CN113867285A - 基于边缘云平台的边缘侧设备故障诊断的方法及系统 - Google Patents
基于边缘云平台的边缘侧设备故障诊断的方法及系统 Download PDFInfo
- Publication number
- CN113867285A CN113867285A CN202111122822.3A CN202111122822A CN113867285A CN 113867285 A CN113867285 A CN 113867285A CN 202111122822 A CN202111122822 A CN 202111122822A CN 113867285 A CN113867285 A CN 113867285A
- Authority
- CN
- China
- Prior art keywords
- edge side
- equipment
- fault diagnosis
- model
- layer
- 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
- 238000003745 diagnosis Methods 0.000 title claims abstract description 89
- 238000000034 method Methods 0.000 title claims abstract description 30
- 238000004891 communication Methods 0.000 claims abstract description 29
- 238000012545 processing Methods 0.000 claims abstract description 6
- 230000008447 perception Effects 0.000 claims description 12
- 238000012423 maintenance Methods 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 9
- 230000006855 networking Effects 0.000 claims description 6
- 238000012549 training Methods 0.000 claims description 6
- 230000003993 interaction Effects 0.000 claims description 5
- 230000010485 coping Effects 0.000 claims description 3
- 239000000284 extract Substances 0.000 claims description 3
- 208000037408 Device failure Diseases 0.000 claims 1
- 238000004519 manufacturing process Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000004888 barrier function Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000003032 molecular docking Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/4185—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by the network communication
- G05B19/4186—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by the network communication by protocol, e.g. MAP, TOP
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/32—Operator till task planning
- G05B2219/32252—Scheduling production, machining, job shop
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Computer And Data Communications (AREA)
Abstract
本发明提供了一种基于边缘云平台的边缘侧设备故障诊断方法及系统，方法包括：利用基础设施层接入边缘侧设备，同时采集边缘侧设备的相关数据，并发出设备接入指令；设备接入层接收相关数据和设备接入指令，并通过解析后的通信协议上传边缘侧设备的相关数据至模型智能感知层；模型智能感知层根据相关数据，判断是否有与边缘侧设备匹配的故障诊断模型；若有能匹配的故障诊断模型，则在模型智能感知层处理边缘侧设备的相关数据，后基于设备故障诊断模型对边缘侧设备进行故障诊断；根据故障诊断结果调度管理层生成工作任务调度指令上传至工业云平台；工业云平台最后显示故障信息并驱动无故障的边缘侧设备运行。
Description
技术领域
本发明涉及智能制造技术领域，具体涉及一种基于边缘云平台的边缘侧设备故障诊断的方法及系统。
背景技术
目前有多种通过网络化来实现数据的价值流动，并以数据为生产要素，通过智能化的各种接入设备、系统服务软件进一步提高企业的生产效率和产品质量的物联网系统。但现有的工业互联网云平台不能实现良好的数据对接，且工业互联网边缘设备接入没有专门的方案。同时，现有的云平台服务工业互联网数据量大、设备并发高，使云服务的实际传输效率低下。此外，传统的云平台服务更是缺少工业互联网相关的上层服务。虽然边缘设备接入工业互联网是必然的发展趋势，但是现阶段的服务还不能完美地解决接入工业互联网场景的问题。
发明内容
本发明解决的一个主要问题是现有的工业互联网云平台系统接入边缘侧设备的海量数据后存在数据传输高时延、且不能对边缘侧设备实时进行智能化故障诊断的问题。
本发明提供一种基于边缘云平台的边缘侧设备故障诊断方法，所述方法包括：
利用基础设施层接入边缘侧设备，同时采集所述边缘侧设备的相关数据，并发出设备接入指令；
所述设备接入层接收所述边缘侧设备的相关数据和所述设备接入指令，识别并解析所述边缘侧设备的相关数据中的通信协议，通过解析后的所述通信协议上传所述边缘侧设备的相关数据至模型智能感知层；
所述模型智能感知层根据所述边缘侧设备的相关数据，判断是否有与所述边缘侧设备匹配的设备故障诊断模型；
若有能匹配的所述设备故障诊断模型，则在所述模型智能感知层处理所述边缘侧设备的相关数据，并利用处理后的相关数据，基于所述设备故障诊断模型对所述边缘侧设备进行故障诊断；
调度管理层根据故障诊断结果，生成工作任务调度指令上传至工业云平台；
所述工业云平台显示所述边缘侧设备的故障信息并驱动无故障的所述边缘侧设备运行。
优选地，所述判断是否有与所述边缘侧设备匹配的设备故障诊断模型还包括：
若没有能匹配的所述设备故障诊断模型，所述模型智能感知层基于预先标记的所述边缘侧设备的属性数据，对所述属性数据进行运行故障特征提取和分析，并根据分析后的数据建立新的设备故障诊断模型；
新的设备故障诊断模型进行自主学习训练；
利用调度管理层将所述新的设备故障诊断模型上传至所述工业云平台。
优选地，利用调度管理层将新的设备故障诊断模型上传至所述工业云平台后，当有与所述新的故障诊断模型相匹配的所述边缘侧设备接入到其他所述工业云平台中时，所述工业云平台将所述新的设备故障诊断模型下发到所述其他工业云平台中进行故障诊断。
优选地，所述基础设施层接入边缘侧设备后还验证接入的所述边缘侧设备的安全信息。
优选地，采集的所述边缘侧设备的相关数据包括所述边缘侧设备的状态参数和工艺数据。
优选地，所述根据诊断的结果做出应对策略包括生成保养，和/或，检修指令并发送至显示终端。
优选地，所述判断是否有与所述边缘侧设备匹配的设备故障诊断模型还包括：
所述设备故障诊断模型为预先训练好并存储在所述工业云平台中的设备故障诊断模型。
根据本发明的另一个方面，还公开一种基于边缘云平台的边缘侧设备故障诊断的系统，所述系统运行时用于实现如前任一所述的一种基于边缘云平台的边缘侧设备故障诊断的方法，所述系统包括：基础设施层、设备接入层、模型智能感知层、调度管理层和工业云平台；
所述基础设施层通过通信协议接入边缘侧设备；
所述设备接入层通过通信组网上传接收到的数据至模型智能感知层；
所述模型智能感知层通过所述通信组网与所述调度管理层连接；
所述调度管理层通过数据交互上传数据指令至所述工业云平台。
优选地，所述基础设施层还包括相互通信连接的底层通讯模组、信号单元、设备接入模组以及信息安全模组。
优选地，所述智能感知层中还预置有多种预训练好的设备故障诊断模型，和/或，存储有多种机器算法。
本发明采用边缘云平台，通过基础设施层的几个核心功能，实现了各种边缘侧设备的接入，同时能够处理各种边缘侧设备的信号，还能够实现底层通讯，同时通过安全模组芯片，确保数据通讯在边缘侧的安全性。设置设备接入层，实现各种边缘侧设备的通讯协议数据转换，且能针对不同的设备，虚拟化相应的设备容器、并对通信链路进行统一管理。本发明利用模型智能感知层，将海量的数据进行清洗、计算、预测、分析，实时建立故障检测模型，并可通过预先存储的故障检测模型进行故障诊断，以进行预测性维护和最优工艺指导参数建议等。通过设备调度层，实现了模型的统一调度管理，包括实现模型的上传、下载和自我修复更新；同时能够与其他接入的工业云平台进行数据交互，将指令下发给底层设备等。
附图说明
本发明构成说明书的一部分附图描述了本发明的实施例，并且连同说明书一起用于解释本发明的原理。
图1为本发明实施例中基于边缘云平台的边缘侧设备故障诊断的流程示意图。
图2为本发明实施例中基于边缘云平台的边缘侧设备故障诊断的系统结构示意图。
具体实施方式
下面将结合附图来详细描述本发明的各种示例性实施例。应注意到：除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本发明的范围。
同时，应当明白，为了便于描述，附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。
以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本发明及其应用或使用的任何限制。
为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本发明进一步详细说明。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为授权说明书的一部分。
在这里示出和讨论的所有示例中，任何具体值应被解释为仅仅是示例性的，而不是作为限制。因此，示例性实施例的其它示例可以具有不同的值。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。
实施例一，如图1所示，为本实施例提供的一种基于边缘云平台的边缘侧设备故障诊断方法，所述方法的具体步骤为：
利用基础设施层接入边缘侧设备，同时采集边缘侧设备的相关数据，如状态参数和工艺数据，并发出设备接入指令。基础设施层接入边缘侧设备后还验证接入的前述边缘侧设备的安全信息，采用软硬结合的方式确保各个故障诊断环节的安全，如可通过硬件技术上的加密算法，确保接入进来的设备合法，通讯交互全部采用密文的方式进行传输和识别。
设备接入层接收边缘侧设备的相关数据和设备接入指令，识别并解析边缘侧设备的相关数据中的通信协议，通过解析后的通信协议上传边缘侧设备的相关数据至模型智能感知层。
模型智能感知层根据边缘侧设备的相关数据，判断是否有与边缘侧设备匹配的设备故障诊断模型，此设备故障诊断模型为预先训练好并存储在工业云平台中的设备故障诊断模型。
若有能匹配的设备故障诊断模型，则在模型智能感知层处理边缘侧设备的相关数据，并利用处理后的相关数据，基于设备故障诊断模型对边缘侧设备进行故障诊断。
调度管理层根据故障诊断结果，生成工作任务调度指令上传至工业云平台。
工业云平台显示边缘侧设备的故障信息并驱动无故障的边缘侧设备运行。
若没有能匹配的设备故障诊断模型，模型智能感知层基于预先标记的边缘侧设备的属性数据，对属性数据进行运行故障特征提取和分析，并根据分析后的数据建立新的设备故障诊断模型；新的设备故障诊断模型进行自主学习训练。
利用调度管理层将新的设备故障诊断模型上传至工业云平台，就省去了故障诊断模型从零开始学习训练、修正等一系列耗时比较长的工作，这种机制能够把所有接入到工业云平台中的模型形成模型共享，知识共享，共同利用自身的资源和数据进行不管的优化、修订、完善，使各种设备故障诊断模型越来越成熟，越来越准确。
更优地，利用调度管理层将新的设备故障诊断模型上传至工业云平台后，当有与新的故障诊断模型相匹配的边缘侧设备接入到其他工业云平台中时，工业云平台将前述新的设备故障诊断模型下发到前述其他工业云平台中进行故障诊断。
前述根据诊断的结果做出应对策略包括生成保养，检修指令并发送至显示终端。
实施例二，如图2所示，为本实施例公开的一种基于边缘云平台的边缘侧设备故障诊断的系统，前述系统包括：基础设施层、设备接入层、模型智能感知层、调度管理层和工业云平台；基础设施层通过通信协议接入边缘侧设备；设备接入层通过通信组网上传接收到的数据至模型智能感知层，也可通过如网口、串口或CAN网络等方式连接以传输数据；模型智能感知层通过前述通信组网或其他通信连接方式与前述调度管理层连接；调度管理层通过数据交互上传数据指令至前述工业云平台，打通了与云平台和边缘平台之间的信息壁垒，同时能够实现边云协同，在边缘云平台中进行故障诊断模型管理，任务调度，指令上传下发以及算法库管理等。
云平台也可以通过下发模型的方式，将已经成熟的模型算法，下发给其他接入进来的边缘平台，这样同种设备的模型，可以做到资源模型算法同享。
前述基础设施层还包括相互通信连接的底层通讯模组、信号单元、设备接入模组以及信息安全模组。
智能感知层中还预置有多种预训练好的设备故障诊断模型，在一些实施例中，还存储有多种机器算法。
该系统的工作原理为：基础设施层用于接入边缘侧设备，如同时采集边缘侧设备的相关数据，如状态参数和工艺数据，并发出设备接入指令，且基础设施层接入边缘侧设备后还用于验证接入的前述边缘侧设备的安全信息。
设备接入层用于接收边缘侧设备的相关数据和设备接入指令，识别并解析边缘侧设备的相关数据中的通信协议，打通通信链路，形成虚拟化容器，并通过解析后的通信协议上传边缘侧设备的相关数据至模型智能感知层。
模型智能感知层用于根据边缘侧设备的相关数据，判断是否有与边缘侧设备匹配的设备故障诊断模型，此设备故障诊断模型为预先训练好并存储在工业云平台中的设备故障诊断模型。若有能匹配的设备故障诊断模型，则在模型智能感知层处理边缘侧设备的相关数据，并利用处理后的相关数据，基于设备故障诊断模型对边缘侧设备进行故障诊断。
调度管理层用于根据故障诊断结果，生成工作任务调度指令上传至工业云平台。
工业云平台则用于显示边缘侧设备的故障信息并驱动无故障的边缘侧设备运行。
模型智能感知层还用于在没有能匹配的设备故障诊断模型时，基于预先标记的边缘侧设备的属性数据，对属性数据进行运行故障特征提取和分析，并根据分析后的数据建立新的设备故障诊断模型；新的设备故障诊断模型进行自主学习训练。
利用调度管理层将新的设备故障诊断模型上传至工业云平台。
边缘侧设备通过与边缘平台相接，既可让边缘侧设备的管理智能化，也可源源不断地采集、存储、分析边缘侧设备的设备数据，这些海量的数据还可在基于边缘云平台的故障诊断系统中，通过AI自主学习、训练、态势感知算法等，能够实时掌握当前接入的边缘侧设备的各项核心数据，通过这些边缘侧设备的海量数据构建故障诊断模型，并结合不同算法，让构建的模型能够不断地学习，不断地完善，让边缘侧设备能够通过前述的诊断模型预测自己的健康状态信息，同时也预测未来的故障发生概率，还能针对某个加工的工艺进行优化改造，进一步压缩生产时间，提高产品质量，减少产品缺陷等等。
上述实施例产生的技术效果是：本发明中的基于边缘云平台的边缘侧设备的故障诊断的系统，能够同时通过物联网技术，接入到工业物联网平台，将边缘侧设备无法处理的数据上传到工业云平台中，工业云平台结合自身的服务器资源和能力，对数据进行分析，同时可以将接收到的实时训练后的新的故障诊断模型，下发给其他接入到工业物联网平台中的工业云平台中，这样其他工业云平台的边缘设备的故障诊断系统中接入类似的设备时，也能够实时调用该故障诊断模型，从而指导设备保养和检修等。
以上所述仅为本发明的较佳实施例而已，并不用于限制本发明，凡在本发明的精神和原则范围之内所作的任何修改、等同替换以及改进等，均应包含在本发明的保护范围之内。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
Claims (10)
1.一种基于边缘云平台的边缘侧设备故障诊断的方法，其特征在于，所述方法包括：
利用基础设施层接入边缘侧设备，同时采集所述边缘侧设备的相关数据，并发出设备接入指令；
设备接入层接收所述边缘侧设备的相关数据及所述设备接入指令，识别并解析所述边缘侧设备的相关数据中的通信协议，通过解析后的所述通信协议上传所述边缘侧设备的相关数据至模型智能感知层；
所述模型智能感知层根据所述边缘侧设备的相关数据，判断是否有与所述边缘侧设备匹配的设备故障诊断模型；
若有能匹配的所述设备故障诊断模型，则在所述模型智能感知层处理所述边缘侧设备的相关数据，并利用处理后的相关数据，基于所述设备故障诊断模型对所述边缘侧设备进行故障诊断；
调度管理层根据故障诊断结果，生成工作任务调度指令上传至工业云平台；
所述工业云平台显示所述边缘侧设备的故障信息并驱动无故障的所述边缘侧设备运行。
2.如权利要求1所述的方法，其特征在于，所述判断是否有与所述边缘侧设备匹配的设备故障诊断模型还包括：
若没有能匹配的所述设备故障诊断模型，所述模型智能感知层基于预先标记的所述边缘侧设备的属性数据，对所述属性数据进行运行故障特征提取和分析；
根据分析后的数据建立新的设备故障诊断模型，并对新的设备故障诊断模型进行自主学习训练；
利用调度管理层将所述新的设备故障诊断模型上传至所述工业云平台。
3.如权利要求1所述的方法，其特征在于，利用调度管理层将新的设备故障诊断模型上传至所述工业云平台后，当有与所述新的故障诊断模型相匹配的所述边缘侧设备接入到其他所述工业云平台中时，所述工业云平台将所述新的设备故障诊断模型下发到所述其他工业云平台中进行故障诊断。
4.如权利要求1所述的方法，其特征在于，所述基础设施层接入边缘侧设备后还验证接入的所述边缘侧设备的安全信息。
5.如权利要求1所述的方法，其特征在于，采集的所述边缘侧设备的相关数据包括所述边缘侧设备的状态参数和工艺数据。
6.如权利要求1所述的方法，其特征在于，所述根据诊断的结果做出应对策略包括生成保养，和/或，检修指令并发送至显示终端。
7.如权利要求1所述的方法，其特征在于，所述判断是否有与所述边缘侧设备匹配的设备故障诊断模型还包括：
所述设备故障诊断模型为预先训练好并存储在所述工业云平台中的设备故障诊断模型。
8.一种基于边缘云平台的边缘侧设备故障诊断的系统，其特征在于，所述系统运行时用于实现如权利要求1-7任一所述的一种基于边缘云平台的边缘侧设备故障诊断的方法，所述系统包括：基础设施层、设备接入层、模型智能感知层、调度管理层和工业云平台；
所述基础设施层通过通信协议接入边缘侧设备；
所述设备接入层通过通信组网上传接收到的数据至模型智能感知层；
所述模型智能感知层通过所述通信组网与所述调度管理层连接；
所述调度管理层通过数据交互上传数据指令至所述工业云平台。
9.如权利要求8所述的系统，其特征在于，所述基础设施层还包括相互通信连接的底层通讯模组、信号单元、设备接入模组以及信息安全模组。
10.如权利要求8所述的系统，其特征在于，所述智能感知层中还预置有多种预训练好的设备故障诊断模型，和/或，存储有多种机器算法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111122822.3A CN113867285B (zh) | 2021-09-24 | 基于边缘云平台的边缘侧设备故障诊断的方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111122822.3A CN113867285B (zh) | 2021-09-24 | 基于边缘云平台的边缘侧设备故障诊断的方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113867285A true CN113867285A (zh) | 2021-12-31 |
| CN113867285B CN113867285B (zh) | 2024-06-04 |
Family
ID=
Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105489052A (zh) * | 2015-09-22 | 2016-04-13 | 广州盛华信息服务有限公司 | 一种利用无线通讯技术的停车场管理系统及其实现方法 |
| CN107561990A (zh) * | 2017-09-30 | 2018-01-09 | 华南理工大学 | 一种基于边缘计算的工业传感信号采集器及采集方法 |
| CN107895176A (zh) * | 2017-11-13 | 2018-04-10 | 国网湖南省电力有限公司 | 一种面向水电机群广域监测诊断的雾计算系统及方法 |
| CN108681288A (zh) * | 2018-06-28 | 2018-10-19 | 上海电器科学研究所（集团）有限公司 | 一种基于云平台的远程运维系统 |
| CN109933004A (zh) * | 2019-03-27 | 2019-06-25 | 苏芯物联技术(南京)有限公司 | 基于边缘计算和云协同的机床故障诊断与预测方法及系统 |
| CN110221558A (zh) * | 2019-06-05 | 2019-09-10 | 镇江四联机电科技有限公司 | 一种基于边缘计算技术的电液伺服阀在线故障诊断网关 |
| 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 |
| CN111596629A (zh) * | 2020-06-02 | 2020-08-28 | 曲阜师范大学 | 一种云边协同的工业数据融合方法和安全控制器 |
| CN112101767A (zh) * | 2020-09-09 | 2020-12-18 | 中国石油大学(北京) | 一种设备运行状态边云融合诊断方法及系统 |
| CN112181382A (zh) * | 2020-11-27 | 2021-01-05 | 北京和利时系统工程有限公司 | 一种基于软件定义的工业智能控制系统 |
| CN112788142A (zh) * | 2021-01-18 | 2021-05-11 | 四川中英智慧质量工程技术研究院有限公司 | 一种支持多传感器接入的智能边缘物联网关 |
| CN112926257A (zh) * | 2020-09-25 | 2021-06-08 | 中国石油天然气集团有限公司 | 往复式天然气压缩机故障诊断系统以及诊断方法 |
| CN113391600A (zh) * | 2020-03-11 | 2021-09-14 | 沈阳中科博微科技股份有限公司 | 一种工业互联网平台架构 |
Patent Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105489052A (zh) * | 2015-09-22 | 2016-04-13 | 广州盛华信息服务有限公司 | 一种利用无线通讯技术的停车场管理系统及其实现方法 |
| CN107561990A (zh) * | 2017-09-30 | 2018-01-09 | 华南理工大学 | 一种基于边缘计算的工业传感信号采集器及采集方法 |
| CN107895176A (zh) * | 2017-11-13 | 2018-04-10 | 国网湖南省电力有限公司 | 一种面向水电机群广域监测诊断的雾计算系统及方法 |
| CN108681288A (zh) * | 2018-06-28 | 2018-10-19 | 上海电器科学研究所（集团）有限公司 | 一种基于云平台的远程运维系统 |
| CN109933004A (zh) * | 2019-03-27 | 2019-06-25 | 苏芯物联技术(南京)有限公司 | 基于边缘计算和云协同的机床故障诊断与预测方法及系统 |
| CN110221558A (zh) * | 2019-06-05 | 2019-09-10 | 镇江四联机电科技有限公司 | 一种基于边缘计算技术的电液伺服阀在线故障诊断网关 |
| 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 |
| CN113391600A (zh) * | 2020-03-11 | 2021-09-14 | 沈阳中科博微科技股份有限公司 | 一种工业互联网平台架构 |
| CN111596629A (zh) * | 2020-06-02 | 2020-08-28 | 曲阜师范大学 | 一种云边协同的工业数据融合方法和安全控制器 |
| CN112101767A (zh) * | 2020-09-09 | 2020-12-18 | 中国石油大学(北京) | 一种设备运行状态边云融合诊断方法及系统 |
| CN112926257A (zh) * | 2020-09-25 | 2021-06-08 | 中国石油天然气集团有限公司 | 往复式天然气压缩机故障诊断系统以及诊断方法 |
| CN112181382A (zh) * | 2020-11-27 | 2021-01-05 | 北京和利时系统工程有限公司 | 一种基于软件定义的工业智能控制系统 |
| CN112788142A (zh) * | 2021-01-18 | 2021-05-11 | 四川中英智慧质量工程技术研究院有限公司 | 一种支持多传感器接入的智能边缘物联网关 |
Non-Patent Citations (2)
| Title |
|---|
| XIN LI ETAL: "Intelligent Fault Detection System for State Grid IoT Equipment Based on Edge Computing", 《2019 IEEE 3RD INTERNATIONAL ELECTRICAL AND ENERGY CONFERENCE (CIEEC)》, 30 April 2020 (2020-04-30), pages 1434 - 1439 * |
| 魏坚等: "机加工行业工业云边缘设备功能及应用", 《自动化仪表》, 31 December 2019 (2019-12-31), pages 1 - 5 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113112086B (zh) | 一种基于边缘计算和标识解析的智能生产系统 | |
| US11222551B2 (en) | Snapshot management architecture for process control operator training system lifecycle | |
| CN113077172A (zh) | 一种设备状态趋势分析及故障诊断方法 | |
| CN107193271A (zh) | 用于工业信息物理系统的前置服务适配和故障诊断装置 | |
| CN111444169A (zh) | 一种变电站电气设备状态监测与诊断系统及方法 | |
| CN105116870B (zh) | 空调机组的故障分析方法、装置和系统 | |
| CN111651530B (zh) | 一种智能化港口监测系统 | |
| US20230184627A1 (en) | System and method for distributed networked test of electric vehicles, storage medium and terminal device | |
| CN112506097A (zh) | 一种基于工业互联网的胎架远程监测系统及监测方法 | |
| CN102830694A (zh) | 自动化故障巡检系统及客户监控端 | |
| CN111123223A (zh) | 用于雷达健康管理的通用开发平台、管理系统及方法 | |
| CN111124852A (zh) | 一种基于bmc健康管理模块的故障预测方法及系统 | |
| TWI676148B (zh) | 整合ｉｃｔ服務供裝與虛實資源監控之系統 | |
| CN110597235A (zh) | 一种通用智能故障诊断方法 | |
| CN107037782A (zh) | 监控机床的方法和装置 | |
| CN103914058B (zh) | 一种油气管道工控设备远程监控系统的故障诊断和告警方法及系统 | |
| CN110188837A (zh) | 一种基于模糊神经的mvb网络故障诊断方法 | |
| CN117118781A (zh) | 一种智能化工业网关设计方法及装置 | |
| CN112906775A (zh) | 一种设备故障预测方法及系统 | |
| CN106022582A (zh) | 一种工单管控系统业务自动分析处理方法及系统 | |
| CN114648212A (zh) | 一种基于云计算的船舶设备性能智能管理系统及方法 | |
| CN113867285B (zh) | 基于边缘云平台的边缘侧设备故障诊断的方法及系统 | |
| CN112988843A (zh) | 一种基于SQL Server数据库的SMT贴片机故障管理及诊断系统 | |
| CN113867285A (zh) | 基于边缘云平台的边缘侧设备故障诊断的方法及系统 | |
| EP3948459B1 (en) | Asset condition monitoring method with automatic anomaly detection |
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 | ||
| CB03 | Change of inventor or designer information |
Inventor after: He Ningbo Inventor after: Wang Yong Inventor after: Xu Jun Inventor after: Li Jun Inventor after: Zhang Shule Inventor after: Zhan Kaihong Inventor before: Wang Yong Inventor before: Xu Jun Inventor before: Li Jun Inventor before: Zhang Shule Inventor before: Zhan Kaihong Inventor before: He Ningbo |
|
| CB03 | Change of inventor or designer information | ||
| GR01 | Patent grant |