CN116827802A - 基于数据监控的工业物联网维护方法、监控系统 - Google Patents
基于数据监控的工业物联网维护方法、监控系统 Download PDFInfo
- Publication number
- CN116827802A CN116827802A CN202311093784.2A CN202311093784A CN116827802A CN 116827802 A CN116827802 A CN 116827802A CN 202311093784 A CN202311093784 A CN 202311093784A CN 116827802 A CN116827802 A CN 116827802A
- Authority
- CN
- China
- Prior art keywords
- data
- maintenance
- monitoring
- probability
- 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.)
- Granted
Links
- 238000012423 maintenance Methods 0.000 title claims abstract description 237
- 238000012544 monitoring process Methods 0.000 title claims abstract description 111
- 238000000034 method Methods 0.000 title claims abstract description 53
- 238000001514 detection method Methods 0.000 claims abstract description 144
- 238000005070 sampling Methods 0.000 claims abstract description 55
- 238000004891 communication Methods 0.000 claims description 57
- 230000005540 biological transmission Effects 0.000 claims description 23
- 238000013441 quality evaluation Methods 0.000 claims description 18
- 230000004044 response Effects 0.000 claims description 13
- 238000013507 mapping Methods 0.000 claims description 7
- 230000003213 activating effect Effects 0.000 claims description 5
- 230000004043 responsiveness Effects 0.000 claims description 5
- 230000005856 abnormality Effects 0.000 claims description 4
- 238000010276 construction Methods 0.000 claims description 4
- 230000002159 abnormal effect Effects 0.000 abstract description 4
- 238000004364 calculation method Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 238000011156 evaluation Methods 0.000 description 4
- 230000003993 interaction Effects 0.000 description 3
- 238000013468 resource allocation Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000000737 periodic effect Effects 0.000 description 2
- 230000001960 triggered effect Effects 0.000 description 2
- 230000004913 activation Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003012 network analysis Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000001303 quality assessment method Methods 0.000 description 1
- 238000012502 risk assessment Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/12—Discovery or management of network topologies
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/02—Standardisation; Integration
- H04L41/024—Standardisation; Integration using relational databases for representation of network management data, e.g. managing via structured query language [SQL]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/02—Standardisation; Integration
- H04L41/0246—Exchanging or transporting network management information using the Internet; Embedding network management web servers in network elements; Web-services-based protocols
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/08—Configuration management of networks or network elements
- H04L41/0803—Configuration setting
- H04L41/0823—Configuration setting characterised by the purposes of a change of settings, e.g. optimising configuration for enhancing reliability
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/02—Capturing of monitoring data
- H04L43/022—Capturing of monitoring data by sampling
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/08—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters
- H04L43/0805—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters by checking availability
- H04L43/0811—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters by checking availability by checking connectivity
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Databases & Information Systems (AREA)
- Environmental & Geological Engineering (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明提供了基于数据监控的工业物联网维护方法、监控系统，涉及数据监控技术领域，包括：搭建工业物联网拓扑结构，其中每个拓扑节点对应的一个功能设备，进行设备连接性识别，设置多个检测节点，进行随机采样生成状态记忆数据库，搭建数据监控模块运行数据进行监测，得到实时运行监测数据组，以实时运行监测数据组和状态记忆数据库进行识别，获取每个节点被选择调整的概率，输出维护概率集合，进行识别判断是否激活维护指令，生成节点维护信息。本发明解决了传统方法无法准确评估设备的维护需求以及合理分配维护资源，同时难以捕捉设备的实时运行状态和异常情况，导致维护操作不灵活和低效的技术问题。
Description
技术领域
本发明涉及数据监控技术领域，具体涉及基于数据监控的工业物联网维护方法、监控系统。
背景技术
工业物联网是指通过互联网技术将传感器、设备和计算机系统相互连接，实现工业生产的智能化管理，随着工业物联网的迅速发展，各类设备和传感器的数量不断增加，维护工作变得更加复杂和繁重，为了提高设备的可靠性和运行效率，工业物联网维护方法不断发展，从而降低运营成本、提高生产效率，并确保企业的安全生产。
而现今常用的工业物联网维护方法还存在着一定的弊端，传统方法采用定期维护方式，无法准确评估设备的维护需求以及合理分配维护资源，同时，难以捕捉设备的实时运行状态和异常情况，导致维护操作不灵活和低效。
因此，对于工业物联网维护还存在着一定的可提升空间。
发明内容
本申请通过提供了基于数据监控的工业物联网维护方法、监控系统，旨在解决传统方法采用定期维护方式，无法准确评估设备的维护需求以及合理分配维护资源，同时，难以捕捉设备的实时运行状态和异常情况，导致维护操作不灵活和低效的技术问题。
鉴于上述问题，本申请提供了基于数据监控的工业物联网维护方法、监控系统。
本申请公开的第一个方面，提供了基于数据监控的工业物联网维护方法，所述方法包括：搭建工业物联网拓扑结构，所述工业物联网拓扑结构中的每个拓扑节点对应的一个功能设备；对所述工业物联网拓扑结构进行设备连接性识别，设置多个检测节点，所述设备连接性为设备在所述工业物联网拓扑结构中的通信连接关系分支的指标；根据所述多个检测节点的运行数据进行随机采样，生成状态记忆数据库，其中，所述状态记忆数据库通过集成采样组获取，通过将各个检测节点的数据作为一组数据集合以输出一个采样组；搭建数据监控模块，根据所述数据监控模块对所述多个检测节点的运行数据进行监测，得到实时运行监测数据组；以所述实时运行监测数据组和所述状态记忆数据库进行识别，获取所述多个检测节点中每个节点被选择调整的概率，输出维护概率集合；通过对所述维护概率集合进行识别，判断是否激活维护指令，当激活维护指令，生成节点维护信息。
本申请公开的另一个方面，提供了一种基于数据监控的工业物联网监控系统，所述系统用于上述方法，所述系统包括：拓扑结构搭建单元，所述拓扑结构搭建单元用于搭建工业物联网拓扑结构，所述工业物联网拓扑结构中的每个拓扑节点对应的一个功能设备；连接性识别单元，所述连接性识别单元用于对所述工业物联网拓扑结构进行设备连接性识别，设置多个检测节点，所述设备连接性为设备在所述工业物联网拓扑结构中的通信连接关系分支的指标；随机采样单元，所述随机采样单元用于根据所述多个检测节点的运行数据进行随机采样，生成状态记忆数据库，其中，所述状态记忆数据库通过集成采样组获取，通过将各个检测节点的数据作为一组数据集合以输出一个采样组；运行数据监测单元，所述运行数据监测单元用于搭建数据监控模块，根据所述数据监控模块对所述多个检测节点的运行数据进行监测，得到实时运行监测数据组；维护概率获取单元，所述维护概率获取单元用于以所述实时运行监测数据组和所述状态记忆数据库进行识别，获取所述多个检测节点中每个节点被选择调整的概率，输出维护概率集合；维护信息生成单元，所述维护信息生成单元用于通过对所述维护概率集合进行识别，判断是否激活维护指令，当激活维护指令，生成节点维护信息。
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：
通过搭建工业物联网拓扑结构，能够呈现设备之间的通信连接关系，这有助于识别设备之间的连接性以及定位故障点；通过设备连接性的指标，识别工业物联网拓扑结构中设备的连接关系和分支情况，提供设备连接性的信息；根据多个检测节点的运行数据进行随机采样，生成状态记忆数据库，该数据库集成了不同检测节点的数据，为后续的数据监控提供了基础；通过搭建数据监控模块，对多个检测节点的运行数据进行监测，获得实时运行监测数据组，能够实时获取设备的运行状况；利用实时运行监测数据组和状态记忆数据库进行识别，获取多个检测节点的选择调整概率，并输出维护概率集合，这些概率反映了各个检测节点是否需要维护以及其相对优先级；通过对维护概率集合进行识别，并判断是否满足激活维护指令的条件，当激活维护指令时，生成节点维护信息，有助于准确指导维护操作和分配资源。综上所述，该基于数据监控的工业物联网维护方法通过建立拓扑结构、进行设备连接性识别、生成状态记忆数据库、数据监控和维护概率计算等措施，解决了传统定期维护方式存在的问题，使得维护操作更加智能、高效，并且能够根据实时数据进行个性化维护，提高设备的可靠性和维护的精确性。
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它目的、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为本申请实施例提供了基于数据监控的工业物联网维护方法流程示意图；
图2为本申请实施例提供了一种基于数据监控的工业物联网监控系统结构示意图。
附图标记说明：拓扑结构搭建单元10，连接性识别单元20，随机采样单元30，运行数据监测单元40，维护概率获取单元50，维护信息生成单元60。
具体实施方式
本申请实施例通过提供基于数据监控的工业物联网维护方法，解决了传统方法采用定期维护方式，无法准确评估设备的维护需求以及合理分配维护资源，同时，难以捕捉设备的实时运行状态和异常情况，导致维护操作不灵活和低效的技术问题。
在介绍了本申请基本原理后，下面将结合说明书附图来具体介绍本申请的各种非限制性的实施方式。
实施例一：
如图1所示，本申请实施例提供了基于数据监控的工业物联网维护方法，所述方法包括：
搭建工业物联网拓扑结构，所述工业物联网拓扑结构中的每个拓扑节点对应的一个功能设备；
获取物联网的整体架构，根据需求和场景，确定每个拓扑节点对应的功能设备，这些设备包括执行器、控制器、传感器或其他物理设备，用于处理、执行和数据采集操作。使用通信技术，将每个功能设备与物联网网络进行连接，确保设备间的相互通信，根据实际应用需求，结合设备之间的关系、通信路径和数据流向，设计物联网的拓扑结构，拓扑结构可以是星形、网状、总线形式，取决于具体的场景，其中，在搭建工业物联网拓扑结构时，需要综合考虑功能需求、响应速度、安全性和网络优化等因素，以满足实际场景的要求。
对所述工业物联网拓扑结构进行设备连接性识别，设置多个检测节点，所述设备连接性为设备在所述工业物联网拓扑结构中的通信连接关系分支的指标；
通过监听数据包、网络流量或者其他通信数据，获取设备之间的通信频率、传输速率、延迟等信息，根据获取的通信数据，计算出设备之间的连接关系的指标，如通信频率、通信强度、连接稳定性等，这些指标表征设备之间的通信情况，将设备连接性识别的结果可视化展示，以便于用户观察和分析，例如可以使用图表、拓扑图、热力图等形式来呈现设备间的连接情况，帮助用户快速了解网络拓扑结构中的通信连接关系。根据通信连接关系，选择多个适当的位置来放置检测节点，每个检测节点负责检测一部分设备，这些节点位置能够覆盖整个拓扑结构，并确保节点与相关设备之间的通信能够被监测到。
根据所述多个检测节点的运行数据进行随机采样，生成状态记忆数据库，其中，所述状态记忆数据库通过集成采样组获取，通过将各个检测节点的数据作为一组数据集合以输出一个采样组；
对每个检测节点收集相应设备的历史运行数据，包括设备的传感器数据、执行器状态、通信历史记录等，从每个检测节点的运行数据中进行随机采样，随机采样是一种用于从大量数据中选择少量样本的方法，以保证样本的代表性和多样性。将每个节点的样本数据组合在一起，作为一组数据集合，形成一个采样组，通过集成各个检测节点的采样组，获取最终的状态记忆数据库，该状态记忆数据库是一个记录系统的历史状态和行为特征的存储库，用于分析、预测和优化系统的运行。
进一步而言，根据所述多个检测节点的运行数据进行随机采样，生成状态记忆数据库，方法还包括：
对所述多个检测节点的运行数据进行质量评估，生成初始采样数据库，其中，所述初始采样数据库中的运行数据为质量评分大于等于预设质量评分的运行数据；
对质量评分大于等于所述预设质量评分的运行数据占所有样本运行数据的比例进行计算，获取第一比例数据；
当所述第一比例数据不满足预先设置的比例数据时，按照预先设置的比例数据对所述初始采样数据库进行上采样，生成所述状态记忆数据库。
根据需求设定质量评估指标，包括延迟指标、转发/传输指标，以及响应指标，针对每个检测节点的运行数据，根据设定的质量评估指标进行评估，根据具体指标的定义，给每个节点的运行数据进行评级，根据质量评估指标和对每个检测节点运行数据的评估结果，为每个运行数据计算一个质量评分。设定一个预设质量评分阈值，选取质量评分大于等于此阈值的运行数据作为初始采样数据库中的样本，即将通过筛选的高质量数据组成初始采样数据库。
统计质量评分大于等于预设质量评分的运行数据的数量，以及所有运行数据的总数量，将符合预设质量评分要求的数据数量除以所有样本运行数据的总数量，得到第一比例数据，该第一比例数据表示符合质量评分要求的样本数据在所有样本数据中的比例。
根据设计要求，预先设定所需的目标比例数据，这个比例数据可以指定符合质量评分要求的运行数据的期望比例，将第一比例数据与预先设定的比例数据进行比较，如果第一比例数据已经满足了预设比例数据，无需进行进一步的上采样操作，直接根据所述初始采样数据库生成所述状态记忆数据库。
如果不满足，按照预先设置的比例数据对初始采样数据库进行上采样，上采样是指增加样本数量的操作，可以通过复制现有的样本数据、生成新的样本数据或者使用插值等方法来增加样本数量。通过上采样操作，在初始采样数据库的基础上生成符合预设比例数据要求的状态记忆数据库，这个数据库包含了更多样本数据，能够更好地代表运行数据的多样性和全面性。
进一步而言，对所述多个检测节点的运行数据进行质量评估，生成初始采样数据库，方法还包括：
建立运行数据质量评估模块，其中，所述运行数据质量评估模块包括数据接收/发送协议延迟性、多路数据转发/传输速率，以及网络通讯接口接入响应度；
将所述多个检测节点的运行数据作为一组数据，由所述运行数据质量评估模块进行评估，得到延迟指标、转发/传输指标，以及响应指标；
根据所述延迟指标、转发/传输指标，以及响应指标，生成运行质量指标，以所述运行质量指标生成所述初始采样数据库。
数据接收/发送协议延迟性用于评估数据在发送和接收之间的时间延迟，指数据在不同节点之间传输所需的时间，可以通过记录发送时间和接收时间来计算；多路数据转发/传输速率用于评估同时从多个检测节点接收和转发/传输数据时的速率，即在网络中传输数据的速率；网络通讯接口接入响应度用于评估接口设备对数据请求的响应速度，即当有新的数据到达时，评估网络通讯接口设备从接收数据到实际执行相应操作所需的时间。
将多个检测节点的运行数据进行整合，形成一组数据，将该组运行数据作为输入，传递给运行数据质量评估模块，运行数据质量评估模块根据评估项，即数据接收/发送协议延迟性、多路数据转发/传输速率以及网络通讯接口接入响应度，进行相应的评估。
示例性的，计算数据接收延迟和数据发送延迟，根据数据产生时间、接收时间、发送时间等参数进行计算，得出延迟指标；使用监测设备来评估多路数据的转发速率或传输速率，根据输入输出数据量和时间间隔来得出转发/传输指标；使用网络分析工具来评估网络通讯接口的接入响应速度和执行时间，通过测量接收请求和执行相应操作所需的时间来得出响应指标。
根据评估模块的输出，获取延迟指标、转发/传输指标以及响应指标，这些指标反映了多个检测节点的运行数据质量的特征和性能信息。
根据维护需求，根据延迟指标、转发/传输指标和响应指标的重要性，对各项指标进行权重分配，并进行加权求和计算，生成一个综合的运行质量指标，这个指标反映了多个检测节点的运行数据质量的综合特征。以所得到的运行质量指标为依据，创建初始采样数据库，将每个检测节点的运行数据及其对应的运行质量指标作为一条记录，存储在初始采样数据库中，这个数据库包含每个检测节点的唯一标识、时间戳、运行数据以及相应的运行质量指标等信息。
搭建数据监控模块，根据所述数据监控模块对所述多个检测节点的运行数据进行监测，得到实时运行监测数据组；
根据实际场景和需求，确定需要监测的指标，包括温度、湿度、压力、振动、电流、功率等，根据监测需求，设计数据监控模块，其中包括多个类型的传感器，比如温度传感器、湿度传感器、压力传感器等，每个传感器负责监测特定的参数。通过数据监控模块中的传感器从各个检测节点获取实时运行数据，将采集到的多个检测节点的实时运行数据进行整合，得到实时运行监测数据组，该数据组汇集了各个检测节点的各个传感器收集的数据，并提供多参数的综合信息，以便于及时监测设备的运行状况。
以所述实时运行监测数据组和所述状态记忆数据库进行识别，获取所述多个检测节点中每个节点被选择调整的概率，输出维护概率集合；
将实时运行监测数据组与状态记忆数据库中的样本数据进行对比和匹配，根据实时数据组的特征值和状态记忆数据库中相应的样本数据进行相似性分析，基于数据对比和匹配结果，计算每个检测节点被选择调整的概率，例如，可以基于样本数据与实时数据的差异程度来决定维护概率，差异程度越大，维护概率越高，将计算得到的每个检测节点的维护概率整合为一个概率集合，该集合包含了各个节点被选择调整的概率信息，概率可以表示为百分比形式来判断是否需要维护。
进一步而言，以所述实时运行监测数据组和所述状态记忆数据库进行识别，方法包括：
以所述状态记忆数据库中的数据为寻优目标，以所述实时运行监测数据组为输入变量进行比对，其中，所述实时运行监测数据组为包括所述多个检测节点分别对应的实时运行数据；
根据所述实时运行监测数据组与所述状态记忆数据库中对应的样本数据组进行匹配识别，按照匹配差异数据分别计算各个检测节点对应的维护概率，输出所述维护概率集合。
将实时运行监测数据组中的每个检测节点的实时运行数据与状态记忆数据库中对应的样本数据进行对齐和匹配，确保每个节点的数据与其对应的样本数据进行比对，通过将实时数据和样本数据转换为向量形式，并应用比对方法，例如，采用欧氏距离的方法，进行差异度指标计算，获取匹配差异度，以衡量实时数据组与样本数据组之间的差异度。
根据匹配差异度，在每个检测节点上独立地计算维护概率，可以使用各种方法来转换匹配差异度为维护概率，如利用映射函数、阈值设定等，其中，匹配差异度越大，表示实时数据与样本数据的不一致性也越大，可能需要更频繁或更紧急的维护。
将计算得到的各个检测节点对应的维护概率整合为一个集合，即维护概率集合，该集合包含了每个节点被选择调整的概率信息。这有助于确定系统中需要进行维护的检测节点，并提供相应的维护优先级和决策支持，以便及时采取维护措施，保障工业物联网系统的正常运行。
进一步而言，所述方法还包括：
获取所述多个检测节点之间的通信关联性，按照所述通信关联性对所述多个检测节点分别配置关联指标；
获取所述多个检测节点中任一检测节点的维护概率，基于该检测节点的维护概率，利用所述关联指标对与其关联的检测节点的维护概率进行调整，输出优化后的维护概率集合。
收集多个检测节点之间的通信数据，包括记录节点之间的通信日志、网络传输数据、消息交互信息等，通过收集的数据，进行分析以了解节点之间的通信情况。基于收集到的数据，进行通信关联性分析，具体的，设置度量标准来衡量节点之间的通信关联程度，例如通信频率、传输数据量、通信时长等，利用选定的度量标准，计算每个节点之间的通信关联性得分。根据计算得到的通信关联性度量结果，为每个检测节点配置关联指标，关联指标反映节点之间的关联程度或影响强度，例如，可以根据通信关联性度量结果设置一个基于权重的关联指标。
从已有的维护概率集合中选择一个检测节点，并获取该节点的维护概率，并获取与其关联的检测节点，根据关联指标配置，对关联检测节点的维护概率进行调整，例如，将选定节点的维护概率作为权重，按照关联指标的值对关联检测节点的维护概率进行加权调整，将经过调整后的各个检测节点的维护概率整合为一个集合，即优化后的维护概率集合，这个集合反映了在考虑关联关系后得到的节点维护概率信息，可以更准确地反映检测节点之间的相互影响关系，提高维护决策和资源分配的有效性。
进一步而言，计算所述维护概率的方法如下：
获取所述实时运行监测数据组中第一检测节点的实时运行数据质量评分；
获取所述状态记忆数据库中关于所述第一检测节点的均值运行数据质量评分；
根据所述实时运行数据质量评分和均值运行数据质量评分的评分差值，
获取评分差值落入表征设备异常的差值区间的概率，输出所述维护概率，所述维护概率的
表达式如下：
；
其中，为第个检测节点对应的维护概率，，为多个检测节
点的总数量，每个检测节点的分支数大于预设分支数，为所述实时运行监测数据组中
第i个检测节点的实时运行数据质量评分，为所述状态记忆数据库中关于第i个检测节
点的均值运行数据质量评分，为第i个检测节点的评分差值，为预设差值区间。
从所述实时运行监测数据组中获取第一检测节点对应的实时运行数据，通过前述
运行数据质量评估模块对实时运行数据进行评估，生成实时运行质量评分，该评分反
映了该节点当前的运行数据质量状况。
从所述状态记忆数据库中获取第一检测节点的历史运行数据记录，从中提取与数
据质量评分相关的信息，如每次记录的数据质量评分值，通过计算评分值的平均值，计算第
一检测节点的均值运行数据质量评分，这个评分反映了第一检测节点在历史记录中的
平均运行数据质量。
将所述实时运行数据质量评分和均值运行数据质量评分代入上述公式，
在上述公式中，每个检测节点具有多个分支数，并且每个分支数都大于预设的分支数，这表
明维护概率的计算基于评分差值是否在差值区间内，以及检测节点之间的关系。
通过以上公式，根据实时运行数据质量评分和均值运行数据质量评分的评分差值，判断差值是否落入表征设备异常的差值区间，并计算出相应的维护概率，这个方法可以根据评分差值来估计设备的异常程度，并提供决策支持和维护指导。
通过对所述维护概率集合进行识别，判断是否激活维护指令，当激活维护指令，生成节点维护信息。
对维护概率集合进行识别，检查每个检测节点的维护概率，例如，设定一个阈值来判断是否需要进行维护，如果某个节点的维护概率超过或等于预设的阈值，那么该节点将被认定为需要进行维护的节点，当有节点的维护概率符合激活条件时，即达到了预设的阈值，可以激活维护指令，这意味着需要发出指令来执行相应的维护措施。当维护指令被激活，就生成节点维护信息，该信息包含触发维护的检测节点的标识、相关参数和时间戳等，以提供详细的维护指导和记录。这有助于及时实施维护措施，并有效地改善设备运行状况，降低故障风险和维护成本。
进一步而言，所述判断是否激活维护指令，方法还包括：
对所述维护概率集合中的各个维护概率进行识别，当任一维护概率大于等于预设维护概率，激活维护指令；
其中，所述维护指令由大于等于预设维护概率的检测节点与维护控制中心之间所建立的通信协议执行，所述通信协议用于建立维护对象与维护控制中心的控制映射关系，且当所述维护指令处于激活状态时其对应的维护对象至少为1。
根据业务需求、工作环境以及风险评估等因素确定预设维护概率，用于对维护概率进行判断，遍历维护概率集合中的每个维护概率，对于每个维护概率，判断其是否大于等于预设维护概率，如果该维护概率满足条件，则可以认为对应的维护操作需要被激活。当存在至少一个维护概率大于等于预设维护概率时，激活维护指令，这意味着发现了至少一个检测节点需要进行维护操作。
在维护控制中心和各个检测节点之间建立通信协议，这个通信协议包括通信规范、消息传递机制、数据格式等相关内容，通过该通信协议，实现维护控制中心与各个检测节点之间的数据交互和命令传输。基于通信协议建立控制映射关系，例如通过节点的唯一标识、网络地址等信息进行匹配，将每个维护对象与维护控制中心之间的关系映射起来，确保在维护指令激活时，能够正确地将指令发送给相应的维护对象。
当维护指令处于激活状态时，根据建立的控制映射关系，将指令发送给对应的维护对象，维护控制中心通过通信协议向大于等于预设维护概率的检测节点发送指令，通过命令传输、控制参数调整等方式，触发相应的维护操作。这样，在确保至少有一个维护概率大于等于预设维护概率的情况下，通过通信协议和控制映射关系，能够实现对相应维护对象的维护指令的执行。
综上所述，本申请实施例所提供的基于数据监控的工业物联网维护方法、监控系统具有如下技术效果：
1.通过搭建工业物联网拓扑结构，能够呈现设备之间的通信连接关系，这有助于识别设备之间的连接性以及定位故障点；
2.通过设备连接性的指标，识别工业物联网拓扑结构中设备的连接关系和分支情况，提供设备连接性的信息；
3.根据多个检测节点的运行数据进行随机采样，生成状态记忆数据库，该数据库集成了不同检测节点的数据，为后续的数据监控提供了基础；
4.通过搭建数据监控模块，对多个检测节点的运行数据进行监测，获得实时运行监测数据组，能够实时获取设备的运行状况；
5.利用实时运行监测数据组和状态记忆数据库进行识别，获取多个检测节点的选择调整概率，并输出维护概率集合，这些概率反映了各个检测节点是否需要维护以及其相对优先级；
6.通过对维护概率集合进行识别，并判断是否满足激活维护指令的条件，当激活维护指令时，生成节点维护信息，有助于准确指导维护操作和分配资源。
综上所述，该基于数据监控的工业物联网维护方法通过建立拓扑结构、进行设备连接性识别、生成状态记忆数据库、数据监控和维护概率计算等措施，解决了传统定期维护方式存在的问题，使得维护操作更加智能、高效，并且能够根据实时数据进行个性化维护，提高设备的可靠性和维护的精确性。
实施例二：
基于与前述实施例中基于数据监控的工业物联网维护方法相同的发明构思，如图2所示，本申请提供了一种基于数据监控的工业物联网监控系统，所述系统包括：
拓扑结构搭建单元10，所述拓扑结构搭建单元10用于搭建工业物联网拓扑结构，所述工业物联网拓扑结构中的每个拓扑节点对应的一个功能设备；
连接性识别单元20，所述连接性识别单元20用于对所述工业物联网拓扑结构进行设备连接性识别，设置多个检测节点，所述设备连接性为设备在所述工业物联网拓扑结构中的通信连接关系分支的指标；
随机采样单元30，所述随机采样单元30用于根据所述多个检测节点的运行数据进行随机采样，生成状态记忆数据库，其中，所述状态记忆数据库通过集成采样组获取，通过将各个检测节点的数据作为一组数据集合以输出一个采样组；
运行数据监测单元40，所述运行数据监测单元40用于搭建数据监控模块，根据所述数据监控模块对所述多个检测节点的运行数据进行监测，得到实时运行监测数据组；
维护概率获取单元50，所述维护概率获取单元50用于以所述实时运行监测数据组和所述状态记忆数据库进行识别，获取所述多个检测节点中每个节点被选择调整的概率，输出维护概率集合；
维护信息生成单元60，所述维护信息生成单元60用于通过对所述维护概率集合进行识别，判断是否激活维护指令，当激活维护指令，生成节点维护信息。
进一步而言，所述系统还包括数据库生成模块，以执行如下操作步骤：
对所述多个检测节点的运行数据进行质量评估，生成初始采样数据库，其中，所述初始采样数据库中的运行数据为质量评分大于等于预设质量评分的运行数据；
对质量评分大于等于所述预设质量评分的运行数据占所有样本运行数据的比例进行计算，获取第一比例数据；
当所述第一比例数据不满足预先设置的比例数据时，按照预先设置的比例数据对所述初始采样数据库进行上采样，生成所述状态记忆数据库。
进一步而言，所述系统还包括维护概率集合输出模块，以执行如下操作步骤：
以所述状态记忆数据库中的数据为寻优目标，以所述实时运行监测数据组为输入变量进行比对，其中，所述实时运行监测数据组为包括所述多个检测节点分别对应的实时运行数据；
根据所述实时运行监测数据组与所述状态记忆数据库中对应的样本数据组进行匹配识别，按照匹配差异数据分别计算各个检测节点对应的维护概率，输出所述维护概率集合。
进一步而言，所述系统还包括维护概率集合优化模块，以执行如下操作步骤：
获取所述多个检测节点之间的通信关联性，按照所述通信关联性对所述多个检测节点分别配置关联指标；
获取所述多个检测节点中任一检测节点的维护概率，基于该检测节点的维护概率，利用所述关联指标对与其关联的检测节点的维护概率进行调整，输出优化后的维护概率集合。
进一步而言，所述系统还包括判断模块，以执行如下操作步骤：
对所述维护概率集合中的各个维护概率进行识别，当任一维护概率大于等于预设维护概率，激活维护指令；
其中，所述维护指令由大于等于预设维护概率的检测节点与维护控制中心之间所建立的通信协议执行，所述通信协议用于建立维护对象与维护控制中心的控制映射关系，且当所述维护指令处于激活状态时其对应的维护对象至少为1。
进一步而言，所述系统还包括初始采样数据库生成模块，以执行如下操作步骤：
建立运行数据质量评估模块，其中，所述运行数据质量评估模块包括数据接收/发送协议延迟性、多路数据转发/传输速率，以及网络通讯接口接入响应度；
将所述多个检测节点的运行数据作为一组数据，由所述运行数据质量评估模块进行评估，得到延迟指标、转发/传输指标，以及响应指标；
根据所述延迟指标、转发/传输指标，以及响应指标，生成运行质量指标，以所述运行质量指标生成所述初始采样数据库。
进一步而言，所述系统还包括维护概率计算模块，以执行如下操作步骤：
获取所述实时运行监测数据组中第一检测节点的实时运行数据质量评分；
获取所述状态记忆数据库中关于所述第一检测节点的均值运行数据质量评分；
根据所述实时运行数据质量评分和均值运行数据质量评分的评分差值，
获取评分差值落入表征设备异常的差值区间的概率，输出所述维护概率，所述维护概率的
表达式如下：
；
其中，为第个检测节点对应的维护概率，，为多个检测节
点的总数量，每个检测节点的分支数大于预设分支数，为所述实时运行监测数据组中
第i个检测节点的实时运行数据质量评分，为所述状态记忆数据库中关于第i个检测节
点的均值运行数据质量评分，为第i个检测节点的评分差值，为预设差值区间。
本说明书通过前述对基于数据监控的工业物联网维护方法的详细描述，本领域技术人员可以清楚得知道本实施例中基于数据监控的工业物联网维护方法、监控系统，对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述得比较简单，相关之处参见方法部分说明即可。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (8)
1.基于数据监控的工业物联网维护方法，其特征在于，所述方法包括：
搭建工业物联网拓扑结构，所述工业物联网拓扑结构中的每个拓扑节点对应的一个功能设备；
对所述工业物联网拓扑结构进行设备连接性识别，设置多个检测节点，所述设备连接性为设备在所述工业物联网拓扑结构中的通信连接关系分支的指标；
根据所述多个检测节点的运行数据进行随机采样，生成状态记忆数据库，其中，所述状态记忆数据库通过集成采样组获取，通过将各个检测节点的数据作为一组数据集合以输出一个采样组；
搭建数据监控模块，根据所述数据监控模块对所述多个检测节点的运行数据进行监测，得到实时运行监测数据组；
以所述实时运行监测数据组和所述状态记忆数据库进行识别，获取所述多个检测节点中每个节点被选择调整的概率，输出维护概率集合；
通过对所述维护概率集合进行识别，判断是否激活维护指令，当激活维护指令，生成节点维护信息。
2.如权利要求1所述的方法，其特征在于，根据所述多个检测节点的运行数据进行随机采样，生成状态记忆数据库，方法还包括：
对所述多个检测节点的运行数据进行质量评估，生成初始采样数据库，其中，所述初始采样数据库中的运行数据为质量评分大于等于预设质量评分的运行数据；
对质量评分大于等于所述预设质量评分的运行数据占所有样本运行数据的比例进行计算，获取第一比例数据；
当所述第一比例数据不满足预先设置的比例数据时，按照预先设置的比例数据对所述初始采样数据库进行上采样，生成所述状态记忆数据库。
3.如权利要求1所述的方法，其特征在于，以所述实时运行监测数据组和所述状态记忆数据库进行识别，方法包括：
以所述状态记忆数据库中的数据为寻优目标，以所述实时运行监测数据组为输入变量进行比对，其中，所述实时运行监测数据组为包括所述多个检测节点分别对应的实时运行数据；
根据所述实时运行监测数据组与所述状态记忆数据库中对应的样本数据组进行匹配识别，按照匹配差异数据分别计算各个检测节点对应的维护概率，输出所述维护概率集合。
4.如权利要求3所述的方法，其特征在于，所述方法还包括：
获取所述多个检测节点之间的通信关联性，按照所述通信关联性对所述多个检测节点分别配置关联指标；
获取所述多个检测节点中任一检测节点的维护概率，基于该检测节点的维护概率，利用所述关联指标对与其关联的检测节点的维护概率进行调整，输出优化后的维护概率集合。
5.如权利要求1所述的方法，其特征在于，所述判断是否激活维护指令，方法还包括：
对所述维护概率集合中的各个维护概率进行识别，当任一维护概率大于等于预设维护概率，激活维护指令；
其中，所述维护指令由大于等于预设维护概率的检测节点与维护控制中心之间所建立的通信协议执行，所述通信协议用于建立维护对象与维护控制中心的控制映射关系，且当所述维护指令处于激活状态时其对应的维护对象至少为1。
6.如权利要求2所述的方法，其特征在于，对所述多个检测节点的运行数据进行质量评估，生成初始采样数据库，方法还包括：
建立运行数据质量评估模块，其中，所述运行数据质量评估模块包括数据接收/发送协议延迟性、多路数据转发/传输速率，以及网络通讯接口接入响应度；
将所述多个检测节点的运行数据作为一组数据，由所述运行数据质量评估模块进行评估，得到延迟指标、转发/传输指标，以及响应指标；
根据所述延迟指标、转发/传输指标，以及响应指标，生成运行质量指标，以所述运行质量指标生成所述初始采样数据库。
7.如权利要求1所述的方法，其特征在于，计算所述维护概率的方法如下：
获取所述实时运行监测数据组中第一检测节点的实时运行数据质量评分；
获取所述状态记忆数据库中关于所述第一检测节点的均值运行数据质量评分；
根据所述实时运行数据质量评分和均值运行数据质量评分/>的评分差值，获取评分差值落入表征设备异常的差值区间的概率，输出所述维护概率，所述维护概率的表达式如下：
；
其中，为第/>个检测节点对应的维护概率，/>，/>为多个检测节点的总数量，每个检测节点的分支数大于预设分支数，/>为所述实时运行监测数据组中第i个检测节点的实时运行数据质量评分，/>为所述状态记忆数据库中关于第i个检测节点的均值运行数据质量评分，/>为第i个检测节点的评分差值，/>为预设差值区间。
8.一种基于数据监控的工业物联网监控系统，其特征在于，用于实施权利要求1-7任一项所述的基于数据监控的工业物联网维护方法，包括：
拓扑结构搭建单元，所述拓扑结构搭建单元用于搭建工业物联网拓扑结构，所述工业物联网拓扑结构中的每个拓扑节点对应的一个功能设备；
连接性识别单元，所述连接性识别单元用于对所述工业物联网拓扑结构进行设备连接性识别，设置多个检测节点，所述设备连接性为设备在所述工业物联网拓扑结构中的通信连接关系分支的指标；
随机采样单元，所述随机采样单元用于根据所述多个检测节点的运行数据进行随机采样，生成状态记忆数据库，其中，所述状态记忆数据库通过集成采样组获取，通过将各个检测节点的数据作为一组数据集合以输出一个采样组；
运行数据监测单元，所述运行数据监测单元用于搭建数据监控模块，根据所述数据监控模块对所述多个检测节点的运行数据进行监测，得到实时运行监测数据组；
维护概率获取单元，所述维护概率获取单元用于以所述实时运行监测数据组和所述状态记忆数据库进行识别，获取所述多个检测节点中每个节点被选择调整的概率，输出维护概率集合；
维护信息生成单元，所述维护信息生成单元用于通过对所述维护概率集合进行识别，判断是否激活维护指令，当激活维护指令，生成节点维护信息。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311093784.2A CN116827802B (zh) | 2023-08-29 | 2023-08-29 | 基于数据监控的工业物联网维护方法、监控系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311093784.2A CN116827802B (zh) | 2023-08-29 | 2023-08-29 | 基于数据监控的工业物联网维护方法、监控系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116827802A true CN116827802A (zh) | 2023-09-29 |
| CN116827802B CN116827802B (zh) | 2023-11-24 |
Family
ID=88117017
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311093784.2A Active CN116827802B (zh) | 2023-08-29 | 2023-08-29 | 基于数据监控的工业物联网维护方法、监控系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116827802B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117452894A (zh) * | 2023-11-01 | 2024-01-26 | 北京市永康药业有限公司 | 一种注射剂生产设备的生产管理方法及系统 |
| CN118317339A (zh) * | 2024-05-07 | 2024-07-09 | 深圳市钜为电子科技有限公司 | 一种基于工业级蓝牙技术的高可靠性数据传输系统 |
| CN118739553A (zh) * | 2024-05-21 | 2024-10-01 | 江苏力普通瑞电力电子科技有限公司 | 结合多维信息监测的高压变频器的维护决策方法及系统 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2014016691A (ja) * | 2012-07-06 | 2014-01-30 | Hitachi Ltd | 設備維持管理業務支援システム、およびその方法 |
| CN108803552A (zh) * | 2018-08-31 | 2018-11-13 | 承德建龙特殊钢有限公司 | 一种设备故障的监测系统及监测方法 |
| CN114285732A (zh) * | 2021-12-23 | 2022-04-05 | 中国建设银行股份有限公司 | 一种网络故障定位方法、系统、存储介质及电子设备 |
| WO2022262127A1 (zh) * | 2021-06-17 | 2022-12-22 | 天津大学 | 智慧物联网综合感知系统及方法 |
| CN115526375A (zh) * | 2022-07-26 | 2022-12-27 | 中国人民解放军63926部队 | 一种航天装备预测性维护系统 |
| CN116228184A (zh) * | 2022-11-28 | 2023-06-06 | 无锡广盈集团有限公司 | 一种电力设备安装维护方法及系统 |
-
2023
- 2023-08-29 CN CN202311093784.2A patent/CN116827802B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2014016691A (ja) * | 2012-07-06 | 2014-01-30 | Hitachi Ltd | 設備維持管理業務支援システム、およびその方法 |
| CN108803552A (zh) * | 2018-08-31 | 2018-11-13 | 承德建龙特殊钢有限公司 | 一种设备故障的监测系统及监测方法 |
| WO2022262127A1 (zh) * | 2021-06-17 | 2022-12-22 | 天津大学 | 智慧物联网综合感知系统及方法 |
| CN114285732A (zh) * | 2021-12-23 | 2022-04-05 | 中国建设银行股份有限公司 | 一种网络故障定位方法、系统、存储介质及电子设备 |
| CN115526375A (zh) * | 2022-07-26 | 2022-12-27 | 中国人民解放军63926部队 | 一种航天装备预测性维护系统 |
| CN116228184A (zh) * | 2022-11-28 | 2023-06-06 | 无锡广盈集团有限公司 | 一种电力设备安装维护方法及系统 |
Non-Patent Citations (3)
| Title |
|---|
| 李政;张圣;张卢喻;张杨;: "基于物联网技术的桥梁监测系统", 物联网学报, no. 03 * |
| 李星沛;孙霞;: "多频无线网络通信同步实时维护方法仿真", 计算机仿真, no. 09 * |
| 王庆锋;杨剑锋;刘文彬;袁庆斌;马宏伟;: "过程工业设备维修智能决策系统的开发与应用", 机械工程学报, no. 24 * |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117452894A (zh) * | 2023-11-01 | 2024-01-26 | 北京市永康药业有限公司 | 一种注射剂生产设备的生产管理方法及系统 |
| CN117452894B (zh) * | 2023-11-01 | 2024-08-13 | 北京市永康药业有限公司 | 一种注射剂生产设备的生产管理方法及系统 |
| CN118317339A (zh) * | 2024-05-07 | 2024-07-09 | 深圳市钜为电子科技有限公司 | 一种基于工业级蓝牙技术的高可靠性数据传输系统 |
| CN118739553A (zh) * | 2024-05-21 | 2024-10-01 | 江苏力普通瑞电力电子科技有限公司 | 结合多维信息监测的高压变频器的维护决策方法及系统 |
| CN118739553B (zh) * | 2024-05-21 | 2025-04-01 | 江苏力普通瑞电力电子科技有限公司 | 结合多维信息监测的高压变频器的维护决策方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116827802B (zh) | 2023-11-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116827802B (zh) | 基于数据监控的工业物联网维护方法、监控系统 | |
| CN112769796B (zh) | 一种基于端侧边缘计算的云网端协同防御方法及系统 | |
| JP7183471B2 (ja) | 将来の動作の予測分類 | |
| US10318366B2 (en) | System and method for relationship based root cause recommendation | |
| KR102432284B1 (ko) | It관리대상의 이벤트 알람이나 장애 문제를 실시간 자동으로 조치하는 시스템 및 그 운용방법 | |
| CN117436846B (zh) | 基于神经网络的设备预测性维护方法及系统 | |
| CN117375239B (zh) | 一种输变电设备安全运行监测方法及系统 | |
| KR20210010184A (ko) | 이상 상황 탐지 장치 및 방법 | |
| CN118229036B (zh) | 一种用于智慧城市的运维管理系统及其方法 | |
| CN112734977B (zh) | 一种基于物联网的设备风险预警系统及算法 | |
| CN119292877B (zh) | 文件写入监测方法及系统 | |
| CN118779798B (zh) | 基于物联网云边协同的电力边侧优化控制方法及系统 | |
| CN112149770A (zh) | 一种智能电缆的数据射频识别显示系统、方法及装置 | |
| CN118550709B (zh) | 一种智能巡检数据的高效处理与分析方法及系统 | |
| CN119618332A (zh) | 集成NB-IoT的智能水表远程监测方法及设备 | |
| CN119310372A (zh) | 一种电气故障检测方法及电气故障检测系统 | |
| CN111506422B (zh) | 事件分析方法及系统 | |
| CN119583394B (zh) | 网络服务质量的多维度动态监测平台与方法 | |
| CN119402288B (zh) | 工业互联网环境下的安全态势感知方法及平台 | |
| CN119051249B (zh) | 基于数据融合的电力信息管理平台 | |
| CN119025424B (zh) | 一种用于家用电器的测试数据分析方法及系统 | |
| CN119383067B (zh) | 一种基于eBPF的网络监控和诊断方法及装置 | |
| CN119561824B (zh) | 基于迁移学习的电力通信网故障检测方法 | |
| Li et al. | SCIF-ARF: Container anomaly prediction for container cloud platforms | |
| CN120044863A (zh) | 一种多点位分布式高精密工业设备运行监测方法及系统 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |