CN110908344A - 监控分站、方法及系统 - Google Patents
监控分站、方法及系统 Download PDFInfo
- Publication number
- CN110908344A CN110908344A CN201910990412.7A CN201910990412A CN110908344A CN 110908344 A CN110908344 A CN 110908344A CN 201910990412 A CN201910990412 A CN 201910990412A CN 110908344 A CN110908344 A CN 110908344A
- Authority
- CN
- China
- Prior art keywords
- monitoring
- controlled
- abnormal
- data
- monitoring data
- 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.)
- Pending
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 398
- 238000000034 method Methods 0.000 title claims abstract description 36
- 230000002159 abnormal effect Effects 0.000 claims abstract description 128
- 238000003672 processing method Methods 0.000 claims description 28
- 238000004458 analytical method Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 6
- 238000004891 communication Methods 0.000 description 18
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 11
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 8
- 238000005086 pumping Methods 0.000 description 5
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000013499 data model Methods 0.000 description 3
- 238000007689 inspection Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 description 2
- RWSOTUBLDIXVET-UHFFFAOYSA-N Dihydrogen sulfide Chemical compound S RWSOTUBLDIXVET-UHFFFAOYSA-N 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 2
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 229910002092 carbon dioxide Inorganic materials 0.000 description 2
- 239000001569 carbon dioxide Substances 0.000 description 2
- 229910002091 carbon monoxide Inorganic materials 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000000428 dust Substances 0.000 description 2
- 229910000037 hydrogen sulfide Inorganic materials 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000001301 oxygen Substances 0.000 description 2
- 229910052760 oxygen Inorganic materials 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 230000002195 synergetic effect Effects 0.000 description 1
- 238000009423 ventilation Methods 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
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/41875—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by quality surveillance of production
-
- 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
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/32—Operator till task planning
- G05B2219/32252—Scheduling production, machining, job shop
-
- 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
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
Abstract
本申请涉及监控技术领域，具体涉及一种监控分站、方法及系统，解决了现有技术中不能根据该异常的监控数据对处于同一监控范围内的其他待控制设备的监控数据进行预测的问题。方法包括：将监控分站监控范围内不符合第一预设条件的异常待控制设备的监控数据输入至数据预测模型，以对正常待控制设备的监控数据进行预测，从而得到正常待控制设备的预测监控数据，并判断正常待控制设备是否存在发生异常情况的趋势。
Description
技术领域
本申请涉及监控技术领域，具体而言，涉及一种监控分站、方法及系统。
背景技术
监控分站的监控范围内的待控制设备通常为多个，且在同一监控范围内的各待控制设备的运行情况通常相互制约，例如，当某一个待控制设备对应的监控数据出现异常时，即对应的待控制设备的运行情况出现异常时，与该待控制设备处于同一监控范围内的其他待控制设备的运行情况也极有可能即将出现异常，进而可能导致其他待控制设备对应的监控数据也即将变为异常监控数据。
在现有技术中，只能在产生异常的监控数据时，才能对该异常的监控数据对应的待控制设备进行控制，存在不能根据该异常的监控数据对处于同一监控范围内的其他待控制设备的监控数据进行预测，当其他待控制设备由于该异常监控数据的影响也产生异常的监控数据时，已经错过了对其他待控制设备进行控制的最佳时机，造成了不可挽回的损失。因此，提供一种能够根据监控分站获取到的监控范围内的待控制设备的异常监控数据，对该监控范围内的其他待控制设备进行监控数据预测的监控方法是亟待解决的技术问题。
发明内容
针对上述问题，本申请提供了一种监控分站、方法及系统，解决了不能根据该异常的监控数据对处于同一监控范围内的其他待控制设备的监控数据进行预测的问题。
第一方面，本申请提供了一种监控方法，应用于监控分站，包括：
获得所述监控分站监控范围内的各待控制设备的监控数据；
判断各待控制设备的监控数据是否符合第一预设条件；其中，不符合所述第一预设条件的监控数据对应的待控制设备为异常待控制设备，符合所述第一预设条件的监控数据对应的待控制设备为正常待控制设备；
获取不符合所述第一预设条件的监控数据对应的数据预测模型；
基于所述数据预测模型，利用不符合所述第一预设条件的监控数据对所述正常待控制设备的运行情况进行预测，以判断所述正常待控制设备是否存在发生异常情况的趋势。
根据本申请的实施例，优选地，在上述监控方法中，基于所述数据预测模型，利用不符合所述第一预设条件的监控数据对所述正常待控制设备的运行情况进行预测，以判断所述正常待控制设备是否存在发生异常情况的趋势的步骤包括：
基于所述数据预测模型，利用不符合所述第一预设条件的监控数据对所述正常待控制设备的运行情况进行预测，获得所述正常待控制设备的预测监控数据；
根据所述正常待控制设备的预测监控数据是否符合第二预设条件，判断所述正常待控制设备是否存在发生异常情况的趋势。
根据本申请的实施例，优选地，在上述监控方法中，所述方法还包括：
向所述异常待控制设备发送第一异常控制指令，以使所述异常待控制设备基于所述第一异常控制指令执行相应的操作；
根据所述不符合所述第一预设条件的监控数据和第一异常控制指令生成所述异常待控制设备的异常记录报告，并将所述异常记录报告存储至预设数据库。
根据本申请的实施例，优选地，在上述监控方法中，所述方法还包括：
当所述正常待控制设备的预测监控数据不符合所述第二预设条件时，向该预测监控数据对应的正常待控制设备发送第二异常控制指令，以使该正常待控制设备基于所述第二异常控制指令执行相应的操作，以避免异常情况的发生；
根据所述不符合所述第二预设条件的预测监控数据和第二异常控制指令生成不符合所述第二预设条件的预测监控数据对应的正常待控制设备的异常预测报告，并将所述异常预测报告存储至预设数据库。
根据本申请的实施例，优选地，在上述监控方法中，向该预测监控数据对应的正常待控制设备发送第二异常控制指令的步骤包括：
判断所述预设数据库中是否存在与不符合所述第二预设条件的预测监控数据对应的处理方法；
当所述预设数据库中存有处理方法时，根据所述处理方法生成第二异常控制指令，并将其发送至不符合所述第二预设条件的预测监控数据对应的正常待控制设备。
根据本申请的实施例，优选地，在上述监控方法中，当所述预设数据库中不存在处理方法时，所述方法还包括：
获得不符合所述第二预设条件的预测监控数据对应的处理方法，并将其添加至所述预设数据库；
根据所述处理方法生成第二异常控制指令，并将其发送至不符合所述第二预设条件的预测监控数据对应的正常待控制设备。
根据本申请的实施例，优选地，在上述监控方法中，判断各待控制设备的监控数据是否符合第一预设条件的步骤包括：
判断各待控制设备的监控数据中的监控参数值是否超过对应的第一预设阈值；和/或判断所述正常待控制设备是否存在发生异常情况的趋势的步骤包括：
根据所述正常待控制设备的预测监控数据是否超过第二预设阈值，判断所述正常待控制设备是否存在发生异常情况的趋势。
第二方面，本申请提供了一种监控分站，包括存储器、处理器及存储在该存储器上并可在其处理器上运行的计算机程序，该计算机程序被处理器执行时，可实现如上述任意一项的监控方法。
第三方面，本申请提供了一种监控系统，包括采集设备和如权利要求8中所述的监控分站，所述监控分站与待控制设备和所述采集设备分别连接，所述采集设备用于采集所述监控分站监控范围内的待控制设备运行时的监控数据，并将所述监控数据发送至所述监控分站，所述监控分站对所述监控数据进行分析和预测，以得到分析结果和预测监控数据，并根据所述分析结果和所述预测监控数据生成相应的控制指令，并将所述控制指令发送至所述待控制设备。
根据本申请的实施例，优选地，在上述监控系统中，
所述监控系统还包括报警器和/或断电控制器；
所述报警器与所述监控分站连接；
所述监控分站还用于在检测到存在所述监控数据和/或所述预测监控数据不符合预设条件时，控制所述报警器发出报警信号，以提示工作人员基于所述报警信号执行相应的操作；
所述断电控制器与所述监控分站连接；
所述监控分站还用于在检测到存在所述监控数据和/或所述预测监控数据不符合预设条件时，控制所述断电控制器切断所述待控制设备与电源之间的连接。
根据本申请的实施例，优选地，在上述监控系统中，所述监控系统还包括交换机，所述交换机用于与多个所述监控分站通信连接，以构成环形网络，以使多个所述监控分站之间进行数据共享。
与现有技术相比，上述方案中的一个或多个实施例可以具有如下优点或有益效果：通过获得所述监控分站监控范围内的待控制设备的监控数据，并判断所述监控数据是否符合第一预设条件，当所述监控数据不符合第一预设条件时，获取不符合所述第一预设条件的监控数据对应的数据预测模型，基于所述数据预测模型，利用不符合所述第一预设条件的监控数据对所述正常待控制设备的运行情况进行预测，以判断所述正常待控制设备是否存在发生异常情况的趋势，从而解决了现有技术中不能根据异常的监控数据对处于同一监控范围内的其他待控制设备的监控数据进行预测的问题。
附图说明
通过结合附图阅读下文示例性实施例的详细描述可更好地理解本申请公开的范围。其中所包括的附图是：
图1为本申请实施例提供的监控方法的流程示意图；
图2为本申请实施例提供的监控分站组成框图；
图3为本申请实施例提供的监控系统的连接框图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例只是本申请的一部分实施例，而不是全部的实施例。
因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。在本申请的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为只是或暗示相对重要性。
实施例一
请参阅图1，本申请实施例提供了一种监控方法，所述监控方法应用于监控分站，所述监控方法包括步骤S110至步骤S140。
步骤S110：获得所述监控分站监控范围内的各待控制设备的监控数据。
可以理解，所述监控数据是所述监控分站监控范围内的待控制设备的实时数据，其能够反应出所述待控制设备运行的实际情况其中，当监控分站应用在矿井中时，所述监控数据可以包括但不限于：甲烷浓度、一氧化碳浓度、二氧化碳浓度、氧气浓度、硫化氢浓度、矿尘浓度、风速、风压、湿度、温度、馈电状态、风门状态、风筒状态、局部通风机开停状态、主要风机开停状态。
步骤S120：判断各待控制设备的监控数据是否符合第一预设条件。
可以理解，所述第一预设条件是根据预设数据库中存储的在先监控数据经过监控数据训练得到的正常的监控数据中的监控参数值的极限值或设定值，或基于工作人员的操作设置的所述待控制设备正常运行情况下对应的正常的监控数据的极限值或设定值，当所述监控数据超过极限值或不是设定值时，表示所述监控数据异常，且所述监控数据对应的待控制设备运行异常，此时若放任所述待控制设备继续异常运行，便极有可能导致不可估量的严重后果。
在本实施例中判断各待控制设备的监控数据是否符合第一预设条件的步骤包括：判断各待控制设备的监控数据中的监控参数值是否超过对应的第一预设阈值。
当存在所述监控数据不符合所述第一预设条件时，设置不符合所述第一预设条件的监控数据对应的待控制设备为异常待控制设备，符合所述第一预设条件的监控数据对应的待控制设备为正常待控制设备，并执行步骤S130。
步骤S130：获取不符合所述第一预设条件的监控数据对应的数据预测模型。
具体的，获得监控数据的数据预测模型的步骤包括：对所述监控分站的监控范围内的待控制设备的在先监控数据进行数据清洗，得到清洗后的监控数据，从预设数据库中选择一数据模型对所述监控数据进行训练后，基于工作人员的操作对该训练后的数据模型进行模型评估和参数微调。该数据预测模型能够对输入的监控数据进行正确率无限接近真实情况的预测。
在本实施例中，当存在所述监控数据不符合所述第一预设条件时，所述方法还包括：向所述异常待控制设备发送第一异常控制指令，以使所述异常待控制设备基于所述第一异常控制指令执行相应的操作；根据所述不符合所述第一预设条件的监控数据和第一异常控制指令生成所述异常待控制设备的异常记录报告，并将所述异常记录报告存储至预设数据库。
通常来说，告警控制指令能够使所述待控制设备发出告警信号，基于所述告警信号提醒管理所述待控制设备所在的所述监控分站的监控范围的工作人员引起注意，并基于工作人员的操作立即对所述异常监控数据对应的异常待控制设备采取控制措施；停机控制指令能够在该指令到达不符合第一预设条件的异常的监控数据对应的异常待控制设备时，以使所述异常待控制设备基于所述停机控制指令停止运行，从而避免了该异常待控制设备在已经产生异常监控数据的基础上继续运行而造成的更加严重的不良后果。
在本实施例中，当所述监控数据符合所述第一预设条件时，执行步骤S121。
步骤S121：将所述监控数据存储至所述预设数据库。
可以理解，当所述监控数据符合所述第一预设条件时，将所述监控数据存储至所述预设数据库能够丰富和完善所述预设数据库的内容，为监控数据的判断提供更多的原始素材。
步骤S140：基于所述数据预测模型，利用不符合所述第一预设条件的监控数据对所述正常待控制设备的运行情况进行预测，以判断所述正常待控制设备是否存在发生异常情况的趋势。
具体的，步骤S140包括步骤S141至步骤S142。
步骤S141：基于所述数据预测模型，利用不符合所述第一预设条件的监控数据对所述正常待控制设备的运行情况进行预测，获得所述正常待控制设备的预测监控数据。
可以理解，当获得不符合第一预设条件的异常的监控数据时，能够根据完善的数据预测模型和所述异常的监控数据对所述监控分站监控范围内的正常待控制设备进行监控数据预测，以得到该异常的监控数据对应的预测数据。
步骤S142：根据所述正常待控制设备的预测监控数据是否符合第二预设条件，判断所述正常待控制设备是否存在发生异常情况的趋势。
在本实施例中，根据所述正常待控制设备的预测监控数据是否符合第二预设条件，判断所述正常待控制设备是否存在发生异常情况的趋势的步骤包括：根据所述正常待控制设备的预测监控数据是否超过第二预设阈值，判断所述正常待控制设备是否存在发生异常情况的趋势。
在本实施例中，当所述正常待控制设备的预测监控数据不符合所述第二预设条件，从而所述正常待控制设备存在发生异常情况的趋势时，向该预测监控数据对应的正常待控制设备发送第二异常控制指令，以使该正常待控制设备基于所述第二异常控制指令执行相应的操作，以避免异常情况的发生。
其中，所述第二异常控制指令包括告警控制指令和/或停机控制指令。
可以理解，所述第二预设阈值是根据预设数据库中存储的在先监控数据经过监控数据训练得到的正常的监控数据中的监控参数值的极限值或设定值，或基于工作人员的操作设置的所述待控制设备正常运行情况下对应的正常的监控数据的极限值或设定值，当所述预测监控数据超过所述极限值或设定值时，表示所述预测监控数据异常，且所述预测监控数据对应的正常待控制设备的运行即将发生异常情况，此时若向该预测监控数据对应的正常待控制设备发送第二异常控制指令，则能够有效避免该正常待控制设备在后续时刻即将发生的故障，避免产生不可估量的严重后果。
在本实施例中，向该预测监控数据对应的正常待控制设备发送第二异常控制指令的步骤包括：判断所述预设数据库中是否存在与不符合所述第二预设条件的预测监控数据对应的处理方法；当所述预设数据库中存有处理方法时，根据所述处理方法生成第二异常控制指令，并将其发送至不符合所述第二预设条件的预测监控数据对应的正常待控制设备。
可以理解，向该预测监控数据对应的正常待控制设备发送的第二异常控制指令是从所述预设数据库中查找出的与该预测监控数据对应的处理方法，由于在得到不符合所述第二预设条件的异常的预测监控数据的时刻之后，还会经历一定的时间才会发生真实的异常情况，因此所述处理方法除包括告警控制指令和/或停机控制指令以外，还包括普通控制指令，所述普通控制指令能够及时调整所述异常的预测监控数据对应的正常待控制设备的运行情况，以避免该正常待控制设备产生不符合所述第二预设条件的异常的监控数据。
在本实施例中，当所述预设数据库中不存在处理方法时，获得不符合所述第二预设条件的预测监控数据对应的处理方法，并将其添加至所述预设数据库；
根据所述处理方法生成第二异常控制指令，并将其发送至不符合所述第二预设条件的预测监控数据对应的正常待控制设备。
可以理解，实际应用场景中的情况丰富多样，所述预设数据库中的数据预测模型不可能根据监控数据训练出涵盖所有情况的预测监控数据，相应的，所述预设数库中异常预测监控数据对应的处理方法也不可能涵盖所有实际应用场景中的待处理情况，当不存在与所述预测监控数据对应的处理方法时，基于工作人员的操作将所述预测监控数据对应的处理方法添加至所述预设数据库，以丰富所述预设数据库，并在将来再次遇到相同的异常的预测监控数据时，能够自动、及时地给出对应的处理方法。
在本实施例中，在正常待控制设备基于接收到的所述第二异常控制指令执行相应的操作的步骤之后，所述监控方法还包括：根据所述不符合所述第二预设条件的预测监控数据和第二异常控制指令生成不符合所述第二预设条件的预测监控数据对应的正常待控制设备的异常预测报告，并将所述异常预测报告存储至预设数据库。
可以理解，存储生成的异常记录报告一方面能够在工作人员定期对所述预设数据库进行抽检时体现详细的监控情况，另一方面能够增加所述预设数据库中的数据预测模型的数据素材，有助于提高所述数据预测模型训练出的预测监控数据的可靠性。
当所述正常待控制设备的预测监控数据符合所述第二预设条件时，返回执行步骤S110。
可以理解，所述异常的监控数据经过数据预测模型的训练生成的预测监控数据并不一定都是异常的，因此，当所述正常待控制设备的预测监控数据符合所述第二预设条件时，不需要向该预测监控数据对应的正常待控制设备发送任何控制指令，继续对所述正常待控制设备进行监测，以继续获得所述监控分站监控范围内的正常待控制设备的监控数据。
实施例二
请参阅图2，本申请实施例提供了一种监控分站100，包括存储器101、处理器102及存储在该存储器101上并可在其处理器102上运行的计算机程序，该计算机程序被处理器102执行时，可实现上述实施例一中的监控方法。
可以理解，所述监控分站100还包括无线通信模块103，所述监控分站100通过模块化插槽设计，还能够接入可扩展模块104。
可以理解，本实施例中的处理器102采用嵌入式人工智能系统，并采用实施例一中所述的监控方法，能够在所述监控分站100监控范围内进行监控数据的存储、分析以及生成预测监控数据，并向所述监控分站100监控范围内的待控制设备发送控制信号或给出供工作人员参考的决策信息。具体的，所述监控分站100采用的嵌入式人工智能系统，包括但不限于VxWorks、RTEMS、pSOS、Nucleus、PalmOS、WindowsCE、Android、Maemo以及Meego。
可以理解，本实施例中的无线通信模块103能够完成多种无线通信的功能，包括但不限于：4G通信、WIFI网络覆盖、ZigBee定位、无线传感、无线短波、长波通信以及5G通信，无死角地覆盖所述监控分站100的监控范围，最大程度地实现所述监控分站100的监控范围内的物联；进一步地，所述无线通信模块103还能够应用于应急通讯指挥、救援等场景；进一步地，所述无线通信模块103还能够根据不同用户的需求进行定制；进一步地，所述无线通信模块103还能够用于对所述监控分站100的软件系统进行远程升级。在本实施例中，还可以通过控制器局域网络总线和RS485总线，将所述监控分站100的各组成部分相互连接，以实现各组成部分之间的数据共享。
可以理解，所述可扩展模块104包括但不限于：专用的人车精确定位模块、视频监控模块、语音广播模块以及IP调度软交换模块；所述监控分站100由所述处理器102实现其他各模块之间的功能分配及数据调度。
可以理解，本实施例中的处理器102能够实现对所述监控分站100监控范围内的监控数据实现最基本的自动化控制需求。
所述处理器102包括多个可编程控制器，多个所述可编程控制器相互连接，并形成可编程控制器网络，以实现所述监控分站100的多个组成部分的综合控制和联动控制。
可以理解，通过所述监控分站100中各组成部分的协同作用，获得的所述监控分站100监控范围内的待控制设备的监控数据包括但不限于：甲烷浓度、一氧化碳浓度、二氧化碳浓度、氧气浓度、硫化氢浓度、矿尘浓度、风速、风压、湿度、温度、馈电状态、风门状态、风筒状态、局部通风机开停状态以及主要风机开停状态；基于所述监控数据生成预测监控数据，并根据所述预测监控数据，所述监控分站100能够针对异常的预测监控数据，向所述待控制设备发送故障预警、所述待控制设备的维护维修指南、所述监控分站100监控范围内人员的避灾路线指示、甲烷超限声光报警、断电和甲烷风电闭锁控制等提示信息，最大限度地发挥所述监控分站100的控制作用，以提高所述待控制设备的生产能力、提高所述监控分站100监控范围内的待控制设备和人员的安全。
此外，通过所述监控分站100各组成部分的协同作用，还能够实现所述监控分站100监控范围内的所有待控制设备的集中联动控制；例如，当所述监控分站100监控范围内局部水位突然升高时，所述监控分站100的处理器102通过所述无线通信模块103接收到所述水位高度数据，所述处理器102根据接收到的水位高度数据判断出所述水位高度数据为异常监控数据，并根据所述异常监控数据生成告警信息和抽水指令，将所述告警信息和所述抽水指令发送至所述处理器102中的可编程控制器，该可编程控制器根据所述告警信息和所述抽水指令的预设的执行顺序，利用所述无线通信模块103向所述监控分站100监控范围内该异常监控数据对应的供排水设备按照预设的执行顺序发送所述告警信息和所述抽水指令，以使所述监控分站100监控范围内的工作人员基于所述告警信息获知水位高度数据为异常监控数据的信息，所述供排水设备基于所述抽水指令及时抽水。与此同时，所述监控分站100的处理器102调用所述监控分站100预设数据库中的数据模型对所述异常的水位高度数据进行预测，以得到所述监控分站100监控范围内的其他待控制设备的预测监控数据，当所述预测监控数据为异常时，生成针对该异常的预测监控数据的处理方法，并将所述处理方法发送通过无线通信模块103发送至所述处理器102中的可编程控制器，以使该可编程控制器按照所述处理方法中的执行步骤对所述监控分站100监控范围内的其他待控制设备进行控制。
实施例三
请参阅图3，本申请实施例提供了一种监控系统10，所述监控系统10包括：
包括采集设备200和实施例二中所述的监控分站100，所述监控分站100与待控制设备20和所述采集设备200分别连接，所述采集设备200用于采集所述监控分站100监控范围内的待控制设备20运行时的监控数据，并将所述监控数据发送至所述监控分站100，所述监控分站100对所述监控数据进行分析和预测，以得到分析结果和预测监控数据，并根据所述分析结果和所述预测监控数据生成相应的控制指令，并将所述控制指令发送至所述待控制设备20。
可以理解，所述采集设备200包括但不限于：人和/或车的实时定位设备、气体浓度采集设备、风速采集设备、压力传感器以及温度传感器；所述待控制设备20包括但不限于：广播设备、供排水设备以及通风设备。
在本实施例中，所述监控系统10还包括报警器300和/或断电控制器400；所述报警器300与所述监控分站100连接；所述监控分站100还用于在检测到存在所述监控数据和/或所述预测监控数据不符合预设条件时，控制所述报警器300发出报警信号，以提示工作人员基于所述报警信号执行相应的操作；所述断电控制器400与所述监控分站100连接；所述监控分站100还用于在检测到存在所述监控数据和/或所述预测监控数据不符合预设条件时，控制所述断电控制器400切断所述待控制设备20与电源之间的连接。
可以理解，在紧急情况下，所述监控系统10能够向所述断电控制器400发送远程断电控制指令，实现异地断电。
可以理解，所述监控系统10还包括显示器以及输入设备，所述显示器用于显示所述监控分站100监控范围内的待控制设备20的工作情况、所述待控制设备20对应的监控数据、所述监控系统10的网络状态、所述监控系统10中各监控分站100的地址信息以及操作界面，所述输入设备用于接收输入信息。
本实施例中的监控系统10对其监控范围内的待控制设备20进行实时监控，并对所述监控范围内的待控制设备20的数据进行数据处理和数据处理巡检，数据处理误差为0，巡检周期为毫秒级；按照国家标准对所述监控系统10中的监控分站100的最大远程本安供电距离实行分级管理，其中，所述最大远程本安供电距离分级为2km、3km、6km。
在本实施例中，所述监控系统10还包括交换机500，所述交换机500用于与多个所述监控分站100通信连接，以构成环形网络，以使多个所述监控分站100之间进行数据共享。
具体的，所述多个监控分站100通过所述交换机500之间通过相互连接的局域网络总线和RS485总线实现多个所述监控分站100之间的数据共享。
具体的，所述交换机500将所述监控分站100存储的预设数据库中的数据实时上传至所述监控系统10的软件平台，当所述监控系统10的网络中断或数据通信接口出现故障时，所述交换机500对未传输的数据进行标记后，暂时存储所述数据，并在所述监控系统10的网络恢复或数据通信接口故障修复后，在不影响正常数据上传的情况下，将暂时存储的数据上传至系统软件平台，此外，本实施例中的交换机500还具有智能带宽分配功能，可以根据数据传输需要自行调节信道带宽。
可以理解，在所述监控系统10中，所述监控分站100之间还可以通过VLAN划分，组成多个子监控系统10，每个子监控系统10中的监控分站100能够共享数据，而各子监控系统10之间数据相互独立，所述监控系统10能够对各子监控系统10的数据进行管理；所述监控系统10中的各种设备能够互相采集对方的心跳信息，并加以核对，从而确保所述监控系统10中各设备的正常通信。
可以理解，在所述监控系统10中，不同用户根据不同权限使用所述监控分站100的不同功能；所述监控系统10能够通过读取并分析接入设备的识别码，从而对接入的各种设备进行设备类型的识别。
综上所述，本申请提供的一种监控分站、方法及系统，获得所述监控分站监控范围内的待控制设备的监控数据；判断所述监控数据是否符合第一预设条件；当存在所述监控数据不符合所述第一预设条件时，将不符合所述第一预设条件的监控数据对应的待控制设备作为异常待控制设备，将符合所述第一预设条件的监控数据对应的待控制设备作为正常待控制设备；获取不符合所述第一预设条件的监控数据对应的数据预测模型，基于所述数据预测模型，利用不符合所述第一预设条件的监控数据对所述正常待控制设备的运行情况进行预测，以判断所述正常待控制设备是否存在发生异常情况的趋势，解决了现有技术中不能根据该异常的监控数据对处于同一监控范围内的其他待控制设备的监控数据进行预测的问题，从而能够根据异常的预测监控数据对其他待控制设备进行提前控制的问题，有助于提高监控数据的利用率，提高监控分站的工作效率。进一步地，本申请提供的一种监控分站，能够根据监控分站监控范围内的待控制设备的监控数据对处于同一监控范围内的其他待控制设备的监控数据进行预测以得到预测结果，并根据预测结果调用所述监控分站包括的功能模块按预设的标准管控流程对其监控范围内的待控制设备进行统一指挥和管理，减少了由于工作人员对某一数据的主观判断失误而造成的损失。进一步地，本申请提供的一种监控系统，通过采用交换机与多个所述监控分站通信连接，以构成环形网络的方式，与传统的监控系统相比，提高了数据吞吐量，能够实现多个所述监控分站之间的数据共享，有助于实现多个所述监控分站之间的联动控制。
以上所述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。
虽然本申请所公开的实施方式如上，但所述的内容只是为了便于理解本申请而采用的实施方式，并非用以限定本申请。任何本申请所属技术领域内的技术人员，在不脱离本申请所公开的精神和范围的前提下，可以在实施的形式上及细节上作任何的修改与变化，但本申请的保护范围，仍须以所附的权利要求书所界定的范围为准。
Claims (11)
1.一种监控方法，应用于监控分站，其特征在于，包括：
获得所述监控分站监控范围内的各待控制设备的监控数据；
判断各待控制设备的监控数据是否符合第一预设条件；其中，不符合所述第一预设条件的监控数据对应的待控制设备为异常待控制设备，符合所述第一预设条件的监控数据对应的待控制设备为正常待控制设备；
获取不符合所述第一预设条件的监控数据对应的数据预测模型；
基于所述数据预测模型，利用不符合所述第一预设条件的监控数据对所述正常待控制设备的运行情况进行预测，以判断所述正常待控制设备是否存在发生异常情况的趋势。
2.根据权利要求1所述的监控方法，其特征在于，基于所述数据预测模型，利用不符合所述第一预设条件的监控数据对所述正常待控制设备的运行情况进行预测，以判断所述正常待控制设备是否存在发生异常情况的趋势的步骤包括：
基于所述数据预测模型，利用不符合所述第一预设条件的监控数据对所述正常待控制设备的运行情况进行预测，获得所述正常待控制设备的预测监控数据；
根据所述正常待控制设备的预测监控数据是否符合第二预设条件，判断所述正常待控制设备是否存在发生异常情况的趋势。
3.根据权利要求1所述的监控方法，其特征在于，所述方法还包括：
向所述异常待控制设备发送第一异常控制指令，以使所述异常待控制设备基于所述第一异常控制指令执行相应的操作；
根据所述不符合所述第一预设条件的监控数据和第一异常控制指令生成所述异常待控制设备的异常记录报告，并将所述异常记录报告存储至预设数据库。
4.根据权利要求1所述的监控方法，其特征在于，所述方法还包括：
当所述正常待控制设备的预测监控数据不符合所述第二预设条件时，向该预测监控数据对应的正常待控制设备发送第二异常控制指令，以使该正常待控制设备基于所述第二异常控制指令执行相应的操作，以避免异常情况的发生；
根据所述不符合所述第二预设条件的预测监控数据和第二异常控制指令生成不符合所述第二预设条件的预测监控数据对应的正常待控制设备的异常预测报告，并将所述异常预测报告存储至预设数据库。
5.根据权利要求4所述的监控方法，其特征在于，向该预测监控数据对应的正常待控制设备发送第二异常控制指令的步骤包括：
判断所述预设数据库中是否存在与不符合所述第二预设条件的预测监控数据对应的处理方法；
当所述预设数据库中存有处理方法时，根据所述处理方法生成第二异常控制指令，并将其发送至不符合所述第二预设条件的预测监控数据对应的正常待控制设备。
6.根据权利要求5所述的监控方法，其特征在于，当所述预设数据库中不存在处理方法时，所述方法还包括：
获得不符合所述第二预设条件的预测监控数据对应的处理方法，并将其添加至所述预设数据库；
根据所述处理方法生成第二异常控制指令，并将其发送至不符合所述第二预设条件的预测监控数据对应的正常待控制设备。
7.根据权利要求1所述的监控方法，其特征在于，判断各待控制设备的监控数据是否符合第一预设条件的步骤包括：
判断各待控制设备的监控数据中的监控参数值是否超过对应的第一预设阈值；和/或判断所述正常待控制设备是否存在发生异常情况的趋势的步骤包括：
根据所述正常待控制设备的预测监控数据是否超过第二预设阈值，判断所述正常待控制设备是否存在发生异常情况的趋势。
8.一种监控分站，其特征在于，包括存储器、处理器及存储在该存储器上并可在其处理器上运行的计算机程序，该计算机程序被处理器执行时，可实现如权利要求1至7中任意一项的监控方法。
9.一种监控系统，其特征在于，包括采集设备和如权利要求8中所述的监控分站，所述监控分站与待控制设备和所述采集设备分别连接，所述采集设备用于采集所述监控分站监控范围内的待控制设备运行时的监控数据，并将所述监控数据发送至所述监控分站，所述监控分站对所述监控数据进行分析和预测，以得到分析结果和预测监控数据，并根据所述分析结果和所述预测监控数据生成相应的控制指令，并将所述控制指令发送至所述待控制设备。
10.根据权利要求9所述的监控系统，其特征在于，
所述监控系统还包括报警器和/或断电控制器；
所述报警器与所述监控分站连接；
所述监控分站还用于在检测到存在所述监控数据和/或所述预测监控数据不符合预设条件时，控制所述报警器发出报警信号，以提示工作人员基于所述报警信号执行相应的操作；
所述断电控制器与所述监控分站连接；
所述监控分站还用于在检测到存在所述监控数据和/或所述预测监控数据不符合预设条件时，控制所述断电控制器切断所述待控制设备与电源之间的连接。
11.根据权利要求9所述的监控系统，其特征在于，所述监控系统还包括交换机，所述交换机用于与多个所述监控分站通信连接，以构成环形网络，以使多个所述监控分站之间进行数据共享。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910990412.7A CN110908344A (zh) | 2019-10-17 | 2019-10-17 | 监控分站、方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910990412.7A CN110908344A (zh) | 2019-10-17 | 2019-10-17 | 监控分站、方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110908344A true CN110908344A (zh) | 2020-03-24 |
Family
ID=69815468
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910990412.7A Pending CN110908344A (zh) | 2019-10-17 | 2019-10-17 | 监控分站、方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110908344A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111648828A (zh) * | 2020-06-16 | 2020-09-11 | 福州大学 | 一种智能控制硫铁矿井下工作面so2浓度的方法 |
| CN113254733A (zh) * | 2020-12-26 | 2021-08-13 | 深圳市八方通达科技有限公司 | 基于大数据平台的信息分析方法、系统及存储介质 |
| CN113746817A (zh) * | 2021-08-20 | 2021-12-03 | 太原向明智控科技有限公司 | 一种煤矿井下通讯控制监控系统及方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN203179185U (zh) * | 2012-11-16 | 2013-09-04 | 中国移动通信集团公司 | 一种监控系统、一种主监控设备以及一种从监控设备 |
| CN103376739A (zh) * | 2012-04-23 | 2013-10-30 | 宝山钢铁股份有限公司 | 连续退火炉压力报警的控制装置及其方法 |
| CN103630776A (zh) * | 2013-11-19 | 2014-03-12 | 中国南方电网有限责任公司 | 一种电力设备故障概率评估方法 |
| CN109902832A (zh) * | 2018-11-28 | 2019-06-18 | 华为技术有限公司 | 机器学习模型的训练方法、异常预测方法及相关装置 |
| CN110086643A (zh) * | 2019-02-18 | 2019-08-02 | 咪咕文化科技有限公司 | 一种风险识别方法、终端及存储介质 |
-
2019
- 2019-10-17 CN CN201910990412.7A patent/CN110908344A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103376739A (zh) * | 2012-04-23 | 2013-10-30 | 宝山钢铁股份有限公司 | 连续退火炉压力报警的控制装置及其方法 |
| CN203179185U (zh) * | 2012-11-16 | 2013-09-04 | 中国移动通信集团公司 | 一种监控系统、一种主监控设备以及一种从监控设备 |
| CN103630776A (zh) * | 2013-11-19 | 2014-03-12 | 中国南方电网有限责任公司 | 一种电力设备故障概率评估方法 |
| CN109902832A (zh) * | 2018-11-28 | 2019-06-18 | 华为技术有限公司 | 机器学习模型的训练方法、异常预测方法及相关装置 |
| CN110086643A (zh) * | 2019-02-18 | 2019-08-02 | 咪咕文化科技有限公司 | 一种风险识别方法、终端及存储介质 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111648828A (zh) * | 2020-06-16 | 2020-09-11 | 福州大学 | 一种智能控制硫铁矿井下工作面so2浓度的方法 |
| CN113254733A (zh) * | 2020-12-26 | 2021-08-13 | 深圳市八方通达科技有限公司 | 基于大数据平台的信息分析方法、系统及存储介质 |
| CN113746817A (zh) * | 2021-08-20 | 2021-12-03 | 太原向明智控科技有限公司 | 一种煤矿井下通讯控制监控系统及方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110908344A (zh) | 监控分站、方法及系统 | |
| US6487478B1 (en) | On-board monitor for railroad locomotive | |
| US6389331B1 (en) | Technique for monitoring performance of a facility management system | |
| US8831784B2 (en) | Automated building monitoring system | |
| CN111830925B (zh) | 一种基于再生金属冶炼的智能化能耗监管系统 | |
| CN111934332A (zh) | 一种基于云边协同的储能电站系统 | |
| CN104133510A (zh) | 变电站室内环境远程监控系统 | |
| CN111563612B (zh) | 一种地铁站空调预测性运维管理方法及系统 | |
| CN110825003A (zh) | 一种真空设备监测控制系统 | |
| CN111322721A (zh) | 一种空调故障检测处理方法、系统、存储介质及空调器 | |
| CN109693983A (zh) | 电梯故障处理方法、装置、服务器、存储介质及系统 | |
| CN109742851B (zh) | 一种基于电力监控平台的数据处理系统及设备 | |
| KR102519474B1 (ko) | 설비 동작 상태 분석을 통한 건물 내 설비의 이상상태 예측 시스템 및 방법 | |
| CN113063211A (zh) | 中央空调系统报警信息智能诊断及售后派单方法 | |
| CN212846525U (zh) | 配电综合环境监控系统 | |
| CN112698602A (zh) | 一种无线物联网智能楼宇管理控制系统 | |
| CN203965982U (zh) | 变电站室内环境远程监控装置 | |
| CN109740191A (zh) | 风传感器剩余使用寿命的预测方法、装置及设备 | |
| CN115459438A (zh) | 一种变电站高压室设施的巡检系统 | |
| CN112510823B (zh) | 电源远程控制系统 | |
| CN114710644A (zh) | 一种电力配电房综合监控系统 | |
| CN114718855A (zh) | 一种压缩空气介质智能系统预测系统 | |
| CN108270293A (zh) | 海上升压站配电室巡控系统及升压站配电室 | |
| CN114091730A (zh) | 车辆状态监测方法、系统、电子设备和存储介质 | |
| CN208384789U (zh) | 一种基于主通风机的事故预警系统 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200324 |
|
| RJ01 | Rejection of invention patent application after publication |