CN113674509A - 基于区块链的边缘节点灾害监测预警系统及方法 - Google Patents
基于区块链的边缘节点灾害监测预警系统及方法 Download PDFInfo
- Publication number
- CN113674509A CN113674509A CN202111223808.2A CN202111223808A CN113674509A CN 113674509 A CN113674509 A CN 113674509A CN 202111223808 A CN202111223808 A CN 202111223808A CN 113674509 A CN113674509 A CN 113674509A
- Authority
- CN
- China
- Prior art keywords
- edge
- intelligent terminal
- block chain
- early warning
- edge device
- 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
Images
Classifications
-
- 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
- G08B21/02—Alarms for ensuring the safety of persons
- G08B21/10—Alarms for ensuring the safety of persons responsive to calamitous events, e.g. tornados or earthquakes
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B25/00—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems
- G08B25/01—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems characterised by the transmission medium
- G08B25/08—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems characterised by the transmission medium using communication transmission lines
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B31/00—Predictive alarm systems characterised by extrapolation or other computation using updated historic data
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L9/00—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols
- H04L9/32—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols including means for verifying the identity or authority of a user of the system or for message authentication, e.g. authorization, entity authentication, data integrity or data verification, non-repudiation, key authentication or verification of credentials
- H04L9/3236—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols including means for verifying the identity or authority of a user of the system or for message authentication, e.g. authorization, entity authentication, data integrity or data verification, non-repudiation, key authentication or verification of credentials using cryptographic hash functions
- H04L9/3239—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols including means for verifying the identity or authority of a user of the system or for message authentication, e.g. authorization, entity authentication, data integrity or data verification, non-repudiation, key authentication or verification of credentials using cryptographic hash functions involving non-keyed hash functions, e.g. modification detection codes [MDCs], MD5, SHA or RIPEMD
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L9/00—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols
- H04L9/50—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols using hash chains, e.g. blockchains or hash trees
Landscapes
- Engineering & Computer Science (AREA)
- Emergency Management (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Computer Security & Cryptography (AREA)
- Geology (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Environmental & Geological Engineering (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Computing Systems (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明公开一种基于区块链的边缘节点灾害监测预警系统及方法,该系统包括:采集边缘设备状态信息的数采层,通过工控系统采集边缘设备工况参数信息的工控终端,以及通过区块链向智能终端下发阈值配置信息的工业互联网平台;智能终端根据数采层采集的边缘设备状态信息和工业互联网平台下发的阈值配置信息,对边缘设备进行初步异常诊断;并将初步诊断为异常的边缘设备的数据包通过区块链上传至工业互联网平台。通过智能终端提供的边缘计算能力,避免了全量状态监测数据传输到工业互联网平台集中处理,降低了对通信线路传输带宽以及服务器存储、计算的能力要求,适用于大量边缘设备的实时状态监测和智能运维应用,确保系统监测数据的实时性、连续性。
Description
技术领域
本发明涉及设备状态监测领域,具体地说,特别涉及一种基于区块链的边缘节点灾害监测预警系统及方法。
背景技术
电机、泵、往复机等关键机电边缘设备是工业生产的边缘核心节点,时刻处于高强度运行状态中。以往对关键边缘设备需要定期维护,人工拆检更换一些劳损部件,避免由于疲劳或环境故障导致的意外故障。随着监测技术的更新换代,对关键边缘设备的维护逐渐走向自动化。当前对关键边缘设备的监测系统有两方面不足,一是金字塔式的系统架构导致将全量数据传输到后台或云平台进行处理,对通信带宽和存储能力形成挑战,且传输过程中有安全风险;二是单一机制的预警系统不能准确预警故障或产生不必要的误报停机,且无法做到监测-控制联动。
发明内容
鉴于现有技术中的上述缺陷或不足,期望提供一种基于区块链的边缘节点灾害监测预警系统及方法。
第一方面,提供一种基于区块链的边缘节点灾害监测预警系统,包括:数采层、边缘终端层、工控系统和工业互联网平台;其中,所述边缘终端层包含交互的智能终端和工控终端;
所述数采层用于采集边缘设备的状态信息,并将采集的边缘设备的状态信息通过有线或者无线的方式传递给智能终端;
所述工控终端用于通过所述工控系统采集边缘设备的工况参数信息,并将采集的边缘设备的工况参数信息传递给智能终端;
所述工业互联网平台用于通过区块链向所述智能终端下发阈值配置信息;
所述智能终端用于根据数采层采集的边缘设备的状态信息和所述工业互联网平台下发的阈值配置信息进行比较判断,对边缘设备进行初步异常诊断;
所述智能终端还用于将初步诊断为异常的边缘设备的数据包通过区块链上传至所述工业互联网平台;所述边缘设备的数据包里面包含边缘设备的状态信息和工况参数信息。
第二方面,提供一种基于区块链的边缘节点灾害监测预警方法,包括:
S10:工业互联网平台通过区块链向智能终端下发阈值配置信息;
S20:智能终端通过数采层采集边缘设备的状态信息,工控终端通过工控系统获取边缘设备的工况参数信息并传递给智能终端;
智能终端根据数采层采集的边缘设备的状态信息和所述工业互联网平台下发的阈值配置信息进行比较判断,对边缘设备进行初步异常诊断;
S30:智能终端将初步诊断为异常的边缘设备的数据包通过区块链的智能合约上传至所述工业互联网平台,所述边缘设备的数据包里面包含边缘设备的状态信息和工况参数信息。
第三方面,提供一种电子设备,电子设备包括:
一个或多个处理器;
存储器,用于存储一个或多个程序,
当一个或多个程序被一个或多个处理器执行时,使得一个或多个处理器执行上述的基于区块链的边缘节点灾害监测预警方法。
第四方面,提供一种存储有计算机程序的计算机可读存储介质,该程序被处理器执行时上述的基于区块链的边缘节点灾害监测预警方法。
本发明实施例提供的技术方案带来的有益效果是:
本发明的基于区块链的边缘节点灾害监测预警系统中通过智能终端提供的边缘计算能力,避免了全量状态监测数据传输到云工业互联网平台集中处理,降低了对通信线路传输带宽以及服务器存储、计算的能力要求,适用于大量边缘设备的实时状态监测和智能运维应用,可以确保系统监测数据的实时性、连续性。
本发明的基于区块链的边缘节点灾害监测预警方法中,采用分布式边缘计算架构和区块链智能合约事件机制,通过主题事件消息的订阅与发布,实现边缘设备与云灾害监测程序的联动,结合规则引擎和使用机器学习进行模式识别,从而提前识别潜在威胁,可在危害发生之前及时预警。全分布式计算架构适用于海量边缘设备的实时状态监测和灾害监控分析应用,从而确保系统监测数据的实时性。同时,基于工业互联网平台与区块链结合的技术,可极高地保障工业关键数据安全。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本申请的其它特征、目的和优点将会变得更明显:
图1为本申请实施例提供的区块链的层次结构图;
图2为图1中区块链数据层中的单链式数据结构;
图3为图1中区块链数据层中的有向无环图数据结构;
图4为图1中区块链合约层中的智能合约图;
图5为本申请实施例提供的基于区块链的边缘节点灾害监测预警系统架构图;
图6为图5中智能终端的具体结构示意图;
图7为本申请实施例提供的基于区块链的边缘节点灾害监测预警方法整体流程图;
图8为本申请实施例提供的基于区块链的边缘节点灾害监测预警方法的示例性流程图;
图9为本申请实施例提供的基于区块链的边缘节点灾害监测预警方法的另一优选实施方式的示例性流程框图;
图10为本申请实施例提供的一种电子设备的结构示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释相关发明,而非对该发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与发明相关的部分。
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
参考图1示出的区块链的层次结构,区块链的层次结构包括物理层、数据层、网络层、共识层、激励层、合约层和应用层,各层的具体作用如下:
物理层:是指软件运行所依赖的物理环境,比如物理机,一般可以自行购买服务器,接入互联网;还可以采用云主机,比如阿里云、腾讯云等的云虚拟机,提供了软件运行所需要的技术、存储和网络环境。
数据层:可以理解成数据库,只不过对于区块链来讲,这个数据库是不可篡改的、分布式的数据库,也就是我们所谓的“分布式账本”。在数据层上,也就是在这个“分布式账本”上,存放着区块链上的数据信息,封装着区块的块链式结构、非对称加密技术、哈希算法等技术手段,来保证数据在全网公开的情况下的安全性问题。区块链最常见的数据结构是单链式结构(如图2所示),像一条铁链一样,一个节点只有一个前序节点和一个后续节点。另外现在研究的热点还有有向无环图(DAG)结构(如图3所示),可以认为DAG是拓宽的单链表结构,链表是一根绳子,DAG就像绳子变成的带子一样。
网络层:包括分布式组网机制、数据传播机制和数据验证机制等。网络层本质上是一个P2P(点对点)网络,点对点意味着不需要一个中间环节或者中心化服务器来操控这个系统,网络中的所有资源和服务都是分配在各个节点手中的,信息的传输也是两个节点之间直接往来就可以了。区块链的网络层实际上就是一个特别强大的点对点网络系统。在这个点对点网络系统上,每一个节点既可以生产信息,也可以接收信息,就好比发邮件,你既可以编写自己的邮件,也可以收到别人给你发送的邮件。在区块链网络上,节点之间需要共同维护这条区块链系统,每当一个节点创造出新的区块后,他需要以广播的形式通知其他节点,其他节点收到信息后对该区块进行验证,然后在该区块的基础上去创建新的区块,这样一来,全网便可以共同维护更新区块链系统这个总账本了。但是,全网要依据什么规则来维护更新区块链系统这个总账本呢,这就涉及到了所谓的“法律法规”(规则),也就是接下来要介绍的:共识层。
共识层:在区块链的世界里,共识,简单来讲就是全网要依据一个统一的、大家一致同意的规则来维护更新区块链系统这个总账本,类似于更新数据的规则。让高度分散的节点在去中心化的区块链网络中高效达成共识,是区块链的核心技术之一,也是区块链社区的治理机制。目前主流的共识机制算法有:比特币的工作量证明(PoW)、以太坊的权益证明(PoS)、EOS的委托权益证明(DPoS)、实用拜站庭容错(PBFT)等等。PoW就是大家常见的挖矿,大家共同算一道数学题,谁先算出来谁就有权来记账,比如比特币就是算一个哈希(hash)值,要说算hash值本身倒不是很难,难的是要算出符合条件的hash值,所以只能一个一个的反复试,这个毫无意义的计算耗费了大量的资源(电力)然而确实也没有什么实用价值,这也是挖矿经常被人诟病的地方。至于大家为什么要争夺记账权,这就是和后面的激励机制有关了,我们后面讲。EOS采用DPoS方式,选出了13个超级节点来记账。PBFT机制是一种采用“许可投票、 少数服从多数”来选举领导者并进行记账的共识机制,该共识机制允许拜占庭容错,允许强监督节点参与,具备权限分级能力,性能更高,耗能更低,而且每轮记账都会由全网节点共同选举领导者,允许33%的节点作恶,容错率为33%。实用拜占庭容错特别适合联盟链的应用场景。
激励层:激励层将经济因素集成到区块链技术体系中来,主要包括经济激励的发行机制和分配机制等。前面提到各个节点按照一定的共识机制争夺记账权。尤其是对于公链来说,任何人都可以加入,而加入和记账都是需要消耗服务器资源的。那问题来了,节点有什么动力要花费服务器的计算、存储、网络等资源来参与记账呢,这就要设计一定的激励机制。比如比特币,你为区块链系统做了多少贡献,你就可以得到多少奖励。用这种激励机制,能够鼓励全网节点参与区块链上的数据记录与维护工作。对于公有链来说激励机制是必不可少的,只有设计一套这样的激励机制,才能激励全网节点参与区块链系统的建设维护,进而保证区块链系统的安全性和可靠性。而联盟链和私有链因为参与者是现有社会关系下的参与者,其运行机制可以通过链下的社会契约规定,所以不一定有激励机制,也就是说联盟链一般都不需要发行虚拟币。
合约层:以太坊开始为区块链引入了可编程逻辑,即智能合约(如图4所示)。合约层主要包括各种脚本、代码、算法机制及智能合约,是区块链可编程的基础。我们说的“智能合约”便属于合约层这个层级上。智能合约让区块链的应用开拓了广阔的空间,从比特币区块链单一的记账交易可以扩展到众多应用场景,被称为区块链2.0时代。
应用层:是区块链的各种应用场景和案例。
本申请是基于上述的区块链技术建立的边缘节点灾害监测预警系统100,参见图5,该系统100包括:数采层110、边缘终端层、工控系统120和工业互联网平台130;其中,所述边缘终端层包含交互的智能终端140和工控终端150(工业控制系统终端);
所述数采层110用于采集边缘设备170的状态信息,并将采集的边缘设备170的状态信息通过有线或者无线的方式传递给智能终端140;
所述工控终端150用于通过所述工控系统120采集边缘设备170的工况参数信息,并将采集的边缘设备170的工况参数信息传递给智能终端140;
所述工业互联网平台130用于通过区块链160向所述智能终端140下发阈值配置信息;
所述智能终端140用于根据数采层110采集的边缘设备170的状态信息和所述工业互联网平台130下发的阈值配置信息进行比较判断,对边缘设备170进行初步异常诊断;
所述智能终端140还用于将初步诊断为异常的边缘设备170的数据包通过区块链160上传至所述工业互联网平台130;所述边缘设备170的数据包里面包含边缘设备170的状态信息和工况参数信息。
具体的,若采用中心化计算架构,将全量数据都传送到云服务器进行集中处理,对通信线路传输带宽以及服务器的存储、计算能力要求严峻,难以达到实时分析诊断的效果;倘若发生云服务器宕机或网络故障,会导致全部设备数据丢失和失去灾害诊断服务。本发明提出的基于区块链的边缘节点灾害监测预警系统中智能终端BH7000兼有智能终端140和边缘网关功能,对边缘设备170的状态信息和预先配置的告警阈值对比,捕捉到异常事件后触发疑似故障数据上传,大幅度减少数据包上传量,减轻了云端的通信和计算压力。同时边缘网关将数据封装为智能合约形式,有效防止对敏感数据的泄露和篡改,同时保证了其他设备施行控制指令的来源可靠性,极大提高了系统整体的安全性。
在一个实施例中,所述数采层110包含多个不同类型的传感器111和数采单元112,所述数采单元112用于将所述传感器111采集的边缘设备170的状态信息传递给智能终端140。
具体的,传感器111安装在边缘设备170上,通过传感器111采集边缘设备170的状态信息。传感器111的类型至少如下一种:振动传感器、温度传感器、转速传感器、电压传感器、电流传感器、压力传感器、流量传感器。当然,传感器111也可以为采集边缘设备170其他状态参数的相应类型传感器111,本申请实施例不再一一赘述。数采单元112为数采卡,通过数采卡将传感器111获取的边缘设备170的状态信息通过有线或无线的方式发送至智能终端140。
在一个实施例中,参考图6,所述智能终端140包含区块链合约收发单元141和异常诊断单元142;其中,所述区块链合约收发单元141用于获取工业互联网平台130通过区块链160下发的阈值配置信息,并将获取的阈值配置信息传递给异常诊断单元142;
所述异常诊断单元142用于根据数采层110获取的边缘设备170的状态信息和所述区块链合约收发单元141获取的阈值配置信息进行比较判断,对边缘设备170进行初步异常诊断;
所述异常诊断单元142还用于将初步诊断为异常的边缘设备170的数据包信息通过区块链合约收发单元141发送至工业互联网平台130。
具体的,智能终端140为智能终端BH7000,智能终端 BH7000作为有边缘计算能力的终端层,同样具有收发区块链160合约包,可以同时作为智能网关执行职能。工业互联网平台130下发的阈值配置信息包含边缘设备170的状态阈值信息,如温度阈值、转速阈值、电压阈值、电流阈值、流量阈值等。将数采单元112获取的边缘设备170的实时状态参数信息与工业互联网平台130下发的相应的阈值进行比较,即可得到边缘设备170的初步异常诊断结果。如将数采单元112获取的边缘设备170的实时温度与工业互联网平台130下发的温度阈值进行比较,即可判断温度是否异常,若实时温度超过温度阈值,则为异常;否则为正常。
在一个实施例中,参考图6,所述智能终端140还包含预处理单元143,所述预处理单元143用于根据数采单元112获取的边缘设备170的状态信息和工控终端150获取的工况参数信息之间的关系,对边缘设备170的状态信息对应的数据包进行预处理,得到边缘设备170的预处理数据包。
具体的,智能终端140集成边缘网关功能,作为边缘网关时采用有线或者无线通信方式从数采单元112接收边缘设备170的状态信息(包含振动、温度、转速、电压、电流、压力、流量等)以及从工控终端150采用工控系统120获取边缘设备170的工况参数信息(包含边缘设备170的启停状态、负荷状态以及环境变化(温度、湿度等)等)。工控终端150可以是DCS终端,也可以是多PLC组网的SCADA终端,兼容Profibus、Modbus、OPC、DDE等多种工业协议。智能终端140中的预处理单元143根据边缘设备170的状态信息和工况参数信息之间的关系,对边缘设备170的状态信息对应的数据包进行清洗、滤波、补缺、去重等预处理,可以应对边缘设备170的数据包的丢包、冗余、失真等不同情况。如数据包清洗方法主要有缺失值填充、数值替换、数据类型转换、数据分列、重复值处理等。对数据包进行滤波处理去除噪声干扰。对数据包进行去重可以删除重复数据等。在本申请的实施例中,预处理单元143并非必须的,在某些情况下,也可以不用对边缘设备170的状态数据包进行预处理。此外,当对边缘设备170的数据包进行预处理时,则采用边缘设备170预处理后的数据包与工业互联网平台130下发的预警配置进行比较判断,对边缘设备170进行初步异常诊断。
在一个实施例中,参考图6,智能终端140还包含计算单元144,所述计算单元144用于对数采单元112获取的边缘设备170状态信息进行时域、频域计算,得到边缘设备170的时域特征值、频域特征值。
具体的,当数采单元112获取的边缘设备170的状态信息为带有波形的参数,如振动参数时,需要对振动参数进行时域、频域计算。其中,时域特征值有均值、标准差、有效值、峰值、峰峰值、峭度、歪度、波峰因数、峭度系数;频域特征值有gIE(impulsive energy ing,即用重力加速度表示的脉冲能量)特征值、通频值、转频相关的频谱分量、中心频率、功率谱密度、功率谱重心。而当数采单元112获取的边缘设备170的状态信息为不带有波形的参数,如温度时,则不需要进行时域、频域计算的。因此,根据边缘设备170的具体状态参数类型,来确定是否对其进行时域、频域计算。此外,当对边缘设备170的状态参数进行时域、频域计算时,采用相应的时域特征值、频域特征值与工业互联网平台130下发的预警配置进行比较判断,对边缘设备170进行初步异常诊断。
在一个实施例中,参考图6,所述智能终端140还包含存储单元145,所述存储单元145用于存储边缘设备170的状态信息和工况参数信息,以及用于存储工业互联网平台130下发的阈值配置信息。
具体的,存储单元145用于存储边缘设备170的状态信息,如振动、温度、转速、电压、电流、压力、流量等参数,和用于存储边缘设备170的工况参数信息,如设备的启停状态、负荷状态以及环境变化(温度、湿度等),以及用于存储工业互联网平台130下发的阈值配置信息,如温度阈值、压力阈值等。存储单元145也可以用于存储边缘设备170的异常诊断状态信息等。
在一个实施例中,参考图6,所述智能终端140还包含加密单元146,所述加密单元146用于对边缘设备170的数据包进行加密处理,并将边缘设备170的加密数据包传至指定的现场服务器。
具体的,加密单元146并非智能终端140的必须单元,当用户没有加密需求时,也可以不设置加密单元146。当用户有加密需求时才设置加密单元146,满足用户对数据的保密需求。即智能终端BH7000可内置数据库(存储单元145)存储现场数据,也可将数据存至其他现场服务器。在通信线路出现异常或波动时,可在本地累积待上传数据,并在通信恢复时上传,保证了系统监测数据的连续性。
在一个实施例中,参考图5,所述工业互联网平台130包含云服务器131,所述云服务器131用于通过区块链160向所述智能终端140下发阈值配置信息;所述云服务器131还用于从智能终端140发送的区块链160智能合约中接收初步诊断为异常的边缘设备170的数据包信息,实现对边缘设备170的数据存储、分析和查询。
进一步地,参考图5,所述工业互联网平台还包含云灾害监测程序132,所述云灾害监测程序132用于基于机理和数据驱动结合的方式建立机组异常诊断模型,并采用所述机组异常诊断模型结合规则引擎和使用机器学习的方式对待诊断的异常边缘设备170的数据包进行模式识别。
如图7-8所示,本申请实施例提供了一种基于区块链的边缘节点灾害监测预警方法,包括以下步骤:
S10,下发预警配置:工业互联网平台130通过区块链160向智能终端140下发阈值配置信息。
具体的,工业互联网平台130中的云服务器131通过区块链160向智能终端140中的区块链合约收发单元141中下发阈值配置信息,作为智能终端140对异常事件进行预警使用。边缘设备170的阈值配置信息由区块链160中的智能合约封装,智能合约签名与边缘设备170的智能终端140ID一一对应,确保传输和解包过程中不泄露和恶意篡改。
S20,采集预警事件:智能终端140通过数采层110采集边缘设备170的状态信息,工控终端150通过工控系统120获取边缘设备170的工况参数信息并传递给智能终端140;智能终端140根据边缘设备170的状态信息和所述工业互联网平台130下发的阈值配置信息进行比较判断,对边缘设备170进行初步异常诊断。
具体的,数采层110包含多个不同类型的传感器111和数采单元112,所述数采单元112将所述传感器111采集的边缘设备170的状态信息通过有线或无线的方式传递给智能终端140中的异常诊断单元142;所述异常诊断单元142根据边缘设备170的状态信息和工业互联网平台130下发的预警配置信息进行比较判断,对边缘设备170进行初步异常诊断。
在一个优选实施例中,异常诊断单元142在进行比较判断之前,先采用预处理单元143对边缘设备170的状态信息进行预处理,再采用预处理后的边缘设备170的状态信息和工业互联网平台130下发的预警配置信息进行比较判断,对边缘设备170进行初步异常诊断。具体预处理的操作如前文边缘节点灾害监测预警系统中所述。
在一个优选实施例中,采用预处理后的边缘设备170的状态信息和工业互联网平台130下发的预警配置信息进行比较判断之前,先采用计算单元144对预处理后的边缘设备170的状态信息进行时域、频域计算,得到边缘设备170的时域特征值、频域特征值;并采用得到的边缘设备170的时域特征值、频域特征值与工业互联网平台130下发的预警配置信息进行比较判断,对边缘设备170进行初步异常诊断。具体时域、频域计算的操作要求如前文边缘节点灾害监测预警系统中所述。
在一个优选实施例中,智能终端140中的存储单元145存储边缘设备170的状态信息和工况参数信息,以及存储工业互联网平台130下发的阈值配置信息;也可以存储预处理单元143预处理后的边缘设备170的状态信息;存储计算单元144计算得到的边缘设备170的时域特征值、频域特征值;还可以存储边缘设备170的异常诊断状态信息等。
在一个优选实施例中,智能终端140中的加密单元146对边缘设备170的数据包进行加密处理,并将边缘设备170的加密数据包传至指定的现场服务器。
S30,判断并上传预警:智能终端140将初步诊断为异常的边缘设备170的数据包通过区块链160的智能合约上传至所述工业互联网平台130,所述边缘设备170的数据包里面包含边缘设备170的状态信息和工况参数信息。
具体的,若智能终端140判断边缘设备170当前状态为异常,则调用智能合约将边缘设备170的数据包上传到区块链160,数据包将实时同步给区块链160中的相关节点。同时基于区块链160特性,将设备预警数据实时和其他设备形成协同,避免恶意预警,实现设备与设备之间的实时联动,提升关键事件的联防联控效应。
在一个优选实施例中,参考图9,步骤S30之后还包含以下步骤:
S40,云端预警诊断:所述工业互联网平台130基于机理和数据驱动结合的方式建立机组异常诊断模型,并采用所述机组异常诊断模型结合规则引擎和使用机器学习的方式对待诊断的异常边缘设备170的数据包进行模式识别。
具体的,工业互联网平台130包含云服务器131和云灾害监测程序132;其中,云服务器131从智能终端BH7000发送的区块链160智能合约接收初步诊断为异常的边缘设备170状态和对应数据,实现数据存储、分析、查询。云灾害监测程序132基于机理和数据驱动结合的方式建立机组异常诊断模型,为监测系统准确可靠地实施提供助力;并采用所述机组异常诊断模型结合规则引擎和使用机器学习的方式对待诊断的异常边缘设备170的数据包进行模式识别,从而提前识别潜在威胁,可在危害发生之前及时预警。具体的模式识别方法如下:
S41:通过机组异常诊断模型判断边缘设备170测点数据包的异常情况。
S42:根据边缘设备170测点数据包的异常程度不同,进行定量或定性地描述转化。
具体的,进行定量或定性的描述转化中,如根据实时温度是否大于温度阈值来进行定性描述转化,如实时温度大于温度阈值则为异常;并根据实时温度大于温度阈值的百分比来进行定量描述转化,来确定异常的程度。
S43:将综合异常描述输入专家系统推理机,查询专家系统推理机中的规则库,并通过解释器得到灾害监测预警的综合结果。
S50,预警处理及事件触发:区块链160中的智能合约根据云灾害监测程序132的预警诊断结果给出预警策略,并触发相应的事件,向智能终端140和工控终端150发出控制指令;
S60:事件订阅及指令响应:智能终端140和工控终端150订阅到相应事件后,解析事件内容获得控制指令,并根据获得的控制指令采用工控系统120完成边缘设备170的响应。
本发明的基于区块链的边缘节点灾害监测预警方法中,采用区块链160的分布式计算结构来解决监测预警系统边缘计算负荷过大的问题,通过智能终端140提供的边缘计算能力,避免了全量状态监测数据传输到云工业互联网平台130集中处理,降低了对通信线路传输带宽以及服务器存储、计算的能力要求,适用于大量边缘设备170的实时状态监测和智能运维应用,可以确保系统监测数据的实时性、安全性、连续性,能够适应大量工业边缘设备170的实时状态监测和故障诊断分析应用。
本申请的实施例中,工业互联网平台130中的云灾害监测程序132使用专利系统推理机中的机理推断和基于数据驱动的机器学习方法建立个性化机组异常诊断模型,为边缘设备170灾害评估、日常巡检、健康状态评估、运行维护、检检修方案建议、检修效果评估、能效优化等提供自动化、智能化云服务,达到保障边缘设备170长期安全运行、提高运行效率、节约运维成本的目的。
基于智能合约的事件机制,通过主题事件消息的订阅与发布,实现边缘设备170与云灾害监测程序132的联动,结合规则引擎和使用机器学习进行模式识别,从而提前识别潜在威胁,可在危害发生之前及时预警。同时基于区块链160特性,将边缘设备170预警数据实时和其他边缘设备170形成协同,避免恶意预警,实现设备与设备之间的实时联动,提升关键事件的联防联控效应。
应当注意,尽管在附图中以特定顺序描述了本发明方法的操作,但是,这并非要求或者暗示必须按照该特定顺序来执行这些操作,或是必须执行全部所示的操作才能实现期望的结果。相反,流程图中描绘的步骤可以改变执行顺序。例如,智能终端先获取边缘设备的状态信息,工业互联网平台再下发阈值配置信息,然后智能终端再进行比较判断。
图10示出了根据本申请实施例提供的一种电子设备的结构示意图。
如图10所示,作为另一方面,本申请还提供了一种电子设备200,包括一个或多个中央处理单元(CPU)201,其可以根据存储在只读存储器(ROM)202中的程序或者从存储部分208加载到随机访问存储器(RAM)203中的程序而执行各种适当的动作和处理。在RAM 203中,还存储有系统100操作所需的各种程序和数据。CPU 201、ROM 202以及RAM 203通过总线204彼此相连。输入/输出(I/O)接口205也连接至总线204。
以下部件连接至I/O接口205:包括键盘、鼠标等的输入部分206;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分207;包括硬盘等的存储部分208;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分209。通信部分209经由诸如因特网的网络执行通信处理。驱动器210也根据需要连接至I/O接口205。可拆卸介质211,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器210上,以便于从其上读出的计算机程序根据需要被安装入存储部分208。
特别地,根据本公开的实施例,上文参考图8-9描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括有形地包含在机器可读介质上的计算机程序,计算机程序包含用于执行页面生成方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分209从网络上被下载和安装,和/或从可拆卸介质211被安装。
附图中的流程图和框图,图示了按照本发明各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,所述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
作为又一方面,本申请还提供了一种计算机可读存储介质,该计算机可读存储介质可以是上述实施例中所述装置中所包含的计算机可读存储介质;也可以是单独存在,未装配入设备中的计算机可读存储介质。计算机可读存储介质存储有一个或者一个以上程序,所述程序被一个或者一个以上的处理器用来执行描述于本申请的页面生成方法。
附图中的流程图和框图,图示了按照本发明各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这根据所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以通过执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以通过专用硬件与计算机指令的组合来实现。
描述于本申请实施例中所涉及到的单元或模块可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元或模块也可以设置在处理器中,例如,各所述单元可以是设置在计算机或移动智能设备中的软件程序,也可以是单独配置的硬件装置。其中,这些单元或模块的名称在某种情况下并不构成对该单元或模块本身的限定。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本申请中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离所述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (18)
1.基于区块链的边缘节点灾害监测预警系统,其特征在于,包括:数采层、边缘终端层、工控系统和工业互联网平台;其中,所述边缘终端层包含交互的智能终端和工控终端;
所述数采层用于采集边缘设备的状态信息,并将采集的边缘设备的状态信息通过有线或者无线的方式传递给智能终端;
所述工控终端用于通过所述工控系统采集边缘设备的工况参数信息,并将采集的边缘设备的工况参数信息传递给智能终端;
所述工业互联网平台用于通过区块链向所述智能终端下发阈值配置信息;
所述智能终端用于根据数采层采集的边缘设备的状态信息和所述工业互联网平台下发的阈值配置信息进行比较判断,对边缘设备进行初步异常诊断;
所述智能终端还用于将初步诊断为异常的边缘设备的数据包通过区块链上传至所述工业互联网平台;所述边缘设备的数据包里面包含边缘设备的状态信息和工况参数信息。
2.根据权利要求1所述的基于区块链的边缘节点灾害监测预警系统,其特征在于,所述数采层包含多个不同类型的传感器和数采单元,所述数采单元用于将所述传感器采集的边缘设备的状态信息传递给智能终端。
3.根据权利要求1所述的基于区块链的边缘节点灾害监测预警系统,其特征在于,所述智能终端包含区块链合约收发单元和异常诊断单元;其中,所述区块链合约收发单元用于获取工业互联网平台通过区块链下发的阈值配置信息,并将获取的阈值配置信息传递给异常诊断单元;
所述异常诊断单元用于根据数采层获取的边缘设备的状态信息和所述区块链合约收发单元获取的阈值配置信息进行比较判断,对边缘设备进行初步异常诊断;
所述异常诊断单元还用于将初步诊断为异常的边缘设备的数据包信息通过区块链合约收发单元发送至工业互联网平台。
4.根据权利要求3所述的基于区块链的边缘节点灾害监测预警系统,其特征在于,所述智能终端还包含预处理单元,所述预处理单元用于根据数采单元获取的边缘设备的状态信息和工控终端获取的工况参数信息之间的关系,对边缘设备的状态信息对应的数据包进行预处理,得到边缘设备的预处理数据包。
5.根据权利要求3或4所述的基于区块链的边缘节点灾害监测预警系统,其特征在于,所述智能终端还包含计算单元,所述计算单元用于对数采单元获取的边缘设备状态信息进行时域、频域计算,得到边缘设备的时域特征值、频域特征值。
6.根据权利要求3所述的基于区块链的边缘节点灾害监测预警系统,其特征在于,所述智能终端还包含存储单元,所述存储单元用于存储边缘设备的状态信息和工况参数信息,以及用于存储工业互联网平台下发的阈值配置信息。
7.根据权利要求3所述的基于区块链的边缘节点灾害监测预警系统,其特征在于,所述智能终端还包含加密单元,所述加密单元用于对边缘设备的数据包进行加密处理,并将边缘设备的加密数据包传至现场服务器。
8.根据权利要求1所述的基于区块链的边缘节点灾害监测预警系统,其特征在于,所述工业互联网平台包含云服务器,所述云服务器用于通过区块链向所述智能终端下发阈值配置信息;
所述云服务器还用于从智能终端发送的区块链智能合约中接收初步诊断为异常的边缘设备的数据包信息,实现对边缘设备的数据存储、分析和查询。
9.根据权利要求8所述的基于区块链的边缘节点灾害监测预警系统,其特征在于,所述工业互联网平台还包含云灾害监测程序,所述云灾害监测程序用于基于机理和数据驱动结合的方式建立机组异常诊断模型,并采用所述机组异常诊断模型结合规则引擎和使用机器学习的方式对待诊断的异常边缘设备的数据包进行模式识别。
10.基于区块链的边缘节点灾害监测预警方法,其特征在于,包括以下步骤:
S10:工业互联网平台通过区块链向智能终端下发阈值配置信息;
S20:智能终端通过数采层采集边缘设备的状态信息,工控终端通过工控系统获取边缘设备的工况参数信息并传递给智能终端;
智能终端根据所述数采层采集的边缘设备的状态信息和所述工业互联网平台下发的阈值配置信息进行比较判断,对边缘设备进行初步异常诊断;
S30:智能终端将初步诊断为异常的边缘设备的数据包通过区块链的智能合约上传至所述工业互联网平台,所述边缘设备的数据包里面包含边缘设备的状态信息和工况参数信息。
11.根据权利要求10所述的基于区块链的边缘节点灾害监测预警方法,其特征在于,S20中,智能终端根据边缘设备的状态信息和所述工业互联网平台下发的阈值配置信息进行比较判断之前还包括以下步骤:
智能终端根据数采层采集的边缘设备的状态信息和工控终端获取的工况参数信息之间的关系,对边缘设备的状态信息对应的数据包进行预处理,得到边缘设备的预处理数据包。
12.根据权利要求10所述的基于区块链的边缘节点灾害监测预警方法,其特征在于,S20中,智能终端根据边缘设备的状态信息和所述工业互联网平台下发的阈值配置信息进行比较判断之前还包括以下步骤:
智能终端对数采层采集的边缘设备状态信息进行时域、频域计算,得到边缘设备的时域特征值、频域特征值。
13.根据权利要求10所述的基于区块链的边缘节点灾害监测预警方法,其特征在于,S20中,所述智能终端存储边缘设备的状态信息和工况参数信息,以及存储工业互联网平台下发的阈值配置信息。
14.根据权利要求10所述的基于区块链的边缘节点灾害监测预警方法,其特征在于,S20中,所述智能终端对边缘设备的数据包进行加密处理,并将边缘设备的加密数据包传至现场服务器。
15.根据权利要求10所述的基于区块链的边缘节点灾害监测预警方法,其特征在于,步骤S30之后还包含以下步骤:
S40:工业互联网平台基于机理和数据驱动结合的方式建立机组异常诊断模型,并采用所述机组异常诊断模型结合规则引擎和使用机器学习的方式对待诊断的异常边缘设备的数据包进行模式识别;
S50:区块链中的智能合约根据云灾害监测程序的预警诊断结果给出预警策略,并触发相应的事件,向智能终端和工控终端发出控制指令;
S60:智能终端和工控终端订阅到相应事件后,解析事件内容获得控制指令,并根据获得的控制指令采用工控系统完成边缘设备的响应。
16.根据权利要求15所述的基于区块链的边缘节点灾害监测预警方法,其特征在于,S40中,采用所述机组异常诊断模型结合规则引擎和使用机器学习的方式对待诊断的异常边缘设备的数据包进行模式识别的方法包含以下子步骤:
S41:通过机组异常诊断模型判断边缘设备测点数据包的异常情况;
S42:根据边缘设备测点数据包的异常程度不同,进行定量或定性地异常描述转化;
S43:将异常描述转化结果输入专家系统推理机,查询专家系统推理机中的规则库,并通过解释器得到灾害监测预警的综合结果。
17.一种电子设备,其特征在于,所述电子设备包括:
一个或多个处理器;
存储器,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器执行如权利要求10-16中任一项所述的基于区块链的边缘节点灾害监测预警方法。
18.一种存储有计算机程序的计算机可读存储介质,其特征在于,该程序被处理器执行时实现如权利要求10-16中任一项所述的基于区块链的边缘节点灾害监测预警方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111223808.2A CN113674509B (zh) | 2021-10-21 | 2021-10-21 | 基于区块链的边缘节点灾害监测预警系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111223808.2A CN113674509B (zh) | 2021-10-21 | 2021-10-21 | 基于区块链的边缘节点灾害监测预警系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113674509A true CN113674509A (zh) | 2021-11-19 |
CN113674509B CN113674509B (zh) | 2022-06-21 |
Family
ID=78550622
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111223808.2A Active CN113674509B (zh) | 2021-10-21 | 2021-10-21 | 基于区块链的边缘节点灾害监测预警系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113674509B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114006793A (zh) * | 2021-11-29 | 2022-02-01 | 南京工业大学 | 一种用于硫化腐蚀产物自燃灾害监测的边缘计算网关 |
CN116319896A (zh) * | 2023-05-12 | 2023-06-23 | 广东省电信规划设计院有限公司 | 基于区块链的物联网感知关键信息处理方法和装置 |
CN116340427A (zh) * | 2023-04-25 | 2023-06-27 | 北京工业大学 | 一种用于环保数据的预警方法及系统 |
CN116743791A (zh) * | 2022-09-30 | 2023-09-12 | 腾讯云计算(北京)有限责任公司 | 一种地铁云平台云边同步方法、装置、设备及存储介质 |
CN117061568A (zh) * | 2023-10-11 | 2023-11-14 | 北京燕能电气技术有限公司 | 一种电气设备的智能数据处理方法及系统 |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004117072A (ja) * | 2002-09-24 | 2004-04-15 | Eiji Kasanuki | 地表面監視システム |
DE102017206592A1 (de) * | 2016-04-27 | 2017-11-02 | Codar Ocean Sensors, Ltd. | Küsten-HF-Radarsystem für Tsunamiwarnung |
US20180078843A1 (en) * | 2016-02-02 | 2018-03-22 | Bao Tran | Smart device |
CN108769753A (zh) * | 2018-05-02 | 2018-11-06 | 中广热点云科技有限公司 | 基于区块链技术的网络视听管理支撑版权服务子系统 |
US20190034892A1 (en) * | 2017-09-29 | 2019-01-31 | Ned M. Smith | Hierarchical data, information, knowledge and wisdom markets |
EP3506108A1 (en) * | 2017-12-30 | 2019-07-03 | Intel Corporation | Compression in machine learning and deep learning processing |
CN110166822A (zh) * | 2019-05-21 | 2019-08-23 | 中国电子科技集团公司电子科学研究院 | 一种多信任域可信视频共享方法及系统 |
CN110169774A (zh) * | 2019-05-28 | 2019-08-27 | 深圳正指向科技有限公司 | 一种基于区块链的运动状态识别系统及方法 |
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 |
CN110991391A (zh) * | 2019-09-17 | 2020-04-10 | 腾讯科技(深圳)有限公司 | 一种基于区块链网络的信息处理方法及装置 |
CN111864706A (zh) * | 2020-08-19 | 2020-10-30 | 剑科云智(深圳)科技有限公司 | 一种配电网的故障预警和继电保护系统 |
CN112653770A (zh) * | 2021-01-14 | 2021-04-13 | 江苏徐工信息技术股份有限公司 | 一种基于区块链的分布式工程机械监控系统 |
CN112703457A (zh) * | 2018-05-07 | 2021-04-23 | 强力物联网投资组合2016有限公司 | 用于使用工业物联网进行数据收集、学习和机器信号流传输实现分析和维护的方法和系统 |
CN113423336A (zh) * | 2019-02-15 | 2021-09-21 | Q生物公司 | 使用预测模型确定模型参数 |
CN113469248A (zh) * | 2021-06-30 | 2021-10-01 | 平安科技(深圳)有限公司 | 基于神经网络的农业培育控制方法、装置、系统及介质 |
-
2021
- 2021-10-21 CN CN202111223808.2A patent/CN113674509B/zh active Active
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004117072A (ja) * | 2002-09-24 | 2004-04-15 | Eiji Kasanuki | 地表面監視システム |
US20180078843A1 (en) * | 2016-02-02 | 2018-03-22 | Bao Tran | Smart device |
DE102017206592A1 (de) * | 2016-04-27 | 2017-11-02 | Codar Ocean Sensors, Ltd. | Küsten-HF-Radarsystem für Tsunamiwarnung |
US20190034892A1 (en) * | 2017-09-29 | 2019-01-31 | Ned M. Smith | Hierarchical data, information, knowledge and wisdom markets |
EP3506108A1 (en) * | 2017-12-30 | 2019-07-03 | Intel Corporation | Compression in machine learning and deep learning processing |
CN108769753A (zh) * | 2018-05-02 | 2018-11-06 | 中广热点云科技有限公司 | 基于区块链技术的网络视听管理支撑版权服务子系统 |
CN112703457A (zh) * | 2018-05-07 | 2021-04-23 | 强力物联网投资组合2016有限公司 | 用于使用工业物联网进行数据收集、学习和机器信号流传输实现分析和维护的方法和系统 |
CN113423336A (zh) * | 2019-02-15 | 2021-09-21 | Q生物公司 | 使用预测模型确定模型参数 |
CN110166822A (zh) * | 2019-05-21 | 2019-08-23 | 中国电子科技集团公司电子科学研究院 | 一种多信任域可信视频共享方法及系统 |
CN110169774A (zh) * | 2019-05-28 | 2019-08-27 | 深圳正指向科技有限公司 | 一种基于区块链的运动状态识别系统及方法 |
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 |
CN110991391A (zh) * | 2019-09-17 | 2020-04-10 | 腾讯科技(深圳)有限公司 | 一种基于区块链网络的信息处理方法及装置 |
CN111864706A (zh) * | 2020-08-19 | 2020-10-30 | 剑科云智(深圳)科技有限公司 | 一种配电网的故障预警和继电保护系统 |
CN112653770A (zh) * | 2021-01-14 | 2021-04-13 | 江苏徐工信息技术股份有限公司 | 一种基于区块链的分布式工程机械监控系统 |
CN113469248A (zh) * | 2021-06-30 | 2021-10-01 | 平安科技(深圳)有限公司 | 基于神经网络的农业培育控制方法、装置、系统及介质 |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114006793A (zh) * | 2021-11-29 | 2022-02-01 | 南京工业大学 | 一种用于硫化腐蚀产物自燃灾害监测的边缘计算网关 |
CN114006793B (zh) * | 2021-11-29 | 2022-07-22 | 南京工业大学 | 一种用于硫化腐蚀产物自燃灾害监测的边缘计算网关 |
CN116743791A (zh) * | 2022-09-30 | 2023-09-12 | 腾讯云计算(北京)有限责任公司 | 一种地铁云平台云边同步方法、装置、设备及存储介质 |
CN116340427A (zh) * | 2023-04-25 | 2023-06-27 | 北京工业大学 | 一种用于环保数据的预警方法及系统 |
CN116340427B (zh) * | 2023-04-25 | 2023-10-13 | 北京工业大学 | 一种用于环保数据预警系统的方法 |
CN116319896A (zh) * | 2023-05-12 | 2023-06-23 | 广东省电信规划设计院有限公司 | 基于区块链的物联网感知关键信息处理方法和装置 |
CN117061568A (zh) * | 2023-10-11 | 2023-11-14 | 北京燕能电气技术有限公司 | 一种电气设备的智能数据处理方法及系统 |
CN117061568B (zh) * | 2023-10-11 | 2024-01-12 | 北京燕能电气技术有限公司 | 一种电气设备的智能数据处理方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN113674509B (zh) | 2022-06-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113674509B (zh) | 基于区块链的边缘节点灾害监测预警系统及方法 | |
CN105446328B (zh) | 发电机组远程故障诊断和健康监测系统及数据捕获方法 | |
CN113112086B (zh) | 一种基于边缘计算和标识解析的智能生产系统 | |
KR102073912B1 (ko) | 고부하 가스 터빈들에 대한 진단 규칙들을 위한 방법 및 시스템 | |
CN104796273B (zh) | 一种网络故障根源诊断的方法和装置 | |
CN111736566A (zh) | 一种基于机器学习与边缘计算的远程设备健康预测方法 | |
CN111125468A (zh) | 基于区块链技术及智能合约的结构健康监测系统和方法 | |
WO2014109645A1 (en) | Method, device and computer program for monitoring an industrial control system | |
CN108663980A (zh) | 电站锅炉远程在线诊断系统及其在线诊断方法 | |
CN113642946A (zh) | 一种基于城市重要基础设施的感知信息集成接入系统 | |
US20230377435A1 (en) | Fire protection method and fire protection system | |
CN104267346A (zh) | 一种发电机励磁系统故障远程诊断方法 | |
CN112988895A (zh) | 一种基于区块链的工业装备故障定位追溯方法及系统 | |
CN110531656A (zh) | 一种水电机组性能的监测系统和方法 | |
Ficco et al. | An event correlation approach for fault diagnosis in scada infrastructures | |
CN114330740A (zh) | 一种基于联邦学习的制造业装备故障监测模型训练系统 | |
CN115395657A (zh) | 一种基于云计算的智慧城市监视方法 | |
CN116257021A (zh) | 一种工控系统智能网络安全态势监测预警平台 | |
CN104238509A (zh) | 一种数据采集远程监控系统 | |
CN116880320A (zh) | 一种热力管网调度监控方法及监控平台、装置、存储介质 | |
CN115378711A (zh) | 一种工控网络的入侵检测方法和系统 | |
CN113919572A (zh) | 一种负荷预测方法、装置及系统 | |
CN215071803U (zh) | 变电站在线监测系统 | |
CN113222426A (zh) | 基于区块链和物联网的电力设备质量全寿命管控系统 | |
CN113301560A (zh) | 一种电力物联网终端控制方法和系统 |
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 |