CN107505884B - 泛能站设备的诊断方法、云服务器及系统 - Google Patents
泛能站设备的诊断方法、云服务器及系统 Download PDFInfo
- Publication number
- CN107505884B CN107505884B CN201710641663.5A CN201710641663A CN107505884B CN 107505884 B CN107505884 B CN 107505884B CN 201710641663 A CN201710641663 A CN 201710641663A CN 107505884 B CN107505884 B CN 107505884B
- Authority
- CN
- China
- Prior art keywords
- process equipment
- diagnosis
- piece
- relevant state
- state parameters
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 110
- 238000003745 diagnosis Methods 0.000 title claims abstract description 76
- 230000008569 process Effects 0.000 claims abstract description 91
- 238000004458 analytical method Methods 0.000 claims description 19
- 238000012549 training Methods 0.000 claims description 13
- 238000011065 in-situ storage Methods 0.000 claims description 12
- 238000001514 detection method Methods 0.000 claims description 11
- 238000006073 displacement reaction Methods 0.000 claims description 9
- 238000003860 storage Methods 0.000 claims description 9
- 238000002405 diagnostic procedure Methods 0.000 claims description 8
- 238000012423 maintenance Methods 0.000 claims description 8
- 230000015556 catabolic process Effects 0.000 claims description 6
- 238000013524 data verification Methods 0.000 claims description 6
- 238000006731 degradation reaction Methods 0.000 claims description 6
- 230000001105 regulatory effect Effects 0.000 claims 2
- 238000012544 monitoring process Methods 0.000 abstract description 10
- 238000010586 diagram Methods 0.000 description 3
- 239000000463 material Substances 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003449 preventive effect Effects 0.000 description 1
- 238000010223 real-time analysis Methods 0.000 description 1
- 238000011897 real-time detection Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
- G05B19/048—Monitoring; Safety
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/20—Administration of product repair or maintenance
-
- 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—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Entrepreneurship & Innovation (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Automation & Control Theory (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明公开了一种泛能站设备的诊断方法、云服务器及系统，其中，方法包括：根据多个工艺设备的每个工艺设备的类型获取每个工艺设备的相关状态参数；判断每个工艺设备的相关状态参数是否满足预设条件；如果满足预设条件，则根据每个工艺设备的相关状态参数得到每个工艺设备的当前运行状态；根据每个工艺设备的当前运行状态和相关状态参数预测预设时间内运行走势，并根据预设时间内运行走势得到诊断结果。该方法可以根据预设时间内运行走势得到诊断结果，从而可以对设备各项性能指标进行实时监测，实现基于工业云对泛能站设备进行在线诊断的目的，提高诊断的精确性，且提高诊断的实时性，有效保证监控可靠性，降低运营成本。
Description
技术领域
本发明涉及设备在线诊断技术领域，特别涉及一种泛能站设备的诊断方法、云服务器及系统。
背景技术
目前，对于设备的维护工作，一般情况是设备持续使用至发生故障，再对设备进行维修或更换，但是存在不确定性，而且无法保证工厂长时间正常运转。
相关技术中，通过研究设备的使用寿命和故障周期，从而定期分批进行检查和维修，即预防性维修日渐成为主流，在检查和维修的过程中，通过本地数据库服务器对设备进行诊断。然而，设备具有随机性，导致对设备的维修需要大量时间和费用，浪费能源，提高运营成本，有待改进。
发明内容
本发明是发明人基于以下认识和发现作出的：
对于通过对设备各项性能指标的实时监测，及时预测设备运行状态的在线诊断技术，成为未来设备维护工作的发展方向。同时，工业云平台可以取代各处的本地数据库服务器，从而将各地数据统一提取、分析和诊断识别，降低运营成本，节约能源，提高精度和可靠性。
本发明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，本发明的一个目的在于提出一种泛能站设备的诊断方法，该方法可以提高诊断的精确性和可靠性，降低运营成本。
本发明的另一个目的在于提出一种云服务器。
本发明的再一个目的在于提出一种泛能站设备的诊断系统。
为达到上述目的，本发明一方面实施例提出了一种泛能站设备的诊断方法，包括：根据多个工艺设备的每个工艺设备的类型获取所述每个工艺设备的相关状态参数；判断所述每个工艺设备的相关状态参数是否满足预设条件；如果满足所述预设条件，则根据所述每个工艺设备的相关状态参数得到所述每个工艺设备的当前运行状态；根据所述每个工艺设备的当前运行状态和所述相关状态参数预测预设时间内运行走势，并根据所述预设时间内运行走势得到诊断结果。
本发明实施例的泛能站设备的诊断方法，通过工艺设备的相关状态参数得到当前运行状态，进而得到一定时间内运行走势，最后得到诊断结果，从而可以对设备各项性能指标进行实时监测，及时预测设备运行状态，实现基于工业云对泛能站设备进行在线诊断的目的，且可以取代各处的本地数据库服务器，将各地数据统一提取、分析和诊断识别，降低运营成本，提高诊断的精确性，且提高诊断的实时性，有效保证监控可靠性。
另外，根据本发明上述实施例的泛能站设备的诊断方法还可以具有以下附加的技术特征：
进一步地，在本发明的一个实施例中，在判断所述每个工艺设备的相关状态参数是否满足所述预设条件之后，还包括：检验每个工艺设备的相关状态参数中数据的有效性；标记所述每个工艺设备的相关状态参数中无效数据；获取无效数据的无效原因，并发出报警提示。
进一步地，在本发明的一个实施例中，还包括：根据历史数据库中历史数据训练和优化诊断分析模型，以根据所述诊断分析模型得到所述当前运行状态；根据所述历史数据库中历史数据训练和优化预测模型，以根据所述预测模型得到所述预设时间内运行走势。
进一步地，在本发明的一个实施例中，还包括：如果所述诊断结果为劣化，则发出报警，并判断备品备件数据库中对应的工艺设备是否缺件；如果缺件，则发出短缺提醒。
进一步地，在本发明的一个实施例中，状态参数包括工艺设备的压力信息、温度、扭矩信息和位移信息的一种或多种。
为达到上述目的，本发明另一方面实施例提出了一种云服务器，包括：数据校验模块，用于根据多个工艺设备的每个工艺设备的类型获取所述每个工艺设备的相关状态参数，并判断所述每个工艺设备的相关状态参数是否满足预设条件；诊断和预测模块，用于在满足所述预设条件时，根据所述每个工艺设备的相关状态参数得到所述每个工艺设备的当前运行状态，并根据所述每个工艺设备的当前运行状态和所述相关状态参数预测预设时间内运行走势，并根据所述预设时间内运行走势得到诊断结果；信息存储模块，用于将所述每个工艺设备的相关状态参数和所述诊断结果存入历史数据库。
本发明实施例的云服务器，通过工艺设备的相关状态参数得到当前运行状态，进而得到一定时间内运行走势，最后得到诊断结果，从而可以对设备各项性能指标进行实时监测，及时预测设备运行状态，实现基于工业云对泛能站设备进行在线诊断的目的，且可以取代各处的本地数据库服务器，将各地数据统一提取、分析和诊断识别，降低运营成本，提高诊断的精确性，且提高诊断的实时性，有效保证监控可靠性。
另外，根据本发明上述实施例的云服务器还可以具有以下附加的技术特征：
进一步地，在本发明的一个实施例中，所述数据校验模块包括：检验单元，用于检验每个工艺设备的相关状态参数中数据的有效性；标记单元，用于标记所述每个工艺设备的相关状态参数中无效数据；提示单元，用于获取无效数据的无效原因，并发出报警提示。
进一步地，在本发明的一个实施例中，还包括：第一建模模块，用于根据历史数据库中历史数据训练和优化诊断分析模型，以根据所述诊断分析模型得到所述当前运行状态；第二建模模块，用于根据所述历史数据库中历史数据训练和优化预测模型，以根据所述预测模型得到所述预设时间内运行走势。
进一步地，在本发明的一个实施例中，还包括：报警模块，用于在所述诊断结果为劣化时，发出报警；判断模块，用于判断备品备件数据库中对应的工艺设备是否缺件；提醒模块，用于在缺件时，发出短缺提醒。
为达到上述目的，本发明再一方面实施例提出了一种泛能站设备的诊断系统，包括：多个就地检测设备；上述云服务器；参数输入模块，用于接收所述多个就地检测设备的发送的每个工艺设备的相关状态参数，并将所述每个工艺设备的相关状态参数发送至所述云服务器。该系统通过工艺设备的相关状态参数得到当前运行状态，进而得到一定时间内运行走势，最后得到诊断结果，从而可以对设备各项性能指标进行实时监测，及时预测设备运行状态，实现基于工业云对泛能站设备进行在线诊断的目的，且可以取代各处的本地数据库服务器，将各地数据统一提取、分析和诊断识别，降低运营成本，提高诊断的精确性，且提高诊断的实时性，有效保证监控可靠性。
本发明附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：
图1为根据本发明实施例的泛能站设备的诊断方法流程图；
图2为根据本发明实施例的云服务器结构示意图；以及
图3为根据本发明一个实施例的云服务器结构示意图。
具体实施方式
下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。
下面参照附图描述根据本发明实施例提出的泛能站设备的诊断方法、云服务器及系统，首先将参照附图描述根据本发明实施例提出的泛能站设备的诊断方法。
图1是本发明一个实施例的泛能站设备的诊断方法的流程图。
如图1所示，该泛能站设备的诊断方法包括以下步骤：
在步骤S101中，根据多个工艺设备的每个工艺设备的类型获取每个工艺设备的相关状态参数。
其中，在本发明的一个实施例中，状态参数可以包括工艺设备的压力信息、温度、扭矩信息和位移信息的一种或多种。
可以理解的是，获取每个工艺设备的相关状态参数可以包括提取工艺设备的压力、温度、扭矩、位移等参数。例如对于气动调节阀，需要提取的压力信息有：供气压力、数字定位器输出压力、放大器输出压力、气缸压力、阀内进出口压力；需要提取的扭矩信息有：阀杆扭矩；需要提取的位移信息有：阀杆位置等。
在步骤S102中，判断每个工艺设备的相关状态参数是否满足预设条件。
可以理解的是，首先判断参数是否满足预设条件，如校验数据的完整性和格式类型，以确定是否满足要求。
进一步地，在本发明的一个实施例中，判断每个工艺设备的相关状态参数是否满足预设条件之后，本发明实施例的方法还包括：检验每个工艺设备的相关状态参数中数据的有效性；标记每个工艺设备的相关状态参数中无效数据；获取无效数据的无效原因，并发出报警提示。
举例而言，具体的校验工作可以有：校验数据的完整性和格式类型；校验数据的有效性，对无效数据做标记；对出现无效数据的原因进行判断，并发出报警提示。在本发明的实施例中，通过检测判断数据的有效性，标记无效数据，可以保证数据的有效性，从而提高诊断的精确性和可靠性。
在步骤S103中，如果满足预设条件，则根据每个工艺设备的相关状态参数得到每个工艺设备的当前运行状态。
可以理解的是，设备诊断操作时，首先对设备的压力、温度、扭矩等信息进行动态和静态分析，其次利用以往数据和分析结果得到当前运行状态，下面会对如何得到当前运行状态进行举例描述。
在步骤S104中，根据每个工艺设备的当前运行状态和相关状态参数预测预设时间内运行走势，并根据预设时间内运行走势得到诊断结果。
进一步地，在本发明的一个实施例中，本发明实施例的方法还包括：根据历史数据库中历史数据训练和优化诊断分析模型，以根据诊断分析模型得到当前运行状态；根据历史数据库中历史数据训练和优化预测模型，以根据预测模型得到预设时间内运行走势。
可以理解的是，首先对如何得到当前运行状态进行举例描述，如可以对各类型设备的诊断分析模型单独进行训练和优化，最后将实时数据输入到诊断分析模型中，进而得到当前运行状态。进一步地，本发明实施例还可以根据运行走势得到的诊断结果。在本发明的实施例中，通过诊断结果可以对设备各项性能指标进行实时监测，及时预测设备运行状态，进而提高诊断的精确性和可靠性，降低运营成本。需要说明的是，预设时间可以由本领域技术人员根据实际的情况进行设定，在此不做具体限定。
进一步地，在本发明的一个实施例中，本发明实施例的方法还包括：如果诊断结果为劣化，则发出报警，并判断备品备件数据库中对应的工艺设备是否缺件；如果缺件，则发出短缺提醒。
可以理解的是，当发现设备当前或者未来状态有可能劣化时，直接发出报警，通知设备维修工程师。同时，查询备品备件数据库，开列维修或更换所需要的零件，如有短缺，第一时间辅助工程师下单采购，从而可以对故障设备及时的维修，进而提高维修效率，降低运营成本。
根据本发明实施例提出的泛能站设备的诊断方法，通过工艺设备的相关状态参数得到当前运行状态，进而得到一定时间内运行走势，最后得到诊断结果，从而可以对设备各项性能指标进行实时监测，及时预测设备运行状态，实现基于工业云对泛能站设备进行在线诊断的目的，且可以取代各处的本地数据库服务器，将各地数据统一提取、分析和诊断识别，降低运营成本，提高诊断的精确性，且提高诊断的实时性，有效保证监控可靠性。
其次参照附图描述根据本发明实施例提出的云服务器。
图2是本发明一个实施例的云服务器结构示意图。
如图2所示，该云服务器10包括：数据校验模块100、诊断和预测模块200和信息存储模块300。
其中，数据校验模块100用于根据多个工艺设备的每个工艺设备的类型获取每个工艺设备的相关状态参数，并判断每个工艺设备的相关状态参数是否满足预设条件。诊断和预测模块200用于在满足预设条件时，根据每个工艺设备的相关状态参数得到每个工艺设备的当前运行状态，并根据每个工艺设备的当前运行状态和相关状态参数预测预设时间内运行走势，并根据预设时间内运行走势得到诊断结果。信息存储模块300用于将每个工艺设备的相关状态参数和诊断结果存入历史数据库。该云服务器10可以根据预设时间内运行走势得到诊断结果，从而可以对设备各项性能指标进行实时监测，实现基于工业云对泛能站设备进行在线诊断的目的，提高诊断的精确性，且提高诊断的实时性，有效保证监控可靠性，降低运营成本。
进一步地，在本发明的一个实施例中，数据校验模块100包括：检验单元、标记单元和提示单元。
其中，检验单元用于检验每个工艺设备的相关状态参数中数据的有效性。标记单元，用于标记每个工艺设备的相关状态参数中无效数据。提示单元，用于获取无效数据的无效原因，并发出报警提示。
举例而言，如图3所示，数据校验模块100可以设置于工业云端，以接受参数输入模块20上传上来的参数进行校验整理，再送至信息储存模块300。相关参数可以通过硬接线接入就地检测设备(例如就地检测设备31至就地检测设备36)中。在就地检测设备中，数据经过简单的转换和打包，应用Modbus/Profibus-DP等工艺现场总线，送至上位机(例如参数输入模块20)，最终接入云端的数据校验模块100。
进一步地，在本发明的一个实施例中，云服务器10还包括：第一建模模块和第二建模模块。
其中，第一建模模块用于根据历史数据库中历史数据训练和优化诊断分析模型，以根据诊断分析模型得到当前运行状态。第二建模模块用于根据历史数据库中历史数据训练和优化预测模型，以根据预测模型得到预设时间内运行走势。
可以理解的是，诊断和预测模块200中各个设备的诊断分析模型可以采用机理建模，对于数据不完整、模型复杂等情况的，本发明实施例可以采用神经网络、支持向量机等黑箱模型。另外，本发明实施例的预测模型可以采用黑箱模型，在此不做具体限制。
举例而言，诊断和预测模块200对设备检测信息进行分析，发现设备的存在的问题，预测设备的未来一段时间的运行状况。具体功能有：在设备诊断操作时，对设备的压力、温度、扭矩等信息进行动态和静态分析；利用以往数据对各类型设备的诊断分析模型单独进行训练和优化；将实时数据输入到诊断分析模型200中，实时输出设备的运行状况；将设备实时运行数据和状态送入预测模型，迭代预测未来一段时间设备状态的走势。另外，诊断和预测模块200产生的各类分析结果，最终再送到信息存储模块300进行存储。
进一步地，在本发明的一个实施例中，信息存储模块300用于存储各地上传的实时检测数据和诊断和预测模块200实时分析结果。
在本发明的一个具体实施例中，如图3所示，诊断系统由就地侧的检测设备、上位机侧的参数输入模块20和云服务器10的数据校验模块100、诊断和预测模块200以及信息存储模块300组成。
举例而言，就地检测设备31和气动调节阀41相连、就地检测设备32和气动调节阀42相连、就地检测设备33和气动开关阀43相连、就地检测设备34和电动开关阀44相连、就地检测设备35和泵45相连、就地检测设备36和蓄电池46相连。例如，就地检测设备31固定于气动调节阀41附近，通过变送器提取压力信息有：供气压力、数字定位器输出压力、放大器输出压力、气缸压力、阀内进出口压力；需要提取的扭矩信息有：阀杆扭矩；需要提取的位移信息有：阀杆位置等。参数输入模块20布置在上位机端，上位机带有现场总线端口和TCP/IP网口，以便与就地设备及云端通信，形式可以是工控机、PLC(Programmable LogicController，可编程逻辑控制器)或者是DCS(Distributed Control System，分布式控制系统)的操作站。需要说明的是，检测的参数通过参数输入模块20，进行转换并加上标签、设备信息等必要的参数后，上传到云端的数据校验模块100。
进一步地，在本发明的一个实施例中，云服务器10还包括：报警模块、判断模块和提醒模块。
其中，报警模块用于在诊断结果为劣化时，发出报警。判断模块用于判断备品备件数据库中对应的工艺设备是否缺件。提醒模块用于在缺件时，发出短缺提醒。
需要说明的是，前述对泛能站设备的诊断方法实施例的解释说明也适用于该实施例云服务器，此处不再赘述。
根据本发明实施例提出的云服务器，通过工艺设备的相关状态参数得到当前运行状态，进而得到一定时间内运行走势，最后得到诊断结果，从而可以对设备各项性能指标进行实时监测，及时预测设备运行状态，实现基于工业云对泛能站设备进行在线诊断的目的，且可以取代各处的本地数据库服务器，将各地数据统一提取、分析和诊断识别，降低运营成本，提高诊断的精确性，且提高诊断的实时性，有效保证监控可靠性。
此外，本发明的实施例还提出一种泛能站设备的诊断系统，该系统包括：多个就地检测设备、上述云服务器和参数输入模块。具体地，参数输入模块用于接收多个就地检测设备的发送的每个工艺设备的相关状态参数，并将每个工艺设备的相关状态参数发送至云服务器。
根据本发明实施例提出的泛能站设备的诊断系统，通过工艺设备的相关状态参数得到当前运行状态，进而得到一定时间内运行走势，最后得到诊断结果，从而可以对设备各项性能指标进行实时监测，及时预测设备运行状态，实现基于工业云对泛能站设备进行在线诊断的目的，且可以取代各处的本地数据库服务器，将各地数据统一提取、分析和诊断识别，降低运营成本，提高诊断的精确性，且提高诊断的实时性，有效保证监控可靠性。
在本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”、“顺时针”、“逆时针”、“轴向”、“径向”、“周向”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
在本发明中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或成一体；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系，除非另有明确的限定。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
在本发明中，除非另有明确的规定和限定，第一特征在第二特征“上”或“下”可以是第一和第二特征直接接触，或第一和第二特征通过中间媒介间接接触。而且，第一特征在第二特征“之上”、“上方”和“上面”可是第一特征在第二特征正上方或斜上方，或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”可以是第一特征在第二特征正下方或斜下方，或仅仅表示第一特征水平高度小于第二特征。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (3)
1.一种泛能站设备的诊断方法，其特征在于，包括以下步骤：
根据多个工艺设备的每个工艺设备的类型获取所述每个工艺设备的相关状态参数，其中，所述状态参数包括工艺设备的压力信息、温度、扭矩信息和位移信息的一种或多种，对于气动调节阀，需要提取的压力信息包括：供气压力、数字定位器输出压力、放大器输出压力、气缸压力、阀内进出口压力；需要提取的扭矩信息包括：阀杆扭矩；需要提取的位移信息有：阀杆位置；
判断所述每个工艺设备的相关状态参数是否满足预设条件；
如果满足所述预设条件，则根据所述每个工艺设备的相关状态参数得到所述每个工艺设备的当前运行状态，其中，在判断所述每个工艺设备的相关状态参数是否满足所述预设条件之后，还包括：检验每个工艺设备的相关状态参数中数据的有效性；标记所述每个工艺设备的相关状态参数中无效数据；获取无效数据的无效原因，并发出报警提示；
根据历史数据库中历史数据训练和优化诊断分析模型，以根据所述诊断分析模型得到当前运行状态；
根据所述历史数据库中历史数据训练和优化预测模型，以根据所述预测模型得到预设时间内运行走势；
根据所述每个工艺设备的当前运行状态和所述相关状态参数预测预设时间内运行走势，并根据所述预设时间内运行走势得到诊断结果；
如果所述诊断结果为劣化，则发出报警，并开列维修或更换所需要的零件，且判断备品备件数据库中对应的工艺设备是否缺件；如果缺件，则发出短缺提醒。
2.一种云服务器，其特征在于，包括：
数据校验模块，用于根据多个工艺设备的每个工艺设备的类型获取所述每个工艺设备的相关状态参数，并判断所述每个工艺设备的相关状态参数是否满足预设条件，其中，所述状态参数包括工艺设备的压力信息、温度、扭矩信息和位移信息的一种或多种，对于气动调节阀，需要提取的压力信息包括：供气压力、数字定位器输出压力、放大器输出压力、气缸压力、阀内进出口压力；需要提取的扭矩信息包括：阀杆扭矩；需要提取的位移信息有：阀杆位置；所述数据校验模块包括：检验单元，用于检验每个工艺设备的相关状态参数中数据的有效性；标记单元，用于标记所述每个工艺设备的相关状态参数中无效数据；提示单元，用于获取无效数据的无效原因，并发出报警提示；
第一建模模块，用于根据历史数据库中历史数据训练和优化诊断分析模型，以根据所述诊断分析模型得到当前运行状态；
第二建模模块，用于根据所述历史数据库中历史数据训练和优化预测模型，以根据所述预测模型得到预设时间内运行走势；
诊断和预测模块，用于在满足所述预设条件时，根据所述每个工艺设备的相关状态参数得到所述每个工艺设备的当前运行状态，并根据所述每个工艺设备的当前运行状态和所述相关状态参数预测预设时间内运行走势，并根据所述预设时间内运行走势得到诊断结果；
信息存储模块，用于将所述每个工艺设备的相关状态参数和所述诊断结果存入历史数据库；
报警模块，用于在所述诊断结果为劣化时，发出报警；
判断模块，用于判断备品备件数据库中对应的工艺设备是否缺件；
提醒模块，用于在缺件时，发出短缺提醒。
3.一种泛能站设备的诊断系统，其特征在于，包括：
多个就地检测设备；
根据权利要求2所述的云服务器；
参数输入模块，用于接收所述多个就地检测设备的发送的每个工艺设备的相关状态参数，并将所述每个工艺设备的相关状态参数发送至所述云服务器。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710641663.5A CN107505884B (zh) | 2017-07-31 | 2017-07-31 | 泛能站设备的诊断方法、云服务器及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710641663.5A CN107505884B (zh) | 2017-07-31 | 2017-07-31 | 泛能站设备的诊断方法、云服务器及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107505884A CN107505884A (zh) | 2017-12-22 |
| CN107505884B true CN107505884B (zh) | 2021-03-12 |
Family
ID=60688811
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710641663.5A Active CN107505884B (zh) | 2017-07-31 | 2017-07-31 | 泛能站设备的诊断方法、云服务器及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107505884B (zh) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2021042233A1 (en) * | 2019-09-02 | 2021-03-11 | Robert Bosch Gmbh | Remote diagnosis system, apparatus and method for power tool |
| CN113127984A (zh) * | 2019-12-31 | 2021-07-16 | 中移(上海)信息通信科技有限公司 | 设备维护的方法、装置、设备及存储介质 |
| CN112160750B (zh) * | 2020-09-21 | 2022-08-16 | 三一重型装备有限公司 | 采煤机状态控制、预测的系统及方法 |
| CN113114659B (zh) * | 2021-04-08 | 2022-12-23 | 深圳市元征科技股份有限公司 | 诊断设备检测方法、装置、终端设备及存储介质 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103208037A (zh) * | 2013-04-26 | 2013-07-17 | 国电南瑞南京控制系统有限公司 | 一种应用于新能源电站的基于在线校正的功率预测方法 |
| CN105739461A (zh) * | 2014-12-24 | 2016-07-06 | 韩国电力技术株式会社 | 使用qr码的发电厂现场监视系统和方法 |
Family Cites Families (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE602008005611D1 (de) * | 2007-08-16 | 2011-04-28 | Nxp Bv | System und verfahren zur bereitstellung von fehlerdetektionsfähigkeit |
| KR20140007178A (ko) * | 2012-07-09 | 2014-01-17 | 엘지전자 주식회사 | 가전기기 및 그 시스템 |
| US10386827B2 (en) * | 2013-03-04 | 2019-08-20 | Fisher-Rosemount Systems, Inc. | Distributed industrial performance monitoring and analytics platform |
| US9847639B2 (en) * | 2013-03-15 | 2017-12-19 | Dominion Energy, Inc. | Electric power system control with measurement of energy demand and energy efficiency |
| JP2015041732A (ja) * | 2013-08-23 | 2015-03-02 | パナソニックＩｐマネジメント株式会社 | 部品実装方法 |
| CN104102773B (zh) * | 2014-07-05 | 2017-06-06 | 山东鲁能软件技术有限公司 | 一种设备故障预警及状态监测方法 |
| CN105021925B (zh) * | 2015-07-15 | 2018-06-29 | 深圳市双合电气股份有限公司 | 基于水泥行业的电力监管系统及方法 |
| CN106600447B (zh) * | 2015-10-14 | 2020-03-24 | 国网智能科技股份有限公司 | 一种变电站巡检机器人集中监控系统大数据云分析方法 |
| US20170117064A1 (en) * | 2015-10-27 | 2017-04-27 | Accenture Global Services Limited | Nuclear power plant digital platform |
| CN105549557A (zh) * | 2015-12-16 | 2016-05-04 | 天津市奥朗新能源科技有限公司 | 电厂实时动态3d水平衡监测系统及其工作方法 |
| CN106527339B (zh) * | 2016-12-14 | 2019-04-23 | 东北大学 | 一种基于工业云的高可靠的选矿设备故障诊断系统及方法 |
| CN106930934A (zh) * | 2017-03-15 | 2017-07-07 | 中国石油化工股份有限公司 | 一种主输泵故障诊断方法和系统 |
-
2017
- 2017-07-31 CN CN201710641663.5A patent/CN107505884B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103208037A (zh) * | 2013-04-26 | 2013-07-17 | 国电南瑞南京控制系统有限公司 | 一种应用于新能源电站的基于在线校正的功率预测方法 |
| CN105739461A (zh) * | 2014-12-24 | 2016-07-06 | 韩国电力技术株式会社 | 使用qr码的发电厂现场监视系统和方法 |
Non-Patent Citations (1)
| Title |
|---|
| 基于自动需求响应及高级泛能管理用户侧主动响应集成控制互动设备研制与应用;石怀德等;《电气应用》;20131231(第S2期);153-157 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107505884A (zh) | 2017-12-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107505884B (zh) | 泛能站设备的诊断方法、云服务器及系统 | |
| US11016468B1 (en) | Monitoring system for use in industrial operations | |
| CN106843190B (zh) | 分布式车辆健康管理系统 | |
| KR101518448B1 (ko) | 대상 장치에 대한 베이스라인 예측 유지보수 방법 및 이를 이용한 컴퓨터가 읽을 수 있는 기록 매체 | |
| CN107851057A (zh) | 预测模型的动态执行 | |
| US6609051B2 (en) | Method and system for condition monitoring of vehicles | |
| RU2313815C2 (ru) | Устройство и способ для контроля технической установки, содержащей множество систем, в частности установки электростанции | |
| KR20190093604A (ko) | 정보 처리 방법, 정보 처리 시스템, 및 정보 처리 장치 | |
| US20050096759A1 (en) | Distributed power generation plant automated event assessment and mitigation plan determination process | |
| CN111796953A (zh) | 故障预测装置及方法、存储介质、模型的学习及生成方法 | |
| EP1818746A1 (en) | Method of condition monitoring | |
| US7941060B2 (en) | Systems and methods for remote diagnostics of devices | |
| KR102343752B1 (ko) | 프로세스 장치에서 전체 프로세스 섹션의 상태를 자동 모니터링하고 측정하는 컴퓨터 실행 방법 및 시스템 | |
| CN106019195A (zh) | 一种电力计量自动化检定流水线故障诊断系统 | |
| CN114323671A (zh) | 借助人工智能方法基于对电驱动系统的组件的预测诊断来确定剩余使用寿命的方法和设备 | |
| CN112906920B (zh) | 汽车智能制造设备的状态监测及预测性维修方法及装置 | |
| CN112610564A (zh) | 液压马达的监测系统和维护系统、及车辆 | |
| CN112363432A (zh) | 一种水电站辅助设备的监测系统及监测方法 | |
| Bousdekis et al. | A real-time architecture for proactive decision making in manufacturing enterprises | |
| CN113379223A (zh) | 基于故障关联模型的船舶主机随船备件多层级配置方法 | |
| US11101050B2 (en) | Systems and methods to evaluate and reduce outages in power plants | |
| KR20210083892A (ko) | 수소 충전소의 운영방법 | |
| US20230408996A1 (en) | Monitoring laundry machine operation using machine learning analysis of acoustic transducer signal information | |
| CN101646982A (zh) | 用于监视系统健康的方法和装置 | |
| Papa et al. | Cyber physical system based proactive collaborative maintenance |
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 |