CN110749462B

CN110749462B - 一种基于边缘计算的工业设备故障检测方法及系统

Info

Publication number: CN110749462B
Application number: CN201910656565.8A
Authority: CN
Inventors: 张继勇; 庄浩; 柴恩召; 蔡恒
Original assignee: Huarui Xinzhi Technology Beijing Co ltd
Current assignee: Huarui Xinzhi Baoding Technology Co.,Ltd.; HUARUI XINZHI TECHNOLOGY (BEIJING) Co.,Ltd.
Priority date: 2019-07-19
Filing date: 2019-07-19
Publication date: 2021-05-07
Anticipated expiration: 2039-07-19
Also published as: CN110749462A

Abstract

本申请实施例提供了一种基于边缘计算的工业设备故障检测方法及系统，可以实现实时有效地检测工业设备故障的发生。其中，该方法包括：边缘计算设备接收来自多个控制器的工业设备生成的数据。从工业设备生成的数据中筛选出普通变量数据，并将普通变量数据进行一系列的处理。从处理后的普通变量数据中，确定与预设的故障检测模型的输入参数对应的数据，作为检测数据。将检测数据输入相应的预设的故障检测模型，确定检测数据对应的工业设备是否发生故障。

Description

一种基于边缘计算的工业设备故障检测方法及系统

技术领域

本申请涉及信息技术领域，尤其涉及一种基于边缘计算的工业设备故障检测方法及系统。

背景技术

随着工业转型升级持续不断地向数字化、网络化、智能化的目标发展，越来越多的工业设备接入到工业互联网中，大量工业设备的接入势必会带来海量的数据。传统的端到云的模式已经不能满足工业设备侧“大连接、低延时、快响应”的需求，特别是在工业设备运维这一领域，传统的工业设备故障数据上传、事后分析的模式无法解决工业设备故障的问题，不能实时有效地检测到工业设备故障的发生。

发明内容

本申请实施例提供了一种基于边缘计算的工业设备故障检测方法，该方法包括：多个控制器向边缘计算设备发送控制器对应的工业设备生成的数据。边缘计算设备从工业设备生成的数据中筛选出普通变量数据，普通变量数据为与所述工业生产数据中的其它数据共同反应工业设备运行状态的数据。边缘计算设备根据预设规则对普通变量数据进行数据格式转换，得到数据格式相同的普通变量数据；边缘计算设备将数据格式相同的普通变量数据去除噪声数据。边缘计算设备从除去噪声数据后的普通变量数据中，确定与预设的故障检测模型的输入参数对应的数据，作为检测数据。边缘计算设备将检测数据输入相应的预设的故障检测模型，确定检测数据对应的工业设备是否发生故障。

在一种可能实现的方式中，方法包括：数据中心根据预设的逻辑映射规则，确定与边缘计算设备相应的预设的故障检测模型，并将预设的故障检测模型发送给边缘计算设备。其中，预设的逻辑映射规则用于表示边缘计算设备与工业设备的对应关系。

在一种可能实现的方式中，数据中心根据预设的逻辑映射规则，确定与边缘计算设备相应的预设的故障检测模型，具体包括：数据中心根据预设的逻辑映射规则，确定边缘计算设备对应的多个工业设备。根据多个工业设备发生故障的历史数据，确定多个工业设备的至少一个故障类型。根据多个工业设备的至少一个故障类型，确定用于检测故障类型的预设故障预测模型，并将预设故障预测模型发送至边缘计算设备。其中，故障类型与预设故障预测模型一一对应。

在一种可能实现的方式中，方法还包括：数据中心进行工业设备层级建模，将工业设备分为集团级、工厂级、车间级、产线级、设备级。

在一种可能实现的方式中，工业设备生成的数据还包括统一变量数据，统计变量数据为直接反应所述工业设备的运行状态的数据。其中，所述工业设备的运行状态包括正常状态、待机状态、停机状态。

在一种可能实现的方式中，方法还包括：将数据结构统一的普通变量数据发送至数据中心，以便于数据中心根据普通变量数据进行报警故障检测模型训练。

在一种可能实现的方式中，在多个控制器向边缘计算设备发送控制器对应的工业设备生成的数据之前，方法还包括：向对应的控制器发送用于获取工业设备运行产生的数据的指令，以使控制器根据接收的指令向边缘计算设备发送对应的工业设备生成的数据。

在一种可能实现的方式中，方法还包括：在确定检测数据对应的工业设备是否发生故障之后，方法还包括：在检测数据对应的工业设备发生故障的情况下，边缘计算设备根据检测数据生成报警信息，并将报警信息发送至数据中心，以便于数据中心根据报警信息确定相应的维修终端。其中，报警信息至少包括：检测数据对应的工业设备的身份标识、检测数据。

相应地，本申请实施例了一种基于边缘计算机的工业设备故障检测系统，系统包括：控制器，边缘计算设备，控制器与边缘计算设备相连接。控制器用于向边缘计算设备发送控制器对应的工业设备生成的数据。边缘计算设备用于从工业设备生成的数据中筛选出普通变量数据，普通变量数据为与所述工业生产数据中的其它数据共同反应工业设备运行状态的数据。用于根据预设规则对普通变量数据进行格式转换，得到数据格式相同的普通变量数据。用于将数据格式相同的普通变量数据去除噪声数据；用于从除去噪声数据后的普通变量数据中，确定与预设的故障检测模型的输入参数对应的数据，作为检测数据。以及用于将检测数据输入相应的预设的故障检测模型，确定检测数据对应的工业设备是否发生故障。

本申请实施例还提供了一种存储程序的计算机存储介质，程序包括指令，指令被边缘计算设备执行时，使得边缘计算设备执行上述的方法。

本申请实施例提供了一种基于边缘计算的工业设备故障检测方法及系统，工业设备产生的普通变量数据通过边缘计算设备中的故障预测模型，确定工业设备是否发生故障，避免了现有技术中对工业设备故障的预测反应迟缓的问题，可以实现实时有效地预测工业设备故障的发生。利用自动化识别工业设备的故障，还可以减少人力成本。

附图说明

此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

图1为本申请实施例提供的一种基于边缘计算的工业设备故障检测系统的结构示意图；

图2为本申请实施例提供的一种基于边缘计算的工业设备故障检测方法的流程图。

具体实施方式

为了更清楚的阐释本申请的整体构思，下面结合说明书附图以示例的方式进行详细说明。

本申请实施例提供了一种基于边缘计算的工业设备故障检测系统，如图1 所示，该系统包括多个工业设备110、多个控制器120、多个边缘计算设备130 以及数据中心140。

需要说明的是，控制器120和工业设备110是一一对应的，控制器120可以是工业用的可编程逻辑控制器或者运动控制器。

此外，多个工业设备110对应一个边缘计算设备130、多个边缘计算设备 130对应一个数据中心140。多个工业设备110之间可以通过工业网络互通互联，工业设备110通过对应的控制器120与对应的边缘计算设备130连接，边缘计算设备130与数据中心140连接。

如图1所示，工业设备110生成的数据通过控制器120发送至对应的边缘计算设备130，边缘计算设备130对工业设备生成的数据进行处理，并将处理后的数据通过预设的故障检测模型确定工业设备是否发生故障。

其中，预设的故障检测模型是数据中心140通过工业传输网络发送给边缘计算设备130的。需要说明的是，由于不同的工业设备110需要检测的故障可能不同，因此数据中心140可以为不同的边缘计算设备130配置不同的故障检测模型。

在本申请实施例中，边缘计算设备130是指靠近数据源头的网络边缘侧设备，例如具有网关功能的工业控制计算机。

以下结合图1来说明基于边缘计算的工业设备故障检测方法的各步骤。图 2为本申请实施例提供的一种基于边缘计算的工业设备故障检测方法的流程图，如图2所示，该方法包括步骤S201至S207。

S201，工业设备110生成的数据存储在对应的控制器120中。

其中，工业设备110生成的数据可以是工业设备110运行时生成的各项数据，可以包括PLC数据以及其他格式的数据。

S202，边缘计算设备130向对应的控制器120发送用于获取工业设备生成的数据的指令。

S203，控制器120根据接收到的指令，向边缘计算设备130发送工业设备 110生成的数据。

在本申请实施例的步骤S202和S203中，边缘计算设备130先向控制器 120发送指令，控制器120在接收到指令后再向边缘计算设备130发送工业设备数据，可以有效的避免控制器120主动向边缘计算设备发送工业设备数据时，由于多个控制器120的同时发送数据造成网络风暴。

在本申请实施例中，工业设备110生成的数据通过控制器120发送给边缘计算设备130，可以使边缘计算设备130能够更加灵活、边界的获取工业设备 110生成的数据。

S204，边缘计算设备130从工业设备110生成的数据中筛选出普通变量数据。

上述普通变量数据为与所述工业生产数据中的其它数据共同反应工业设备110运行状态的数据，即需要其他参数共同协作才能反应工业设备110工作状态的数据。

在本申请的一种实施方式中，工业设备110生成的数据中除了普通变量数据还包括统计变量数据。统计变量数据可以直接反应工业设备110的运行状态，这里所提到的工业设备110的运行状态可以包括正常状态、待机状态、停机状态。

S205，边缘计算设备130按照预设规则对普通变量数据进行格式转换，得到数据格式相同的普通变量数据。

在实际的工业生产过程中，由于各工业设备间的数据格式并不相同，使得在数据传输或数据存储过程中造成一定的问题。因此，将普通变量数据转换成数据结构和数据类型统一的工业设备数据。有利于后续普通变量的传输和存储。

需要说明的是，预设规则可以是提前设置好的，将普通变量数据转换成特定的数据结构。

S206，边缘计算设备130将数据格式相同的普通变量数据去除噪声数据，得到除去噪声数据的普通变量数据。

其中，噪声数据是指工业设备运行过程中产生的无效数据。例如，工业设备在待机状态或停止状态时产生的数据，或者未发生过变化的数据。

在本申请实施例中，从普通变量数据中筛除无效数据，可以有效的降低普通变量数据在后续传输时网络的压力。

S207，边缘计算设备130从除去噪声数据后的普通变量数据中，确定与预设的故障检测模型的输入参数对应的数据，作为检测数据。

其中，所述预设的故障检测模型是一种训练好的神经网络模型。

在实际应用过程中，神经网络模型的训练需要大量的样本数据，所消耗的计算机资源也较大，这样会制约神经网络模型的应用场景，因此需要一种方法对神经网络模型进行压缩。

在本申请实施例中，可以通过以下方法对神将网络模型进行压缩：

对于神经网络模型中的输出层，找出该输出层中所有的输入参数，并将这些输入参数用集合的方式表示，得到该输出层的输入参数集合。

分别对模型参数集合N中的每个输入参数x_i进行log变换，得到log参数集合M，该log参数集合M中的元素即为转换参数y_i。其中，x_i是输入参数集合N中的第i个输入参数，y_i为log参数集合M中的第i个转换参数。

需要说明的是，为了在后续实际应用中，能够对压缩的数据进行解压实现正常的使用，在后续还需对压缩后的参数值进行指数变换，使其变换为原数据类型。

再通过预设的量化公式：

分别将每个转换参数y_i量化到间隔为该预设的量化步长的数轴上并取整数，得到该输入参数对应的量化参数的值。上述预设的量化步长可以是根据实际需求决定的。其中，round() 为取整函数，s为预设的量化步长，h_i为第i个量化参数的值，第i个量化参数是由第i个转换参数y_i进行量化后得到的。

对多个量化参数的值进行从大到小排序，并从排序后的多个量化参数的值中，选取排列靠前目标个数的值，将这些排列靠前的值所对应的量化参数作为采样量化点。

针对第i个量化参数，分别计算第i个量化参数的值与每个采样量化点之间的差值的平方值，之后，从多个平方值中选取最小值，并确定多个平方值中最小值所对应的采样量化点的标识值，当第i模型参数的值为正数时，将标识值作为第i模型参数的量化值；当第i模型参数的值为负数时，计算标识值与目标个数之间的和值，并将和值作为第i模型参数的量化值。

在得到每个输入参数的量化值之后，可根据每个输入参数的量化值，对每个输入参数进行压缩存储，以达到神经网络模型压缩的目的。

不同的工业设备需要发生的故障的类型可能有所不同，在边缘计算设备 130中预设的故障检测模型是针对工业设备的故障类型所存在的。

在本申请实施例中，预设的故障检测模型是数据中心140在故障检测系统运行之前发送给边缘计算设备130的。

具体地，数据中心140根据预设的逻辑映射规则，确定与所述边缘计算设备相应的预设的故障检测模型，并将所述预设的故障检测模型发送给所述边缘计算设备。

其中，预设的逻辑映射规则用于表示边缘计算设备与工业设备的对应关系。例如，边缘计算设备1对应的工业设备a1、工业设备a2、工业设备a3。

在本申请的一种实施方式中，数据中心140根据预设的逻辑映射规则，确定与所述边缘计算设备相应的预设的故障检测模型，可以通过以下方式实现：

数据中心140根据预设的逻辑映射规则，确定边缘计算设备130对应的多个工业设备110；

根据多个工业设备110发生故障的历史数据，确定多个工业设备110的故障类型；

根据多个工业设备的故障类型，确定用于检测该故障类型的预设故障预测模型，并将该预设故障预测模型发送至所述边缘计算设备；

其中，故障类型与预设故障预测模型一一对应。

需要说明的是，可以预先在数据中心140中可以建立各工业设备110控制器120的逻辑映射，这些逻辑的控制器和工业设备上的物理的控制器是对应的，这些逻辑的控制器120可以添加、修改、删除，也可以配置控制器120的名称、描述、IP地址、连接超时时间等。还可以建立控制器中各个普通变量数据的逻辑映射，这些普通变量数据可以添加、修改、删除，可以配置普通变量数据的名称、描述、数据类型、单位等。以及建立各个边缘计算设备130的逻辑映射，这些边缘计算设备130可以添加、修改、删除，可以配置边缘计算设备130的名称、描述，同时可以为不同的边缘计算设备配置不同的报警故障检测模型，数据中心140通过网络传输将各个报警故障检测模型下放各个边缘计算设备中去。

再在这，一个工业设备可能有多个故障类型，多个工业设备也可能仅有一个共同的故障类型。在本申请实施例中，可以根据确定出的工业设备110的故障类型以及边缘计算设备130的存储空间决定发送的预设报警故障检测模型的数量。

此外，在一个边缘计算设备130中可以包括一个或多个预设报警故障检测模型，每个报警故障检测模型针对一种故障类型。

对于针对不同故障类型的故障检测模型，其各自的输入参数也有不同，因此需要从接收到的除去噪声数据后的普通变量数据中与筛选出边缘计算设备 130中的预设的故障检测模型的参数因子对应的数据，作为检测数据。

例如，某工业设备数据包括a、b、c、d，检测的故障类型为E，其对应的报警故障检测模型需要的输入参数仅包括a、b、d三个，因此，将工业设备数据中的a、b、d作为检测数据。

S20，边缘计算设备130将检测数据输入相应的预设故障检测模型中，确定检测数据对应的工业设备110是否发生故障。

在本申请实施例中，普通变量数据可以附带有身份标识，用于表示该工业设备数据对应的工业设备110。通过普通变量数据的身份标识，可以确定其对应的工业设备110.

在本申请的一种实施方式中，数据中心140可以按照ISA95的树状结构进行设备层级建模，分为集团级、工厂级、车间级、产线级、设备级，可以对树状结构中各节点进行添加、修改、删除，更有利于数据中心进行统一的管理。

并且，在对工业设备分级之后，可以按照工业设备110的层级配置对应的边缘计算设备130。例如，多个工业设备110为同一车间级，将该车间级内的全部工业设备110配置用一个边缘计算设备130，更有利于数据中心140为边缘计算设备130发送相应的故障检测模型。

在本申请的一种实施方式中，所述方法还包括：

在检测数据对应的工业设备110发生故障的情况下，边缘计算设备130基于检测数据生成报警信息，并将报警信息发送至数据中心140；

数据中心140根据报警信息确定相应的维修终端。

上述报警信息可以由故障类型、故障工业设备的身份标识组成，还可以包括检测数据、设备故障时间中的至少一种。

具体地，首先对报警信息进行分析，获得工业设备的位置信息以及故障类型；

按照预设规则确定与所述故障类型相应的至少一个待维修终端；

获取各待维修终端的地理位置信息，并分别计算各待维修终端与故障工业设备之间的距离，将所述距离最短的待维修终端作为该故障工业设备对应的维修终端。

在本申请实施例中，可以将工业设备110的身份标识和其相应的位置信息存储在数据中心140中。并且，工业设备110发生的故障不同，其维修难度也不相同，因此可以为不同的故障类型配置不同的维修终端。

在本申请实施例中，边缘计算设备130还可以对工业设备110生成的数据中的统计变量数据进行格式转换和去除噪声数据，并将处理后的统计变量数据发送至数据中心。

此外，数据中心140可以对边缘计算设备130发送的普通变量数据进行数据挖掘，不断尝试发现新的故障问题，从而构建新的故障预测模型，并发送到对应的边缘计算设备130中。

在本申请的一种实施方式中，数据中心140将新的故障预测模型发送至相应的边缘计算设备130中，具体可以用过下述方式实现：

数据中心140确定边缘计算设备120的剩余存储空间，并根据所述剩余存储空间确定存储故障检测模型的数量；

在所述剩余存储空间确定存储故障检测模型的数量小于新故障检测模型的数量的情况下，根据历史时间段内接收到的来自边缘计算设备130的报警信息，确定不同的故障分别发生的概率，按照概率的从大到小的顺序，向相应的边缘计算设备发送对应的新故障检测模型。

通过上述技术方案，可以在工业设备运转过程中出现新的故障类型是，可以自动更新边缘计算设备130中的故障检测模型，从而更高效的检测工业设备故障的发生。

本申请实施例提供了一种基于边缘计算的工业设备故障检测方法，工业设备110产生的普通变量数据通过边缘计算设备130中的故障检测模型，确定工业设备110是否发生故障，避免了现有技术中对工业设备110故障的检测反应迟缓的问题，可以实现实时有效地检测工业设备110故障的发生。利用自动化识别工业设备110的故障，还可以减少人力成本。

本申请实施例还提供了一种基于边缘计算的工业设备故障检测系统，如图1所示，该系统包括：工业设备110、控制器120、边缘计算设备130、数据中心140。

其中，工业设备110用于生成数据。

控制器120用于向边缘计算设备发送工业设备生成的数据。

边缘计算设备130用于从工业设备生成的数据中筛选出普通变量数据，普通变量数据为与所述工业生产数据中的其它数据共同反应工业设备运行状态的数据。用于按照预设规则对普通变量数据进行格式转换，得到数据格式相同的普通变量数据。用于将数据格式相同的普通变量数据去除噪声数据；用于从除去噪声数据后的普通变量数据中，确定与预设的故障检测模型的输入参数对应的数据，作为检测数据。以及用于将检测数据输入相应的预设的故障检测模型，确定检测数据对应的工业设备是否发生故障。

数据中心140用于根据预设的逻辑映射规则，确定与边缘计算设备相应的预设的故障检测模型，并将预设的故障检测模型发送给边缘计算设备130。其中，预设的逻辑映射规则用于表示边缘计算设备与工业设备的对应关系。

在本申请的一种实施方式中，数据中心具体用于：

根据预设的逻辑映射规则，确定所述边缘计算设备对应的多个工业设备；根据所述多个工业设备发生故障的历史数据，确定所述多个工业设备的至少一个故障类型；

根据所述多个工业设备的至少一个故障类型，确定用于检测所述故障类型对应的预设故障预测模型，并将所述预设故障预测模型发送至所述边缘计算设备；

其中，所述故障类型与预设故障预测模型一一对应。

本申请实施例提供了一种基于边缘计算的工业设备故障检测系统，工业设备110生成的数据，通过控制器120、边缘计算设备130、数据中心140之间的相互配合，确定工业设备110是否发生故障。避免了现有技术中对工业设备 110故障的检测反应迟缓的问题，可以实现实时有效地检测工业设备110故障的发生。利用自动化识别工业设备110的故障，还可以减少人力成本。

本申请实施例还提供了一种存储程序的计算机存储介质，该程序包括指令，在指令被边缘计算设备执行时，使得边缘计算设备执行上述工业设备故障检测方法。

本发明实施例本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

以上仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申的权利要求范围之内。

Claims

1.一种基于边缘计算的工业设备故障检测报警方法，其特征在于，所述方法包括：

多个控制器向边缘计算设备发送所述控制器对应的工业设备生成的数据；

边缘计算设备从工业设备生成的数据中筛选出普通变量数据，所述普通变量数据为与所述工业生产数据中的其它数据共同反应所述工业设备运行状态的数据；

所述边缘计算设备根据预设规则对所述普通变量数据进行格式转换，得到数据格式相同的普通变量数据；

所述边缘计算设备将所述数据格式相同的普通变量数据去除噪声数据；

所述边缘计算设备从所述去除噪声数据后的普通变量数据中，确定与预设的故障检测模型的输入参数对应的数据，作为检测数据；其中，所述预设的故障检测模型是一种训练好的神经网络模型；

所述边缘计算设备将所述检测数据输入相应的预设的故障检测模型，确定所述检测数据对应的工业设备是否发生故障；

所述数据中心根据预设的逻辑映射规则，确定与所述边缘计算设备相应的预设的故障检测模型，并将所述预设的故障检测模型发送给所述边缘计算设备；

其中，所述预设的逻辑映射规则用于表示所述边缘计算设备与所述工业设备的对应关系。

2.根据要求1所述的方法，其特征在于，数据中心根据预设的逻辑映射规则，确定与所述边缘计算设备相应的预设的故障检测模型，具体包括：

所述数据中心根据预设的逻辑映射规则，确定所述边缘计算设备对应的多个工业设备；

根据所述多个工业设备发生故障的历史数据，确定所述多个工业设备的至少一个故障类型；

根据所述多个工业设备的至少一个故障类型，确定用于检测所述故障类型的预设故障预测模型，并将所述预设故障预测模型发送至所述边缘计算设备；

其中，所述故障类型与预设故障预测模型一一对应。

3.根据权利要求1所述的方法，其特征在于，所述方法还包括：

所述数据中心进行工业设备层级建模，将所述工业设备分为集团级、工厂级、车间级、产线级、设备级。

4.根据权利要求1所述的方法，其特征在于，所述工业设备生成的数据还包括统一变量数据，所述统一变量数据为直接反应所述工业设备的运行状态的数据；

其中，所述工业设备的运行状态包括正常状态、待机状态、停机状态。

5.根据权利要求1所述的方法，其特征在于，在所述确定所述检测数据对应的工业设备是否发生故障之后，所述方法还包括：

在所述检测数据对应的工业设备发生故障的情况下，边缘计算设备根据所述检测数据生成报警信息，并将所述报警信息发送至所述数据中心，以便于所述数据中心根据所述报警信息确定相应的维修终端；

其中，所述报警信息至少包括：所述检测数据对应的工业设备的身份标识、检测数据。

6.一种基于边缘检测的工业设备故障检测系统，其特征在于，所述系统包括：控制器、边缘计算设备、数据中心，所述数据中心与所述边缘计算设备相连接，所述控制器与所述边缘计算设备相连接；

所述控制器用于向边缘计算设备发送所述控制器对应的工业设备生成的数据；

所述边缘计算设备用于从工业设备生成的数据中筛选出普通变量数据，所述普通变量数据为与所述工业生产数据中的其它数据共同反应所述工业设备运行状态的数据；用于根据预设规则对所述普通变量数据进行格式转换，得到数据格式相同的普通变量数据；用于将所述数据格式相同的普通变量数据去除噪声数据；用于从所述除去噪声数据后的普通变量数据中，确定与预设的故障检测模型的输入参数对应的数据，作为检测数据；以及用于将所述检测数据输入相应的预设的故障检测模型，确定所述检测数据对应的工业设备是否发生故障；

所述数据中心用于根据预设的逻辑映射规则，确定与所述边缘计算设备相应的预设的故障检测模型，并将所述预设的故障检测模型发送给所述边缘计算设备；

7.根据要求6所述的方法，其特征在于，所述数据中心具体用于：

根据预设的逻辑映射规则，确定所述边缘计算设备对应的多个工业设备；

其中，所述故障类型与预设故障预测模型一一对应。

8.一种存储程序的计算机存储介质，其特征在于，所述程序包括指令，所述指令被边缘计算设备执行时，使得所述边缘计算设备执行权利要求1-5任一项所述的方法。