【技术实现步骤摘要】
一种基于工业场景数据趋势预测的方法、系统、计算机设备及存储介质
[0001]本专利技术涉及工业互联网数字化
,特别指一种基于工业场景数据趋势预测的方法
、
系统
、
计算机设备及存储介质
。
技术介绍
[0002]在传统的工业设备领域,一般根据设备维修手册结合操作人员的维护经验,定期监控监测工业设备的运转情况进行维护保养,但这种方式有时候难以及时发现问题,并且频繁的维修保养对设备的长期可靠运行也有影响
。
随着工业互联网技术的发展,特别是大数据
、
云存储及智能化技术的发展,使得越来越多的算法技术应用于工业互联网领域,预测性维护保养逐渐成为一种较为可靠和精准的维护手段,对于传统工业设备的预防维护逐渐上升到预测性维护,而在预测性维护中,合理使用和形成工业数据的趋势预测是准确开展预测性维护的前提,通过对工业数据的预测分析,得出工业设备未来可能存在的问题,并且提前感知设备的状态,进而保障生产设备的持续稳定运行
。
现有技术中预测性维护方法多采用工业设备本身的数据,但是伴随运行时间增加,影响工业设备稳定性因素越来越多,单从设备本身的数据很难判定设备未来设备数据的趋势
。
此外,现有技术中多采用如神经网络算法等单一化算法进行预测性计算,这种方式得出的数据趋势预测与实际数据往往会有很大偏差,对于预测的准确性达不到预想的要求
。
技术实现思路
[0003]为了解决现有技术中预测性维护方法不够准确,数 ...
【技术保护点】
【技术特征摘要】
1.
一种基于工业场景数据趋势预测的方法,其特征在于,包括以下步骤:步骤
01
:收集工业设备的变量因子,所述变量因子用于表示可以影响预测性数据趋势和结果的工业设备数据和环境数据;步骤
02
:对变量因子进行筛选和处理的标准化,筛除其中的异常数据,经统一处理后形成标准的数据格式;步骤
03
:将标准化后的变量因子导入到标准预测数据模型中,形成实际混合数据模型;步骤
04
:在混合数据模型下对变量因子进行训练并生产数据趋势结果;步骤
05
:将数据趋势结果与工业设备实际运行结果进行比较,确定偏差量,如偏差量大于预设阈值,重复执行步骤
03.
如偏差量小于预设阈值,执行步骤
06
;步骤
06
:完成预测,生成预测结果数据趋势图
。2.
如权利要求1所述的基于工业场景数据趋势预测的方法,其特征在于,工业设备数据包括工业设备本身的温感
、
电流
、
电压
、
压力
、
流量
、
湿度参数,环境数据包括环境温度
、
环境湿度
、
大气压力
、
外部电压和电流数据参数
。3.
如权利要求1所述的基于工业场景数据趋势预测的方法,其特征在于,其中,剔除不合理极端数据的步骤为:对照工业设备的出厂数据和历史经验数据,计算所述变量因子的数据分布情况,剔除3个标准差之外的数据
。4.
如权利要求3所述的基于工业场景数据趋势预测的方法,其特征在于,所述数据格式中包括时间信息
、
地理位置信息
、
经纬度信息
、
采集位置信息
、
采集者信息
、
设备信息,所述数据格式用于匹配不同的数据模型和工业场景
。5.
如权利要求1所述的基于工业场景数据趋势预测的方法,其特征在于,所述步骤
02
中还包括有数据权重设置步骤,综合时间<...
【专利技术属性】
技术研发人员:桂来军,曹明晓,
申请(专利权)人:上海思询信息科技有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。