CN116542656B - 一种云边结合的矿用设备智能运维系统及方法 - Google Patents

一种云边结合的矿用设备智能运维系统及方法 Download PDF

Info

Publication number
CN116542656B
CN116542656B CN202310816856.5A CN202310816856A CN116542656B CN 116542656 B CN116542656 B CN 116542656B CN 202310816856 A CN202310816856 A CN 202310816856A CN 116542656 B CN116542656 B CN 116542656B
Authority
CN
China
Prior art keywords
equipment
fault
edge
cloud
module
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.)
Active
Application number
CN202310816856.5A
Other languages
English (en)
Other versions
CN116542656A (zh
Inventor
李夏
李建飞
崔竟成
李志伟
于晓琦
冯海亮
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
CCTEG China Coal Research Institute
Original Assignee
CCTEG China Coal Research Institute
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by CCTEG China Coal Research Institute filed Critical CCTEG China Coal Research Institute
Priority to CN202310816856.5A priority Critical patent/CN116542656B/zh
Publication of CN116542656A publication Critical patent/CN116542656A/zh
Application granted granted Critical
Publication of CN116542656B publication Critical patent/CN116542656B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/20—Administration of product repair or maintenance
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
    • G06F11/0703—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation
    • G06F11/0706—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation the processing taking place on a specific hardware platform or in a specific software environment
    • G06F11/0736—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation the processing taking place on a specific hardware platform or in a specific software environment in functional embedded systems, i.e. in a data processing system designed as a combination of hardware and software dedicated to performing a certain function
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
    • G06F11/0703—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation
    • G06F11/079—Root cause analysis, i.e. error or fault diagnosis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/60—Protecting data
    • G06F21/62—Protecting access to data via a platform, e.g. using keys or access control rules
    • G06F21/6218—Protecting access to data via a platform, e.g. using keys or access control rules to a system of files or objects, e.g. local or distributed file system or database
    • G06F21/6245—Protecting personal data, e.g. for financial or medical purposes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/02—Knowledge representation; Symbolic representation
    • G06N5/022—Knowledge engineering; Knowledge acquisition
    • G06N5/025—Extracting rules from data

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Quality & Reliability (AREA)
  • General Health & Medical Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Software Systems (AREA)
  • Bioethics (AREA)
  • Artificial Intelligence (AREA)
  • Human Resources & Organizations (AREA)
  • Tourism & Hospitality (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • General Business, Economics & Management (AREA)
  • Strategic Management (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Operations Research (AREA)
  • Marketing (AREA)
  • Biomedical Technology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Computational Linguistics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Economics (AREA)
  • Medical Informatics (AREA)
  • Databases & Information Systems (AREA)
  • Computer Hardware Design (AREA)
  • Computer Security & Cryptography (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请提出一种云边结合的矿用设备智能运维系统及方法，所述系统包括：云端服务器、边缘服务器；所述边缘服务器与矿用业务系统连接，所述边缘服务器还包括采集模块，所述边缘服务器，用于利用采集模块采集矿用设备的运行数据，并基于所述运行数据和边端规则引擎筛查故障设备，然后将所述故障设备对应的运行数据及设备参数发送到所述云端服务器；所述云端服务器，用于根据所述故障设备对应的运行数据及设备参数、云端规则引擎确定故障设备的故障原因。本申请提出的技术方案，通过边缘服务器收集矿用设备的运行数据，并采用边缘和云端两级规则引擎进行设备故障分析，优化运维流程，对运维风险进行精确管控，提升运维效率。

Description

一种云边结合的矿用设备智能运维系统及方法
技术领域
本申请涉及智能运维领域，尤其涉及一种云边结合的矿用设备智能运维系统及方法。
背景技术
预测性维护是工业物联网的重要子领域，旨在通过利用信息技术预测和分析何时进行何种维护，来有效地降低维护方面的开销。要成功地进行预测，有赖于对设备运行状态数据的不断收集，以及对收集到数据的深入分析。因此相关研究也主要围绕这两点来展开。
目前，在运行状态数据收集方面已经形成了关于系统“可观测性”的专门子领域，有多家供应方提供了相关产品，并在逐渐完善相关行业标准，以便来自不同供应方的子系统可以协同工作。但是在对收集到的数据的深入分析中有时仅靠边缘服务器无法完成故障诊断，同时故障分析结果准确度较低，进而导致运维效率较低。
发明内容
本申请提供一种云边结合的矿用设备智能运维系统及方法，以至少解决故障分析结果准确度较低，进而导致运维效率较低的技术问题。
本申请第一方面实施例提出一种云边结合的矿用设备智能运维系统，所述系统包括：云端服务器、边缘服务器；
所述云端服务器包括云端规则引擎，所述边缘服务器包括边端规则引擎；
所述边缘服务器与矿用业务系统连接，所述边缘服务器还包括采集模块，所述边缘服务器，用于利用采集模块采集矿用设备的运行数据，并基于所述运行数据和边端规则引擎筛查故障设备，然后将所述故障设备对应的运行数据及设备参数发送到所述云端服务器；
所述云端服务器，用于根据所述故障设备对应的运行数据及设备参数、云端规则引擎确定故障设备的故障原因。
优选的，所述云端服务器还包括：知识图谱模块；
所述知识图谱模块，用于存储运行数据及设备参数对应的故障原因信息构成的知识图谱；
所述知识图谱模块，还用于将所述知识图谱导入到所述云端规则引擎中。
进一步的，所述边缘服务器还包括：报警模块；
所述报警模块，用于当筛查出有矿用设备故障时进行声光报警。
优选的，所述边缘服务器还包括：工单助手；
所述工单助手，用于将所述故障设备对应的运行数据及设备参数发送到所述云端服务器。
进一步的，所述云端服务器还包括：自动分诊模块和自动推测问题模块；
所述自动分诊模块，用于根据所述故障设备对应的运行数据及设备参数在所述云端规则引擎中查找所述故障设备的相似案例；
所述自动推测问题模块，用于基于所述相似案例、故障设备对应的运行数据及设备参数确定设备的故障原因。
进一步的，所述自动推测问题模块，还用于当确定的故障原因正确时将所述运行数据及设备参数对应的故障原因发送到所述知识图谱模块。
进一步的，所述云端服务器还包括：辅助诊断模块；
所述辅助诊断模块，用于当所述自动推测问题模块确定的故障原因错误时，修正故障原因，并将所述运行数据及设备参数对应的修正后的故障原因发送到所述知识图谱模块。
进一步的，所述边缘服务器还包括：订阅模块；
所述订阅模块，用于在收到订阅指令时将所述知识图谱导入到所述边端规则引擎中。
进一步的，所述边缘服务器还包括：数据处理模块；
所述数据处理模块，用于对故障设备对应的运行数据及设备参数进行脱敏处理，然后将处理后的所述运行数据及设备参数发送到所述云端服务器。
本申请第二方面实施例提出一种云边结合的矿用设备智能运维方法，所述方法包括：
边缘服务器利用采集模块采集矿用设备的运行数据，并基于所述运行数据和边端规则引擎筛查故障设备，然后将所述故障设备对应的运行数据及设备参数发送到所述云端服务器；
云端服务器根据所述故障设备对应的运行数据及设备参数、云端规则引擎确定故障设备的故障原因。
本申请的实施例提供的技术方案至少带来以下有益效果：
本申请提出了一种云边结合的矿用设备智能运维系统及方法，其中所述系统包括：云端服务器、边缘服务器；所述云端服务器包括云端规则引擎，所述边缘服务器包括边端规则引擎；所述边缘服务器与矿用业务系统连接，所述边缘服务器还包括采集模块，所述边缘服务器，用于利用采集模块采集矿用设备的运行数据，并基于所述运行数据和边端规则引擎筛查故障设备，然后将所述故障设备对应的运行数据及设备参数发送到所述云端服务器；所述云端服务器，用于根据所述故障设备对应的运行数据及设备参数、云端规则引擎确定故障设备的故障原因。本申请提出的技术方案，通过边缘服务器收集矿用设备的运行数据，并采用边缘和云端两级规则引擎进行设备故障分析，优化运维流程，对运维风险进行精确管控，提升运维效率。
本申请附加的方面以及优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本申请的实践了解到。
附图说明
本申请上述的和/或附加的方面以及优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：
图1为根据本申请一个实施例提供的一种云边结合的矿用设备智能运维系统与矿用业务系统连接的第一种结构图；
图2为根据本申请一个实施例提供的云端服务器、边缘服务器、业务系统连接示意图；
图3为根据本申请一个实施例提供的边缘服务器的工作流程示意图；
图4为根据本申请一个实施例提供的一种云边结合的矿用设备智能运维系统与矿用业务系统连接的第二种结构图；
图5为根据本申请一个实施例提供的一种云边结合的矿用设备智能运维方法的流程图；
图6为根据本申请一个实施例提供的一种云边结合的矿用设备智能运维方法的详细流程图；
附图标记
云端服务器1、边缘服务器2、云端规则引擎1-1、知识图谱模块1-2、自动分诊模块1-3、自动推测问题模块1-4、辅助诊断模块1-5、边端规则引擎2-1、采集模块2-2、报警模块2-3、工单助手2-4、订阅模块2-5、数据处理模块2-6。
具体实施方式
下面详细描述本申请的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本申请，而不能理解为对本申请的限制。
本申请提出的一种云边结合的矿用设备智能运维系统及方法，其中所述系统包括：云端服务器、边缘服务器；所述云端服务器包括云端规则引擎，所述边缘服务器包括边端规则引擎；所述边缘服务器与矿用业务系统连接，所述边缘服务器还包括采集模块，所述边缘服务器，用于利用采集模块采集矿用设备的运行数据，并基于所述运行数据和边端规则引擎筛查故障设备，然后将所述故障设备对应的运行数据及设备参数发送到所述云端服务器；所述云端服务器，用于根据所述故障设备对应的运行数据及设备参数、云端规则引擎确定故障设备的故障原因。本申请提出的技术方案，通过边缘服务器收集矿用设备的运行数据，并采用边缘和云端两级规则引擎进行设备故障分析，优化运维流程，对运维风险进行精确管控，提升运维效率。
下面参考附图描述本申请实施例的一种云边结合的矿用设备智能运维系统及方法。
实施例一
图1为根据本申请一个实施例提供的一种云边结合的矿用设备智能运维系统的结构图，如图1所示，所述系统包括：云端服务器1、边缘服务器2；
所述云端服务器1包括云端规则引擎1-1，所述边缘服务器包括边端规则引擎2-1；
所述边缘服务器2与矿用业务系统连接，所述边缘服务器2还包括采集模块2-2，所述边缘服务器2，用于利用采集模块2-2采集矿用设备的运行数据，并基于所述运行数据和边端规则引擎2-1筛查故障设备，然后将所述故障设备对应的运行数据及设备参数发送到所述云端服务器1；
所述云端服务器1，用于根据所述故障设备对应的运行数据及设备参数、云端规则引擎1-1确定故障设备的故障原因。
需要说明的是，图1仅作为一种云边结合的矿用设备智能运维系统的示意，并不对本发明的矿用设备智能运维系统的结构进行限制。
在本公开实施例中，如图2所示，一个云端服务器1可以与多个边缘服务器2连接进行相互通信，一个矿山可以设置一个边缘服务器2，然后利用边缘服务器2与矿山中的各矿用业务系统连接进行相互通信。
边缘服务器2与各业务系统的上位机软件进行交互，发送采集指令，并利用采集模块2-2，获取设备运行数据，然后通过边端规则引擎2-1进行筛查，其中，一个边缘服务器2中的边端规则引擎2-1、采集模块2-2的个数与业务系统的个数一一对应，边缘服务器2的工作流程可以如图3所示。
在本公开实施例中，如图4所示，所述云端服务器1还包括：知识图谱模块1-2；
所述知识图谱模块1-2，用于存储运行数据及设备参数对应的故障原因信息构成的知识图谱；
所述知识图谱模块1-2，还用于将所述知识图谱导入到所述云端规则引擎1-1中。
在本公开实施例中，如图4所示，所述边缘服务器2还包括：报警模块2-3；
所述报警模块2-3，用于当筛查出有矿用设备故障时进行声光报警。
在本公开实施例中，如图4所示，所述边缘服务器2还包括：工单助手2-4；
所述工单助手2-4，用于将所述故障设备对应的运行数据及设备参数发送到所述云端服务器1。
进一步的，如图4所示，所述云端服务器1还包括：自动分诊模块1-3和自动推测问题模块1-4；
所述自动分诊模块1-3，用于根据所述故障设备对应的运行数据及设备参数在所述云端规则引擎1-1中查找所述故障设备的相似案例；
所述自动推测问题模块1-4，用于基于所述相似案例、故障设备对应的运行数据及设备参数确定设备的故障原因。
其中，所述自动推测问题模块1-4可以针对不同的案例，调用标准的诊断流程：有些故障原因可以从运行数据中包含的关键信息进行推测，有些则需要给出一些检测步骤，指导相关人员逐步操作，并反馈诊断结果。
需要说明的是，所述自动推测问题模块1-4，还用于当确定的故障原因正确时将所述运行数据及设备参数对应的故障原因发送到所述知识图谱模块1-2。
进一步的，如图4所示，所述云端服务器1还包括：辅助诊断模块1-5；
所述辅助诊断模块1-5，用于当所述自动推测问题模块1-4确定的故障原因错误时，修正故障原因，并将所述运行数据及设备参数对应的修正后的故障原因发送到所述知识图谱模块1-2。
需要说明的是，当所述自动推测问题模块1-4确定的故障原因错误时，维修人员通过线下进行故障诊断并维修，然后通过系统提供的表单填入人工诊断结果和处理方案，并将这些信息反馈给知识图谱。
在本公开实施例中，如图4所示，所述边缘服务器2还包括：订阅模块2-5；
所述订阅模块2-5，用于在收到订阅指令时将所述知识图谱导入到所述边端规则引擎2-1中。
需要说明的是，云端规则引擎1-1会根据知识图谱的更新而不断迭代，边缘服务器2出厂时自带一套规则引擎，只有通过增值的订阅服务，才能将云端最新的规则引擎同步到本地使用。
在本公开实施例中，如图4所示，所述边缘服务器2还包括：数据处理模块2-6；
所述数据处理模块2-6，用于对故障设备对应的运行数据及设备参数进行脱敏处理，然后将处理后的所述运行数据及设备参数发送到所述云端服务器1。
示例的，边缘服务器2通过采集模块2-2收集了矿用设备的运行数据后，由边端规则引擎2-1进行筛查，对无法消除的问题进行报警，并通过、工单助手2-4将设备基本信息和故障运行日志即运行数据提交给云端服务器1。云端规则引擎1-1在接到问题工单后，通过对相似问题进行匹配，利用自动分诊模块1-3、自动推测问题模块1-4实现自动分诊和问题推测。当设备返厂维修时，维修人员根据设备的实际故障将结果反馈给云端服务器1：如果推测正确，将正反馈更新至知识图谱模块1-2；如果推测错误，由辅助诊断模块1-5进行人工辅助诊断，并更新经验数据，再通过形式化方法更新知识图谱模块1-2。
其中，规则引擎可以通过知识图谱实现。
需要说明的是，当边缘服务器2将故障运行日志提交给云端服务器1时，客户可以选择是否利用数据处理模块2-6将数据进行脱敏处理。
当客户订阅了边端规则引擎2-1自动更新服务时，边缘服务器2利用订阅模块2-5根据客户的选择自动从云端服务器2同步相应的规则引擎。
综上所述，本实施例提出的一种云边结合的矿用设备智能运维系统，通过边缘服务器收集矿用设备的运行数据，并采用边缘和云端两级规则引擎进行设备故障分析，优化运维流程，对运维风险进行精确管控，提升运维效率。
实施例二
图5为根据本申请一个实施例提供的一种云边结合的矿用设备智能运维方法的结构图，如图5所示，所述方法包括：
步骤1：边缘服务器利用采集模块采集矿用设备的运行数据，并基于所述运行数据和边端规则引擎筛查故障设备，然后将所述故障设备对应的运行数据及设备参数发送到所述云端服务器；
步骤2：云端服务器根据所述故障设备对应的运行数据及设备参数、云端规则引擎确定故障设备的故障原因。
在本公开实施例中，所述矿用设备智能运维方法还包括：
对故障设备对应的运行数据及设备参数进行脱敏处理，然后将处理后的所述运行数据及设备参数发送到所述云端服务器。
需要说明的是，所述运行数据及设备参数对应的故障原因信息可以构成的知识图谱存储在所述云端服务器；
然后利用所述知识图谱实现所述云端规则引擎，并在客户订阅了边端规则引擎自动更新服务时，边缘服务器利用订阅模块根据客户的选择自动从云端服务器的知识图谱中同步相应的规则引擎。
在本公开实施例中，所述矿用设备智能运维方法还包括：
当筛查出有矿用设备故障时进行声光报警。
在本公开实施例中，所述矿用设备智能运维方法还包括：
利用工单助手将所述故障设备对应的运行数据及设备参数发送到所述云端服务器。
进一步的，所述矿用设备智能运维方法还包括：
首先，利用云端服务器中的自动分诊模块根据所述故障设备对应的运行数据及设备参数在所述云端规则引擎中查找所述故障设备的相似案例；
然后，利用自动推测问题模块基于所述相似案例、故障设备对应的运行数据及设备参数确定设备的故障原因。
其中，当确定的故障原因正确时自动推测问题模块将所述运行数据及设备参数对应的故障原因发送到所述知识图谱模块。
当所述自动推测问题模块确定的故障原因错误时，利用辅助诊断模块修正故障原因，并将所述运行数据及设备参数对应的修正后的故障原因发送到所述知识图谱模块。
示例的，在利用本实施例提供的方法进行云边结合的矿用设备智能运维时，边缘服务器通过采集模块收集了矿用设备的运行数据后，由边端规则引擎进行筛查，对无法消除的问题进行报警，并通过、工单助手将设备基本信息和故障运行日志即运行数据提交给云端服务器。云端规则引擎在接到问题工单后，通过对相似问题进行匹配，利用自动分诊模块、自动推测问题模块实现自动分诊和问题推测。当设备返厂维修时，维修人员根据设备的实际故障将结果反馈给云端服务器：如果推测正确，将正反馈更新至知识图谱模块；如果推测错误，由辅助诊断模块进行人工辅助诊断，并更新经验数据，再通过形式化方法更新知识图谱模块，如图6所示。
其中，规则引擎可以通过知识图谱实现。
需要说明的是，当边缘服务器将故障运行日志提交给云端服务器时，客户可以选择是否利用数据处理模块将数据进行脱敏处理。
当客户订阅了边端规则引擎自动更新服务时，边缘服务器利用订阅模块根据客户的选择自动从云端服务器同步相应的规则引擎。
综上所述，本实施例提出的一种云边结合的矿用设备智能运维方法，通过边缘服务器收集矿用设备的运行数据，并采用边缘和云端两级规则引擎进行设备故障分析，优化运维流程，对运维风险进行精确管控，提升运维效率。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、 “示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本申请的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本申请的实施例所属技术领域的技术人员所理解。
尽管上面已经示出和描述了本申请的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本申请的限制，本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (5)

1.一种云边结合的矿用设备智能运维系统，其特征在于，包括：云端服务器、边缘服务器；
所述云端服务器包括云端规则引擎，所述边缘服务器包括边端规则引擎；
所述边缘服务器与矿用业务系统连接，所述边缘服务器还包括采集模块，所述边缘服务器，用于利用采集模块采集矿用设备的运行数据，并基于所述运行数据和边端规则引擎筛查故障设备，然后将所述故障设备对应的运行数据及设备参数发送到所述云端服务器，其中，一个边缘服务器中的边端规则引擎、采集模块的个数与业务系统的个数一一对应；
所述云端服务器，用于根据所述故障设备对应的运行数据及设备参数、云端规则引擎确定故障设备的故障原因；
所述云端服务器还包括：知识图谱模块；
所述知识图谱模块，用于存储运行数据及设备参数对应的故障原因信息构成的知识图谱；
所述知识图谱模块，还用于将所述知识图谱导入到所述云端规则引擎中；
所述边缘服务器还包括：订阅模块；
所述订阅模块，用于在收到订阅指令时将所述知识图谱导入到所述边端规则引擎中，其中，规则引擎可以通过知识图谱实现；
所述云端服务器还包括：自动分诊模块和自动推测问题模块；
所述自动分诊模块，用于根据所述故障设备对应的运行数据及设备参数在所述云端规则引擎中查找所述故障设备的相似案例；
所述自动推测问题模块，用于基于所述相似案例、故障设备对应的运行数据及设备参数确定设备的故障原因；
所述自动推测问题模块，还用于当确定的故障原因正确时将所述运行数据及设备参数对应的故障原因发送到所述知识图谱模块；
所述云端服务器还包括：辅助诊断模块；
所述辅助诊断模块，用于当所述自动推测问题模块确定的故障原因错误时，修正故障原因，并将所述运行数据及设备参数对应的修正后的故障原因发送到所述知识图谱模块。
2.如权利要求1所述的矿用设备智能运维系统，其特征在于，所述边缘服务器还包括：报警模块；
所述报警模块，用于当筛查出有矿用设备故障时进行声光报警。
3.如权利要求1所述的矿用设备智能运维系统，其特征在于，所述边缘服务器还包括：工单助手；
所述工单助手，用于将所述故障设备对应的运行数据及设备参数发送到所述云端服务器。
4.如权利要求2所述的矿用设备智能运维系统，其特征在于，所述边缘服务器还包括：数据处理模块；
所述数据处理模块，用于对故障设备对应的运行数据及设备参数进行脱敏处理，然后将处理后的所述运行数据及设备参数发送到所述云端服务器。
5.一种基于上述权利要求1-4任一所述的云边结合的矿用设备智能运维系统的云边结合的矿用设备智能运维方法，其特征在于，所述方法包括：
边缘服务器利用采集模块采集矿用设备的运行数据，并基于所述运行数据和边端规则引擎筛查故障设备，然后将所述故障设备对应的运行数据及设备参数发送到所述云端服务器；
云端服务器根据所述故障设备对应的运行数据及设备参数、云端规则引擎确定故障设备的故障原因。
CN202310816856.5A 2023-07-05 2023-07-05 一种云边结合的矿用设备智能运维系统及方法 Active CN116542656B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310816856.5A CN116542656B (zh) 2023-07-05 2023-07-05 一种云边结合的矿用设备智能运维系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310816856.5A CN116542656B (zh) 2023-07-05 2023-07-05 一种云边结合的矿用设备智能运维系统及方法

Publications (2)

Publication Number Publication Date
CN116542656A CN116542656A (zh) 2023-08-04
CN116542656B true CN116542656B (zh) 2023-09-22

Family

ID=87449166

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310816856.5A Active CN116542656B (zh) 2023-07-05 2023-07-05 一种云边结合的矿用设备智能运维系统及方法

Country Status (1)

Country Link
CN (1) CN116542656B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103327071A (zh) * 2013-05-20 2013-09-25 东莞市富卡网络技术有限公司 云计算网络智能监控模型数据处理分散分载方法及其系统
CN108256654A (zh) * 2018-01-02 2018-07-06 中电长城(长沙)信息技术有限公司 一种设备报障和故障诊断方法及系统
KR102262321B1 (ko) * 2019-11-29 2021-06-08 주식회사 두두원 산업용 IoT 게이트웨이 시스템
WO2022227105A1 (zh) * 2021-04-30 2022-11-03 广州中国科学院软件应用技术研究所 一种基于端云融合的协同控制系统及方法
CN116032969A (zh) * 2023-01-05 2023-04-28 昆明理工大学 一种云边协同的智能数控车间自调控系统、控制方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103327071A (zh) * 2013-05-20 2013-09-25 东莞市富卡网络技术有限公司 云计算网络智能监控模型数据处理分散分载方法及其系统
CN108256654A (zh) * 2018-01-02 2018-07-06 中电长城(长沙)信息技术有限公司 一种设备报障和故障诊断方法及系统
KR102262321B1 (ko) * 2019-11-29 2021-06-08 주식회사 두두원 산업용 IoT 게이트웨이 시스템
WO2022227105A1 (zh) * 2021-04-30 2022-11-03 广州中国科学院软件应用技术研究所 一种基于端云融合的协同控制系统及方法
CN116032969A (zh) * 2023-01-05 2023-04-28 昆明理工大学 一种云边协同的智能数控车间自调控系统、控制方法

Also Published As

Publication number Publication date
CN116542656A (zh) 2023-08-04

Similar Documents

Publication Publication Date Title
CN109271272B (zh) 基于非结构化日志的大数据组件故障辅助修复系统
US5237518A (en) Optimization method for adaptive sensor reading scheduling and delayed alarm evaluation in real-time diagnostic systems
US8380385B2 (en) System and method for determining electronic logbook observed defect fix effectiveness
CN113935497A (zh) 智能运维故障处理方法、装置、设备及其存储介质
CN111459770A (zh) 服务器运行状态的告警方法、装置、服务器及存储介质
CN110796343A (zh) 智能派工方法及装置、系统
JP5423677B2 (ja) 障害解析装置、コンピュータプログラムおよび障害解析方法
CN113516244B (zh) 一种智能运维方法、装置、电子设备及存储介质
EP3885854B1 (en) Data analysis method, device and system
CN112131033A (zh) 一种服务器故障修复方法、装置、设备及存储介质
CN111861215A (zh) 基于物联网的小区智能设备自主维护派单系统及派单方法
CN116542656B (zh) 一种云边结合的矿用设备智能运维系统及方法
CN109299124B (zh) 用于更新模型的方法和装置
CN111399862A (zh) Windows缺失驱动的批量安装方法、装置和计算机设备
CN109523030B (zh) 一种基于机器学习的遥测参数异常监测系统
CN114880312A (zh) 一种可柔性设置的应用系统业务数据稽核方法
CN114238474A (zh) 基于排水系统的数据处理方法、装置、设备及存储介质
CN111858352B (zh) 自动化测试监控的方法、装置、设备及存储介质
CN110609761B (zh) 确定故障源的方法、装置、存储介质和电子设备
WO2013034448A1 (en) Method and system for optimizing and streamlining troubleshooting
CN109740942B (zh) 航天器能源系统安全性自主管理方法及管理系统
WO2021042233A1 (en) Remote diagnosis system, apparatus and method for power tool
WO2022043030A1 (de) System und verfahren zur bestimmung einer ursache einer betriebsanomalie einer maschine sowie computerprogramm und elektronisch lesbarer datenträger
CN109799425B (zh) 电网故障诊断方法及装置
CN112561261B (zh) 核电厂工作过程的经验反馈数据应用方法和计算机终端

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