当前位置: 首页 > 专利查询>中南大学专利>正文

基于机理模型及工业物联网的设备异常监测方法及系统技术方案

技术编号:40004342 阅读:33 留言:0更新日期:2024-01-09 04:35
本申请涉及一种基于机理模型及工业物联网的设备异常监测方法及系统,通过根据获取得到的实时设备数据以及对应的历史故障数据,计算两者之间的相似度,先根据预设故障阈值以及相似度判断实时设备数据是否存在异常,且判断出存在那种故障类型,若存在异常,则再采用对应该故障类型的机理模型根据实时设备数据进行异常检测分析,若异常检测分析结果为设备存在异常,则发送对应设备的告警指令。本方法引入机理模型,在提高异常检测的准确性的同时,还通过大数据分析的方式对应历史数据来判断设备是否可能产生异常以及提前预测存在哪种故障类型,在减小计算频次,提高计算性能的同时,有效减短设备的维修时间。

【技术实现步骤摘要】

本申请涉及工业互联网,特别是涉及一种基于机理模型及工业物联网的设备异常监测方法及系统


技术介绍

1、随着数据科学的发展,物联网越来越多的得到广泛的应用,通常利用传感器能够直接得到一些统计和信号特征作为指标,用于状态监控,异常检测。但对于很多设备正常运行本身就会涉及到不同的工况,不同的参数设置,使得所采集的传感器数据也是一直有变化的,而这种变化正是设备本身的物理机理的表现。因此很多情况无法单纯通过传感器的统计和信号特征来预测健康状况。

2、然而,在现有技术中均只能通过传感器接收的设备数据判断设备是否存在故障。但实际上,各设备都会出现多种故障,在接收到设备故障告警后,只能到设备现场才能进一步判断故障类型,并不能提前对故障类型进行预测。这样,也大大延长了维修时间。


技术实现思路

1、基于此,有必要针对上述技术问题,提供一种能够同时提高检测效率和准确性的基于机理模型及工业物联网的设备异常监测方法及系统。

2、一种基于机理模型及工业物联网的设备异常监测方法,所述方法包括:</p>

3、获取本文档来自技高网...

【技术保护点】

1.一种基于机理模型及工业物联网的设备异常监测方法,其特征在于,所述方法包括:

2.根据权利要求1所述的设备异常监测方法,其特征在于,所述根据预设故障阈值以及相似度判断所述实时设备数据是否存在异常包括:

3.基于机理模型及工业物联网的设备异常监测系统,其特征在于,包括设备数据采集模块、数据异常判断模块、机理模型分析模块以及设备异常告警模块;

4.根据权利要求3所述的设备异常监测系统,其特征在于,所述设备异常监测系统还包括:连接在所述设备数据采集模块与所述数据异常判断模块之间的数据处理模块;

5.根据权利要求4所述的设备异常监测系统,其特征在...

【技术特征摘要】

1.一种基于机理模型及工业物联网的设备异常监测方法,其特征在于,所述方法包括:

2.根据权利要求1所述的设备异常监测方法,其特征在于,所述根据预设故障阈值以及相似度判断所述实时设备数据是否存在异常包括:

3.基于机理模型及工业物联网的设备异常监测系统,其特征在于,包括设备数据采集模块、数据异常判断模块、机理模型分析模块以及设备异常告警模块;

4.根据权利要求3所述...

【专利技术属性】
技术研发人员:胡单贺建军涂平金剑梁春峰刘准罗超曹林秦杰
申请(专利权)人:中南大学
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1