CN113808727B - 设备监控方法、装置、计算机设备和可读存储介质 - Google Patents
设备监控方法、装置、计算机设备和可读存储介质 Download PDFInfo
- Publication number
- CN113808727B CN113808727B CN202111095130.4A CN202111095130A CN113808727B CN 113808727 B CN113808727 B CN 113808727B CN 202111095130 A CN202111095130 A CN 202111095130A CN 113808727 B CN113808727 B CN 113808727B
- Authority
- CN
- China
- Prior art keywords
- state data
- equipment
- tested
- performance degradation
- data
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 86
- 238000012544 monitoring process Methods 0.000 title claims abstract description 77
- 230000015556 catabolic process Effects 0.000 claims description 114
- 238000006731 degradation reaction Methods 0.000 claims description 114
- 238000001514 detection method Methods 0.000 claims description 42
- 230000007613 environmental effect Effects 0.000 claims description 28
- 238000012360 testing method Methods 0.000 claims description 26
- 238000004590 computer program Methods 0.000 claims description 25
- 230000001276 controlling effect Effects 0.000 description 13
- 230000006870 function Effects 0.000 description 6
- 238000012549 training Methods 0.000 description 5
- 230000002596 correlated effect Effects 0.000 description 4
- 238000012423 maintenance Methods 0.000 description 4
- 230000000875 corresponding effect Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000012806 monitoring device Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/40—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the management of medical equipment or devices, e.g. scheduling maintenance or upgrades
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- General Business, Economics & Management (AREA)
- Medical Informatics (AREA)
- Theoretical Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Human Resources & Organizations (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Epidemiology (AREA)
- Operations Research (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Artificial Intelligence (AREA)
- Strategic Management (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Economics (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Testing And Monitoring For Control Systems (AREA)
- Debugging And Monitoring (AREA)
Abstract
本申请涉及一种设备监控方法、装置、计算机设备和可读存储介质,该方法通过获取待测设备的第一状态数据;将该第一状态数据输入数字孪生模型,得到第二状态数据;基于数字孪生模型,根据第一状态数据和第二状态数据,对待测设备进行监控。本申请涉及的设备监控方法无需在待测设备中加装传感器,根据数字孪生模型和获取的第一状态数据,可以得到待测设备的第二状态数据,从而可以得到待测设备的完整的状态数据。
Description
技术领域
本申请涉及数据处理技术领域,特别是涉及一种设备监控方法、装置、计算机设备和可读存储介质。
背景技术
在医疗领域,为了保证医疗设备的正常使用,需要对医疗设备进行实时监控,以便于及时获取医疗设备的运行状态的信息,从而为医疗设备维护、检修或医疗设备中的部件更换等工作提供参考,以确保医疗设备的正常运行。
传统技术中,获取医疗设备的运行状态数据的主要方式是通过在医疗设备中的部件中安装各类传感器,收集各类传感器的数据,以获取医疗设备的完整的运行状态数据。
然而,在实际应用场景中,在现有的医疗设备中普遍存在的传感器较少,若要加装传感器需要中断医疗设备的相关业务,会造成损失。若不加装传感器,无法获取医疗设备的完整的运行状态数据。
发明内容
基于此,有必要针对上述技术问题,提供一种设备监控方法、装置、计算机设备和可读存储介质。
第一方面,本申请一个实施例提供一种设备监控方法,包括:
获取待测设备的第一状态数据;第一状态数据是指待测设备运行过程中的部分数据;
将第一状态数据输入数字孪生模型,得到第二状态数据;第二状态数据是指对待测设备进行监控时除第一状态数据外所需的数据;数字孪生模型是根据物理样机运行过程中的状态数据确定的,物理样机的状态数据包括对物理样机进行监控所需的所有状态数据,物理样机和待测设备的运行状态相同;
基于数字孪生模型,根据第一状态数据和第二状态数据,对待测设备进行监控。
在其中一个实施例中,数据孪生模型包括关联模型,将第一状态数据输入数字孪生模型,得到第二状态数据,包括:
将第一状态数据输入关联模型,得到与第一状态数据关联的第二状态数据;关联模型是根据物理样机运行过程中的状态数据确定的。
在其中一个实施例中,第一状态数据包括传感器数据,传感器数据是设置于待测设备的传感器获取的数据。
在其中一个实施例中,数字孪生模型包括环境模型,设备监控方法还包括:
获取环境数据样本,并根据环境数据样本确定环境模型。
在其中一个实施例中,数字孪生模型包括性能退化检测模型,基于数字孪生模型,根据第一状态数据和第二状态数据,对待测设备进行监控,包括:
将第一状态数据和第二状态数据输入性能退化检测模型,得到性能退化检测结果;
根据性能退化检测结果,确定待测设备的性能退化等级,以对待测设备进行监控。
在其中一个实施例中,设备监控方法还包括:
根据性能退化等级与第一预设等级阈值,向待测设备发送控制指令,控制指令用于控制待测设备的工作状态。
在其中一个实施例中,第一预设等级阈值包括第一阈值和第二阈值,根据性能退化等级与第一预设等级阈值,向待测设备发送控制指令,包括:
若性能退化等级达到第一阈值,向待测设备发送第一控制指令,第一控制指令用于调整待测设备的参数;
若性能退化等级达到第二阈值,向待测设备发送第二控制指令,第二控制指令用于控制待测设备停止工作。
第二方面,本申请一个实施例提供一种设备监控装置,包括:
获取模块,用于获取待测设备的第一状态数据;第一状态数据是指待测设备运行过程中的部分数据;
确定模块,用于将第一状态数据输入数字孪生模型,得到第二状态数据;第二状态数据是指对待测设备进行监控时除第一状态数据外所需的数据;数字孪生模型是根据物理样机运行过程中的状态数据确定的,物理样机的状态数据包括对物理样机进行监控所需的所有状态数据,物理样机和待测设备的运行状态相同;
监控模块,用于基于数字孪生模型,根据第一状态数据和第二状态数据,对待测设备进行监控。
第三方面,本申请一个实施例提供一种计算机设备,包括存储器和处理器,存储器存储有计算机程序,处理器执行计算机程序时实现如上述实施例提供的方法的步骤。
第四方面,本申请一个实施例还提供一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现如上述实施例提供的方法的步骤。
本申请实施例提供一种设备监控方法、装置、计算机设备和可读存储介质。设备监控方法通过获取待测设备的第一状态数据;将第一状态数据输入数字孪生模型,得到第二状态数据;基于数字孪生模型,根据第一状态数据和第二状态数据对待测设备进行监控。本申请实施例提供的设备监控方法在只需要获取待测设备运行过程中的部分数据(第一状态数据)的情况下,根据数字孪生模型和第一状态数据可以得到第二状态数据,从而可以得到待测设备的完整运行状态数据,进而可以根据待测设备的完整运行数据对待测设备进行准确的监控。这样无需在待测设备中加装传感器就可以获取待测设备的完整运行状态数据,不会发生中断待测设备造成损失的情况。
附图说明
为了更清楚地说明本申请实施例或传统技术中的技术方案,下面将对实施例或传统技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域不同技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本申请一个实施例提供的设备监控方法的步骤流程示意图;
图2为本申请一个实施例提供的设备监控方法的步骤流程示意图;
图3为本申请一个实施例提供的设备监控方法的步骤流程示意图;
图4为本申请一个实施例提供的设备监控方法的步骤流程示意图;
图5为本申请一个实施例提供的设备监控装置的结构示意图;
图6为本申请一个实施例提供的计算机设备的结构示意图。
具体实施方式
为使本申请的上述目的、特征和优点能够更加明显易懂,下面结合附图对本申请的具体实施方式做详细的说明。在下面的描述中阐述了很多具体细节以便于充分理解本申请。但是本申请能够以很多不同于在此描述的其它方式来实施,本领域技术人员可以在不违背本申请内涵的情况下做类似改进,因此本申请不受下面公开的具体实施例的限制。
本文中为部件所编序号本身,例如“第一”、“第二”等,仅用于区分所描述的对象,不具有任何顺序或技术含义。
为了保证医疗设备的正常使用,需要对医疗设备进行实时监控,以便于及时获取医疗设备的运行状态的信息,从而为医疗设备的维护、检修或医疗设备中部件的更换等提供参考。对医疗设备进行实时监控时需要获取医疗设备的完整运行状态数据。现有技术中,主要通过在医疗设备的各部件上安装各类传感器,通过传感器获取设备的运行状态数据。然而,在实际应用场景中,若通过在使用中的医疗设备中加装传感器来获取完整的运行状态数据,这样需要中断医疗设备的相关业务,会造成一定的损失。对于使用中的医疗设备,会存在传感器设置较少,无法获取医疗设备的完整的运行状态数据,从而无法对医疗设备的运行状态进行准确的监控。对此,本申请提供一种设备监控方法。
本申请提供的设备监控方法可以通过计算机设备实现。计算机设备包括但不限于控制芯片、个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备。本申请提供的方法可以通过JAVA软件实现,也可以应用于其他软件。
下面以具体的实施例对本申请的技术方案以及本申请的技术方案如何解决技术问题进行详细说明。下面这几个具体的实施例可以相互结合,对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图,对本申请的实施例进行描述。
请参见图1,本申请一个实施例提供一种设备监控方法。本申请实施例以计算机设备为执行主体对设备监控方法进行具体描述,该方法的步骤包括:
步骤100、获取待测设备的第一状态数据;第一状态数据是指待测设备运行过程中的部分数据。
计算机设备获取待测设备的第一状态数据。待测设备是指需要进行监控的设备。第一状态数据是指在对待测设备进行监控时可以获取的部分数据。第一状态数据可以是通过售后运维数据库中获取的数据,也可以是通过与待测设备相关联的设备获取的待测设备的状态数据。本实施例对获取第一状态数据的具体方法不作限制,只要能够实现其功能即可。
步骤110、将第一状态数据输入数字孪生模型,得到第二状态数据;第二状态数据是指对待测设备进行监控时除第一状态数据外所需的数据;数字孪生模型是根据物理样机运行过程中的状态数据确定的,物理样机的状态数据包括对物理样机进行监控所需的所有状态数据,物理样机和所述待测设备的运行状态相同。
计算机设备在得到待测设备的第一状态数据后,将其输入已经建立好的数字孪生模型中,该数字孪生模型通过第一状态数据可以得到待测设备的第二状态数据。第二状态数据是指在对待测设备进行监控时除了已经获取的第一状态数据之外还需要获取的状态数据。第一状态数据和第二状态数据组成了对待测设备进行监控时所需的完整的状态数据。数字孪生模型的建立可以机器学习算法,机器学习算法包括但不限于回归分析、关联规则和时间序列预测等算法。一个物理样机对应一个数字孪生模型,同时,一个物理样机对应一个待测设备,则一个数字孪生模型对应一个待测设备。本实施例对根据第一状态数据和数字孪生模型,得到第二状态数据的过程不作限制,只要能够实现其功能即可。
数字孪生模型是充分利用物理样机运行过程中的状态数据,在虚拟空间中完成映射得到的,可以反映相对应的物理样机的全生命周期的过程。换句话说,数字孪生模型是指物理样机的虚拟模型。物理样机与待测设备的运行状态相同,换句话说,物理样机与待测设备的性能相同,且物理样机与待测设备可以实现的功能相同。通过数字孪生模型可以实现对物理样机的监控,由于物理样机与待测设备运行状态相同,则通过数据孪生模型也可以实现对待测设备的监控。本实施例对获取物理样机运行过程中的状态数据的获取方法不作限制,只要能够实现其功能即可。
在一个可选的实施例中,在物理样机上安装有各类传感器,通过各类传感器可以获取对物理样机进行监控时所需的所有运行状态数据。物理样机运行过程中的状态数据可以是预先获取并存储在计算机设备的存储器中,也可以是在需要时从安装在物理样机中的传感器中获取。
在另一个可选的实施例中,物理样机运行过程中的状态数据可以是从售后运维数据库中获取的。售后运维数据库中包括物理样机中各部件的损坏时间和原因等状态数据。
步骤120、基于数字孪生模型,根据第一状态数据和第二状态数据,对待测设备进行监控。
计算机设备在得到待测设备的第一状态数据和第二状态数据后,即待测设备的完整的运行状态数据后,基于数字孪生模型,可以实现对待测设备的监控。
本申请实施例提供的设备监控方法通过获取待测设备的第一状态数据;将第一状态数据输入数字孪生模型,得到第二状态数据;基于数字孪生模型,根据第一状态数据和第二装特斯数据对待测设备进行监控。本申请实施例提供的设备监控方法在只需要在获取待测设备运行过程中的部分数据(第一状态数据)的情况下,根据数字孪生模型和第一状态数据可以得到第二状态数据,可以得到待测设备的完整运行状态数据,从而可以根据待测设备的完整运行数据对待测设备进行准确的监控。这样无需在待测设备中加装传感器就可以获取待测设备的完整运行状态数据,不会发生中断待测设备造成损失的情况。并且,在大规模物联网场景中,可以节省大量的网络流量,避免大量的状态数据的传输引起网络拥塞,能够缓解网络压力。
请参见图2,在一个实施例中,数据孪生模型包括关联模型,将第一状态数据输入数字孪生模型,得到第二状态数据的一种可能的实现方法的步骤包括:
步骤200、将第一状态数据输入关联模型,得到与第一状态数据关联的第二状态数据;关联模型是根据物理样机运行过程中的状态数据确定的。
计算机设备得到待测设备的第一状态数据后,将其输入预先建立的关联模型中,可以得到与第一状态数据相关联的第二状态数据。关联模型是计算机设备根据物理样机运行状态中的状态数据确定的。计算机设备在得到物理样机运行状态数据后,计算运行状态数据之间的关联关系,得到关联模型。关联模型中包括第一状态数据和第二状态数据之间的关联关系,计算机设备根据第一状态数据以及第一状态数与第二状态数据之间的关联关系,可以得到第二状态数据。
在一个可选的实施例中,关联模型建立的具体过程为:计算机设备获取物理样机的运行状态数据样本集。运行状态数据样本集中包括多组运行状态数据样本,每组运行状态数据包括各类传感器获取的状态数据。计算机设备根据每组运行状态数据样本对初始关联模型进行无监督的训练,得到最优的关联模型。
在本实施例中,通过使用预先建立好的关联模型,可以快速的获取与第一状态数据相关联的第二状态数据,从而可以快速的根据第一状态数据和第二状态数据对待测设备进行监控。
在一个实施例中,第一状态数据包括传感器数据,传感器数据是设置于待测设备的传感器获取的数据。换句话说,待测设备中设置有少量的传感器,通过这些传感器可以获取第一状态数据。
在本实施例中,对于设置有少量传感器的待测设备,首先通过设置的传感器获取待测设备的第一状态数据,然后将获取的第一状态数据输入数字孪生模型(即数字孪生模型中的关联模型)中,就可以获取第二状态数据。这样获取第二状态数据时,无需在待测设备中加装获取第二状态数据所需的传感器,从而可以无需中断待测设备的相关业务,进而能够避免造成中断待测设备造成的损失。另外,这样无需设置大量的传感器上传待测设备的运行状态数据,能够减少待测设备的能耗,从而更加节能环保。
请继续参见图2,在一个实施例中,数字孪生模型包括环境模型,设备监控方法还包括:
步骤210、获取环境数据样本,并根据环境数据样本确定环境模型。
环境数据样本可以是预先存储在计算机设备的存储器中,计算机设备在需要训练环境模型时,从存储器中获取环境数据样本,对环境模型进行训练。环境数据样本可以包括温度、湿度、电磁干扰和墙体屏蔽等。
在环境数据发生变化时,物理样机中的运行过程中的状态数据之间的关联关系会发生变化。因此,在本实施例中,在数字孪生模型中设置的环境模型,根据环境模型可以对关联模型进行优化,这样可以适用于在不同环境下,得到准确的第二状态数据,从而能够实现对待测设备的准确监控。
请参见图3,在一个实施例中,数字孪生模型包括性能退化检测模型,基于数字孪生模型,根据第一状态数据和第二状态数据,对待测设备进行监控的一种可能的实现方式的步骤包括:
步骤300、将第一状态数据和第二状态数据输入性能退化检测模型,得到性能退化检测结果;性能退化检测模型是根据物理样机运行过程中的状态数据确定的。
计算机设备在得到待测设备的第一状态数据和第二状态数据后,将其输入预先建立好的性能退化检测模型,可以得到对待测设备的性能退化检测结果。
性能退化检测模型是根据物理样机运行过程中的状态数据确定的。对物理样机运行过程的状态数据的描述可以参考上述实施例中的具体描述,在此不再赘述。性能退化检测结果可以是指待测设备的性能退化的程度。性能退化的程度可以用百分比或者其他方式表示,本实施例对此不作限制。性能退化检测结果可以是工作人员根据实际应用需要设置的。示例性地,待测设备为医疗影像设备,工作人员需要关注影像设备的某部件参数的变化(性能退化)会影响拍片质量和设备寿命等,会将这些参数作为性能退化检测的参数,将这些参数的变化作为性能退化检测结果输出。
在一个可选的实施例中,计算机设备根据物理样机运行过程中的状态数据样本集,对物理样机运行过程中的状态数据样本集的描述可以参考上述实施例中的描述,在此不再赘述。计算机设备根据物理样机运行过程中的状态数据样本集中的每组物理样机运行过程中的状态数据样本对物理样机进行性能退化分析,得到性能退化结果样本集。计算机设备根据物理样机运行过程中的状态数据样本集和性能退化结果样本集对初始性能退化检测模型进行有监督的训练,得到性能退化检测模型。初始性能退化检测模型可以是机器学习模型。本实施例对具体的训练过程以及初始性能退化检测模型的种类不作限制,只要能够实现其功能即可。
步骤310、根据性能退化检测结果,确定待测设备的性能退化等级,以对待测设备进行监控。
计算机设备得到的性能退化检测结果,可以确定待测设备的性能退化等级,根据性能退化等级实现对待测设备的监控。待测设备的性能退化等级用于表征待测设备的性能退化的程度,待测设备的性能退化等级越高,说明待设备性能退化的程度越高。性能退化等级包括多个等级,示例性地,等级A,等级B和等级C。计算机设备根据性能退化检测结果确定待测设备的性能退化等级属于性能退化等级中的哪个等级。
在一个可选的实施例中,性能退化检测结果是用百分比表示的,性能退化等级是按照百分比划分的。示例性地,性能退化等级中的等级A为80%-100%,等级B为50%-80%,等级C为30%-50%。若计算机设备得到的性能退化结果为60%,则可以确定待测设备的性能退化等级为等级B。
在本实施例中,根据预先建立的性能退化模型,可以快速地根据待测设备的第一状态数据和第二状态数据对待测设备的性能退化结果进行检测,从而可以及时准确的对待测设备进行监控。
请参见图4,在一个实施例中,设备监控方法还包括:
步骤400、根据性能退化等级与第一预设等级阈值,向待测设备发送控制指令,控制指令用于控制待测设备的工作状态。
计算机设备在得到性能退化等级后,将其与第一预设等级阈值进行对比,根据对比结果向待测设备发送用于控制待测设备的工作状态的控制指令。待测设备的工作状态可以包括待测设备停止工作,待测设备中某部件的停止工作或者待测设备中某部件的工作参数的调整。第一预设等级阈值可以是由工作人员根据根据实际经验预先设置的。第一预设等级阈值可以预先存储在计算机设备的存储器中,计算机设备在需要时直接获取即可。
在一个可选的实例中,计算机设备在将性能退化等级与第一预设等级阈值对比后,确定性能退化等级大于第一预设等级阈值,则向待测设备发送控制待测设备的工作状态的控制指令。
在一个具体的实施例中,若第一预设等级阈值为等级B。计算机设备确定待测设备的性能为等级B,则计算机设备会向待测设备发送控制待测设备的工作状态的控制指令。
请继续参见图4,在一个实施例中,第一预设等级阈值包括第一阈值和第二阈值,第二阈值大于第一阈值。根据性能退化等级与第一预设等级阈值,向待测设备发送控制指令的一种可能的实现方法的步骤包括:
步骤410、若性能退化等级达到第一阈值,向待测设备发送第一控制指令,第一控制指令用于调整待测设备的参数。
计算机设备在得到待测设备的性能退化等级后,将其与第一阈值进行对比,若待测设备的性能退化等级达到第一阈值,换句话说,若待测设备的性能退化等级大于第一阈值,则计算机设备向待测设备发送第一控制指令,该第一控制指令用于调整待测设备的参数。也就是说,若待测设备的性能退化等级达到第一阈值时,表明待测设备的性能退化等级还较低,则可以通过调节待测设备的工作参数,减缓待测设备的性能的退化。调整待测设备的参数具体的可以是调整待测设备的某个部件的参数。具体的调节方式可以是工作人员根据实际情况设置的,在此不作限制。
步骤420、若性能退化等级达到第二阈值,向待测设备发送第二控制指令,第二控制指令用于控制待测设备停止工作。
计算机设备在得到待测设备的性能退化等级后,将其与第二阈值对比,若待测设备的性能退化等级达到第二阈值,换句话说,若待测设备的性能退化等级大于第二阈值,则计算机设备向待测设备发送第二控制指令,该第二控制指令用于控制待测设备停止工作。也就是说,若待测设备的性能退化等级达到第二阈值时,表明待测设备的性能退化等级较高,会影响待测设备的正常工作,则此时需要对待测设备进行强制关闭,使其停止工作。
请继续参见图4,在一个实施例中,设备监控方法还包括:
步骤430、根据性能退化等级和第二预设等级阈值,向待测设备关联的用户终端发送警示信息。
计算机设备在得到待测设备的性能退化等级后,将其与第二预设等级阈值进行对比,根据对比结果向待测设备关联的用户终端发送警示信息。该警示信息可以是警示铃,也可以是警示语音,还可以是在用户终端上显示警示语句等。本实施例对警示信息的形式不作限制,只要能够实现其功能即可。第二预设等级阈值小于第一预设等级阈值。对第二预设等级阈值的描述可以参考上述对第一预设等级阈值的具体描述,在此不再赘述。
在一个可选的实施例中,计算设备在将性能退化等级与第二预设等级阈值对比后,确定性能退化等级大于第二预设等级阈值,则向待测设备关联的用户终端发送警示信息。
在本实施例中,对于待测设备的性能等级设置了相对应的运维策略,这样能够智能化的对待测设备的运维进行管理,提高了本申请提供的设备监控方法的实用性。
在一个实施例中,设备监控方法还包括:
将第一状态数据和第二状态数据作为数字孪生模型的训练样本对数字孪生模型进行训练。
计算机设备在得到第一状态数据和第二状态数据后,将其作为确定数字孪生模型的确定样本,对数字孪生模型进行训练。这样可以增加确定数字孪生模型的样本,从而可以对数字孪生模型进行优化,使得使用数字孪生模型得到的第二状态数据更加准确,从而能够提高对待测设备监控时的准确性。
应该理解的是,虽然图中的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
请参见图5,本申请一个实施例提供一种设备监控装置10,该装置包括获取模块11、确定模块12和监控模块13。其中,
获取模块11用于获取待测设备的第一状态数据;第一状态数据是指待测设备运行过程中的部分数据;
确定模块12用于将第一状态数据输入数字孪生模型,得到第二状态数据;第二状态数据是指对待测设备进行监控时除第一状态数据外所需的数据;数字孪生模型是根据物理样机运行过程中的状态数据确定的,物理样机的状态数据包括对物理样机进行监控所需的所有状态数据,物理样机和待测设备的运行状态相同;
监控模块13用于基于数字孪生模型,根据第一状态数据和第二状态数据,对待测设备进行监控。
在一个实施例中,确定模块12还用于将第一状态数据输入关联模型,得到与第一状态数据关联的第二状态数据;关联模型是根据物理样机运行过程中的状态数据确定的。
在一个实施例中,第一状态数据包括传感器数据,传感器数据是设置于待测设备的传感器获取的数据。
在一个实施例中,设备监控装置10还包括获取单元,获取单元用于获取环境数据样本,并根据所述环境数据样本确定所述环境模型。
在一个实施例中,确定模块12包括第一确定单元和第二确定单元。其中,第一确定单元用于将第一状态数据和第二状态数据输入性能退化检测模型,得到性能退化检测结果;性能退化检测模型是根据物理样机运行过程中的状态数据确定的;第二确定单元用于根据性能退化检测结果,确定待测设备的性能退化等级,以对待测设备进行监控。
在一个实施例中,设备监控装置10还包括发送模块。发送模块用于根据性能退化等级与第一预设等级阈值,向待测设备发送控制指令,控制指令用于控制待测设备的工作状态。
在一个实施例中,发送模块包括第一发送单元和第二发送单元,其中,第一发送单元用于若性能退化等级达到第一阈值,向待测设备发送第一控制指令,第一控制指令用于调整待测设备的参数;第二发送单元用于若性能退化等级达到第二阈值,向待测设备发送第二控制指令,第二控制指令用于控制待测设备停止工作。
关于上述设备监控装置10的具体限定可以参见上文中对于设备监控方法的限定,在此不在赘述。设备监控装置10中的各个模块可以全部或部分通过软件、硬件及其组合来实现。上述各装置、各模块或者各单元可以以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个装置或模块对应的操作。
请参见图6,在一个实施例中,提供了一种计算机设备,计算机设备可以是服务器,其内部结构图可以如图6所示。计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中,计算机设备的处理器用于提供计算和控制能力。计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。计算机设备的数据库用于存储第一状态数据和数字孪生模型等。计算机设备的网络接口用于与外部的终端通过网络连接通信。计算机设备被处理器执行时以实现一种设备监控方法。
本领域技术人员可以理解,图6中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,处理器执行计算机程序时实现以下步骤:
获取待测设备的第一状态数据;第一状态数据是指待测设备运行过程中的部分数据;
将第一状态数据输入数字孪生模型,得到第二状态数据;第二状态数据是指对待测设备进行监控时除第一状态数据外所需的数据;数字孪生模型是根据物理样机运行过程中的状态数据确定的,物理样机的状态数据包括对物理样机进行监控所需的所有状态数据,物理样机和待测设备的运行状态相同;
基于数字孪生模型,根据第一状态数据和第二状态数据,对待测设备进行监控。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:将第一状态数据输入关联模型,得到与第一状态数据关联的第二状态数据;关联模型是根据物理样机运行过程中的状态数据确定的。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:第一状态数据包括传感器数据,传感器数据是设置于待测设备的传感器获取的数据。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:获取环境数据样本,并根据环境数据样本确定环境模型。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:将第一状态数据和第二状态数据输入性能退化检测模型,得到性能退化检测结果;性能退化检测模型是根据物理样机运行过程中的状态数据确定的;根据性能退化检测结果,确定待测设备的性能退化等级,以对待测设备进行监控。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:根据性能退化等级与第一预设等级阈值,向待测设备发送控制指令,控制指令用于控制待测设备的工作状态。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:若性能退化等级达到第一阈值,向待测设备发送第一控制指令,第一控制指令用于调整待测设备的参数;若性能退化等级达到第二阈值,向待测设备发送第二控制指令,第二控制指令用于控制待测设备停止工作。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
获取待测设备的第一状态数据;第一状态数据是指待测设备运行过程中的部分数据;
将第一状态数据输入数字孪生模型,得到第二状态数据;第二状态数据是指对待测设备进行监控时除第一状态数据外所需的数据;数字孪生模型是根据物理样机运行过程中的状态数据确定的,物理样机的状态数据包括对物理样机进行监控所需的所有状态数据,物理样机和待测设备的运行状态相同;
基于数字孪生模型,根据第一状态数据和第二状态数据,对待测设备进行监控。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:将第一状态数据输入关联模型,得到与第一状态数据关联的第二状态数据;关联模型是根据物理样机运行过程中的状态数据确定的。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:第一状态数据包括传感器数据,传感器数据是设置于待测设备的传感器获取的数据。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:获取环境数据样本,并根据环境数据样本确定环境模型。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:将第一状态数据和第二状态数据输入性能退化检测模型,得到性能退化检测结果;性能退化检测模型是根据物理样机运行过程中的状态数据确定的;根据性能退化检测结果,确定待测设备的性能退化等级,以对待测设备进行监控。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:根据性能退化等级与第一预设等级阈值,向待测设备发送控制指令,控制指令用于控制待测设备的工作状态。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:若性能退化等级达到第一阈值,向待测设备发送第一控制指令,第一控制指令用于调整待测设备的参数;若性能退化等级达到第二阈值,向待测设备发送第二控制指令,第二控制指令用于控制待测设备停止工作。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种设备监控方法,其特征在于,包括:
获取待测设备的第一状态数据;所述第一状态数据是指所述待测设备运行过程中的部分数据;
将所述第一状态数据输入数字孪生模型,得到第二状态数据;所述第二状态数据是指对所述待测设备进行监控时除所述第一状态数据外所需的数据;所述数字孪生模型是根据物理样机运行过程中的状态数据确定的,所述物理样机的状态数据包括对所述物理样机进行监控所需的所有状态数据,所述物理样机和所述待测设备的运行状态相同;
基于所述数字孪生模型,根据所述第一状态数据和所述第二状态数据,对所述待测设备进行监控;
其中,所述数字孪生模型包括性能退化检测模型,所述基于所述数字孪生模型,根据所述第一状态数据和所述第二状态数据,对所述待测设备进行监控,包括:
将所述第一状态数据和所述第二状态数据输入所述性能退化检测模型,得到性能退化检测结果;
根据所述性能退化检测结果,确定所述待测设备的性能退化等级,以对所述待测设备进行监控。
2.根据权利要求1所述的设备监控方法,其特征在于,所述数字孪生模型包括关联模型,所述将所述第一状态数据输入数字孪生模型,得到第二状态数据,包括:
将所述第一状态数据输入所述关联模型,得到与所述第一状态数据关联的第二状态数据;所述关联模型是根据所述物理样机运行过程中的状态数据确定的。
3.根据权利要求1所述的设备监控方法,其特征在于,所述第一状态数据包括传感器数据,所述传感器数据是设置于所述待测设备的传感器获取的数据。
4.根据权利要求1所述的设备监控方法,其特征在于,所述数字孪生模型包括环境模型,所述方法还包括:
获取环境数据样本,并根据所述环境数据样本确定所述环境模型。
5.根据权利要求1所述的设备监控方法,其特征在于,所述方法还包括:
根据所述性能退化等级与第一预设等级阈值,向所述待测设备发送控制指令,所述控制指令用于控制所述待测设备的工作状态。
6.根据权利要求5所述的设备监控方法,其特征在于,所述第一预设等级阈值包括第一阈值和第二阈值,所述根据所述性能退化等级与第一预设等级阈值,向所述待测设备发送控制指令,包括:
若所述性能退化等级达到第一阈值,向所述待测设备发送第一控制指令,所述第一控制指令用于调整所述待测设备的参数;
若所述性能退化等级达到第二阈值,向所述待测设备发送第二控制指令,所述第二控制指令用于控制所述待测设备停止工作。
7.根据权利要求5所述的设备监控方法,其特征在于,所述方法还包括:
根据所述性能退化等级与第二预设等级阈值,向所述待测设备关联的用户终端发送警示信息;所述第二预设等级预设小于所述第一预设等级阈值。
8.一种设备监控装置,其特征在于,包括:
获取模块,用于获取待测设备的第一状态数据;所述第一状态数据是指所述待测设备运行过程中的部分数据;
确定模块,用于将所述第一状态数据输入数字孪生模型,得到第二状态数据;所述第二状态数据是指对所述待测设备进行监控时除所述第一状态数据外所需的数据;所述数字孪生模型是根据物理样机运行过程中的状态数据确定的,所述物理样机的状态数据包括对所述物理样机进行监控所需的所有状态数据,所述物理样机和所述待测设备的运行状态相同;所述数字孪生模型包括性能退化检测模型;
监控模块,用于基于所述数字孪生模型,根据所述第一状态数据和所述第二状态数据,对所述待测设备进行监控;
所述确定模块包括第一确定单元和第二确定单元,所述第一确定单元用于将所述第一状态数据和所述第二状态数据输入所述性能退化检测模型,得到性能退化检测结果;所述第二确定单元根据所述性能退化检测结果,确定所述待测设备的性能退化等级,以对所述待测设备进行监控。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111095130.4A CN113808727B (zh) | 2021-09-17 | 2021-09-17 | 设备监控方法、装置、计算机设备和可读存储介质 |
US17/932,283 US20230082761A1 (en) | 2021-09-14 | 2022-09-14 | Systems and methods for device monitoring |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111095130.4A CN113808727B (zh) | 2021-09-17 | 2021-09-17 | 设备监控方法、装置、计算机设备和可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113808727A CN113808727A (zh) | 2021-12-17 |
CN113808727B true CN113808727B (zh) | 2024-04-26 |
Family
ID=78895836
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111095130.4A Active CN113808727B (zh) | 2021-09-14 | 2021-09-17 | 设备监控方法、装置、计算机设备和可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113808727B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI808762B (zh) * | 2022-05-18 | 2023-07-11 | 動力安全資訊股份有限公司 | 異常事件監控方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020147949A1 (en) * | 2019-01-16 | 2020-07-23 | Telefonaktiebolaget Lm Ericsson (Publ) | System for emulating remote control of a physical robot |
CN112329183A (zh) * | 2020-11-06 | 2021-02-05 | 北京三一智造科技有限公司 | 设备状态数据获取方法、装置、电子设备及存储介质 |
CN112818595A (zh) * | 2021-01-28 | 2021-05-18 | 西安交通大学 | 一种火电厂蒸发区的数字孪生模型数据的修正方法及系统 |
CN113011085A (zh) * | 2021-02-26 | 2021-06-22 | 青岛弯弓信息技术有限公司 | 一种设备数字孪生建模方法及系统 |
CN113190886A (zh) * | 2021-04-28 | 2021-07-30 | 青岛赛普克有限元科技发展有限公司 | 一种基于快速仿真数字孪生技术的设备健康监测方法 |
CN115577641A (zh) * | 2022-11-14 | 2023-01-06 | 成都飞机工业(集团)有限责任公司 | 一种数字孪生模型的训练方法、装置、设备及介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3809220B1 (en) * | 2019-10-14 | 2023-01-18 | Honda Research Institute Europe GmbH | Method and system for semi-supervised deep anomaly detection for large-scale industrial monitoring systems based on time-series data utilizing digital twin simulation data |
-
2021
- 2021-09-17 CN CN202111095130.4A patent/CN113808727B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020147949A1 (en) * | 2019-01-16 | 2020-07-23 | Telefonaktiebolaget Lm Ericsson (Publ) | System for emulating remote control of a physical robot |
CN112329183A (zh) * | 2020-11-06 | 2021-02-05 | 北京三一智造科技有限公司 | 设备状态数据获取方法、装置、电子设备及存储介质 |
CN112818595A (zh) * | 2021-01-28 | 2021-05-18 | 西安交通大学 | 一种火电厂蒸发区的数字孪生模型数据的修正方法及系统 |
CN113011085A (zh) * | 2021-02-26 | 2021-06-22 | 青岛弯弓信息技术有限公司 | 一种设备数字孪生建模方法及系统 |
CN113190886A (zh) * | 2021-04-28 | 2021-07-30 | 青岛赛普克有限元科技发展有限公司 | 一种基于快速仿真数字孪生技术的设备健康监测方法 |
CN115577641A (zh) * | 2022-11-14 | 2023-01-06 | 成都飞机工业(集团)有限责任公司 | 一种数字孪生模型的训练方法、装置、设备及介质 |
Non-Patent Citations (1)
Title |
---|
航天器供配电系统数字伴飞技术应用研究;刘治钢;夏宁;杜青;;航天器工程;20201015(第05期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113808727A (zh) | 2021-12-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11120127B2 (en) | Reconstruction-based anomaly detection | |
CN112150311B (zh) | 能耗异常状态检测方法、装置、计算机设备和存储介质 | |
CN109586952B (zh) | 服务器扩容方法、装置 | |
CN112884199B (zh) | 水电站设备故障预测方法、装置、计算机设备和存储介质 | |
CN109992473B (zh) | 应用系统的监控方法、装置、设备及存储介质 | |
CN111325159B (zh) | 故障诊断方法、装置、计算机设备和存储介质 | |
CN112202726B (zh) | 一种基于上下文感知的系统异常检测方法 | |
CN115237710A (zh) | 服务器温度预测方法、装置、计算机设备和存储介质 | |
CN115829297B (zh) | 装配式建筑的工作包生成方法、装置、终端及存储介质 | |
CN113808727B (zh) | 设备监控方法、装置、计算机设备和可读存储介质 | |
CN113670434A (zh) | 变电站设备声音异常识别方法、装置和计算机设备 | |
CN112633583B (zh) | 发电机组振动预测方法、装置、计算机设备和存储介质 | |
CN113123955B (zh) | 柱塞泵异常检测方法、装置、存储介质及电子设备 | |
CN113110961A (zh) | 设备异常检测方法、装置、计算机设备及可读存储介质 | |
CN116914194A (zh) | 云端协同的燃料电池剩余使用寿命远程监控方法 | |
CN113222370B (zh) | 电力系统风险预警方法、装置、设备及存储介质 | |
CN116088333A (zh) | 工业设备控制方法、装置、计算机设备、存储介质和产品 | |
CN115526348A (zh) | 设备维护计划生成方法、装置、设备及存储介质 | |
CN113689042B (zh) | 监测节点的故障源预测方法 | |
CN110865939B (zh) | 应用程序质量监测方法、装置、计算机设备和存储介质 | |
CN117873690B (zh) | 运算器芯片功耗管理方法、计算子系统以及智能计算平台 | |
CN117367335B (zh) | 尾闸故障判定方法、装置、计算机设备、存储介质 | |
CN117519052B (zh) | 基于电子气体生产制造系统的故障分析方法及系统 | |
CN117194049B (zh) | 一种基于机器学习算法的云主机智能行为分析方法及系统 | |
CN113111854A (zh) | 电流信号提取方法、装置、计算机设备和存储介质 |
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 |