【技术实现步骤摘要】
本专利技术涉及数据处理、神经网络等领域，尤其涉及一种针对设备运行状态的数据处理方法、系统、装置及设备。
技术介绍
1、目前，如何实现对厂区内设备的生产过程进行有效监控以及运维一直是研究的热点，同时也是生产制造业能够实现智能生产的关键。传统设备运维大多数采用人工方式，例如相关人员到厂区现场纸质抄录设备状态信息，然后将设备故障预警信息传送到运维人员的终端，运维人员到现场根据自身经验进行故障判断和处理，导致故障处理效率较低。
技术实现思路
1、本申请实施方式旨在至少在一定程度上解决相关技术中的技术问题之一。为此，本申请实施方式的目的在于提出一种针对设备运行状态的数据处理方法、系统、装置、电子设备、存储介质及程序产品。
2、本申请实施方式提供一种针对设备运行状态的数据处理方法，所述方法包括：获取针对生产设备的预设运行数据以及对所述生产设备进行数据采集得到的当前运行数据；基于设备异常策略，处理所述预设运行数据和所述当前运行数据，得到表征所述生产设备当前是否异常的第一异常数据；利用神经网络模型，基于所述预设运行数据和所述当前运行数据，预测所述生产设备的运行状态得到第二异常数据；基于所述第一异常数据和所述第二异常数据，输出针对所述生产设备运行状态的异常结果。
3、本申请另一实施方式提供一种针对设备运行状态的数据处理系统，所述系统包括：数据采集模块以及数据处理模块。数据采集模块，用于执行获取针对生产设备的预设运行数据以及对所述生产设备进行数据采集得到的当前运行数据；数据处理
4、本申请另一实施方式提供一种针对设备运行状态的数据处理装置，所述装置包括：获取模块、处理模块、预测模块和输出模块。获取模块，用于获取针对生产设备的预设运行数据以及对所述生产设备进行数据采集得到的当前运行数据；处理模块，用于基于设备异常策略，处理所述预设运行数据和所述当前运行数据，得到表征所述生产设备当前是否异常的第一异常数据；预测模块，用于利用神经网络模型，基于所述预设运行数据和所述当前运行数据，预测所述生产设备的运行状态得到第二异常数据；输出模块，用于基于所述第一异常数据和所述第二异常数据，输出针对所述生产设备运行状态的异常结果。
5、本申请另一实施方式提供一种电子设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述任一项实施方式所述的方法的步骤。
6、本申请另一实施方式提供计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任一项实施方式所述的方法的步骤。
7、本申请另一实施方式提供一种计算机程序产品，所述计算机程序产品中包括指令，所述指令被计算机设备的处理器执行时，使得所述计算机设备能够执行上述任一项实施方式所述的方法的步骤。
8、上述实施方式中，通过获取针对生产设备的预设运行数据以及对生产设备进行数据采集得到的当前运行数据；基于设备异常策略，处理预设运行数据和当前运行数据，得到表征生产设备当前是否异常的第一异常数据；利用神经网络模型，基于预设运行数据和当前运行数据，预测生产设备的运行状态得到第二异常数据；基于第一异常数据和第二异常数据，输出针对生产设备运行状态的异常结果。本专利技术能够较为准确地确定生产设备的异常情况，及时输出生产设备的异常结果以便运维人员采取相关的运维措施，运维人员无需到厂区现场，降低了设备运维成本，提高了设备运维效率。
本文档来自技高网...【技术保护点】
1.一种针对设备运行状态的数据处理方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
3.根据权利要求2所述的方法，其特征在于，所述方法还包括以下至少一项：
4.根据权利要求3所述的方法，其特征在于，所述基于所述第一异常数据和所述第二异常数据，输出针对所述生产设备运行状态的异常结果包括：
5.根据权利要求4所述的方法，其特征在于，所述方法还包括：
6.根据权利要求1-5中任意一项所述的方法，其特征在于，所述预设运行数据包括预设运行参数，所述当前运行数据包括生产运行参数和当前运行指标值；所述基于设备异常策略，处理所述预设运行数据和所述当前运行数据，得到表征所述生产设备当前异常的第一异常数据包括：
7.根据权利要求1-5中任意一项所述的方法，其特征在于，所述神经网络模型包括反向传播神经网络模型；所述反向传播神经网络模型包括网络节点，所述网络节点之间的权值与学习速率和动量因子值相关联，所述网络节点的输出阈值与所述学习速率和所述动量因子值相关联；所述反向传播神经网络模型在训练
8.根据权利要求1-5中任意一项所述的方法，其特征在于，所述第一异常数据和所述第二异常数据均通过实时流式框架计算得到；所述预设运行数据和所述当前运行数据在被采集后且被处理前，存储于分布式消息中间件。
9.一种针对设备运行状态的数据处理系统，其特征在于，所述系统包括：
10.根据权利要求9所述的系统，其特征在于，所述系统还包括：
11.根据权利要求10所述的系统，其特征在于，所述数字孪生模块还用于执行以下至少一项：
12.根据权利要求11所述的系统，其特征在于，所述系统还包括：
13.根据权利要求12所述的系统，其特征在于，所述信息展示模块还用于：
14.根据权利要求9-13中任意一项所述的系统，其特征在于，所述预设运行数据包括预设运行参数，所述当前运行数据包括生产运行参数和当前运行指标值；所述数据处理模块具体用于：
15.根据权利要求9-13中任意一项所述的系统，其特征在于：
16.一种针对设备运行状态的数据处理装置，其特征在于，所述装置包括：
17.一种电子设备，其特征在于，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1-8中任意一项所述的方法的步骤。
18.一种计算机可读存储介质，其特征在于，其上存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1-8中任意一项所述的方法的步骤。
...【技术特征摘要】
1.一种针对设备运行状态的数据处理方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
3.根据权利要求2所述的方法，其特征在于，所述方法还包括以下至少一项：
4.根据权利要求3所述的方法，其特征在于，所述基于所述第一异常数据和所述第二异常数据，输出针对所述生产设备运行状态的异常结果包括：
5.根据权利要求4所述的方法，其特征在于，所述方法还包括：
6.根据权利要求1-5中任意一项所述的方法，其特征在于，所述预设运行数据包括预设运行参数，所述当前运行数据包括生产运行参数和当前运行指标值；所述基于设备异常策略，处理所述预设运行数据和所述当前运行数据，得到表征所述生产设备当前异常的第一异常数据包括：
7.根据权利要求1-5中任意一项所述的方法，其特征在于，所述神经网络模型包括反向传播神经网络模型；所述反向传播神经网络模型包括网络节点，所述网络节点之间的权值与学习速率和动量因子值相关联，所述网络节点的输出阈值与所述学习速率和所述动量因子值相关联；所述反向传播神经网络模型在训练时采用动量梯度下降算法反向调节所述学习速率和所述动量因子值。
8.根据权利要求1-5中任意一项所述的方法，其特征在于，所述第一异常数据和所述第二异常数据均通过实时流式框架计...
【专利技术属性】
技术研发人员：周安，庞振江，洪海敏，孙永明，刘国川，曾晶，张笑岩，
申请(专利权)人：深圳市国电科技通信有限公司，
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。