CN110996289A - 一种用于机器状态监测诊断仪的智能网关、方法及系统 - Google Patents

一种用于机器状态监测诊断仪的智能网关、方法及系统 Download PDF

Info

Publication number
CN110996289A
CN110996289A CN201911268152.9A CN201911268152A CN110996289A CN 110996289 A CN110996289 A CN 110996289A CN 201911268152 A CN201911268152 A CN 201911268152A CN 110996289 A CN110996289 A CN 110996289A
Authority
CN
China
Prior art keywords
data
machine terminal
target machine
state
machine
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
Application number
CN201911268152.9A
Other languages
English (en)
Inventor
张驰
张殿睿
李华来
焦玉雷
李金阳
武通达
刘勇攀
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.)
Meifang Science And Technology Tianjin Co ltd
Original Assignee
Meifang Science And Technology Tianjin Co ltd
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 Meifang Science And Technology Tianjin Co ltd filed Critical Meifang Science And Technology Tianjin Co ltd
Priority to CN201911268152.9A priority Critical patent/CN110996289A/zh
Publication of CN110996289A publication Critical patent/CN110996289A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/30—Services specially adapted for particular environments, situations or purposes
    • H04W4/38—Services specially adapted for particular environments, situations or purposes for collecting sensor information
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G08—SIGNALLING
    • G08C—TRANSMISSION SYSTEMS FOR MEASURED VALUES, CONTROL OR SIMILAR SIGNALS
    • G08C17/00—Arrangements for transmitting signals characterised by the use of a wireless electrical link
    • G08C17/02—Arrangements for transmitting signals characterised by the use of a wireless electrical link using a radio link
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L12/00—Data switching networks
    • H04L12/66—Arrangements for connecting between networks having differing types of switching systems, e.g. gateways
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W88/00—Devices specially adapted for wireless communication networks, e.g. terminals, base stations or access point devices
    • H04W88/16—Gateway arrangements

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Software Systems (AREA)
  • Evolutionary Computation (AREA)
  • Data Mining & Analysis (AREA)
  • Medical Informatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Artificial Intelligence (AREA)
  • Testing And Monitoring For Control Systems (AREA)

Abstract

本发明实施例提供一种用于机器状态监测诊断仪的智能网关、方法及系统，该智能网关包括LoRa控制通路模块、LoRa数据通路模块和数据处理模块，其中：LoRa控制通路模块，用于根据任务配置方案，通过LoRa数据传输方法，唤醒对应的机器终端，以得到待监测的目标机器终端；LoRa数据通路模块，用于获取目标机器终端的状态信息；数据处理模块，用于对状态信息进行特征提取处理，得到目标机器终端的特征数据，并对特征数据进行分析识别，得到目标机器终端的状态监测结果。本发明实施例提高了机器终端监测的准确性和时效性，降低了机器终端数据传输时的能耗，提升了网关在不同工业场景下的扩展能力。

Description

一种用于机器状态监测诊断仪的智能网关、方法及系统
技术领域
本发明涉及智能网关技术领域，尤其涉及一种用于机器状态监测诊断仪的智能网关、方法及系统。
背景技术
目前泵房和电机室等工业场景信号环境较为恶劣，需要将传感器终端监测到的数据及结果通过高效的传输方式提供给用户。
现有的机械设备状态监测诊断仪，多设置在机器设备处，一般基于传感器采集的数据，提供设备异常检测和故障诊断等功能，在线异常检测和工况识别的主要技术是依靠阈值和专家系统。通过在机器终端上部署传感器，在线采集机械设备的振动和温度等状态量，基于阈值将状态数据通过网络发送给云平台，在此期间，传感器终端将原始数据直接上传会带来较大的能耗、带宽和时间成本，而对于机器终端的监测主要基于人工的异常检测和故障分析，掺杂了很多人为因素在里面，即浪费了人力物力，又不能保证判别的准确性和时效性。
目前的网关类设备智能化程度较低，通信传输以串行轮询方式为主，工作效率低，相对于终端设备，网关仅作为中间传输设备，无法得到较好的利用。因此，现在亟需一种用于机器状态监测诊断仪的智能网关、方法及系统来解决上述问题。
发明内容
针对现有技术存在的问题，本发明实施例提供一种用于机器状态监测诊断仪的智能网关、方法及系统。
第一方面，本发明实施例提供了一种用于机器状态监测诊断仪的智能网关，包括LoRa控制通路模块、LoRa数据通路模块和数据处理模块，其中：
所述LoRa控制通路模块，用于根据任务配置方案，通过LoRa数据传输方法，唤醒对应的机器终端，以得到待监测的目标机器终端；
所述LoRa数据通路模块，用于通过LoRa数据传输方法，获取所述目标机器终端的状态信息，所述状态信息包括目标机器终端的三轴振动数据、温度数据和状态量数据；
所述数据处理模块，用于对所述状态信息进行特征提取处理，得到所述目标机器终端的特征数据，并对所述特征数据进行分析识别，得到所述目标机器终端的状态监测结果。
进一步地，所述用于机器状态监测诊断仪的智能网关包括多个LoRa数据通路模块，所述多个LoRa数据通路模块同时对多个目标机器终端进行状态信息采集。
进一步地，所述数据处理模块包括处理单元和更新单元，其中：
所述处理单元，用于根据机器学习算法或深度学习算法，对所述状态信息进行特征提取处理，得到所述目标机器终端的特征数据，并对所述特征数据进行分析识别，得到所述目标机器终端的状态监测结果；
所述更新单元，用于根据所述特征数据和所述状态监测结果，对所述处理单元的算法参数进行更新，以得到更新后的处理单元。
进一步地，所述用于机器状态监测诊断仪的智能网关还包括：数据上传模块，用于将目标机器终端的特征数据和状态监测结果上传到服务器终端。
进一步地，所述数据上传模块包括：以太网接口单元、4G传输单元和WIFI传输单元。
进一步地，所述用于机器状态监测诊断仪的智能网关还包括：M.2接口模块。
第二方面，本发明实施例提供了一种基于第一方面所述用于机器状态监测诊断仪的智能网关的机器状态监测方法，包括：
基于LoRa数据传输方法，根据任务配置方案，唤醒所述任务配置方案对应的目标机器终端，并获取所述目标机器终端的状态信息，所述状态信息包括目标机器终端的三轴振动数据、温度数据和状态量数据；
对所述状态信息进行特征提取处理，得到所述目标机器终端的特征数据，并对所述特征数据进行分析识别，得到所述目标机器终端的状态监测结果。
进一步地，对所述状态信息进行特征提取处理，得到所述目标机器终端的特征数据，并对所述特征数据进行分析识别，得到所述目标机器终端的状态监测结果，包括：
根据机器学习算法或深度学习算法，对所述状态信息进行特征提取处理，得到所述目标机器终端的特征数据，并对所述特征数据进行分析识别，得到所述目标机器终端的状态监测结果。
进一步地，在所述对所述状态信息进行特征提取处理，得到所述目标机器终端的特征数据，并对所述特征数据进行分析识别，得到所述目标机器终端的状态监测结果之后，所述方法还包括：
根据所述特征数据和所述状态监测结果，对机器学习算法或深度学习算法的算法参数进行更新，得到更新后的机器学习算法或深度学习算法，以用于对后续目标机器终端的状态进行监测识别。
第三方面，本发明实施例提供一种用于机器状态监测的系统，所述系统包括如第一方面所述用于机器状态监测诊断仪的智能网关、状态信息传感器和云服务器。
本发明实施例提供的用于机器状态监测诊断仪的智能网关、方法及系统，提高了机器终端监测的准确性和时效性，降低了机器终端数据传输时的能耗，提升了网关在不同工业场景下的扩展能力。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的用于机器状态监测诊断仪的智能网关的结构示意图；
图2为本发明实施例提供的用于机器状态监测诊断仪的智能网关的框架示意图；
图3为本发明实施例提供的机器状态监测方法的流程示意图；
图4为本发明实施例提供的机器状态监测方法的整体流程图；
图5为本发明实施例提供的电子设备结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。
现有的用于机器终端在线监测诊断仪的网关产品，传输方式较为单一，基于多个节点的传输多以串行为主，导致不同场景下的可扩展性较差，仅能作为数据的中转站。目前的旋转型机械设备健康在线监测终端，一般将传感器采集到的原始信号数据直接上传到云平台，而许多现场环境并不具有直接将数据上传至网络的条件，并且传感器终端将原始数据直接上传会带来较大的能耗、带宽和时间成本。对于机器终端的监测主要基于人工的异常检测和故障分析，掺杂了很多人为因素在里面，即浪费了人力物力，又不能保证判别的准确性和时效性。
图1为本发明实施例提供的用于机器状态监测诊断仪的智能网关的结构示意图，如图1所示，本发明实施例提供了一种用于机器状态监测诊断仪的智能网关，包括LoRa控制通路模块101、LoRa数据通路模块102和数据处理模块103，其中：
所述LoRa控制通路模块101，用于根据任务配置方案，通过LoRa数据传输方法，唤醒对应的机器终端，以得到待监测的目标机器终端；
所述LoRa数据通路模块102，用于通过LoRa数据传输方法，获取所述目标机器终端的状态信息，所述状态信息包括目标机器终端的三轴振动数据、温度数据和状态量数据；
所述数据处理模块103，用于对所述状态信息进行特征提取处理，得到所述目标机器终端的特征数据，并对所述特征数据进行分析识别，得到所述目标机器终端的状态监测结果。
在本发明实施例中，LoRa控制通路模块101和LoRa数据通路模块102通过物理层进行分离。并且，在每个机器终端上设置有LoRa模块，以使得控制指令和状态信息在机器终端和智能网关之间，通过LoRa数据传输的方式进行传递。进一步地，LoRa控制通路模块101在接收到任务配置方案后，根据任务配置方案，唤醒需要进行状态监测的目标机器终端，并将对应的配置下发到该目标机器终端，以使得该目标机器终端通过传感器进行状态信息采集，再通过LoRa模块进行工况上报。在本发明实施例中，每个机器终端中还设置有微控制单元(Microcontroller Unit，简称MCU)，用于对机器终端中的LoRa模块和各种传感器进行控制，并根据传感器采集的信息对机器终端的状态进行初步分析，再将得到的状态信息发送到智能网关。
进一步地，在传感器采集到目标机器终端的状态信息之后，通过目标机器终端的LoRa模块将状态信息发送到LoRa数据通路模块102，优选地，在上述实施例的基础上，所述用于机器状态监测诊断仪的智能网关包括多个LoRa数据通路模块102，所述多个LoRa数据通路模块102同时对多个目标机器终端进行状态信息采集。在本发明实施例中，LoRa控制通路模块101会根据任务配置方案进行通道切换，以使得每个目标机器终端将状态信息上传至对应的LoRa数据通路模块102，从而在多个LoRa节点(即多个目标机器终端)密集数据传输过程中，能够并行处理数据传输请求，实现高效节点调度。其中，在本发明实施例中，状态量数据包括但不限于启停机状态、异常状态和工况状态等。
进一步地，数据处理模块103对上传至智能网关的状态信息进行分析处理，首先，对状态信息进行特征提取，其中，提取的特征数据包括但不限于时域特征、频谱特征、包络特征和小波能量等，对应的特征数值包括均值、最大值和峰值等。然后，数据处理模块103对这些特征数据进行识别，从而判断目标机器终端是否发生状态变化，实时对机器终端的启停机、异常诊断和工况识别等情况进行识别，例如，判断目标机器终端是否出现振动异常的现象。在本发明实施例中，通过数据处理模块103获取到目标机器终端的特征数据和状态监测结果之后，可将这些数据上传至云服务器或存储在本地服务器，以使得机器状态监测诊断仪根据这些数据进行进一步地验证和分析。
本发明实施例提供的用于机器状态监测诊断仪的智能网关，提高了机器终端监测的准确性和时效性，降低了机器终端数据传输时的能耗，提升了网关在不同工业场景下的扩展能力。
在上述实施例的基础上，所述数据处理模块包括处理单元和更新单元，其中：
所述处理单元，用于根据机器学习算法或深度学习算法，对所述状态信息进行特征提取处理，得到所述目标机器终端的特征数据，并对所述特征数据进行分析识别，得到所述目标机器终端的状态监测结果；
所述更新单元，用于根据所述特征数据和所述状态监测结果，对所述处理单元的算法参数进行更新，以得到更新后的处理单元。
在本发明实施例中，用于机器状态监测诊断仪的智能网关在接收到状态信息之后，数据处理模块103中的处理单元基于训练好的机器学习或深度学习等算法模型，在目标机器终端本地初始分析的基础上，对状态信息进行进一步地分析处理，通过对状态信息进行特征提取，并对提取得到的特征进行识别，从而获知目标机器终端的启停机状态、异常状态和工况状态等。然后，通过更新单元，根据这些识别得到的监测结果，对处理单元中的算法模型参数进行更新训练，从而得到更新后的算法模型，以使得后续的机器状态监测的准确性更高，另外，也可通过服务器对智能网卡和机器终端的算法和固件进行更新。优选地，在本发明实施例中，可通过智能网关中的MCU对深度学习中的卷积计算进行加速，从而提高异常监测和工况状态识别等算法的计算速度与能效。
在上述实施例的基础上，所述用于机器状态监测诊断仪的智能网关还包括：数据上传模块，用于将目标机器终端的特征数据和状态监测结果上传到服务器终端。
在上述实施例的基础上，所述数据上传模块包括：以太网接口单元、4G传输单元和WIFI传输单元。
在上述实施例的基础上，所述用于机器状态监测诊断仪的智能网关还包括：M.2接口模块。
图2为本发明实施例提供的用于机器状态监测诊断仪的智能网关的框架示意图，可参考图2所示，在本发明实施例中，用于机器状态监测诊断仪的智能网关基于FreeRTOS操作系统运行，由一个LoRa控制通路模块和两个LoRa数据通路模块组成，从而实现多通路采集终端数据，监测机器工作状态。智能网关的上行传输可使用4G、WiFi或以太网三种物理连接方式和云服务器进行通信，将机器终端采集到的机械设备工况数据进行上传，不同的传输方式可由软件进行配置；智能网关的下行数据传输采用LoRa无线数据传输方式，和机器终端进行通信，在本发明实施例中，LoRa数据传输通过一个LoRa控制通路和两个LoRa数据通路进行通讯，采用频分复用和时分复用的方式快速将机器终端的数据传输至智能网关。其中，由机器终端到网关，再由网关到云服务器都可以并行传输，提高了整体的传输速度，并且，在LoRa控制通路中，机器终端还可以作为主设备主动向智能网关发送机器状态变化信息(例如泵机出现异常状态时，机器终端主动将泵机状态变化信息进行上传)，改变了现有网关仅能做主机，导致异常上报有时延的缺陷。
进一步地，在本发明实施例中，可参考图2所示，用于机器状态监测诊断仪的智能网关的硬件接口采用M.2工业标准接口，具有体积小，扩展性能强的特点，在非标准化和复杂工业现场的通信环境下，有效缩短了多种现场总线通信方式接入的进程，实现了智能网关功能的快速迭代升级。优选地，在本发明实施例中，用于机器状态监测诊断仪的智能网关还包括485通讯接口和SD卡接口。
在上述实施例的基础上，用于机器状态监测诊断仪的智能网关将机器终端的特征数据和状态监测结果发送到云端服务器或本地服务器后，服务器可根据其发送的特征数据通过准确度更高的算法模型进行最终的校验，从而得到更为精确的判断结果，并可通过手机终端或网页前端等方式，为机器终端用户推送报警通知。
图3为本发明实施例提供的机器状态监测方法的流程示意图，如图3所示，本发明实施例提供了一种机器状态监测方法，包括：
步骤301，基于LoRa数据传输方法，根据任务配置方案，唤醒所述任务配置方案对应的目标机器终端，并获取所述目标机器终端的状态信息，所述状态信息包括目标机器终端的三轴振动数据、温度数据和状态量数据。
在本发明实施例中，采用多通路LoRa数据传输方式，通过控制通路完成唤醒终端、通道切换、配置下发和工况上报，并通过数据传输通路完成三轴振动数据、温度数据和各个状态量数据的上传，在有限的任务调度能力下，最大可能的实现了多节点(多个机器终端)并行数据传输，极大的提升了数据传输效率，避免设备故障漏报现象。
步骤302，对所述状态信息进行特征提取处理，得到所述目标机器终端的特征数据，并对所述特征数据进行分析识别，得到所述目标机器终端的状态监测结果。
图4为本发明实施例提供的机器状态监测方法的整体流程图，可参考图4所示，基于上述实施例提供的智能网关的机器状态监测方法的整体流程步骤为：
步骤401，LoRa控制通路唤醒机器终端，并将机器终端分配到对应的LoRa数据通路；
步骤402，通过LoRa数据通路并行传输机器终端数据和状态；
步骤403，对机器终端数据和状态进行算法分析；
步骤404，判断机器终端的工况是否变化；
步骤405，通过4G、WiFi或以太网将机器终端数据和监测结果上传至服务器。
本发明实施例提供的机器状态监测方法，提高了机器终端监测的准确性和时效性，降低了机器终端数据传输时的能耗，提升了网关在不同工业场景下的扩展能力。
在上述实施例的基础上，对所述状态信息进行特征提取处理，得到所述目标机器终端的特征数据，并对所述特征数据进行分析识别，得到所述目标机器终端的状态监测结果，包括：
根据机器学习算法或深度学习算法，对所述状态信息进行特征提取处理，得到所述目标机器终端的特征数据，并对所述特征数据进行分析识别，得到所述目标机器终端的状态监测结果。
在上述实施例的基础上，在所述对所述状态信息进行特征提取处理，得到所述目标机器终端的特征数据，并对所述特征数据进行分析识别，得到所述目标机器终端的状态监测结果之后，所述方法还包括：
根据所述特征数据和所述状态监测结果，对机器学习算法或深度学习算法的算法参数进行更新，得到更新后的机器学习算法或深度学习算法，以用于对后续目标机器终端的状态进行监测识别。
在本发明实施例中，基于人工智能和深度学习算法，提升了工业智能网关的智能化程度。具体地，机器终端采集到的数据可以快速、极低能耗的传递到智能网关，智能网关在机器终端的对数据的初步分析的基础上，进行二次特征提取、启停机识别、异常检测和工况识别等机器学习和深度学习等智能算法，再将机器终端状态监测结果和特征数据转发至云端服务器或本地服务器，从而实现了多通路提高机器终端传输速度，并降低工况变化上传时延，以及降低机器终端数据传输的能耗，解决不同工业场景下的智能网关扩展性问题。
本发明实施例还提供了一种用于机器状态监测的系统，该系统中包括上述实施例提供的用于机器状态监测诊断仪的智能网关、状态信息传感器和云服务器。
图5为本发明实施例提供的电子设备结构示意图，参照图5，该电子设备可以包括：处理器(processor)501、通信接口(Communications Interface)502、存储器(memory)503和通信总线504，其中，处理器501，通信接口502，存储器503通过通信总线504完成相互间的通信。处理器501可以调用存储器503中的逻辑指令，以执行如下方法：基于LoRa数据传输方法，根据任务配置方案，唤醒所述任务配置方案对应的目标机器终端，并获取所述目标机器终端的状态信息，所述状态信息包括目标机器终端的三轴振动数据、温度数据和状态量数据；对所述状态信息进行特征提取处理，得到所述目标机器终端的特征数据，并对所述特征数据进行分析识别，得到所述目标机器终端的状态监测结果。
此外，上述的存储器503中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random AccessMemory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面，本发明实施例还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各实施例提供的机器状态监测方法，例如包括：基于LoRa数据传输方法，根据任务配置方案，唤醒所述任务配置方案对应的目标机器终端，并获取所述目标机器终端的状态信息，所述状态信息包括目标机器终端的三轴振动数据、温度数据和状态量数据；对所述状态信息进行特征提取处理，得到所述目标机器终端的特征数据，并对所述特征数据进行分析识别，得到所述目标机器终端的状态监测结果。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (10)

1.一种用于机器状态监测诊断仪的智能网关，其特征在于，包括LoRa控制通路模块、LoRa数据通路模块和数据处理模块，其中：
所述LoRa控制通路模块，用于根据任务配置方案，通过LoRa数据传输方法，唤醒对应的机器终端，以得到待监测的目标机器终端；
所述LoRa数据通路模块，用于通过LoRa数据传输方法，获取所述目标机器终端的状态信息，所述状态信息包括目标机器终端的三轴振动数据、温度数据和状态量数据；
所述数据处理模块，用于对所述状态信息进行特征提取处理，得到所述目标机器终端的特征数据，并对所述特征数据进行分析识别，得到所述目标机器终端的状态监测结果。
2.根据权利要求1所述的用于机器状态监测诊断仪的智能网关，其特征在于，所述用于机器状态监测诊断仪的智能网关包括多个LoRa数据通路模块，所述多个LoRa数据通路模块同时对多个目标机器终端进行状态信息采集。
3.根据权利要求1所述的用于机器状态监测诊断仪的智能网关，其特征在于，所述数据处理模块包括处理单元和更新单元，其中：
所述处理单元，用于根据机器学习算法或深度学习算法，对所述状态信息进行特征提取处理，得到所述目标机器终端的特征数据，并对所述特征数据进行分析识别，得到所述目标机器终端的状态监测结果；
所述更新单元，用于根据所述特征数据和所述状态监测结果，对所述处理单元的算法参数进行更新，以得到更新后的处理单元。
4.根据权利要求1所述的用于机器状态监测诊断仪的智能网关，其特征在于，所述用于机器状态监测诊断仪的智能网关还包括：数据上传模块，用于将目标机器终端的特征数据和状态监测结果上传到服务器终端。
5.根据权利要求4所述的用于机器状态监测诊断仪的智能网关，其特征在于，所述数据上传模块包括：以太网接口单元、4G传输单元和WIFI传输单元。
6.根据权利要求1所述的用于机器状态监测诊断仪的智能网关，其特征在于，所述用于机器状态监测诊断仪的智能网关还包括：M.2接口模块。
7.一种基于权利要求1至6任一项所述用于机器状态监测诊断仪的智能网关的机器状态监测方法，其特征在于，包括：
基于LoRa数据传输方法，根据任务配置方案，唤醒所述任务配置方案对应的目标机器终端，并获取所述目标机器终端的状态信息，所述状态信息包括目标机器终端的三轴振动数据、温度数据和状态量数据；
对所述状态信息进行特征提取处理，得到所述目标机器终端的特征数据，并对所述特征数据进行分析识别，得到所述目标机器终端的状态监测结果。
8.根据权利要求7所述的机器状态监测方法，其特征在于，对所述状态信息进行特征提取处理，得到所述目标机器终端的特征数据，并对所述特征数据进行分析识别，得到所述目标机器终端的状态监测结果，包括：
根据机器学习算法或深度学习算法，对所述状态信息进行特征提取处理，得到所述目标机器终端的特征数据，并对所述特征数据进行分析识别，得到所述目标机器终端的状态监测结果。
9.根据权利要求8所述的机器状态监测方法，其特征在于，在所述对所述状态信息进行特征提取处理，得到所述目标机器终端的特征数据，并对所述特征数据进行分析识别，得到所述目标机器终端的状态监测结果之后，所述方法还包括：
根据所述特征数据和所述状态监测结果，对机器学习算法或深度学习算法的算法参数进行更新，得到更新后的机器学习算法或深度学习算法，以用于对后续目标机器终端的状态进行监测识别。
10.一种用于机器状态监测的系统，其特征在于，所述系统包括如权利要求1至6任一项所述用于机器状态监测诊断仪的智能网关、状态信息传感器和云服务器。
CN201911268152.9A 2019-12-11 2019-12-11 一种用于机器状态监测诊断仪的智能网关、方法及系统 Pending CN110996289A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911268152.9A CN110996289A (zh) 2019-12-11 2019-12-11 一种用于机器状态监测诊断仪的智能网关、方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911268152.9A CN110996289A (zh) 2019-12-11 2019-12-11 一种用于机器状态监测诊断仪的智能网关、方法及系统

Publications (1)

Publication Number Publication Date
CN110996289A true CN110996289A (zh) 2020-04-10

Family

ID=70092454

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911268152.9A Pending CN110996289A (zh) 2019-12-11 2019-12-11 一种用于机器状态监测诊断仪的智能网关、方法及系统

Country Status (1)

Country Link
CN (1) CN110996289A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113613193A (zh) * 2021-07-30 2021-11-05 上海地铁维护保障有限公司 一种新型物联网技术的轨交智慧化泵房及其监测系统
CN114978870A (zh) * 2022-07-29 2022-08-30 深圳市天翊瑞霖智能科技有限公司 一种基于智能网关的硬件设备运行状态监测系统

Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103250107A (zh) * 2010-12-31 2013-08-14 中国科学院自动化研究所 用于设备故障检测的智能检测系统及检测方法
CN104184786A (zh) * 2013-09-12 2014-12-03 中国林业科学研究院资源信息研究所 面向林区环境的无线传感器云网关系统
CN105547373A (zh) * 2016-02-06 2016-05-04 武汉大学 一种基于公网传输的接触网状态在线监测/检测装置
CN107065657A (zh) * 2017-03-20 2017-08-18 苏州德姆斯信息技术有限公司 机器状态无线监测设备、方法和系统
WO2017185654A1 (zh) * 2016-04-26 2017-11-02 乐视控股（北京）有限公司 智能网关设备及智能监控系统
CN108173933A (zh) * 2017-12-27 2018-06-15 中山德著智能科技有限公司 一种电能质量监测系统及方法
KR20190010277A (ko) * 2017-07-21 2019-01-30 주식회사 엘시스 원엠투엠 기반의 로라 게이트웨이 시스템
CN109600276A (zh) * 2018-12-04 2019-04-09 国家电网有限公司 用电采集虚拟专用通道链路的状态监测系统
CN109635483A (zh) * 2018-12-24 2019-04-16 上海商然数据服务有限公司 一种基于电磁检测的电机和泵故障预测分析系统
CN110119789A (zh) * 2019-05-28 2019-08-13 湃方科技(北京)有限责任公司 一种旋转型机械设备启停判断方法及系统
CN110134571A (zh) * 2019-05-22 2019-08-16 湃方科技(北京)有限责任公司 旋转型机械设备健康状态监测方法及装置
CN110234088A (zh) * 2018-03-06 2019-09-13 上海建材集团节能环保科技有限公司 一种幕墙监控传输方法
CN110233776A (zh) * 2019-05-31 2019-09-13 湃方科技(北京)有限责任公司 一种旋转型机械设备状态监测方法及设备
CN110266677A (zh) * 2019-06-13 2019-09-20 广州中国科学院沈阳自动化研究所分所 一种面向工业制造的边缘计算智能网关及实现方法

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103250107A (zh) * 2010-12-31 2013-08-14 中国科学院自动化研究所 用于设备故障检测的智能检测系统及检测方法
CN104184786A (zh) * 2013-09-12 2014-12-03 中国林业科学研究院资源信息研究所 面向林区环境的无线传感器云网关系统
CN105547373A (zh) * 2016-02-06 2016-05-04 武汉大学 一种基于公网传输的接触网状态在线监测/检测装置
WO2017185654A1 (zh) * 2016-04-26 2017-11-02 乐视控股（北京）有限公司 智能网关设备及智能监控系统
CN107065657A (zh) * 2017-03-20 2017-08-18 苏州德姆斯信息技术有限公司 机器状态无线监测设备、方法和系统
KR20190010277A (ko) * 2017-07-21 2019-01-30 주식회사 엘시스 원엠투엠 기반의 로라 게이트웨이 시스템
CN108173933A (zh) * 2017-12-27 2018-06-15 中山德著智能科技有限公司 一种电能质量监测系统及方法
CN110234088A (zh) * 2018-03-06 2019-09-13 上海建材集团节能环保科技有限公司 一种幕墙监控传输方法
CN109600276A (zh) * 2018-12-04 2019-04-09 国家电网有限公司 用电采集虚拟专用通道链路的状态监测系统
CN109635483A (zh) * 2018-12-24 2019-04-16 上海商然数据服务有限公司 一种基于电磁检测的电机和泵故障预测分析系统
CN110134571A (zh) * 2019-05-22 2019-08-16 湃方科技(北京)有限责任公司 旋转型机械设备健康状态监测方法及装置
CN110119789A (zh) * 2019-05-28 2019-08-13 湃方科技(北京)有限责任公司 一种旋转型机械设备启停判断方法及系统
CN110233776A (zh) * 2019-05-31 2019-09-13 湃方科技(北京)有限责任公司 一种旋转型机械设备状态监测方法及设备
CN110266677A (zh) * 2019-06-13 2019-09-20 广州中国科学院沈阳自动化研究所分所 一种面向工业制造的边缘计算智能网关及实现方法

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113613193A (zh) * 2021-07-30 2021-11-05 上海地铁维护保障有限公司 一种新型物联网技术的轨交智慧化泵房及其监测系统
CN114978870A (zh) * 2022-07-29 2022-08-30 深圳市天翊瑞霖智能科技有限公司 一种基于智能网关的硬件设备运行状态监测系统
CN114978870B (zh) * 2022-07-29 2022-12-27 深圳市天翊瑞霖智能科技有限公司 一种基于智能网关的硬件设备运行状态监测系统

Similar Documents

Publication Publication Date Title
CN112468372B (zh) 电力线通信网络中设备状态检测方法和装置
CN110134571B (zh) 旋转型机械设备健康状态监测方法及装置
US11614278B2 (en) Intelligent inspection device and refrigerator with the same
CN110456234B (zh) 故障电弧的检测方法、装置和系统
CN110996289A (zh) 一种用于机器状态监测诊断仪的智能网关、方法及系统
CN111787570B (zh) 物联网设备的数据传输方法、装置、计算机设备
CN113255953B (zh) Rru欠压风险预测方法、装置、系统、设备及介质
TW202016805A (zh) 基於自動學習的基地台異常之預測的系統與方法
CN103957551B (zh) 自动气象站中通信状态实时监控方法
CN114413409A (zh) 用于空调故障概率的检测方法及装置、智能空调
CN110362055A (zh) 一种终端可扩展的工业数据采集系统及方法
CN116668986A (zh) 基于通感一体化路由的人体感知方法、装置、设备及介质
CN114500178A (zh) 一种自运维的智慧物联网关
CN116151601A (zh) 一种流业务建模方法、装置、平台、电子设备和存储介质
CN107147694B (zh) 一种信息处理方法和装置
CN109600180B (zh) 一种基于频谱信息的无线通信智能流量感知系统
CN114143189B (zh) 一种wifi6设备的批量监管系统
US20220141688A1 (en) Radio frame analysis system, radio frame analysis method, and program
CN114826867B (zh) 处理数据的方法、装置、系统及存储介质
EP4250773A1 (en) Reference signal configuration method
WO2024127059A1 (en) Methods, central node and edge node for training a graph neural network (gnn) model through federated machine learning (fml), for network performance assessment within a large network
CN116405144A (zh) 应用于智能通信系统的信道建模方法、系统及信道资源分配方法
CN116962280A (zh) 自组网拓扑信息优化方法、系统、智能设备和存储介质
CN115914013A (zh) 网络性能监测方法、装置、电子设备及存储介质
CN115633102A (zh) 一种多类型协议消息处理系统、方法及可读存储介质

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
CB03 Change of inventor or designer information
CB03 Change of inventor or designer information

Inventor after: Zhang Chi

Inventor after: Zhang Dianrui

Inventor after: Li Hualai

Inventor after: Jiao Yulei

Inventor after: Li Jinyang

Inventor after: Wu Tongda

Inventor before: Zhang Chi

Inventor before: Zhang Dianrui

Inventor before: Li Hualai

Inventor before: Jiao Yulei

Inventor before: Li Jinyang

Inventor before: Wu Tongda

Inventor before: Liu Yongpan

RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20200410