CN115541965A - 智能网关及基于智能网关实现的设备监测方法、电子设备 - Google Patents
智能网关及基于智能网关实现的设备监测方法、电子设备 Download PDFInfo
- Publication number
- CN115541965A CN115541965A CN202211209483.7A CN202211209483A CN115541965A CN 115541965 A CN115541965 A CN 115541965A CN 202211209483 A CN202211209483 A CN 202211209483A CN 115541965 A CN115541965 A CN 115541965A
- Authority
- CN
- China
- Prior art keywords
- weight
- preset
- output result
- equipment
- current
- 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.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R19/00—Arrangements for measuring currents or voltages or for indicating presence or sign thereof
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/30—Circuit design
- G06F30/32—Circuit design at the digital level
- G06F30/337—Design optimisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Evolutionary Computation (AREA)
- General Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Geometry (AREA)
- Artificial Intelligence (AREA)
- Software Systems (AREA)
- Medical Informatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明具体公开一种智能网关及基于智能网关实现的设备监测方法、电子设备,本发明的计算模块通过将所述采集模块采集的数据信息处理为预设神经网络算法的输入并计算得到输出结果,并依此来判断设备是否正常运行,在判定异常时调整预设神经网络算法的输入的权重,当计算模块判定调整无效时,产生预测告警信息;当判定设备仍处于正常状态时,将预设神经网络的权重参数更新为调整后的权重参数,实现神经网络算法的自优化,解决了人工通过经验设计完善的神经网络算法模型通常比较困难且繁琐、且参数设置有偏差时亦会对监控结果的判定产生一定影响、甚至分析错误的问题,进一步增强了本发明的智能化程度,极大的拓展了本发明的应用场景。
Description
技术领域
本发明属于智能网关设备领域,具体公开一种智能网关及基于智能网关实现的设备监测方法、电子设备。
背景技术
随着各行业的不断发展,越来越多的设备采用机器学习和神经网络算法完成对设备的运行状态的监控,随着设备的使用量逐渐增多,监测过程中设备容易受到自身电子元器件状态的波动或老化或外界的环境因素的干扰,如电磁场波动、波动环境温度、环境湿度等因素可能会监测结果分析产生一定影响,设备产品种类繁多,人工通过经验设计完善的神经网络算法模型通常比较困难且繁琐,且参数设置有偏差时亦会对监控结果的判定产生一定影响,甚至分析错误,从监测质量和算法自优化方面考虑,对监测设备的智能化程度和可用性的要求越来越高,急需一种高智能化、高可用性的智能网关及基于智能网关实现的设备监测方法,用以实现神经网络算法的自优化,实现高智能化、高可用性的设备监测。
因此,现有技术还有待于进一步发展和改进。
发明内容
针对现有技术的种种不足,为了解决上述问题,本发明提出一种高可靠性、高智能化的模具管理方法、模具管理系统及电子设备,本发明提供如下技术方案:
根据本发明的第一方面,提供了一种基于智能网关实现的设备监测方法,其特征在于,
按第一检测周期获取智能网关的采集模块采集的设备的电流信号、电压信号;
解析信号并将解析后得到的电流数据、电压数据按预设规则处理后分别按照第一权重、第一因素值和第二权重、第二因素值输入预设神经网络算法计算输出结果,当输出结果大于预设阈值,则按第二检测周期获取采集模块采集设备的电流信号、电压信号;
分别获取第一预设次数的电流信号和电压信号并解析,将解析后得到的电流数据、电压数据按预设规则处理后分别按照第一权重、第一因素值和第二权重、第二因素值输入预设神经网络算法计算输出结果,当输出结果大于预设阈值的次数超过第二预设次数,按照第一预设比例同步调整第三预设次数的第一权重和第二权重并在每次调整第一权重和第二权重后按第三检测周期获取采集模块采集的设备的电流信号、电压信号;
按第三检测周期分别获取第四预设次数的电流信号及电压信号并解析,将解析后得到的电流数据及电压数据按预设规则处理后分别按照第一因素值、调整后的第一权重和第二因素值、调整后的第二权重输入神经网络算法计算输出结果,并将输出结果与预设阈值进行比较分析,若输出结果接近预设阈值的数据增量大于或等于远离预设阈值的数据增量,则继续对第一权重和第二权重按第一预设比例进行调整,当累计调整第一权重和第二权重的次数小于或等于第三预设次数且输出结果小于预设阈值时,则计算模块判定设备此时仍处于正常运行状态,计算模块将预设神经网络的第一权重和第二权重更新为最后一次调整后的第一权重和调整后的第二权重。
进一步地,所述方法还包括:
若当前第三检测周期内,输出结果接近预设阈值的数据增量大于或等于远离预设阈值的数据增量,则按照第一预设比例减小第一权重和第二权重,直到输出结果小于预设阈值或者累计调整第一权重和第二权重的次数大于或等于第三预设次数且输出结果仍大于预设阈值;
若当前第三检测周期内,输出结果接近预设阈值的数据增量小于远离预设阈值的数据增量,则按照第二预设比例增大第一权重和第二权重,直到输出结果小于预设阈值或者累计调整第一权重和第二权重的次数大于或等于第三预设次数且输出结果仍大于预设阈值。
进一步地,所述方法还包括:
若累计调整第一权重和第二权重的次数大于或等于第三预设次数且输出结果仍大于预设阈值,计算模块判定此时设备处于异常状态,计算模块将调整后的第一权重和第二权重恢复至本次循环的初始值,计算模块产生预测告警信息并发送至服务器。
进一步地,所述方法还包括:
所述输出结果的计算方式为将第一权重与第一因素值的乘积与第二权重与第二因素值的乘积求和得出。
进一步地,所述方法还包括:
所述第二检测周期小于所述第一检测周期。
进一步地,所述方法还包括:
所述第三检测周期小于所述第二检测周期。
进一步地,所述方法还包括:
所述第一权重为20,所述第二权重为10,所述第一预设比例为0.2%,所述第二预设比例为0.3%,所述第一预设次数为20次,所述第二预设次数为15次,所述第三预设次数为5次,所述第四预设次数为10次,所述第一检测周期为10 分钟,所述第二检测周期为5分钟,所述第三检测周期为5秒。
进一步地,所述方法还包括:
所述第一权重为20,所述第二权重为10,所述第一预设比例为0.2%,所述第二预设比例为0.3%,所述第一预设次数为20次,所述第二预设次数为15次,所述第三预设次数为5次,所述第四预设次数为10次,所述第一检测周期为10 分钟,所述第二检测周期为5分钟,所述第三检测周期为5秒。
根据本发明的第二方面,提供了一种智能网关,其特征在于,包括采集模块、计算模块和服务器;
所述采集模块用于采集设备的数据信息;
所述计算模块用于将所述采集模块采集的电压信号、电流信号处理为预设神经网络算法的输入并计算得到输出结果,并依此来判断设备是否正常运行,在判定异常时调整预设神经网络算法的输入的权重,当计算模块判定调整无效机器处于异常状态时,产生预测告警信息并发送至服务器;
服务器,用于对所有设备的控制程序进行统一管理,并下发配置指令。
根据本发明的第三方面,提供了一种电子设备,所述电子设备包括:
存储器;以及处理器,所述存储器上存储有计算机可读指令,所述计算机可读指令被所述处理器执行时实现根据权利要求1至8中任一项所述的基于智能网关实现的设备监测方法。
本发明的有益效果是:
1、本发明可以实现当采集模块的采集到的设备的电流和电压数据出现波动时,通过对采集到的设备的电流和电压数据处理,实时更新神经网络算法的第一因素值和第二因素值,实现了对设备的电压、电流、运行状态的智能整合监测,大大提高了智能网关的智能化程度,很大程度上提高了监测的质量,大大拓展了本发明的应用场景。
2、本发明可以防止监测过程中设备容易受到自身电子元器件状态的正常波动或老化或外界的环境因素的干扰,如电磁场波动、波动环境温度、环境湿度等因素可能会监测结果分析产生一定影响的问题,很大程度上提高了系统的抗干扰性和稳定性。
3、本发明仅通过算法即可实现对设备运行状态的智能监测分析,无需复杂的系统及建模运算,在保证分析精度的情况下大大简化了系统架构,很大程度上降低了系统生产安装维护成本,大大提高了企业效益。
4、本发明的计算模块通过将所述采集模块采集的数据信息处理为神经网络算法的输入并计算得到输出结果,并依此来判断设备是否正常运行,在判定异常时调整神经网络算法的输入的权重,当计算模块判定调整无效时,产生预测告警信息;当判定设备仍处于正常状态时,将预设神经网络的权重参数更新为调整后的权重参数,实现神经网络算法的自优化,解决了人工通过经验设计完善的神经网络算法模型通常比较困难且繁琐、且参数设置有偏差时亦会对监控结果的判定产生一定影响、甚至分析错误的问题,进一步增强了本发明的智能化程度,极大的拓展了本发明的应用场景。
5、本发明通过巧妙的设计第一权重为20,第二权重为10,第一预设比例为0.2%,第二预设比例为0.3%,第一预设次数为20次,第二预设次数为15次,第三预设次数为5次,第四预设次数为10次,第一检测周期为10分钟,第二检测周期为5分钟,第三检测周期为5秒。通过综合考虑现场可能发生状况以及电路实现方式,对电路各项参数进行优选设计,在避免现场各种情况对系统判断结果的影响的同时,优化程序架构,大大提高了系统分析效率,很大程度上节约了时间和人力成本,实现智能网关的超低功耗高可靠性运行。
附图说明
图1为本发明具体实施例中基于智能网关实现的设备监测方法流程图;
图2为本发明另一具体实施例中基于智能网关实现的设备监测方法的示意图;
图3为本发明具体实施例中智能网关的原理框图。
具体实施方式
为了使本领域的人员更好地理解本发明的技术方案,下面结合本发明的附图,对本发明的技术方案进行清楚、完整的描述,基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的其它类同实施例,都应当属于本申请保护的范围。此外,以下实施例中提到的方向用词,例如“上”“下”“左”“右”等仅是参考附图的方向,因此,使用的方向用词是用来说明而非限制本发明创造。
下面结合附图和较佳的实施例对本发明作进一步说明。
请参阅图1,本发明提供一种基于智能网关实现的设备监测方法,包括:
S100、按第一检测周期获取智能网关的采集模块采集的设备的电流信号、电压信号。
这里需要说明的是,本发明的设备中预先设置采集模块,用于实时采集设备的电流和电压信号,即采集模块能够实时产生关于电流、电压变化的信号。
步骤S100之前包括:预设第一检测周期、第一权重、第二权重、第一预设比例、第二预设比例、第一预设次数、第二预设次数、第三预设次数、第四预设次数、第二检测周期、第三检测周期。基于所预设的第一检测周期,计算模块周期性采集由采集模块产生的检测信号,优选的是,所述第一检测周期为10 分钟,第一权重为20,所述第二权重为10,所述第一预设比例为0.2%,所述第二预设比例为0.3%,所述第一预设次数为20次,所述第二预设次数为15次,所述第三预设次数为5次,所述第四预设次数为10次,所述第二检测周期为5 分钟,所述第三检测周期为5秒。
S200、解析信号并将解析后得到的电流数据、电压数据按预设规则处理后分别按照第一权重、第一因素值和第二权重、第二因素值输入预设神经网络算法计算输出结果,当输出结果大于预设阈值,则按第二检测周期获取采集模块采集设备的电流信号、电压信号。
这里需要说明的是,服务器对所获取的电流、电压信号进行解析,解析数据中包含采集模块获得的设备当前时刻的电流、电压信息数据,所述第一因素值根据电流值取整得出,所述第二因素值根据电压值取整得出,所述输出结果的计算方式为将第一权重与第一因素值的乘积与第二权重与第二因素值的乘积求和得出。所述第一权重为20,所述第二权重为10,将第一权重设置为20以及将第二权重设置为10为本发明技术人员通过大量实验得出,设备的电流波动通常是造成设备损伤或其他异常情况的决定因素,因此在本发明的神经网络算法中,将第一权重赋值为20,第一权重对应第一因素值,将第二权重赋值为10,第二权重对应第二因素值,此设置可以在大大简化系统架构和系统复杂度的基础上,完成对设备电流、电压状态的分析,大大降低了本系统的生产维护成本,很大程度上提高了本发明的可用性,大大拓展了本发明的应用场景,此计算方法可以实现将所述采集模块采集的电流、电压信息处理为神经网络算法的输入并计算得到输出结果,并依此来判断设备是否正常运行,在判定异常时调整神经网络算法的输入的权重,当计算模块判定调整无效时,产生预测告警信息;当判定设备仍处于正常状态时,将预设神经网络的权重参数更新为调整后的权重参数,实现神经网络算法的自优化,解决了人工通过经验设计完善的神经网络算法模型通常比较困难且繁琐、且参数设置有偏差时亦会对监控结果的判定产生一定影响、甚至分析错误的问题,进一步增强了本发明的智能化程度,极大的拓展了本发明的应用场景。调用预设阈值与所解析数据进行比较,所述第二检测周期为5分钟,将第二检测周期设置为5分钟为本发明技术人员通过大量试验得出,当计算模块按第一检测周期周期性计算出的输出结果大于预设阈值时,说明设备的运行的电流和\或电压存在波动,此时计算模块需要判断此时出现的电流和\或电压存在波动是否为由于自身电子元器件状态的波动或老化或外界的环境因素的干扰,如电磁场波动、波动环境温度、环境湿度等因素,服务器需要判断此时设备的运行是否仍处于正常状态,将第二检测周期缩短为5 分钟可在保证检测结果可靠性的同时,防止由于各种因素波动导致的系统误判,进一步增强了本系统的稳定性,并在正常监测时,减小计算模块的运算量,实现计算模块的低功耗运行,大大节约运算资源。当按第一检测周期计算出的输出结果小于预设阈值时,计算模块判断设备仍处于正常运行状态,此时系统继续按第一检测周期周期性获取采集模块的检测信号。仅通过设备的电流和电压检测信号进行分析,便可以完成对注塑工件质量的分析,很大程度上简化了分析流程,大大提高了分析效率,降低了系统复杂度,大大降低了系统生产安装运维各环节成本,很大程度上提高了企业效益。
S300、分别获取第一预设次数的电流信号和电压信号并解析,将解析后得到的电流数据、电压数据按预设规则处理后分别按照第一权重、第一因素值和第二权重、第二因素值输入预设神经网络算法计算输出结果,当输出结果大于预设阈值的次数超过第二预设次数,按照第一预设比例同步调整第三预设次数的第一权重和第二权重并在每次调整第一权重和第二权重后按第三检测周期获取采集模块采集的设备的电流信号、电压信号。
具体的,当输出结果与调用的预设阈值进行比较后,计算模块按第一检测周期周期性检测到输出结果时,则启动另一工作流程,即调用预设的第二检测周期获取采集模块采集的设备的电流、电压检测信号,所述第二检测周期为5分钟,第二检测周期设置5分钟为本发明技术人员通过大量试验得出,当计算模块通过神经网络算法计算出的输出结果在某一时刻大于预设阈值时,肯定发生异常情况事件,此时本发明通过预先设置第二检测周期并使第二检测周期小于第一检测周期,大大提升后续数据分析的可靠性,通过优化程序结构,仅在发生设备电流、电压波动时进入第二检测周期,实现本发明系统的超低功耗运行,因此,本发明设置第二检测周期为5分钟,能够较好地提高发生危险或紧急事件后数据分析的可靠性以及实现本发明系统的超低功耗运行。第一预设次数为20 次,第二预设次数为15次,将第一预设次数设置为20次以及将第二预设次数设置为15次为本发明人员通过大量试验后得出,因为,当输出结果在某一时刻大于预设阈值时,肯定发生异常情况事件,此时,本发明通过尽可能合理的检测频率获取检测信号并解析,在保证分析结果准确性的同时,避免不必要的CPU资源浪费,如果是自身电子元器件状态的正常波动或老化,此时设备应仍为正常运行状态,如果是外界的环境因素的干扰,如电磁场波动、波动环境温度、环境湿度等因素导致的设备电压、电流波动,设备的运行状态应在5分钟之内恢复正常,即在5分钟内通过神经网络算法得到的20次输出结果,有15次或15次以上的输出结果小于预设阈值,如果设备的运行电流、运行电压在5分钟内无法恢复正常,即在5分钟内采集到的20次压力数据,仅有15次以下的输出结果小于预设阈值,此时服务器判断设备运行状态为无法自行恢复,需要进入权重调整阶段,避免由于自身电子元器件状态的正常波动或老化而导致系统误判。因为如果5分钟内计算得到的20次输出结果有5次以上的输出结果仍大于预设阈值,代表此时的设备运行状态波动较大,此时进入权重调整阶段可在分解结果可靠的前提下,避免各项成本的进一步浪费,此设置可以较好的分析此时出现的设备电压、电流波动是否能够自行恢复,程度设计合理,大大提高了本发明的分析结果准确性并降低了本发明系统能耗。
S400、按第三检测周期分别获取第四预设次数的电流信号及电压信号并解析,将解析后得到的电流数据及电压数据按预设规则处理后分别按照第一因素值、调整后的第一权重和第二因素值、调整后的第二权重输入神经网络算法计算输出结果,并将输出结果与预设阈值进行比较分析,若输出结果接近预设阈值的数据增量大于或等于远离预设阈值的数据增量,则继续对第一权重和第二权重按第一预设比例进行调整,当累计调整第一权重和第二权重的次数小于或等于第三预设次数且输出结果小于预设阈值时,则计算模块判定设备此时仍处于正常运行状态,计算模块将预设神经网络的第一权重和第二权重更新为最后一次调整后的第一权重和调整后的第二权重。
具体的,若当前第三检测周期内,输出结果接近预设阈值的数据增量大于或等于远离预设阈值的数据增量,则按照第一预设比例减小第一权重和第二权重,直到输出结果小于预设阈值或者对第一权重和第二权重累计分别调整了第三预设次数后输出结果仍大于预设阈值;
若当前第三检测周期内,输出结果接近预设阈值的数据增量小于远离预设阈值的数据增量,则按照第二预设比例增大第一权重和第二权重,直到输出结果小于预设阈值或者对第一权重和第二权重累计分别调整了第三预设次数后输出结果仍大于预设阈值。
具体地,所述第一预设比例为0.2%,所述第二预设比例为0.3%,所述第三检测周期为5秒,所述第三预设次数为5次,所述第4检测次数为10次,将所述第一预设比例为0.2%、将所述第二预设比例为0.3%为本发明技术人员通过大量试验得出,此设置可以较好的完成对第一权重、第二权重的微调,可以在较好地实现对权重参数的遍历调节,大大简化程序系统复杂度,提高了参数调节质量和效率,很大程度上降低了本发明生产安装所需成本,大大拓展了本发明的应用场景。
一般情况下,当设备受到自身电子元器件状态的正常波动或老化或外界的环境因素的干扰,如电磁场波动、波动环境温度、环境湿度等因素时,电流会增大,而通常电流增大是产生异常情况甚至危险情况的直接原因,所以本发明优先按照第一预设比例减小第一权重和第二权重,当减小第一权重和第二权重无法使输出结果接近预设阈值时,本发明再按照第二预设比例增大第一权重和第二权重,此设置可大大提高权重调节过程的效率和可靠性,上述设置可以在保证调节精度的基础上,降低系统程序的计算复杂度,程序设计巧妙合理,解决了现有技术通过人工调整神经网络模型十分复杂繁琐的问题,很大程度上提高了权重调整密度和权重调整效率,很大程度上提高了企业效益。
将第三预设次数设置为5次,将第三检测周期设置为5秒,将第四预设次数设置为10次为本发明技术人员通过大量实验得出,此设置在较好的分析每次调整权重过后电流、电压的变化的同时,节约分析时间,提高权重调整效率,大大拓展了本装置的应用场景。
具体的,计算模块将按第三检测周期计算得到的10次输出结果依次连线绘图,当相邻两次输出结果的变化趋势接近预设阈值时,将此相邻两次输出结果的变化量称为接近预设阈值的数据子增量,当相邻两次输出结果的变化趋势远离预设阈值时,将此相邻两次输出结果的变化量称为远离预设阈值的数据子增量,服务器将各接近预设阈值的数据子增量汇总为当前第三检测周期内接近预设阈值的数据增量,将各远离预设阈值的数据子增量汇总为当前第三检测周期内远离预设阈值的数据增量,若当前第三检测周期内接近预设阈值的数据增量大于远离预设阈值的数据增量,计算模块判断当前第三周期内的输出结果为接近预设阈值,此次权重调整有效,计算模块继续按照第一预设比例调整第一权重和第二权重,直到输出结果小于预设阈值或者对第一权重和第二权重累计分别调整了第三预设次数后输出结果仍大于预设阈值。当累计分别调整了第三预设次数的第一权重和第二权重后,在下一第三周期检测时,计算模块计算得到的输出结果仍大于预设阈值,此时计算模块判断权重调整无效,此时的设备的电流、电压波动为异常情况,撤销本次循环内所有对第一权重和第二权重的调整,产生预测告警信息并发送至服务器。本发明开创性的仅通过根据第三检测周期获取的10次输出结果进行分析,就完成了对权重参数调整后的设备运行电流、电压变化情况的分析,无需复杂建模和算法运算,大大提高了参数调整效率,很大程度上简化了分析算法,大大降低了系统生产安装维护所需成本,很大程度上提高了企业效益。
请参阅图2,本发明提出了一种具体实施例,提供了一种基于智能网关实现的设备监测方法,所述方法包括:
P0:开始。
P1:按第一检测周期获取智能网关的采集模块采集的设备的电流信号、电压信号。
此处需要说明的是,本发明的设备中预先设置采集模块,用于实时采集设备的电流和电压信号,即采集模块能够实时产生关于电流、电压变化的信号。
步骤P1之前包括,预设第一检测周期、第一权重、第二权重、第一预设比例、第二预设比例、第一预设次数、第二预设次数、第三预设次数、第四预设次数、第二检测周期、第三检测周期。基于所预设的第一检测周期,计算模块周期性采集由采集模块产生的检测信号,优选的是,所述第一检测周期为10分钟,第一权重为20,所述第二权重为10,所述第一预设比例为0.2%,所述第二预设比例为0.3%,所述第一预设次数为20次,所述第二预设次数为15次,所述第三预设次数为5次,所述第四预设次数为10次,所述第二检测周期为5分钟,所述第三检测周期为5秒。
P2、解析信号并将解析后得到的电流数据、电压数据按预设步骤处理后分别按照第一权重、第一因素值和第二权重、第二因素值输入预设神经网络算法计算输出结果。
此处需要说明的是,服务器对所获取的电流、电压信号进行解析,解析数据中包含采集模块获得的设备当前时刻的电流、电压信息数据,所述第一因素值根据电流值取整得出,所述第二因素值根据电压值取整得出,所述输出结果的计算方式为将第一权重与第一因素值的乘积与第二权重与第二因素值的乘积求和得出。所述第一权重为20,所述第二权重为10,将第一权重设置为20以及将第二权重设置为10为本发明技术人员通过大量实验得出,设备的电流波动通常是造成设备损伤或其他异常情况的决定因素,因此在本发明的神经网络算法中,将第一权重赋值为20,第一权重对应第一因素值,将第二权重赋值为10,第二权重对应第二因素值,此设置可以在大大简化系统架构和系统复杂度的基础上,完成对设备电流、电压状态的分析,大大降低了本系统的生产维护成本,很大程度上提高了本发明的可用性,大大拓展了本发明的应用场景,此计算方法可以实现将所述采集模块采集的电流、电压信息处理为神经网络算法的输入并计算得到输出结果,并依此来判断设备是否正常运行,在判定异常时调整神经网络算法的输入的权重,当计算模块判定调整无效时,产生预测告警信息;实现神经网络算法的自优化,解决了人工通过经验设计完善的神经网络算法模型通常比较困难且繁琐、且参数设置有偏差时亦会对监控结果的判定产生一定影响、甚至分析错误的问题,进一步增强了本发明的智能化程度,极大的拓展了本发明的应用场景。
P3、比较输出结果是否大于预设阈值?若是,则执行步骤P4,若否,则返回步骤P1。
此处需要说明的是,调用预设阈值与所解析数据进行比较,所述第一检测次数为20次,将第一检测次数为20次、将所述第二检测周期设置为5分钟为本发明技术人员通过大量试验得出,当计算模块按第一检测周期周期性计算出的输出结果大于预设阈值时,说明设备的运行的电流和/或电压存在波动,此时计算模块需要判断此时出现的电流和/或电压存在波动是否为由于自身电子元器件状态的波动或老化或外界的环境因素的干扰,如电磁场波动、波动环境温度、环境湿度等因素,服务器需要判断此时设备的运行是否仍处于正常状态,将第二检测周期缩短为5分钟可在保证检测结果可靠性的同时,防止由于各种因素波动导致的系统误判,进一步增强了本系统的稳定性,并在正常监测时,减小计算模块的运算量,实现计算模块的低功耗运行,大大节约运算资源。当按第一检测周期计算出的输出结果小于预设阈值时,计算模块判断设备仍处于正常运行状态,此时系统继续按第一检测周期周期性获取采集模块的检测信号。仅通过设备的电流和电压检测信号进行分析,便可以完成对注塑工件质量的分析,很大程度上简化了分析流程,大大提高了分析效率,降低了系统复杂度,大大降低了系统生产安装运维各环节成本,很大程度上提高了企业效益。
P4、按第二检测周期分别获取第一预设次数的采集模块采集的设备的电流信号、电压信号并解析,将解析后电流数据及电压数据分别按照第一因素值、第一权重和第二因素值、第二权重输入预设神经网络算法计算输出结果。
P5、计算模块比较输出结果大于预设阈值的次数是否超过第二预设次数?若是,执行步骤P6;若否,返回步骤P1。
当输出结果与调用的预设阈值进行比较后,计算模块按第一检测周期周期性检测到输出结果时,则启动另一工作流程,即调用预设的第二检测周期获取采集模块采集的设备的电流、电压检测信号,所述第二检测周期为5分钟,第二检测周期设置5分钟为本发明技术人员通过大量试验得出,当计算模块通过神经网络算法计算出的输出结果在某一时刻大于预设阈值时,肯定发生异常情况事件,此时本发明通过预先设置第二检测周期并使第二检测周期小于第一检测周期,大大提升后续数据分析的可靠性,通过优化程序结构,仅在发生设备电流、电压波动时进入第二检测周期,实现本发明系统的超低功耗运行,因此,本发明设置第二检测周期为5分钟,能够较好地提高发生危险或紧急事件后数据分析的可靠性以及实现本发明系统的超低功耗运行。第一预设次数为20次,第二预设次数为15次,将第一预设次数设置为20次以及将第二预设次数设置为15次为本发明人员通过大量试验后得出,因为,当输出结果在某一时刻大于预设阈值时,肯定发生异常情况事件,此时,本发明通过尽可能合理的检测频率获取检测信号并解析,在保证分析结果准确性的同时,避免不必要的CPU资源浪费,如果是自身电子元器件状态的正常波动或老化,此时设备应仍为正常运行状态,如果是外界的环境因素的干扰,如电磁场波动、波动环境温度、环境湿度等因素导致的设备电压、电流波动,设备的运行状态应在5分钟之内恢复正常,即在 5分钟内通过神经网络算法得到的20次输出结果,有15次或15次以上的输出结果小于预设阈值,如果设备的运行电流、运行电压在5分钟内无法恢复正常,即在 5分钟内采集到的20次压力数据,仅有15次以下的输出结果小于预设阈值,此时服务器判断设备运行状态为无法自行恢复,需要进入权重调整阶段,避免由于自身电子元器件状态的正常波动或老化而导致系统误判。因为如果5分钟内计算得到的20次输出结果有5次以上的输出结果仍大于预设阈值,代表此时的设备运行状态波动较大,此时进入权重调整阶段可在分解结果可靠的前提下,避免各项成本的进一步浪费,此设置可以较好的分析此时出现的设备电压、电流波动是否能够自行恢复,程度设计合理,大大提高了本发明的分析结果准确性并降低了本发明系统能耗。
P6、按照第一预设比例减小第三预设次数的第一权重和第二权重并在每次调整第一权重和第二权重后按第三检测周期获取采集模块采集的设备的电流信号、电压信号。
此处需要说明的是,所述第一预设比例为0.2%,所述第二预设比例为0.3%,所述第三检测周期为5秒,所述第三预设次数为5次,所述第4检测次数为10 次,将所述第一预设比例为0.2%、将所述第二预设比例为0.3%为本发明技术人员通过大量试验得出,此设置可以较好的完成对第一权重、第二权重的微调,可以在较好地实现对权重参数的遍历调节,大大简化程序系统复杂度,提高了参数调节质量和效率,很大程度上降低了本发明生产安装所需成本,大大拓展了本发明的应用场景。
一般情况下,当设备受到自身电子元器件状态的正常波动或老化或外界的环境因素的干扰,如电磁场波动、波动环境温度、环境湿度等因素时,电流会增大,而通常电流增大是产生异常情况甚至危险情况的直接原因,所以本发明优先按照第一预设比例减小第一权重和第二权重,当减小第一权重和第二权重无法使输出结果接近预设阈值时,本发明再按照第二预设比例增大第一权重和第二权重,此设置可大大提高权重调节过程的效率和可靠性,上述设置可以在保证调节精度的基础上,降低系统程序的计算复杂度,程序设计巧妙合理,解决了现有技术通过人工调整神经网络模型十分复杂繁琐的问题,很大程度上提高了权重调整密度和权重调整效率,很大程度上提高了企业效益。
将第三预设次数设置为5次,将第三检测周期设置为5秒,将第四预设次数设置为10次为本发明技术人员通过大量实验得出,此设置在较好的分析每次调整权重过后电流、电压的变化的同时,节约分析时间,提高权重调整效率,大大拓展了本装置的应用场景。
P7、按第三检测周期分别获取第四预设次数的电流信号及电压信号并解析,将解析后电流数据及电压数据分别按照第一因素值、调整后的第一权重和第二因素值、调整后的第二权重输入预设神经网络算法计算输出结果,并将输出结果与预设阈值进行比较分析。
此处需要说明的是,将第三预设次数设置为5次,将第三检测周期设置为5 秒,将第四预设次数设置为10次为本发明技术人员通过大量实验得出,此设置在较好的分析每次调整权重过后电流、电压的变化的同时,节约分析时间,提高权重调整效率,大大拓展了本装置的应用场景。
P8、比较输出结果接近预设阈值的数据增量是否大于或等于远离预设阈值的数据增量?若是,执行步骤P9;若否,执行步骤P12。
此处需要说明的是,计算模块将按第三检测周期计算得到的10次输出结果依次连线绘图,当相邻两次输出结果的变化趋势接近预设阈值时,将此相邻两次输出结果的变化量称为接近预设阈值的数据子增量,当相邻两次输出结果的变化趋势远离预设阈值时,将此相邻两次输出结果的变化量称为远离预设阈值的数据子增量,服务器将各接近预设阈值的数据子增量汇总为当前第三检测周期内接近预设阈值的数据增量,将各远离预设阈值的数据子增量汇总为当前第三检测周期内远离预设阈值的数据增量,若当前第三检测周期内接近预设阈值的数据增量大于远离预设阈值的数据增量,计算模块判断当前第三周期内的输出结果为接近预设阈值,此次权重调整有效,计算模块继续按照第一预设比例调整第一权重和第二权重,直到输出结果小于预设阈值或者对第一权重和第二权重累计分别调整了第三预设次数后输出结果仍大于预设阈值。当累计分别调整了第三预设次数的第一权重和第二权重后,在下一第三周期检测时,计算模块计算得到的输出结果仍大于预设阈值,此时计算模块判断权重调整无效,此时的设备的电流、电压波动为异常情况,撤销本次循环内所有对第一权重和第二权重的调整,产生预测告警信息并发送至服务器。本发明开创性的仅通过根据第三检测周期获取的10次输出结果进行分析,就完成了对权重参数调整后的设备运行电流、电压变化情况的分析,无需复杂建模和算法运算,大大提高了参数调整效率,很大程度上简化了分析算法,大大降低了系统生产安装维护所需成本,很大程度上提高了企业效益。
P9、输出结果是否大于预设阈值?若是,执行步骤P10;若否,返回步骤P1。
P10、累计调整次数是否大于第三预设次数?若是,执行步骤P14;若否,执行步骤P11。
此处需要说明的是,对第一权重和第二权重的调整为同步调整,本发明将第一权重和第二权重的同步调整记作一次调整。
P11、继续按照第一预设比例减小第一权重和第二权重,然后执行步骤P7。
此处需要说明的是,若当前第三检测周期内接近预设阈值的数据增量大于远离预设阈值的数据增量,计算模块判断当前第三周期内的输出结果为接近预设阈值,此次权重调整有效,计算模块继续按照第一预设比例调整第一权重和第二权重,直到输出结果小于预设阈值或者对第一权重和第二权重累计分别调整了第三预设次数后输出结果仍大于预设阈值。
P12、按照第二预设比例增大第一权重和第二权重。
此处需要说明的是,一般情况下,当设备受到自身电子元器件状态的正常波动或老化或外界的环境因素的干扰,如电磁场波动、波动环境温度、环境湿度等因素时,电流会增大,而通常电流增大是产生异常情况甚至危险情况的直接原因,所以本发明优先按照第一预设比例减小第一权重和第二权重,当减小第一权重和第二权重无法使输出结果接近预设阈值时,本发明再按照第二预设比例增大第一权重和第二权重,此设置可大大提高权重调节过程的效率和可靠性,上述设置可以在保证调节精度的基础上,降低系统程序的计算复杂度,程序设计巧妙合理,解决了现有技术通过人工调整神经网络模型十分复杂繁琐的问题,很大程度上提高了权重调整密度和权重调整效率,很大程度上提高了企业效益。
P13、比较输出结果接近预设阈值的数据增量是否大于或等于远离预设阈值的数据增量?若是,执行步骤P15,若否,执行步骤P14。
P14、撤销本次循环内所有权重调整,产生预测告警信息并发送至服务器,然后执行步骤P17。
P15、输出结果是否大于预设阈值?若是,执行步骤P16;若否,返回步骤P1。
P16、累计调整次数是否大于第三预设次数?若是,执行步骤P14;若否,返回步骤P12。
P17、结束。
此处需要说明的是,当累计分别调整了第三预设次数的第一权重和第二权重后,在下一第三周期检测时,计算模块计算得到的输出结果仍大于预设阈值,此时计算模块判断权重调整无效,此时的设备的电流、电压波动为异常情况,撤销本次循环内所有对第一权重和第二权重的调整,产生预测告警信息并发送至服务器。本发明开创性的仅通过根据第三检测周期获取的10次输出结果进行分析,就完成了对权重参数调整后的设备运行电流、电压变化情况的分析,无需复杂建模和算法运算,大大提高了参数调整效率,很大程度上简化了分析算法,大大降低了系统生产安装维护所需成本,很大程度上提高了企业效益。
请参阅图3,本发明提供了另一实施例,本实施例提供了一种智能网关,所述智能网关包括:
包括采集模块1、计算模块2、服务器100;
所述采集模块1用于实时采集设备的电流和电压数据;
所述计算模块用于将所述采集模块1采集的电流信息、电压信息按预设规则处理为神经网络算法的输入并计算得到输出结果,并依此来判断设备是否正常运行,在判定异常时调整神经网络算法的输入的权重,当计算模块判定调整无效时,产生预测告警信息;当判定设备仍处于正常状态时,将预设神经网络的权重参数更新为调整后的权重参数,实现神经网络算法的自优化,解决了人工通过经验设计完善的神经网络算法模型通常比较困难且繁琐、且参数设置有偏差时亦会对监控结果的判定产生一定影响、甚至分析错误的问题,进一步增强了本发明的智能化程度,极大的拓展了本发明的应用场景。
采集模块1用于采集各种设备的实时数据信息,每类设备有各自的协议,该采集模块1兼容多种设备的协议,包括串口协议和网络协议,设备类型有物联网终端、PLC控制器、数控加工设备、焊接机器人、传感器设备、以及各类仪表设备。采集模块1用于采集电动机监测终端的三相电压电流数据,数据包括原始波形数据。
计算模块2将采集到的实时数据按预设规则处理后输入至神经网络算法并计算得到输出结果,依此来判断设备是否工作在正常状态,在判定异常时产生预测告警信息并发送至服务器100。计算模块2可提取采集到的原始波形中的电流有效值、电压有效值、功率因数、有功功率、无功功率、电压不平衡、电流不平衡、负载率、频率、总谐波率等参数指标。可通过对时域波形进行FFT和 Hilbert变换,进行故障特征识别并判断故障的性质和严重程度。
在监测设备期间,如果动力中断,计算模块2将从上次断点恢复并继续学习。
本发明的一个硬件方案具体实施过程如下:
本发明的核心控制模组采用ARM架构高能效处理器i.MX 8作为主控芯片, 4GBLPDDR4(64Bit)RAM存储,16GB Flash存储。
计算模块支持工业路由器功能,实现2路局域网接入和视频数据的采集和上传。支持WAN/LAN、4G、WIFI等满足不同环境下对远程通信的需求。
计算模块采用Linux作为操作系统,集成Python开发环境和C语言开发环境,提供标准API接口及开发指导,为用户的二次应用开发提供稳定快捷的平台,用户可轻松调用系统各种接口及资源,大大提高了本发明的可用性。
本发明可通过对设备的电流信息和电压信息对电机健康状态进行分析,以此来实时的分析设备当前工作状态,可实现实时响应、快速连接、智能应用、安全与隐私保护等业务处理提供计算资源,可以加快采集到的数据的处理与传送速度,减少延迟。
在优选实施例中,本申请还提供了一种电子设备,所述电子设备包括:
存储器;以及处理器,所述存储器上存储有计算机可读指令,所述计算机可读指令被所述处理器执行时实现所述的基于智能网关实现的设备监测方法。该计算机设备可以广义地为服务器、终端,或任何其他具有必要的计算和/或处理能力的电子设备。在一个实施例中,该计算机设备可包括通过系统总线连接的处理器、存储器、网络接口、通信接口等。该计算机设备的处理器可用于提供必要的计算、处理和/或控制能力。该计算机设备的存储器可包括非易失性存储介质和内存储器。该非易失性存储介质中或上可存储有操作系统、计算机程序等。该内存储器可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。该计算机设备的网络接口和通信接口可用于与外部的设备通过网络连接和通信。该计算机程序被处理器执行时执行本发明的方法的步骤。
本发明可以实现为一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序在由处理器执行时导致本发明实施例的方法的步骤被执行。在一个实施例中,所述计算机程序被分布在网络耦合的多个计算机设备或处理器上,以使得所述计算机程序由一个或多个计算机设备或处理器以分布式方式存储、访问和执行。单个方法步骤/操作,或者两个或更多个方法步骤/操作,可以由单个计算机设备或处理器或由两个或更多个计算机设备或处理器执行。一个或多个方法步骤/操作可以由一个或多个计算机设备或处理器执行,并且一个或多个其他方法步骤/操作可以由一个或多个其他计算机设备或处理器执行。一个或多个计算机设备或处理器可以执行单个方法步骤/操作,或执行两个或更多个方法步骤/操作。
本领域普通技术人员可以理解,本发明的方法步骤可以通过计算机程序来指示相关的硬件如计算机设备或处理器完成,所述的计算机程序可存储于非暂时性计算机可读存储介质中,该计算机程序被执行时导致本发明的步骤被执行。根据情况,本文中对存储器、存储、数据库或其它介质的任何引用可包括非易失性和/或易失性存储器。非易失性存储器的示例包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)、闪存、磁带、软盘、磁光数据存储装置、光学数据存储装置、硬盘、固态盘等。易失性存储器的示例包括随机存取存储器(RAM)、外部高速缓冲存储器等。
以上描述的各技术特征可以任意地组合。尽管未对这些技术特征的所有可能组合进行描述,但这些技术特征的任何组合都应当被认为由本说明书涵盖,只要这样的组合不存在矛盾。
此外,应当理解,虽然本说明书按照实施方式加以描述,但并非每个实施方式仅包含一个独立的技术方案,说明书的这种叙述方式仅仅是为清楚起见,本领域技术人员应当将说明书作为一个整体,各实施例中的技术方案也可以经适当组合,形成本领域技术人员可以理解的其他实施方式。
Claims (10)
1.一种基于智能网关实现的设备监测方法,其特征在于,
按第一检测周期获取智能网关的采集模块采集的设备的电流信号、电压信号;
解析信号并将解析后得到的电流数据、电压数据按预设规则处理后分别按照第一权重、第一因素值和第二权重、第二因素值输入预设神经网络算法计算输出结果,当输出结果大于预设阈值,则按第二检测周期获取采集模块采集设备的电流信号、电压信号;
分别获取第一预设次数的电流信号和电压信号并解析,将解析后得到的电流数据、电压数据按预设规则处理后分别按照第一权重、第一因素值和第二权重、第二因素值输入预设神经网络算法计算输出结果,当输出结果大于预设阈值的次数超过第二预设次数,按照第一预设比例同步调整第三预设次数的第一权重和第二权重并在每次调整第一权重和第二权重后按第三检测周期获取采集模块采集的设备的电流信号、电压信号;
按第三检测周期分别获取第四预设次数的电流信号及电压信号并解析,将解析后得到的电流数据及电压数据按预设规则处理后分别按照第一因素值、调整后的第一权重和第二因素值、调整后的第二权重输入神经网络算法计算输出结果,并将输出结果与预设阈值进行比较分析,若输出结果接近预设阈值的数据增量大于或等于远离预设阈值的数据增量,则继续对第一权重和第二权重按第一预设比例进行调整,当累计调整第一权重和第二权重的次数小于或等于第三预设次数且输出结果小于预设阈值时,则计算模块判定设备此时仍处于正常运行状态,计算模块将预设神经网络的第一权重和第二权重更新为最后一次调整后的第一权重和调整后的第二权重。
2.根据权利要求1所述的一种基于智能网关实现的设备监测方法,其特征在于,所述方法还包括:
若当前第三检测周期内,输出结果接近预设阈值的数据增量大于或等于远离预设阈值的数据增量,则按照第一预设比例减小第一权重和第二权重,直到输出结果小于预设阈值或者累计调整第一权重和第二权重的次数大于或等于第三预设次数且输出结果仍大于预设阈值;
若当前第三检测周期内,输出结果接近预设阈值的数据增量小于远离预设阈值的数据增量,则按照第二预设比例增大第一权重和第二权重,直到输出结果小于预设阈值或者累计调整第一权重和第二权重的次数大于或等于第三预设次数且输出结果仍大于预设阈值。
3.根据权利要求2所述的一种基于智能网关实现的设备监测方法,其特征在于,所述方法还包括:
若累计调整第一权重和第二权重的次数大于或等于第三预设次数且输出结果仍大于预设阈值,计算模块判定此时设备处于异常状态,计算模块将调整后的第一权重和第二权重恢复至本次循环的初始值,计算模块产生预测告警信息并发送至服务器。
4.根据权利要求1所述的一种基于智能网关实现的设备监测方法,其特征在于,所述方法还包括:
所述输出结果的计算方式为将第一权重与第一因素值的乘积与第二权重与第二因素值的乘积求和得出。
5.根据权利要求4所述的一种基于智能网关实现的设备监测方法,其特征在于,所述方法还包括:
所述第一因素值根据电流值取整得出,所述第二因素值根据电压值取整得出。
6.根据权利要求2所述的一种基于智能网关实现的设备监测方法,其特征在于,所述方法还包括:
所述第二检测周期小于所述第一检测周期。
7.根据权利要求2所述的一种基于智能网关实现的设备监测方法,其特征在于,所述方法还包括:
所述第三检测周期小于所述第二检测周期。
8.根据权利要求1所述的一种基于智能网关实现的设备监测方法,其特征在于,所述方法还包括:
所述第一权重为20,所述第二权重为10,所述第一预设比例为0.2%,所述第二预设比例为0.3%,所述第一预设次数为20次,所述第二预设次数为15次,所述第三预设次数为5次,所述第四预设次数为10次,所述第一检测周期为10分钟,所述第二检测周期为5分钟,所述第三检测周期为5秒。
9.一种智能网关,其特征在于,包括采集模块、计算模块和服务器;
所述采集模块用于采集设备的数据信息;
所述计算模块用于将所述采集模块采集的电压信号、电流信号处理为预设神经网络算法的输入并计算得到输出结果,并依此来判断设备是否正常运行,在判定异常时调整预设神经网络算法的输入的权重,当计算模块判定调整无效机器处于异常状态时,产生预测告警信息并发送至服务器;
服务器,用于对所有设备的控制程序进行统一管理,并下发配置指令。
10.一种电子设备,其特征在于,包括:
存储器;以及处理器,所述存储器上存储有计算机可读指令,所述计算机可读指令被所述处理器执行时实现根据权利要求1至8中任一项所述的基于智能网关实现的设备监测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211209483.7A CN115541965A (zh) | 2022-09-30 | 2022-09-30 | 智能网关及基于智能网关实现的设备监测方法、电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211209483.7A CN115541965A (zh) | 2022-09-30 | 2022-09-30 | 智能网关及基于智能网关实现的设备监测方法、电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115541965A true CN115541965A (zh) | 2022-12-30 |
Family
ID=84732155
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211209483.7A Pending CN115541965A (zh) | 2022-09-30 | 2022-09-30 | 智能网关及基于智能网关实现的设备监测方法、电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115541965A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117111997A (zh) * | 2023-10-08 | 2023-11-24 | 西安大合智能科技有限公司 | 一种fpga配置文件远程升级更新方法 |
CN117903824A (zh) * | 2024-03-13 | 2024-04-19 | 北京大学 | 一种基于智慧管理的有机质废料炭化处理系统 |
-
2022
- 2022-09-30 CN CN202211209483.7A patent/CN115541965A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117111997A (zh) * | 2023-10-08 | 2023-11-24 | 西安大合智能科技有限公司 | 一种fpga配置文件远程升级更新方法 |
CN117111997B (zh) * | 2023-10-08 | 2024-03-22 | 西安大合智能科技有限公司 | 一种fpga配置文件远程升级更新方法 |
CN117903824A (zh) * | 2024-03-13 | 2024-04-19 | 北京大学 | 一种基于智慧管理的有机质废料炭化处理系统 |
CN117903824B (zh) * | 2024-03-13 | 2024-05-28 | 北京大学 | 一种基于智慧管理的有机质废料炭化处理系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115541965A (zh) | 智能网关及基于智能网关实现的设备监测方法、电子设备 | |
CN110749827A (zh) | 基于云平台的智能化电池soc管理系统及方法 | |
CN103034802B (zh) | 一种基于智能规则匹配的自动巡检系统及方法 | |
WO2008094833A1 (en) | Apparatus and method for automated closed-loop identification of an industrial process in a process control system. | |
CN114576152B (zh) | 水泵状态监测系统、监测方法、装置、电子设备和介质 | |
JP7221196B2 (ja) | 加工装置誤差補正方法及びそのシステム | |
US11556107B2 (en) | Machining apparatus error correction system and method using safe, correction and alarm intervals | |
CN113190693B (zh) | 储能系统的数据处理方法、装置、电子设备及存储介质 | |
CN115267323A (zh) | 一种线损分析管理系统 | |
CN115129011B (zh) | 基于边缘计算的工业资源管理方法 | |
CN112412761A (zh) | 一种基于云端控制的空压机保压方法、装置、设备与介质 | |
CN114781184A (zh) | 一种数字化能耗在线安全监测管理方法及系统 | |
CN116879788A (zh) | 一种储能电柜安全性检测方法、装置、设备及存储介质 | |
CN116046051B (zh) | 一种智能电机管理方法及其系统、电子设备 | |
CN114679735B (zh) | 一种参数调整方法、装置、电子设备和存储介质 | |
CN117931583B (zh) | 一种设备集群运行状态预测方法、电子设备及存储介质 | |
CN110703679A (zh) | 一种风力发电机组工业控制器 | |
CN101738974A (zh) | 辅机设备状态监测系统 | |
CN115933561A (zh) | 一种工厂自动化设备的数据采集方法及其系统、电子设备 | |
CN116382227A (zh) | 一种自动化装备远程诊断方法及其系统、电子设备 | |
CN113375302B (zh) | 空调电压波动控制系统及控制方法、电子设备和储存介质 | |
CN115378841A (zh) | 设备接入云平台状态的检测方法及装置、存储介质、终端 | |
CN110989518B (zh) | 一种集成制造现场的控制方法和控制系统 | |
CN113626289A (zh) | 一种用户活跃度监控方法及装置 | |
CN117850561B (zh) | 电能计量芯片的通信复位方法及系统 |
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 |