CN114165430A - 基于边缘计算的机泵健康监测方法、系统、设备及介质 - Google Patents
基于边缘计算的机泵健康监测方法、系统、设备及介质 Download PDFInfo
- Publication number
- CN114165430A CN114165430A CN202111401179.8A CN202111401179A CN114165430A CN 114165430 A CN114165430 A CN 114165430A CN 202111401179 A CN202111401179 A CN 202111401179A CN 114165430 A CN114165430 A CN 114165430A
- Authority
- CN
- China
- Prior art keywords
- data
- health
- value
- pump
- preset
- 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
- 230000036541 health Effects 0.000 title claims abstract description 245
- 238000012544 monitoring process Methods 0.000 title claims abstract description 78
- 238000000034 method Methods 0.000 title claims abstract description 58
- 238000004364 calculation method Methods 0.000 title claims abstract description 22
- 238000005070 sampling Methods 0.000 claims abstract description 144
- 230000005856 abnormality Effects 0.000 claims abstract description 8
- 238000001514 detection method Methods 0.000 claims description 58
- 230000006870 function Effects 0.000 claims description 26
- 238000013507 mapping Methods 0.000 claims description 23
- 238000012423 maintenance Methods 0.000 claims description 17
- 238000003860 storage Methods 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 11
- 238000012360 testing method Methods 0.000 claims description 7
- 238000004891 communication Methods 0.000 claims description 6
- 238000005315 distribution function Methods 0.000 claims description 3
- 230000003862 health status Effects 0.000 claims description 2
- 230000002159 abnormal effect Effects 0.000 description 27
- 238000004458 analytical method Methods 0.000 description 14
- 238000010586 diagram Methods 0.000 description 11
- 238000005516 engineering process Methods 0.000 description 9
- 238000011156 evaluation Methods 0.000 description 8
- 238000007726 management method Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 6
- 230000007246 mechanism Effects 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000010223 real-time analysis Methods 0.000 description 4
- 230000003068 static effect Effects 0.000 description 4
- 238000007689 inspection Methods 0.000 description 3
- 238000003745 diagnosis Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F04—POSITIVE - DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS FOR LIQUIDS OR ELASTIC FLUIDS
- F04B—POSITIVE-DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS
- F04B51/00—Testing machines, pumps, or pumping installations
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本发明提出的一种基于边缘计算的机泵健康监测方法、系统、设备及介质,该方法通过边缘计算模块获取待测机泵的第一采样数据,并进行异常预判断;若判断结果包括异常,边缘计算模块将待测机泵的第一采样数据、第二采样数据发送给服务器,并由服务器确定待测机泵的健康状态,以实现对待测机泵的主动健康监测,该方式可以实现智能的、实时的机泵健康状态监测,同时在检测结果为异常时才需要服务器介入健康状态的评定,故可以有效减少服务器对各类监测采样数据的处理量,提升服务器分析速度,减少内存消耗,边缘计算模块接收到健康值,操作人员可快速地掌握设备的当前状态,运保人员可以及时决策下次运保重点、时间及运保措施。
Description
技术领域
本发明涉及设备监测技术领域,尤其涉及一种基于边缘计算的机泵健康监测方法、系统、设备及介质。
背景技术
流程制造工业由于其高温、高压、设备种类多的特点,状态监测技术在该行业得到了广泛的应用。状态监测是加强机泵专业化管理的一项重要内容,直接反映出机泵运行状态的好坏。目前,多以人工巡检和定期维修的方式进行设备管理,可能会由于巡检不及时或巡检不细致导致机泵故障未能被及时发现,将造成工厂非计划停机以及重要设备的关联性损伤。亟需要采用智能化的手段改造提升机泵的健康管理水平。
相关技术中,对于机泵的健康监测往往是通过多个振动和温度传感器对数据进行实时收集,并进行分析处理;由于数据量大,导致分析速度慢、内存消耗大。监测结果不明确,设备健康状态无法主动掌握。
发明内容
鉴于以上所述现有技术的缺点,本发明提供一种基于边缘计算的机泵健康监测方法、系统、设备及介质,以解决上述技术问题。
本发明提供的一种基于边缘计算的机泵健康监测方法,包括:
边缘计算模块获取待测机泵的第一采样数据,并进行异常检测,得到检测结果,所述第一采样数据包括振动数据、应力波数据和温度数据中至少之一,所述检测结果包括正常或异常;
若所述检测结果包括异常,所述边缘计算模块获取所述待测机泵的第二采样数据,所述第二采样所述包括电流数据、压力数据和流量数据中至少之一;
将所述第一采样数据、第二采样数据发送给服务器,并由所述服务器确定所述待测机泵的健康状态,以实现对所述待测机泵的健康监测。
可选的,所述服务器确定所述待测机泵的健康状态包括:
所述服务器根据所述振动数据、压力数据、电流数据、温度数据和流量数据确定健康值;
若所述健康值低于预设健康阈值,则所述健康状态包括健康;
若所述健康值高于或等于所述预设健康阈值,则所述健康状态包括需检修。
可选的,所述健康值的确定方式包括:
分别获取预设振动因子、预设应力波因子、预设电流因子、预设温度因子和预设流量因子;
根据预设温度-温度健康子值映射关系和所述温度数据确定温度健康子值;
根据预设压力-压力健康子值映射关系和所述压力数据确定压力健康子值;
根据预设流量-流量健康子值映射关系和所述流量数据确定流量健康子值;
根据所述振动数据确定所述待测机泵的第一可使用寿命,并确定振动健康子值;
根据所述应力波数据确定所述待测机泵的第二可使用寿命,并确定应力波健康子值;
根据所述电流数据确定所述待测机泵的第三可使用寿命,并确定电流健康子值;
根据所述预设振动因子、预设应力波因子、预设电流因子、预设温度因子、预设流量因子、温度健康子值、压力健康子值、流量健康子值、振动健康子值、应力波健康子值和流量健康子值确定所述健康值。
可选的,所述方法还包括以下至少之一:
所述第一可使用寿命的确定方式包括,获取多个不同的样本振动数据,以及在所述样本振动数据条件下机泵的样本振动可使用寿命,根据所述样本振动可使用寿命和所述样本振动数据生成所述振动寿命预测模型,将所述振动数据输入所述振动寿命预测模型,得到第一可使用寿命;
所述第二可使用寿命的确定方式包括,获取多个不同的样本应力波数据,以及在所述样本应力波数据条件下机泵的样本应力波可使用寿命,根据所述样本应力波可使用寿命和所述样本应力波数据生成所述应力波寿命预测模型,将所述应力波数据输入所述应力波寿命预测模型,得到第二可使用寿命;
所述第三可使用寿命的确定方式包括,获取多个不同的样本电流数据,以及在所述样本电流数据条件下机泵的样本电流可使用寿命,根据所述样本电流可使用寿命和所述样本电流数据生成所述电流寿命预测模型,将所述电流数据输入所述电流寿命预测模型,得到第三可使用寿命。
可选的,确定振动健康子值、应力波健康子值和电流健康子值之前,所述方法还包括:
获取多个样本机泵的样本可使用寿命,以及所述样本可使用寿命对应的样本健康值,得到多个样本数据点;
根据预设幂律分布函数对多个数据点进行最优化拟合,确定第一系数和第二系数,并基于所述第一系数和第二系数得到最优拟合函数;
最优拟合函数包括,
F(x)=ax-k;
其中,a为第一系数,k为第二系数。
可选的,所述方法还包括以下至少之一:
根据所述第一可使用寿命和最优拟合函数确定振动健康子值;
根据所述第二可使用寿命和最优拟合函数确定应力波振健康子值;
根据所述第三可使用寿命和最优拟合函数确定电流振健康子值。
可选的,所述方法还包括以下至少之一:
若所述健康状态包括健康,将所述健康值展示给现场管理人员和运维人员中至少之一;
若所述健康状态包括需检修,将所述健康值展示给供现场管理人员和操作人员中至少之一;
所述服务器还包括数据库,将所述第一采样数据和第二采样数据存储于所述数据库。
本发明还提供了一种基于边缘计算的机泵健康监测系统,所述系统包括:
数据采集模块,用于获取待测机泵的第一采样数据和第二采样数据,所述第一采样数据包括振动数据、应力波数据和温度数据中至少之一,所述第二采样所述包括电流数据、压力数据和流量数据中至少之一;
边缘计算模块,用于获取所述第一采样数据,并进行异常检测,得到检测结果,所述检测结果包括正常或异常,若所述检测结果包括异常,获取所述第二采样数据,并将所述第一采样数据、第二采样数据发送给服务器;
服务器,用于确定所述待测机泵的健康状态,以实现对所述待测机泵的健康监测。
本发明还提供了一种电子设备,包括处理器、存储器和通信总线;
所述通信总线用于将所述处理器和存储器连接;
所述处理器用于执行所述存储器中存储的计算机程序,以实现如上述中任一项实施例所述的方法。
本发明还提供了一种计算机可读存储介质,其上存储有计算机程序,
所述计算机程序用于使所述计算机执行如上述任一项实施例所述的方法。
本发明的有益效果:本发明提出的一种基于边缘计算的机泵健康监测方法、系统、设备及介质,该方法通过边缘计算模块获取待测机泵的第一采样数据,并进行异常检测,得到检测结果,若检测结果包括异常,边缘计算模块获取待测机泵的第二采样数据,将第一采样数据、第二采样数据发送给服务器,并由服务器确定待测机泵的健康状态,以实现对待测机泵的健康监测,该方式可以实现智能化的进行机泵健康状态的监测,同时在检测结果为异常时才需要服务器介入确定健康状态,故可以有效的减少服务器所处理的数据,提升服务器分析速度,减少内存消耗。
附图说明
图1是本发明实施例一中提供的基于边缘计算的机泵健康监测方法的一种流程示意图;
图2是本发明实施例一中提供的相关技术中一种机泵监测的设备框图;
图3是本发明实施例一中提供的一种具体的基于边缘计算的机泵健康监测方法的设备实现框图;
图4是本发明实施例二提供的基于边缘计算的机泵健康监测系统的一种结构示意图;
图5是本发明一实施例提供的一种电子设备的结构示意图。
具体实施方式
以下通过特定的具体实例说明本发明的实施方式,本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用,本说明书中的各项细节也可以基于不同观点与应用,在没有背离本发明的精神下进行各种修饰或改变。需说明的是,在不冲突的情况下,以下实施例及实施例中的特征可以相互组合。
需要说明的是,以下实施例中所提供的图示仅以示意方式说明本发明的基本构想,遂图式中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制,其实际实施时各组件的型态、数量及比例可为一种随意的改变,且其组件布局型态也可能更为复杂。
在下文描述中,探讨了大量细节,以提供对本发明实施例的更透彻的解释,然而,对本领域技术人员来说,可以在没有这些具体细节的情况下实施本发明的实施例是显而易见的,在其他实施例中,以方框图的形式而不是以细节的形式来示出公知的结构和设备,以避免使本发明的实施例难以理解。
实施例一
如图1所示,本实施例提供了一种基于边缘计算的机泵健康监测方法,该方法包括:
步骤S101:边缘计算模块获取待测机泵的第一采样数据,并进行异常检测,得到检测结果。
其中,第一采样数据包括振动数据、应力波数据和温度数据中至少之一,检测结果包括正常或异常。
第一采样数据可以通过预先设置的一个或多个采样设备来采集。
在一个实施例中,对第一采样数据进行异常检测的一种可选的方式包括:
获取第一采样阈值,将第一采样数据与第一采样阈值进行比较,将该比较结果作为检测结果。
可以预先设定第一采样数据高于或低于第一采样阈值则检测结果为正常或异常。
在另一个实施例中,对第一采样数据进行异常检测的另一种可选的方式包括:
获取第一预设采样区间,将第一采样数据与第一采样区间进行比较,将该比较结果作为检测结果。
其中,第一预设采样区间,可以由本领域技术人员根据需要设置,该第一预设采样区间为具有最大值和最小值,当第一采样数据落入第一预设采样区间时,则认为检测结果为正常,否则检测结果为异常。
需要说明的是,上述第一预设采样区间、第一预设采样阈值,对于不同种类的第一采样数据可以对应设置有相应的区间或数值。如对于振动数据,则对应设置有第一振动采样阈值等。其他数据与之类似,在此不做赘述。
可选的,振动数据包括振动加速度和/或振动速度。应力波数据包括应力波数据。
其中,第一采样数据与后续提到的第二采样数据均为同一时刻或者同一时间段所采集的数据。
在一个实施例中,第一采样数据和第二采样数据中至少一部分数据可以采用实时采样数据,这样,边缘计算模块对第一采样数据进行实时异常检测,预判断机泵是否可能存在异常,若存在异常,则在基于实时的第二采样数据确定健康状态,这样可以实现实时的、主动的对机泵进行健康监测。
步骤S102:若检测结果包括异常,边缘计算模块获取待测机泵的第二采样数据。
其中,第二采样数据包括电流数据、压力数据和流量数据中至少之一。
第一采样数据与第二采样数据可以通过一个或多个采样设备来采集,当第一采样数据和/或第二采样数据中某一个类别的数据由多个采样点所采集得到多个采样值,此时可以直接以各采样值中最大值作为该类别的第一采样数据或第二采样数据。也可以将各个采样值分别进行异常检测,若某一个或多个采样值的检测结果为异常,则将异常的采样值作为第一采样数据或第二采样数据。
若某一个类别的采样值为多个,为减少服务器负担,每一类别所上传到服务器的数据均为一个,此时,可以对某一个类别的多个数据取最大值、平均值或进行异常检测中的异常值作为发送给服务器的数据。
若某一个类别的采样值为多个,也可以将各个数据均发送给服务器,由服务器通过多种排列组合的情形下计算得到多个健康值。若存在一个健康值被确定为异常,则健康状态为需检修,否则健康状态为健康。
可选的,第二采样数据的采样时间可以是与第一采样数据的采样时间一致,对于采样分时复用采样机制所采集的第一采样数据或第二采样数据,该采样值的采样周期符合前述采样时间即可。
步骤S103:将所第一采样数据、第二采样数据发送给服务器,并由服务器确定待测机泵的健康状态,以实现对待测机泵的健康监测。
相关技术中,关于机泵的健康监测往往是基于某一个或几个参数的实时获取和实时分析,以确定机泵是否存在运行异常,这一过程往往是直接通过服务器实现的。由于机泵数量和采集时间间隔的设置,可能机泵健康监测的相关数据的数据量很大,导致服务器的分析速度慢,内存消耗大。通过本实施例提供的方法,可以通过边缘计算模型预先进行异常检测,在检测结果为异常后,再将相关数据传输给服务器,进行进一步分析。这样可以有效的减少服务器所需要分析的数据量,降低其运转压力,有效的提升分析速度,降低内存消耗。
可选的,服务器包括但不限于私有服务器和/或公有云服务器。一个服务器可以服务多个待测机泵。
边缘计算模型可以依托局域网或互联网将相关数据传输给服务器。
可选的,振动数据可以通过振动传感器采集,应力波数据可以通过应力波传感器采集,温度数据可以通过温度传感器采集。其他数据的采集也可以通过本领域技术人员所知晓的设备采集。
在一个实施例中,服务器确定所述待测机泵的健康状态包括:
服务器根据振动数据、压力数据、电流数据、温度数据和流量数据确定健康值;
若健康值低于预设健康阈值,则健康状态包括健康;
若健康值高于或等于预设健康阈值,则健康状态包括需检修。
其中,预设健康阈值可以由本领域技术人员根据需要进行设定。
本实施例中,现场使用的状态监测传感器有同步采样、分时复用采样机制,有振动、应力波监测技术,本实施例提供的方法在实现机泵健康监测时服务器分析处理时能兼容两种采样机制和监测技术,从而健康分析比较全面。机泵除了状态监测数据,还有温度、压力、流量等流程数据,可融合用于机泵的健康诊断。
在一个实施例中,健康值的确定方式包括:
分别获取预设振动因子、预设应力波因子、预设电流因子、预设温度因子和预设流量因子;
根据预设温度-温度健康子值映射关系和温度数据确定温度健康子值;
根据预设压力-压力健康子值映射关系和压力数据确定压力健康子值;
根据预设流量-流量健康子值映射关系和流量数据确定流量健康子值;
根据振动数据确定待测机泵的第一可使用寿命,并确定振动健康子值;
根据应力波数据确定待测机泵的第二可使用寿命,并确定应力波健康子值;
根据电流数据确定待测机泵的第三可使用寿命,并确定电流健康子值;
根据预设振动因子、预设应力波因子、预设电流因子、预设温度因子、预设流量因子、温度健康子值、压力健康子值、流量健康子值、振动健康子值、应力波健康子值和流量健康子值确定健康值。
其中,预设振动因子、预设应力波因子、预设电流因子、预设温度因子和预设流量因子可以由本领域技术人员根据需要进行设定。在设定的过程中可以参考各因素对于机泵可使用寿命的影响,对应调整。可选的,预设振动因子、预设应力波因子、预设电流因子、预设温度因子和预设流量因子可以是大于0且小于1的数值,且预设振动因子、预设应力波因子、预设电流因子、预设温度因子和预设流量因子的加总等于1。
预设温度-温度健康子值映射关系、预设压力-压力健康子值映射关系、预设流量-流量健康子值映射关系的设定方式类似,以下以预设流量-流量健康子值映射关系为例,示例性的说明映射关系的建立方式。通过获取多个样本流量和在该样本流量下的机泵可使用时长,基于该可泵可使用时长预设对应的流量健康子值,进而可以得到多对样本流量和流量健康子值之间的映射关系,得到预设预设流量-流量健康子值映射关系。预设温度-温度健康子值映射关系、预设压力-压力健康子值映射关系的设定方式与其类似,在此不再赘述。
温度健康子值、压力健康子值、流量健康子值的确定方式类似,在此以流量健康子值的确定为例,示例性的说明温度健康子值、压力健康子值、流量健康子值的确定方法。将流量数据与预设流量-流量健康子值映射关系中各预设流量进行比对,找到与流量数据最为接近的预设流量,将该预设流量所对应的流量健康子值作为该流量数据的流量健康子值。若存在两个预设流量与流量数据的仅仅程度相同,可以将较大的预设流量或较小的预设流量所对应的流量健康子值作为该流量数据的流量健康子值,或者将两个预设流量对应的流量健康子值的平均值作为该流量数据的流量健康子值。当然,本领域技术人员也可以规定其他实现方式,在此不做限定。关于温度健康子值、压力健康子值的确定方式与流量健康子值的确定方式类似,在此不再赘述。
在一个实施例中,第一可使用寿命的确定方式包括:
获取多个不同的样本振动数据,以及在样本振动数据条件下机泵的样本振动可使用寿命,根据样本振动可使用寿命和样本振动数据生成振动寿命预测模型,将振动数据输入振动寿命预测模型,得到第一可使用寿命;
在一个实施例中,第二可使用寿命的确定方式包括:
获取多个不同的样本应力波数据,以及在样本应力波数据条件下机泵的样本应力波可使用寿命,根据样本应力波可使用寿命和样本应力波数据生成应力波寿命预测模型,将应力波数据输入应力波寿命预测模型,得到第二可使用寿命;
在一个实施例中,第三可使用寿命的确定方式包括:
获取多个不同的样本电流数据,以及在样本电流数据条件下机泵的样本电流可使用寿命,根据样本电流可使用寿命和样本电流数据生成电流寿命预测模型,将电流数据输入电流寿命预测模型,得到第三可使用寿命。
其中,振动寿命预测模型、应力波寿命预测模型、电流寿命预测模型可以是基于映射关系的映射表,也可以是通过样本数据与对应的可使用寿命进行函数拟合所得到预测模型。
当振动寿命预测模型、应力波寿命预测模型、电流寿命预测模型为拟合函数时,该函数的分布遵循幂律分布。
在一个实施例中,健康值H的确定方式包括:
H=aV+bS+cC+dT+eP+fF 公式(1);
其中,H为待测机泵的健康值,a、b、c、d、e、f分别为预设振动因子、预设应力波因子、预设电流因子、预设温度因子、预设流量因子,a+b+c+d+e+f=1,V、S、C、T、P、F分别为振动健康子值、应力波健康子值、电流健康子值、温度健康子值、流量健康子值。
其中,第一采样数据和第二采样数据中包括动态评估如参数振动、应力波和电流,以及静态评估参数如温度、压力和流量。对于动态评估参数而言,在机泵健康监测过程中,往往具有多个监测点,如上述所述,对于多个监测点得到的多样采样值,可以通过对采样值进行异常检测,将检测结果为异常的采样值作为发送给服务器的数据。如对振动数据和应力波数据存在多个监测点,得到多个振动采样值和多个应力波采样值,分别对各个振动采样值和应力波采样值进行异常检测,将检测结果为异常的振动采样值和应力波采样值发送给服务器。对于电流数据,若存在多个监测点,则将各监测点的电流采样值中最大的电流采样值发送给服务器。
在一个实施例中,确定振动健康子值、应力波健康子值和电流健康子值之前,该法还包括:
获取多个样本机泵的样本可使用寿命,以及样本可使用寿命对应的样本健康值,得到多个样本数据点;
根据预设幂律分布函数对多个数据点进行最优化拟合,确定第一系数和第二系数,并基于第一系数和第二系数得到最优拟合函数;
最优拟合函数包括,
F(x)=ax-k 公式(2);
其中,a为第一系数,k为第二系数。
其中,样本可使用寿命对应的样本健康值可以由本领域技术人员根据需要进行设定。或者基于可使用寿命与健康值呈幂律分布的原理进行确定。
由于在振动数据、应力波数据和电流数据下均能够确定待测机泵的预测可使用寿命,则可以将各自所确定的第一可使用寿命、第二可使用寿命和第三可使用寿命基于上述方式确定的最优拟合函数进而确定对应的健康子值。
在一个实施例中,该方法还包括以下至少之一:
若健康状态包括健康,将健康值展示给现场管理人员和运维人员中至少之一,这样可以供其参考;
若健康状态包括需检修,将健康值展示给供现场管理人员和操作人员中至少之一,这样可以供其参考,及时查找原因,及时检修;
服务器还包括数据库,将第一采样数据和第二采样数据存储于数据库,以供后续进行数据分析。
本实施例提供了一种基于边缘计算的机泵健康监测方法,通过边缘计算模块获取待测机泵的第一采样数据,并进行异常检测,得到检测结果,若检测结果包括异常,边缘计算模块获取待测机泵的第二采样数据,将第一采样数据、第二采样数据发送给服务器,并由服务器确定待测机泵的健康状态,以实现对待测机泵的主动健康监测,该方式可以实现智能、实时的机泵健康状态监测,同时在检测结果为异常时才需要服务器介入健康状态的评定,故可以有效的减少服务器对各类检测采样数据的处理量,提升服务器分析速度,减少内存消耗。
可选的,边缘计算模块接收到健康值,操作人员可快速地掌握设备的当前状态,运保人员可以及时决策下次运保重点、时间及运保措施。
下面通过一个具体的实施例,示例性的说明上述基于边缘计算的机泵健康监测方法,参见图2,图2为相关技术中一种机泵监测的设备框图,通过多个机泵状态传感器以得到机泵的状态数据,经由数据转换装置传输到设备使用单位的中控计算机中,经由厂区局域网推送给服务器,服务器需要将实时的大量状态数据进行分析和二次处理,由于状态数据采集频率较高,会使得服务器分析速度下降,内存消耗较大。本实施例提供了一种新的基于边缘计算的机泵健康监测方法,参见图3,图3一种具体的基于边缘计算的机泵健康监测方法的设备实现框图,采用端(采集端)、边(边缘计算)、云(私有/公有云服务器端)的工业物联网架构,以及边云协同的理念,将采集端的原始数据(第一采样数据)发送到边缘计算服务模块进行预处理和预决策(异常检测);对预决策的异常特征数据进行本地备份和云端上传(若检测结果为异常,将第一采样数据和第二采样数据发送给服务器);云端(服务器)将异常特征数据(第一采样数据和第二采样数据)通过健康规则引擎,推算出设备的健康值,并将健康值下发到边缘计算模块供后续业务应用。
一种具体的基于边缘计算的机泵健康监测方法的步骤如下:
将振动传感器、应力波传感器、温度传感器的采集数据上传到边缘计算模块;将DCS(Distributed Control System,集散控制系统)\PLC(Programmable LogicController,可编程逻辑控制器)系统中提取周期的压力数据、流量数据、转速数据等上传到边缘计算模块
边缘计算模块对第一采集数据进行预处理(异常检测),利用内置的振动、应力波、温度异常规则引擎进行实时分析,得到检测结果;
若实时分析结果没有异常,也即检测结果为正常,则不做任何操作;
实时分析结果异常,也即检测结果为异常,则将同时段的温度数据、压力数据、流量数据、转速值和第一采集数据中的异常值打包得到打包数据,将打包数据发送到云端服务器;
云端服务器将打包数据传递给云端的健康规则引擎,健康规则引擎输出设备对应的健康值;
若健康值异常,也即健康状态为需检修,则推送消息到设备管理员开启检修流程准备,并将打包数据存储在云端数据库,同时下发健康值到边缘计算模块,供现场管理人员、运维人员参考;
若健康值合理范围,也即健康状态为健康,则将打包数据存储在云端数据库,同时下发健康值到边缘计算模块,供现场管理人员、操作人员参考。
可选的,健康规则引擎通过输入的各类监测参数,根据监测手段、监测值和对应分析技术,最终输出各类监测技术的健康子值,健康子值与专家经验系数(影响因子)之积再相加则为健康值。算式如下:
H=aV+bS+cC+dT+eP+fF;
其中,H为待测机泵的健康值,a、b、c、d、e、f分别为预设振动因子、预设应力波因子、预设电流因子、预设温度因子、预设流量因子,a+b+c+d+e+f=1,V、S、C、T、P、F分别为振动健康子值、应力波健康子值、电流健康子值、温度健康子值、流量健康子值。
可选的,健康规则引擎输入的参数分为两类,一类分为动态评估参数,一类分为静态评估参数,其中:
静态评估参数:温度、压力、流量。
静态评估参数的健康子值由专家库直接提供。或者通过预设的映射关系查表得到。
动态评估参数:振动值、应力波值、电流值。
动态评估参数的健康子值根据实际获得的值进行计算得到,具体流程如下;
由于机泵监测中一般振动监测、应力波监测和电流监测有多个监测点;在健康子值估算中,通常以异常的点值作为分析数据;非异常监测手段参数以最大的点值作为分析数据。如,对振动数据和应力波数据存在多个监测点,得到多个振动采样值和多个应力波采样值,分别对各个振动采样值和应力波采样值进行异常检测,将检测结果为异常的振动采样值和应力波采样值发送给服务器。对于电流数据,若存在多个监测点,则将各监测点的电流采样值中最大的电流采样值发送给服务器。
机泵设备的可使用寿命与健康值呈幂律分布,可以先通过多个样本对已进行函数优化得到最优拟合函数,根据打包数据中的振动数据、应力波数据、电流数据,分别确定对应的第一可使用寿命、第二可使用寿命和第三可使用寿命,结合最优拟合函数获取其健康子值:振动健康子值、应力波健康子值、电流健康子值。最后求得待测机泵设备的健康值H。
上述实施例提供的方法解决了相关技术中机泵在线状态监测技术需要不断将实时监测数据推送到服务器做分析和二次处理,状态监测数据采集频率高,使得服务器分析速度慢、内存消耗大的问题,实现了数据在发送给服务器前进行异常检测,只有检测异常后,才会将第一采集数据和第二采集数据发送给服务器,大大降低了服务器的负载,提升了分析速度和减少了内存消耗。现场使用的状态监测传感器有同步采样、分时复用采样机制,有振动、应力波监测技术,实施例提供的服务器分析处理时可以兼容两种采样机制和监测技术,从而健康分析比较全面;机泵除了状态监测数据,还有温度、压力、流量等流程数据,可融合用于机泵的健康诊断,健康监测更为准确。
实施例二
请参阅图4,本实施例提供了一种基于边缘计算的机泵健康监测系统400,包括:
数据采集模块401,用于获取待测机泵的第一采样数据和第二采样数据,第一采样数据包括振动数据、应力波数据和温度数据中至少之一,第二采样包括电流数据、压力数据和流量数据中至少之一;
边缘计算模块402,用于获取第一采样数据,并进行异常检测,得到检测结果,检测结果包括正常或异常,若检测结果包括异常,获取第二采样数据,并将第一采样数据、第二采样数据发送给服务器;
服务器403,用于确定待测机泵的健康状态,以实现对待测机泵的健康监测。
在本实施例中,该模型训练系统实质上是设置了多个模块用以执行上述实施例中的方法,具体功能和技术效果参照上述实施例一即可,此处不再赘述。
参见图5,本发明实施例还提供了一种电子设备600,包括处理器601、存储器602和通信总线603;
通信总线603用于将处理器601和存储器连接602;
处理器601用于执行存储器602中存储的计算机程序,以实现如上述实施例一中的一个或多个所述的方法。
本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,
计算机程序用于使计算机执行如上述实施例一中的任一项所述的方法。
本申请实施例还提供了一种非易失性可读存储介质,该存储介质中存储有一个或多个模块(programs),该一个或多个模块被应用在设备时,可以使得该设备执行本申请实施例的实施例一所包含步骤的指令(instructions)。
需要说明的是,本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中,计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
上述计算机可读介质可以是上述电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码,上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本公开各种实施例的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,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。
上述实施例仅例示性说明本发明的原理及其功效,而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下,对上述实施例进行修饰或改变。因此,举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变,仍应由本发明的权利要求所涵盖。
Claims (10)
1.一种基于边缘计算的机泵健康监测方法,其特征在于,所述方法包括:
边缘计算模块获取待测机泵的第一采样数据,并进行异常检测,得到检测结果,所述第一采样数据包括振动数据、应力波数据和温度数据中至少之一,所述检测结果包括正常或异常;
若所述检测结果包括异常,所述边缘计算模块获取所述待测机泵的第二采样数据,所述第二采样所述包括电流数据、压力数据和流量数据中至少之一;
将所述第一采样数据、第二采样数据发送给服务器,并由所述服务器确定所述待测机泵的健康状态,以实现对所述待测机泵的健康监测。
2.如权利要求1所述的基于边缘计算的机泵健康监测方法,其特征在于,所述服务器确定所述待测机泵的健康状态包括:
所述服务器根据所述振动数据、应力波数据、压力数据、电流数据、温度数据和流量数据确定健康值;
若所述健康值低于预设健康阈值,则所述健康状态包括健康;
若所述健康值高于或等于所述预设健康阈值,则所述健康状态包括需检修。
3.如权利要求2所述的基于边缘计算的机泵健康监测方法,其特征在于,所述健康值的确定方式包括:
分别获取预设振动因子、预设应力波因子、预设电流因子、预设温度因子和预设流量因子;
根据预设温度-温度健康子值映射关系和所述温度数据确定温度健康子值;
根据预设压力-压力健康子值映射关系和所述压力数据确定压力健康子值;
根据预设流量-流量健康子值映射关系和所述流量数据确定流量健康子值;
根据所述振动数据确定所述待测机泵的第一可使用寿命,并确定振动健康子值;
根据所述应力波数据确定所述待测机泵的第二可使用寿命,并确定应力波健康子值;
根据所述电流数据确定所述待测机泵的第三可使用寿命,并确定电流健康子值;
根据所述预设振动因子、预设应力波因子、预设电流因子、预设温度因子、预设流量因子、温度健康子值、压力健康子值、流量健康子值、振动健康子值、应力波健康子值和流量健康子值确定所述健康值。
4.如权利要求3所述的基于边缘计算的机泵健康监测方法,其特征在于,所述方法还包括以下至少之一:
所述第一可使用寿命的确定方式包括,获取多个不同的样本振动数据,以及在所述样本振动数据条件下机泵的样本振动可使用寿命,根据所述样本振动可使用寿命和所述样本振动数据生成所述振动寿命预测模型,将所述振动数据输入所述振动寿命预测模型,得到第一可使用寿命;
所述第二可使用寿命的确定方式包括,获取多个不同的样本应力波数据,以及在所述样本应力波数据条件下机泵的样本应力波可使用寿命,根据所述样本应力波可使用寿命和所述样本应力波数据生成所述应力波寿命预测模型,将所述应力波数据输入所述应力波寿命预测模型,得到第二可使用寿命;
所述第三可使用寿命的确定方式包括,获取多个不同的样本电流数据,以及在所述样本电流数据条件下机泵的样本电流可使用寿命,根据所述样本电流可使用寿命和所述样本电流数据生成所述电流寿命预测模型,将所述电流数据输入所述电流寿命预测模型,得到第三可使用寿命。
5.如权利要求3所述的基于边缘计算的机泵健康监测方法,其特征在于,确定振动健康子值、应力波健康子值和电流健康子值之前,所述方法还包括:
获取多个样本机泵的样本可使用寿命,以及所述样本可使用寿命对应的样本健康值,得到多个样本数据点;
根据预设幂律分布函数对多个数据点进行最优化拟合,确定第一系数和第二系数,并基于所述第一系数和第二系数得到最优拟合函数;
最优拟合函数包括,
F(x)=ax-k;
其中,a为第一系数,k为第二系数。
6.如权利要求5所述的基于边缘计算的机泵健康监测方法,其特征在于,所述方法还包括以下至少之一:
根据所述第一可使用寿命和最优拟合函数确定振动健康子值;
根据所述第二可使用寿命和最优拟合函数确定应力波振健康子值;
根据所述第三可使用寿命和最优拟合函数确定电流振健康子值。
7.如权利要求2-6任一项所述的基于边缘计算的机泵健康监测方法,其特征在于,所述方法还包括以下至少之一:
若所述健康状态包括健康,将所述健康值展示给现场管理人员、设备操作人员中至少之一;
若所述健康状态包括需检修,将所述健康值展示给供现场管理人员、操作人员和运维人员中至少之一;
所述服务器还包括数据库,将所述上传的第一采样数据、第二采样数据和对应的设备健康值存储于所述数据库。
8.一种基于边缘计算的机泵健康监测系统,其特征在于,所述系统包括:
数据采集模块,用于获取待测机泵的第一采样数据和第二采样数据,所述第一采样数据包括振动数据、应力波数据和温度数据中至少之一,所述第二采样所述包括电流数据、压力数据和流量数据中至少之一;
边缘计算模块,用于获取所述第一采样数据,并进行异常检测,得到检测结果,所述检测结果包括正常或异常,若所述检测结果包括异常,获取所述第二采样数据,并将所述第一采样数据、第二采样数据发送给服务器;
服务器,用于确定所述待测机泵的健康状态,以实现对所述待测机泵的健康监测。
9.一种电子设备,其特征在于,包括处理器、存储器和通信总线;
所述通信总线用于将所述处理器和存储器连接;
所述处理器用于执行所述存储器中存储的计算机程序,以实现如权利要求1-7中任一项所述的方法。
10.一种计算机可读存储介质,其特征在于,其上存储有计算机程序,
所述计算机程序用于使所述计算机执行如权利要求1-7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111401179.8A CN114165430B (zh) | 2021-11-19 | 2021-11-19 | 基于边缘计算的机泵健康监测方法、系统、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111401179.8A CN114165430B (zh) | 2021-11-19 | 2021-11-19 | 基于边缘计算的机泵健康监测方法、系统、设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114165430A true CN114165430A (zh) | 2022-03-11 |
CN114165430B CN114165430B (zh) | 2024-06-28 |
Family
ID=80480297
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111401179.8A Active CN114165430B (zh) | 2021-11-19 | 2021-11-19 | 基于边缘计算的机泵健康监测方法、系统、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114165430B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114962239A (zh) * | 2022-06-01 | 2022-08-30 | 黄河科技集团创新有限公司 | 一种基于智能物联网的设备故障检测方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101307755A (zh) * | 2008-06-20 | 2008-11-19 | 孟祥卿 | 泥浆泵监控显示仪 |
CN104598361A (zh) * | 2013-10-31 | 2015-05-06 | 华为技术有限公司 | 一种性能监控方法和装置 |
JP2019070361A (ja) * | 2017-10-11 | 2019-05-09 | 株式会社荏原製作所 | ポンプ設備健全度評価方法 |
CN111930081A (zh) * | 2020-07-15 | 2020-11-13 | 西门子工厂自动化工程有限公司 | 用于监控agv状态的方法、装置、边缘设备和存储介质 |
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 |
CN112343810A (zh) * | 2020-11-04 | 2021-02-09 | 广州高澜节能技术股份有限公司 | 一种用于循环水冷却系统的水泵健康监测诊断方法 |
CN112431750A (zh) * | 2020-11-10 | 2021-03-02 | 北京昊鹏智能技术有限公司 | 系统状态检测方法、装置、设备、系统及存储介质 |
-
2021
- 2021-11-19 CN CN202111401179.8A patent/CN114165430B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101307755A (zh) * | 2008-06-20 | 2008-11-19 | 孟祥卿 | 泥浆泵监控显示仪 |
CN104598361A (zh) * | 2013-10-31 | 2015-05-06 | 华为技术有限公司 | 一种性能监控方法和装置 |
JP2019070361A (ja) * | 2017-10-11 | 2019-05-09 | 株式会社荏原製作所 | ポンプ設備健全度評価方法 |
CN111930081A (zh) * | 2020-07-15 | 2020-11-13 | 西门子工厂自动化工程有限公司 | 用于监控agv状态的方法、装置、边缘设备和存储介质 |
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 |
CN112343810A (zh) * | 2020-11-04 | 2021-02-09 | 广州高澜节能技术股份有限公司 | 一种用于循环水冷却系统的水泵健康监测诊断方法 |
CN112431750A (zh) * | 2020-11-10 | 2021-03-02 | 北京昊鹏智能技术有限公司 | 系统状态检测方法、装置、设备、系统及存储介质 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114962239A (zh) * | 2022-06-01 | 2022-08-30 | 黄河科技集团创新有限公司 | 一种基于智能物联网的设备故障检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114165430B (zh) | 2024-06-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109144014B (zh) | 工业设备运行状况的检测系统及方法 | |
CN104350435B (zh) | 嵌置在可编程逻辑控制器的软件平台中的预报分析方法 | |
CN109507924B (zh) | 用于油田作业设备的远程监控系统 | |
CN113190886A (zh) | 一种基于快速仿真数字孪生技术的设备健康监测方法 | |
CN111600297B (zh) | 云-边协同下电网设备运行数据的在线分析方法及装置 | |
CN106940678B (zh) | 一种系统实时健康度评估分析方法及装置 | |
WO2022100084A1 (zh) | 一种工业设备异常振动检测装置 | |
CN111652406A (zh) | 云-边协同下电网设备运行状态预测方法及系统 | |
CN112529036A (zh) | 一种故障预警方法、装置、设备及存储介质 | |
CN114386626A (zh) | 基于数字孪生的设备状态评价及运维策略制定实现系统 | |
CN117556366B (zh) | 基于数据筛选的数据异常检测系统及方法 | |
CN103793856A (zh) | 一种基于多数据源的电网设备状态评价系统及其方法 | |
CN108540304B (zh) | 基于工业大数据的远程采集监视系统及方法 | |
CN113420465A (zh) | 一种基于数字孪生模型的液压支架全寿命周期管理方法 | |
CN114165430B (zh) | 基于边缘计算的机泵健康监测方法、系统、设备及介质 | |
TWI586943B (zh) | enhanced-FFT線上機台振動量測系統與方法 | |
CN108377209A (zh) | 基于scada的设备故障检测系统和检测方法 | |
CN115562133A (zh) | 一种轴向柱塞泵智能网关 | |
CN118309644A (zh) | 基于数字孪生的管道泵运行流量监测方法及系统 | |
CN115310923A (zh) | 能源管理服务系统及方法 | |
CN117969789A (zh) | 一种地下水资源的水情预测方法及监测系统 | |
KR20200119359A (ko) | 혼합 현실을 이용한 설비 모니터링 장치 | |
US9274515B2 (en) | Systems and methods for recording data associated with the operation of foundation fieldbus devices | |
CN116466166A (zh) | 一种大屏设备的故障检测方法、系统及装置 | |
CN115586321A (zh) | 油中溶解气在线监测数据识别方法、系统、存储器及设备 |
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 |