果
。
[0013]进一步地，
S21.
所述传动设备
C1
中，不同传感器之间相对位置与所述传动设备
[C2
，
C3
···
Cn]中不同传感器之间相对位置一致
。
[0014]进一步地，
S31.
所述
C1
的工作温度数据序列
T1
具体为
[t11
，
t12
···
t1m]。
[0015]进一步地，
S32.
所述
C1
的噪音分贝数据序列
X1
具体为
[x11
，
x12
···
x1m]。
[0016]进一步地，
S33.
所述
C1
的位移数据序列
W1
具体为
[w11
，
w12
···
w1m]。
[0017]进一步地，
S33.
所述
C1
的转速数据序列
Z1
具体为
[z11
，
z12
···
z1m]。
[0018]进一步地，所述自云端下载传动设备工作预测模型均具备自学习功能，任一传动设备应用所述模型后输出结果，并将结果直接同步反馈至云端，云端基于所述模型以及所述输出结果对模型进行调整
。
[0019]本专利技术具有的优点：
[0020]1.
通过周期性自动采集工作温度
、
噪音分贝
、
位移以及转速四个参数，经过边缘节点初步评估后，自云端下载传动设备工作预测模型，将所采集到的参数输入模型经过模型运算输出结果，本专利技术方案是两级评估，边缘节点第一级评估，基于评估结果选择不同模型的获取进行第二级评估，能够对传动设备工作情况进行预测，无需人工评估，能够基于具备自学习功能的传动设备工作预测模型自动对传动设备进行工作情况预测
。
[0021]2.
设置中控中心对现场各个边缘设备进行控制，基于各个边缘设备所采集的不同数据进行评估后，设置工作温度
、
噪音分贝
、
位移以及转速四个评估模型，基于不同需求选择不同模型进行工作预测，能够精确管理传本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于边缘节点的传动设备安全隐患预测方法，其特征在于：
S1.
多个同型号传动设备
[C1
，
C2
···
Cn]
分别与各自现场边缘节点
[L1
，
L2
···
Ln]
相连接；
S2.
在每个传动设备上分别设置温度传感器
、
噪音监测采集传感器
、
位移传感器以及转速传感器；所述噪音监测采集传感器采集所述每个传动设备的工作噪音分贝；
S3.
对传动设备
C1
而言，与所述传动设备
C1
现场边缘节点
L1
周期性收集所述
C1
的温度数据
、
噪音分贝数据
、
唯一数据以及转速数据，并生成温度数据序列
T1、
噪音分贝数据序列
X1、
位移数据序列
W1
以及转速数据序列
Z1
；
S4.
所述
L1
自云端下载传动设备工作预测模型，并将所述温度数据序列
T1、
所述噪音分贝数据序列
X1、
所述位移数据序列
W1
以及所述转速数据序列
Z1
素数所述自云端下载的传动设备工作预测模型；
S5.
输出所述
C1
的传动设备工作预测结果
。2.
根据权利要求1所述的一种基于边缘节点的传动设备安全隐患预测方法，其特征在于：
S6.
基于所述
S1
‑
S3
的步骤，获取
[C2
，
C3
···
Cn]
对应的
[T2
，
T3
···
Tn]、[X2
，
X3
···
Xn]、[W2
，
W3
···
Wn]、[Z2
，
Z3
···
Zn]。3.
根据权利要求2所述的一种基于边缘节点的传动设备安全隐患预测方法，其特征在于：
S7.[L2
，
L3
···
Ln]
分别下载不同传动设备工作预测模型后，将所述
[C2
，
...

【专利技术属性】
技术研发人员：陈德木，陈博，陈鉴良，
申请(专利权)人：杭州杰牌传动科技有限公司，
类型：发明
国别省市：