CN110623679A - 一种单采血浆机设备故障预测系统及方法 - Google Patents

Abstract

本发明公开了一种单采血浆机设备故障预测系统及方法，属于血浆采集系统的技术领域，包括数据采集模块、分析预测模块和预警通知模块；所述数据采集模块设于单采血浆机上，且数据采集模块用于采集单采血浆机中离心机、蠕动泵以及电磁阀的故障监测指标数据；所述分析预测模块设于云端，且分析预测模块与数据采集模块建立通信连接，且分析预测模块用于对故障监测指标数据进行分析预测生成预测值；所述预警通知模块与分析预测模块通信连接，且预警通知模块用于对预测值判断并发送预警消息至监测终端，以达到通过分析单采血浆机中核心设备的运行数据，预测各个核心设备故障的目的。

Description

一种单采血浆机设备故障预测系统及方法

技术领域

本发明属于血浆采集系统的技术领域，具体而言，涉及一种单采血浆机设备故障预测系统及方法。

背景技术

单采血浆机是一种用于从人体采集原料血浆的设备，大量应用于单采血浆站中。随着单采血浆机在血浆站的大量应用，单采血浆机的故障检查与处理已经成为浆站的一项重要工作，而离心机、蠕动泵、电磁阀作为单采血浆机的核心设备，其故障情况直接影响单采血浆机的正常使用。

血浆站的传统方式是通过人工来发现单采血浆机故障，或者通过定期更换部件的方式来避免故障的发生。其中，采用人工方式依赖于工作人员的经验、责任心和供血浆者的反馈，不易提前发现故障隐患；而通过定期更换也依赖于厂家服务是否及时，很容易出现设备更换不及时进而导致采浆过程中发生故障。

发明内容

鉴于此，为了解决现有技术存在的上述问题，本发明的目的在于提供一种单采血浆机设备故障预测系统及方法以达到通过分析单采血浆机中核心设备的运行数据，预测各个核心设备故障的目的。

本发明所采用的技术方案为：一种单采血浆机设备故障预测系统，包括数据采集模块、分析预测模块和预警通知模块；

所述数据采集模块设于单采血浆机上，且数据采集模块用于采集单采血浆机中离心机、蠕动泵以及电磁阀的故障监测指标数据；

所述分析预测模块设于云端，且分析预测模块与数据采集模块建立通信连接，且分析预测模块用于对故障监测指标数据进行分析预测生成预测值；

所述预警通知模块与分析预测模块通信连接，且预警通知模块用于对预测值判断并发送预警消息至监测终端。

进一步地，还包括数据发送模块、数据接收模块和数据存储模块，所述数据采集模块、数据发送模块、数据接收模块、数据存储模块和所述分析预测模块依次通信连接，以实现对数据的快速、准确的传输。

进一步地，所述数据采集模块连接有震动传感器、流量传感器和数据采集卡，且震动传感器、流量传感器和数据采集卡分别采集离心机、蠕动泵和电磁阀的故障监测指标数据，以分别实时获取各自的故障监测指标。

进一步地，所述分析预测模块内置有BP神经网络预测模型，并通过该BP神经网络预测模型进行分析预测，以保证预测值的准确性和可靠性。

一种单采血浆机设备故障预测方法，该方法包括以下步骤：

(1)对单采血浆机中离心机、蠕动泵和电磁阀进行实时监测，以分别采集故障监测指标数据；

(2)将各项故障监测指标数据上传至云端，并对离心机、蠕动泵和电磁阀所对应的故障监测指标数据进行分析预测，以生成预测值，通过预测值判断是否发送故障预警消息，若是，则进入步骤(3)；若否，则对预测值进行保存；

(3)将故障预警消息下发至工作人员的监控终端上。

进一步地，所述故障监测指标数据通过BP神经网络预测模型进行分析预测，并获得对应的预测值。

进一步地，所述步骤(1)中，通过震动传感器对离心机的震动烈度数据实时监测，并以震动烈度数据作为故障监测指标数据；

通过流量传感器对蠕动泵的流量数据实时监测，并以流量数据作为故障监测指标数据；

通过数据采集卡对电磁阀的异常开关频率和次数实时监测，并以异常开关频率和次数作为故障监测指标数据。

进一步地，所述步骤(2)中，若离心机的震动烈度数据变化趋势数值显著且超过设定的报警上限值或下限值，则发送故障预警消息。

进一步地，所述步骤(2)中，若蠕动泵的流量数据变化趋势数值显著且超过设定的报警上限值或下限值，则发送故障预警消息。

进一步地，所述步骤(2)中，若电磁阀的异常开关频率和次数超过设定的报警上限值或下限值，则发送故障预警消息，且通过电磁阀的异常开关频率和次数，再结合单采血浆机单日的电磁阀开关次数，分析预测电磁阀可能发生异常开关的时间。

本发明的有益效果为：

1.采用本发明所公开的单采血浆机设备故障预测系统，通过震动传感器、流量传感器以及数据采集卡分别对离心机、蠕动泵、电磁阀的故障监测指标数据进行实时采集，采集过程数据准确度较高，再通过数据发送模块和数据接收模块对数据实时传输，而位于云端的分析预测模块、预警通知模块则能够对故障预警消息进行实时下发至工作人员，以提醒工作人员对单采血浆机中的核心部件进行及时更换，整个系统具体良好的自动化和交互性。

2.采用本发明所公开的单采血浆机设备故障预测方法，通过对单采血浆机核心设备离心机、蠕动泵、电磁阀的故障监测指标数据进行实时采集，并对故障监测指标数据进行预测分析，以最终生产故障预警消息，故障预警消息能够通过邮件或短信方式提前通知浆站工作人员，浆站工作人员可以提前更换单采血浆机中的核心部件，保证单采血浆机的正常运行，避免采浆过程中的因设备故障导致的事故。

附图说明

图1是本发明提供的单采血浆机设备故障预测系统的系统结构框图；

图2是本发明提供的单采血浆机设备故障预测方法的工作流程图。

具体实施方式

下面详细描述本申请的实施例，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模块或具有相同或类似功能的模块。下面通过参考附图描述的实施例是示例性的，仅用于解释本申请，而不能理解为对本申请的限制。相反，本申请的实施例包括落入所附加权利要求书的精神和内涵范围内的所有变化、修改和等同物

实施例1

如图1所示，在本实施例中具体公开了一种单采血浆机设备故障预测系统，包括数据采集模块、分析预测模块和预警通知模块，还包括数据发送模块、数据接收模块和数据存储模块，所述数据采集模块、数据发送模块、数据接收模块、数据存储模块和所述分析预测模块依次通信连接。分析预测模块将预测值传输至预警通知模块，预警通知模块通过预警通知规则，若预测值达到预警要求，则进行预警消息通知，否则，将预测值返回至数据存储模块进行存储。

所述数据采集模块设于单采血浆机上，将数据采集模块连接有震动传感器、流量传感器和数据采集卡，且震动传感器、流量传感器和数据采集卡分别采集离心机、蠕动泵和电磁阀的故障监测指标数据，即通过震动传感器自动采集离心机的震动烈度数据、通过流量传感器自动采集蠕动泵的流量数据以及通过数据采集卡自动采集电磁阀的异常开关次数和频率。

所述分析预测模块设于云端，且分析预测模块与数据采集模块建立通信连接，且分析预测模块用于对故障监测指标数据进行分析预测生成预测值。分析预测模块定时分析数据存储模块中的数据，分析预测模块内置有BP神经网络预测模型，并通过该BP神经网络预测模型进行分析预测，该BP神经网络预测模型以离心机的震动烈度数据、电磁阀的异常开关频率和次数、蠕动泵的流量数据为单采血浆机的故障监测指标。

所述预警通知模块也设于云端，且预警通知模块与分析预测模块通信连接，预警通知模块读取分析预测模块的数据并根据预先配置的预警通知规则通过邮件或短信发送预警消息至监测终端，监测终端可以为电脑或手机。

该故障预测系统的工作原理如下：

数据采集模块通过震动传感器采集离心机震动烈度数据、通过流量传感器采集蠕动泵流量数据、通过数据采集卡采集电磁阀正常启动次数及重启次数，并将所采集的数据通过网络传输至云端的分析预测模块；即数据发送模块将数据采集模块采集的实时数据通过网络传输至云端的数据接收模块，数据接收模块接收到数据并将数据保存至数据存储模块。在本实施例中，数据发送模块根据系统设定的时间间隔，定时通过http方式将数据传送给云端系统的数据接收模块。

分析预测模块调用数据存储模块中的数据，并通过BP神经网络预测模型进行分析预测，以获得预测值，预警通知模块获得分析预测模块的结果后，通过邮件或短信的方式通知相关人员。

实施例2

在实施例1的基础上，如图2所示，在本实施例中还公开了基于上述单采血浆机设备故障预测系统的预测方法，该预测方法包括：

(1)对单采血浆机中离心机、蠕动泵和电磁阀进行实时监测，以分别采集故障监测指标数据；即通过震动传感器对离心机的震动烈度数据实时监测，并以震动烈度数据作为故障监测指标数据；通过流量传感器对蠕动泵的流量数据实时监测，并以流量数据作为故障监测指标数据；通过数据采集卡对电磁阀的开关信号进行采集，以对电磁阀的异常开关频率和次数实时监测，并以异常开关频率和次数作为故障监测指标数据。

(2)将各项故障监测指标数据上传至云端，并通过云端的分析预测模块对离心机、蠕动泵和电磁阀所对应的故障监测指标数据进行分析预测，即通过BP神经网络预测模型以离心机的震动烈度数据、蠕动泵的流量数据以及电磁阀的异常开关频率和次数作为预测指标进行分析预测，以获得对应的预测值，通过预测值判断是否发送故障预警消息，若是，则进入步骤(3)；若否，则对预测值进行保存；在本步骤中判断预测值是否符合发送故障预警消息的条件如下：

单采血浆机在使用过程中，其离心机的震动烈度应在确定范围内，若离心机的震动烈度数据变化趋势数值显著且超过设定的报警上限值或下限值，则发送故障预警消息；

单采血浆机在使用过程中，其蠕动泵的流量应在确定范围内，且在采浆过程中蠕动泵的流量数据应比较稳定，若蠕动泵的流量数据变化趋势数值显著且超过设定的报警上限值或下限值，则发送故障预警消息；

由于在单采血浆机的使用过程中会发生电磁阀无法正常打开或关闭，进而导致单采血浆机无法正常采浆的情况，因此，电磁阀的异常开关频率和次数是预测电磁阀故障的关键参数。若电磁阀的异常开关频率和次数超过设定的报警上限值或下限值，则发送故障预警消息，且通过电磁阀的异常开关频率和次数，再结合单采血浆机的单日电磁阀开关次数，分析预测电磁阀可能发生异常开关的时间。

(3)将故障预警消息通过邮件或者短信的方式下发至工作人员的监控终端上，监控终端包括电脑、手机，以实现工作人员能够及时掌握整个单采血浆机的运行信息并对故障进行预警通知。

需要说明的是，在本申请的描述中，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性。此外，在本申请的描述中，除非另有说明，“多个”的含义是指至少两个。

流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本申请的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本申请的实施例所属技术领域的技术人员所理解。

应当理解，本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。

本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。

此外，在本申请各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。

上述提到的存储介质可以是只读存储器，磁盘或光盘等。

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申请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一定指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何的一个或多个实施例或示例中以合适的方式结合。

尽管上面已经示出和描述了本申请的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本申请的限制，本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (10)

1.一种单采血浆机设备故障预测系统，其特征在于，包括数据采集模块、分析预测模块和预警通知模块；

所述数据采集模块设于单采血浆机上，且数据采集模块用于采集单采血浆机中离心机、蠕动泵以及电磁阀的故障监测指标数据；

所述分析预测模块设于云端，且分析预测模块与数据采集模块建立通信连接，且分析预测模块用于对故障监测指标数据进行分析预测生成预测值；

所述预警通知模块与分析预测模块通信连接，且预警通知模块用于对预测值判断并发送预警消息至监测终端。

2.根据权利要求1所述的单采血浆机设备故障预测系统，其特征在于，还包括数据发送模块、数据接收模块和数据存储模块，所述数据采集模块、数据发送模块、数据接收模块、数据存储模块和所述分析预测模块依次通信连接。

3.根据权利要求1所述的单采血浆机设备故障预测系统，其特征在于，所述数据采集模块连接有震动传感器、流量传感器和数据采集卡，且震动传感器、流量传感器和数据采集卡分别采集离心机、蠕动泵和电磁阀的故障监测指标数据。

4.根据权利要求1所述的单采血浆机设备故障预测系统，其特征在于，所述分析预测模块内置有BP神经网络预测模型，并通过该BP神经网络预测模型进行分析预测。

5.一种单采血浆机设备故障预测方法，其特征在于，该方法包括以下步骤：

(1)对单采血浆机中离心机、蠕动泵和电磁阀进行实时监测，以分别采集故障监测指标数据；

(2)将各项故障监测指标数据上传至云端，并对离心机、蠕动泵和电磁阀所对应的故障监测指标数据进行分析预测，以生成预测值，通过预测值判断是否发送故障预警消息，若是，则进入步骤(3)；若否，则对预测值进行保存；

(3)将故障预警消息下发至工作人员的监控终端上。

6.根据权利要求5所述的单采血浆机设备故障预测方法，其特征在于，所述故障监测指标数据通过BP神经网络预测模型进行分析预测，并获得对应的预测值。

7.根据权利要求5所述的单采血浆机设备故障预测方法，其特征在于，所述步骤(1)中，通过震动传感器对离心机的震动烈度数据实时监测，并以震动烈度数据作为故障监测指标数据；

通过流量传感器对蠕动泵的流量数据实时监测，并以流量数据作为故障监测指标数据；

通过数据采集卡对电磁阀的异常开关频率和次数实时监测，并以异常开关频率和次数作为故障监测指标数据。

8.根据权利要求7所述的单采血浆机设备故障预测方法，其特征在于，所述步骤(2)中，若离心机的震动烈度数据变化趋势数值显著且超过设定的报警上限值或下限值，则发送故障预警消息。

9.根据权利要求7所述的单采血浆机设备故障预测方法，其特征在于，所述步骤(2)中，若蠕动泵的流量数据变化趋势数值显著且超过设定的报警上限值或下限值，则发送故障预警消息。

10.根据权利要求7所述的单采血浆机设备故障预测方法，其特征在于，所述步骤(2)中，若电磁阀的异常开关频率和次数超过设定的报警上限值或下限值，则发送故障预警消息，且通过电磁阀的异常开关频率和次数，再结合单采血浆机单日的电磁阀开关次数，分析预测电磁阀可能发生异常开关的时间。