CN113114748A - 一种基于数据分析的智能预测系统 - Google Patents
一种基于数据分析的智能预测系统 Download PDFInfo
- Publication number
- CN113114748A CN113114748A CN202110359978.7A CN202110359978A CN113114748A CN 113114748 A CN113114748 A CN 113114748A CN 202110359978 A CN202110359978 A CN 202110359978A CN 113114748 A CN113114748 A CN 113114748A
- Authority
- CN
- China
- Prior art keywords
- data
- remote
- server
- real
- diagnosis
- 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
- 238000007405 data analysis Methods 0.000 title claims abstract description 24
- 238000003745 diagnosis Methods 0.000 claims abstract description 52
- 238000004891 communication Methods 0.000 claims abstract description 34
- 238000012544 monitoring process Methods 0.000 claims abstract description 32
- 238000013178 mathematical model Methods 0.000 claims abstract description 11
- 238000000034 method Methods 0.000 claims description 15
- 238000004458 analytical method Methods 0.000 claims description 13
- 238000007726 management method Methods 0.000 claims description 12
- 238000004519 manufacturing process Methods 0.000 claims description 12
- 238000013499 data model Methods 0.000 claims description 11
- 230000006870 function Effects 0.000 claims description 10
- 238000012423 maintenance Methods 0.000 claims description 10
- 230000001133 acceleration Effects 0.000 claims description 7
- 238000010276 construction Methods 0.000 claims description 7
- 230000008569 process Effects 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000004171 remote diagnosis Methods 0.000 claims description 6
- 238000004092 self-diagnosis Methods 0.000 claims description 6
- 238000012360 testing method Methods 0.000 claims description 6
- 238000001514 detection method Methods 0.000 claims description 4
- 238000009795 derivation Methods 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 238000004088 simulation Methods 0.000 claims description 3
- 230000003862 health status Effects 0.000 claims 1
- 230000033001 locomotion Effects 0.000 description 8
- 238000012545 processing Methods 0.000 description 7
- 238000005096 rolling process Methods 0.000 description 7
- 230000005540 biological transmission Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 238000013461 design Methods 0.000 description 4
- 230000020169 heat generation Effects 0.000 description 4
- 238000013523 data management Methods 0.000 description 3
- 230000036541 health Effects 0.000 description 3
- 230000008676 import Effects 0.000 description 3
- 229910000831 Steel Inorganic materials 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000004140 cleaning Methods 0.000 description 2
- 238000007418 data mining Methods 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 238000005034 decoration Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000005242 forging Methods 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 238000005461 lubrication Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000006855 networking Effects 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000000513 principal component analysis Methods 0.000 description 2
- 238000009987 spinning Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 239000010959 steel Substances 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000012300 Sequence Analysis Methods 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000009529 body temperature measurement Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013075 data extraction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000001050 lubricating effect Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000005272 metallurgy Methods 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 238000013439 planning Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000013441 quality evaluation Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 238000012800 visualization 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
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/06—Management of faults, events, alarms or notifications
- H04L41/0654—Management of faults, events, alarms or notifications using network fault recovery
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L63/00—Network architectures or network communication protocols for network security
- H04L63/02—Network architectures or network communication protocols for network security for separating internal from external traffic, e.g. firewalls
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L63/00—Network architectures or network communication protocols for network security
- H04L63/08—Network architectures or network communication protocols for network security for authentication of entities
-
- 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
- H04L67/06—Protocols specially adapted for file transfer, e.g. file transfer protocol [FTP]
Abstract
本发明提供了一种基于数据分析的智能预测系统,包括现场端子系统、远程数据中心子系统和以及用于链接所述现场端子系统和远程数据中心子系统的远程网络控制子系统,其中:所述现场端子系统包括动态数据采集单元、实时状态监控单元和本地故障诊断单元;所述远程数据中心子系统包括互相通讯的云端数据文件服务器、远程业务服务器和诊断工程师站;所述远程网络控制子系统包括与所述现场端子系统通讯连接的工业以太网、与所述工业以太网通讯的采集服务器、与所述采集服务器通讯的办公网络、以及与所述办公网络通讯的实时数据库服务器和工程师站,所述实时数据库中构建有监测数学模型。
Description
技术领域
本发明涉及智能诊断预测技术领域,特别是涉及一种基于数据分析的智能预测系统。
背景技术
现代制造设备的结构日趋复杂,自动化程度也越来越高,许多设备综合了机械、电子、自动控制、计算机等许多先进技术,设备中各种元器件相互联系、相互依赖,这就使得设备故障诊断难度增大。由于制造现场存在着很多不确定性因素,使得在设备的运行过程中,不可避免会出现各种各样的故障,一旦出现故障,能否对故障进行快速的诊断并排除故障,对于制造企业来说是非常重要的。机械再造设备的使用者都是生产一线的工人和技术人员,他们一般只能解决一些简单的问题,当系统出现较严重、复杂的故障时,就需要相关专家的帮助到现场再进行诊别才能解决问题,从时效及生产角度产生了负面冲击,造成终端用户生产指标偏离直接影响了企业的核心利益。针对此种情况,对机械制造设备的故障诊断提出了新的要求,即如何克服地域和时间的限制,实现远程专家的协作诊断。近年来,Internet技术随着全球信息化建设而飞速发展,Internet技术打破了传统通信方式的限制,使得信息交流更加自由、快捷和方便。这也使远程诊断成为可能。
发明内容
本发明的目的是针对现有技术中存在的故障诊断费时费力的问题,而提供基于数据分析的智能预测系统。
为实现本发明的目的所采用的技术方案是:
一种基于数据分析的智能预测系统,其特征在于,包括现场端子系统、远程数据中心子系统和以及用于链接所述现场端子系统和远程数据中心子系统的远程网络控制子系统,其中:
所述现场端子系统包括动态数据采集单元、实时状态监控单元和本地故障诊断单元;所述数据采集单元用于采集设备的稳态和动态数据,具体包括数据采集板等,所述实时状态监控单元用于对设备进行实时监控和在线调整,所述本地故障诊断单元包括设置于现场端的报警模块和设备自诊断模块,所述设备自诊断模块为远程专家会诊中心提供帮助信息和本地原始故障诊断信息,报警模块提供远程专家系统本地建模运行产生的诊断报警信息;
所述远程数据中心子系统包括互相通讯的云端数据文件服务器、远程业务服务器和诊断工程师站;所述远程业务服务器内存储专家知识库和案例数据,远程业务服务器和诊断工程师站构成远程专家会诊中心,为设备专家实现远程诊断提供协同工作环境,通过诊断工程师站登录到远程业务服务器,功能包括远程监控、在线操作支持和信息服务模块配置;
所述远程网络控制子系统包括与所述现场端子系统通讯连接的工业以太网、与所述工业以太网通讯的采集服务器、与所述采集服务器通讯的办公网络、以及与所述办公网络通讯的实时数据库服务器和工程师站,所述工程师站用于治理所述采集服务器和实时数据库服务器,所述实时数据库中构建有监测数学模型。
在上述技术方案中,所述智能预测系统还包括与所述办公网络通讯连接的操作站和打印机,所述打印机用于输出纸质的诊断报告,所述操作站用于输出定子的诊断报告以及对诊断报告进行修正。
在上述技术方案中,所述智能预测系统还包括公司管理机,所述公司管理机连接于办公网络的防火墙上,对最终发送的数据进行筛选处理。
在上述技术方案中,所述工程师站包括固定式工程师站和便携式工程师站,提高数据治理的便利度。
在上述技术方案中,所述现场端子系统包括传感器以及用于采集和监控所述传感器数据的采集设备或报警设备,优选的,所述传感器包括振动传感器和温度传感器等。
在上述技术方案中,所述监测数学模型包括构建温度数据模型和构建振动数据模型,其中
所述温度数据模型的构建方式为利用大数据分析平台数据自动分析建模然后测试,使用最小二阶方程搭建模型进行回归方程进行拟合测试,最终得出相应的系数参数比以及方程推导;或者根据理论计算建模,根据轴承形式,轴承力学计算,轴承产热计算,轴承热交换计算最后统一为系统模型,得出最终的关联关系式;
所述振动数据模型的构建方式为监测振动传感器的振动特征值,包括但不限于振动速度有效值、加速度有效值、加速度冲击值,利用振动检测分析软件实时监测机组运行状态,以多种图谱的形式展现,实现的图谱包括但不限于多趋势图、Bode图、瀑布图或频谱图等,将采集到的时域波形图转换为频域图,再依据对设备本身的固有频率进行展开后,根据特征频率幅值进行触发报警以及故障信号,并根据特征幅值的时间特征曲线拟合曲线函数进行轴承预警预测分析。
在上述技术方案中,所述采集设备通过边缘网关与所述采集服务器通讯连接,多个采集设备采集到的数据现场数据通过现场数据节点配置后传送至实时数据库服务器。
在上述技术方案中,所述传感器通过工业以太网、MODBUS协议、MODBUS PLUS协议、Host Link协议、编程口或232BD或485BD、AB通讯协议、3964R协议、MPI/PPI或自由通讯口协议与现场以太网交换机通讯连接,所述现场以太网交换机通过边缘网关与采集服务器通讯连接。
在上述技术方案中,所述实时数据库服务器用于管理基础信息、监测实时波形、管理离线数据、分析数据趋势、管理健康状态、管理维修计划、追溯事件以及建模后的模型在线运行。
在上述技术方案中,远程数据中心的服务器根据布局定义分为云端数据文件服务器、远程业务服务器,根据功能分为数据采集中心服务器和数据处理中心服务器。远程数据中心的服务器是运行智能诊断系统平台运行的开发中枢,所述远程数据中心用于抽取数据、建模模拟分析、模型推送给现场实时数据服务器。
与现有技术相比,本发明的有益效果是:
远程故障诊断的最大特点是设备与诊断资源在地域上的分离,提供服务的诊断资源与被诊断设备之间通过网络通信,组成渔网型逻辑整体,这使得远程资源为设备提供故障诊断服务的形式具备了更多的可挖掘价值。一方面,可以将诊断任务分解为不同故障域的子问题,再利用不同的远程诊断资源进行诊断,进而将所有这些诊断结论综合,从而得到比较准确的诊断结果;另一方面,同一远程资源将可以为不同地域的多个或多种设备提供诊断服务。
远程故障诊断系统的投入不仅在设备侧具有十分明显的实在价值,在装备制造侧也具备很多的潜在价值,可以帮助设备设计工程师更直观的对已设计投入设备的改进提升有更明确地方向,对设备制造材质的深层探究也具有十分重要的推动作用。
附图说明
图1是智能预测系统的硬件架构。
图2是智能预测系统的构建方法。
图3是现场端子系统的网络架构拓扑图。
具体实施方式
以下结合具体实施例对本发明作进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
实施例1
一种基于数据分析的智能预测系统,包括现场端子系统、远程数据中心子系统和以及用于链接所述现场端子系统和远程数据中心子系统的远程网络控制子系统,其中:
所述现场端子系统包括动态数据采集单元、实时状态监控单元和本地故障诊断单元;所述数据采集单元用于采集设备的稳态和动态数据,具体包括数据采集板等,所述实时状态监控单元用于对设备进行实时监控和在线调整,比如实时监测所述动态数据采集单元的状态,所述本地故障诊断单元包括设置于现场端的报警模块和设备自诊断模块(所述设备自诊断模块为所述专家会诊中心提供帮助信息以及本地原始故障诊断信息和远程专家系统本地建模运行产生的诊断报警信息);
所述远程数据中心子系统包括互相通讯的云端数据文件服务器、远程业务服务器和诊断工程师站;所述远程业务服务器内存储专家知识库和案例数据,远程业务服务器和诊断工程师站构成远程专家会诊中心,远程专家会诊中为设备专家实现远程诊断提供必要的协同工作环境,主要包括远程监控、在线操作支持和信息服务模块;
所述远程网络控制子系统包括与所述现场端子系统通讯连接的工业以太网、与所述工业以太网通讯的采集服务器、与所述采集服务器通讯的办公网络、以及与所述办公网络通讯的实时数据库服务器和工程师站,所述工程师站用于治理所述采集服务器和实时数据库服务器(比如对模型的参数校正等),所述实时数据库中构建有监测数学模型。
所述远程网络控制子系统主要指依托于计算机通信网络来链接现场侧与远程数据中心的单元;计算机通信网络、网络数据传输模块、远程监控和诊断异地进行,须通过网络来实现。数据传输模块是利用多媒体信息集成技术开发的Web服务程序,其基本功能为,将数据采集装置采集到的数据按一定的格式打包后发送给相应的远程诊断服务程序;同时,网络数据传输模块负责动态提取、诊断服务程序和其他应用程序所需要的信息,如位移、速度、加速度等信息。
作为优选的,所述智能预测系统还包括与所述办公网络通讯连接的操作站和打印机,所述打印机用于输出纸质的诊断报告,所述操作站用于输出定子的诊断报告以及对诊断报告进行修正。操作站和打印机供车间的维保人员使用。
作为优选的,所述智能预测系统还包括公司管理机,所述公司管理机连接于办公网络的防火墙上,可对最终发送的数据进行处理,比如隐藏涉及商业秘密的信息(产量信息等)。
作为优选的,所述工程师站包括固定式工程师站和便携式工程师站,提高数据治理的便利度。
作为优选的,所述现场端子系统包括传感器以及用于采集和监控所述传感器数据的采集设备或报警设备,优选的,所述传感器包括振动传感器和温度传感器等,可应用于冶金设备线体,锻压设备领域,为冶金设备和锻压设备预测性维护提供技术方案支撑。
实施例2
一种基于数据分析的智能预测系统的构建方法,包括以下步骤:
现场端子系统构建:分析现场设备传感器需求,规划传感器功能路线和数据传输方式,传感器选型,构建传感器系统组网实施方案;
远程网络控制子系统构建:分析网络系统需求,设计逻辑网络,设计物理网络,选择集成商或设备供应商;
远程数据中心子系统构建:分析现场人机界面需求,分析主界面功能需求,分析二级目录需求,完成界面编程;
在确定传感器系统组网实施方案、集成商或设备供应商和界面编程后,进行系统安装和调试以及系统验收和测试,在界面编程后,构建监测数学模型,并且在系统验收和测试过程中不断调整所述数学模型。
作为优选的,构建监测数学模型包括构建温度数据模型和构建振动数据模型,其中
构建温度数据模型的方式包括两种,第一种是利用大数据分析平台数据自动分析建模然后测试,使用最小二阶方程搭建模型进行回归方程进行拟合测试,最终得出相应的系数参数比以及方程推导;另外一种就是根据理论计算建模,根据轴承形式,轴承力学计算,轴承产热计算,轴承热交换计算最后统一为系统模型,得出最终的关联关系式。
以深沟球轴承为例,通过运动过程模型以及轴承热传导模型配合来构建数学模型对轴承内部元件进行深层次数据挖掘,对轴承类的运行状态及维修维护周期等各方面进行理论支持。轴承的运动包括内圈运动、外圈及滚动支撑体的转动。对于轴承在低速运转下,通常在分析运动时忽略支撑体自旋运动,,而只考虑轴承的自转和公转。对于高速轴承,分析模型较为复杂,并且要同时考虑沟道间受力、变形以及润滑的作用。以下以低速运动轴承为例:
轴承生热主要来自系统内部零件、结构之间的摩擦力作用,其中生热量主要通过摩擦力矩转换而来。因此,通过计算轴承的摩擦力矩来分析轴承生热。摩擦力矩按着特性可以归类为,静态、动态以及准静态;按滚动轴承的运动形态,将其分为启动、低速和高速;根据摩擦力矩产生机理,摩擦力矩可以分为与轴承材料相关的接触弹性的纯滚动摩擦力矩、滚动体在沟道内因自旋滑动产生的摩擦力矩、轴承中滑动接触面的纯滑动摩擦力矩、与润滑因素有关的运动阻力摩擦力矩。
滚动轴承的摩擦力矩近似计算公式(具体不同场景可采用Palmgren法或者Harris法):
μ滚动轴承表面摩擦系数,
d为轴承内径,
P为轴承的当量动载荷,
当P/C≤0.05时,摩擦因数取系数较大值,
当P/C≥0.1时,摩擦因数取系数较小值,
注:以上公式适用于低速运行情况
根据轴承摩擦力矩与生热量公式:
H=1.01×10-5Mn;
H轴承生热量,
M为轴承摩擦力矩,
对于中等载荷状态的工况采用Palmgren法模型(请参考相关文献)有较好的实验数据;
对较高转速Harris模型(请参考相关文献)适应较好。
通过输入轴承内、外径,润滑粘度、转速、径向载荷、轴向载荷、轴承额定静载荷相关设计参数,即可计算出相应的热量,并构建出不同状态下的热量曲线与实际测温进行拟合比对。
构建振动数据模型的方式为:监测振动传感器的振动特征值,包括但不限于振动速度有效值、加速度有效值、加速度冲击值。利用振动检测分析软件实时监测机组运行状态,以多种图谱的形式展现,实现的图谱包括但不限于多趋势图、Bode图、瀑布图或频谱图等,将采集到的时域波形图转换为频域图,再依据对设备本身的固有频率进行展开后,根据特征频率幅值进行触发报警以及故障信号,并根据特征幅值的时间特征曲线拟合曲线函数进行轴承预警预测分析。
实施例3
鉴于冶金等行业系统设备复杂、温度以及振动在不同工艺段位置信号差距较大,按照相应工艺段以及设备分类进行组合后有利于后端需求分析,减少开发投入成本以及并列式实施,本实施例系统采取分布式需求设计投入,并行运行输出,相比传统的现场系统,本实施例系统设计以及调试周期缩短、施工更加明确、相关数学模型等执行效率高、设备布置较灵活。
作为优选的,所述采集设备通过边缘网关与所述采集服务器通讯连接。多个采集设备采集到的数据现场数据(现场数据)通过现场数据节点配置后传送至实时数据库服务器。
作为优选的,所述传感器通过工业以太网、MODBUS协议、MODBUS PLUS协议、HostLink协议、编程口或232BD或485BD、AB通讯协议、3964R协议、MPI/PPI或自由通讯口协议与现场以太网交换机通讯连接,所述现场以太网交换机通过边缘网关与采集服务器吗通讯连接。
作为优选的,所述实时数据库服务器是运行智能诊断系统平台运行的中枢。所述实时数据库服务器用于管理基础信息、监测实时波形、管理离线数据、分析数据趋势、管理健康状态、管理维修计划、追溯事件以及建模后的模型在线运行。
具体的,基础信息管理包括设备台账,备件台账,排班排单,工作计划设定,用户分层创建等。实时波形监测包括对传感器数据、曲线、频谱等进行在线观察。离线数据管理包括离线测量设备的数据导入、管理。数据趋势分析包括数据的统计、趋势分析,提取和显示可以描述设备或零部件状态的相关特征数据。健康状态管理包括按时间轴或数据分类统计、生成和查询单个设备或单一零部件的型号、历史数据、历史趋势、预警事件、维修记录等。维修计划管理包括通过将设备预警信息与设备管理系统集成,实现预测性维修计划联动自动派单,分级派单,工单接单速度评测,工单完成质量评测等。事件追溯包括发生的事件查询,维修记录查询,维修记录分类管理等。系统支持数据分析平台建模后的模型在线运行,在线诊断,在线分析,在线预测,在线预警功能。
作为优选的,远程数据中心的服务器根据布局定义分为云端数据文件服务器、远程业务服务器,根据功能分为数据采集中心服务器和数据处理中心服务器。远程数据中心的服务器是运行智能诊断系统平台运行的开发中枢。所述数据处理中心服务器用于抽取数据、建模模拟分析、模型推送至现场实时数据服务器。
数据采集中心服务器根据用户角色和权限的不同,组态画面PC端和APP端的Web浏览权限,建立数据存储、数据分类与治理分析的数据平台,为前端应用的业务可视化呈现,提供数据基础,所述数据采集中心服务器提供数据存储的技术方案及后期可能扩展数据库信息(其中至少包括数据库名称及版本,数据库类型,数据库接口),提供不同类型数据库之间传输方案。数据采集中心服务器支持系统和设备的数据采集、清洗、集成,支持与第三方软件的数据接口交互能力、支持离线及在线数据输入,可通过数据文件导入导出、API接口等多种方式采集数据、支持系统数据自定义报表导出。
数据处理中心服务器用于抽取数据、预处理数据、数据质量可视化处理、数据处理和数据分析,具体的,所述数据抽取包括数据导入,从文本文件加载历史数据,从关系型数据库加载历史数据,从实时数据流等导入初始数据集。所述数据预处理包括添加/删除行或列、筛选、排序、超规值处理等。所述数据质量可视化处理包括制作散点、线区、条形图、饼图、框图和自定义绘图。所述数据处理包括数据清洗、噪声数据处理(包括查重,数据平滑,分箱,聚类显示(孤岛分析))、缺失数据处理技术(包括忽略,手动填补,均值替代,最大最小值替代;)数据挖掘(统计汇总、协方差、相关性);所述模型校验包括建模后对于实验数据的评估。所述数据分析包括单因子和多因子探索,包括主成分分析(PCA)等,提供回归学习,分类学习,聚类学习,异常检验,时序分析,单因子监控等多类算法,以满足数据分析需求,支持一次性选择多种算法构建模型,通过最优的建模结果反馈,快速高效完成模型的搭建。支持自动调参,可查看调参的详细结果,通过调参以使建模结果的最优化。
所述远程网络控制子系统的配置如下表所示:
以上所述仅是本发明的优选实施方式,应当指出的是,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (10)
1.一种基于数据分析的智能预测系统,其特征在于,包括现场端子系统、远程数据中心子系统和以及用于链接所述现场端子系统和远程数据中心子系统的远程网络控制子系统,其中:
所述现场端子系统包括动态数据采集单元、实时状态监控单元和本地故障诊断单元;所述数据采集单元用于采集设备的稳态和动态数据,具体包括数据采集板等,所述实时状态监控单元用于对设备进行实时监控和在线调整,所述本地故障诊断单元包括设置于现场端的报警模块和设备自诊断模块,所述设备自诊断模块为远程专家会诊中心提供帮助信息和本地原始故障诊断信息,报警模块提供远程专家系统本地建模运行产生的诊断报警信息;
所述远程数据中心子系统包括互相通讯的云端数据文件服务器、远程业务服务器和诊断工程师站;所述远程业务服务器内存储专家知识库和案例数据,远程业务服务器和诊断工程师站构成远程专家会诊中心,为设备专家实现远程诊断提供协同工作环境,通过诊断工程师站登录到远程业务服务器,功能包括远程监控、在线操作支持和信息服务模块配置;
所述远程网络控制子系统包括与所述现场端子系统通讯连接的工业以太网、与所述工业以太网通讯的采集服务器、与所述采集服务器通讯的办公网络、以及与所述办公网络通讯的实时数据库服务器和工程师站,所述工程师站用于治理所述采集服务器和实时数据库服务器,所述实时数据库中构建监测数学模型。
2.如权利要求1所述的基于数据分析的智能预测系统,其特征在于,所述智能预测系统还包括与所述办公网络通讯连接的操作站和打印机,所述打印机用于输出纸质的诊断报告,所述操作站用于输出定子的诊断报告以及对诊断报告进行修正。
3.如权利要求1所述的基于数据分析的智能预测系统,其特征在于,所述智能预测系统还包括公司管理机,所述公司管理机连接于办公网络的防火墙上,对最终发送的数据进行筛选处理。
4.如权利要求1所述的基于数据分析的智能预测系统,其特征在于,所述工程师站包括固定式工程师站和便携式工程师站,提高数据治理的便利度。
5.如权利要求1所述的基于数据分析的智能预测系统,其特征在于,所述现场端子系统包括传感器以及用于采集和监控所述传感器数据的采集设备或报警设备,优选的,所述传感器包括振动传感器和温度传感器等。
6.如权利要求1所述的基于数据分析的智能预测系统,其特征在于,所述监测数学模型包括构建温度数据模型和构建振动数据模型,其中
所述温度数据模型的构建方式为利用大数据分析平台数据自动分析建模然后测试,使用最小二阶方程搭建模型进行回归方程进行拟合测试,最终得出相应的系数参数比以及方程推导;或者根据理论计算建模,根据轴承形式,轴承力学计算,轴承产热计算,轴承热交换计算最后统一为系统模型,得出最终的关联关系式;
所述振动数据模型的构建方式为监测振动传感器的振动特征值,包括但不限于振动速度有效值、加速度有效值、加速度冲击值,利用振动检测分析软件实时监测机组运行状态,以多种图谱的形式展现,实现的图谱包括但不限于多趋势图、Bode图、瀑布图或频谱图等,将采集到的时域波形图转换为频域图,再依据对设备本身的固有频率进行展开后,根据特征频率幅值进行触发报警以及故障信号,并根据特征幅值的时间特征曲线拟合曲线函数进行轴承预警预测分析。
7.如权利要求1所述的基于数据分析的智能预测系统,其特征在于,所述采集设备通过边缘网关与所述采集服务器通讯连接,多个采集设备采集到的数据现场数据通过现场数据节点配置后传送至实时数据库服务器。
8.如权利要求5所述的基于数据分析的智能预测系统,其特征在于,所述传感器通过工业以太网、MODBUS协议、MODBUS PLUS协议、Host Link协议、编程口或232BD或485BD、AB通讯协议、3964R协议、MPI/PPI或自由通讯口协议与现场以太网交换机通讯连接,所述现场以太网交换机通过边缘网关与采集服务器通讯连接。
9.如权利要求5所述的基于数据分析的智能预测系统,其特征在于,所述实时数据库服务器用于管理基础信息、监测实时波形、管理离线数据、分析数据趋势、管理健康状态、管理维修计划、追溯事件以及建模后的模型在线运行。
10.如权利要求5所述的基于数据分析的智能预测系统,其特征在于,远程数据中心的服务器根据布局定义分为云端数据文件服务器、远程业务服务器,根据功能分为数据采集中心服务器和数据处理中心服务器。远程数据中心的服务器是运行智能诊断系统平台运行的开发中枢,所述远程数据中心用于抽取数据、建模模拟分析、模型推送给现场实时数据服务器。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110359978.7A CN113114748A (zh) | 2021-04-02 | 2021-04-02 | 一种基于数据分析的智能预测系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110359978.7A CN113114748A (zh) | 2021-04-02 | 2021-04-02 | 一种基于数据分析的智能预测系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113114748A true CN113114748A (zh) | 2021-07-13 |
Family
ID=76713743
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110359978.7A Pending CN113114748A (zh) | 2021-04-02 | 2021-04-02 | 一种基于数据分析的智能预测系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113114748A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113900426A (zh) * | 2021-10-15 | 2022-01-07 | 万申科技股份有限公司 | 一种基于5g+工业互联网的远程设备操控及故障诊断系统 |
CN115086145A (zh) * | 2022-05-30 | 2022-09-20 | 国网安徽省电力有限公司滁州供电公司 | 一种基于智能网络检测分析仪的网络设备状态检测方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101192997A (zh) * | 2006-11-24 | 2008-06-04 | 中国科学院沈阳自动化研究所 | 分布式设备远程状态监测与故障诊断系统 |
EP2251835A1 (en) * | 2008-10-31 | 2010-11-17 | Empresa de Manutençâo de Equipamento Ferroviário S.A. (EMEF) | System and method for failure telemaintenance and expert diagnosis |
CN102086784A (zh) * | 2010-12-16 | 2011-06-08 | 浙江大学 | 大型汽轮发电机组分布式远程振动监测与故障诊断系统 |
CN108760302A (zh) * | 2018-05-08 | 2018-11-06 | 南京风电科技有限公司 | 一种风力发电机组轴承的在线监测与故障诊断系统 |
CN108830291A (zh) * | 2018-05-07 | 2018-11-16 | 上海交通大学 | 一种轮式起重机液压系统故障诊断方法及系统 |
CN110135064A (zh) * | 2019-05-15 | 2019-08-16 | 上海交通大学 | 一种发电机后轴承温度故障预测方法、系统及控制器 |
CN110351356A (zh) * | 2019-07-06 | 2019-10-18 | 内蒙古智能煤炭有限责任公司 | 矿山设备运行数据传输、智能预警、远程会诊分析系统及方法 |
CN110347104A (zh) * | 2019-06-19 | 2019-10-18 | 北京航天智造科技发展有限公司 | 一种基于云平台的压裂泵在线远程监测系统 |
CN112304613A (zh) * | 2020-10-30 | 2021-02-02 | 浙江运达风电股份有限公司 | 一种基于特征融合的风电机组发电机轴承预警方法 |
-
2021
- 2021-04-02 CN CN202110359978.7A patent/CN113114748A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101192997A (zh) * | 2006-11-24 | 2008-06-04 | 中国科学院沈阳自动化研究所 | 分布式设备远程状态监测与故障诊断系统 |
EP2251835A1 (en) * | 2008-10-31 | 2010-11-17 | Empresa de Manutençâo de Equipamento Ferroviário S.A. (EMEF) | System and method for failure telemaintenance and expert diagnosis |
CN102086784A (zh) * | 2010-12-16 | 2011-06-08 | 浙江大学 | 大型汽轮发电机组分布式远程振动监测与故障诊断系统 |
CN108830291A (zh) * | 2018-05-07 | 2018-11-16 | 上海交通大学 | 一种轮式起重机液压系统故障诊断方法及系统 |
CN108760302A (zh) * | 2018-05-08 | 2018-11-06 | 南京风电科技有限公司 | 一种风力发电机组轴承的在线监测与故障诊断系统 |
CN110135064A (zh) * | 2019-05-15 | 2019-08-16 | 上海交通大学 | 一种发电机后轴承温度故障预测方法、系统及控制器 |
CN110347104A (zh) * | 2019-06-19 | 2019-10-18 | 北京航天智造科技发展有限公司 | 一种基于云平台的压裂泵在线远程监测系统 |
CN110351356A (zh) * | 2019-07-06 | 2019-10-18 | 内蒙古智能煤炭有限责任公司 | 矿山设备运行数据传输、智能预警、远程会诊分析系统及方法 |
CN112304613A (zh) * | 2020-10-30 | 2021-02-02 | 浙江运达风电股份有限公司 | 一种基于特征融合的风电机组发电机轴承预警方法 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113900426A (zh) * | 2021-10-15 | 2022-01-07 | 万申科技股份有限公司 | 一种基于5g+工业互联网的远程设备操控及故障诊断系统 |
CN113900426B (zh) * | 2021-10-15 | 2023-07-18 | 万申科技股份有限公司 | 一种基于5g+工业互联网的远程设备操控及故障诊断系统 |
CN115086145A (zh) * | 2022-05-30 | 2022-09-20 | 国网安徽省电力有限公司滁州供电公司 | 一种基于智能网络检测分析仪的网络设备状态检测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112596495B (zh) | 一种基于知识图谱的工业设备故障诊断方法及系统 | |
JP2004038596A (ja) | プロセス性能監視とプロセス装置監視および制御への統合 | |
CN113114748A (zh) | 一种基于数据分析的智能预测系统 | |
CN101446827A (zh) | 一种流程工业系统的过程故障分析装置及方法 | |
CN107473036A (zh) | 电梯曳引机远程在线检测与诊断系统及其检测诊断方法 | |
CN112926257A (zh) | 往复式天然气压缩机故障诊断系统以及诊断方法 | |
CN111896244B (zh) | 一种综采设备phm系统 | |
CN106607461A (zh) | 一种冷轧机液压agc故障诊断专家系统 | |
CN105184886A (zh) | 一种云数据中心智能巡检系统及方法 | |
CN115034483A (zh) | 一种水轮发电机组运行故障监测方法及系统 | |
CN105571638A (zh) | 一种机械设备故障组合预测系统及方法 | |
Bayoumi et al. | Internet of things–a predictive maintenance tool for general machinery, petrochemicals and water treatment | |
CN106769053A (zh) | 一种基于声发射信号的水轮机故障诊断系统及方法 | |
Assad et al. | Maintenance and digital health control in smart manufacturing based on condition monitoring | |
Moser et al. | Efficient automation systems engineering process support based on semantic integration of engineering knowledge | |
Rihi et al. | Predictive maintenance in mining industry: grinding mill case study | |
Wescoat et al. | Vibration analysis utilizing unsupervised learning | |
Baglee et al. | A proposed maintenance strategy for a wind turbine gearbox using condition monitoring techniques | |
Salokangas et al. | Mimosa strong medicine for maintenance | |
Okeagu et al. | A systematic review of digital twin systems for improved predictive maintenance of equipment in smart factories | |
Wang et al. | Digital twin-driven fault diagnosis service of rotating machinery | |
Bucci et al. | An IoT condition monitoring system for resilience based on spectral analysis of vibration | |
Lin et al. | Design and implementation of a CPS‐based predictive maintenance and automated management platform | |
Shi | Data fusion for in-process quality improvement | |
Salokangas et al. | MIMOSA for Condition-based Maintenance. |
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: 20210713 |