CN116107290A - 工业设备故障监测方法、装置、系统及存储介质 - Google Patents

Abstract

本申请涉及云计算技术，提供了工业设备故障监测方法、装置、系统及存储介质，是先在边缘云平台中基于待监测工业设备上传的设备预处理数据和本地存储的分类模型获取对应的设备故障分类结果，若确定设备故障分类结果为非空值且对应为存在紧急故障则获取与对应的目标故障处理策略并发送至待监测工业设备；若确定设备故障分类结果为空值或对应为不存在紧急故障则将设备预处理数据和设备故障分类结果发送至中心云平台，以由中心云平台中的分类模型确定对应的设备数据处理结果并发送至边缘云平台。实现了充分利用边缘云平台的近端算力和存储容量，能快速的得到处理结果并反馈至工业设备。

Description

工业设备故障监测方法、装置、系统及存储介质

技术领域

本申请涉及云计算技术领域，尤其涉及一种工业设备故障监测方法、装置、系统及存储介质。

背景技术

随着云计算的发展，中心云平台在与多个工业设备互联组成工业互联网平台时，如图1所示，工业设备先将在工作过程中采集到的设备数据上传至中心云平台，之后再由中心云平台基于已有的数据处理模型对工业设备上传的设备数据进行处理得到处理结果(例如所述处理结果是用于判断设备是否存在故障的处理结果)，然后直接基于处理结果控制工业设备进行相应的处理。

基于上述如图1所示工业互联网平台的系统架构，当多个工业设备采集的数据都直接传输给云端的中心云平台处理时，会存在以下缺陷：

1)中心云平台接收的数据量过大，容易导致网络崩溃；

2)中心云平台的存储容量有限，无法存储海量的由工业设备上传的设备数据

3)中心云平台的系统资源有限，导致云端数据处理模型的算力不够，处理得到处理结果并反馈至工业设备的效率降低。

发明内容

本申请实施例提供了一种工业设备故障监测方法、装置、系统及存储介质，旨在解决现有技术中工业互联网平台中的中心云平台承担了工业设备数据的接收、处理及反馈处理结果的全流程工作，因受限于中心云平台的系统资源有限和存储容量有限，导致云端数据处理模型的算力不够，处理得到处理结果并反馈至工业设备的效率降低的问题。

第一方面，本申请实施例提供了一种工业设备故障监测方法，应用于工业设备故障监测系统中的边缘云平台，所述工业设备故障监测系统还包括中心云平台，所述边缘云平台与所述中心云平台通讯连接，所述边缘云平台还与待监测工业设备通讯连接；所述方法包括：

若确定接收到所述待监测工业设备发送的设备工作数据，则获取本地已存储的数据预处理策略，将所述设备工作数据基于所述数据预处理策略进行预处理得到设备预处理数据；

获取已存储的分类模型，基于所述设备预处理数据和所述分类模型确定设备故障分类结果；

若确定所述设备故障分类结果为非空值且对应为存在紧急故障，则获取与所述设备故障分类结果对应的目标故障处理策略；

将所述目标故障处理策略发送至所述待监测工业设备，以进行设备紧急故障排除；

若确定所述设备故障分类结果为空值或对应为不存在紧急故障，则将所述设备预处理数据和所述设备故障分类结果发送至所述中心云平台；

若接收到所述中心云平台发送的与所述设备预处理数据对应的设备数据处理结果，将与所述设备数据处理结果对应的设备处理策略发送至所述待监测工业设备。

第二方面，本申请实施例还提供了一种工业设备故障监测方法，应用于工业设备故障监测系统，所述工业设备故障监测系统包括中心云平台和边缘云平台，所述边缘云平台与所述中心云平台通讯连接，所述边缘云平台还与待监测工业设备通讯连接；所述方法包括：

所述边缘云平台若确定接收到所述待监测工业设备发送的设备工作数据，则获取本地已存储的数据预处理策略，将所述设备工作数据基于所述数据预处理策略进行预处理得到设备预处理数据；

所述边缘云平台获取已存储的分类模型，基于所述设备预处理数据和所述分类模型确定设备故障分类结果；

所述边缘云平台若确定所述设备故障分类结果为非空值且对应为存在紧急故障，则获取与所述设备故障分类结果对应的目标故障处理策略；

所述边缘云平台将所述目标故障处理策略发送至所述待监测工业设备，以进行设备紧急故障排除；

所述边缘云平台若确定所述设备故障分类结果为空值或对应为不存在紧急故障，则将所述设备预处理数据和所述设备故障分类结果发送至所述中心云平台；

所述中心云平台基于所述设备预处理数据和预先训练的云端分类模型，确定与所述设备预处理数据对应的设备数据处理结果，将所述设备数据处理结果发送至所述边缘云平台；

所述边缘云平台若接收到所述中心云平台发送的设备数据处理结果，将与所述设备数据处理结果对应的设备处理策略发送至所述待监测工业设备。

第三方面，本申请实施例提供了一种工业设备故障监测装置，配置于工业设备故障监测系统中的边缘云平台，所述工业设备故障监测系统还包括中心云平台，所述边缘云平台与所述中心云平台通讯连接，所述边缘云平台还与待监测工业设备通讯连接；所述工业设备故障监测装置用于执行如上述第一方面所述的工业设备故障监测方法。

第四方面，本申请实施例提供了一种工业设备故障监测系统，所述工业设备故障监测系统包括中心云平台和边缘云平台，所述边缘云平台与所述中心云平台通讯连接，所述边缘云平台还与待监测工业设备通讯连接；所述工业设备故障监测系统用于执行如上述第二方面所述的工业设备故障监测方法。

第五方面，本申请实施例提供了一种计算机设备，其包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述第一方面所述的工业设备故障监测方法，或所述处理器执行所述计算机程序时实现上述第二方面所述的工业设备故障监测方法。

第六方面，本申请实施例还提供了一种计算机可读存储介质，其中所述计算机可读存储介质存储有计算机程序，所述计算机程序当被处理器执行时使所述处理器执行上述第一方面所述的工业设备故障监测方法，或所述计算机程序当被处理器执行时使所述处理器执行上述第二方面所述的工业设备故障监测方法。

本申请实施例提供了一种工业设备故障监测方法、装置、系统及存储介质，是先在边缘云平台中基于待监测工业设备上传的设备预处理数据和本地存储的分类模型获取对应的设备故障分类结果，若确定设备故障分类结果为非空值且对应为存在紧急故障则获取与对应的目标故障处理策略并发送至待监测工业设备；若确定设备故障分类结果为空值或对应为不存在紧急故障则将设备预处理数据和设备故障分类结果发送至中心云平台，以由中心云平台中的分类模型确定对应的设备数据处理结果并发送至边缘云平台。实现了充分利用边缘云平台的近端算力和存储容量，能快速的得到处理结果并反馈至工业设备。

附图说明

为了更清楚地说明本申请实施例技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，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为现有的基于云端的工业设备检测方法的应用场景示意图；

图2为本申请实施例提供的工业设备故障监测方法的应用场景示意图；

图3为本申请实施例提供的工业设备故障监测方法的流程示意图；

图4为本申请实施例提供的工业设备故障监测方法的子流程示意图；

图5为本申请实施例提供的另一工业设备故障监测方法的流程示意图；

图6为本申请实施例提供的工业设备故障监测装置的示意性框图；

图7为本申请实施例提供的工业设备故障监测系统的示意性框图；

图8为本申请实施例提供的计算机设备的示意性框图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。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前提下所获得的所有其他实施例，都属于本申请保护的范围。

应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。

还应当理解，在此本申请说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本申请。如在本申请说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。

还应当进一步理解，在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。

作为工业设备故障监测方法的第一实施例，请参阅图2和图3，图2为本申请实施例提供的工业设备故障监测方法的应用场景示意图；图3为本申请实施例提供的工业设备故障监测方法的流程示意图，该工业设备故障监测方法应用于工业设备故障监测系统中的边缘云平台10。其中，所述工业设备故障监测系统还包括中心云平台20，所述边缘云平台10与所述中心云平台20通讯连接，所述边缘云平台10还与待监测工业设备30通讯连接。

如图3所示，该方法包括步骤S101～S106。

S101、若确定接收到所述待监测工业设备发送的设备工作数据，则获取本地已存储的数据预处理策略，将所述设备工作数据基于所述数据预处理策略进行预处理得到设备预处理数据。

在本实施例中，先以边缘云平台为执行主体描述技术方案。边缘云平台是一种在靠近物或数据源头的网络边缘侧，融合网络、计算、存储、应用核心能力的分布式开放平台，就近提供边缘智能服务。当在靠近待监测工业设备处设置了边缘云平台后，可以就近接收所述待监测工业设备发送的多条设备工作数据。其中，每一条设备工作数据中至少包括设备运行时长、设备工作电压、设备工作电流等设备参数，当然具体实施并不局限于上述列举的设备参数，也可以是其他设备工作过程中的常见参数。

当基于边缘云平台获取到了所述待监测工业设备发送的设备工作数据后，并不是直接以所述设备工作数据为输入数据输入至分类模型进行设备是否存在故障的分类判断，而是先基于边缘云平台本地存储的数据预处理策略进行预处理，从而得到设备预处理数据。

其中，在边缘云平台中基于数据预处理策略对设备工作数据进行预处理时，主要是进行数据清洗(如去除设备工作数据组成的数据集中的噪声数据和无关数据，处理遗漏数据和清洗脏数据、空缺值、识别删除孤立点等)、数据变换(如将不具有正态分布的数据变成有正态分布的数据)、数据规约(如在对挖掘任务和数据本身内容理解的基础上、寻找依赖于发现目标的数据的有用特征，以缩减数据规模，从而在尽可能保持数据原貌的前提下，最大限度地精简数据量)等操作，从而得到设备预处理数据。

由于将数据预处理工作转移至更靠近待检测工业设备的边缘云平台进行，而非上传至中心云平台进行数据预处理，充分利用了边缘云平台的近端数据处理能力，故能有效减少中心云平台的数据接收量和数据处理量。

在一实施例中，步骤S101之前还包括：

若确定检测到当前设置的设备数据过滤策略，将所述设备数据过滤策略发送至所述待监测工业设备以用于对当前设备工作数据进行筛选得到设备工作数据。

在本实施例中，所述待监测工业设备可以基于4G通讯模块、5G通讯模块等通讯模块将设备数据无线发送至所述边缘云平台，若设备数据中包括部分冗余特征数据且在未对设备数据进行任何处理即将原始设备数据发送至边缘云平台，不仅会增加待监测工业设备上传数据的流量成本，也会增加上传数据的冗余度。为了降低待监测工业设备上传数据的流量成本和冗余度，可以在边缘云平台上设置了设备数据过滤策略并下发分发至与其通讯连接的各待监测工业设备。这样，只要在待监测工业设备保存了边缘云平台最新分发的设备数据过滤策略，即可在待监测工业设备的本地基于设备数据过滤策略对当前设备工作数据进行筛选得到设备工作数据，之后再将设备工作数据上传至边缘云平台。边缘云在接收了待监测工业设备初步预处理的设备工作数据后，在本地保存设备工作数据时能降低数据存储空间所需大小从而降低数据存储成本。

S102、获取已存储的分类模型，基于所述设备预处理数据和所述分类模型确定设备故障分类结果。

在本实施例中，当在边缘云平台中完成了数据预处理后，还能进一步判断本地是否已经预先存储由中心云平台定时下发的分类模型，该分类模型是用于基于设备预处理数据作为输入数据运算输出一个设备故障分类结果。其中，所述设备故障分类结果至少存在以下情况：第一种是空值(也即基于分类模型和设备预处理数据无法确定并输出一个分类结果)，第二种是不存在紧急故障，第三种是存在紧急故障。更具体的，所述设备故障分类结果对应一个输出向量且为(x1，x2，x3，……，xn)时，若x1至xn均等于0，则判定设备故障分类结果为空值；若x1＝0、x2至xn-i中所有值大于0、xn-i+1至xn中所有值等于0、且x2+x3+……+xn＝1时，则判定设备故障分类结果为不存在紧急故障，而且可以基于x1至xn中最大的取值确定待监测工业设备具体的设备故障类型；若x1＝0、x2至xn-i中所有值均等于0、xn-i+1至xn中所有值大于0、且x2+x3+……+xn＝1时，则判定设备故障分类结果为存在紧急故障，而且可以基于x1至xn中最大的取值确定待监测工业设备具体的设备故障类型。

可见，本申请中在确定了边缘云平台中存在分类模型时，可在边缘云平台本地基于设备预处理数据和分类模型进行是否在紧急故障的判断，无需在初始判断设备故障时就转移至中心云平台进行。由于边缘云平台距离待监测工业设备更近，通讯链路更短，故充分利用边缘云平台的就近算力后，可以更加快速在接近待监测工业设备的边缘云平台本地获取设备故障分类结果，也便于后续更加快速的进行本地报警等处理，提高了设备故障分类结果的获取效率。

在一实施例中，步骤S102之前还包括：

获取所述中心云平台按预设的模型定时更新策略发送的分类模型，并将所述分类模型保存至预设的存储空间。

在本实施例中，分类模型的训练过程并未置于边缘云平台一侧进行，而是在中心云平台中定期获取了训练集后，在中心云平台处于离线状态下对上一轮训练得到的分类模型基于当前获取的训练集再次训练，以对分类模型内一些相关的参数指标进行及时修正，得到最新训练好的分类模型。当在所述中心云平台中完成了本轮的模型训练后，在当前系统时间满足模型定时更新策略(如上一轮分类模型发送时间为T1，且当前系统时间为T2，若满足T2-T1＝T且T表示模型定时更新策略中对应预设的模型更新时长)时，则将所述分类模型发送至。其中，中心云平台处于离线状态可以理解为中心云平台每隔一段时间如1周、1个月、1年等时间间隔后，断开与边缘云平台的通讯连接以进行中心云平台维护或进行模型更新训练等。可见，本申请中分类模型的训练过程并未置于边缘云平台一侧进行，而是由边缘云平台定期接收中心云平台发送的分类模型并保存即可，实现了边缘云平台一侧的分类模型由中心云平台统一更新，而非在边缘云平台中各自本地训练不同的分类模型以本地使用。

S103、若确定所述设备故障分类结果为非空值且对应为存在紧急故障，则获取与所述设备故障分类结果对应的目标故障处理策略。

在本实施例中，当在边缘云平台中即可确定所述设备故障分类结果为非空值且对应为存在紧急故障，则表示需要对上传设备工作数据的待监测工业设备进行及时的故障排除，此时可以在边缘云平台中筛选获取与所述设备故障分类结果对应的目标故障处理策略。

例如，基于设备预处理数据和分类模型确定设备故障分类结果后，设备故障分类结果除了能确定设备当前是否为紧急故障，还能具体确定设备当前具体的设备故障类型(如空转运行、过温运行等)。由于在边缘云平台中存储了多种具体设备故障分别对应的故障处理策略，故在边缘云平台基于设备故障分类结果、设备故障类型及与多种具体设备故障名称分别对应的故障处理策略即可筛选得到目标故障处理策略。更具体的，若确定设备故障类型与多种具体设备故障名称中其中一种具体设备故障名称相同，则该具体设备故障名称对应的故障处理策略则作为目标故障处理策略。由于该目标故障处理策略的确定过程是在接近待监测工业设备的边缘云平台本地进行，充分利用边缘云平台的就近算力，提高了目标故障处理策略的获取效率。

S104、将所述目标故障处理策略发送至所述待监测工业设备，以进行设备紧急故障排除。

在本实施例中，当在边缘云平台中获取到与待监测工业设备的目标故障处理策略，及时下发至待监测工业设备，以进行设备紧急故障排除。可见，基于边缘云平台就近提供的计算和网络覆盖，可以更快的获取所需的目标故障处理策略，例如控制待监测工业设备在本地及时报警等，以对设备紧急情况进行及时处理。

S105、若确定所述设备故障分类结果为空值或对应为不存在紧急故障，则将所述设备预处理数据和所述设备故障分类结果发送至所述中心云平台。

在本实施例中，若确定设备故障分类结果为空值，则表示边缘云平台中的分类模型可能存在故障而导致不能得到正常的设备故障分类结果；若确定设备故障分类结果对应为不存在紧急故障，则表示待监测工业设备的设备故障类型所对应具体故障并非需要立即进行排除的设备故障，即使这一具体故障延后一段时间处理也不影响设备的正常工作。但无论是上述两种情况中的哪一种情况，此时均可以不在边缘云平台中基于设备故障分类结果确定最终的目标故障处理策略，而是由边缘云平台将设备预处理数据和所述设备故障分类结果发送至中心云平台。

S106、若接收到所述中心云平台发送的与所述设备预处理数据对应的设备数据处理结果，将与所述设备数据处理结果对应的设备处理策略发送至所述待监测工业设备。

在本实施例中，由边缘云平台将设备预处理数据和所述设备故障分类结果发送至中心云平台后，中心云平台也存在最新版本的分类模型，此时可以将设备预处理数据输入中心云平台的该分类模型进行运算，得到另一设备故障分类结果(另一设备故障分类结果即为设备数据处理结果)。同样的，在中心云平台中存储了多种具体设备故障分别对应的故障处理策略，故在中心云平台基于另一设备故障分类结果、另一设备故障分类结果对应的另一设备故障类型、及与多种具体设备故障名称分别对应的故障处理策略即可筛选得到另一目标故障处理策略。而且由于边缘云平台上传的设备预处理数据无需在中心云平台再次进行数据预处理，直接将设备预处理数据输入中心云平台中的分类模型即可，相较于再次进行数据预处理后输入至分类模型进行运算，中心云平台得到分类结果的效率更高。

更具体的，若确定另一设备故障类型与多种具体设备故障名称中其中一种具体设备故障名称相同，则该具体设备故障名称对应的故障处理策略则作为与所述设备数据处理结果对应的设备处理策略。由于该设备处理策略的确定过程是无需在边缘云平台上获取设备处理策略的前提下进行，即一旦不在边缘云平台上实现设备处理策略的获取则将该过程转移至中心云平台中进行，充分利用中心云平台中的算力和系统资源，确保能最终得到设备处理策略。

在一实施例中，如图4所示，步骤S106中包括：

S1061、将所述设备数据处理结果与所述设备故障分类结果进行比对，得到比对结果；

S1062、若确定所述比对结果为数据相同结果，则保存所述设备数据处理结果，获取与所述设备数据处理结果对应的设备处理策略并将所述设备处理策略发送至所述待监测工业设备；

S1063、若确定所述比对结果为数据不相同结果，则获取所述设备数据处理结果，并获取与所述设备数据处理结果对应的设备处理策略并将所述设备处理策略发送至所述待监测工业设备。

在本实施例中，在确定所述设备故障分类结果为空值或对应为不存在紧急故障后，由于边缘云平台将设备预处理数据和设备故障分类结果发送至中心云平台，基于中心云平台获取到了所述设备数据处理结果，相当于是在中心云平台基于设备预处理数据和分类模型进行了二次分类，二次分类结果(即设备数据处理结果)也会回传至边缘云平台。

当在边缘云平台获取到了针对同一待监测工业设备的设备数据处理结果与设备故障分类结果，需要将两者进行比较判断是否为同一个分类结果。若确定所述比对结果为数据不相同结果，则表示在边缘云平台确定的设备故障分类结果可信度不高，此时以在中心云平台中所确定设备数据处理结果对应的设备处理策略作为最终设备处理策略，该最终设备处理策略由边缘云平台发送至待监测工业设备进行故障排除。若确定所述比对结果为数据相同结果，则表示在边缘云平台确定的设备故障分类结果可信度很高，此时以的设备故障分类结果或设备数据处理结果其中一个对应的设备处理策略作为最终设备处理策略即可。

综上，实施上述工业设备故障监测方法的第一实施例及其各种可能的具体实施例时，实现了以下有益效果：

(1)基于边缘云平台就近提供计算算力和网络覆盖，使得工业设备可以基于更少次数的网络跳转更快速的获取故障处理策略；

(2)基于边缘云平台就近提供的存储空间来接收保存设备预处理数据，以及保存分类得到的设备故障分类结果，分担了中心云平台的数据存储压力及降低了数据存储成本；

(3)基于边缘云平台来接收中心云平台定时下发的分类模型，实现了对边缘云平台中分类模型的同步管理和更新。

作为工业设备故障监测方法的第二实施例，请参阅图2和图5，其中图5为本申请实施例提供的另一工业设备故障监测方法的流程示意图，该工业设备故障监测方法应用于工业设备故障监测系统。其中，所述工业设备故障监测系统包括中心云平台20和边缘云平台10，所述边缘云平台10与所述中心云平台20通讯连接，所述边缘云平台10还与待监测工业设备30通讯连接。

如图5所示，该方法包括步骤S201～S207。

S201、所述边缘云平台若确定接收到所述待监测工业设备发送的设备工作数据，则获取本地已存储的数据预处理策略，将所述设备工作数据基于所述数据预处理策略进行预处理得到设备预处理数据；

S202、所述边缘云平台获取已存储的分类模型，基于所述设备预处理数据和所述分类模型确定设备故障分类结果；

S203、所述边缘云平台若确定所述设备故障分类结果为非空值且对应为存在紧急故障，则获取与所述设备故障分类结果对应的目标故障处理策略；

S204、所述边缘云平台将所述目标故障处理策略发送至所述待监测工业设备，以进行设备紧急故障排除；

S205、所述边缘云平台若确定所述设备故障分类结果为空值或对应为不存在紧急故障，则将所述设备预处理数据和所述设备故障分类结果发送至所述中心云平台；

S206、所述中心云平台基于所述设备预处理数据和预先训练的云端分类模型，确定与所述设备预处理数据对应的设备数据处理结果，将所述设备数据处理结果发送至所述边缘云平台；

S207、所述边缘云平台若接收到所述中心云平台发送的设备数据处理结果，将与所述设备数据处理结果对应的设备处理策略发送至所述待监测工业设备。

在工业设备故障监测方法的第二实施例中，其与工业设备故障监测方法的第一实施例不同之处在于，工业设备故障监测方法的第二实施例中以中心云平台和边缘云平台的完整交互过程来描述技术方案。其中在步骤S205之后，是边缘云平台将设备预处理数据和设备故障分类结果发送至中心云平台。之后，由中心云平台具体处理得到设备数据处理结果并发送至边缘云平台。最后，在边缘云平台接收到中心云平台发送的设备数据处理结果且确定对应的设备处理策略后，即可下发至待监测工业设备以进行待监测工业设备的故障排除。

在一实施例中，步骤S206之前还包括：

所述中心云平台基于预设的模型训练策略获取训练集对待训练分类模型进行训练，得到所述云端分类模型；

所述中心云平台若确定当前系统时间满足预设的模型下发更新条件，则将所述云端分类模型发送至所述边缘云平台。

在本实施例中，分类模型的训练过程并未置于边缘云平台一侧进行，而是在中心云平台中定期获取了训练集后，在中心云平台处于离线状态下对上一轮训练得到的分类模型基于当前获取的训练集再次训练，以对分类模型内一些相关的参数指标进行及时修正，得到最新训练好的分类模型。当在所述中心云平台中完成了本轮的模型训练后，在当前系统时间满足模型定时更新策略(如上一轮分类模型发送时间为T1，且当前系统时间为T2，若满足T2-T1＝T且T表示模型定时更新策略中对应预设的模型更新时长)时，则将所述分类模型发送至。其中，中心云平台处于离线状态可以理解为中心云平台每隔一段时间如1周、1个月、1年等时间间隔后，断开与边缘云平台的通讯连接以进行中心云平台维护或进行模型更新训练等。可见，本申请中分类模型的训练过程并未置于边缘云平台一侧进行，而是由边缘云平台定期接收中心云平台发送的分类模型并保存即可，实现了边缘云平台一侧的分类模型由中心云平台统一更新，而非在边缘云平台中各自本地训练不同的分类模型以本地使用。

在一实施例中，步骤S201之前还包括：

所述边缘云平台若确定检测到当前设置的设备数据过滤策略，将所述设备数据过滤策略发送至所述待监测工业设备以用于对当前设备工作数据进行筛选得到设备工作数据。

在本实施例中，所述待监测工业设备可以基于4G通讯模块、5G通讯模块等通讯模块将设备数据无线发送至所述边缘云平台，若设备数据中包括部分冗余特征数据且在未对设备数据进行任何处理即将原始设备数据发送至边缘云平台，不仅会增加待监测工业设备上传数据的流量成本，也会增加上传数据的冗余度。为了降低待监测工业设备上传数据的流量成本和冗余度，可以在边缘云平台上设置了设备数据过滤策略并下发分发至与其通讯连接的各待监测工业设备。这样，只要在待监测工业设备保存了边缘云平台最新分发的设备数据过滤策略，即可在待监测工业设备的本地基于设备数据过滤策略对当前设备工作数据进行筛选得到设备工作数据，之后再将设备工作数据上传至边缘云平台。边缘云在接收了待监测工业设备初步预处理的设备工作数据后，在本地保存设备工作数据时能降低数据存储空间所需大小从而降低数据存储成本。

本申请实施例还提供一种工业设备故障监测装置，配置于工业设备故障监测系统中的边缘云平台中，所述工业设备故障监测系统还包括中心云平台，所述边缘云平台与所述中心云平台通讯连接，所述边缘云平台还与待监测工业设备通讯连接，该工业设备故障监测装置用于执行前述工业设备故障监测方法的第一实施例中任一实施例。具体地，请参阅图6，图6是本申请实施例提供的工业设备故障监测装置100的示意性框图。

如图6所示，工业设备故障监测装置100包括第一数据预处理单元101、第一故障分类单元102、第一处理策略获取单元103、第一处理策略发送单元104、第一数据发送单元105及第二处理策略发送单元106。

其中，第一数据预处理单元101，用于若确定接收到所述待监测工业设备发送的设备工作数据，则获取本地已存储的数据预处理策略，将所述设备工作数据基于所述数据预处理策略进行预处理得到设备预处理数据；

第一故障分类单元102，用于获取已存储的分类模型，基于所述设备预处理数据和所述分类模型确定设备故障分类结果；

第一处理策略获取单元103，用于若确定所述设备故障分类结果为非空值且对应为存在紧急故障，则获取与所述设备故障分类结果对应的目标故障处理策略；

第一处理策略发送单元104，用于将所述目标故障处理策略发送至所述待监测工业设备，以进行设备紧急故障排除；

第一数据发送单元105，用于若确定所述设备故障分类结果为空值或对应为不存在紧急故障，则将所述设备预处理数据和所述设备故障分类结果发送至所述中心云平台；

第一数据发送单元105，用于若接收到所述中心云平台发送的与所述设备预处理数据对应的设备数据处理结果，将与所述设备数据处理结果对应的设备处理策略发送至所述待监测工业设备。

在一实施例中，所述工业设备故障监测装置100还包括：

分类模型定时更新单元，用于获取所述中心云平台按预设的模型定时更新策略发送的分类模型，并将所述分类模型保存至预设的存储空间。

在一实施例中，所述工业设备故障监测装置100还包括：

设备数据过滤策略分发单元，用于若确定检测到当前设置的设备数据过滤策略，将所述设备数据过滤策略发送至所述待监测工业设备以用于对当前设备工作数据进行筛选得到设备工作数据。

在一实施例中，所述将与所述设备数据处理结果对应的设备处理策略发送至所述待监测工业设备，包括：

将所述设备数据处理结果与所述设备故障分类结果进行比对，得到比对结果；

若确定所述比对结果为数据相同结果，则保存所述设备数据处理结果，获取与所述设备数据处理结果对应的设备处理策略并将所述设备处理策略发送至所述待监测工业设备；

若确定所述比对结果为数据不相同结果，则获取所述设备数据处理结果，并获取与所述设备数据处理结果对应的设备处理策略并将所述设备处理策略发送至所述待监测工业设备。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

本申请实施例还提供一种工业设备故障监测装置，配置于工业设备故障监测系统中的边缘云平台中，所述工业设备故障监测系统还包括中心云平台，所述边缘云平台与所述中心云平台通讯连接，所述边缘云平台还与待监测工业设备通讯连接，该工业设备故障监测装置用于执行前述工业设备故障监测方法的第一实施例中任一实施例。具体地，请同时参阅图2和图7，图7是本申请实施例提供的工业设备故障监测系统200的示意性框图。

其中，工业设备故障监测系统200包括中心云平台20和边缘云平台10，边缘云平台10与中心云平台20通讯连接，边缘云平台10还与待监测工业设备30通讯连接。

边缘云平台10，用于若确定接收到待监测工业设备发送的设备工作数据，则获取本地已存储的数据预处理策略，将设备工作数据基于数据预处理策略进行预处理得到设备预处理数据；

边缘云平台10，还用于获取已存储的分类模型，基于设备预处理数据和分类模型确定设备故障分类结果；

若确定设备故障分类结果为非空值且对应为存在紧急故障，则获取与设备故障分类结果对应的目标故障处理策略；

将目标故障处理策略发送至待监测工业设备，以进行设备紧急故障排除；

若确定设备故障分类结果为空值或对应为不存在紧急故障，则将设备预处理数据和设备故障分类结果发送至中心云平台；

中心云平台20，用于基于设备预处理数据和预先训练的云端分类模型，确定与设备预处理数据对应的设备数据处理结果，将设备数据处理结果发送至边缘云平台；

边缘云平台10，还用于若接收到中心云平台发送的设备数据处理结果，将与设备数据处理结果对应的设备处理策略发送至待监测工业设备。

在一实施例中，中心云平台20还用于：

基于预设的模型训练策略获取训练集对待训练分类模型进行训练，得到云端分类模型；

若确定当前系统时间满足预设的模型下发更新条件，则将云端分类模型发送至边缘云平台。

在一实施例中，边缘云平台10还用于：

若确定检测到当前设置的设备数据过滤策略，将设备数据过滤策略发送至待监测工业设备以用于对当前设备工作数据进行筛选得到设备工作数据。

上述工业设备故障监测装置或工业设备故障监测系统可以实现为计算机程序的形式，该计算机程序可以在如图8所示的计算机设备上运行。

请参阅图8，图8是本申请实施例提供的计算机设备的示意性框图。该计算机设备500是服务器，也可以是服务器集群。服务器可以是独立的服务器，也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(ContentDeliveryNetwork，CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。

参阅图8，该计算机设备500包括通过装置总线501连接的处理器502、存储器和网络接口505，其中，存储器可以包括存储介质503和内存储器504。

该存储介质503可存储操作系统5031和计算机程序5032。该计算机程序5032被执行时，可使得处理器502执行工业设备故障监测方法。

该处理器502用于提供计算和控制能力，支撑整个计算机设备500的运行。

该内存储器504为存储介质503中的计算机程序5032的运行提供环境，该计算机程序5032被处理器502执行时，可使得处理器502执行工业设备故障监测方法。

该网络接口505用于进行网络通信，如提供数据信息的传输等。本领域技术人员可以理解，图8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500的限定，具体的计算机设备500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。

其中，所述处理器502用于运行存储在存储器中的计算机程序5032，以实现本申请实施例公开的工业设备故障监测方法。

本领域技术人员可以理解，图8中示出的计算机设备的实施例并不构成对计算机设备具体构成的限定，在其他实施例中，计算机设备可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。例如，在一些实施例中，计算机设备可以仅包括存储器及处理器，在这样的实施例中，存储器及处理器的结构及功能与图8所示实施例一致，在此不再赘述。

应当理解，在本申请实施例中，处理器502可以是中央处理单元(CentralProcessingUnit，CPU)，该处理器502还可以是其他通用处理器、数字信号处理器(DigitalSignalProcessor，DSP)、专用集成电路(ApplicationSpecificIntegratedCircuit，ASIC)、现成可编程门阵列(Field-ProgrammableGateArray，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。其中，通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

在本申请的另一实施例中提供计算机可读存储介质。该计算机可读存储介质可以为非易失性的计算机可读存储介质，也可以为易失性的计算机可读存储介质。该计算机可读存储介质存储有计算机程序，其中计算机程序被处理器执行时实现本申请实施例公开的工业设备故障监测方法。

所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的设备、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。

在本申请所提供的几个实施例中，应该理解到，所揭露的设备、装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为逻辑功能划分，实际实现时可以有另外的划分方式，也可以将具有相同功能的单元集合成一个单元，例如多个单元或组件可以结合或者可以集成到另一个装置，或一些特征可以忽略，或不执行。另外，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口、装置或单元的间接耦合或通信连接，也可以是电的，机械的或其它的形式连接。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本申请实施例方案的目的。

另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以是两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分，或者该技术方案的全部或部分可以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，后台服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-OnlyMemory)、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以权利要求的保护范围为准。

Claims (10)

1.一种工业设备故障监测方法，应用于工业设备故障监测系统中的边缘云平台，其特征在于，所述工业设备故障监测系统还包括中心云平台，所述边缘云平台与所述中心云平台通讯连接，所述边缘云平台还与待监测工业设备通讯连接；所述方法包括：

若确定接收到所述待监测工业设备发送的设备工作数据，则获取本地已存储的数据预处理策略，将所述设备工作数据基于所述数据预处理策略进行预处理得到设备预处理数据；

获取已存储的分类模型，基于所述设备预处理数据和所述分类模型确定设备故障分类结果；

若确定所述设备故障分类结果为非空值且对应为存在紧急故障，则获取与所述设备故障分类结果对应的目标故障处理策略；

将所述目标故障处理策略发送至所述待监测工业设备，以进行设备紧急故障排除；

若确定所述设备故障分类结果为空值或对应为不存在紧急故障，则将所述设备预处理数据和所述设备故障分类结果发送至所述中心云平台；

若接收到所述中心云平台发送的与所述设备预处理数据对应的设备数据处理结果，将与所述设备数据处理结果对应的设备处理策略发送至所述待监测工业设备。

2.根据权利要求1所述的方法，其特征在于，在所述获取已存储的分类模型，基于所述设备预处理数据和所述分类模型确定设备故障分类结果的步骤之前，所述方法还包括：

获取所述中心云平台按预设的模型定时更新策略发送的分类模型，并将所述分类模型保存至预设的存储空间。

3.根据权利要求1所述的方法，其特征在于，在所述若确定接收到所述待监测工业设备发送的设备工作数据，则获取本地已存储的数据预处理策略，将所述设备工作数据基于所述数据预处理策略进行预处理得到设备预处理数据的步骤之前，所述方法还包括：

若确定检测到当前设置的设备数据过滤策略，将所述设备数据过滤策略发送至所述待监测工业设备以用于对当前设备工作数据进行筛选得到所述设备工作数据。

4.根据权利要求1所述的方法，其特征在于，所述将与所述设备数据处理结果对应的设备处理策略发送至所述待监测工业设备，包括：

将所述设备数据处理结果与所述设备故障分类结果进行比对，得到比对结果；

若确定所述比对结果为数据相同结果，则保存所述设备数据处理结果，获取与所述设备数据处理结果对应的设备处理策略并将所述设备处理策略发送至所述待监测工业设备；

若确定所述比对结果为数据不相同结果，则获取所述设备数据处理结果，并获取与所述设备数据处理结果对应的设备处理策略并将所述设备处理策略发送至所述待监测工业设备。

5.一种工业设备故障监测方法，应用于工业设备故障监测系统，其特征在于，所述工业设备故障监测系统包括中心云平台和边缘云平台，所述边缘云平台与所述中心云平台通讯连接，所述边缘云平台还与待监测工业设备通讯连接；所述方法包括：

所述边缘云平台若确定接收到所述待监测工业设备发送的设备工作数据，则获取本地已存储的数据预处理策略，将所述设备工作数据基于所述数据预处理策略进行预处理得到设备预处理数据；

所述边缘云平台获取已存储的分类模型，基于所述设备预处理数据和所述分类模型确定设备故障分类结果；

所述边缘云平台若确定所述设备故障分类结果为非空值且对应为存在紧急故障，则获取与所述设备故障分类结果对应的目标故障处理策略；

所述边缘云平台将所述目标故障处理策略发送至所述待监测工业设备，以进行设备紧急故障排除；

所述边缘云平台若确定所述设备故障分类结果为空值或对应为不存在紧急故障，则将所述设备预处理数据和所述设备故障分类结果发送至所述中心云平台；

所述中心云平台基于所述设备预处理数据和预先训练的云端分类模型，确定与所述设备预处理数据对应的设备数据处理结果，将所述设备数据处理结果发送至所述边缘云平台；

所述边缘云平台若接收到所述中心云平台发送的设备数据处理结果，将与所述设备数据处理结果对应的设备处理策略发送至所述待监测工业设备。

6.根据权利要求5所述的方法，其特征在于，在所述中心云平台基于所述设备预处理数据和预先训练的云端分类模型，确定与所述设备预处理数据对应的设备数据处理结果，将所述设备数据处理结果发送至所述边缘云平台的步骤之前，所述方法还包括：

所述中心云平台基于预设的模型训练策略获取训练集对待训练分类模型进行训练，得到所述云端分类模型；

所述中心云平台若确定当前系统时间满足预设的模型下发更新条件，则将所述云端分类模型发送至所述边缘云平台。

7.根据权利要求5所述的方法，其特征在于，在所述边缘云平台若确定接收到所述待监测工业设备发送的设备工作数据，则获取本地已存储的数据预处理策略，将所述设备工作数据基于所述数据预处理策略进行预处理得到设备预处理数据的步骤之前，所述方法还包括：

所述边缘云平台若确定检测到当前设置的设备数据过滤策略，将所述设备数据过滤策略发送至所述待监测工业设备以用于对当前设备工作数据进行筛选得到所述设备工作数据。

8.一种工业设备故障监测装置，配置于工业设备故障监测系统中的边缘云平台，其特征在于，所述工业设备故障监测系统还包括中心云平台，所述边缘云平台与所述中心云平台通讯连接，所述边缘云平台还与待监测工业设备通讯连接；所述工业设备故障监测装置用于执行如权利要求1-4中任一项所述的工业设备故障监测方法。

9.一种工业设备故障监测系统，其特征在于，所述工业设备故障监测系统包括中心云平台和边缘云平台，所述边缘云平台与所述中心云平台通讯连接，所述边缘云平台还与待监测工业设备通讯连接；所述工业设备故障监测系统执行如权利要求5-7中任一项所述的工业设备故障监测方法。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序当被处理器执行时使所述处理器执行如权利要求1-4任一项所述的工业设备故障监测方法，或者所述计算机程序当被处理器执行时使所述处理器执行如权利要求5-7任一项所述的工业设备故障监测方法。

Images