CN111830871A - 一种设备异常自动诊断系统 - Google Patents
一种设备异常自动诊断系统 Download PDFInfo
- Publication number
- CN111830871A CN111830871A CN202010677175.1A CN202010677175A CN111830871A CN 111830871 A CN111830871 A CN 111830871A CN 202010677175 A CN202010677175 A CN 202010677175A CN 111830871 A CN111830871 A CN 111830871A
- Authority
- CN
- China
- Prior art keywords
- unit
- work order
- terminal
- data
- abnormal
- 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.)
- Granted
Links
- 238000003745 diagnosis Methods 0.000 title claims abstract description 25
- 230000002159 abnormal effect Effects 0.000 claims abstract description 67
- 238000004458 analytical method Methods 0.000 claims abstract description 63
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 52
- 238000012544 monitoring process Methods 0.000 claims abstract description 13
- 238000012549 training Methods 0.000 claims abstract description 7
- 238000003860 storage Methods 0.000 claims description 59
- 230000005856 abnormality Effects 0.000 claims description 33
- 230000005540 biological transmission Effects 0.000 claims description 10
- 238000009826 distribution Methods 0.000 claims description 9
- 239000000284 extract Substances 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 9
- 238000010801 machine learning Methods 0.000 claims description 4
- 238000007781 pre-processing Methods 0.000 claims description 4
- 238000012423 maintenance Methods 0.000 abstract description 16
- 230000004044 response Effects 0.000 abstract description 3
- 238000000034 method Methods 0.000 description 4
- 238000007405 data analysis Methods 0.000 description 2
- 238000010129 solution processing Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000009191 jumping Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 239000013589 supplement Substances 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
- G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
- G05B19/042—Programme control other than numerical control, i.e. in sequence controllers or logic controllers using digital processors
- G05B19/0423—Input/output
-
- 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
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
-
- 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
- G06Q10/20—Administration of product repair or maintenance
-
- 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
- G06Q50/06—Energy or water supply
-
- 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
- G05B2219/20—Pc systems
- G05B2219/23—Pc programming
- G05B2219/23051—Remote control, enter program remote, detachable programmer
-
- 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
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Automation & Control Theory (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明公开了一种设备异常自动诊断系统，应用于水务设备监测领域，具体包括多个采集终端、一分析终端、一第一调控终端和一第二调控终端。通过本技术方案，能够对水务设备的异常进行自动诊断，当能通过远程调控解决异常状态时根据预设模型进行远程调控，当需要运维人员现场处置时根据最近距离进行工单派送，大幅提升了设备异常的快速响应能力，在增加水务服务水平的同时提升了用户的满意度；此外，通过于工单中内置解决方案，能够有效帮助触及运维人员处理较为复杂的技术问题，能够有效降低售后运维人员的培训成本。
Description
技术领域
本发明涉及水务设备监测领域，尤其涉及一种设备异常自动诊断系统。
背景技术
于水务设备的监测领域中，目前行业内普遍采用较为简单的报警方式，包括限值报警(如超过压力上限或下限报警)和开关量报警(如水泵停机、断电报警等)，而这些报警都不是通过分析得出的，仅仅通过简单的逻辑进行的判断，通常用泵房内部的PLC就可以完成这些简单的逻辑判断。
采用现有的报警方式进行水务设备监测存在以下的众多问题：
1)数据采集频次低，不足以形成大数据分析，且报警本身并不具备大数据分析功能；
2)基于单个采集量和参数值进行报警判断，其结果并不准确，容易造成误报警；
3)对于现有的报警监控平台，其在运行过程中由于自身系统限制容易产生数据跳变，进而引发误报警；
4)面对大量频繁的、无用的报警信息，水务企业往往难以进行分辨，会进一步导致造成巨大的管理负担。
5)现有的报警监控平台只能够提供警示信息却无法提供相应的解决方案，加之运维人员的能力水平层次不齐，容易导致故障解决速度慢，影响用户体验。
发明内容
针对现有技术中存在的上述问题，现提供一种设备异常自动诊断系统，具体技术方案如下所示：
一种设备异常自动诊断系统，应用于水务设备监测领域，该种设备异常自动诊断系统具体包括：
多个采集终端，每个采集终端分别对应一水务设备，用于持续采集水务设备的实时工况数据并进行预处理，持续输出一实时采集数据；
分析终端，分别远程连接每个采集终端，用于存储实时采集数据，并根据实时采集数据，判断并输出一相应的异常分析结果；
第一调控终端，分别连接分析终端和每个水务设备，用于根据异常分析结果，向相应的水务设备发送控制指令；
第二调控终端，第二调控终端包括一工单调度终端和多个工单接收终端，工单调度终端连接分析终端，每个工单接收终端均远程连接工单调度终端；
工单调度终端用于根据异常分析结果，向相应的工单接收终端发送调度工单。
优选的，该种设备异常自动诊断系统，其中每个采集终端进一步包括：
采集单元，用于持续采集对应的水务设备的实时工况数据并进行输出；
分流单元，连接第一存储单元，对实时工况数据进行分类，输出高频波动数据和低频波动数据；
第一存储单元，连接分流单元，第一存储单元包括第一存储模块和第二存储模块，第一存储模块用于暂存高频波动数据，第二存储模块用于暂存低频波动数据；
第一判断单元，连接分流单元和第一存储单元，判断高频波动数据是否存在异常波动，并当存在异常波动时，于第一存储模块中提取对应高频波动数据前后一第一预设时间段内的所有高频波动数据并作为异常高频数据进行输出；
传输单元，连接第一判断单元和第一存储单元，用于实时传输异常高频数据至分析终端，并每间隔一第二预设时间段提取第二存储模块中的全部低频波动数据并传输至分析终端。
优选的，该种设备异常自动诊断系统，其中传输单元中还包括一第三存储模块；
第三存储模块用于暂存待传输的异常高频数据和低频波动数据。
优选的，该种设备异常自动诊断系统，其中分析终端进一步包括：
第二存储单元，第二存储单元存储有一预先训练形成的异常识别模型；
异常识别模型包括多个识别子模型，每个识别子模型包括一个一级子模型和多个二级子模型；
于每个识别子模型中，一级子模型的输入端作为识别子模型的输入端，每个二级子模型的输入端分别连接对应的一级子模型的输出端，所有二级子模型的输出端构成识别子模型的输出端；
第二判断单元，连接第二存储单元，用于将实时采集数据分别输入每个识别子模型的输入端，并分别获取每个识别子模型的输出端的识别结果作为相应的第一判断结果；
第三判断单元，连接第二存储单元和第二判断单元，根据第一判断结果，当实时采集数据出现异常时，依次提取对应的二级子模型，根据二级子模型，判断实时采集数据的具体异常种类，输出异常分析结果。
优选的，该种设备异常自动诊断系统，其中分析终端进一步包括：
第四判断单元，连接第三判断单元，根据异常分析结果，判断对应的具体异常种类能否通过远程控制对应的水务设备的方式加以解决：
若能够通过远程控制对应的水务设备的方式加以解决，则第四判断单元将异常分析结果传输至第一调控终端；
若不能够通过远程控制对应的水务设备的方式加以解决，则第四判断单元将异常分析结果传输至第二调控终端。
优选的，该种设备异常自动诊断系统，其中工单调度终端进一步包括：
定位单元，用于获取每个工单接收终端的实时位置；
分配单元，连接定位单元，根据实时位置和异常分析结果，分派异常处理任务至距离异常分析结果对应的水务设备距离最近的工单接收终端。
优选的，该种设备异常自动诊断系统，其中工单调度终端进一步包括：
第三存储单元，用于存储多个预设的异常解决模型；
处理单元，连接第三存储单元和分配单元，根据异常分析结果，提取对应的异常解决模型并发送至分配单元；
异常处理任务中包括异常解决模型。
优选的，该种设备异常自动诊断系统，其中于异常处理任务完成时，工单接收终端将工单完成步骤及工单完成结果作为反馈信息传输至工单调度终端；
工单调度终端进一步包括一自学习单元，自学习单元连接第三存储单元，根据反馈信息，通过机器学习算法得到对应的异常解决模型并对第三存储单元进行更新。
上述技术方案具有如下优点及有益效果：
通过本技术方案，能够对水务设备的异常进行自动诊断，当能通过远程调控解决异常状态时根据预设模型进行远程调控，当需要运维人员现场处置时根据最近距离进行工单派送，大幅提升了设备异常的快速响应能力，在增加水务服务水平的同时提升了用户的满意度；此外，通过于工单中内置解决方案，能够有效帮助初级运维人员处理较为复杂的技术问题，能够有效降低售后运维人员的培训成本。
附图说明
图1为本发明一种设备异常自动诊断系统的结构示意图。
具体实施方式
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，所描述的实施例仅仅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的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。
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。
下面结合附图和具体实施例对本发明作进一步说明，但不作为本发明的限定。
针对现有技术中存在的上述问题，现提供一种设备异常自动诊断系统，具体技术方案如下所示：
一种设备异常自动诊断系统，应用于水务设备监测领域，如图1所示，该种设备异常自动诊断系统具体包括：
多个采集终端1，每个采集终端1分别对应一水务设备0，用于持续采集水务设备0的实时工况数据并进行预处理，持续输出一实时采集数据；
分析终端2，分别远程连接每个采集终端1，用于存储实时采集数据，并根据实时采集数据，判断并输出一相应的异常分析结果；
第一调控终端3，分别连接分析终端2和每个水务设备0，用于根据异常分析结果，向相应的水务设备0发送控制指令；
第二调控终端4，第二调控终端4包括一工单调度终端41和多个工单接收终端42，工单调度终端41连接分析终端2，每个工单接收终端42均远程连接工单调度终端41；
工单调度终端41用于根据异常分析结果，向相应的工单接收终端42发送调度工单。
在本发明的一较佳实施例中，该种设备异常自动诊断系统应用于水务设备0的监测领域，具体包括多个采集终端1、分析终端2、第一调控终端3和第二调控终端4，其中：
每个采集终端1对应一水务设备0，用于持续采集实时工况数据；特别地，于上述较佳实施例中，每个采集终端1均支持毫秒级的高频采集，采集周期可以为50ms或40ms甚至更高频率，可根据对应水务设备0的实际需求进行相应调整；
分析终端2分别远程连接每个采集终端，用于收集并整合全部的实时采集数据，通过全部的实时采集数据进行综合分析，能够更为精准地对任一水务设备0的异常情况进行判断，从而避免了基于单个采集量和参数值进行报警判断，其结果并不准确，容易造成误报警的情况；
第一调控终端3分别连接分析终端2和每个水务设备0，能够根据异常分析结果，当能直接通过第一调控终端3进行远程调控的情况时直接发送调控指令给相应的水务设备0以实现高效的远程调控，无需运维人员的出动，进一步提高了该种设备异常自动诊断系统的应急诊断和处理能力；
第二调控终端4连接分析终端2，包括一工单调度终端41和多个工单接收终端42，工单接收终端42由运维人员持有，远程连接工单调度终端41，工单调度终端41根据工单接收终端42与发生异常的水务设备0的距离及工单接收终端42能处理的异常等级进行相应的工单调配。
作为优选的实施方式，该种设备异常自动诊断系统，其中每个采集终端1进一步包括：
采集单元，用于持续采集对应的水务设备的实时工况数据并进行输出；
分流单元，连接第一存储单元，对实时工况数据进行分类，输出高频波动数据和低频波动数据；
第一存储单元，连接分流单元，第一存储单元包括第一存储模块和第二存储模块，第一存储模块用于暂存高频波动数据，第二存储模块用于暂存低频波动数据；
第一判断单元，连接分流单元和第一存储单元，判断高频波动数据是否存在异常波动，并当存在异常波动时，于第一存储模块中提取对应高频波动数据前后一第一预设时间段内的所有高频波动数据并作为异常高频数据进行输出；
传输单元，连接第一判断单元和第一存储单元，用于实时传输异常高频数据至分析终端，并每间隔一第二预设时间段提取第二存储模块中的全部低频波动数据并传输至分析终端。
在本发明的另一较佳实施例中，对采集终端1进行进一步的具体阐释和说明，采集终端1不仅用于对水务设备工况数据进行采集，还对采集到的水务设备工况数据进行分流和预处理，针对高频波动数据仅对异常数据进行上传，而针对低频波动数据进行周期性上传，能够实现有效的监测数据清洗和数据质量控制；同时支持边缘计算，能够将异常前后一定时间段内的相关数据一同进行上传，以便后续的异常判断分析。
作为优选的实施方式，该种设备异常自动诊断系统，其中第一判断单元中包括一自学习模块；
自学习模块连接第一判断模块，用于根据第一判断模块的历史判断记录，协助第一判断模块判断高频波动数据的异常波动是否属于正常范畴的数据跳变。
在本发明的另一较佳实施例中，进一步地，第一判断单元还包括一自学习模块，能够根据第一判断模块的历史判断记录的准确性，判断异常波动究竟是真实的异常波动还是由设备故障等问题造成的监测数据跳变或是正常范畴的数据跳变，对此部分数据跳变不进行上传以提高数据质量，从而进一步提升异常判断的准确性，避免误判。
特别地，于上述较佳实施例中，自学习模块还可针对系统自身缺陷所导致的数据跳变进行缺失值的补完。
作为优选的实施方式，该种设备异常自动诊断系统，其中传输单元中还包括一第三存储模块；
第三存储模块用于暂存待传输的异常高频数据和低频波动数据。
在本发明的另一较佳实施例中，进一步地，传输单元还包括一第三存储模块用于暂存待传输的异常高频数据和低频波动数据，能够支持断网续传：当采集终端1因故或干扰与分析终端2断开远程连接时，第三存储模块能够对待传输的内容进行暂存，等远程连接恢复后从断点开始重新上传数据，并且数据的断网续传并不会不影响实时监控的数据传输。
作为优选的实施方式，该种设备异常自动诊断系统，其中分析终端2进一步包括：
第二存储单元，第二存储单元存储有一预先训练形成的异常识别模型；
异常识别模型包括多个识别子模型，每个识别子模型包括一个一级子模型和多个二级子模型；
于每个识别子模型中，一级子模型的输入端作为识别子模型的输入端，每个二级子模型的输入端分别连接对应的一级子模型的输出端，所有二级子模型的输出端构成识别子模型的输出端；
第二判断单元，连接第二存储单元，用于将实时采集数据分别输入每个识别子模型的输入端，并分别获取每个识别子模型的输出端的识别结果作为相应的第一判断结果；
第三判断单元，连接第二存储单元和第二判断单元，根据第一判断结果，当实时采集数据出现异常时，依次提取对应的二级子模型，根据二级子模型，判断实时采集数据的具体异常种类，输出异常分析结果。
作为优选的实施方式，该种设备异常自动诊断系统，其中分析终端2进一步包括：
第四判断单元，连接第三判断单元，根据异常分析结果，判断对应的具体异常种类能否通过远程控制对应的水务设备的方式加以解决：
若能够通过远程控制对应的水务设备的方式加以解决，则第四判断单元将异常分析结果传输至第一调控终端3；
若不能够通过远程控制对应的水务设备的方式加以解决，则第四判断单元将异常分析结果传输至第二调控终端4。
在本发明的另一较佳实施例中，预先设置了一规则模型用于判断异常分析结果所对应的具体异常种类能否通过远程调控即可解决，当能直接通过第一调控终端3进行远程调控的情况时直接发送调控指令给相应的水务设备0以实现高效的远程调控，无需运维人员的出动，能够进一步提高了该种设备异常自动诊断系统的应急诊断和处理能力。
作为优选的实施方式，该种设备异常自动诊断系统，其中工单调度终端进一步包括：
定位单元，用于获取每个工单接收终端的实时位置；
分配单元，连接定位单元，根据实时位置和异常分析结果，分派异常处理任务至距离异常分析结果对应的水务设备距离最近的工单接收终端。
作为优选的实施方式，该种设备异常自动诊断系统，其中工单调度终端41进一步包括：
第三存储单元，用于存储多个预设的异常解决模型；
处理单元，连接第三存储单元和分配单元，根据异常分析结果，提取对应的异常解决模型并发送至分配单元；
异常处理任务中包括异常解决模型。
在本发明的另一较佳实施例中，对于异常处理任务的工单发放内容作了进一步的阐释：工单调度终端41中根据不同的异常分析结果预存了多个相应的解决处理方法，并在分配工单任务时将解决处理方法一并发送给工单处理运维人员进行参考，能够有效帮助初级运维人员处理较为复杂的技术问题，进而有效降低售后运维人员的培训成本，提升了本技术方案的适用性。
作为优选的实施方式，该种设备异常自动诊断系统，其中于异常处理任务完成时，工单接收终端42将工单完成步骤及工单完成结果作为反馈信息传输至工单调度终端41；
工单调度终端41进一步包括一自学习单元，自学习单元连接第三存储单元，根据反馈信息，通过机器学习算法得到对应的异常解决模型并对第三存储单元进行更新。
在本发明的另一较佳实施例中，工单接收终端42将会将处理工单的步骤和工单处理的结果一并作为反馈信息发挥工单调度终端41，工单调度终端41中的自学习单元将根据上述反馈信息，根据相应的机器学习算法进行自主学习，不断补充、调整、优化和更新已有的异常解决模型，进一步提升本异常自动诊断系统的自主性和优化性。
综上，通过本技术方案，能够对水务设备的异常进行自动诊断，当能通过远程调控解决异常状态时根据预设模型进行远程调控，当需要运维人员现场处置时根据最近距离进行工单派送，大幅提升了设备异常的快速响应能力，在增加水务服务水平的同时提升了用户的满意度；此外，通过于工单中内置解决方案，能够有效帮助初级运维人员处理较为复杂的技术问题，能够有效降低售后运维人员的培训成本。
以上仅为本发明较佳的实施例，并非因此限制本发明的实施方式及保护范围，对于本领域技术人员而言，应当能够意识到凡运用本发明说明书及图示内容所作出的等同替换和显而易见的变化所得到的方案，均应当包含在本发明的保护范围内。
Claims (8)
1.一种设备异常自动诊断系统，应用于水务设备监测领域，其特征在于，所述设备异常自动诊断系统具体包括：
多个采集终端，每个所述采集终端分别对应一水务设备，用于持续采集所述水务设备的实时工况数据并进行预处理，持续输出一实时采集数据；
分析终端，分别远程连接每个所述采集终端，用于存储所述实时采集数据，并根据所述实时采集数据，判断并输出一相应的异常分析结果；
第一调控终端，分别连接所述分析终端和每个所述水务设备，用于根据所述异常分析结果，向相应的所述水务设备发送控制指令；
第二调控终端，所述第二调控终端包括一工单调度终端和多个工单接收终端，所述工单调度终端连接所述分析终端，每个所述工单接收终端均远程连接所述工单调度终端；
所述工单调度终端用于根据所述异常分析结果，向相应的所述工单接收终端发送调度工单。
2.如权利要求1所述的设备异常自动诊断系统，其特征在于，每个所述采集终端进一步包括：
采集单元，用于持续采集对应的所述水务设备的所述实时工况数据并进行输出；
分流单元，连接所述第一存储单元，对所述实时工况数据进行分类，输出高频波动数据和低频波动数据；
第一存储单元，连接所述分流单元，所述第一存储单元包括第一存储模块和所述第二存储模块，所述第一存储模块用于暂存所述高频波动数据，所述第二存储模块用于暂存所述低频波动数据；
第一判断单元，连接所述分流单元和所述第一存储单元，判断所述高频波动数据是否存在异常波动，并当存在所述异常波动时，于所述第一存储模块中提取对应所述高频波动数据前后一第一预设时间段内的所有所述高频波动数据并作为异常高频数据进行输出；
传输单元，连接所述第一判断单元和所述第一存储单元，用于实时传输所述异常高频数据至所述分析终端，并每间隔一第二预设时间段提取所述第二存储模块中的全部所述低频波动数据并传输至所述分析终端。
3.如权利要求2所述的设备异常自动诊断系统，其特征在于，所述传输单元中还包括一第三存储模块；
所述第三存储模块用于暂存待传输的所述异常高频数据和所述低频波动数据。
4.如权利要求1所述的设备异常自动诊断系统，其特征在于，所述分析终端进一步包括：
第二存储单元，所述第二存储单元存储有一预先训练形成的异常识别模型；
所述异常识别模型包括多个识别子模型，每个所述识别子模型包括一个一级子模型和多个二级子模型；
于每个所述识别子模型中，所述一级子模型的输入端作为所述识别子模型的输入端，每个所述二级子模型的输入端分别连接对应的所述一级子模型的输出端，所有所述二级子模型的输出端构成所述识别子模型的输出端；
第二判断单元，连接所述第二存储单元，用于将所述实时采集数据分别输入每个所述识别子模型的输入端，并分别获取每个所述识别子模型的输出端的识别结果作为相应的第一判断结果；
第三判断单元，连接所述第二存储单元和所述第二判断单元，根据所述第一判断结果，当所述实时采集数据出现所述异常时，依次提取对应的所述二级子模型，根据所述二级子模型，判断所述实时采集数据的具体异常种类，输出所述异常分析结果。
5.如权利要求4所述的设备异常自动诊断系统，其特征在于，所述分析终端进一步包括：
第四判断单元，连接所述第三判断单元，根据所述异常分析结果，判断对应的所述具体异常种类能否通过远程控制对应的所述水务设备的方式加以解决：
若能够通过远程控制对应的所述水务设备的方式加以解决，则所述第四判断单元将所述异常分析结果传输至所述第一调控终端；
若不能够通过远程控制对应的所述水务设备的方式加以解决，则所述第四判断单元将所述异常分析结果传输至所述第二调控终端。
6.如权利要求1所述的设备异常自动诊断系统，其特征在于，所述工单调度终端进一步包括：
定位单元，用于获取每个所述工单接收终端的实时位置；
分配单元，连接所述定位单元，根据所述实时位置和所述异常分析结果，分派异常处理任务至距离所述异常分析结果对应的所述水务设备距离最近的所述工单接收终端。
7.如权利要求6所述的设备异常自动诊断系统，其特征在于，所述工单调度终端进一步包括：
第三存储单元，用于存储多个预设的异常解决模型；
处理单元，连接所述第三存储单元和所述分配单元，根据所述异常分析结果，提取对应的所述异常解决模型并发送至所述分配单元；
所述异常处理任务中包括所述异常解决模型。
8.如权利要求7所述的设备异常自动诊断系统，其特征在于，于所述异常处理任务完成时，所述工单接收终端将工单完成步骤及工单完成结果作为反馈信息传输至所述工单调度终端；
所述工单调度终端进一步包括一自学习单元，所述自学习单元连接所述第三存储单元，根据所述反馈信息，通过机器学习算法得到对应的所述异常解决模型并对所述第三存储单元进行更新。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010677175.1A CN111830871B (zh) | 2020-07-14 | 2020-07-14 | 一种设备异常自动诊断系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010677175.1A CN111830871B (zh) | 2020-07-14 | 2020-07-14 | 一种设备异常自动诊断系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111830871A true CN111830871A (zh) | 2020-10-27 |
| CN111830871B CN111830871B (zh) | 2024-04-05 |
Family
ID=72923265
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010677175.1A Active CN111830871B (zh) | 2020-07-14 | 2020-07-14 | 一种设备异常自动诊断系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111830871B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112947360A (zh) * | 2021-01-26 | 2021-06-11 | 山东省计算中心（国家超级计算济南中心） | 基于状态转换时延图的水分配系统异常检测方法及系统 |
| CN113837713A (zh) * | 2021-08-19 | 2021-12-24 | 上海威派格智慧水务股份有限公司 | 一种水务外业工单管理系统 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2004201125A (ja) * | 2002-12-19 | 2004-07-15 | Tokyo Gas Co Ltd | 中継アダプタ、遠隔管理システム、遠隔管理方法及び遠隔管理プログラム |
| CN103020642A (zh) * | 2012-10-08 | 2013-04-03 | 江苏省环境监测中心 | 水环境监测质控数据分析方法 |
| CN104914823A (zh) * | 2015-04-20 | 2015-09-16 | 上海城投污水处理有限公司石洞口污水处理厂 | 面向污水厂运维时效管理方法 |
| CN206805257U (zh) * | 2017-06-09 | 2017-12-26 | 上海煤科实业有限公司 | 基于云技术的水泵控制监测系统 |
| CN109445363A (zh) * | 2018-12-21 | 2019-03-08 | 杭州睿兴栋宇建筑科技有限公司 | 一种基于异常检测算法的施工现场动态安全监测系统 |
| KR101996375B1 (ko) * | 2019-03-06 | 2019-07-03 | (주)와이제이솔루션 | 기능 확장이 용이한 이상 예측 수처리 제어시스템 |
| CN110088619A (zh) * | 2017-10-09 | 2019-08-02 | Bl科技有限责任公司 | 用于废水处理厂或饮用水厂的过程和资产健康诊断、异常检测和控制的智能系统和方法 |
| CN110687865A (zh) * | 2019-10-21 | 2020-01-14 | 福建锋冠科技有限公司 | 一种智慧水务管理平台 |
-
2020
- 2020-07-14 CN CN202010677175.1A patent/CN111830871B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2004201125A (ja) * | 2002-12-19 | 2004-07-15 | Tokyo Gas Co Ltd | 中継アダプタ、遠隔管理システム、遠隔管理方法及び遠隔管理プログラム |
| CN103020642A (zh) * | 2012-10-08 | 2013-04-03 | 江苏省环境监测中心 | 水环境监测质控数据分析方法 |
| CN104914823A (zh) * | 2015-04-20 | 2015-09-16 | 上海城投污水处理有限公司石洞口污水处理厂 | 面向污水厂运维时效管理方法 |
| CN206805257U (zh) * | 2017-06-09 | 2017-12-26 | 上海煤科实业有限公司 | 基于云技术的水泵控制监测系统 |
| CN110088619A (zh) * | 2017-10-09 | 2019-08-02 | Bl科技有限责任公司 | 用于废水处理厂或饮用水厂的过程和资产健康诊断、异常检测和控制的智能系统和方法 |
| CN109445363A (zh) * | 2018-12-21 | 2019-03-08 | 杭州睿兴栋宇建筑科技有限公司 | 一种基于异常检测算法的施工现场动态安全监测系统 |
| KR101996375B1 (ko) * | 2019-03-06 | 2019-07-03 | (주)와이제이솔루션 | 기능 확장이 용이한 이상 예측 수처리 제어시스템 |
| CN110687865A (zh) * | 2019-10-21 | 2020-01-14 | 福建锋冠科技有限公司 | 一种智慧水务管理平台 |
Non-Patent Citations (1)
| Title |
|---|
| 董浩;廉小亲;王晓冰;郝宝智;段振刚;: "基于物联网的水质监测系统的设计与实现", 测控技术, no. 02 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112947360A (zh) * | 2021-01-26 | 2021-06-11 | 山东省计算中心（国家超级计算济南中心） | 基于状态转换时延图的水分配系统异常检测方法及系统 |
| CN113837713A (zh) * | 2021-08-19 | 2021-12-24 | 上海威派格智慧水务股份有限公司 | 一种水务外业工单管理系统 |
| CN113837713B (zh) * | 2021-08-19 | 2024-05-21 | 上海威派格智慧水务股份有限公司 | 一种水务外业工单管理系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111830871B (zh) | 2024-04-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110430128B (zh) | 边缘计算网关 | |
| US9841753B2 (en) | Monitoring system of a dynamical arrangement of pieces taking part in a process related to a manufacturing executing system | |
| CN111830871A (zh) | 一种设备异常自动诊断系统 | |
| CN101846995A (zh) | 工业现场远程监控方法 | |
| CN112527613A (zh) | 基于云边协同的设备故障维护方法及装置 | |
| CN110988559A (zh) | 基于物联网的变电站直流系统全生命周期的在线监测方法 | |
| US20110137432A1 (en) | Automation management system and method | |
| CN112737936A (zh) | 一种用于设备预维护的边缘计算网关 | |
| CN107942792A (zh) | 一种多平台的生产流水线机械设备控制系统及方法 | |
| CN109693983A (zh) | 电梯故障处理方法、装置、服务器、存储介质及系统 | |
| CN112394682A (zh) | 热裂解蒸汽锅炉联动控制系统 | |
| CN113157679A (zh) | 一种水轮发电机组系统的监控系统及方法 | |
| CN112561238A (zh) | 一种抽水蓄能电站辅机设备状态健康评价系统及方法 | |
| KR20200084401A (ko) | 빅데이타를 활용한 공기압축기 양방향 고장진단 및 원격운전제어 시스템 | |
| CN112650195A (zh) | 基于云边协同的设备故障维护方法及装置 | |
| CN214843395U (zh) | 智能空压机无人值守系统 | |
| CN218004099U (zh) | 电子元件生产线在线监管分析系统 | |
| CN103616877A (zh) | 能源管网的监控诊断方法和系统 | |
| CN114013923A (zh) | 一种皮带纠偏方法、装置、系统及计算机可读存储介质 | |
| CN116277001A (zh) | 一种基于数字孪生的连铸机器人管理方法及其系统 | |
| CN109539457A (zh) | 一种基于深度学习的冷水机房控制方法 | |
| CN109298635A (zh) | 一种基于深度学习的冷水机房控制系统 | |
| CN109035836A (zh) | 一种交通设备运维系统 | |
| CN113485213A (zh) | 数字孪生调节阀智能实时监控系统 | |
| CN114035555A (zh) | 一种plc控制器故障检测系统 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |