CN107172128B - 一种云辅助的制造装备大数据采集方法 - Google Patents

一种云辅助的制造装备大数据采集方法 Download PDF

Info

Publication number
CN107172128B
CN107172128B CN201710271118.1A CN201710271118A CN107172128B CN 107172128 B CN107172128 B CN 107172128B CN 201710271118 A CN201710271118 A CN 201710271118A CN 107172128 B CN107172128 B CN 107172128B
Authority
CN
China
Prior art keywords
information
early warning
parameter
sensing
cloud platform
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201710271118.1A
Other languages
English (en)
Other versions
CN107172128A (zh
Inventor
万加富
易鸣伦
闫荷花
李迪
汤胜龙
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
South China University of Technology SCUT
Original Assignee
South China University of Technology SCUT
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by South China University of Technology SCUT filed Critical South China University of Technology SCUT
Priority to CN201710271118.1A priority Critical patent/CN107172128B/zh
Publication of CN107172128A publication Critical patent/CN107172128A/zh
Application granted granted Critical
Publication of CN107172128B publication Critical patent/CN107172128B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/02—Knowledge representation; Symbolic representation
    • G06N5/022—Knowledge engineering; Knowledge acquisition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/04—Manufacturing
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C3/00—Registering or indicating the condition or the working of machines or other apparatus, other than vehicles
    • G07C3/005—Registering or indicating the condition or the working of machines or other apparatus, other than vehicles during manufacturing process
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/50—Network services
    • H04L67/60—Scheduling or organising the servicing of application requests, e.g. requests for application data transmissions using the analysis and optimisation of the required network resources
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Abstract

本发明公开了一种云辅助的制造装备大数据采集方法；该方法包括，步骤1：采用分布式传感网络采集工业设备信息。每个传感局域网配置一个支持工业无线网络的数据采集节点，在传感局域网络中，远离节点的设备采用无线通信方式将采集的参数信息数据传送至数据采集节点。步骤2：配置采集参数信息，将采集参数进行分类与分级处理。步骤3：针对每个采集节点，在云平台上建立对应的知识分析库，根据不同工业应用需求并结合历史数据分析，自适应调节传感参数的信息模式。本发明具有采集参数可调节和分析知识库功能，能够个性化的采集制造装备的运行参数，为基于大数据的设备状态监测和故障预测诊断奠定基础。

Description

一种云辅助的制造装备大数据采集方法
技术领域
本发明涉及工业自动化控制技术领域，尤其涉及一种云辅助的制造装备大数据采集方法。
背景技术
在工业4.0的技术背景下，工业实现自动化与智能化需要对生产情景进行大量的监测工作。其中测量的信号种类多样且形式各异，同时检测到的数据量也非常巨大。工业智能化技术发展迅速，要求测控系统具有一定程度的学习能力以达到自适应调节传感采集样本信息的需要。
云计算可以提供海量计算和海量存储的能力，在工业应用场景中，在云计算平台的基础上结合机器学习算法，建立分析知识库，根据不同应用需求并结合历史数据分析，自适应调节采集参数，从而达到加快数据采集效率、改善数据分析模型效果及提高机器设备状态预测值的精度。
发明内容
本发明的目的在于克服上述现有技术的缺点和不足，提供一种云辅助的制造装备大数据采集方法。
本发明通过下述技术方案实现：
一种云辅助的制造装备大数据采集方法，包括如下步骤：
S1.采用分布式传感网络采集工业设备信息；每个传感局域网配置一个支持工业无线网络的数据采集节点，在传感局域网络中，远离节点的设备采用无线通信方式将采集的参数信息数据传送至数据采集节点；
S2.配置采集参数信息，将采集参数进行分类与分级处理；
S3.针对每个采集节点，在云平台上建立对应的知识分析库，根据不同工业应用需求并结合历史数据分析，自适应调节传感参数的信息模式。
上述步骤S1所述采用分布式传感网络采集工业设备信息，具体是将工业生产场景中的设备按职能、所在场地进行功能区块划分，每个功能区块中采用一个传感局域网进行设备的互联；每个传感局域网通过与云平台进行互联，进而构成一个分布式传感网络，从获取整个工业生产场景中的全部生产信息；
每个传感局域网配置一个支持工业无线网络的数据采集节点，为每个设备的数据传送提供一个无线接入点。
上述步骤S2中，配置采集参数信息，是根据工业生产场景的应用需要，将设备的信息采样参数设置为动态可重构信息配置；
将采集参数进行分类与分级处理，是将采样参数信息分类为预警信息、常规信息及状态信号的类型，根据采样信息类别的重要性，设置对应的传送优先级和传送周期。
上述步骤S3中，将针对每个采集节点，在云平台上建立对应的知识分析库，结合机器学习的方法分析历史数据，根据不同工业应用需求，分析采集参数样本的数据规律、周期及重要程度，自适应调节传感参数的信息模式。
所述传感参数的信息模式，分为：
参数编号；用来标识具体某一个机器设备的某个传感参数；
参数类型；将采样参数信息分类为预警信息、常规信息及状态信号的类型；
参数优先级；将传感参数按职能、紧急情况设置传输优先级，如报警信号产生，则立即传输至云平台进行处理；
采样周期；根据参数的类型和优先级选择合适采样周期来传输数据；
预警阀值；用于判断信息采集节点参数信息是否对机器设备构成故障威胁；
常规阀值；用于判断信息采集节点参数信息是否超过正常运行的信息范围。
上述预警信息：属于警示类信息，由于该类信息不能立即反应出机器设备的故障状态，需要进行不断累积、分析，通过对比故障阀值的百分比来预测预警发生时间，所以将预警信息设为实时信息，且优先级设为中级，需要实时上传给云平台进行预警统计与分析；
上述常规信息：属于描述类信息，在不同作业任务环境下可以与报警信息进行角色互换，运行规律信息可以反应机器运动状态，同时结合状态信号，可以作为云平台的预警知识库更新来源之一，优先级设为低级，周期按需求进行设置；
上述状态信号：属于提示类信息，用以指示机器设备的启动、运行、停止、故障，所以将运行状态信息设为即时信息，且优先级设为高级。
云平台采集的某一个机器设备的参数信息集中，在其运行状态下：
若某个属于预警信息的传感参数的信息，在信息分析中的数值累计出现概率超出预警阀值，则云平台将计算出该参数所代表的故障点将要出现故障的概率及发生时间，并输出给相应的管理部门，对其进行维修；
若某个属于常规信息的传感参数的信息，在信息分析中的数值累计出现概率超出常规阀值，则云平台将该传感参数转入预警信息之列，并将其反馈给所属的机器设备。
云平台采集的某一个机器设备的参数信息集中，若没有出现预警信息和常规信息超出其所设定的对应阀值的情况，则将出现两种情形：
情况一：云平台从机器设备中接收到的仍是运行信号，此时将进入预警参数样本集合的重新评估，若有预警信息的传感参数的数值累计出现概率一直低出预警阀值，则云平台将该传感参数转入常规信息之列，并将其反馈给所属的机器设备；反之，则依然保持不变；
情况二：由于机器设备运行老化的影响或某次超负荷运行，致使机器设备某些传感参数的常规阀值或预警阀值发生改变，导致在没有出现预警的情况下，云平台从机器设备中接收到的信号由运行信号转为故障信号，从而导致停机；此时云平台通过机器学习方法结合历史数据分析，从新修正所有信息的预警阀值和常规阀值，同时调整预警参数样本，以便在下次任务中，该机器设备启动时有更为精确的预警参数样本集合；
最后，云平台在每次参数类型修正后，对其进行数据整合，并保存到对应的历史数据库中。
本发明相对于现有技术，具有如下的优点及效果：
在生产过程中，机器设备的一些状态特征不能依靠传感参数的采样信息快速反应某一时刻的状态，需要进行一个渐变累积的过程。因此，将设备的传感参数信息模式设置为动态可重构的信息配置，通过云平台进行数据分析后，自主反馈调控设备的参数采集。同时，根据采样信息类别的重要性，设置对应的传送优先级和采样传送周期。
根据任务需求不同，针对每个信息采集结点，在云平台上建立对应的知识分析库，根据不同工业应用需求并结合历史数据分析，自适应调节传感参数信息模式，进而减缓了数据传输时强占数据通道和带宽的问题，同时减缓了云平台数据库的存储压力与运算中心的计算压力。
附图说明
图1为云辅助的制造装备大数据采集方法示意图。
图2为设备传感参数信息模式示意图。
图3为云平台参数样本信息调整策略示意图一。
图4为云平台参数样本信息调整策略示意图二。
具体实施方式
下面结合具体实施例对本发明作进一步具体详细描述。
如图1所示；在工业生产场景中，采用分布式传感网络对工业设备生产运行信息进行采集。将工业生产场景中的所有设施、设备按职能、所在场地进行功能区块划分，每个功能区块中采用一个传感局域网进行设备的互联。每个传感局域网通过与云平台进行互联，进而构成一个分布式传感网络，从而使云平台获取整个工业生产场景中的全部生产信息。
每个传感局域网配置一个支持工业无线网络的数据采集结点，为每个设备的数据传送提供一个无线接入点。在传感局域网络中，远离节点的设备采用无线通信方式将采集的参数信息数据传送至数据采集节点，进而送入云平台数据处理中心。
根据工业生产场景的应用情景不同，云平台决策出的产生任务指令不同，因此需要对所有传感信息采集节点进行采集参数信息配置。在设备的控制器中，将传感参数信息模式设置为动态可重构信息配置。
传感参数信息模式的配置结构如图2所示，分别为：1.参数编号，用来标识具体某一个机器设备的某个传感参数；2.参数类型，将采样参数信息分类为预警信息、常规信息及状态信号的类型；3.参数优先级，将传感参数按职能、紧急情况设置传输优先级，如报警信号产生，则立即传输至云平台进行处理；4.采样周期，根据参数的类型和优先级选择合适采样周期来传输数据；5.预警阀值，用于判断信息采集节点参数信息是否对机器设备构成故障威胁；6.常规阀值，用于判断信息采集节点参数信息是否超过正常运行的信息范围。
如图2所示；将工业生产过程中的参数信息类型分为报警信息、常规信息及状态信号。其中预警信息属于警示类信息，由于该类信息不能立即反应出机器设备的故障状态，需要进行不断累积、分析，通过对比故障阀值的百分比来预测预警发生时间，所以将预警信息设为实时信息，且优先级设为中级，需要实时上传给云平台进行预警统计与分析；常规信息属于描述类信息，在不同作业任务环境下可以与报警信息进行角色互换，运行规律信息可以反应机器运动状态，同时结合状态信号，可以作为云平台的预警知识库更新来源之一，优先级设为低级，周期按需求进行设置；状态信号属于提示类信息，用以指示机器设备的启动、运行、停止、故障，所以将运行状态信息设为即时信息，且优先级设为高级。
根据任务需求不同，需要在云平台上建立对应的知识分析库，依靠机器学习方法，根据不同工业应用需求并结合历史数据分析，自适应调节采集参数信息。为了保证传感网络中的数据采集结点收集信息的效率、减少网络数据传输阻塞、提高云平台数据计算效率，因此在云平台中结合机器学习方法设计一套传感参数信息传输的控制策略。
首先，预设预警参数样本集合、预警阀值OValue、常规阀值NValue，在工业生产环境中，将具备加工某一工件或产品的执行机构及其传感系统作为一个机器设备单元，单元中每一个具备信息输出的控制模块或传感模块在该单元的控制器中都具有独立参数编号并对应一套信息采样控制逻辑。
其次，云平台以接收到机器设备输出的状态信号的启动信号为准，开启属于该机器设备的预警信息与常规信息的数据接入通道，如图3所示。当数据接入通道打开后，机器设备按云平台中对应的预警参数样本集合中的参数调整自身的传感参数信息模式。
图4所示，云平台采集的某一个机器设备的参数信息集中，在其运行状态下：若某个属于预警信息的传感参数的信息，在信息分析中的数值累计出现概率超出预警阀值，则云平台将计算出该参数所代表的故障点将要出现故障的概率及发生时间，并输出给相应的管理部门，对其进行维修；若某个属于常规信息的传感参数的信息，在信息分析中的数值累计出现概率超出常规阀值，则云平台将该传感参数转入预警信息之列，并将其反馈给所属的机器设备。
云平台采集的某一个机器设备的参数信息集中，若没有出现预警信息和常规信息超出其所设定的对应阀值的情况，则将出现两种情形：1.云平台从机器设备中接收到的仍是运行信号，此时将进入预警参数样本集合的重新评估，若有预警信息的传感参数的数值累计出现概率一直低出预警阀值，则云平台将该传感参数转入常规信息之列，并将其反馈给所属的机器设备。反之，则依然保持不变。2.由于机器设备运行老化的影响或某次超负荷运行，致使机器设备某些传感参数的常规阀值或预警阀值发生改变，导致在没有出现预警的情况下，云平台从机器设备中接收到的信号由运行信号转为故障信号，从而导致停机。此时云平台通过机器学习方法结合历史数据分析，从新修正所有信息的预警阀值和常规阀值，同时调整预警参数样本，以便在下次任务中，该机器设备启动时有更为精确的预警参数样本集合。
最后，云平台在每次参数类型修正后，对其进行数据整合，并保存到对应的历史数据库中。
如上所述，便可较好地实现本发明。
本发明的实施方式并不受上述实施例的限制，其他任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。

Claims (4)

1.一种云辅助的制造装备大数据采集方法，其特征在于包括如下步骤：
S1.采用分布式传感网络采集工业设备信息；每个传感局域网配置一个支持工业无线网络的数据采集节点，在传感局域网络中，远离节点的设备采用无线通信方式将采集的参数信息数据传送至数据采集节点；
S2. 配置采集参数信息，将采集参数进行分类与分级处理；
S3.针对每个采集节点，在云平台上建立对应的知识分析库，根据不同工业应用需求并结合历史数据分析，自适应调节传感参数的信息模式；
步骤S2中，配置采集参数信息，是根据工业生产场景的应用需要，将设备的信息采样参数设置为动态可重构信息配置；将采集参数进行分类与分级处理，是将采样参数信息分类为预警信息、常规信息及状态信号的类型，根据采样信息类别的重要性，设置对应的传送优先级和传送周期；
所述预警信息：属于警示类信息，由于该类信息不能立即反应出机器设备的故障状态，需要进行不断累积、分析，通过对比故障阀值的百分比来预测预警发生时间，所以将预警信息设为实时信息，且优先级设为中级，需要实时上传给云平台进行预警统计与分析；
所述常规信息：属于描述类信息，在不同作业任务环境下可以与报警信息进行角色互换，运行规律信息可以反应机器运动状态，同时结合状态信号，可以作为云平台的预警知识库更新来源之一，优先级设为低级，周期按需求进行设置；
所述状态信号：属于提示类信息，用以指示机器设备的启动、运行、停止、故障，所以将运行状态信息设为即时信息，且优先级设为高级；
云平台采集的某一个机器设备的参数信息集中，在其运行状态下：
若某个属于预警信息的传感参数的信息，在信息分析中的数值累计出现概率超出预警阀值，则云平台将计算出该参数所代表的故障点将要出现故障的概率及发生时间，并输出给相应的管理部门，对其进行维修；
若某个属于常规信息的传感参数的信息，在信息分析中的数值累计出现概率超出常规阀值，则云平台将该传感参数转入预警信息之列，并将其反馈给所属的机器设备；
云平台采集的某一个机器设备的参数信息集中，若没有出现预警信息和常规信息超出其所设定的对应阀值的情况，则将出现两种情形：
情况一：云平台从机器设备中接收到的仍是运行信号，此时将进入预警参数样本集合的重新评估，若有预警信息的传感参数的数值累计出现概率一直低出预警阀值，则云平台将该传感参数转入常规信息之列，并将其反馈给所属的机器设备；反之，则依然保持不变；
情况二：由于机器设备运行老化的影响或某次超负荷运行，致使机器设备某些传感参数的常规阀值或预警阀值发生改变，导致在没有出现预警的情况下，云平台从机器设备中接收到的信号由运行信号转为故障信号，从而导致停机；此时云平台通过机器学习方法结合历史数据分析，从新修正所有信息的预警阀值和常规阀值，同时调整预警参数样本，以便在下次任务中，该机器设备启动时有更为精确的预警参数样本集合；
最后，云平台在每次参数类型修正后，对其进行数据整合，并保存到对应的历史数据库中。
2.根据权利要求1所述云辅助的制造装备大数据采集方法，其特征在于：步骤S1所述采用分布式传感网络采集工业设备信息，具体是将工业生产场景中的设备按职能、所在场地进行功能区块划分，每个功能区块中采用一个传感局域网进行设备的互联；每个传感局域网通过与云平台进行互联，进而构成一个分布式传感网络，从获取整个工业生产场景中的全部生产信息；
每个传感局域网配置一个支持工业无线网络的数据采集节点，为每个设备的数据传送提供一个无线接入点。
3.根据权利要求2所述云辅助的制造装备大数据采集方法，其特征在于：步骤S3中，将针对每个采集节点，在云平台上建立对应的知识分析库，结合机器学习的方法分析历史数据，根据不同工业应用需求，分析采集参数样本的数据规律、周期及重要程度，自适应调节传感参数的信息模式。
4.根据权利要求2所述云辅助的制造装备大数据采集方法，其特征在于：所述传感参数的信息模式，分为：
参数编号；用来标识具体某一个机器设备的某个传感参数；
参数类型；将采样参数信息分类为预警信息、常规信息及状态信号的类型；
参数优先级；将传感参数按职能、紧急情况设置传输优先级，如报警信号产生，则立即传输至云平台进行处理；
采样周期；根据参数的类型和优先级选择合适采样周期来传输数据；
预警阀值；用于判断信息采集节点参数信息是否对机器设备构成故障威胁；
常规阀值；用于判断信息采集节点参数信息是否超过正常运行的信息范围。
CN201710271118.1A 2017-04-24 2017-04-24 一种云辅助的制造装备大数据采集方法 Active CN107172128B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710271118.1A CN107172128B (zh) 2017-04-24 2017-04-24 一种云辅助的制造装备大数据采集方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710271118.1A CN107172128B (zh) 2017-04-24 2017-04-24 一种云辅助的制造装备大数据采集方法

Publications (2)

Publication Number Publication Date
CN107172128A CN107172128A (zh) 2017-09-15
CN107172128B true CN107172128B (zh) 2020-05-22

Family

ID=59813886

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710271118.1A Active CN107172128B (zh) 2017-04-24 2017-04-24 一种云辅助的制造装备大数据采集方法

Country Status (1)

Country Link
CN (1) CN107172128B (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109063051A (zh) * 2018-07-19 2018-12-21 佛山科学技术学院 一种工业大数据的存储方法
EP3885854B1 (en) * 2018-12-28 2024-03-27 Siemens Aktiengesellschaft Data analysis method, device and system
CN110081927A (zh) * 2019-03-13 2019-08-02 中交广州航道局有限公司 船机设备故障预测方法、装置、系统和存储介质
CN110516819A (zh) * 2019-06-03 2019-11-29 东泽节能技术（苏州）有限公司 基于云通信的损耗件维保时间确定方法、装置及系统
CN110632875A (zh) * 2019-09-24 2019-12-31 武汉亚为电子科技有限公司 一种基于AIoT智能物联网的设备健康监控方法及装置
CN113810792B (zh) * 2021-11-19 2022-02-18 南京绛门信息科技股份有限公司 一种基于云计算的边缘数据采集分析系统
CN114663250B (zh) * 2022-04-02 2022-08-16 成都秦川物联网科技股份有限公司 双独立平台式工业物联网系统及其控制方法

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108141375B (zh) * 2015-08-10 2021-10-29 诺基亚通信公司 云部署中的自动征兆数据收集
CN105260279B (zh) * 2015-11-04 2019-01-01 四川效率源信息安全技术股份有限公司 基于smart数据动态诊断硬盘故障的方法和装置
CN206039287U (zh) * 2016-06-14 2017-03-22 廖金能 一种适用于远程监测的新型发电机组控制器
CN205949039U (zh) * 2016-06-16 2017-02-15 北京考利特电器设备有限责任公司 磨煤机远程监测系统
CN106357426B (zh) * 2016-08-26 2019-04-26 东北大学 一种基于工业云的大规模分布式智能数据采集系统及方法
CN106194692B (zh) * 2016-10-08 2018-02-16 中山市海鲸电器科技有限公司 基于云计算的水泵管理系统

Also Published As

Publication number Publication date
CN107172128A (zh) 2017-09-15

Similar Documents

Publication Publication Date Title
CN107172128B (zh) 一种云辅助的制造装备大数据采集方法
CN106655522A (zh) 一种适用于电网二次设备运维管理的主站系统
CN104168148A (zh) 一种多接口数据采集装置及采集方法
CN104038371A (zh) 一种电力通信传输网自适应性能采集方法
US20220124517A1 (en) Anomaly detection method and device, terminal and storage medium
CN112611936A (zh) 一种基于边缘计算的配网变压器故障动态检测与分类系统
CN112506097A (zh) 一种基于工业互联网的胎架远程监测系统及监测方法
CN112734977B (zh) 一种基于物联网的设备风险预警系统及算法
MX2012012377A (es) Dispositivo y metodo para transmitir señales de medicion en redes de suministro espacialmente extensivas.
CN104753173A (zh) 一种自动诊断电网ems系统遥测数据传输故障的方法
CN113763667B (zh) 一种基于5g边缘计算的火灾预警及状态监测装置及方法
CN101751018B (zh) 实验环境下的分布式数据监测及预警系统和方法
CN110941558A (zh) 一种智慧办公远程运维的方法及系统
KR20200138565A (ko) 통신 네트워크에서 복수의 원격 무선 헤드들을 관리하기 위한 방법 및 장치
CN107765617B (zh) 列车轴温数据处理方法及装置
CN112255969A (zh) 一种数控机床的数据采集分析展示系统及方法
CN110794799A (zh) 应用于工业生产的具有故障诊断功能的大数据系统
CN207281528U (zh) 一种基于边缘计算的工业传感信号采集器
CN115276228A (zh) 一种功率数据同步上送的方法、系统、存储和计算设备
CN116055516A (zh) 一种基于工业物联网的自动化监控系统
CN113015120B (zh) 一种基于神经网络的治污监测系统和方法
CN112526945B (zh) 具备反馈与闭环控制功能的全流程监控与预警系统
CN116320833B (zh) 一种基于物联网技术的供热管网监测方法
CN109849055A (zh) 机器人电缆线束寿命实时预测反馈系统及其方法
CN116594367B (zh) 一种地瓜汁螺旋预煮机煮熟度控制系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant