CN113390559A - 一种基于边缘计算框架的真空监测仪表故障诊断体系结构 - Google Patents
一种基于边缘计算框架的真空监测仪表故障诊断体系结构 Download PDFInfo
- Publication number
- CN113390559A CN113390559A CN202010169173.1A CN202010169173A CN113390559A CN 113390559 A CN113390559 A CN 113390559A CN 202010169173 A CN202010169173 A CN 202010169173A CN 113390559 A CN113390559 A CN 113390559A
- Authority
- CN
- China
- Prior art keywords
- data
- domain
- monitoring
- fault diagnosis
- vacuum
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 117
- 238000003745 diagnosis Methods 0.000 title claims abstract description 51
- 238000004364 calculation method Methods 0.000 title claims abstract description 32
- 238000012545 processing Methods 0.000 claims abstract description 36
- 238000001914 filtration Methods 0.000 claims abstract description 16
- 230000007246 mechanism Effects 0.000 claims abstract description 13
- 238000006243 chemical reaction Methods 0.000 claims abstract description 9
- 238000003860 storage Methods 0.000 claims description 21
- 238000004140 cleaning Methods 0.000 claims description 13
- 238000007405 data analysis Methods 0.000 claims description 11
- 238000004891 communication Methods 0.000 claims description 7
- 238000001514 detection method Methods 0.000 claims description 7
- 230000010354 integration Effects 0.000 claims description 7
- 238000007620 mathematical function Methods 0.000 claims description 7
- 230000009466 transformation Effects 0.000 claims description 7
- 230000002159 abnormal effect Effects 0.000 claims description 6
- 238000004422 calculation algorithm Methods 0.000 claims description 6
- 238000012423 maintenance Methods 0.000 claims description 5
- 238000012806 monitoring device Methods 0.000 claims description 4
- 238000000926 separation method Methods 0.000 claims description 3
- 230000009471 action Effects 0.000 claims description 2
- 239000012159 carrier gas Substances 0.000 claims description 2
- 238000004458 analytical method Methods 0.000 abstract description 5
- 238000007781 pre-processing Methods 0.000 abstract description 4
- 238000000034 method Methods 0.000 description 16
- 230000006870 function Effects 0.000 description 13
- 230000000875 corresponding effect Effects 0.000 description 11
- 230000005540 biological transmission Effects 0.000 description 8
- 230000008569 process Effects 0.000 description 7
- 230000001276 controlling effect Effects 0.000 description 6
- 238000007726 management method Methods 0.000 description 6
- 238000004519 manufacturing process Methods 0.000 description 6
- 238000013473 artificial intelligence Methods 0.000 description 4
- 238000005457 optimization Methods 0.000 description 3
- 230000002776 aggregation Effects 0.000 description 2
- 238000004220 aggregation Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000013523 data management Methods 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 238000004880 explosion Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 230000008447 perception Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012824 chemical production Methods 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000013075 data extraction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 238000004817 gas chromatography Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000010926 purge Methods 0.000 description 1
- 230000002195 synergetic effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01L—MEASURING FORCE, STRESS, TORQUE, WORK, MECHANICAL POWER, MECHANICAL EFFICIENCY, OR FLUID PRESSURE
- G01L27/00—Testing or calibrating of apparatus for measuring fluid pressure
- G01L27/007—Malfunction diagnosis, i.e. diagnosing a sensor defect
Abstract
本发明涉及一种基于边缘计算框架的真空监测仪表故障诊断体系结构,包括:设备域,用于数据的采集、处理和存储,以及根据网络域的控制指令执行操作;网络域,用于实现设备域与数据域之间的网络协议转换;数据域,用于将通过网络域发来的数据进行预处理和存储,并发送至应用域;应用域,用于根据来自数据域的数据对真空监测仪表进行故障类型、故障原因的多维度诊断,并对相关执行机构进行相应控制。本发明由于边缘计算距离真空监测仪表更近,在边缘节点处实现了对数据的过滤和分析,因此准确率和效率更高。
Description
技术领域
本发明涉及真空监测仪表故障诊断体系结构,具体说是一种基于边缘计算框架的真空监测仪表故障诊断体系结构。
背景技术
目前,真空监测仪表缺少有效的在线故障诊断手段,而气相色谱数据是化工生产过程中的重要判断依据,所以实现对真空监测仪表的有效在线诊断具有重要的实际意义,建立一种通用性的基于边缘计算框架的真空监测仪表故障诊断体系是实现这一目标的有效途径。
发明内容
本发明的目的在于提供一种一种基于边缘计算框架的真空监测仪表故障诊断体系结构系统。
本发明为实现上述目的所采用的技术方案是:
一种基于边缘计算框架的真空监测仪表故障诊断体系结构,包括:
设备域,用于监测设备的监测数据的采集、处理和存储,以及根据网络域的控制信息数据对检测设备进行控制;
网络域,用于将设备域中的监测设备的监测数据经过协议转换发送给数据域,将数据域中的控制信息数据经过协议转换发送给设备域;
数据域,用于将网络域发来的真空监测仪表及监测设备的监测数据进行处理,并发送至应用域;
应用域,用于根据数据域发送的监测设备的监测数据对设备域中的真空监测仪表进行故障诊断,并对设备域中的执行机构进行控制。
所述设备域包括传感器,执行机构,控制器;所述传感器包括真空监测仪表。
所述网络域,用于对真空监测仪表所处网络中的网络协议服务进行卸载与部署,具体为:根据网络协议标识,加载部署网络协议到内存中进行通讯;如果不存在网络通讯,把网络协议从内存中卸载。
所述数据域对监测设备的监测数据的处理步骤为:
1)数据过滤或清洗:采用上下限区间算法对采集的监测设备的监测数据进行数据过滤或数据清洗;
2)数据整合:对清洗过滤后的监测数据进行整合分类,对异构数据进行合并,并把同类的数据进行统一归类;
3)数据分析与计算:对整合后的监测数据根据状态监测和故障诊断的需求进行数学函数变换,包括平方、开方、求和、差分运算中的一种或多种;
4)数据处理与存储:对计算后的监测数据进行文件存储或数据库存储。
所述数据过滤或数据清洗具体为:
数据域识别设定范围外的错误值,或者采用设定的规则库检查异常监测数据值,并清除错误值和异常数据值;
将数据库中监测数据的监测值波动区间在5%以内的监测数据记录设定为属性值重复记录,判断监测数据记录间是否存在属性值重复记录,将监测数据的属性值重复记录合并为一条记录,否则不处理。
所述应用域,用于真空监测仪表的维护,具体为:数据域获取真空监测仪表温度、压力、流速、极性、噪音数据;根据上述数据进行载气系统,进样系统,分离系统,检测系统和记录系统的工作状态监测与故障诊断。
所述故障诊断包括以下步骤:
1)预先设置故障诊断数据库,其中存有数据类别、数值范围以及故障诊断信息;
2)保存真空监测仪表的编码及其采集的数据,包括温度、压力、流速、极性、噪音;
3)当真空监测仪表采集的数据中存在数据超过阈值时,根据数据类别和数据值查找数据库中对应的故障诊断信息,并将该数据值、数据类别、所属真空监测仪表编码进行显示并报警。
根据所述故障诊断信息控制执行机构的动作。
本发明具有以下有益效果及优点:
1.分布式和低延时计算。边缘节点更靠近真空监测仪表,边缘计算可以用于改进服务,可以减少网络等待时间,及时满足业务要求。工业系统检测、控制、执行的实时性高,边缘计算聚焦实时、短周期数据的分析,能够更好地支撑本地业务的实时智能化处理与执行。
2.效率更高。由于边缘计算距离真空监测仪表更近,在边缘节点处实现了对数据的过滤和分析,因此效率更高。
3.智能计算。计算可以分层执行,利用网络远端的资源完成。AI(人工智能)+边缘计算的组合,就是在边缘计算中融合了人工智能的技术,具有数据分析与业务自动处理能力,智能化执行本地业务逻辑,可以大幅度提升效率并且降低成本;还可以动态实时完成自我优化、调整执行策略。让边缘计算不止于计算,更多了一份智能化。
4.可持续的能源消耗。能量需求会日益增长,一些嵌入式小型设备的基础信息采集处理完全可以在端完成。云计算和边缘计算结合,云计算聚焦非实时、长周期的数据分析,能够在商业决策支撑等领域发挥优势;边缘计算聚焦实时、短周期数据的分析,能更好地支撑本地业务的实时智能化处理与执行。此外,两者还存在协同关系,边缘计算既靠近执行单元,更是云端所需高价值数据的采集单元,可以更好地支撑云端应用的大数据分析;反之,云计算通过机器学习、人工智能等数据分析方法生成优化的业务规则,并下发到边缘侧,边缘计算基于新的业务规则进行业务执行的优化处理。即通过传感器把数据传送到网关后,就通过边缘计算进行数据过滤和处理,没必要每条原始数据都传送到云,这省去了大量的能源成本,成本只有单独使用云计算的40%左右。
5.应对数据爆炸和网络流量压力。通过在边缘设备上执行数据分析,可有效应对数据爆炸,减轻网络的流量压力。边缘计算能够缩短设备的响应时间,减少从设备到云数据中心的数据流量,以便在网络中更有效的分配资源。
附图说明
图1为本发明在真空监测仪表故障诊断体系结构示意图。
具体实施方式
下面结合附图及实施例对本发明做进一步的详细说明。
一种基于边缘计算框架的真空监测仪表故障诊断体系结构,包括:
设备域,用于数据的采集、处理和存储,以及根据网络域的控制指令执行操作;
网络域,用于实现设备域与数据域之间的网络协议转换;
数据域,用于将通过网络域发来的数据进行处理和存储,并发送至应用域;
应用域,用于根据来自数据域的数据针对真空监测仪表进行故障类型、故障原因的多维度诊断,并对执行机构进行控制。
所述设备域包括传感器,执行机构,控制器;其中传感器包括真空监测仪表。
所述数据域,处理和存储具体为数据过滤与预处理、数据整合、数据分析与计算、数据处理与存储中的一种或多种:
数据过滤操作:对真空监测仪表的所有采集信息进行数据过滤或数据清洗;
数据整合:对采集的数据进行整合分类,对异构数据进行合并,并把同类的数据进行统一归类;
数据分析与计算:对采集的不同类型数据根据应用需求进行数学函数变换,包括平方、开方、求和、差分运算中的一种或多种;
数据处理与存储:对真空监测仪表的所有采集信息进行文件存储和/或数据库存储。
所述数据过滤或数据清洗具体为:
识别设定范围外的错误值,或者采用设定的规则库检查异常数据值,并清除错误值和异常数据值;
数据库中属性值相同的记录被认为是重复记录,判断记录间的属性值是否相等,相等的记录合并为一条记录,否则不处理。
所述网络域,用于对各真空监测仪表所处网络中的各种网络协议服务进行卸载与部署,具体为:根据网络协议标识,自动加载部署相应的网络协议到内存中进行通讯;如果不存在网络通讯,自动把相应的网络协议从内存中卸载。
所述应用域,用于真空监测仪表集群的在线维护,具体为:获取各真空监测仪表温度、压力、流速、极性、噪音数据;根据各数据进行载气系统,进样系统,分离系统,检测系统和记录系统的工作状态监测与多维度故障诊断。
所述多维度故障诊断具体如下:
预先设置故障诊断数据库,其中存有数据类别、数值范围以及对应的故障诊断信息;
保存每个真空监测仪表的编码及其采集的各种类别数据,包括温度、压力、流速、极性、噪音;
当某个真空监测仪表采集的某种数据中存在数据超过阈值时,根据数据类别和数据值查找数据库中对应的故障诊断信息,并将该数据值、数据类别、所属真空监测仪表编码进行显示并报警。
根据故障诊断信息控制相应的执行机构动作。
本发明包括:设备域,用于数据的采集、处理和存储,以及根据网络域的控制指令执行操作;网络域,用于实现设备域与数据域之间的网络协议转换;数据域,用于将通过网络域发来的数据进行预处理和存储,并发送至应用域;应用域,用于根据来自数据域的数据对真空监测仪表进行故障类型、故障原因的多维度诊断,并对相关执行机构进行相应控制。本发明由于边缘计算距离真空监测仪表更近,在边缘节点处实现了对数据的过滤和分析,因此准确率和效率更高。
如图1所示,本发明包括以下部分:
1、设备域
主要的作用是对信息进行感知,现阶段传感器只能单方面的对数据进行采集,但是很难去在设备域层次进行数据分析。边缘计算的设备域却具备对数据进行简单处理的能力。边缘计算通过调整每个应用程序的处理需求来解决物联网困境,利用低延迟需求,边缘网络使IOT(物联网)设备自己运行机器学习算法,现场运行边缘计算任务,设备自己处理数据并运行计算。
2、网络域
主要作用是对计算能力进行部署,实现各种网络协议的转换,标准化处理网络传输。边缘计算的主要作用就是在边缘节点进行网络部署,实现对数据的标准化。进一步对以后的网络融合进行智能化的管理。在这一层次需要注意的是网络的隐私与安全问题。其中隐私问题是一个重要的分之,因为边缘端是最接近数据的端口,所以要对数据隐私进行相应的保护。
3、数据域
边缘计算最重要的一个作用就是灵活的数据管理与计算功能,边缘计算的提出主要是在边缘端进行数据的存储与计算,对源数据进行简单的处理,然后再将处理的数据传输到云端,主要的作用就是对“数据清洗”,把收集到的“脏数据”进行丢弃,只保留对我们有用是数据。边缘计算还有一个重要的作用就是对数据进行合理的卸载与部署,保持与云端协同高效的合作。
4、应用域
边缘计算与云计算的主要区别是边缘计算提供就近的平台管理与计算,云端是进行远程连接。边缘计算的“近物”特性决定了它具备快速反应的能力,减少网络传输所带来的延迟,实现实时计算的功能,特别是在网络出现故障时可以进行独立的本地化操作。
边缘计算的架构可以分为设备域(感知与控制层)、网络域(连接和网络层)、数据域(存储和服务层)、应用域(业务和智能层)。这四个“层域”就是边缘计算的计算对象。以上四个层次,使得边缘计算具有信息感知,对数据进行智能化处理,本地化计算以及实时传输的功能。
应用域用于规模性真空监测仪表集群的在线维护,具体为:获取各真空监测仪表、真空监测设备、关联执行机构、关联终端设备、关联安全设备等的相关数据;通过对对信息进行虚拟化、建模、关联和诊断实现对云覆盖范围内的所有边缘节点的实时在线监测、多维故障诊断和故障预警。
实施案例:
背景:某流体储运车队中存在大量需要监测的真空设备,这些设备状态对于储运过程的安全性起着至关重要的作用,由于数量、位置以及专业知识限制,如何保证所有真空监测仪表、真空监测设备的实时正常运行成为亟待解决的难题。
本发明所述方法解决此问题的过程如下:
1.建立真空监测仪表故障诊断体系结构的物联网设备服务层
设备服务层包括边缘计算系统的物理实体,实现从数据采集,本地数据处理,本地数据存储以及根据控制指令执行相应的操作,通过真空监测仪表中的各类嵌入式传感器节点,支撑真空监测仪表各类信息的实时智能互联互通。根据功能的不同,设备层可以分为传感器,执行器,控制器和边缘计算节点等物理单元。这类数据的处理可以采用轻量级、低功耗,零配置、自组网、跨平台能力的感知计算系统,具有成本低、易于大规模部署的特点。
同时确保设备层的物理设备的安全,保证获取正确的数据。包括各种传感器数据、设备状态信息数据、生产过程数据和各种信息控制数据等等。
本层与相关执行机构进行交互,获得各种底层数据,可以对感知的信息通过网络服务层直接处理并往数据服务层进行传递,同时把从网络服务层传递下来的控制信息数据,通过设备层去控制底层的物联网IOT设备,实现对执行机构的相应控制。
2.建立真空监测仪表故障诊断体系结构的网络服务层
网络是系统互联与数据聚合传输的基石。伴随真空监测仪表数量的剧增,网络运维管理、灵活扩展和可靠性保障面临巨大挑战。同时,长期以来存在大量异构的总线联接,多种制式的工业以太网并存,网络服务层就解决兼容多种联接并且确保联接的实时可靠。网络服务层就需要解决它们之间的互通,否则将存在大量的信息孤岛。支持海量网络设备的接入与灵活扩展,提供高效低成本的自动化运维管理,实现网络与安全的策略协同与融合。
本层用来实现各种网络协议(包括OPC协议、工业现场总线协议、串口通讯协议以及无线传输协议等等)的转换,标准化处理网络传输。网络服务层把设备层获得的各类数据,转成统一标准的数据,往数据服务层进行传递,保证数据传输正确,数据格式正确。同时网络服务层把数据层传递下来的各类控制信息数据准确的传递到设备服务层,保证控制命令信息及时下达到底层进行相应操作。边缘计算的主要作用就是在边缘节点进行网络部署,实现对数据的标准化。进一步对以后的网络融合进行智能化的管理。要解决物理网中数据异构的问题,就需要在网络域中部署边缘计算,以实现数据格式的标准化和数据传递的标准化。
3.建立真空监测仪表故障诊断体系结构的数据服务层
数据服务层提供数据优化服务,包括数据的提取、聚合、互操作、语义化以及分析与呈现的全生命周期服务,并保障数据的安全与隐私性;
数据服务层的数据管理范围包含真空监测仪表相关运行数据、环境数据以及信息数据产生到存储与访问之间的处理与操作。这层主要是对获得的数据进行处理,包括数据过滤与预处理、数据整合、数据分析与计算、数据处理与存储四部分。
(1)数据过滤操作是指对完成真空监测仪表的各种数据,针对原始数据存在的一些问题:不一致;重复;无效数据等,进行数据过滤或数据清洗操作,采用上下限区间的算法,把有用的数据从脏数据中分离出来,并把无效的数据丢弃处理,保证数据的有效性和正确性;
(2)数据整合是指对采集上来的数据进行整合分类,对各种异构数据进行合并,并把同类的数据进行统一归类。良好的数据整合有助于减少数据集的冗余和不一致,保证数据的正确,唯一。
(3)数据分析与计算就是对采集的不同类型数据进行进行规范化处理,即对原始数据根据上层应用的需求进行相应的数学函数变换,包括平方、开方、求和、差分运算等,满足上层应用对数据的需求;
(4)数据处理与存储指实现对设备运行数据、环境数据以及信息系统数据的文件存储、关系数据库存储、实时数据库存储、SQL数据库、图形数据库、语义数据库等的数据存储功能。
数据服务支持可以对数据的完整性和一致性进行分析,并进行数据清洗工作,消灭系统中的“脏”数据。脏数据是指无效的数据,不完整的数据、错误的数据以及重复的数据。其次,可以对计算和存储能力以及系统负载进行动态地部署。
数据清洗具体为:对数据进行重新审查和校验的过程,目的在于删除重复信息、纠正存在的错误,并提供数据一致性。数据清洗一般针对具体应用,因而难以归纳统一的方法和步骤,但是根据数据不同可以给出相应的数据清法方法。
i.错误值的检测及解决方法
用统计分析的方法识别可能的错误值或异常值,如偏差分析、识别不遵守分布或回归方程的值,也可以用简单规则库(常识性规则、业务特定规则等)检查数据值,或使用不同属性间的约束、外部的数据来检测和清理数据。
ii.重复记录的检测及消除方法
数据库中属性值相同的记录被认为是重复记录,通过判断记录间的属性值是否相等来检测记录是否相等,相等的记录合并为一条记录(即合并/清除)。合并/清除是消重的基本方法。
iii.不一致性(数据源内部及数据源之间)的检测及解决方法
从多数据源集成的数据可能有语义冲突,可定义完整性约束用于检测不一致性,也可通过分析数据发现联系,从而使得数据保持一致。
数据服务层对智能工厂的各类数据进行相应的处理并保存到数据库中去,对应用层提供数据进行应用;同时,也把上层应用层下达的信息及命令准确的通过网络层传递给设备层进行执行,保证数据信息的正确传导;
4.建立真空监测仪表故障诊断体系结构的应用服务层
应用服务层从数据服务层获取相关数据后,对应用服务节点内真空监测仪表个体和集群信息进行虚拟化、建模、关联、检索,从而实现对其运行过程的实时在线跟踪、多维故障诊断和故障预警;此外,应用服务层还具备对节点内生产要素和生产系统动态组织与重构等信息空间的虚拟工厂管理、运行、控制等功能,以保障在局部真空监测仪表出现故障时应用服务层能够自主实现对故障区域内相关重要执行机构的紧急控制,并结合应用服务节点内的生产情况对生产资源进行智能优化配置,以保证生产效率。
Claims (8)
1.一种基于边缘计算框架的真空监测仪表故障诊断体系结构,其特征在于,包括:
设备域,用于监测设备的监测数据的采集、处理和存储,以及根据网络域的控制信息数据对检测设备进行控制;
网络域,用于将设备域中的监测设备的监测数据经过协议转换发送给数据域,将数据域中的控制信息数据经过协议转换发送给设备域;
数据域,用于将网络域发来的真空监测仪表及监测设备的监测数据进行处理,并发送至应用域;
应用域,用于根据数据域发送的监测设备的监测数据对设备域中的真空监测仪表进行故障诊断,并对设备域中的执行机构进行控制。
2.根据权利要求1所述的一种基于边缘计算框架的真空监测仪表故障诊断体系结构,其特征在于,所述设备域包括传感器,执行机构,控制器;所述传感器包括真空监测仪表。
3.根据权利要求1所述的一种基于边缘计算框架的真空监测仪表故障诊断体系结构,其特征在于,所述网络域,用于对真空监测仪表所处网络中的网络协议服务进行卸载与部署,具体为:根据网络协议标识,加载部署网络协议到内存中进行通讯;如果不存在网络通讯,把网络协议从内存中卸载。
4.根据权利要求1所述的一种基于边缘计算框架的真空监测仪表故障诊断体系结构,其特征在于,所述数据域对监测设备的监测数据的处理步骤为:
1)数据过滤或清洗:采用上下限区间算法对采集的监测设备的监测数据进行数据过滤或数据清洗;
2)数据整合:对清洗过滤后的监测数据进行整合分类,对异构数据进行合并,并把同类的数据进行统一归类;
3)数据分析与计算:对整合后的监测数据根据状态监测和故障诊断的需求进行数学函数变换,包括平方、开方、求和、差分运算中的一种或多种;
4)数据处理与存储:对计算后的监测数据进行文件存储或数据库存储。
5.根据权利要求4所述的一种基于边缘计算框架的真空监测仪表故障诊断体系结构,其特征在于,所述数据过滤或数据清洗具体为:
数据域识别设定范围外的错误值,或者采用设定的规则库检查异常监测数据值,并清除错误值和异常数据值;
将数据库中监测数据的监测值波动区间在5%以内的监测数据记录设定为属性值重复记录,判断监测数据记录间是否存在属性值重复记录,将监测数据的属性值重复记录合并为一条记录,否则不处理。
6.根据权利要求1所述的一种基于边缘计算框架的真空监测仪表故障诊断体系结构,其特征在于,所述应用域,用于真空监测仪表的维护,具体为:数据域获取真空监测仪表温度、压力、流速、极性、噪音数据;根据上述数据进行载气系统,进样系统,分离系统,检测系统和记录系统的工作状态监测与故障诊断。
7.根据权利要求6所述的一种基于边缘计算框架的真空监测仪表故障诊断体系结构,其特征在于,所述故障诊断包括以下步骤:
1)预先设置故障诊断数据库,其中存有数据类别、数值范围以及故障诊断信息;
2)保存真空监测仪表的编码及其采集的数据,包括温度、压力、流速、极性、噪音;
3)当真空监测仪表采集的数据中存在数据超过阈值时,根据数据类别和数据值查找数据库中对应的故障诊断信息,并将该数据值、数据类别、所属真空监测仪表编码进行显示并报警。
8.根据权利要求7所述的一种基于边缘计算框架的真空监测仪表故障诊断体系结构,其特征在于,根据所述故障诊断信息控制执行机构的动作。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010169173.1A CN113390559A (zh) | 2020-03-12 | 2020-03-12 | 一种基于边缘计算框架的真空监测仪表故障诊断体系结构 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010169173.1A CN113390559A (zh) | 2020-03-12 | 2020-03-12 | 一种基于边缘计算框架的真空监测仪表故障诊断体系结构 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113390559A true CN113390559A (zh) | 2021-09-14 |
Family
ID=77615675
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010169173.1A Pending CN113390559A (zh) | 2020-03-12 | 2020-03-12 | 一种基于边缘计算框架的真空监测仪表故障诊断体系结构 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113390559A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20180010745A (ko) * | 2016-07-22 | 2018-01-31 | 전자부품연구원 | Mec 기능을 이용한 파력-해상풍력 복합발전 시스템 및 방법 |
CN110336703A (zh) * | 2019-07-12 | 2019-10-15 | 河海大学常州校区 | 基于边缘计算的工业大数据监测系统 |
CN110380880A (zh) * | 2018-04-13 | 2019-10-25 | 中国科学院沈阳自动化研究所 | 一种基于边缘计算框架的整车制造智能工厂的体系结构 |
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 |
CN110830943A (zh) * | 2019-11-06 | 2020-02-21 | 湖南银河电气有限公司 | 一种基于边缘计算和大数据分析的设备状态监测系统 |
-
2020
- 2020-03-12 CN CN202010169173.1A patent/CN113390559A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20180010745A (ko) * | 2016-07-22 | 2018-01-31 | 전자부품연구원 | Mec 기능을 이용한 파력-해상풍력 복합발전 시스템 및 방법 |
CN110380880A (zh) * | 2018-04-13 | 2019-10-25 | 中国科学院沈阳自动化研究所 | 一种基于边缘计算框架的整车制造智能工厂的体系结构 |
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 |
CN110336703A (zh) * | 2019-07-12 | 2019-10-15 | 河海大学常州校区 | 基于边缘计算的工业大数据监测系统 |
CN110830943A (zh) * | 2019-11-06 | 2020-02-21 | 湖南银河电气有限公司 | 一种基于边缘计算和大数据分析的设备状态监测系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108803552B (zh) | 一种设备故障的监测系统及监测方法 | |
CN109032099A (zh) | 工程机械总装生产线在线感知系统 | |
CN107943668A (zh) | 计算机服务器集群日志监控方法及监控平台 | |
CN111083184A (zh) | 一种基于边缘计算框架的气相色谱仪故障诊断体系结构 | |
CN106685703A (zh) | 一种数据采集和可视化监控智能系统 | |
CN102638378B (zh) | 一种集成异构存储设备的海量存储系统监控方法 | |
CN107193266A (zh) | 一种大数据的平台监控系统 | |
CN102932195B (zh) | 一种基于网络协议分析的业务分析监控方法及系统 | |
CN103580960A (zh) | 一种基于机器学习的在线管网异常侦测系统 | |
CN108398934B (zh) | 一种用于轨道交通的设备故障监控的系统 | |
CN105025112A (zh) | 用于空调设备的远程监控系统及其控制方法 | |
CN114662720A (zh) | 一种变电站的物联边缘管理平台 | |
CN109657003A (zh) | 一种将硬件数据直接接入大数据平台的方法 | |
CN110031791A (zh) | 计量检定系统的监控方法、装置、设备及可读存储介质 | |
CN115102827A (zh) | 一种中小型制造业的数字产品实时监测通用互联网平台 | |
CN107870832A (zh) | 基于多维度健康诊断方法的多路径存储设备 | |
CN110380880A (zh) | 一种基于边缘计算框架的整车制造智能工厂的体系结构 | |
CN103049365B (zh) | 信息与应用资源运行状态监控及评价方法 | |
CN109040277A (zh) | 一种服务器的远程监控方法及装置 | |
Liu et al. | An evaluative study on iot ecosystem for smart predictive maintenance (iot-spm) in manufacturing: Multi-view requirements and data quality | |
KR20190106368A (ko) | 공장 자동화를 위한 분산 데이터 수집 및 분산 제어 명령 시스템, 그리고 이를 위한 분산 데이터 수집 및 분산 제어 방법 | |
CN112463892A (zh) | 一种基于风险态势的预警方法及系统 | |
CN111077851A (zh) | 一种基于气相色谱雾计算框架的化工过程故障诊断系统 | |
Dobson et al. | A reference architecture and model for sensor data warehousing | |
CN110336860A (zh) | 工业物联网中基于多维数据处理的关键节点数据保护方法 |
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 |
Application publication date: 20210914 |
|
RJ01 | Rejection of invention patent application after publication |