CN113836203A - 一种网络数据化诊断检测分析系统 - Google Patents

Abstract

本发明公开一种网络数据化诊断检测分析系统，包括电能计量模块，用于对设备所用电能进行统计监测；异常检测模块，用于对设备运行状况进行监测；诊断信息数据库，用于收集及储存异常训练数据信息及监测的异常数据信息；通过电能计量模块与异常检测模块监测与收集设备运行状态下的异常数据信息，并将数据信息导入诊断信息数据库，由系统自动构建故障特征模型，通过查询模块查知诊断信息数据库中对应的异常特征模型，通过比对模块与诊断信息数据库中查得的异常特征模型进行比对，通过分析比对后找到与异常特征模型相对应的故障诊断报告模板，通过故障诊断报告模块将故障信息内容及设备信息写入报告模板中，通过故障生成模块生成诊断报告。

Description

一种网络数据化诊断检测分析系统

技术领域

本发明属于网络数据化诊断检测相关技术领域，具体涉及一种网络数据化诊断检测分析系统。

背景技术

由于设备的高强度的运行为设备自身带来了大量故障，进而使维护人员难以快速查知及分析得出故障原因，因此需对其出现的故障在现场进行细致的分析，并实施检测技术保证它能正常工作。进而导致设备维护起来十分困难。

现有的网络数据化诊断检测分析系统技术存在以下问题：目前大部分的检测手段只能够对故障进行及时检测，而不能分析故障原因，无法快速得出诊断结果，进而影响维护效率，分析系统的数据库中存在着大量异常特征数据信息，进而占用系统空间使得系统处理反应慢、时间长，出错率高，同时需要定期修改数据库诊断的对比数据，十分麻烦。

发明内容

本发明的目的在于提供一种网络数据化诊断检测分析系统，以解决上述背景技术中提出的无法分析故障原因、异常特征数据信息占用系统空间与定期修改数据库的问题。

为实现上述目的，本发明提供如下技术方案：一种网络数据化诊断检测分析系统，包括：

电能计量模块，用于对设备所用电能进行统计监测；

异常检测模块，用于对设备运行状况进行监测；

诊断信息数据库，用于收集及储存异常训练数据信息及监测的异常数据信息；

智能云算法，用于对诊断信息数据库中收集的数据信息进行分析及运算处理；

所述诊断信息数据库包括异常数据分析模型与专业规则模型，所述智能云算法根据历史诊断信息数据化训练样本进行诊断训练，并能够写入诊断设备的故障特征及设备相关信息进而生成与该设备对应的报告模板；

通过所述电能计量模块与异常检测模块收集设备的异常数据信息，并导入诊断信息数据库，由系统自动构建故障特征模型，通过与诊断信息数据库中的异常数据分析模型与专业规则模型灵活比对，在报告模板上自动生成故障诊断报告，当无法找到现有诊断信息数据库中报告模板时，发出警示信息，可对诊断信息数据库中的异常数据分析模型与专业规则模型进行修改并更新。

优选的，所述专业规则模型包括：

信息输入模块，用于输入历史诊断信息数据及输入报告模板修改信息；

信息输出模块，用于将系统在诊断信息数据库下判定的诊断结果向外界输出；

修改模块，用于对诊断信息数据库中的报告模板进行在线修改；

警示模块，用于将无法匹配到现有诊断信息数据库中报告模板的故障特征模型标记，并提醒维护人员进行修正；

故障诊断报告模块，用于根据在诊断信息数据库中获取的故障诊断报告模板，并将诊断设备的故障特征及设备相关信息写入报告模板。

优选的，所述异常数据分析模型包括：

查询模块，用于根据构建的故障特征模型查询异常数据分析模型与专业规则模型中对应的报告模板；

比对模块，用于将故障特征模型与特征信息相近的报告模板相比对；

删除模块，用于删除原有诊断信息数据库中不适用于实际应用的异常特征模型；

更新模块，用于对修改后的诊断信息数据库中异常数据分析模型与专业规则模型进行自动更新；

故障生成模块，用于在将诊断设备的故障特征及设备相关信息写入报告模板后生成设备故障诊断报告。

优选的，所述报告模板的生成步骤包括：

步骤一：将历史诊断信息数据化并存储在系统中；

步骤二：系统利用智能云算法构建训练样本，进而进行智能结构化训练；

步骤三：根据结构化训练结果输入设备的故障特征及设备相关信息；

步骤四：通过系统自动识别后生成与该设备相对应的报告模板。

优选的，所述设备故障诊断报告的生成步骤包括：

步骤一：通过电能计量模块与异常检测模块监测与收集设备运行状态下的异常数据信息，并将数据信息导入诊断信息数据库，由系统自动构建故障特征模型；

步骤二：通过查询模块查知诊断信息数据库中对应的异常特征模型；

步骤三：通过比对模块与诊断信息数据库中查得的异常特征模型进行比对；

步骤四：通过分析比对后找到与异常特征模型相对应的故障诊断报告模板；

步骤五：通过故障诊断报告模块将故障信息内容及设备信息写入报告模板中；

步骤六：通过故障生成模块生成设备故障诊断报告。

优选的，所述诊断信息数据库的更新包括：

步骤一：通过电能计量模块与异常检测模块监测与收集设备运行状态下的异常数据信息，并将数据信息导入诊断信息数据库，由系统自动构建故障特征模型；

步骤二：通过查询模块查知诊断信息数据库中对应的异常特征模型；

步骤三：通过比对模块与诊断信息数据库中查得的异常特征模型进行比对；

步骤四：通过分析比对后无法找到与异常特征模型相对应的故障诊断报告模板；

步骤五：通过警示模块将无法匹配到现有诊断信息数据库中报告模板的故障特征模型进行标记，并由信息输出模块提醒维护人员进行修正；

步骤六：根据标记的故障特征模型，由信息输入模块输入报告模板的修改信息，通过修改模块对诊断信息数据库中异常特征模型进行修改；

步骤七：通过更新模块对修改后的诊断信息数据库中异常数据分析模型与专业规则模型进行自动更新；

步骤八：通过删除模块删除原有诊断信息数据库中不适用于实际应用的异常特征模型。

与现有网络数据化诊断检测分析系统技术相比，本发明提供了一种网络数据化诊断检测分析系统，具备以下有益效果：

1、本发明通过将历史诊断信息数据化并存储在系统中，由系统利用智能云算法构建训练样本，进而进行智能结构化训练，根据结构化训练结果输入设备的故障特征及设备相关信息，通过系统自动识别后生成与该设备相对应的报告模板；

2、本发明通过电能计量模块与异常检测模块监测与收集设备运行状态下的异常数据信息，并将数据信息导入诊断信息数据库，由系统自动构建故障特征模型，通过查询模块查知诊断信息数据库中对应的异常特征模型，通过比对模块与诊断信息数据库中查得的异常特征模型进行比对，通过分析比对后找到与异常特征模型相对应的故障诊断报告模板，通过故障诊断报告模块将故障信息内容及设备信息写入报告模板中，通过故障生成模块生成设备故障诊断报告；

3、本发明通过分析比对后无法找到与异常特征模型相对应的故障诊断报告模板，通过警示模块将无法匹配到现有诊断信息数据库中报告模板的故障特征模型进行标记，并由信息输出模块提醒维护人员进行修正，根据标记的故障特征模型，由信息输入模块输入报告模板的修改信息，通过修改模块对诊断信息数据库中异常特征模型进行修改，通过更新模块对修改后的诊断信息数据库中异常数据分析模型与专业规则模型进行自动更新，通过删除模块删除原有诊断信息数据库中不适用于实际应用的异常特征模型。

附图说明

附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制，在附图中：

图1为本发明提出的一种网络数据化诊断检测分析系统框架示意图；

图2为本发明提出的异常数据分析模型的模块结构示意图；

图3为本发明提出的专业规则模型的模块结构示意图；

图4为本发明提出的报告模板生成流程示意图；

图5为本发明提出的故障诊断报告生成流程示意图；

图6为本发明提出的诊断信息数据库更新流程示意图；

图中：100、异常数据分析模型；200、电能计量模块；300、异常检测模块；400、故障特征模型；500、专业规则模型；600、诊断信息数据库；700、智能云算法；101、查询模块；102、比对模块；103、删除模块；104、更新模块；105、故障生成模块；501、信息输入模块；502、信息输出模块；503、修改模块；504、警示模块；505、故障诊断报告模块。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

请参阅图1-图6，本发明提供一种技术方案：一种网络数据化诊断检测分析系统，包括：电能计量模块200，用于对设备所用电能进行统计监测；异常检测模块300，用于对设备运行状况进行监测；诊断信息数据库600，用于收集及储存异常训练数据信息及监测的异常数据信息；智能云算法700，用于对诊断信息数据库600中收集的数据信息进行分析及运算处理；

需要注意的是，诊断信息数据库600包括异常数据分析模型100与专业规则模型500，智能云算法700根据历史诊断信息数据化训练样本进行诊断训练，并能够写入诊断设备的故障特征及设备相关信息进而生成与该设备对应的报告模板；

值得了解的是，通过电能计量模块200与异常检测模块300收集设备的异常数据信息，并导入诊断信息数据库600，由系统自动构建故障特征模型400，通过与诊断信息数据库600中的异常数据分析模型100与专业规则模型500灵活比对，在报告模板上自动生成故障诊断报告，当无法找到现有诊断信息数据库600中报告模板时，发出警示信息，可对诊断信息数据库600中的异常数据分析模型100与专业规则模型500进行修改并更新。

其中专业规则模型500包括：信息输入模块501，用于输入历史诊断信息数据及输入报告模板修改信息；信息输出模块502，用于将系统在诊断信息数据库600下判定的诊断结果向外界输出；修改模块503，用于对诊断信息数据库600中的报告模板进行在线修改；警示模块504，用于将无法匹配到现有诊断信息数据库600中报告模板的故障特征模型400标记，并提醒维护人员进行修正；故障诊断报告模块505，用于根据在诊断信息数据库600中获取的故障诊断报告模板，并将诊断设备的故障特征及设备相关信息写入报告模板。

而异常数据分析模型100包括：查询模块101，用于根据构建的故障特征模型400查询异常数据分析模型100与专业规则模型500中对应的报告模板；比对模块102，用于将故障特征模型400与特征信息相近的报告模板相比对；删除模块103，用于删除原有诊断信息数据库600中不适用于实际应用的异常特征模型；更新模块104，用于对修改后的诊断信息数据库600中异常数据分析模型100与专业规则模型500进行自动更新；故障生成模块105，用于在将诊断设备的故障特征及设备相关信息写入报告模板后生成设备故障诊断报告。

基于上述结构模式，本发明具有以下三种功能：

功能一

可通过历史诊断信息进行智能结构化训练，并结合设备的故障特征及设备相关信息生成报告模板，报告模板的生成步骤包括：

步骤一：将历史诊断信息数据化并存储在系统中；

步骤二：系统利用智能云算法700构建训练样本，进而进行智能结构化训练；

步骤三：根据结构化训练结果输入设备的故障特征及设备相关信息；

步骤四：通过系统自动识别后生成与该设备相对应的报告模板。

功能二

可通过将异常数据信息导入诊断信息数据库600构建故障特征模型400，并找出对应的报告模板生成设备故障诊断报告，设备故障诊断报告的生成步骤包括：

步骤一：通过电能计量模块200与异常检测模块300监测与收集设备运行状态下的异常数据信息，并将数据信息导入诊断信息数据库600，由系统自动构建故障特征模型400；

步骤二：通过查询模块101查知诊断信息数据库600中对应的异常特征模型；

步骤三：通过比对模块102与诊断信息数据库600中查得的异常特征模型进行比对；

步骤四：通过分析比对后找到与异常特征模型相对应的故障诊断报告模板；

步骤五：通过故障诊断报告模块505将故障信息内容及设备信息写入报告模板中；

步骤六：通过故障生成模块105生成设备故障诊断报告。

功能三

能够在异常特征模型无法匹配对应的报告模板时自动发出警示信息，提示维护人员及时修改并对诊断信息数据库600进行更新，诊断信息数据库600的更新包括：

步骤一：通过电能计量模块200与异常检测模块300监测与收集设备运行状态下的异常数据信息，并将数据信息导入诊断信息数据库600，由系统自动构建故障特征模型400；

步骤二：通过查询模块101查知诊断信息数据库600中对应的异常特征模型；

步骤三：通过比对模块102与诊断信息数据库600中查得的异常特征模型进行比对；

步骤四：通过分析比对后无法找到与异常特征模型相对应的故障诊断报告模板；

步骤五：通过警示模块504将无法匹配到现有诊断信息数据库600中报告模板的故障特征模型400进行标记，并由信息输出模块502提醒维护人员进行修正；

步骤六：根据标记的故障特征模型400，由信息输入模块501输入报告模板的修改信息，通过修改模块503对诊断信息数据库600中异常特征模型进行修改；

步骤七：通过更新模块104对修改后的诊断信息数据库600中异常数据分析模型100与专业规则模型500进行自动更新；

步骤八：通过删除模块103删除原有诊断信息数据库600中不适用于实际应用的异常特征模型。

尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

Claims (6)

1.一种网络数据化诊断检测分析系统，其特征在于，包括：

电能计量模块（200），用于对设备所用电能进行统计监测；

异常检测模块（300），用于对设备运行状况进行监测；

诊断信息数据库（600），用于收集及储存异常训练数据信息及监测的异常数据信息；

智能云算法（700），用于对诊断信息数据库（600）中收集的数据信息进行分析及运算处理；

所述诊断信息数据库（600）包括异常数据分析模型（100）与专业规则模型（500），所述智能云算法（700）根据历史诊断信息数据化训练样本进行诊断训练，并能够写入诊断设备的故障特征及设备相关信息进而生成与该设备对应的报告模板；

通过所述电能计量模块（200）与异常检测模块（300）收集设备的异常数据信息，并导入诊断信息数据库（600），由系统自动构建故障特征模型（400），通过与诊断信息数据库（600）中的异常数据分析模型（100）与专业规则模型（500）灵活比对，在报告模板上自动生成故障诊断报告，当无法找到现有诊断信息数据库（600）中报告模板时，发出警示信息，可对诊断信息数据库（600）中的异常数据分析模型（100）与专业规则模型（500）进行修改并更新。

2.根据权利要求1所述的一种网络数据化诊断检测分析系统，其特征在于，所述专业规则模型（500）包括：

信息输入模块（501），用于输入历史诊断信息数据及输入报告模板修改信息；

信息输出模块（502），用于将系统在诊断信息数据库（600）下判定的诊断结果向外界输出；

修改模块（503），用于对诊断信息数据库（600）中的报告模板进行在线修改；

警示模块（504），用于将无法匹配到现有诊断信息数据库（600）中报告模板的故障特征模型（400）标记，并提醒维护人员进行修正；

故障诊断报告模块（505），用于根据在诊断信息数据库（600）中获取的故障诊断报告模板，并将诊断设备的故障特征及设备相关信息写入报告模板。

3.根据权利要求2所述的一种网络数据化诊断检测分析系统，其特征在于，所述异常数据分析模型（100）包括：

查询模块（101），用于根据构建的故障特征模型（400）查询异常数据分析模型（100）与专业规则模型（500）中对应的报告模板；

比对模块（102），用于将故障特征模型（400）与特征信息相近的报告模板相比对；

删除模块（103），用于删除原有诊断信息数据库（600）中不适用于实际应用的异常特征模型；

更新模块（104），用于对修改后的诊断信息数据库（600）中异常数据分析模型（100）与专业规则模型（500）进行自动更新；

故障生成模块（105），用于在将诊断设备的故障特征及设备相关信息写入报告模板后生成设备故障诊断报告。

4.根据权利要求2所述的一种网络数据化诊断检测分析系统，其特征在于，所述报告模板的生成步骤包括：

步骤一：将历史诊断信息数据化并存储在系统中；

步骤二：系统利用智能云算法（700）构建训练样本，进而进行智能结构化训练；

步骤三：根据结构化训练结果输入设备的故障特征及设备相关信息；

步骤四：通过系统自动识别后生成与该设备相对应的报告模板。

5.根据权利要求3所述的一种网络数据化诊断检测分析系统，其特征在于，所述设备故障诊断报告的生成步骤包括：

步骤一：通过电能计量模块（200）与异常检测模块（300）监测与收集设备运行状态下的异常数据信息，并将数据信息导入诊断信息数据库（600），由系统自动构建故障特征模型（400）；

步骤二：通过查询模块（101）查知诊断信息数据库（600）中对应的异常特征模型；

步骤三：通过比对模块（102）与诊断信息数据库（600）中查得的异常特征模型进行比对；

步骤四：通过分析比对后找到与异常特征模型相对应的故障诊断报告模板；

步骤五：通过故障诊断报告模块（505）将故障信息内容及设备信息写入报告模板中；

步骤六：通过故障生成模块（105）生成设备故障诊断报告。

6.根据权利要求3所述的一种网络数据化诊断检测分析系统，其特征在于，所述诊断信息数据库（600）的更新包括：

步骤一：通过电能计量模块（200）与异常检测模块（300）监测与收集设备运行状态下的异常数据信息，并将数据信息导入诊断信息数据库（600），由系统自动构建故障特征模型（400）；

步骤二：通过查询模块（101）查知诊断信息数据库（600）中对应的异常特征模型；

步骤三：通过比对模块（102）与诊断信息数据库（600）中查得的异常特征模型进行比对；

步骤四：通过分析比对后无法找到与异常特征模型相对应的故障诊断报告模板；

步骤五：通过警示模块（504）将无法匹配到现有诊断信息数据库（600）中报告模板的故障特征模型（400）进行标记，并由信息输出模块（502）提醒维护人员进行修正；

步骤六：根据标记的故障特征模型（400），由信息输入模块（501）输入报告模板的修改信息，通过修改模块（503）对诊断信息数据库（600）中异常特征模型进行修改；

步骤七：通过更新模块（104）对修改后的诊断信息数据库（600）中异常数据分析模型（100）与专业规则模型（500）进行自动更新；

步骤八：通过删除模块（103）删除原有诊断信息数据库（600）中不适用于实际应用的异常特征模型。

Images