CN116679650A - 一种运用于工业自动化设备的远程控制系统 - Google Patents
一种运用于工业自动化设备的远程控制系统 Download PDFInfo
- Publication number
- CN116679650A CN116679650A CN202310800261.0A CN202310800261A CN116679650A CN 116679650 A CN116679650 A CN 116679650A CN 202310800261 A CN202310800261 A CN 202310800261A CN 116679650 A CN116679650 A CN 116679650A
- Authority
- CN
- China
- Prior art keywords
- module
- industrial automation
- data
- automation equipment
- equipment
- 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
- 238000010276 construction Methods 0.000 claims abstract description 50
- 238000005516 engineering process Methods 0.000 claims abstract description 18
- 238000012544 monitoring process Methods 0.000 claims abstract description 13
- 238000013528 artificial neural network Methods 0.000 claims abstract description 11
- 238000004891 communication Methods 0.000 claims description 26
- 230000009471 action Effects 0.000 claims description 23
- 238000013527 convolutional neural network Methods 0.000 claims description 15
- 230000015654 memory Effects 0.000 claims description 14
- 238000012549 training Methods 0.000 claims description 14
- 238000007405 data analysis Methods 0.000 claims description 13
- 239000000779 smoke Substances 0.000 claims description 10
- 238000007781 pre-processing Methods 0.000 claims description 9
- 230000002159 abnormal effect Effects 0.000 claims description 7
- 230000005540 biological transmission Effects 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 6
- 238000010606 normalization Methods 0.000 claims description 5
- 230000007613 environmental effect Effects 0.000 claims description 4
- 230000000694 effects Effects 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 3
- 230000007787 long-term memory Effects 0.000 claims 1
- 230000006403 short-term memory Effects 0.000 claims 1
- 238000004458 analytical method Methods 0.000 abstract description 3
- 238000000034 method Methods 0.000 description 7
- 238000004519 manufacturing process Methods 0.000 description 6
- 230000005856 abnormality Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 238000005299 abrasion Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000000546 chi-square test Methods 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
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]
- G05B19/4183—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 data acquisition, e.g. workpiece identification
-
- 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
- G05B2219/31—From computer integrated manufacturing till monitoring
- G05B2219/31282—Data acquisition, BDE MDE
-
- 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)
- Selective Calling Equipment (AREA)
Abstract
本发明公开了一种运用于工业自动化设备的远程控制系统,包括控制终端、云平台及工业设备端;其中,控制终端用于远程监控和控制工业自动化设备;云平台用于利用神经网络技术对工业设备端采集数据的分析及识别,实现对设备的故障预测及施工安全识别;工业设备端用于采集工业自动化设备的运行参数,并对车间内的运行情况进行实时视频监控。本发明不仅可以实现对工业自动化设备的远程控制,而且还可以利用神经网络技术来实现对工业设备端采集数据的分析及识别,从而可以实现对工业自动化设备的故障预测及车间内施工人员的施工安全识别,进而可以更好地满足于工业自动化设备的远程控制需求。
Description
技术领域
本发明涉及工业控制技术领域,具体来说,涉及一种运用于工业自动化设备的远程控制系统。
背景技术
工业自动化设备是指在工业生产过程中,通过应用自动控制技术、信息技术和机械技术等综合手段,实现生产过程自动化、智能化的一类设备。这些设备主要用于提高生产效率、降低成本、减少人为误操作、提升产品质量及确保生产安全,其在制造业、食品生产线、电子电器包装生产线上有广泛应用。
随着移动互联网和工业信息化的快速发展,工业设备从功能型向智能型不断转变,人们对于工业设备实现远程控制的需求逐渐增多,越来越多的工业设备需要接入专业网络进行大数据分析,工业设备需要定时或者实时传输数据给云端大数据控制中心,同时,云端控制也可以直接发起命令给工业设备,使得远程开发调试成为一种趋势,以快速响应客户的需求,因此,本发明提出了一种运用于工业自动化设备的远程控制系统。
发明内容
针对相关技术中的问题,本发明提出一种运用于工业自动化设备的远程控制系统,以克服现有相关技术所存在的上述技术问题。
为此,本发明采用的具体技术方案如下:
一种运用于工业自动化设备的远程控制系统,包括控制终端、云平台及工业设备端,且云平台分别与控制终端和工业设备端通讯连接;
其中,控制终端用于远程监控和控制工业自动化设备;
云平台用于利用神经网络技术对工业设备端采集数据的分析及识别,实现对设备的故障预测及施工安全识别;
工业设备端用于采集工业自动化设备的运行参数,并对车间内的运行情况进行实时视频监控。
进一步的,控制终端包括显示模块、控制模块、第一通讯模块及提醒模块;
其中,显示模块用于显示工业自动化设备的运行参数、车间内的环境参数及车间内的工作情况;
控制模块用于控制人员对工业自动化设备的远程控制;
第一通讯模块用于连接控制终端与云平台之间的通讯,实现两者之间的数据传输;
提醒模块用于在接收报警信息后提醒控制人员进行相应的处理。
进一步的,控制模块包括设备启停控制模块和设备参数调节模块;
其中,设备启停控制模块用于远程控制工业自动化设备的运行和停止;
设备参数调节模块用于远程实现对工业自动化设备的运行参数的调整。
进一步的,云平台包括数据获取模块、数据分析模块、安全网关及数据库;
其中,数据获取模块用于获取数据采集模块采集的原始数据,并存储到数据库中;
数据分析模块用于利用神经网络技术分别实现工业自动化设备的故障预警及车间施工安全的识别;
安全网关用于通过防火墙技术实现云平台与控制终端及工业设备端的安全通讯;
数据库用于存储和管理来自工业设备端和云平台的数据。
进一步的,数据分析模块包括设备故障预警模块和施工安全识别模块;
其中,设备故障预警模块用于利用预先构建的长短时记忆网络模型对工业自动化设备的故障进行预警;
施工安全识别模块用于利用预先构建的卷积神经网络模型对车间内施工人员的施工动作进行识别。
进一步的,设备故障预警模块在利用预先构建的长短时记忆网络模型对工业自动化设备的故障进行预警时包括:
采集工业自动化设备的历史运行数据,并对采集的历史运行数据进行预处理;
从预处理后的历史运行数据中提取与工业自动化设备故障相关的特征数据;
利用提取的特征数据对构建的长短时记忆网络模型进行训练,得到训练后的长短时记忆网络模型;
利用训练后的长短时记忆网络模型根据当前时刻工业自动化设备的运行参数预测下一时刻的运行预测参数;
判断运行预测参数是否满足工业自动化设备的预设运行参数范围,若是,则输出工业自动化设备运行正常,若否,则输出工业自动化设备运行异常,并发出设备故障预警。
进一步的,预处理包括缺失值检查、异常值处理、数据归一化及数据标准化。
进一步的,施工安全识别模块在利用预先构建的卷积神经网络模型对车间内施工人员的施工动作进行识别时包括:
采集车间内施工人员的历史施工视频数据,并对历史施工视频数据中的危险施工动作进行人工标注;
将标注后的历史施工视频数据进行帧提取和预处理,将每个动作划分为一帧或一系列连续帧的图像数据,得到训练数据集;
利用训练数据集对构建的卷积神经网络模型进行训练,得到训练后的卷积神经网络模型;
利用训练后的卷积神经网络模型对车间内施工人员的实时施工动作进行危险动作识别,并在识别到危险施工动作时发出异常报警。
进一步的,工业设备端包括数据采集模块、指令执行模块、第二通讯模块及报警模块;
其中,数据采集模块用于采集工业自动化设备的运行参数、车间内的环境参数及车间内的工作情况;
指令执行模块用于接收云平台发送的指令,并根据指令执行相应的操作;
第二通讯模块用于连接工业设备端与云平台之间的通讯,实现两者之间的数据传输;
报警模块用于在预测数据异常及施工安全异常时进行语音报警。
进一步的,数据采集模块包括运行数据采集模块、湿度采集模块、烟雾采集模块及视频采集模块;
其中,运行数据采集模块用于采集工业自动化设备工作时的运行数据;
湿度采集模块用于采集车间内的湿度数据;
烟雾采集模块用于采集车间的烟雾浓度数据;
视频采集模块用于利用视频监控技术实时采集车间内施工人员的施工状况。
本发明的有益效果为:通过设置有控制终端、云平台及工业设备端,从而不仅可以在控制终端的作用下实现对工业自动化设备的远程控制,而且还可以在数据分析模块的作用下利用神经网络技术来实现对工业设备端采集数据的分析及识别,从而可以实现对工业自动化设备的故障预测及车间内施工人员的施工安全识别,进而可以更好地满足于工业自动化设备的远程控制需求。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,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是根据本发明实施例的一种运用于工业自动化设备的远程控制系统的结构框图;
图2是根据本发明实施例的一种运用于工业自动化设备的远程控制系统中数据采集模块的结构框图。
图中:
1、控制终端;11、显示模块;12、控制模块;121、设备启停控制模块;122、设备参数调节模块;13、第一通讯模块;14、提醒模块;2、云平台;21、数据获取模块;22、数据分析模块;221、设备故障预警模块;222、施工安全识别模块;23、安全网关;24、数据库;3、工业设备端;31、数据采集模块;311、运行数据采集模块;312、湿度采集模块;313、烟雾采集模块;314、视频采集模块;32、指令执行模块;33、第二通讯模块;34、报警模块。
具体实施方式
为进一步说明各实施例,本发明提供有附图,这些附图为本发明揭露内容的一部分,其主要用以说明实施例,并可配合说明书的相关描述来解释实施例的运作原理,配合参考这些内容,本领域普通技术人员应能理解其他可能的实施方式以及本发明的优点,图中的组件并未按比例绘制,而类似的组件符号通常用来表示类似的组件。
根据本发明的实施例,提供了一种运用于工业自动化设备的远程控制系统。
现结合附图和具体实施方式对本发明进一步说明,如图1-图2所示,根据本发明实施例的运用于工业自动化设备的远程控制系统,包括控制终端1、云平台2及工业设备端3,且云平台2分别与控制终端1和工业设备端3通讯连接;
其中,控制终端1用于远程监控和控制工业自动化设备;
具体的,控制终端1包括显示模块11、控制模块12、第一通讯模块13及提醒模块14;
其中,显示模块11用于显示工业自动化设备的运行参数、车间内的环境参数及车间内的工作情况;
控制模块12用于控制人员对工业自动化设备的远程控制;
控制模块12包括设备启停控制模块121和设备参数调节模块122;
其中,设备启停控制模块121用于远程控制工业自动化设备的运行和停止;
设备参数调节模块122用于远程实现对工业自动化设备的运行参数的调整。
第一通讯模块13用于连接控制终端与云平台之间的通讯,实现两者之间的数据传输;
提醒模块14用于在接收报警信息后提醒控制人员进行相应的处理。
云平台2用于利用神经网络技术对工业设备端采集数据的分析及识别,实现对设备的故障预测及施工安全识别;
具体的,云平台2包括数据获取模块21、数据分析模块22、安全网关23及数据库24;
其中,数据获取模块21用于获取数据采集模块采集的原始数据,并存储到数据库中;
数据分析模块22用于利用神经网络技术分别实现工业自动化设备的故障预警及车间施工安全的识别;
数据分析模块22包括设备故障预警模块221和施工安全识别模块222;
其中,设备故障预警模块221用于利用预先构建的长短时记忆网络模型对工业自动化设备的故障进行预警;具体的,设备故障预警模块221在利用预先构建的长短时记忆网络模型对工业自动化设备的故障进行预警时包括:
采集工业自动化设备的历史运行数据(可以利用传感器或监控系统来实时收集设备运行时的监测参数(温度、磨损等)和故障日志),并对采集的历史运行数据进行预处理,预处理包括缺失值检查、异常值处理(例如删除或重新标记)、数据归一化及数据标准化等操作;
从预处理后的历史运行数据中提取与工业自动化设备故障相关的特征数据,可以使用统计分析方法、相关性分析或特征选择算法(如卡方检验法、信息增益比法)来进行特征选择;
利用提取的特征数据对构建的长短时记忆网络模型进行训练,得到训练后的长短时记忆网络模型;在训练过程中,通过误差反向传播算法优化神经网络的权重和偏置等超参数,以获得最佳性能。可以使用交叉验证和测试集来评估模型性能,并计算准确率、召回率等指标来评判模型的优劣;
利用训练后的长短时记忆网络模型根据当前时刻工业自动化设备的运行参数预测下一时刻的运行预测参数;
判断运行预测参数是否满足工业自动化设备的预设运行参数范围,若是,则输出工业自动化设备运行正常,若否,则输出工业自动化设备运行异常,并发出设备故障预警。
施工安全识别模块222用于利用预先构建的卷积神经网络模型对车间内施工人员的施工动作进行识别。具体的,施工安全识别模块222在利用预先构建的卷积神经网络模型对车间内施工人员的施工动作进行识别时包括:
采集车间内施工人员的历史施工视频数据,并对历史施工视频数据中的危险施工动作进行人工标注;
将标注后的历史施工视频数据进行帧提取和预处理,将每个动作划分为一帧或一系列连续帧的图像数据,得到训练数据集;
利用训练数据集对构建的卷积神经网络模型进行训练,在训练过程中,通过反向传播算法优化模型参数并不断调整模型精度,得到训练后的卷积神经网络模型;
利用训练后的卷积神经网络模型对车间内施工人员的实时施工动作进行危险动作识别,并在识别到危险施工动作时发出异常报警。
安全网关23用于通过防火墙技术实现云平台与控制终端及工业设备端的安全通讯;
数据库24用于存储和管理来自工业设备端和云平台的数据。
工业设备端3用于采集工业自动化设备的运行参数,并对车间内的运行情况进行实时视频监控。
具体的,工业设备端3包括数据采集模块31、指令执行模块32、第二通讯模块33及报警模块34;
其中,数据采集模块31用于采集工业自动化设备的运行参数、车间内的环境参数及车间内的工作情况;
数据采集模块31包括运行数据采集模块311、湿度采集模块312、烟雾采集模块313及视频采集模块314;
其中,运行数据采集模块311用于采集工业自动化设备工作时的运行数据;
湿度采集模块312用于采集车间内的湿度数据;
烟雾采集模块313用于采集车间的烟雾浓度数据;
视频采集模块314用于利用视频监控技术实时采集车间内施工人员的施工状况。
指令执行模块32用于接收云平台发送的指令,并根据指令执行相应的操作;
第二通讯模块33用于连接工业设备端与云平台之间的通讯,实现两者之间的数据传输;
报警模块34用于在预测数据异常及施工安全异常时进行语音报警。
综上所述,借助于本发明的上述技术方案,通过设置有控制终端、云平台及工业设备端,从而不仅可以在控制终端的作用下实现对工业自动化设备的远程控制,而且还可以在数据分析模块的作用下利用神经网络技术来实现对工业设备端采集数据的分析及识别,从而可以实现对工业自动化设备的故障预测及车间内施工人员的施工安全识别,进而可以更好地满足于工业自动化设备的远程控制需求。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种运用于工业自动化设备的远程控制系统,其特征在于,包括控制终端(1)、云平台(2)及工业设备端(3),且所述云平台(2)分别与所述控制终端(1)和所述工业设备端(3)通讯连接;
其中,所述控制终端(1)用于远程监控和控制工业自动化设备;
所述云平台(2)用于利用神经网络技术对工业设备端采集数据的分析及识别,实现对设备的故障预测及施工安全识别;
所述工业设备端(3)用于采集工业自动化设备的运行参数,并对车间内的运行情况进行实时视频监控。
2.根据权利要求1所述的一种运用于工业自动化设备的远程控制系统,其特征在于,所述控制终端(1)包括显示模块(11)、控制模块(12)、第一通讯模块(13)及提醒模块(14);
其中,所述显示模块(11)用于显示工业自动化设备的运行参数、车间内的环境参数及车间内的工作情况;
所述控制模块(12)用于控制人员对工业自动化设备的远程控制;
所述第一通讯模块(13)用于连接控制终端与云平台之间的通讯,实现两者之间的数据传输;
所述提醒模块(14)用于在接收报警信息后提醒控制人员进行相应的处理。
3.根据权利要求2所述的一种运用于工业自动化设备的远程控制系统,其特征在于,所述控制模块(12)包括设备启停控制模块(121)和设备参数调节模块(122);
其中,所述设备启停控制模块(121)用于远程控制工业自动化设备的运行和停止;
所述设备参数调节模块(122)用于远程实现对工业自动化设备的运行参数的调整。
4.根据权利要求1所述的一种运用于工业自动化设备的远程控制系统,其特征在于,所述云平台(2)包括数据获取模块(21)、数据分析模块(22)、安全网关(23)及数据库(24);
其中,所述数据获取模块(21)用于获取数据采集模块采集的原始数据,并存储到数据库中;
所述数据分析模块(22)用于利用神经网络技术分别实现工业自动化设备的故障预警及车间施工安全的识别;
所述安全网关(23)用于通过防火墙技术实现云平台与控制终端及工业设备端的安全通讯;
所述数据库(24)用于存储和管理来自工业设备端和云平台的数据。
5.根据权利要求4所述的一种运用于工业自动化设备的远程控制系统,其特征在于,所述数据分析模块(22)包括设备故障预警模块(221)和施工安全识别模块(222);
其中,所述设备故障预警模块(221)用于利用预先构建的长短时记忆网络模型对工业自动化设备的故障进行预警;
所述施工安全识别模块(222)用于利用预先构建的卷积神经网络模型对车间内施工人员的施工动作进行识别。
6.根据权利要求5所述的一种运用于工业自动化设备的远程控制系统,其特征在于,所述设备故障预警模块(221)在利用预先构建的长短时记忆网络模型对工业自动化设备的故障进行预警时包括:
采集工业自动化设备的历史运行数据,并对采集的历史运行数据进行预处理;
从预处理后的历史运行数据中提取与工业自动化设备故障相关的特征数据;
利用提取的特征数据对构建的长短时记忆网络模型进行训练,得到训练后的长短时记忆网络模型;
利用训练后的长短时记忆网络模型根据当前时刻工业自动化设备的运行参数预测下一时刻的运行预测参数;
判断运行预测参数是否满足工业自动化设备的预设运行参数范围,若是,则输出工业自动化设备运行正常,若否,则输出工业自动化设备运行异常,并发出设备故障预警。
7.根据权利要求6所述的一种运用于工业自动化设备的远程控制系统,其特征在于,所述预处理包括缺失值检查、异常值处理、数据归一化及数据标准化。
8.根据权利要求5所述的一种运用于工业自动化设备的远程控制系统,其特征在于,所述施工安全识别模块(222)在利用预先构建的卷积神经网络模型对车间内施工人员的施工动作进行识别时包括:
采集车间内施工人员的历史施工视频数据,并对历史施工视频数据中的危险施工动作进行人工标注;
将标注后的历史施工视频数据进行帧提取和预处理,将每个动作划分为一帧或一系列连续帧的图像数据,得到训练数据集;
利用训练数据集对构建的卷积神经网络模型进行训练,得到训练后的卷积神经网络模型;
利用训练后的卷积神经网络模型对车间内施工人员的实时施工动作进行危险动作识别,并在识别到危险施工动作时发出异常报警。
9.根据权利要求1所述的一种运用于工业自动化设备的远程控制系统,其特征在于,所述工业设备端(3)包括数据采集模块(31)、指令执行模块(32)、第二通讯模块(33)及报警模块(34);
其中,所述数据采集模块(31)用于采集工业自动化设备的运行参数、车间内的环境参数及车间内的工作情况;
所述指令执行模块(32)用于接收云平台发送的指令,并根据指令执行相应的操作;
所述第二通讯模块(33)用于连接工业设备端与云平台之间的通讯,实现两者之间的数据传输;
所述报警模块(34)用于在预测数据异常及施工安全异常时进行语音报警。
10.根据权利要求9所述的一种运用于工业自动化设备的远程控制系统,其特征在于,所述数据采集模块(31)包括运行数据采集模块(311)、湿度采集模块(312)、烟雾采集模块(313)及视频采集模块(314);
其中,所述运行数据采集模块(311)用于采集工业自动化设备工作时的运行数据;
所述湿度采集模块(312)用于采集车间内的湿度数据;
所述烟雾采集模块(313)用于采集车间的烟雾浓度数据;
所述视频采集模块(314)用于利用视频监控技术实时采集车间内施工人员的施工状况。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310800261.0A CN116679650A (zh) | 2023-07-03 | 2023-07-03 | 一种运用于工业自动化设备的远程控制系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310800261.0A CN116679650A (zh) | 2023-07-03 | 2023-07-03 | 一种运用于工业自动化设备的远程控制系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116679650A true CN116679650A (zh) | 2023-09-01 |
Family
ID=87787367
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310800261.0A Pending CN116679650A (zh) | 2023-07-03 | 2023-07-03 | 一种运用于工业自动化设备的远程控制系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116679650A (zh) |
-
2023
- 2023-07-03 CN CN202310800261.0A patent/CN116679650A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104866632B (zh) | 家电设备的故障数据获取方法、装置及终端 | |
CN115640915B (zh) | 一种智慧燃气管网压缩机安全管理方法和物联网系统 | |
CN106527339B (zh) | 一种基于工业云的高可靠的选矿设备故障诊断系统及方法 | |
CN109413188A (zh) | 一种工业设备物联网管理系统及方法 | |
CN111080775A (zh) | 一种基于人工智能的服务器巡检方法及系统 | |
CN212724009U (zh) | 一种智能变压器及智能变压器监控系统 | |
CN113177646B (zh) | 一种基于自适应边缘代理的配电设备在线监测方法及系统 | |
CN111191545A (zh) | 一种驾驶员行为实时监控分析系统及方法 | |
CN110349048B (zh) | 变电站多维数据运行交互控制平台及故障处置方法 | |
CN110807460A (zh) | 一种基于图像识别的变电站智能巡视系统及其应用方法 | |
CN113763667A (zh) | 一种基于5g边缘计算的火灾预警及状态监测装置及方法 | |
CN115562144A (zh) | 一种基于5g技术的重大危险源安全监测预警管理系统 | |
CN115060312A (zh) | 一种基于人工智能的建筑材料安全监测系统 | |
CN115640698A (zh) | 一种水电站运行设备故障预警系统 | |
CN109115271B (zh) | 一种数控机床远程监测系统 | |
CN111830871B (zh) | 一种设备异常自动诊断系统 | |
CN117235443A (zh) | 一种基于边缘ai的电力作业安全监测方法及系统 | |
CN116679650A (zh) | 一种运用于工业自动化设备的远程控制系统 | |
CN116976865A (zh) | 基于大数据分析的船舶维修器件调配管理系统 | |
CN117055503A (zh) | 一种基于工业互联网机电控制的智能生产线系统 | |
CN116611953A (zh) | 基于物联网的电能表生产制造实时数据管理方法和系统 | |
CN116560326A (zh) | 一种智慧工厂管理平台 | |
CN113592864B (zh) | 基于卷积神经网络的变压器监控方法、装置、系统及介质 | |
CN115755664A (zh) | 一种离散型企业制造设备维护方法及系统 | |
CN109376170A (zh) | 一种基于机器学习多维度工业传感数据关联特征提取方法 |
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 |