CN111367909A - 一种智能制造设备的健康管理方法及系统 - Google Patents
一种智能制造设备的健康管理方法及系统 Download PDFInfo
- Publication number
- CN111367909A CN111367909A CN202010124470.4A CN202010124470A CN111367909A CN 111367909 A CN111367909 A CN 111367909A CN 202010124470 A CN202010124470 A CN 202010124470A CN 111367909 A CN111367909 A CN 111367909A
- Authority
- CN
- China
- Prior art keywords
- equipment
- intelligent manufacturing
- manufacturing equipment
- fault
- current
- 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
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 85
- 230000036541 health Effects 0.000 title claims abstract description 36
- 238000007726 management method Methods 0.000 title claims abstract description 31
- 238000000034 method Methods 0.000 claims abstract description 18
- 230000008569 process Effects 0.000 claims abstract description 12
- 238000010219 correlation analysis Methods 0.000 claims abstract description 8
- 238000005065 mining Methods 0.000 claims description 24
- 238000007781 pre-processing Methods 0.000 claims description 13
- 230000011218 segmentation Effects 0.000 claims description 13
- 238000012098 association analyses Methods 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 10
- 238000011156 evaluation Methods 0.000 claims description 7
- 238000013507 mapping Methods 0.000 claims description 5
- 238000004458 analytical method Methods 0.000 claims description 4
- 238000012423 maintenance Methods 0.000 description 13
- 238000011161 development Methods 0.000 description 6
- 230000018109 developmental process Effects 0.000 description 6
- 230000009286 beneficial effect Effects 0.000 description 5
- 230000008859 change Effects 0.000 description 2
- QVFWZNCVPCJQOP-UHFFFAOYSA-N chloralodol Chemical compound CC(O)(C)CC(C)OC(O)C(Cl)(Cl)Cl QVFWZNCVPCJQOP-UHFFFAOYSA-N 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000013024 troubleshooting Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/22—Indexing; Data structures therefor; Storage structures
- G06F16/2228—Indexing structures
- G06F16/2246—Trees, e.g. B+trees
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2462—Approximate or statistical queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2465—Query processing support for facilitating data mining operations in structured databases
-
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- 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
- G06Q50/04—Manufacturing
-
- 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
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Databases & Information Systems (AREA)
- Probability & Statistics with Applications (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Software Systems (AREA)
- Development Economics (AREA)
- Computational Linguistics (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Educational Administration (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Manufacturing & Machinery (AREA)
- Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- General Factory Administration (AREA)
Abstract
本发明涉及一种智能制造设备的健康管理方法及系统,包括:采集智能制造设备正常状态下的历史运行参数,构建设备状态历史数据集;对所述设备状态历史数据集进行关联分析,构建设备故障模式库;实时采集智能制造设备运行过程中的当前运行参数;将所述当前运行参数与所述设备故障模式库的数据信息进行匹配,评估当前智能制造设备的状态,并在判定存在故障隐患时进行故障预警。本发明可以解决现有技术中缺乏对大型智能制造设备运行状态进行有效监管,造成安全隐患,经济损失大、威胁工作人员生命安全的问题。
Description
技术领域
本发明属于大型智能制造设备技术领域,尤其是涉及一种智能制造设备的健康管理方法及系统。
背景技术
当前,全球工业互联网加速发展,成为世界各国关注的热点、发展的重点、竞争的焦点。我国作为工业大国,加快发展工业互联网,促进工业数字化、网络化、智能化演进升级,既是顺应新一轮科技革命和产业变革、加快新旧动能持续转换的客观需要,也是推动供给侧结构性改革、实现经济高质量发展的必然选择。
当前,全球制造业正加快迈向数字化、智能化时代,智能制造对制造业竞争力的影响越来越大。智能制造领域的设备日趋复杂,其复杂性、综合化、智能化程度不断提高。伴随着智能制造设备技术的快速发展,其研制、生产尤其是维护和保障的成本越来越高。同时,由于其组成部件数量众多,发生故障和功能失效的几率逐渐加大。
目前,缺乏对大型智能制造设备运行状态的有效监管,在大型智能制造设备发生故障时,不能及时进行故障排查和准确确定故障类型,导致故障维修难度大、周期长的问题,而且很有可能造成安全隐患,对设备造成损伤,经济损失大,或者威胁工作人员生命安全。
发明内容
本发明要解决的技术问题是:为解决现有技术中缺乏对大型智能制造设备运行状态进行有效监管,造成安全隐患,经济损失大、威胁工作人员生命安全的问题,从而提供一种智能制造设备的健康管理方法及系统。
本发明解决其技术问题所采用的技术方案是:
本发明第一方面提供了一种智能制造设备的健康管理方法,包括:
步骤1、采集智能制造设备正常状态下的历史运行参数,构建设备状态历史数据集;
步骤2、对所述设备状态历史数据集进行关联分析,构建设备故障模式库;
步骤3、实时采集智能制造设备运行过程中的当前运行参数;
步骤4、将所述当前运行参数与所述设备故障模式库的数据信息进行匹配,评估当前智能制造设备的状态,并在判定存在故障隐患时进行故障预警。
进一步地,根据本发明第一方面所述的智能制造设备的健康管理方法,所述历史运行参数或当前运行参数包括振动参数、噪声参数、温度参数、湿度参数、电压参数、电流参数和电量参数。
进一步地,根据本发明第一方面所述的智能制造设备的健康管理方法,步骤1或步骤3中,包括对历史运行参数或当前运行参数的预处理,所述预处理包括删除错误数据和不良数据,并对删除后的历史运行参数或当前运行参数进行统计和分段处理。
进一步地,根据本发明第一方面所述的智能制造设备的健康管理方法,所述统计和分段处理的步骤如下:
统计所述历史运行参数或当前运行参数的最大值kmax和最小值kmin;
将采集的历史运行参数k映射到k1,k2,......,kj,其中,j表示第j个分段区间。
进一步地,根据本发明第一方面所述的智能制造设备的健康管理方法,步骤2中,构建设备故障模式库的步骤包括:
采用故障模式挖掘引擎通过频繁项集挖掘算法对设备状态历史数据集进行关联分析,挖掘设备的故障模式,并采用多叉树结构对挖掘出的所述故障模式进行存储,构建设备故障模式库。
进一步地,根据本发明第一方面所述的智能制造设备的健康管理方法,步骤4中,所述评估当前智能制造设备的状态的步骤包括:
若预处理后的所述当前运行参数能在设备故障模式库的多叉树结构中对应一条从最高层节点到最低层节点的路径,则表明当前智能制造设备存在故障隐患,否则,无故障隐患。
本发明第二方面提供了一种智能制造设备的健康管理系统,包括:
历史数据采集模块,用于采集智能制造设备正常状态下的历史运行参数,构建设备状态历史数据集;
故障模式构建模块,用于对所述设备状态历史数据集进行关联分析,构建设备故障模式库;
当前数据采集模块,用于实时采集智能制造设备运行过程中的当前运行参数;
状态评估模块,用于将预处理后的所述当前运行参数与所述设备故障模式库的数据信息进行匹配,评估当前智能制造设备的状态,并在判定存在故障隐患时进行故障预警。
进一步地,根据本发明第二方面所述的智能制造设备的健康管理系统,所述历史数据采集模块和当前数据采集模块均包括数据采集单元和预处理单元,所述数据采集单元用于采集智能制造设备的历史运行参数或当前运行参数,所述预处理单元用于删除错误数据和不良数据,并对删除后的历史运行参数或当前运行参数进行统计和分段处理。
进一步地,根据本发明第二方面所述的智能制造设备的健康管理系统,所述故障模式构建模块,包括:
关联分析单元,用于采用故障模式挖掘引擎通过频繁项集挖掘算法对设备状态历史数据集进行关联分析,挖掘设备的故障模式;
存储单元,用于采用多叉树结构对挖掘出的所述故障模式进行存储,构建设备故障模式库。
进一步地,根据本发明第二方面所述的智能制造设备的健康管理系统,所述状态评估模块包括故障分析单元,用于当预处理后的所述当前运行参数能在设备故障模式库的多叉树结构中对应一条从最高层节点到最底层节点的路径时,判定当前智能制造设备存在故障隐患,否则,无故障隐患。
本发明的有益效果是:本发明有利于及时发现大型智能制造设备存在的运行故障和安全隐患,有利于实现对设备的健康状况进行有效监管,并提供精准的维修建议和方案,大大降低了故障维修难度,并大大缩短了故障维修周期,避免了人员伤害,节省了成本。
附图说明
下面结合附图和实施例对本发明的技术方案进一步说明。
图1是本发明实施例的方法流程图;
图2是本发明实施例的多叉树结构示意图。
具体实施方式
需要说明的是,在不冲突的情况下,本发明中的实施例及实施例中的特征可以相互组合。
下面将参考附图并结合实施例来详细说明本发明的技术方案。
本发明针对大型智能制造设备发生故障和功能失效几率大,维护和保障成本高的特点,基于设备的可靠性、安全性、经济性考虑,以预测技术为核心提供了一种智能制造设备的健康管理方法及系统。
实施例1
本实施例提供一种智能制造设备的健康管理方法,如图1所示,包括:
步骤1、采集智能制造设备正常状态下的历史运行参数,构建设备状态历史数据集。
本实施例在前期通过安装在大型智能制造设备上的数据采集装置来采集智能制造设备正常状态下的历史运行参数,采集的历史运行参数信息通过LoRa协议传输到设备健康状态管理云,在云端进行预处理,构建设备状态历史数据集。
本实施例采集的历史运行参数包括大型智能制造设备的振动参数、噪声参数、温度参数、湿度参数、电压参数、电流参数和电量参数。涉及的数据采集装置包括振动传感器、噪声传感器、温度传感器、湿度传感器、电压传感器、电流传感器、智能电表等。
本实施例的设备健康状态管理云可以是自建的私有云或者租用的公有云。预处理的主要任务是删除采集的历史运行参数信息中的错误数据和不良数据,并进行统计和分段处理,具体如下:
统计所述历史运行参数的最大值kmax和最小值kmin;将所述最大值kmax上取整,记为将所述最小值kmin下取整,记为将( )划分为多个分段区间,分别记为k1,k2,......,kj;将采集的历史运行参数k映射到k1,k2,......,kj,其中,j表示第j个分段区间。
以温度数据为例,对统计和分段处理方法说明如下:
1)统计最高温度tmax,最低温度tmin;
3)将采集温度信息T映射到t1,t2,......,t10,映射关系如下:
步骤2、对所述设备状态历史数据集进行关联分析,构建设备故障模式库。
本实施例使用故障模式挖掘引擎通过频繁项集挖掘算法对设备状态历史数据集进行关联分析,挖掘出设备的故障模式,构建设备故障模式库。
关联分析可以线下运行,实时性要求不高,但是对频繁项集的挖掘质量要求较高,因此必须采用精确频繁项集挖掘算法,比如基于候选项集生成和测试的频繁项集挖掘算法或者基于模式增长的频繁项集挖掘算法,避免使用基于生物启发算法的频繁项集挖掘算法。
更进一步地,设备故障模式库中采用多叉树结构对挖掘出的故障模式进行存储,本实施例的所述多叉树树结构如图2所示,图中Si,j表示第i个传感器采集的历史运行参数经分段处理后位于第j个分段区间内。采用多叉树结构进行存储,可以加快故障匹配的速度,提高实时性。
步骤3、实时采集智能制造设备运行过程中的当前运行参数。
本实施例智能制造设备运行过程中,对大型智能制造设备的关键运行参数进行实时采集,获得大型智能制造设备的当前运行参数,并进行预处理后,输入到设备故障匹配引擎。
本实施例采集的当前运行参数包括振动参数、噪声参数、温度参数、湿度参数、电压参数、电流参数和电量参数。预处理任务是删除采集的当前运行参数信息中的错误数据和不良数据,并进行统计和分段处理,其中统计和分段处理方式与步骤1相同。
步骤4、将所述当前运行参数与所述设备故障模式库的数据信息进行匹配,评估当前智能制造设备的状态,并在判定存在故障隐患时进行故障预警。
本实施例通过设备故障匹配引擎扫描故障模式库,将所述当前运行参数与所述设备故障模式库的数据信息进行匹配,对智能制造设备的当前状态进行评估,若智能制造设备存在故障隐患,则发出故障预警,故障预警信息中包含当前智能制造设备的故障模式,维修专家根据故障预警信息,结合维修知识库,对预警的故障给出维修方案。
将所述当前运行参数与所述设备故障模式库的数据信息进行匹配的过程如下:
经过预处理的当前运行参数若能在设备故障模式库中的多叉树中对应一条从最高层节点到最底层节点的路径,则表明智能故障设备存在故障隐患,否则表明智能故障设备处于健康运行状态,无故障隐患。
以图2的多叉树为例,若当前运行参数能在图2所示的多叉树中对应一条从H节点到F节点的路径,则表明智能故障设备存在故障隐患。
实施例2
本实施例提供了一种智能制造设备的健康管理系统,包括历史数据采集模块、故障模式构建模块、当前数据采集模块和故障评估模块。
所述历史数据采集模块,用于采集智能制造设备正常状态下的历史运行参数,构建设备状态历史数据集。
所述故障模式构建模块,用于对所述设备状态历史数据集进行关联分析,构建设备故障模式库。
所述当前数据采集模块,用于实时采集智能制造设备运行过程中的当前运行参数。
状态评估模块,用于将预处理后的所述当前运行参数与所述设备故障模式库的数据信息进行匹配,评估当前智能制造设备的状态,并在判定存在故障隐患时进行故障预警。
本实施例的所述历史数据采集模块和当前数据采集模块进一步包括数据采集单元和预处理单元,所述数据采集单元用于采集智能制造设备的历史运行参数或当前运行参数,所述预处理单元用于删除错误数据和不良数据,并对删除后的历史运行参数或当前运行参数进行统计和分段处理。其中统计和分段处理的过程与实施例1相同。
所述故障模式构建模块进一步包括:关联分析单元,用于采用故障模式挖掘引擎通过频繁项集挖掘算法对设备状态历史数据集进行关联分析,挖掘设备的故障模式;存储单元,用于采用多叉树结构对挖掘出的所述故障模式进行存储,构建设备故障模式库。
所述状态评估模块进一步包括故障分析单元,用于当预处理后的所述当前运行参数能在设备故障模式库的多叉树结构中对应一条从最高层节点到最底层节点的路径时,判定当前智能制造设备存在故障隐患,否则,无故障隐患。
进一步地,数据采集单元包括振动传感器、噪声传感器、温度传感器、湿度传感器、电压传感器、电流传感器、智能电表等。其中统计和分段处理过程与实施例1相同。
本实施例2健康管理系统的具体工作过程与实施例1相同。
本发明以“监测设备健康状态,实现设备故障预测”为宗旨,通过在大型设备安装各种不同类型的传感器对设备的运行参数进行采集;大型智能制造设备的当前实时状态信息通过LoRa协议传输到设备健康状态管理云;在设备健康状态管理云中使用故障模式挖掘引擎对智能制造设备的历史运行参数进行关联分析,生成设备故障模式库;使用故障模式匹配引擎对智能制造设备的当前运行参数进行匹配,如匹配成功,表明当前设备存在故障隐患,则进行故障预警;通过维修专家介入或者维修知识库对预警故障提供相应的维修方案。
该发明有利于及时发现智能制造大型设备存在的运行故障和安全隐患,有利于实现对设备的健康状况进行有效监管,并提供精准的维修建议和方案。
以上述依据本发明的理想实施例为启示,通过上述的说明内容,相关工作人员完全可以在不偏离本项申请技术思想的范围内,进行多样的变更以及修改。本项申请的技术性范围并不局限于说明书上的内容,必须要根据权利要求范围来确定其技术性范围。
Claims (10)
1.一种智能制造设备的健康管理方法,其特征在于,包括:
步骤1、采集智能制造设备正常状态下的历史运行参数,构建设备状态历史数据集;
步骤2、对所述设备状态历史数据集进行关联分析,构建设备故障模式库;
步骤3、实时采集智能制造设备运行过程中的当前运行参数;
步骤4、将所述当前运行参数与所述设备故障模式库的数据信息进行匹配,评估当前智能制造设备的状态,并在判定存在故障隐患时进行故障预警。
2.根据权利要求1所述的智能制造设备的健康管理方法,其特征在于,所述历史运行参数或当前运行参数包括振动参数、噪声参数、温度参数、湿度参数、电压参数、电流参数和电量参数。
3.根据权利要求1所述的智能制造设备的健康管理方法,其特征在于,步骤1或步骤3中,包括对历史运行参数或当前运行参数的预处理,所述预处理包括删除错误数据和不良数据,并对删除后的历史运行参数或当前运行参数进行统计和分段处理。
5.根据权利要求1所述的智能制造设备的健康管理方法,其特征在于,步骤2中,构建设备故障模式库的步骤包括:
采用故障模式挖掘引擎通过频繁项集挖掘算法对设备状态历史数据集进行关联分析,挖掘设备的故障模式,并采用多叉树结构对挖掘出的所述故障模式进行存储,构建设备故障模式库。
6.根据权利要求5所述的智能制造设备的健康管理方法,其特征在于,步骤4中,所述评估当前智能制造设备的状态的步骤包括:
若预处理后的所述当前运行参数能在设备故障模式库的多叉树结构中对应一条从最高层节点到最低层节点的路径,则表明当前智能制造设备存在故障隐患,否则,无故障隐患。
7.一种智能制造设备的健康管理系统,其特征在于,包括:
历史数据采集模块,用于采集智能制造设备正常状态下的历史运行参数,构建设备状态历史数据集;
故障模式构建模块,用于对所述设备状态历史数据集进行关联分析,构建设备故障模式库;
当前数据采集模块,用于实时采集智能制造设备运行过程中的当前运行参数;
状态评估模块,用于将预处理后的所述当前运行参数与所述设备故障模式库的数据信息进行比对分析,评估当前智能制造设备的状态,并在判定存在故障隐患时进行故障预警。
8.根据权利要求7所述的智能制造设备的健康管理系统,其特征在于,所述历史数据采集模块和当前数据采集模块均包括数据采集单元和预处理单元,所述数据采集单元用于采集智能制造设备的历史运行参数或当前运行参数,所述预处理单元用于删除错误数据和不良数据,并对删除后的历史运行参数或当前运行参数进行统计和分段处理。
9.根据权利要求7所述的智能制造设备的健康管理系统,其特征在于,所述故障模式构建模块,包括:
关联分析单元,用于采用故障模式挖掘引擎通过频繁项集挖掘算法对设备状态历史数据集进行关联分析,挖掘设备的故障模式;
存储单元,用于采用多叉树结构对挖掘出的所述故障模式进行存储,构建设备故障模式库。
10.根据权利要求7所述的智能制造设备的健康管理系统,其特征在于,所述状态评估模块包括故障分析单元,用于当预处理后的所述当前运行参数能在设备故障模式库的多叉树结构中对应一条从最高层节点到最底层节点的路径时,判定当前智能制造设备存在故障隐患,否则,无故障隐患。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010124470.4A CN111367909A (zh) | 2020-02-27 | 2020-02-27 | 一种智能制造设备的健康管理方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010124470.4A CN111367909A (zh) | 2020-02-27 | 2020-02-27 | 一种智能制造设备的健康管理方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111367909A true CN111367909A (zh) | 2020-07-03 |
Family
ID=71208191
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010124470.4A Pending CN111367909A (zh) | 2020-02-27 | 2020-02-27 | 一种智能制造设备的健康管理方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111367909A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112151160A (zh) * | 2020-09-14 | 2020-12-29 | 上海市第六人民医院 | 一种在用医疗器械动态数据的管理系统及管理方法 |
CN112713658A (zh) * | 2020-12-30 | 2021-04-27 | 国网北京市电力公司 | 一种电网设备监控缺陷智能控制方法及系统 |
CN114417741A (zh) * | 2022-03-31 | 2022-04-29 | 北京恒信启华信息技术股份有限公司 | 一机一档设备数据管理及处理系统 |
CN116418421A (zh) * | 2023-06-09 | 2023-07-11 | 北京神州明达高科技有限公司 | 一种基于频率接收的通信设备侦测方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102929729A (zh) * | 2012-09-11 | 2013-02-13 | 华为技术有限公司 | 故障跟踪的方法及装置 |
CN109102189A (zh) * | 2018-08-10 | 2018-12-28 | 杨璇 | 一种电气设备健康管理系统和方法 |
CN109711587A (zh) * | 2018-12-29 | 2019-05-03 | 北京天诚同创电气有限公司 | 污水处理厂的物资信息处理方法、系统以及服务器 |
US20190285517A1 (en) * | 2017-10-25 | 2019-09-19 | Nanjing Univ. Of Aeronautics And Astronautics | Method for evaluating health status of mechanical equipment |
-
2020
- 2020-02-27 CN CN202010124470.4A patent/CN111367909A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102929729A (zh) * | 2012-09-11 | 2013-02-13 | 华为技术有限公司 | 故障跟踪的方法及装置 |
US20190285517A1 (en) * | 2017-10-25 | 2019-09-19 | Nanjing Univ. Of Aeronautics And Astronautics | Method for evaluating health status of mechanical equipment |
CN109102189A (zh) * | 2018-08-10 | 2018-12-28 | 杨璇 | 一种电气设备健康管理系统和方法 |
CN109711587A (zh) * | 2018-12-29 | 2019-05-03 | 北京天诚同创电气有限公司 | 污水处理厂的物资信息处理方法、系统以及服务器 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112151160A (zh) * | 2020-09-14 | 2020-12-29 | 上海市第六人民医院 | 一种在用医疗器械动态数据的管理系统及管理方法 |
CN112713658A (zh) * | 2020-12-30 | 2021-04-27 | 国网北京市电力公司 | 一种电网设备监控缺陷智能控制方法及系统 |
CN114417741A (zh) * | 2022-03-31 | 2022-04-29 | 北京恒信启华信息技术股份有限公司 | 一机一档设备数据管理及处理系统 |
CN116418421A (zh) * | 2023-06-09 | 2023-07-11 | 北京神州明达高科技有限公司 | 一种基于频率接收的通信设备侦测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111367909A (zh) | 一种智能制造设备的健康管理方法及系统 | |
CN109146093A (zh) | 一种基于学习的电力设备现场勘查方法 | |
CN102765643A (zh) | 基于数据驱动的电梯故障诊断与预警方法 | |
CN115329812A (zh) | 一种基于人工智能的道路基础设施异常监测方法 | |
CN113076834B (zh) | 旋转机械故障信息处理方法、处理系统、处理终端、介质 | |
CN111985558A (zh) | 一种电能表异常诊断方法及其系统 | |
CN114580666A (zh) | 一种多模式融合电动机智能维护系统 | |
CN109492790A (zh) | 基于神经网络与数据挖掘的风电机组健康管理方法 | |
CN115822887A (zh) | 风电机组的性能评估与能效诊断方法及系统 | |
CN110727257A (zh) | 基于k均值聚类算法的设备运行诊断方法和装置 | |
CN109626161A (zh) | 一种电梯故障诊断方法 | |
CN117930815A (zh) | 一种基于云平台的风电机组远程故障诊断方法及系统 | |
CN113339204A (zh) | 一种基于混合神经网络的风力发电机故障识别方法 | |
CN115877198A (zh) | 基于边缘计算的一二次融合开关故障诊断预警系统 | |
CN116308304A (zh) | 基于元学习概念漂移检测的新能源智慧运维方法及系统 | |
CN115689524A (zh) | 一种数据中心机房电气设备预测性维护系统及方法 | |
CN114442543A (zh) | 一种适用于水电站故障预警的计算机监测方法 | |
CN117375234B (zh) | 一种变电站监控信息的自动验收方法及系统 | |
CN116720983A (zh) | 一种基于大数据分析的供电设备异常检测方法及系统 | |
CN116840658A (zh) | 一种针对芯片固件的故障预测和诊断方法 | |
US11339763B2 (en) | Method for windmill farm monitoring | |
CN116595353A (zh) | 一种调相机远程故障诊断及智能决策系统 | |
CN113902222B (zh) | 一种新能源智慧运维系统 | |
CN110598750A (zh) | 一种基于转辙机动作曲线相似度特征的工况识别方法 | |
CN115587016A (zh) | 一种电力设备运行分析方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200703 |