CN112738266A - 数据采集传输设备系统及预知诊断、边缘计算方法 - Google Patents
数据采集传输设备系统及预知诊断、边缘计算方法 Download PDFInfo
- Publication number
- CN112738266A CN112738266A CN202011642481.8A CN202011642481A CN112738266A CN 112738266 A CN112738266 A CN 112738266A CN 202011642481 A CN202011642481 A CN 202011642481A CN 112738266 A CN112738266 A CN 112738266A
- Authority
- CN
- China
- Prior art keywords
- data
- equipment
- submodule
- calculation
- module
- 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
- 238000004364 calculation method Methods 0.000 title claims abstract description 100
- 230000005540 biological transmission Effects 0.000 title claims abstract description 48
- 238000003745 diagnosis Methods 0.000 title claims abstract description 37
- 238000012423 maintenance Methods 0.000 claims abstract description 45
- 238000013523 data management Methods 0.000 claims abstract description 17
- 238000007405 data analysis Methods 0.000 claims abstract description 16
- 238000000034 method Methods 0.000 claims abstract description 13
- 238000012544 monitoring process Methods 0.000 claims description 57
- 238000004891 communication Methods 0.000 claims description 46
- 238000004220 aggregation Methods 0.000 claims description 36
- 230000002776 aggregation Effects 0.000 claims description 36
- 238000007726 management method Methods 0.000 claims description 32
- 238000004458 analytical method Methods 0.000 claims description 27
- 238000012545 processing Methods 0.000 claims description 24
- 238000004140 cleaning Methods 0.000 claims description 22
- 238000006243 chemical reaction Methods 0.000 claims description 11
- 238000001514 detection method Methods 0.000 claims description 11
- 238000012937 correction Methods 0.000 claims description 9
- 238000013499 data model Methods 0.000 claims description 7
- 238000009826 distribution Methods 0.000 claims description 7
- 238000001914 filtration Methods 0.000 claims description 7
- 238000013507 mapping Methods 0.000 claims description 7
- 230000002093 peripheral effect Effects 0.000 claims description 7
- 238000003860 storage Methods 0.000 claims description 7
- 230000008569 process Effects 0.000 claims description 6
- 230000004044 response Effects 0.000 claims description 6
- 230000003993 interaction Effects 0.000 claims description 5
- 238000005070 sampling Methods 0.000 claims description 4
- 230000001360 synchronised effect Effects 0.000 claims description 4
- 230000000007 visual effect Effects 0.000 claims description 4
- 230000002159 abnormal effect Effects 0.000 claims description 3
- 238000013500 data storage Methods 0.000 claims 1
- 238000004519 manufacturing process Methods 0.000 abstract description 8
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 8
- 230000007246 mechanism Effects 0.000 description 2
- 230000003449 preventive effect Effects 0.000 description 2
- 238000007689 inspection Methods 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
- 238000013468 resource allocation Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/10—Protocols in which an application is distributed across nodes in the network
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/02—Protocols based on web technology, e.g. hypertext transfer protocol [HTTP]
- H04L67/025—Protocols based on web technology, e.g. hypertext transfer protocol [HTTP] for remote control or remote monitoring of applications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/10—Protocols in which an application is distributed across nodes in the network
- H04L67/1095—Replication or mirroring of data, e.g. scheduling or transport for data synchronisation between network nodes
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明公开了数据采集传输设备系统及预知诊断、边缘计算方法，主要涉及嵌入式物联设备软件设计及应用领域。包括网络中心子系统、数据中心子系统、驱动中心子系统，网络中心子系统包括消息路由模块，数据中心子系统包括数据管理模块、预知诊断模块、边缘计算模块、设备集群模块，驱动中心子系统包括设备驱动模块、网络驱动模块。本发明的有益效果在于：它通过设备相关技术参数数据进行分析判断，预测设备维护时间及故障发生时间的工况现场，通过预知诊断、边缘计算结合云平台进行数据分析，形成企业设备的专家诊断库，降低企业的设备运维成本，提升设备运维效率的同时，延长设备的使用寿命，提高企业的生产效率。
Description
技术领域
本发明涉及嵌入式物联设备软件设计及应用领域，具体是数据采集传输设备系统及预知诊断、边缘计算方法。
背景技术
工业互联网不是一个简单的网，而是一个全新的工业生态体系，把众多的工业设备集成互联，提升资源配置和生产效率。
工业互联网为企业的制造维护提供强有力的数据支撑，传统意义上的工业制造维护方式基本可以分为修复性维护与预防性维护。修复性维护是指设备发生故障后再进行维修，这种维护一是对生产计划产生严重影响，二是紧急维修所需的零备件以及人力成本、专业维护团队的成本费用高昂；预防性维护是指有计划的定期进行设备维护和零件更换，包括保养维护、定期检查、定期功能检测、定期拆修、定时更换等，在定期维护期间需要对设备进行停机整体检测、保养，耗时长、效率低，且多数依靠经验，会带来新的故障风险。因此，能够准确的预知故障发生的时间，实时高效的对工业制造设备进行维护成为当前亟需的维护方式。
工业互联网的核心是基于全面互联而形成数据驱动的智能，而边缘可以协同调度计算、存储、网络等资源，实现企业各数据的集成及实时高效处理，充分释放数据价值，因此边缘计算对于工业互联网来说是不可或缺的关键环节。
发明内容
本发明的目的在于提供数据采集传输设备系统及预知诊断、边缘计算方法，它通过设备相关技术参数数据进行分析判断，预测设备维护时间及故障发生时间的工况现场，通过预知诊断、边缘计算结合云平台进行数据分析，形成企业设备的专家诊断库，降低企业的设备运维成本，提升设备运维效率的同时，延长设备的使用寿命，提高企业的生产效率。
本发明为实现上述目的，通过以下技术方案实现：
数据采集传输设备系统，包括网络中心子系统、数据中心子系统、驱动中心子系统，所述网络中心子系统用于消息流的建立、连接、处理，所述网络中心子系统包括消息路由模块，所述数据中心子系统用于数据的管理、预诊断、计算处理，所述数据中心子系统包括数据管理模块、预知诊断模块、边缘计算模块、设备集群模块，所述驱动中心子系统用于设备、网络的驱动，所述驱动中心子系统包括设备驱动模块、网络驱动模块。
所述消息路由模块包括数据流转子模块、资源部署子模块、资源监控子模块，所述数据数据流转子模块用于数据过滤、聚合计算、数据连接、异常检测，所述资源部署子模块用于通讯管理、传输加密管理、数据上报管理，所述资源监控子模块用于通讯状态监测、驱动监测、日志监测、流数据监测。
所述数据管理模块包括数据采集子模块、自动缓存子模块、自动同步子模块、日志记录子模块，所述数据采集子模块用于无线采集、有线采集，所述自动缓存子模块用于数据实时存储、大容量存储空间，所述自动同步子模块用于同步数据到云平台、断网续传，所述日志记录子模块用于记录系统状态、操作状态及异常状态。
所述预知诊断模块包括远程运维子模块、数据智能子模块、短信告警子模块，所述远程运维子模块用于子设备图形化管理、设备状态监测、设备连接管理、设备反崆操作，所述数据智能子模块用于设备数据模型分析、数据聚合计算、异常检测分析及专家经验建议，所述短信告警子模块用于设备异常及维护建议通知、即时反馈、提前预警。
所述边缘计算模块包括计算模型子模块、数据清洗子模块、聚合处理子模块、边缘智能子模块，所述计算模型子模块用于函数计算、规则计算、流式计算，所述数据清洗子模块用于数据分析、数据清洗转化、备份原数据、纠正错误、干净数据回流，所述聚合处理子模块用于聚合计算、多模型算法、流数据汇总分析、给出数据分析结果，所述边缘智能子模块用于容器化管理、外设映射、智能模型。
所述设备集群模块包括设备接入子模块、实时监控子模块、分布计算子模块，所述设备接入子模块用于子设备驱动匹配、子设备协议、连接状态监测，所述实时监控子模块用于设备通讯监测、数据采集传输监测，所述分布计算子模块用于分布式接入设备、计算优先级灵活配置、多设备同时集中式计算。
所述设备驱动模块包括驱动类型子模块、接口类型子模块、通讯协议子模块，所述驱动类型子模块包括PLC设备、常用设备、集中器，所述接口类型子模块为RS485、RS232、DI/ADC、LAN，所述通讯协议子模块为MODBUS、TCP、 UDP。
所述网路驱动中心模块包括通信方式子模块、通讯协议子模块，所述通讯方式为以太网、5G/4G/3G/2G、NB-Iot，所述通讯协议为MQTT、TCP/UDP、 HTTP。
数据采集传输设备系统的预知诊断、边缘计算方法，包括以下步骤：
步骤(1.1)：数据采样传输设备开始运行，协议配置，驱动配置，网络初始化，与服务端建立通信链路，与设备建立通讯连接，网络中心、数据中心、驱动中心三大中心将数据流进行处理计算分析；
步骤(1.2)：与服务端云平台建立连接后，形成可视化人机交互界面到用户业务，通过数据大屏给用户提供界面展示，同时远程监控为用户远程监控运维子模块，用于对现场设备的维护管理。
所述步骤(1.1)在数据采集传输设备开机后，会载入相关配置信息，根据相关配置，通过驱动中心，进行驱动选择，驱动类型选择后，继续选择接口类型，最后选择通讯协议；
配置完成后，进入数据中心的数据管理，根据配置信息，配置相关的数据采集媒介，进入数据中心的设备集群，系统会根据配置按照子设备协议自动匹配驱动，同时进行连接状态监测；
设备接入以后，数据采集传输设备会实时的采集现场设备数据，通过数据管理的自动缓存进行数据实时存储；
依靠自动同步，保障设备可以在断网或者弱网的情况下，正常脱机运行，等网络恢复后，可将最新数据同步至云；
数据存储到本地后，通过边缘计算进行数据清洗，数据分析执行备份原数据、纠正错误，然后按照数据清洗转换规则进行数据清洗，最后将清洗完成的数据通过干净数据回流进入消息路由，进行数据流转，通过数据过滤、聚合计算将数据汇入聚合处理，按照多模型算法，进行数据的聚合计算、流数据汇总分析，形成数据分析结果，该结果会通过边缘智能(容器化管理、外设映射、智能模型)进行二次矫正，最后将矫正的结果汇入消息路由，通过资源部署，进行传输加密管理，通过数据上报管理将数据上报至云；
预知诊断将通过消息路由和边缘计算对数据进行流转分析，在流转分析过程中，将会调用计算模型中的函数计算、规则计算、流式计算以及聚合处理以及边缘智能，形成设备预知诊断的数据，该数据会流转至数据智能中，通过设备数据模型，进行数据聚合计算和异常检测分析，通过专家经验建议形成准确可靠的预知诊断结果，并通过短信告警，形成设备异常及维护建议通知，即时通知到相关人员，提前作出预警响应。
对比现有技术，本发明的有益效果在于：
实现了预知诊断，主要解决工业设备无法通过人员进行准确、实时的预测故障或检修问题；实现了实时响应，保障现场设备的快速响应；实现了脱机运行，保障断网或弱网情况下的持续运行；实现了边缘计算，通过计算模型、数据清洗、聚合处理、边缘智能，为企业设备的运行进行精准预测、降低企业设备运维成本，提高设备运维效率；实现了实时数据的准确存储，为保障工况现场数据的准确性提供可靠依据；实现了远程维护功能，大大减少了时间成本和人力成本，解决因时间、地域差异导致的时效性问题，让设备运维更简单便捷。
数据采集传输设备系统及预知诊断、边缘计算方法，通过设备相关技术参数数据进行分析判断，预测设备维护时间及故障发生时间的工况现场，通过预知诊断、边缘计算结合云平台进行数据分析，形成企业设备的专家诊断库，降低企业的设备运维成本，提升设备运维效率的同时，延长设备的使用寿命，提高企业的生产效率。
附图说明
附图1是本发明整体业务框图；
附图2是本发明消息路由框图；
附图3是本发明数据管理框图；
附图4是本发明预知诊断框图；
附图5是本发明边缘计算框图；
附图6是本发明设备集群框图；
附图7是本发明设备驱动框图；
附图8是本发明网络驱动框图；
具体实施方式
下面结合具体实施例，进一步阐述本发明。应理解，这些实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解，在阅读了本发明讲授的内容之后，本领域技术人员可以对本发明作各种改动或修改，这些等价形式同样落于本申请所限定的范围。
本发明所述是数据采集传输设备系统及预知诊断、边缘计算方法，
数据采集传输设备系统包括网络中心子系统、数据中心子系统、驱动中心子系统，所述网络中心子系统用于消息流的建立、连接、处理，所述网络中心子系统包括消息路由模块，所述数据中心子系统用于数据的管理、预诊断、计算处理，所述数据中心子系统包括数据管理模块、预知诊断模块、边缘计算模块、设备集群模块，所述驱动中心子系统用于设备、网络的驱动，所述驱动中心子系统包括设备驱动模块、网络驱动模块。
作为优选，所述消息路由模块包括数据流转子模块、资源部署子模块、资源监控子模块，所述数据数据流转子模块用于数据过滤、聚合计算、数据连接、异常检测，所述资源部署子模块用于通讯管理、传输加密管理、数据上报管理，所述资源监控子模块用于通讯状态监测、驱动监测、日志监测、流数据监测。
作为优选，所述数据管理模块包括数据采集子模块、自动缓存子模块、自动同步子模块、日志记录子模块，所述数据采集子模块用于无线采集、有线采集，所述自动缓存子模块用于数据实时存储、大容量存储空间，所述自动同步子模块用于同步数据到云平台、断网续传，所述日志记录子模块用于记录系统状态、操作状态及异常状态。
作为优选，所述预知诊断模块包括远程运维子模块、数据智能子模块、短信告警子模块，所述远程运维子模块用于子设备图形化管理、设备状态监测、设备连接管理、设备反崆操作，所述数据智能子模块用于设备数据模型分析、数据聚合计算、异常检测分析及专家经验建议，所述短信告警子模块用于设备异常及维护建议通知、即时反馈、提前预警。
作为优选，所述边缘计算模块包括计算模型子模块、数据清洗子模块、聚合处理子模块、边缘智能子模块，所述计算模型子模块用于函数计算、规则计算、流式计算，所述数据清洗子模块用于数据分析、数据清洗转化、备份原数据、纠正错误、干净数据回流，所述聚合处理子模块用于聚合计算、多模型算法、流数据汇总分析、给出数据分析结果，所述边缘智能子模块用于容器化管理、外设映射、智能模型。
作为优选，所述设备集群模块包括设备接入子模块、实时监控子模块、分布计算子模块，所述设备接入子模块用于子设备驱动匹配、子设备协议、连接状态监测，所述实时监控子模块用于设备通讯监测、数据采集传输监测，所述分布计算子模块用于分布式接入设备、计算优先级灵活配置、多设备同时集中式计算。
作为优选，所述设备驱动模块包括驱动类型子模块、接口类型子模块、通讯协议子模块，所述驱动类型子模块包括PLC设备、常用设备、集中器，所述接口类型子模块为RS485、RS232、DI/ADC、LAN，所述通讯协议子模块为 MODBUS、TCP、UDP。
作为优选，所述网路驱动中心模块包括通信方式子模块、通讯协议子模块，所述通讯方式为以太网、5G/4G/3G/2G、NB-Iot，所述通讯协议为MQTT、 TCP/UDP、HTTP。
数据采集传输设备系统的预知诊断、边缘计算方法，包括以下步骤：
步骤(1.1)：数据采样传输设备开始运行，协议配置，驱动配置，网络初始化，与服务端建立通信链路，与设备建立通讯连接，网络中心、数据中心、驱动中心三大中心将数据流进行处理计算分析；
步骤(1.2)：与服务端云平台建立连接后，形成可视化人机交互界面到用户业务，通过数据大屏给用户提供界面展示，同时远程监控为用户远程监控运维子模块，用于对现场设备的维护管理。
所述步骤(1.1)在数据采集传输设备开机后，会载入相关配置信息，根据相关配置，通过驱动中心，进行驱动选择，驱动类型选择后，继续选择接口类型，最后选择通讯协议；
进一步的，配置完成后，进入数据中心的数据管理，根据配置信息，配置相关的数据采集媒介，进入数据中心的设备集群，系统会根据配置按照子设备协议自动匹配驱动，同时进行连接状态监测；
进一步的，设备接入以后，数据采集传输设备会实时的采集现场设备数据，通过数据管理的自动缓存进行数据实时存储；
进一步的，依靠自动同步，保障设备可以在断网或者弱网的情况下，正常脱机运行，等网络恢复后，可将最新数据同步至云；
进一步的，数据存储到本地后，通过边缘计算进行数据清洗，数据分析执行备份原数据、纠正错误，然后按照数据清洗转换规则进行数据清洗，最后将清洗完成的数据通过干净数据回流进入消息路由，进行数据流转，通过数据过滤、聚合计算将数据汇入聚合处理，按照多模型算法，进行数据的聚合计算、流数据汇总分析，形成数据分析结果，该结果会通过边缘智能(容器化管理、外设映射、智能模型)进行二次矫正，最后将矫正的结果汇入消息路由，通过资源部署，进行传输加密管理，通过数据上报管理将数据上报至云；
预知诊断将通过消息路由和边缘计算对数据进行流转分析，在流转分析过程中，将会调用计算模型中的函数计算、规则计算、流式计算以及聚合处理以及边缘智能，形成设备预知诊断的数据，该数据会流转至数据智能中，通过设备数据模型，进行数据聚合计算和异常检测分析，通过专家经验建议形成准确可靠的预知诊断结果，并通过短信告警，形成设备异常及维护建议通知，即时通知到相关人员，提前作出预警响应。
图1是根据本发明设计的本发明整体示意图。其中，图1的执行机制可以是一种数据采集传输设备的预知诊断、边缘计算方式及系统；
主要步骤如下：一、数据采样传输设备1-5开始运行，该过程主要实现协议配置、驱动配置、网络初始化、与服务端建立通信链路、与设备建立通讯连接，实现基础的通讯服务，该过程主要依赖于系统的三个中心，分别是网络中心1-6、数据中心1-7、驱动中心1-8；二、与服务端云平台1-4建立连接后，形成可视化人机交互界面到用户业务1-1，通过数据大屏1-2给用户提供界面展示，同时远程监控1-3为用户远程监控运维子模块，用于对现场设备的维护管理。
数据采集传输设备1-5开机后，会载入相关配置信息，根据相关配置，通过驱动中心1-8，进行驱动选择，包含设备驱动1-16和网络驱动1-17两部分，其中设备驱动如图7所示，主要分为驱动类型7-2(PLC设备7-5、常用设备7-6、集中器7-7)，选择驱动类型后，继续选择接口类型7-3(7-8RS485、7-9RS232、 7-10DI/ADC、7-11LAN)，最后选择通讯协议7-4(7-12MODBUS、7-13TCP、 7-14UDP)；网络驱动如图8所示，主要分为通讯方式8-2(8-4以太网、8-5 5G/4G/3G/2G、8-6NB-Iot)和通讯协议8-3(8-7MQTT、8-8TCP/UDP、8-9HTTP), 配置完成后，进入数据中心1-7的数据管理1-11如图3所示；数据管理主要包含数据采集3-2、自动缓存3-3、自动同步3-4和日志记录3-5，其中数据采集3-2 分为无线采集3-6和有线采集3-7，根据配置信息，配置相关的数据采集媒介，这时会进入数据中心1-7的设备集群1-14如图6所示，包含设备接入6-2、实时监控6-3、分布计算6-4三部分，设备集群主要负责数据采集传输设备和现场设备的通讯连接及相关监测功能，系统会根据配置按照子设备协议6-6自动匹配驱动，同时进行连接状态监测6-7，实时状态监测6-3主要负责设备通讯监测6-8 和数据采集传输监测6-9，主动调用自动缓存3-3和日志记录3-5实行实时数据及状态日志的记录存储，分布计算6-4为数据采集传输设备提供广泛的设备接入处理机制，可以实现分布式接入设备6-10，提高系统的实时性能，同时可以按照计算优先级灵活配置6-11进行接入设备的优先级分配，保证数据处理的及时性，同时为数据采集传输设备提供多设备同时集中式计算6-12，大大提高设备的性能。
设备接入以后，数据采集传输设备会实时的采集现场设备数据，通过数据管理的自动缓存3-3进行数据实时存储3-8，同时依靠自动同步3-4，保障设备可以在断网或者弱网的情况下，正常脱机运行，等网络恢复后，可将最新数据同步至云。云功能依赖于网络中心1-6的消息路由1-10如图2所示，包括数据流转2-2、资源部署2-3、资源监控2-4，数据存储到本地后，会通过边缘计算 1-13如图5所示，进行数据清洗5-3，主要步骤为数据分析5-9，执行备份原数据、纠正错误5-12，然后按照数据清洗转换规则5-10进行数据清洗，最后将清洗完成的数据通过干净数据回流5-12进入消息路由1-10，进行2-2数据流转，通过数据过滤2-5、聚合计算2-6将数据汇入聚合处理5-4，按照多模型算法5-14，进行数据的聚合计算5-13、流数据汇总分析5-15，形成数据分析结果5-16，该结果会通过边缘智能5-5(容器化管理5-17、外设映射5-18、智能模型5-19)进行二次矫正，最后将矫正的结果汇入消息路由1-10，通过资源部署2-3，进行传输加密管理2-10，通过1数据上报管理2-1将数据上报至云。系统运行期间，消息路由1-10的资源监控模块2-4，会通过通讯状态监测监测2-12系统的通讯状况、驱动监测2-13对外设驱动进行监测、日志监测2-14对现场设备运行日志进行监测、流数据监测2-15对数据流进行管理监测。
预知诊断1-12将通过消息路由1-10和边缘计算1-13对数据进行流转分析，在流转分析过程中，将会调用计算模型5-2中的函数计算5-6、规则计算5-7、流式计算5-8以及聚合处理5-4以及边缘智能5-5，形成设备预知诊断的数据，该数据会流转至数据智能4-3中，通过设备数据模型4-9，进行数据聚合计算4-10 和异常检测分析4-11，通过专家经验建议4-12形成准确可靠的预知诊断结果，并通过短信告警4-4，形成设备异常及维护建议通知4-13，即时通知到相关人员，提前作出预警响应。
同时，预知诊断1-12模块还提供有远程运维4-2功能，主要包含子设备图形化管理4-5(便于人机交互查看)、设备状态监测4-6、设备连接管理4-7以及设备反控操作4-8，子功能均以图形化展示，实现现场设备的远程维护功能，提高现场设备运维效率，降低设备运维成本。
Claims (10)
1.数据采集传输设备系统，其特征在于，包括网络中心子系统、数据中心子系统、驱动中心子系统，所述网络中心子系统用于消息流的建立、连接、处理，所述网络中心子系统包括消息路由模块，所述数据中心子系统用于数据的管理、预诊断、计算处理，所述数据中心子系统包括数据管理模块、预知诊断模块、边缘计算模块、设备集群模块，所述驱动中心子系统用于设备、网络的驱动，所述驱动中心子系统包括设备驱动模块、网络驱动模块。
2.根据权利要求1所述的数据采集传输设备系统，其特征在于，所述消息路由模块包括数据流转子模块、资源部署子模块、资源监控子模块，所述数据数据流转子模块用于数据过滤、聚合计算、数据连接、异常检测，所述资源部署子模块用于通讯管理、传输加密管理、数据上报管理，所述资源监控子模块用于通讯状态监测、驱动监测、日志监测、流数据监测。
3.根据权利要求1所述的数据采集传输设备系统，其特征在于，所述数据管理模块包括数据采集子模块、自动缓存子模块、自动同步子模块、日志记录子模块，所述数据采集子模块用于无线采集、有线采集，所述自动缓存子模块用于数据实时存储、大容量存储空间，所述自动同步子模块用于同步数据到云平台、断网续传，所述日志记录子模块用于记录系统状态、操作状态及异常状态。
4.根据权利要求1所述的数据采集传输设备系统，其特征在于，所述预知诊断模块包括远程运维子模块、数据智能子模块、短信告警子模块，所述远程运维子模块用于子设备图形化管理、设备状态监测、设备连接管理、设备反崆操作，所述数据智能子模块用于设备数据模型分析、数据聚合计算、异常检测分析及专家经验建议，所述短信告警子模块用于设备异常及维护建议通知、即时反馈、提前预警。
5.根据权利要求1所述的数据采集传输设备系统，其特征在于，所述边缘计算模块包括计算模型子模块、数据清洗子模块、聚合处理子模块、边缘智能子模块，所述计算模型子模块用于函数计算、规则计算、流式计算，所述数据清洗子模块用于数据分析、数据清洗转化、备份原数据、纠正错误、干净数据回流，所述聚合处理子模块用于聚合计算、多模型算法、流数据汇总分析、给出数据分析结果，所述边缘智能子模块用于容器化管理、外设映射、智能模型。
6.根据权利要求1所述的数据采集传输设备系统，其特征在于，所述设备集群模块包括设备接入子模块、实时监控子模块、分布计算子模块，所述设备接入子模块用于子设备驱动匹配、子设备协议、连接状态监测，所述实时监控子模块用于设备通讯监测、数据采集传输监测，所述分布计算子模块用于分布式接入设备、计算优先级灵活配置、多设备同时集中式计算。
7.根据权利要求1所述的数据采集传输设备系统，其特征在于，所述设备驱动模块包括驱动类型子模块、接口类型子模块、通讯协议子模块，所述驱动类型子模块包括PLC设备、常用设备、集中器，所述接口类型子模块为RS485、RS232、DI/ADC、LAN，所述通讯协议子模块为MODBUS、TCP、UDP。
8.根据权利要求1所述的数据采集传输设备系统，其特征在于，所述网路驱动中心模块包括通信方式子模块、通讯协议子模块，所述通讯方式为以太网、5G/4G/3G/2G、NB-Iot，所述通讯协议为MQTT、TCP/UDP、HTTP。
9.根据权利要求1-8任一项数据采集传输设备系统的预知诊断、边缘计算方法，其特征在于，包括以下步骤：
步骤(1.1)：数据采样传输设备开始运行，协议配置，驱动配置，网络初始化，与服务端建立通信链路，与设备建立通讯连接，网络中心、数据中心、驱动中心三大中心将数据流进行处理计算分析；
步骤(1.2)：与服务端云平台建立连接后，形成可视化人机交互界面到用户业务，通过数据大屏给用户提供界面展示，同时远程监控为用户远程监控运维子模块，用于对现场设备的维护管理。
10.根据权利要求9所述的数据采集传输设备系统的预知诊断、边缘计算方法，其特征在于，所述步骤(1.1)
在数据采集传输设备开机后，会载入相关配置信息，根据相关配置，通过驱动中心，进行驱动选择，驱动类型选择后，继续选择接口类型，最后选择通讯协议；
配置完成后，进入数据中心的数据管理，根据配置信息，配置相关的数据采集媒介，进入数据中心的设备集群，系统会根据配置按照子设备协议自动匹配驱动，同时进行连接状态监测；
设备接入以后，数据采集传输设备会实时的采集现场设备数据，通过数据管理的自动缓存进行数据实时存储；
依靠自动同步，保障设备可以在断网或者弱网的情况下，正常脱机运行，等网络恢复后，可将最新数据同步至云；
数据存储到本地后，通过边缘计算进行数据清洗，数据分析执行备份原数据、纠正错误，然后按照数据清洗转换规则进行数据清洗，最后将清洗完成的数据通过干净数据回流进入消息路由，进行数据流转，通过数据过滤、聚合计算将数据汇入聚合处理，按照多模型算法，进行数据的聚合计算、流数据汇总分析，形成数据分析结果，该结果会通过边缘智能(容器化管理、外设映射、智能模型)进行二次矫正，最后将矫正的结果汇入消息路由，通过资源部署，进行传输加密管理，通过数据上报管理将数据上报至云；
预知诊断将通过消息路由和边缘计算对数据进行流转分析，在流转分析过程中，将会调用计算模型中的函数计算、规则计算、流式计算以及聚合处理以及边缘智能，形成设备预知诊断的数据，该数据会流转至数据智能中，通过设备数据模型，进行数据聚合计算和异常检测分析，通过专家经验建议形成准确可靠的预知诊断结果，并通过短信告警，形成设备异常及维护建议通知，即时通知到相关人员，提前作出预警响应。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011642481.8A CN112738266A (zh) | 2020-12-31 | 2020-12-31 | 数据采集传输设备系统及预知诊断、边缘计算方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011642481.8A CN112738266A (zh) | 2020-12-31 | 2020-12-31 | 数据采集传输设备系统及预知诊断、边缘计算方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112738266A true CN112738266A (zh) | 2021-04-30 |
Family
ID=75609146
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011642481.8A Pending CN112738266A (zh) | 2020-12-31 | 2020-12-31 | 数据采集传输设备系统及预知诊断、边缘计算方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112738266A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113191688A (zh) * | 2021-05-26 | 2021-07-30 | 重庆高新技术产业研究院有限责任公司 | 一种基于物联网和大数据的商用数据诊断分析方法 |
| CN113313268A (zh) * | 2021-06-11 | 2021-08-27 | 杭州煋辰数智科技有限公司 | 一种基于联邦学习预测方法、装置、存储介质及遥感设备 |
| CN113893407A (zh) * | 2021-10-15 | 2022-01-07 | 上饶市中科院云计算中心大数据研究院 | 一种智能预警的输液装置与系统 |
| CN114676017A (zh) * | 2022-03-18 | 2022-06-28 | 北京国泰网信科技有限公司 | 一种工控采集边缘计算系统 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104852992A (zh) * | 2015-06-09 | 2015-08-19 | 湖北天盾电子技术有限公司 | 一种基于多通信网络与传感设备的安全应急在线智能系统 |
| CN110401262A (zh) * | 2019-06-17 | 2019-11-01 | 北京许继电气有限公司 | 基于边缘计算技术的gis设备状态智能监控系统及方法 |
| CN111507489A (zh) * | 2020-04-20 | 2020-08-07 | 电子科技大学中山学院 | 一种云边协同的游乐设备故障预测与健康管理系统及方法 |
| CN111736566A (zh) * | 2019-03-25 | 2020-10-02 | 南京智能制造研究院有限公司 | 一种基于机器学习与边缘计算的远程设备健康预测方法 |
-
2020
- 2020-12-31 CN CN202011642481.8A patent/CN112738266A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104852992A (zh) * | 2015-06-09 | 2015-08-19 | 湖北天盾电子技术有限公司 | 一种基于多通信网络与传感设备的安全应急在线智能系统 |
| CN111736566A (zh) * | 2019-03-25 | 2020-10-02 | 南京智能制造研究院有限公司 | 一种基于机器学习与边缘计算的远程设备健康预测方法 |
| CN110401262A (zh) * | 2019-06-17 | 2019-11-01 | 北京许继电气有限公司 | 基于边缘计算技术的gis设备状态智能监控系统及方法 |
| CN111507489A (zh) * | 2020-04-20 | 2020-08-07 | 电子科技大学中山学院 | 一种云边协同的游乐设备故障预测与健康管理系统及方法 |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113191688A (zh) * | 2021-05-26 | 2021-07-30 | 重庆高新技术产业研究院有限责任公司 | 一种基于物联网和大数据的商用数据诊断分析方法 |
| CN113313268A (zh) * | 2021-06-11 | 2021-08-27 | 杭州煋辰数智科技有限公司 | 一种基于联邦学习预测方法、装置、存储介质及遥感设备 |
| CN113893407A (zh) * | 2021-10-15 | 2022-01-07 | 上饶市中科院云计算中心大数据研究院 | 一种智能预警的输液装置与系统 |
| CN113893407B (zh) * | 2021-10-15 | 2023-10-31 | 上饶市中科院云计算中心大数据研究院 | 一种智能预警的输液装置与系统 |
| CN114676017A (zh) * | 2022-03-18 | 2022-06-28 | 北京国泰网信科技有限公司 | 一种工控采集边缘计算系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112738266A (zh) | 数据采集传输设备系统及预知诊断、边缘计算方法 | |
| CN112235029B (zh) | 一种大规模低轨卫星星座运控系统自动化运行管理方法 | |
| CN105337765B (zh) | 一种分布式hadoop集群故障自动诊断修复系统 | |
| CN112527613A (zh) | 基于云边协同的设备故障维护方法及装置 | |
| CN112506097A (zh) | 一种基于工业互联网的胎架远程监测系统及监测方法 | |
| CN111695869B (zh) | 码头三维可视化管理系统 | |
| CN110867955A (zh) | 变电站自动化设备一体化运维工具 | |
| CN112650195A (zh) | 基于云边协同的设备故障维护方法及装置 | |
| CN117118781A (zh) | 一种智能化工业网关设计方法及装置 | |
| CN114648212A (zh) | 一种基于云计算的船舶设备性能智能管理系统及方法 | |
| CN114726708A (zh) | 一种基于人工智能的网元设备故障预测方法及系统 | |
| CN204515513U (zh) | 轻烃回收设备远程诊断管理系统 | |
| CN117614140A (zh) | 一种配电设备运行监控系统及其方法 | |
| CN111915205A (zh) | 基于智能调度的复杂装备健康自动巡检方法及系统 | |
| CN115760053A (zh) | 作业机械运行保障方法、系统、作业机械及电子设备 | |
| CN114745409A (zh) | 一种智慧物联网设备远程控制方法 | |
| CN117519039B (zh) | 一种金属零部件生产管理系统 | |
| CN215615717U (zh) | 一种钢轨闪光焊接装备状态监测及健康管理装置 | |
| WO2023051097A1 (zh) | 网络故障诊断方法、装置、存储介质及电子装置 | |
| CN117855107B (zh) | 水系统监测处理方法、系统及可读介质 | |
| CN117097727A (zh) | 一种基于工业物联网平台的边缘计算系统 | |
| CN118250158A (zh) | 一种云平台智能运维系统及其方法 | |
| CN109409907B (zh) | 一种风电机组监控系统产品缺陷智能追溯系统及追溯方法 | |
| CN117252540A (zh) | 一种数据中心idc机房综合管理系统 | |
| CN117424340A (zh) | 一种光伏电站智慧监管驾驶舱系统 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210430 |