CN113407597A - 异常预警方法与装置、存储介质、计算机设备 - Google Patents

异常预警方法与装置、存储介质、计算机设备 Download PDF

Info

Publication number
CN113407597A
CN113407597A CN202110719533.5A CN202110719533A CN113407597A CN 113407597 A CN113407597 A CN 113407597A CN 202110719533 A CN202110719533 A CN 202110719533A CN 113407597 A CN113407597 A CN 113407597A
Authority
CN
China
Prior art keywords
machine
time
starting
determining
assignment
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
Application number
CN202110719533.5A
Other languages
English (en)
Inventor
冯程铖
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Atlas Copco Wuxi Compressor Co Ltd
Original Assignee
Atlas Copco Wuxi Compressor Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Atlas Copco Wuxi Compressor Co Ltd filed Critical Atlas Copco Wuxi Compressor Co Ltd
Priority to CN202110719533.5A priority Critical patent/CN113407597A/zh
Publication of CN113407597A publication Critical patent/CN113407597A/zh
Pending legal-status Critical Current

Links

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
    • G06F16/24—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
    • 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
    • G06F16/2477—Temporal data queries
    • 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
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • 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
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/18—Status alarms
    • G08B21/187—Machine fault alarms

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • General Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Probability & Statistics with Applications (AREA)
  • Software Systems (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Linguistics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Mathematical Physics (AREA)
  • Fuzzy Systems (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Emergency Management (AREA)
  • Game Theory and Decision Science (AREA)
  • Operation Control Of Excavators (AREA)

Abstract

本发明公开了一种异常预警方法与装置、存储介质、计算机设备，其中，异常预警方法包括：获取机器每次运行时的实际运行数据；对实际运行数据进行处理，获得机器的每次启动时间和启动成功总次数；确定机器的机型，根据机型的所有机器的每次启动时间确定机型的单次异常判断标准，并根据启动成功总次数确定平均每天启动次数，以及根据机型的单次异常判断标准和平均每天启动次数对机器的每次启动时间进行赋值计算，获得机器的评分结果；根据机器的评分结果对机器进行异常预警。由此，该机器运行时的异常预警方法能够对机器进行异常预警，进而及时对机器进行维修保养，充分提高机器的使用寿命。

Description

异常预警方法与装置、存储介质、计算机设备
技术领域
本发明涉及异常预警技术领域，尤其涉及一种机器运行时的异常预警方法、一种计算机可读存储介质、一种计算机设备和一种机器运行时的异常预警装置。
背景技术
工业大数据是指由工业设备高速产生的大量数据，对应不同时间下的设备状态，是物联网中的讯息。基于工业大数据的应用目前大部分处于对当前状态的数值展示进行统计分析的阶段，例如对机器当前位置，实时运行数据的展示，对机器当前一段时间的运行时间、油耗、报警信息的统计求和等。传统的工业大数据的分析方法，需要最终报告的阅读者综合多份报告，非常麻烦，不利于对机器的及时维修和保养。
发明内容
本发明旨在至少在一定程度上解决相关技术中的技术问题之一。为此，本发明的一个目的在于提出一种机器运行时的异常预警方法，能够对机器进行异常预警，进而及时对机器进行维修保养，充分提高机器的使用寿命。
本发明的第二个目的在于提出一种计算机可读存储介质。
本发明的第三个目的在于提出一种计算机设备。
本发明的第四个目的在于提出一种机器运行时的异常预警装置。
为达上述目的，本发明第一方面实施例提出了一种机器运行时的异常预警方法，该方法包括：获取机器每次运行时的实际运行数据；对所述实际运行数据进行处理，获得所述机器的每次启动时间和启动成功总次数；确定所述机器的机型，根据所述机型的所有机器的每次启动时间确定所述机型的单次异常判断标准，并根据启动成功总次数确定平均每天启动次数，以及根据所述机型的单次异常判断标准和平均每天启动次数对所述机器的每次启动时间进行赋值计算，获得所述机器的评分结果；根据所述机器的评分结果对所述机器进行异常预警。
本发明实施例的机器运行时的异常预警方法首先获取机器每次运行时的实际运行数据，然后根据该运行数据获得机器的每次启动时间和启动成功总次数，再根据与该机器机型相同的所有机器的每次启动时间和启动成功总次数确定该机型的单次异常判断标准，并根据启动成功总次数确定平均每天启动次数，然后根据该机型的单次异常判断标准和平均每天启动次数对该机器的每次启动时间进行赋值计算，从而获得机器的评分结果，最后根据机器的评分结果对机器进行异常预警。由此，该机器运行时的异常预警方法能够对机器进行异常预警，进而及时对机器进行维修保养，充分提高机器的使用寿命。
在本发明的一些示例中，对所述实际运行数据进行处理，获得所述机器的每次启动时间，包括：在所述机器每次启动时，根据所述实际运行数据确定启动开始时间和启动成功时间；根据所述启动开始时间和所述启动成功时间确定所述机器的每次启动时间。
在本发明的一些示例中，所述实际运行数据包括所述机器的实际转速、所述机器的设定转速、所述机器的负载和数据采集时间点，其中，根据所述实际运行数据确定启动开始时间和启动成功时间，包括：根据所述机器的设定转速、所述机器的负载和所述数据采集时间点确定所述启动开始时间；根据所述机器的实际转速和所述数据采集时间点确定所述启动成功时间。
在本发明的一些示例中，根据所述机器的设定转速、所述机器的负载和所述数据采集时间点确定启动开始时间，包括：在所述机器的设定转速从零变成所述机器的设定的额定转速、且所述机器的负载为零时，根据所述数据采集时间点确定本次处理的待筛选时间段，并在所述机器的负载首次大于零时，根据所述数据采集时间点确定所述启动开始时间。
在本发明的一些示例中，根据所述机器的实际转速和所述数据采集时间点确定启动成功时间，包括：在所述机器的实际转速与所述机器的设定转速之间满足预设关系时，确定所述机器启动成功，并在所述机器启动成功时的数据采集时间点处于所述本次处理的待筛选时间段内时，将所述机器启动成功时的数据采集时间点作为所述启动成功时间。
在本发明的一些示例中，所述实际运行数据包括所述机器的运行电流和数据采集时间点，其中，根据所述实际运行数据确定启动开始时间和启动成功时间，包括：根据所述机器的运行电流的数值从0开始变化时的数据采集时间点确定所述启动开始时间；根据所述机器的运行电流的数值达到额定值时数据采集时间。
在本发明的一些示例中，根据所述机型的所有机器的每次启动时间确定所述机型的单次异常判断标准，包括：根据所述机型的所有机器的每次启动时间确定所述机型的启动时间平均值和标准差；根据所述机型的启动时间平均值和标准差确定所述机型的单次异常判断标准。
在本发明的一些示例中，根据所述机型的单次异常判断标准和平均每天启动次数对所述机器的每次启动时间进行赋值计算，获得所述机器的评分结果，包括：根据所述机型的单次异常判断标准判断所述机器的每次启动时间是否异常，获得判断结果，并根据所述平均每天启动次数确定赋值基准线；根据所述判断结果和所述赋值基准线确定所述机器在每次的赋值和异常基准线；根据预设周期内所述机器在每次的赋值和所述机器在每次的权重计算所述机器的评分结果。
在本发明的一些示例中，根据所述判断结果和所述赋值基准线确定所述机器在每次的赋值和异常基准线，包括：根据所述赋值基准线区分所述判断结果是否异常；在所述判断结果为异常时，确定所述机器的本次异常启动赋值；在所述判断结果为正常时，确定所述机器的本次正常启动赋值；对于同一机型，每次异常启动赋值相同，每次正常启动赋值相同，所述异常启动赋值和正常启动赋值位于赋值基准线的两边且异常基准线为异常启动赋值。
在本发明的一些示例中，预设周期内，所述机器在日内的每次启动的权重相同时，计算日内每次的赋值和日内权重获得每天的加权评分值，通过所述机器在每天的权重和每天的加权评分值计算所述机器的评分结果。
在本发明的一些示例中，根据所述机器的评分结果对所述机器进行异常预警，包括：在所述预设周期内，通过对评分结果与赋值基准线、异常基准线分别进行对比，进而对所述机器进行异常预警。
在本发明的一些示例中，在根据预设周期内所述机器在每次的赋值和所述机器在每次的权重计算所述机器的评分结果之前，还包括：对所述预设周期内所述机器在每次的权重进行赋值，其中，所述预设周期内，距离当前日期越近，赋值的权重越高，距离当前日期越远，赋值的权重越低。
为达上述目的，本发明第二方面实施例提出了一种计算机可读存储介质，其上存储有机器运行时的异常预警程序，该机器运行时的异常预警程序被处理器执行时实现如上述实施例所述的机器运行时的异常预警方法。
本发明实施例的计算机可读存储介质通过执行存储在其上的机器运行时的异常预警程序，能够对机器进行异常预警，进而及时对机器进行维修保养，充分提高机器的使用寿命。
为达上述目的，本发明第三方面实施例提出了一种计算机设备，该计算机设备包括存储器、处理器及存储在存储器上并可在处理器上运行的机器运行时的异常预警程序，所述处理器执行所述机器运行时的异常预警程序时，实现如上述实施例所述的机器运行时的异常预警方法。
本发明实施例的计算机设备通过执行存储在存储器上的机器运行时的异常预警程序，能够对机器进行异常预警，进而及时对机器进行维修保养，充分提高机器的使用寿命。
为达上述目的，本发明第四方面实施例提出了一种机器运行时的异常预警装置，该异常预警装置包括：获取模块，用于获取机器每次运行时的实际运行数据；处理模块，用于对所述实际运行数据进行处理，获得所述机器的每次启动时间；确定模块，用于确定所述机器的机型，并根据所述机型的所有机器的每次启动时间确定所述机型的单次异常判断标准；赋值计算模块，用于根据所述机型的单次异常判断标准对所述机器的每次启动时间进行赋值计算，获得所述机器的评分结果；异常预警模块，用于根据所述机器的评分结果对所述机器进行异常预警。
本发明实施例的机器运行时的异常预警装置包括获取模块、处理模块、确定模块、赋值计算模块和异常预警模块，其中在机器每次运行时，利用获取模块对其实际运行数据进行获取，然后利用处理模块对该实际运行数据进行处理以获得机器的每次启动时间和启动成功总次数，再根据与该机器机型相同的所有机器的每次启动时间，通过确定模块确定该机型的每次异常判断标准，并根据启动成功总次数确定平均每天启动次数，接着根据机型的单次异常判断标准，利用股指计算模块对机器的每次启动时间进行股指计算和平均每天启动次数，进而获得机器的评分结果，最后利用异常预警模块根据机器的评分结果对机器进行异常预警。由此，该机器运行时的异常预警装置能够对机器进行异常预警，进而及时对机器进行维修保养，充分提高机器的使用寿命。
本发明附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
图1是根据本发明一个实施例的机器运行时的异常预警方法流程图；
图2是根据本发明一个实施例的机器运行时的异常预警方法流程图；
图3是根据本发明一个实施例的机器运行时的异常预警方法流程图；
图4是根据本发明一个实施例的机器运行时的异常预警方法流程图；
图5是根据本发明一个实施例的机器运行时的异常预警方法流程图；
图6是根据本发明实施例的计算机设备的结构框图；
图7是根据本发明实施例的机器运行时的异常预警装置的结构框图。
具体实施方式
下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。
下面参考附图描述本发明实施例的机器运行时的异常预警方法与装置、计算机可读存储介质、计算机设备。
S10，获取机器每次运行时的实际运行数据。
具体地，本实施例中的实际运行数据可以包括机器的实际转速、机器的设定转速、机器的负载和数据采集时间点，可以理解的是，在该实施例中，可以利用速度检测器、计时器等配合使用对机器在每次运行时的实际运行数据进行获取。
S20，对实际运行数据进行处理，获得机器的每次启动时间和启动成功总次数。
具体地，在获取到机器每次运行时的实际运行数据之后，可以将该数据上传到数据库中，在需要对数据进行处理时，可以从数据库中提取相应的实际运行数据，然后对其进行处理，进而获取机器的每次启动时间和启动成功总次数。
在本发明的一些实施例中，如图2所示，对实际运行数据进行处理，获得机器的每次启动时间和启动成功总次数，包括：
S201，在机器每次启动时，根据实际运行数据确定启动开始时间和启动成功时间。
具体地，在机器每次启动的时候，可以根据该机器的实际运行数据，如转速、负载、电流、信号、压力等能够表达机器状态变化数据确定启动开始时间和启动成功时间。
更具体地，在该实施例中，实际运行数据可以包括机器的实际转速、机器的设定转速、机器的负载和数据采集时间点，其中，根据实际运行数据确定启动开始时间和启动成功时间，包括：根据机器的设定转速、机器的负载和数据采集时间点确定启动开始时间。
具体地，本实施例中的启动开始时间一般不直接进行获取，而是根据机器的设定转速、机器的负载和数据采集时间点进行计算确定，更具体地，以柴油机为例，可以根据柴油机的设定转速的变化，即设定转速从零变成预设的额定值，确定该柴油机当前次启动的起始时间，在柴油机的起始时间经过数秒(如3秒)的自检程序之后，则可以根据柴油机负载从零变成预设的额定值时，则确定柴油机启动开始时间。可以理解的，其中，如果柴油机负载从零开始变化，那么可以确定该柴油机已经开始启动了，并且，需要说明的是，不同机型的柴油机，其预设的额定值并不相同，自检程序所需要的时间也不相同。在本发明的一些实施例中，根据机器的设定转速、机器的负载和数据采集时间点确定启动开始时间，包括：在机器的设定转速从零变成机器的设定的额定转速、且机器的负载为零时，根据数据采集时间点确定本次处理的待筛选时间段，并在机器的负载首次大于零时，根据数据采集时间点确定启动开始时间。
具体地，在该实施例中，在机器的设定转速从零变成机器设定的额定转速，可以确定当前时间为起始时间T0，并在机器的负载为零时，将该起始时间T0加上设定时间(例如40秒)作为本次分析的待筛选时间段，在该时间段中，如果机器的负载首次大于零，则可以确定该机器的启动开始时间T1。
在该实施例中，启动成功时间可以根据机器的实际转速和数据采集时间点进行确定。
具体地，在机器开始启动之后，并不能确定该机器当前的启动是否能够成功，本实施例中根据机器的实际转速和数据采集时间点确定机器是否启动成功，并在机器启动成功后，确定启动成功时间。
在本发明的一些实施例中，根据机器的实际转速和数据采集时间点确定启动成功时间，包括：在机器的实际转速与机器的设定的额定转速之间满足预设关系时，确定机器启动成功，并在机器启动成功时的数据采集时间点处于本次处理的待筛选时间段内时，将机器启动成功时的数据采集时间点作为启动成功时间。
具体地，在待筛选时间段(例如T0+40秒)中，当确定机器启动开始时间T1之后，可以经过一段时间后，可以对机器的实际转速与机器的设定的额定转速进行比较，进而确定该机器是否启动成功，并将当前时间作为启动成功时间T2。可以理解的是，如果在待筛选时间段内，在确定机器启动开始时间T1之后，如果机器的实际转速在达到设定的额定转速之前归零，即启动不起来，直接熄火，则可以判定机器启动失败；如果在待筛选时间段内，在确定机器启动开始时间T1之后，如果机器的实际转速无法达到设定的额定转速，则也可以判定机器启动失败。
S203，根据启动开始时间和启动成功时间确定机器的每次启动时间。
具体地，在确定了启动开始时间T1和启动成功时间T2之后，可以根据启动成功时间T2减去启动开始时间T1以确定机器的每次启动时间。举例而言，数据采集时间点为2020年7月19日8点22分08秒，柴油机设定转速为0转每秒，2020年7月19日8点22分09秒该设定值变成1300转每秒且当前柴油机负载为0(当点击启动按钮进行启动时，控制器会发出指令，将转速变成设定的1300转每秒或其他指定值)，需要说明的是，可以将2020年7月19日8点22分09秒至2020年7月19日8点22分49秒设定为该次分析的待筛选时间段，在该待筛选时间段中，假设从2020年7月19日8点22分09秒起查询到第一次柴油机负载大于0是发生在2020年7月19日8点22分12秒(这3秒可以对应自检过程)，则可以将2020年7月19日8点22分12秒设为柴油机的启动开始时间T1，从T1起按时间顺序依次检查柴油机的实际转速当柴油机实际转速大于1279转时，则判定柴油机启动成功，并获取当前时间2020年7月19日8点22分17秒，记为T2。T2-T1＝5秒，当此启动为成功，花费时间为5秒，也就是说，该柴油机当前启动的时间5秒。需要说明的是，考虑到柴油机本身的转速误差，柴油机的转速可能不会稳定在1300转每秒，本示例将柴油机转速误差设为21转每秒，则在柴油机实际转速达到1279转时，则可以判定柴油机启动成功。可以理解的是，可以获取数据库中所有机器的启动数据，即启动成功与否、每次启动成功的时间。
在一些实施例中，自检时间可以为0，也可以为一个固定值，当自检时间为0时，可以直接用设定转速变化的时间T0作为启动开始时间，不需要检查柴油机负载。当自检时间是一个固定值时n，直接用T0+n作为T1,也不需要检查柴油机负载。
在一些其他的实施例中，动力源可以不是柴油机，可以替换为电动机或其他动力源，所述实际运行数据包括所述机器的运行电流和数据采集时间点，其中，根据所述实际运行数据确定启动开始时间和启动成功时间，包括：
根据所述机器的运行电流的数值从0开始变化时的数据采集时间点确定所述启动开始时间；根据所述机器的运行电流的数值达到额定值时数据采集时间点确定启动成功时间。
在一些其他的实施例中，实际运行数据中还可以是状态码和数据采集时间点，通过状态码和数据采集时间点确定启动开始时间和启动成功时间。
在一些其他的实施例中，实际运行数据中还可以是容器压力等数据，只要能够确定启动开始时间和启动成功时间的参数都可以。
每次机器启动成功后记为启动成功1次，进而计算预设周期内启动成功总次数。
S30，确定机器的机型，并根据机型的所有机器的每次启动时间确定机型的单次异常判断标准，并根据启动成功总次数确定平均每天启动次数，以及根据机型的单次异常判断标准和平均每天启动次数对机器的每次启动时间进行赋值计算，获得机器的评分结果。
具体地，由于不同的机器机型，其启动时间也不同，举例而言，有些机器机型的启动时间为5秒，有些机器机型的启动时间为10秒，那么如果不对其进行划分，而采用统一标准进行比较的话，那么很可能有些机器没有启动障碍，但是仍然被划分为存在障碍，因为容易导致误判。所以在该实施例中，可以先对机器的机型进行确定，然后根据机型的所有机器的每次启动时间确定该机型的机器的单次异常判断标准和平均每天启动次数，以提高判断准确度，并且还根据机型的单次异常判断标准对机器的每次启动时间进行赋值计算，以获得该机器的评分结果。
在一些具体实施例中，如图3所示，根据机型的所有机器的每次启动时间确定机型的单次异常判断标准，并根据启动成功总次数确定平均每天启动次数，包括：
S301，根据机型的所有机器的每次启动时间确定机型的启动时间平均值和标准差。
具体地，为了能够更加准确的确定机器是否需要介入维修或保养，可以通过对历史数据进行统计评分，该历史数据是相同机型的机器的历史数据。更具体地，根据相同机型的所有机器的每次启动时间确定机型的启动时间平均值和标准差，以及平均每天的启动次数。需要说明的是，基于经验，本实施例中可以进获取机器最近30天的相关数据即可，30天外的数据对于当前机器状态的参考价值并不大，在此不对其进行考虑。
举例而言，某机型最近30天内的所有机器的启动时间的平均值可以为3.24，标准差可以为0.78，并且每天的启动次数可以为【4,5,5,4,6,6，……】，通过启动成功次数求和计算启动成功总次数后，再除以预设周期即可计算平均每天启动次数，如5次。
S302，根据机型的启动时间平均值和标准差确定机型的单次异常判断标准。
具体地，机器的启动时间虽然不符合高斯分布，但是由于取值间隔问题，机器启动时间是一组离散的数据，可以近似当作一般的高斯分布处理，对于一般的高斯分布数据，在该实施例中，可以使用平均值加上三倍标准差作为异常的分界线，而由于上述举例中的标准差值一般小于采样间隔(假设该实施例中的采样间隔为1秒)，所以可以近似使用大于平均值加上三倍标准差的最小整数作为单次异常的区分标准。举例而言，当某机型的启动平均时间为3.24秒，标准差为0.78时，则3.24+0.78*3＝5.58，大于5.58的最小整数为6，则以6s作为异常的分界线，即大于6s则作为单次启动异常。在确定机型的单次异常判断标准之后，则可以根据机型的单次异常判断标准对机器的每次启动时间进行赋值计算，获得机器的评分结果。
在该实施例中，如图4所示，根据机型的单次异常判断标准和平均每天启动次数对机器的每次启动时间进行赋值计算，获得机器的评分结果，包括：
S401，根据机型的单次异常判断标准判断机器的每次启动时间是否异常，获得判断结果，并根据平均每天启动次数确定赋值基准线。S402，根据判断结果和赋值基准线确定机器在每次的赋值和异常基准线。
具体地，在得到单次异常判断标准之后，可以将所有的启动时间划分为正常和异常，然后进行赋值，其中，赋值的数值取决于平均每日启动的次数，在确定赋值数值之后，可以根据赋值计算出机器当前的加权评分值。举例而言，某机型平均每天启动次数为5，该机型下的某机器在某日的启动时间数据为【7，5，4，5，7】，而基于上述计算，异常的判定时间为大于6s,且由于机器在冷机状态下启动性能会较差，但是对评价机器整体性能的影响相对数值反而会偏小，所以赋值的时候确保单次偶发的启动性能较差不会导致单日分数大于赋值基准线0(即每天可以容忍一次启动异常)，因此可以对正常启动的情况赋值为-1，异常启动赋值为4，以确保赋值基准线0可以正确区分单日的异常和正常(-1×4+1×4＝0)，对此进行赋值为【4，-1，-1，-1，4】；当单日内每次启动的权重设为相同时，当天的加权评分值就为4-1-1-1+4＝5；另外异常启动赋值4为异常基准线。
在该实施例中，如图5所示，根据判断结果和赋值基准线确定机器在每次的赋值和异常基准线，包括：S501，根据赋值基准线区分判断结果是否异常。S502，在判断结果为异常时，确定机器的本次异常启动赋值。S503，在判断结果为正常时，确定机器的本次正常启动赋值。S504，对于同一机型，每次异常启动赋值相同，每次正常启动赋值相同，异常启动赋值和正常启动赋值位于赋值基准线的两边且异常基准线为异常启动赋值。
具体地，可以理解的是，可以利用上述方法依次对该机器最近30天所有的工作日的加权评分值进行计算，其中，在判断结果为异常的时候，可以确定机器的本次异常启动赋值为大于赋值基准线，可选地，将其赋值为4；在判断结果为正常的时候，可以确定机器的本次正常启动赋值小于赋值基准线，可选地，将其赋值为-1，对于同一机型，每次异常启动赋值相同，每次正常启动赋值相同，异常启动赋值和正常启动赋值位于赋值基准线的两边且异常基准线为异常启动赋值，即4为异常基准线。
需要说明的是，异常启动赋值和正常启动赋值位于赋值基准线的两边，包括以下两种情况，(1)异常启动赋值大于赋值基准线，正常启动赋值小于赋值基准线；(2)异常启动赋值小于赋值基准线，正常启动赋值大于赋值基准线，在本实施例中，采用的是第(1)种情况，即异常启动赋值为4，正常启动赋值为-1。
S403，根据预设周期内机器在每次的赋值和机器在每次的权重计算机器的评分结果。
具体地，本实施例中的预设周期可以为30天，在这30天内，可以根据机器每次的赋值和机器在每次的权重计算该机器的评分结果。举例而言，对于每一台机器，根据每次的赋值，以及每次的时间权重，求得一个综合的总得分，进而可以得到评分结果，总得分的具体计算公式如下所示：
Figure BDA0003136452840000091
Vall为总的分，i为总启动次数，Vi为单次赋值，Pi为单次权重。当预设周期内，机器在日内的每次启动的权重相同时，计算日内每次的赋值和日内权重获得每天的加权评分值，通过所述机器在每天的权重和每天的加权评分值计算所述机器的评分结果，此时，总得分的具体计算公式如下所示：
Figure BDA0003136452840000092
其中，Vall为总得分，Vdi为距离今天第i天的单日得分，Pi为距离今天第i天的单日权重，举例而言，机器a最近30天的得分，是【5，-1，-1，3，-1，-1，-1，……】，每天有不同的权重值，每天的分数乘以权重值后进行相加，得到最终分值4.3；机器b进行同样的操作，最终得分是0.5；机器c最终得分是-0.87。
S40，根据机器的评分结果对机器进行异常预警。
具体地，在所述预设周期内，通过对评分结果与赋值基准线、异常基准线分别进行对比，进而对所述机器进行异常预警，在该实施例中，在得到每个机器的最终得分之后，可以将该最终得分与比较值进行比较，举例而言，本实施例设0为基准线，对于任一机器当前等分值为0分的状态下为临界值，当有一个最新的异常状态，赋值为4，4为异常基准线，权重为1时，因为剩余所以的启动次数总得分为0，那么4就变成了一个新的临界态，即小于4时，可以确认机器状态已被改善，而大于等于4时，则说明机器状态未被改善，需要介入维修。在该示例中，机器a最终得分为4，由于4.3>4，因此可以标记其评分结果为需要维护保养；机器b最终得分0.5，由于4>0.5>0，因此可以标记其评分结果为暂不需要维护保养，但是需要持续关注；机器c最终得分为-0.87，由于-0.87<0，标记为正常，不需要维护保养。
可选地，可以根据机器的最终加权总分，从高到低进行排序，将列表提供给维修工程师或客户，并提供一份可视化的图表，从而方便工程师或客户进行维修或浏览。
在本发明的一些实施例中，在根据预设周期内机器在每天的加权评分值和机器在每天的权重计算机器的评分结果之前，还包括：对预设周期内机器在每天的权重进行赋值，其中，预设周期内，距离当前日期越近，赋值的权重越高，距离当前日期越远，赋值的权重越低。
具体地，由于距离当前日期越近，其发生异常的影响就越大，所以本实施例根据距离当前日期远近的方式，对机器每天的权重赋予不同的值，其中，距离当前日期越近，赋值的权重就越高，距离当前日期越远，赋值的权重就越低。在该实施例中，可以将距离当前时间最近的日期的权重赋值为1，而距离当前时间最远的，例如第30天，其权重则赋值为无限趋近于0，可选地，其中，从第1天到第30天中各天的权重，可以从1到0进行均分。
在本发明的一些实施例中，在预设周期内，如果紧邻当前日期的连续预设个加权评分值均小于赋值基准线，则直接确定机器当前无异常，并由权重函数值体现。
具体地，以上述每天平均启动5次的具体实施例为例对本实施例进行描述，其中，单日最差得分为4*5＝20，单日得分小于0的统一判定为合格，所以统一修正为-1分(即-2，-3，-4，-5均统一修正为-1)，所以单日最高得分区间为-1～20，如果机器紧邻当前日期的连续预设个加权评分值均小于赋值基准线的话，则可以直接确定机器当前无异常，其中，预设个加权评分值可以为3个。另外，根据实际应用经验可知，如果连续预设天无启动异常则可以认为之前如果有异常，无论当前日期机器多差都可以认为已经被修复，则
Figure BDA0003136452840000101
需要说明的是，如果没有比上述机器更差的情况，则可以表达为Vall＞0。
综上，本发明实施例的机器运行时的异常预警方法能够对机器进行异常预警，进而及时对机器进行维修保养，充分提高机器的使用寿命。
进一步地，本发明提出来一种计算机可读存储介质，其上存储有机器运行时的异常预警程序，该机器运行时的异常预警程序被处理器执行时实现如上述实施例中的机器运行时的异常预警方法。
本发明实施例的计算机可读存储介质通过处理器执行存储在存储器上的机器运行时的异常预警程序，能够对机器进行异常预警，进而及时对机器进行维修保养，充分提高机器的使用寿命。
图6是根据本发明实施例的计算机设备的结构框图。
进一步地，如图6所示，本发明提出了一种计算机设备10，该计算机设备10包括存储器11、处理器12及存储在存储器11上并可在处理器12上运行的机器运行时的异常预警程序，处理器12执行机器运行时的异常预警程序时，实现如上述实施例中的机器运行时的异常预警方法。
本发明实施例的计算机设备包括存储器和处理器，通过处理器执行存储在存储器上的机器运行时的异常预警程序，能够对机器进行异常预警，进而及时对机器进行维修保养，充分提高机器的使用寿命。
图7是根据本发明实施例的机器运行时的异常预警装置的结构框图。
进一步地，如图7所示，本发明提出了一种机器运行时的异常预警装置100，该异常预警装置100包括获取模块101、处理模块102、确定模块103、赋值计算模块104和异常预警模块105。
其中，获取模块101用于获取机器每次运行时的实际运行数据；处理模块102用于对实际运行数据进行处理，获得机器的每次启动时间和平均每天启动次数；确定模块103用于确定机器的机型，并根据机型的所有机器的每次启动时间确定机型的单次异常判断标准，并根据启动成功总次数确定平均每天启动次数；赋值计算模块104用于根据机型的单次异常判断标准和平均每天启动次数对机器的每次启动时间进行赋值计算，获得机器的评分结果；异常预警模块105用于根据机器的评分结果对机器进行异常预警。
具体地，本实施例中的实际运行数据可以包括机器的实际转速、机器的设定的额定转速、机器的负载和数据采集时间点，可以理解的是，在该实施例中，获取模块101可以包括速度检测器、计时器等配合使用对机器在每次运行时的实际运行数据进行获取。在获取模块101获取到机器每次运行时的实际运行数据之后，可以将该数据上传到数据库中，在需要对数据进行处理时，可以从数据库中提取相应的实际运行数据，然后利用处理模块102对其进行处理，进而获取机器的每次启动时间和启动成功总次数。由于不同的机器机型，其启动时间也不同，举例而言，有些机器机型的启动时间为5秒，有些机器机型的启动时间为10秒，那么如果不对其进行划分，而采用统一标准进行比较的话，那么很可能有些机器没有启动障碍，但是仍然被划分为存在障碍，因为容易导致误判。所以在该实施例中，可以先利用确定模块103对机器的机型进行确定，然后根据机型的所有机器的每次启动时间确定该机型的机器的单次异常判断标准，并根据启动成功总次数确定平均每天启动次数，以提高判断准确度，并且还利用赋值计算模块104根据机型的单次异常判断标准和平均每天启动次数对机器的每次启动时间进行赋值计算，以获得该机器的评分结果。更具体地，在预设周期内，通过对评分结果与赋值基准线、异常基准线分别进行对比，进而对所述机器进行异常预警，在该实施例中，在得到每个机器的最终得分之后，可以将该最终得分与比较值进行比较，举例而言，本实施例设0为基准线，对于任一机器当前等分值为0分的状态下为临界值，当有一个最新的异常状态，赋值为4，4为异常基准线，权重为1时，因为剩余所以的启动次数总得分为0，那么4就变成了一个新的临界态，即小于4时，可以确认机器状态已被改善，而大于等于4时，则说明机器状态未被改善，异常预警模块105可以对机器进行预警提醒，以表示该机器需要介入维修。举例而言，机器a最终得分为4，由于4.3>4，因此可以标记其评分结果为需要维护保养；机器b最终得分0.5，由于4>0.5>0，因此可以标记其评分结果为暂不需要维护保养，但是需要持续关注；机器c最终得分为-0.87，由于-0.87<0，标记为正常，不需要维护保养。
在本发明的一些实施例中，处理模块102对实际运行数据进行处理，获得机器的每次启动时间，包括：在机器每次启动时，根据实际运行数据确定启动开始时间和启动成功时间；根据启动开始时间和启动成功时间确定机器的每次启动时间。
在本发明的一些实施例中，处理模块102根据实际运行数据确定启动开始时间和启动成功时间，包括：根据机器的设定转速、机器的负载和数据采集时间点确定启动开始时间；根据机器的实际转速和数据采集时间确定启动成功时间。
在本发明的一些实施例中，处理模块102根据机器的设定转速、机器的负载和数据采集时间点确定启动开始时间，包括：在机器的设定转速从零变成机器的设定的额定转速、且机器的负载为零时，根据数据采集时间确定本次处理的待筛选时间段，并在机器的负载首次大于零时，根据数据采集时间确定启动开始时间。
在本发明的一些实施例中，处理模块102根据机器的实际转速和数据采集时间点确定启动成功时间，包括：在机器的实际转速与机器的设定的额定转速之间满足预设关系时，确定机器启动成功，并在机器启动成功时的数据采集时间点处于本次处理的待筛选时间段内时，将机器启动成功时的数据采集时间点作为启动成功时间。
在本发明的一些实施例中，实际运行数据包括机器的运行电流和数据采集时间点，其中，处理模块102根据实际运行数据确定启动开始时间和启动成功时间，包括：根据机器的运行电流的数值从0开始变化时的数据采集时间点确定启动开始时间；根据机器的运行电流的数值达到额定值时数据采集时间点确定启动成功时间。
在本发明的一些实施例中，确定模块103根据机型的所有机器的每次启动时间确定机型的单次异常判断标准，并根据启动成功总次数确定平均每天启动次数，包括：根据机型的所有机器的每次启动时间确定机型的启动时间平均值和标准差；根据机型的启动时间平均值和标准差确定机型的单次异常判断标准。
在本发明的一些实施例中，赋值计算模块104根据机型的单次异常判断标准和平均每天启动次数对机器的每次启动时间进行赋值计算，获得机器的评分结果，包括：根据机型的单次异常判断标准判断机器的每次启动时间是否异常，获得判断结果，并根据平均每天启动次数确定赋值基准线；根据判断结果和赋值基准线确定机器在每次的赋值和异常基准线；根据预设周期内机器在每次的赋值和机器在每次的权重计算机器的评分结果。
在本发明的一些实施例中，赋值计算模块104根据判断结果和赋值基准线确定机器在每次的赋值和异常基准线，包括：根据赋值基准线区分判断结果是否异常，在判断结果为异常时，确定机器的本次异常启动赋值；在判断结果为正常时，确定机器的本次正常启动赋值；对于同一机型，每次异常启动赋值相同，每次正常启动赋值相同，异常启动赋值和正常启动赋值位于赋值基准线的两边且异常基准线为异常启动赋值。
在本发明的一些实施例中，在预设周期内，机器在日内的每次启动的权重相同时，赋值计算模块104计算日内每次的赋值和日内权重获得每天的加权评分值，通过机器在每天的权重和每天的加权评分值计算机器的评分结果。
在本发明的一些实施例中，异常预警模块105，还用于在预设周期内，通过对评分结果与赋值基准线、异常基准线分别进行对比，进而对机器进行异常预警。
在本发明的一些实施例中，赋值计算模块104在根据预设周期内机器在每次的赋值和机器在每次的权重计算机器的评分结果之前，还包括：对预设周期内机器在每次的权重进行赋值，其中，预设周期内，距离当前日期越近，赋值的权重越高，距离当前日期越远，赋值的权重越低。
在本发明的一些实施例中，异常预警模块105在预设周期内，如果紧邻当前日期的连续预设个加权评分值均小于赋值基准线，则直接确定机器当前无异常。
需要说明的是，本发明实施例的机器运行时的异常预警装置的其他具体实施方式，可以参见上述实施例中的机器运行时的异常预警方法的具体实施方式，在此不再赘述。
综上，本发明实施例的机器运行时的异常预警装置能够对机器进行异常预警，进而及时对机器进行维修保养，充分提高机器的使用寿命。
需要说明的是，在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。
应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
在本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”、“顺时针”、“逆时针”、“轴向”、“径向”、“周向”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
此外，本发明实施例中所使用的“第一”、“第二”等术语，仅用于描述目的，而不可以理解为指示或者暗示相对重要性，或者隐含指明本实施例中所指示的技术特征数量。由此，本发明实施例中限定有“第一”、“第二”等术语的特征，可以明确或者隐含地表示该实施例中包括至少一个该特征。在本发明的描述中，词语“多个”的含义是至少两个或者两个及以上，例如两个、三个、四个等，除非实施例中另有明确具体的限定。
在本发明中，除非实施例中另有明确的相关规定或者限定，否则实施例中出现的术语“安装”、“相连”、“连接”和“固定”等应做广义理解，例如，连接可以是固定连接，也可以是可拆卸连接，或成一体，可以理解的，也可以是机械连接、电连接等；当然，还可以是直接相连，或者通过中间媒介进行间接连接，或者可以是两个元件内部的连通，或者两个元件的相互作用关系。对于本领域的普通技术人员而言，能够根据具体的实施情况理解上述术语在本发明中的具体含义。
在本发明中，除非另有明确的规定和限定，第一特征在第二特征“上”或“下”可以是第一和第二特征直接接触，或第一和第二特征通过中间媒介间接接触。而且，第一特征在第二特征“之上”、“上方”和“上面”可是第一特征在第二特征正上方或斜上方，或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”可以是第一特征在第二特征正下方或斜下方，或仅仅表示第一特征水平高度小于第二特征。
尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (15)

1.一种机器运行时的异常预警方法，其特征在于，包括：
获取机器每次运行时的实际运行数据；
对所述实际运行数据进行处理，获得所述机器的每次启动时间和启动成功总次数；
确定所述机器的机型，根据所述机型的所有机器的每次启动时间确定所述机型的单次异常判断标准，并根据启动成功总次数确定平均每天启动次数，以及根据所述机型的单次异常判断标准和平均每天启动次数对所述机器的每次启动时间进行赋值计算，获得所述机器的评分结果；
根据所述机器的评分结果对所述机器进行异常预警。
2.如权利要求1所述的机器运行时的异常预警方法，其特征在于，对所述实际运行数据进行处理，获得所述机器的每次启动时间和启动成功总次数，包括：
在所述机器每次启动时，根据所述实际运行数据确定启动开始时间和启动成功时间；
根据所述启动开始时间和所述启动成功时间确定所述机器的每次启动时间。
3.如权利要求2所述的机器运行时的异常预警方法，其特征在于，所述实际运行数据包括所述机器的实际转速、所述机器的设定转速、所述机器的负载和数据采集时间点，其中，根据所述实际运行数据确定启动开始时间和启动成功时间，包括：
根据所述机器的设定转速、所述机器的负载和所述数据采集时间点确定所述启动开始时间；
根据所述机器的实际转速和所述数据采集时间确定所述启动成功时间。
4.如权利要求3所述的机器运行时的异常预警方法，其特征在于，根据所述机器的设定转速、所述机器的负载和所述数据采集时间点确定启动开始时间，包括：
在所述机器的设定转速从零变成所述机器设定的额定转速、且所述机器的负载为零时，根据所述数据采集时间点确定本次处理的待筛选时间段，并在所述机器的负载首次大于零时，根据所述数据采集时间点确定所述启动开始时间。
5.如权利要求4所述的机器运行时的异常预警方法，其特征在于，根据所述机器的实际转速和所述数据采集时间点确定启动成功时间，包括：
在所述机器的实际转速与所述机器的设定转速之间满足预设关系时，确定所述机器启动成功，并在所述机器启动成功时的数据采集时间点处于所述本次处理的待筛选时间段内时，将所述机器启动成功时的数据采集时间点作为所述启动成功时间。
6.如权利要求2所述的机器运行时的异常预警方法，其特征在于，所述实际运行数据包括所述机器的运行电流和数据采集时间点，其中，根据所述实际运行数据确定启动开始时间和启动成功时间，包括：
根据所述机器的运行电流的数值从0开始变化时的数据采集时间点确定所述启动开始时间；
根据所述机器的运行电流的数值达到额定值时数据采集时间点确定所述启动成功时间。
7.如权利要求1-6中任一项所述的机器运行时的异常预警方法，其特征在于，根据所述机型的所有机器的每次启动时间确定所述机型的单次异常判断标准，并根据启动成功总次数确定平均每天启动次数，包括：
根据所述机型的所有机器的每次启动时间确定所述机型的启动时间平均值和标准差；
根据所述机型的启动时间平均值和标准差确定所述机型的单次异常判断标准。
8.如权利要求7所述的机器运行时的异常预警方法，其特征在于，根据所述机型的单次异常判断标准和平均每天启动次数对所述机器的每次启动时间进行赋值计算，获得所述机器的评分结果，包括：
根据所述机型的单次异常判断标准判断所述机器的每次启动时间是否异常，获得判断结果，并根据所述平均每天启动次数确定赋值基准线；
根据所述判断结果和所述赋值基准线确定所述机器在每次的赋值和异常基准线；
根据预设周期内所述机器在每次的赋值和所述机器在每次的权重计算所述机器的评分结果。
9.如权利要求8所述的机器运行时的异常预警方法，其特征在于，根据所述判断结果和所述赋值基准线确定所述机器在每次的赋值和异常基准线，包括：
根据所述赋值基准线区分所述判断结果是否异常；
在所述判断结果为异常时，确定所述机器的本次异常启动赋值；
在所述判断结果为正常时，确定所述机器的本次正常启动赋值；
对于同一机型，每次异常启动赋值相同，每次正常启动赋值相同，所述异常启动赋值和正常启动赋值位于赋值基准线的两边且异常基准线为异常启动赋值。
10.如权利要求8所述的机器运行时的异常预警方法，其特征在于，预设周期内，所述机器在日内的每次启动的权重相同时，计算日内每次的赋值和日内权重获得每天的加权评分值，通过所述机器在每天的权重和每天的加权评分值计算所述机器的评分结果。
11.如权利要求8所述的机器运行时的异常预警方法，其特征在于，根据所述机器的评分结果对所述机器进行异常预警，包括：
在所述预设周期内，通过对评分结果与赋值基准线、异常基准线分别进行对比，进而对所述机器进行异常预警。
12.如权利要求8所述的机器运行时的异常预警方法，其特征在于，在根据预设周期内所述机器在每次的赋值和所述机器在每次的权重计算所述机器的评分结果之前，还包括：
对所述预设周期内所述机器在每次的权重进行赋值，其中，所述预设周期内，距离当前日期越近，赋值的权重越高，距离当前日期越远，赋值的权重越低。
13.一种计算机可读存储介质，其特征在于，其上存储有机器运行时的异常预警程序，该机器运行时的异常预警程序被处理器执行时实现如权利要求1-12中任一项所述的机器运行时的异常预警方法。
14.一种计算机设备，其特征在于，包括存储器、处理器及存储在存储器上并可在处理器上运行的机器运行时的异常预警程序，所述处理器执行所述机器运行时的异常预警程序时，实现如权利要求1-12中任一项所述的机器运行时的异常预警方法。
15.一种机器运行时的异常预警装置，其特征在于，包括：
获取模块，用于获取机器每次运行时的实际运行数据；
处理模块，用于对所述实际运行数据进行处理，获得所述机器的每次启动时间和启动成功总次数；
确定模块，用于确定所述机器的机型，根据所述机型的所有机器的每次启动时间确定所述机型的单次异常判断标准，并根据启动成功总次数确定平均每天启动次数；
赋值计算模块，用于根据所述机型的单次异常判断标准和平均每天启动次数对所述机器的每次启动时间进行赋值计算，获得所述机器的评分结果；
异常预警模块，用于根据所述机器的评分结果对所述机器进行异常预警。
CN202110719533.5A 2021-06-28 2021-06-28 异常预警方法与装置、存储介质、计算机设备 Pending CN113407597A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110719533.5A CN113407597A (zh) 2021-06-28 2021-06-28 异常预警方法与装置、存储介质、计算机设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110719533.5A CN113407597A (zh) 2021-06-28 2021-06-28 异常预警方法与装置、存储介质、计算机设备

Publications (1)

Publication Number Publication Date
CN113407597A true CN113407597A (zh) 2021-09-17

Family

ID=77679814

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110719533.5A Pending CN113407597A (zh) 2021-06-28 2021-06-28 异常预警方法与装置、存储介质、计算机设备

Country Status (1)

Country Link
CN (1) CN113407597A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115263587A (zh) * 2021-04-29 2022-11-01 三一汽车制造有限公司 作业机械的发动机维保提示方法、装置和电子设备
WO2024060776A1 (zh) * 2022-09-19 2024-03-28 华为云计算技术有限公司 服务健康状态的显示方法、装置、设备及存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH09152903A (ja) * 1995-12-01 1997-06-10 Hitachi Ltd プラント運転計画作成方法および装置
WO2016035187A1 (ja) * 2014-09-04 2016-03-10 三菱電機株式会社 異常検出装置及び異常検出方法
CN106877503A (zh) * 2017-03-15 2017-06-20 国家电网公司 二次设备智能运维系统中的风险识别与预警方法
CN111078471A (zh) * 2019-12-06 2020-04-28 深圳创维－Rgb电子有限公司 显示设备的系统故障恢复方法、设备及计算机存储介质

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH09152903A (ja) * 1995-12-01 1997-06-10 Hitachi Ltd プラント運転計画作成方法および装置
WO2016035187A1 (ja) * 2014-09-04 2016-03-10 三菱電機株式会社 異常検出装置及び異常検出方法
CN106877503A (zh) * 2017-03-15 2017-06-20 国家电网公司 二次设备智能运维系统中的风险识别与预警方法
CN111078471A (zh) * 2019-12-06 2020-04-28 深圳创维－Rgb电子有限公司 显示设备的系统故障恢复方法、设备及计算机存储介质

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115263587A (zh) * 2021-04-29 2022-11-01 三一汽车制造有限公司 作业机械的发动机维保提示方法、装置和电子设备
CN115263587B (zh) * 2021-04-29 2023-10-20 三一汽车制造有限公司 作业机械的发动机维保提示方法、装置和电子设备
WO2024060776A1 (zh) * 2022-09-19 2024-03-28 华为云计算技术有限公司 服务健康状态的显示方法、装置、设备及存储介质

Similar Documents

Publication Publication Date Title
CN109947088B (zh) 基于模型全生命周期管理的设备故障预警系统
US10621545B2 (en) Inventory management system having functions of performing inventory management and preventive maintenance
CN113407597A (zh) 异常预警方法与装置、存储介质、计算机设备
JP3780508B2 (ja) 工作機械の異常診断装置、異常診断方法及び異常診断プログラム
CN109083756B (zh) 一种发动机进气故障检测方法及装置
CN102812254B (zh) 排气泵的堆积物检测装置和具备该装置的排气泵
EP3002651B1 (en) Monitoring means and monitoring method for monitoring at least one step of a process run on an industrial site
KR102102346B1 (ko) 함정설비의 상태기반 정비지원 시스템 및 방법
US20220011766A1 (en) Error-based method for calculating a remaining useful life of an apparatus
CN116292241A (zh) 一种输油泵机组的故障诊断预警方法及系统
KR20120106828A (ko) 압축기를 진단하는 방법 및 시스템
EP4174601A1 (en) System, apparatus and method for monitoring condition of an asset in technical installation
JP3146365B2 (ja) 排水ポンプシステムの排水優先運転方法および排水ポンプシステム
JP2000298511A (ja) 設備診断装置及び記録媒体
CN114837902B (zh) 一种风电机组健康度评估方法、系统、设备和介质
US11339763B2 (en) Method for windmill farm monitoring
JP6987280B2 (ja) 診断システム及び冷凍サイクル装置
CN110165969B (zh) 机床的控制装置
JP2024092487A (ja) 機械設備診断システム、管理装置、機械設備診断方法
CN115342036B (zh) 一种风力发电组机变桨电机异常预警方法及系统
CN117469152B (zh) 流体泵异常检测方法、装置、电子设备和存储介质
EP4354244A1 (en) Anomaly detection for industrial assets
JP7441811B2 (ja) 診断装置
JP2024028148A (ja) 異常監視方法及び異常監視装置
CN110058578B (zh) 基于控制对象数据过程的诊断控制方法、系统、存储介质和终端

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