CN116773238B - 一种基于工业数据的故障监测方法及系统 - Google Patents
一种基于工业数据的故障监测方法及系统 Download PDFInfo
- Publication number
- CN116773238B CN116773238B CN202310714770.1A CN202310714770A CN116773238B CN 116773238 B CN116773238 B CN 116773238B CN 202310714770 A CN202310714770 A CN 202310714770A CN 116773238 B CN116773238 B CN 116773238B
- Authority
- CN
- China
- Prior art keywords
- target machine
- data
- monitoring
- result
- test node
- 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
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 198
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000012360 testing method Methods 0.000 claims abstract description 66
- 238000013101 initial test Methods 0.000 claims abstract description 48
- 230000002159 abnormal effect Effects 0.000 claims abstract description 41
- 238000012216 screening Methods 0.000 claims abstract description 37
- 238000012545 processing Methods 0.000 claims abstract description 18
- 238000012549 training Methods 0.000 claims description 32
- 238000010276 construction Methods 0.000 claims description 6
- 230000003044 adaptive effect Effects 0.000 claims description 4
- 230000008030 elimination Effects 0.000 claims description 4
- 238000003379 elimination reaction Methods 0.000 claims description 4
- 230000000694 effects Effects 0.000 abstract description 6
- 238000012806 monitoring device Methods 0.000 abstract 1
- 238000004519 manufacturing process Methods 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 6
- 238000005259 measurement Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 238000001514 detection method Methods 0.000 description 4
- 238000009826 distribution Methods 0.000 description 4
- 230000005856 abnormality Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000002360 preparation method Methods 0.000 description 2
- 238000009941 weaving Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011981 development test Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000004941 influx Effects 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 238000009958 sewing Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M99/00—Subject matter not provided for in other groups of this subclass
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M13/00—Testing of machine parts
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M99/00—Subject matter not provided for in other groups of this subclass
- G01M99/005—Testing of complete machines, e.g. washing-machines or mobile phones
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M99/00—Subject matter not provided for in other groups of this subclass
- G01M99/008—Subject matter not provided for in other groups of this subclass by doing functionality tests
-
- 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Manufacturing & Machinery (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本申请涉及故障监测技术领域,提供一种基于工业数据的故障监测方法及系统。所述方法包括:根据目标机器的基础数据对测试节点进行计算,确定目标机器的初始测试节点集;通过所述目标机器的实时运行数据,获得目标机器的实际测试节点集;对初始测试节点集进行调整组合,根据调整组合结果获得目标机器的工业数据集;对工业数据集进行分类处理,根据处理结果进行多通道监测,获得多个监测结果;对多个监测结果进行覆盖遍历筛查,获得遍历筛查结果;对遍历筛查结果中的异常监测点位对目标机器进行故障监测。本申请解决了现有技术中存在的故障监测方法中监测故障不精确的问题,达到了提高故障监测的准确率的技术效果。
Description
技术领域
本申请涉及故障监测技术领域,特别是涉及一种基于工业数据的故障监测方法及系统。
背景技术
工业数据是指工业领域中,企业在产品全生命周期各个阶段中开展各类业务活动所产生的数据的总和,主要由三部分构成,第一是企业运营相关的业务数据,第二部分是产线设备互联数据,主要是指生产过程中产线、设备、物流等的工况(如压力、温度、振动、应力等)、运行状态、环境参数等数据,第三部分是企业外部数据。
工业数据还有着鲜明的特征,首先工业数据体量大。尤其是随着大量设备和智能产品数据的涌入,工业数据的存储量将呈指数级增长;其次工业数据来源多、分布广;工业数据种类多,结构复杂,关联性强;工业数据的准确性要求高;工业数据的实时性要求高,生产现场的运营和管控对数据的实时性要求高,需达到毫秒级别,技术上来说十分精准。
综上所述,本申请解决了现有技术中存在的故障监测方法中监测故障不精确的问题。
发明内容
基于此,有必要针对上述技术问题,提供一种基于工业数据的故障监测方法及系统,用以解决现有技术中存在的故障监测方法中监测故障不精确的技术问题,达到了提高故障监测的准确率的技术效果。
第一方面,本申请实施例提供了一种基于工业数据的故障监测方法,所述方法包括:根据目标机器的基础数据对测试节点进行计算,确定所述目标机器的初始测试节点集;通过所述数据监测模块监测所述目标机器的实时运行数据,获得所述目标机器的实际测试节点集;基于所述实际测试节点集对所述初始测试节点集进行调整组合,根据调整组合结果获得目标机器的工业数据集;对所述工业数据集进行分类处理,根据处理结果进行多通道监测,获得多个监测结果;对所述多个监测结果进行覆盖遍历筛查,获得遍历筛查结果;通过所述遍历筛查结果中的异常监测点位对所述目标机器进行故障监测。
第二方面,本申请实施例还提供了一种基于工业数据的故障监测系统,所述系统包括:初始测试集确定系统,所述初始测试集确定系统用于根据目标机器的基础数据对测试节点进行计算,确定所述目标机器的初始测试节点集;实际测试节点集获得系统,所述实际测试节点集获得系统用于通过所述数据监测模块监测所述目标机器的实时运行数据,获得所述目标机器的实际测试节点集;工业数据集获得系统,所述工业数据集获得系统用于所述实际测试节点集对所述初始测试节点集进行调整组合,根据调整组合结果获得目标机器的工业数据集;监测结果获得系统,所述监测结果获得系统用于对所述工业数据集进行分类处理,根据处理结果进行多通道监测,获得多个监测结果;遍历筛查结果获得系统,所述遍历筛查结果获得系统用于对所述多个监测结果进行覆盖遍历筛查,获得遍历筛查结果;故障监测系统,所述故障检测系统用于通过所述遍历筛查结果中的异常监测点位对所述目标机器进行故障监测。
本申请中提供的一个或多个技术方案,至少具有如下技术效果或优点:
根据目标机器的基础数据对测试节点进行计算,确定所述目标机器的初始测试节点集;
通过所述数据监测模块监测所述目标机器的实时运行数据,获得所述目标机器的实际测试节点集;基于所述实际测试节点集对所述初始测试节点集进行调整组合,根据调整组合结果获得目标机器的工业数据集;对所述工业数据集进行分类处理,根据处理结果进行多通道监测,获得多个监测结果;对所述多个监测结果进行覆盖遍历筛查,获得遍历筛查结果;通过所述遍历筛查结果中的异常监测点位对所述目标机器进行故障监测。解决了现有技术中存在的故障监测方法中监测故障不精确的问题,达到了提高故障监测的准确率的技术效果。
上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,而可依照说明书的内容予以实施,并且为了让本申请的上述和其他目的、特征和优点能够更明显易懂,以下特举本申请的具体实施方式。
附图说明
图1为一个实施例中一种基于工业数据的故障监测方法的流程示意图;
图2为一个实施例中一种基于工业数据的故障监测方法的获得所述调整组合结果的流程示意图;
图3为一个实施例中一种基于工业数据的故障监测方法的获得多个监测结果的流程示意图;
图4为一个实施例中一种基于工业数据的故障监测系统的结构框图。
附图标记说明:初始测试集确定系统11,实际测试节点集获得系统12,工业数据集获得系统13,监测结果获得系统14,遍历筛查结果获得系统15,故障监测系统16。
具体实施方式
本申请提供了一种基于工业数据的故障监测方法及系统,用于解决现有技术中存在的故障监测方法中监测故障不精确的问题,达到了提高故障监测的准确率的技术效果。
在介绍了本申请基本原理后,下面,将参考附图对本申请中的技术方案进行清楚、完整的描述,显然,所描述的实施例仅是本申请的一部分实施例,而不是本申请的全部实施例,应理解,本申请不受这里描述的示例实施例的限制。基于本申请的实施例,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。另外还需要说明的是,为了便于描述,附图中仅示出了与本申请相关的部分而非全部。
实施例一
如图1所示,本申请提供了一种基于工业数据的故障监测方法,所述方法包括:
S100:根据目标机器的基础数据对测试节点进行计算,确定所述目标机器的初始测试节点集;
具体而言,目标机器是指在一个场景中,将所有机器视为一个整体,整个需要被监控的机器通过一个目标平台进行操控,例如在一个织布厂内,有织布机器、有缝纫机器等,将该织布厂内的所有运作的机器视为一个整体,可以在其中进行全厂机器的控制;其中的基础数据是用于查看及管理织布厂、设备、原始测点,可支持计算测点运行曲线查询的操作;测试节点则为对所述目标机器在运行过程中的数据进行采集的节点。计算测点包括计算测点列表查看,测点来源、测点类型、测点编码、测点名称查询。计算测点列表下对测点编码、测点名称、测点来源、计量单位、测点类型、运行曲线管理。具体地有新增、删除、修改、查询四个方面,首先,在所述目标机器中点击“新增”,弹出新建计算测点窗口,填写测点名称、测点编码、测点来源、测点类型、计算标识,点击“保存”,新增计算测点成功;其次根据业务需求选择需要删除的计算测点,点击“删除”,弹出删除确认对话框,点击“确定”,成功删除计算测点数据;修改方面,计算测点新增后,点击“编辑”,可在计算测点基本信息下面进行测点关联,支持批量添加测点和单测点新增,也可通过删除键对关联测点进行删除操作;最后的查询结果,可以进入到基础数据计算测点页面,点击操作下方的运行曲线,可查看计算测点的结果。根据计算的结果,得到所述目标机器的初始测试节点,根据得到的所述初始测试节点数据,获得所述目标机器的初始测试节点集。
进一步地,本申请步骤包括:
S110:基于测点来源、测点类型、测点编码、测点名称,完成所述目标机器的基础数据的构建;
S120:将所述目标机器的运行时间作为横轴,将所述目标机器的运行数据作为纵轴,建立目标机器运行坐标系;
S130:基于所述目标机器运行坐标系,获得目标机器运行曲线图;
S140:将所述目标机器的基础数据作为索引,在所述目标机器运行曲线图中对所述目标机器的初始测试节点进行标识,完成对所述目标机器的初始测试节点集的确定。
具体而言,基于测点来源、测点类型、测点编码、测点名称构建的所述目标机器基础数据,测点来源是指测点的划分依据,可以根据工作人员的经验进行设定,此处不作限制;测点类型有真实测点、参数测点,真实测点指可以对应到真实传感器的测点,而参数测点指非真实测点,用来为算法服务提供参考的参数点位;测点编码则是在所述目标机器中定义的编码,与源点位概念不一样,对输入格式有限制,可为字母数字下划线,不能以数字开头,字数限制在64个字符以内,在一个设备下具有唯一性;测点名称是指为测点命名,与测点编码一样,在一个设备下具有唯一性;基于完成所述目标机器的基础数据的构建;将所述目标机器的运行时间作为横轴,将所述目标机器的运行数据作为纵轴,建立目标机器运行坐标系,即将所述目标机器运行的时间看作整体,将时间按照工作人员经验设定划分间隔,以划分好间隔的时间作为所述目标机器建立坐标系的横轴,所述目标机器的运行数据为目标机器在运行期间的参数例如目标机器在运行时的温度参数、压力参数、电流参数、速度参数等,建立多个坐标系,所述多个坐标系皆为所述目标机器运行坐标系。基于所述目标机器运行坐标系,将同一参数在同一坐标系中根据运行时间不同所得到不同数据的点连起来,获得目标机器运行曲线图,将所述目标机器的基础数据作为根据,在所述目标机器运行曲线图中对所述目标机器的初始测试节点进行标识,其中初始测试节点是指根据历史数据进行第一次的机器运行过程中数据进行采集节点的设定,得到所述目标机器的初始测试节点的数据集合,完成对所述目标机器的初始测试节点集的确定,为后续的故障监测提供了数据的支持。
S200:通过所述数据监测模块监测所述目标机器的实时运行数据,获得所述目标机器的实际测试节点集;
具体而言,所述数据监测模块是指具备数据识别、网络识别等功能的系统,例如百度云、华为云等,对所述目标机器运行时所产生的数据进行记录的与所述故障监测系统通信连接的数据监控系统;实时运行数据则是,对所述目标机器正在运行的过程中的所需要监控的参数的数据进行记录,即通过所述数据监测模块监测所述目标机器的实时运行数据,实际测试节点则是对目标机器在运行过程中的数据进行采集的节点,根据所述数据监测模块监测到的实际测试节点的集合,获得所述目标机器的实际测试节点集。
S300:基于所述实际测试节点集对所述初始测试节点集进行调整组合,根据调整组合结果获得目标机器的工业数据集;
具体而言,基于所述实际测试节点集对所述初始测试节点集进行原有集合情况的改变,使所述初始测试节点集适应客观环境和要求,然后设立一个新的数据集,将所述初始测试节点集放进去,跟所述实际测试节点集进行数据对比,若所述实际测试节点集存在,而所述初始测试节点集不存在的数据,添加进新的数据集,若所述实际测试节点集不存在,而所述初始测试节点集存在的数据,从新的数据集中删除,得到调整组合后的结果,根据调整组合结果获得所述目标机器的工业数据集,其中工业数据集为所述目标机器在运行过程中产线、设备、物流等的工况(如压力、温度、振动、应力等)、运行状态、环境参数等数据的集合。通过对工业数据集的获取,可以对所述机器的故障进行详细具体的分析。
进一步地,如图2所示,本申请步骤包括:
S310:将所述实际测试节点集作为对照数据集,将所述初始测试节点集作为训练数据集;
S320:基于所述对照数据集对所述训练数据集进行数据比对,获得第一比对结果;
S330:将所述第一比对结果中所述对照数据集不存在且所述训练数据集存在的数据结果输入至淘汰数据组中进行淘汰,将所述第一比对结果中所述对照数据集存在且所述训练数据集不存在的数据结果输入至新增数据组进行新增,获得第二比对结果;
S340:根据所述第二比对结果对所述目标机器的测试节点进行重组,获得所述调整组合结果。
具体而言,将所述实际测试节点集作为对照数据集,将所述初始测试节点集作为训练数据集,其中对照数据集可以当作标准答案对所述初始测试节点集进行训练,使所述训练数据集的数据更加精准;基于所述对照数据集对所述训练数据集进行数据比对,通过对比两个数据集,得到的第一对比结果包括,所述训练数据集包含所述对照数据集中不存在的数据,所述对照数据集中包含所述训练数据集不存在的数据,以及所述训练数据集和所述对照数据集中都存在的数据;设置一个淘汰数据组,即所述对照数据集对所述训练数据集进行训练后所不需要的数据集合,将所述第一比对结果中所述对照数据集不存在且所述训练数据集存在的数据果输入至淘汰数据组中进行淘汰,将所述第一比对结果中所述对照数据集存在且所述训练数据集不存在的数据果输入至新增数据组进行新增,获得第二比对结果,其中第二比对结果指所述训练数据集已经训练优化完成的数据集合;根据所述第二比对结果对所述目标机器的测试节点进行重新组合,获得所述调整组合结果。
进一步地,本申请步骤还包括:
S350:获取所述目标机器的生命周期;
S360:对所述目标机器的生命周期进行阶段处理,获得N个阶段,其中N为大于等于3的正整数;
S370:基于所述第二比对结果对所述N个阶段进行测试节点的适应性布控,确定多个布控位置;
S380:根据所述多个布控位置布控的测试节点,获取目标机器N个阶段的工业数据集。
具体而言,获取所述目标机器的生命周期,其中生命周期是指所述目标机器的全部运作流程,例如准备阶段、运作阶段、结束阶段等,根据实际情况,可以适应性的添加多个阶段;对所述目标机器的生命周期进行阶段处理,获得N个阶段,其中N为大于等于3的正整数;其中对所述目标机器的生命周期进行阶段处理是指对所述目标机器的生命周期进行阶段划分处理,即在所述目标机器的生命周期的各个阶段所述目标机器所对应的工业数据,而N个阶段中,N大于三是因为机器的运作流程最少也有三个阶段,即准备阶段、运作阶段、结束阶段;基于所述第二比对结果对所述N个阶段进行测试节点的适应性布控,确定多个布控位置,如在织布环节中,线拉直才可以织布,即在线拉直的阶段可以视为重要阶段,在重要的阶段可以多对测试节点进行布控测试,而在分类线的步骤中,就是不重要的阶段,不重要的阶段可以少对测试节点进行布控测试,布控位置即在此处进行布控测试的位置;根据多个布控位置布控的测试节点,获取目标机器N个阶段的工业数据,将所述工业数据整合记录,获得目标机器N个阶段的工业数据集。
S400:对所述工业数据集进行分类处理,根据处理结果进行多通道监测,获得多个监测结果;
具体而言,对所述工业数据集进行分类处理,分类是根据工业数据集中的数据类型,例如在一个工业数据集中,可以有研发数据、生产数据、运维数据、管理数据、外部数据等,对不同类别设置对应通道,根据处理结果进行对应通道的监测,处理结果为对所述工业数据集分类处理后,不同的数据类型,按照分类的通道进行对应数据的划分,对划分好的通道数据进行监测,获得多个通道的监测结果。
进一步地,如图3所示,本申请步骤包括:
S410:对所述工业数据集进行分类处理,获得M个数据域,其中,M为大于等于5的正整数;
S420:基于所述M个数据域,对M个数据通道进行设定,其中,所述M个数据域与所述M个数据通道为一一对应的关系;
S430:通过所述M个数据通道对目标机器中的所述M个数据域内的数据进行监测,获得M个监测结果。
具体而言,对所述工业数据集进行分类处理,获得M个数据域,其中M为大于等于5的正整数,其中数据域包括研发数据域(研发设计数据、开发测试数据等)、生产数据域(控制信息、工况状态、工艺参数、系统日志等)、运维数据域(物流数据、产品售后服务数据等)、管理数据域(系统设备资产信息、客户与产品信息、产品供应链数据、业务统计数据等)、外部数据域(与其他主体共享的数据等)等;基于所述M个数据域,对M个数据通道进行设定,其中所述M个数据域与所述M个数据通道为一一对应关系,其中所述M个数据通道是对所述工业数据集进行分类处理,根据分类不同对不同类别设置对应通道,其中M数据通道为对所述工业数据集划分了M个不同种类,因为都是对所述工业数据集划分的不同种类,所以所述M个数据域与所述M个数据通道为一一对应关系,通过所述M个数据通道对目标机器中的所述M个数据域内的数据进行监测,获得M个监测结果,通过所述M个数据通道对所述目标机器中划分的所述M个数据域内的数据进行监测,获得M个监测结果。通过对所述工业数据集的分类处理,获得的M个监测结果有利于提高对所述目标机器的故障监测的准确性。
S500:对所述多个监测结果进行覆盖遍历筛查,获得遍历筛查结果;
具体而言,对所述多个监测结果进行覆盖遍历筛查,遍历筛查,是指沿着某条搜索路线,依次对所述多个监测结果中逐一提取数据,进行数据的全部访问,筛查则是对特定的一组数据,通过一些方法在其中找到可能存在异常的一些数据,根据遍历筛查得出来的结果,可以在所述多个监测结果中找出存在异常的一部分数据,获得遍历筛查结果。
进一步地,本申请步骤包括:
S510:对所述M个监测结果进行覆盖遍历,获得遍历结果;
S520:预设监测数据值域;
S530:判断所述遍历结果是否处于所述预设监测数据值域;
S540:若不处于,则将不处于所述预设监测数据值域中的所述遍历结果记作异常监测结果;
S550:将所述异常监测结果在所述遍历筛查结果中进行标识。
具体而言,对所述M个监测结果进行覆盖遍历,即对所述M个监测结果的全部数据进行访问,且只局限于访问数据,通过覆盖遍历,得到所述M个监测结果的遍历结果;预设监测数据值域,监测数据值域是通过工作人员根据所述目标机器根据正常工作的情况预设的一个所述目标机器正常工作所处在的一个数据区域,也可以根据工作人员的经验进行设定,此处不做限制,将所述监测数据值域作为对照数据集,所述遍历结果作为原本数据集,判断所述遍历结果是否处于所述预设监测数据值域中,即判断所述原本数据集中的数据是否存在于对照数据集中,如果处于,则所述遍历结果证明所述目标机器工作无异常,如果不处于,则将不处于所述预设监测数据值域中的所述遍历结果记作异常监测结果,根据所述异常监测结果在所述遍历筛查结果中进行标注,可以得到所述异常监测结果对应的监测结果,即得到有多少异常监测点位。
S600:通过所述遍历筛查结果中的异常监测点位对所述目标机器进行故障监测。
具体而言,判断所述遍历筛查结果是否处于所述预设监测数据值域,若不处于,则将不处于所述预设监测数据值域中的所述遍历结果记作异常监测结果,其中异常监测结果可以获得异常监测点位,即获得所述目标机器出现故障的位置,通过所述异常监测点位对所述目标机器进行故障监测,即通过所述异常监测点位对所述目标机器进行故障判断及故障地点的监测。
进一步地,本申请步骤还包括:
S610:基于所述异常监测结果遍历所述目标机器的实际测试节点集,获取异常监测点位,其中,所述异常监测点位与所述异常监测结果为对应关系;
S620:基于所述异常监测点位对所述实际测试节点集进行权重训练;
S630:根据所述权重训练结果对所述目标机器进行故障监测.
具体而言,基于所述异常监测结果遍历所述目标机器的实际测试节点集,获取异常监测点位,其中,所述异常监测点位与所述异常监测结果为对应关系,即所述异常监测结果被监测出来的地点,就是所述异常监测点位,对异常监测结果的数据进行记录,根据所述异常监测结果得到异常监测结果集合,基于所述异常监测点位对所述实际测试节点集进行权重训练,即所述实际测试节点集进行分配权重,影响大的分配到的权重多,对所述异常监测点位分配的权重多,剩余的实际测试节点集中的数据权重正常,将权重训练结果高的数据记录下来,根据所述权重训练结果对所述目标机器进行故障监测,即根据权重训练结果高的数据点位,对所述目标机器进行故障监测。通过工业数据的采集,遍历,分类,选取,得到所述目标机器的故障点位,解决了现有技术中存在的故障监测方法中监测故障不精确的问题,提高了所述目标机器的故障监测准确率。
实施例二
基于与前述实施例中一种基于工业数据的故障监测方法同样的发明构思,如图4所示,本申请还提供了一种基于工业数据的故障监测系统,其中,该系统包括:
初始测试集确定系统,所述初始测试集确定系统用于根据目标机器的基础数据对测试节点进行计算,确定所述目标机器的初始测试节点集;
实际测试节点集获得系统,所述实际测试节点集获得系统用于通过所述数据监测模块监测所述目标机器的实时运行数据,获得所述目标机器的实际测试节点集;
工业数据集获得系统,所述工业数据集获得系统用于所述实际测试节点集对所述初始测试节点集进行调整组合,根据调整组合结果获得目标机器的工业数据集;
监测结果获得系统,所述监测结果获得系统用于对所述工业数据集进行分类处理,根据处理结果进行多通道监测,获得多个监测结果;
遍历筛查结果获得系统,所述遍历筛查结果获得系统用于对所述多个监测结果进行覆盖遍历筛查,获得遍历筛查结果;
故障监测系统,所述故障检测系统用于通过所述遍历筛查结果中的异常监测点位对所述目标机器进行故障监测。
进一步地,本申请实施例还包括:
基础数据构建模块,所述基础数据构建模块用于基于测点来源、测点类型、测点编码、测点名称,完成所述目标机器的基础数据的构建;
运行坐标系建立模块,所述运行坐标系建立模块用于将所述目标机器的运行时间作为横轴,将所述目标机器的运行数据作为纵轴,建立目标机器运行坐标系;
运行曲线图获得模块,所述运行曲线图获得模块用于基于所述目标机器运行坐标系,获得目标机器运行曲线图;
初始测试节点集确定模块,所述初始测试节点集确定模块用于将所述目标机器的基础数据作为索引,在所述目标机器运行曲线图中对所述目标机器的初始测试节点进行标识,完成对所述目标机器的初始测试节点集的确定。
进一步地,本申请实施例还包括:
对照和训练数据集获得模块,所述对照和训练数据集获得模块用于将所述实际测试节点集作为对照数据集,将所述初始测试节点集作为训练数据集;
第一对比结果获得模块,所述第一对比结果获得模块用于基于所述对照数据集对所述训练数据集进行数据比对,获得第一比对结果;
第二对比结果获得模块,所述第二对比结果获得模块用于将所述第一比对结果中所述对照数据集不存在且所述训练数据集存在的数据结果输入至淘汰数据组中进行淘汰,将所述第一比对结果中所述对照数据集存在且所述训练数据集不存在的数据结果输入至新增数据组进行新增,获得第二比对结果;
调整组合结果获得模块,所述调整组合结果获得模块用于根据所述第二比对结果对所述目标机器的测试节点进行重组,获得所述调整组合结果。
进一步地,本申请实施例还包括:
生命周期获取模块,所述生命周期获取模块用于获取所述目标机器的生命周期;
生命周期阶段处理模块,所述生命周期阶段处理模块用于对所述目标机器的生命周期进行阶段处理,获得N个阶段,其中N为大于等于3的正整数;
布控位置确定模块,所述布控位置确定模块用于基于所述第二比对结果对所述N个阶段进行测试节点的适应性布控,确定多个布控位置;
工业数据集获取模块,所述工业数据集获取模块用于根据所述多个布控位置布控的测试节点,获取目标机器N个阶段的工业数据集。
进一步地,本申请实施例还包括:
数据域获取模块,所述数据域获取模块用于对所述工业数据集进行分类处理,获得M个数据域,其中,M为大于等于5的正整数;
数据通道设定模块,所述数据通道设定模块用于基于所述M个数据域,对M个数据通道进行设定,其中,所述M个数据域与所述M个数据通道为一一对应的关系;
监测结果获得模块,所述监测结果获得模块用于通过所述M个数据通道对目标机器中的所述M个数据域内的数据进行监测,获得M个监测结果。
进一步地,本申请实施例还包括:
遍历结果获得模块,所述遍历结果获得模块用于对所述M个监测结果进行覆盖遍历,获得遍历结果;
监测数据值域预设模块,所述监测数据值域预设模块用于预设监测数据值域;
遍历结果判断模块,所述遍历结果判断模块用于判断所述遍历结果是否处于所述预设监测数据值域;
异常监测结果记录模块,所述异常监测结果记录模块用于若不处于,则将不处于所述预设监测数据值域中的所述遍历结果记作异常监测结果;
异常监测结果标识模块,所述异常监测结果标识模块用于将所述异常监测结果在所述遍历筛查结果中进行标识。
进一步地,本申请实施例还包括:
异常监测点位获取模块,所述异常监测点位获取模块用于基于所述异常监测结果遍历所述目标机器的实际测试节点集,获取异常监测点位,其中,所述异常监测点位与所述异常监测结果为对应关系;
权重训练模块,所述权重训练模块用于基于所述异常监测点位对所述实际测试节点集进行权重训练;
根据结果进行故障监测模块,所述根据结果进行故障监测模块用于根据所述权重训练结果对所述目标机器进行故障监测。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (7)
1.一种基于工业数据的故障监测方法,其特征在于,所述方法应用于故障监测系统,所述故障监测系统与数据监测模块通信连接,所述方法包括:
根据目标机器的基础数据对测试节点进行计算,确定所述目标机器的初始测试节点集;
通过所述数据监测模块监测所述目标机器的实时运行数据,获得所述目标机器的实际测试节点集;
基于所述实际测试节点集对所述初始测试节点集进行调整组合,根据调整组合结果获得目标机器的工业数据集;
对所述工业数据集进行分类处理,根据处理结果进行多通道监测,获得多个监测结果;
对所述多个监测结果进行覆盖遍历筛查,获得遍历筛查结果;
通过所述遍历筛查结果中的异常监测点位对所述目标机器进行故障监测;
其中,确定所述目标机器的初始测试节点,所述方法还包括:
基于测点来源、测点类型、测点编码、测点名称,完成所述目标机器的基础数据的构建;
将所述目标机器的运行时间作为横轴,将所述目标机器的运行数据作为纵轴,建立目标机器运行坐标系;
基于所述目标机器运行坐标系,获得目标机器运行曲线图;
将所述目标机器的基础数据作为索引,在所述目标机器运行曲线图中对所述目标机器的初始测试节点进行标识,完成对所述目标机器的初始测试节点集的确定。
2.如权利要求1所述的方法,其特征在于,获得所述调整组合结果,所述方法还包括:
将所述实际测试节点集作为对照数据集,将所述初始测试节点集作为训练数据集;
基于所述对照数据集对所述训练数据集进行数据比对,获得第一比对结果;
将所述第一比对结果中所述对照数据集不存在且所述训练数据集存在的数据结果输入至淘汰数据组中进行淘汰,将所述第一比对结果中所述对照数据集存在且所述训练数据集不存在的数据结果输入至新增数据组进行新增,获得第二比对结果;
根据所述第二比对结果对所述目标机器的测试节点进行重组,获得所述调整组合结果。
3.如权利要求2所述的方法,其特征在于,获得所述目标机器的工业数据集,所述方法还包括:
获取所述目标机器的生命周期;
对所述目标机器的生命周期进行阶段处理,获得N个阶段,其中N为大于等于3的正整数;
基于所述第二比对结果对所述N个阶段进行测试节点的适应性布控,确定多个布控位置;
根据所述多个布控位置布控的测试节点,获取目标机器N个阶段的工业数据集。
4.如权利要求1所述的方法,其特征在于,获得所述多个监测结果,所述方法还包括:
对所述工业数据集进行分类处理,获得M个数据域,其中,M为大于等于5的正整数;
基于所述M个数据域,对M个数据通道进行设定,其中,所述M个数据域与所述M个数据通道为一一对应的关系;
通过所述M个数据通道对目标机器中的所述M个数据域内的数据进行监测,获得M个监测结果。
5.如权利要求4所述的方法,其特征在于,获得所述遍历筛查结果,所述方法还包括:
对所述M个监测结果进行覆盖遍历,获得遍历结果;
预设监测数据值域;
判断所述遍历结果是否处于所述预设监测数据值域;
若不处于,则将不处于所述预设监测数据值域中的所述遍历结果记作异常监测结果;
将所述异常监测结果在所述遍历筛查结果中进行标识。
6.如权利要求5所述的方法,其特征在于,进行所述故障监测,所述方法还包括:
基于所述异常监测结果遍历所述目标机器的实际测试节点集,获取异常监测点位,其中,所述异常监测点位与所述异常监测结果为对应关系;
基于所述异常监测点位对所述实际测试节点集进行权重训练;
根据所述权重训练结果对所述目标机器进行故障监测。
7.一种基于工业数据的故障监测系统,其特征在于,所述系统包括:
初始测试集确定系统,所述初始测试集确定系统用于根据目标机器的基础数据对测试节点进行计算,确定所述目标机器的初始测试节点集;
实际测试节点集获得系统,所述实际测试节点集获得系统用于通过所述数据监测模块监测所述目标机器的实时运行数据,获得所述目标机器的实际测试节点集;
工业数据集获得系统,所述工业数据集获得系统用于所述实际测试节点集对所述初始测试节点集进行调整组合,根据调整组合结果获得目标机器的工业数据集;
监测结果获得系统,所述监测结果获得系统用于对所述工业数据集进行分类处理,根据处理结果进行多通道监测,获得多个监测结果;
遍历筛查结果获得系统,所述遍历筛查结果获得系统用于对所述多个监测结果进行覆盖遍历筛查,获得遍历筛查结果;
故障监测系统,所述故障监测系统用于通过所述遍历筛查结果中的异常监测点位对所述目标机器进行故障监测;
基础数据构建模块,所述基础数据构建模块用于基于测点来源、测点类型、测点编码、测点名称,完成所述目标机器的基础数据的构建;
运行坐标系建立模块,所述运行坐标系建立模块用于将所述目标机器的运行时间作为横轴,将所述目标机器的运行数据作为纵轴,建立目标机器运行坐标系;
运行曲线图获得模块,所述运行曲线图获得模块用于基于所述目标机器运行坐标系,获得目标机器运行曲线图;
初始测试节点集确定模块,所述初始测试节点集确定模块用于将所述目标机器的基础数据作为索引,在所述目标机器运行曲线图中对所述目标机器的初始测试节点进行标识,完成对所述目标机器的初始测试节点集的确定。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310714770.1A CN116773238B (zh) | 2023-06-16 | 2023-06-16 | 一种基于工业数据的故障监测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310714770.1A CN116773238B (zh) | 2023-06-16 | 2023-06-16 | 一种基于工业数据的故障监测方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116773238A CN116773238A (zh) | 2023-09-19 |
CN116773238B true CN116773238B (zh) | 2024-01-19 |
Family
ID=87992381
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310714770.1A Active CN116773238B (zh) | 2023-06-16 | 2023-06-16 | 一种基于工业数据的故障监测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116773238B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005345154A (ja) * | 2004-05-31 | 2005-12-15 | Kyushu Electric Power Co Inc | 異常予兆検出方法および装置 |
CN108921440A (zh) * | 2018-07-11 | 2018-11-30 | 平安科技(深圳)有限公司 | 污染物异常监测方法、系统、计算机设备和存储介质 |
CN112729884A (zh) * | 2020-12-22 | 2021-04-30 | 河北建设投资集团有限责任公司 | 基于大数据的设备故障诊断方法及装置 |
CN112785016A (zh) * | 2021-02-20 | 2021-05-11 | 南京领行科技股份有限公司 | 基于机器学习的新能源汽车保养维护与故障监测诊断方法 |
CN115248063A (zh) * | 2021-04-28 | 2022-10-28 | 横河电机株式会社 | 评价装置、评价方法、记录有评价程序的记录介质、控制装置及记录有控制程序的记录介质 |
CN115310685A (zh) * | 2022-07-27 | 2022-11-08 | 南方电网调峰调频发电有限公司检修试验分公司 | 一种基于参数修正的水电机组全生命周期成本计算方法 |
CN115310870A (zh) * | 2022-09-29 | 2022-11-08 | 成都飞机工业(集团)有限责任公司 | 航空离散制造质量监测方法、装置、设备、介质及产品 |
CN115687983A (zh) * | 2022-12-30 | 2023-02-03 | 中裕铁信交通科技股份有限公司 | 一种桥梁健康状态监测方法、系统及电子设备 |
CN115825344A (zh) * | 2022-11-24 | 2023-03-21 | 生态环境部南京环境科学研究所 | 一种用于化工企业的废气智能监测方法及系统 |
CN116166983A (zh) * | 2022-12-23 | 2023-05-26 | 易思维(杭州)科技有限公司 | 一种基于机器学习的列车弓网故障检测方法 |
-
2023
- 2023-06-16 CN CN202310714770.1A patent/CN116773238B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005345154A (ja) * | 2004-05-31 | 2005-12-15 | Kyushu Electric Power Co Inc | 異常予兆検出方法および装置 |
CN108921440A (zh) * | 2018-07-11 | 2018-11-30 | 平安科技(深圳)有限公司 | 污染物异常监测方法、系统、计算机设备和存储介质 |
CN112729884A (zh) * | 2020-12-22 | 2021-04-30 | 河北建设投资集团有限责任公司 | 基于大数据的设备故障诊断方法及装置 |
CN112785016A (zh) * | 2021-02-20 | 2021-05-11 | 南京领行科技股份有限公司 | 基于机器学习的新能源汽车保养维护与故障监测诊断方法 |
CN115248063A (zh) * | 2021-04-28 | 2022-10-28 | 横河电机株式会社 | 评价装置、评价方法、记录有评价程序的记录介质、控制装置及记录有控制程序的记录介质 |
CN115310685A (zh) * | 2022-07-27 | 2022-11-08 | 南方电网调峰调频发电有限公司检修试验分公司 | 一种基于参数修正的水电机组全生命周期成本计算方法 |
CN115310870A (zh) * | 2022-09-29 | 2022-11-08 | 成都飞机工业(集团)有限责任公司 | 航空离散制造质量监测方法、装置、设备、介质及产品 |
CN115825344A (zh) * | 2022-11-24 | 2023-03-21 | 生态环境部南京环境科学研究所 | 一种用于化工企业的废气智能监测方法及系统 |
CN116166983A (zh) * | 2022-12-23 | 2023-05-26 | 易思维(杭州)科技有限公司 | 一种基于机器学习的列车弓网故障检测方法 |
CN115687983A (zh) * | 2022-12-30 | 2023-02-03 | 中裕铁信交通科技股份有限公司 | 一种桥梁健康状态监测方法、系统及电子设备 |
Non-Patent Citations (1)
Title |
---|
"油井工业数据采集质量的研究与提升";刘成龙等;《石油化工应用》;第41卷(第7期);第96-1102页 * |
Also Published As
Publication number | Publication date |
---|---|
CN116773238A (zh) | 2023-09-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112101764B (zh) | 基于状态监测的船舶技术状况综合评估系统 | |
CN114282434A (zh) | 一种工业设备健康管理系统及方法 | |
CN105574593B (zh) | 基于云计算和大数据的轨道状态静态检控系统及方法 | |
CN111259947A (zh) | 一种基于多模态学习的电力系统故障预警方法和系统 | |
CN116880412A (zh) | 一种基于云的可视化生产管理平台 | |
CN114862275B (zh) | 基于数字孪生模型的仓储物流系统可靠性评估方法及系统 | |
CN111931334A (zh) | 一种用于评估电缆设备运行可靠性的方法及系统 | |
CN112580858A (zh) | 设备参数预测分析方法及系统 | |
CN116992346A (zh) | 一种基于人工智能大数据分析的企业生产数据处理系统 | |
CN117522380A (zh) | 基于热电运维的故障机理运维周期管理系统 | |
CN111080484A (zh) | 一种配电网异常数据监测方法及装置 | |
CN113657747B (zh) | 一种企业安全生产标准化级别智能评定系统 | |
CN117150418B (zh) | 基于状态特征故障树的变压器运检周期制定方法和系统 | |
CN114462820A (zh) | 一种轴承状态监测与健康管理系统性能测试及优化方法和系统 | |
CN111709597B (zh) | 一种电网生产域运营监测系统 | |
CN116773238B (zh) | 一种基于工业数据的故障监测方法及系统 | |
CN112381242A (zh) | 核电站设备维修项目数据处理方法及系统 | |
CN112345972A (zh) | 基于停电事件的配电网线变关系异常诊断方法、装置及系统 | |
CN117195451A (zh) | 一种基于图论的桥梁监测数据修复方法 | |
CN112732773B (zh) | 一种继电保护缺陷数据的唯一性校核方法及系统 | |
CN113036917B (zh) | 一种基于机器学习的配电网监控信息监视系统和方法 | |
CN114897262A (zh) | 一种基于深度学习的轨道交通设备故障预测方法 | |
CN113825162B (zh) | 电信网络故障原因定位方法及装置 | |
CN113836203A (zh) | 一种网络数据化诊断检测分析系统 | |
CN118011990B (zh) | 基于人工智能的工业数据品质监控与提升系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |