CN117168865B - 一种机电设备保护系统 - Google Patents

Abstract

本发明公开了一种机电设备保护系统，属于机电设备领域，包括机电设备、样本模块、传感器模块、判定模块、报警模块、紧急处理模块、分析预测模块和优化模块，所述机电设备，为即将进行生产加工的自动化机电设备，所述样本模块，包括机电设备内部连接件、加工刀头和控制电路板，用于模拟机电设备的运行并进行压力测试，传感器模块。本发明一种机电设备保护系统，整个机电设备保护系统能够实现数据采集、危险判定、样本搭建、分析预测以及流程优化，有助于根据不同的生产任务，在保证机电设备运行的情况下，最大程度减小机电设备发生故障的概率并最大化机电设备的生产效率。

Description

一种机电设备保护系统

技术领域

本发明属于机电设备领域，具体是一种机电设备保护系统。

背景技术

机电设备是指结合了机械和电气部件的设备，它们能够将电能转换为机械能或运用机械力来完成生产任务，机电设备通常由电动机、传动装置、控制电路和成型装置组成，往往需要长时间的运行以完成生产任务；

在机电设备长时间的运行过程中，机电设备内部的连接件、加工刀头、控制电路板容易出现过载，导致设备出现故障，甚至对于操作人员的安全造成威胁，需要对于机电设备的运行进行监测与保护，现有技术仅能对于机电设备的运行过程进行监测保护，无法对于每次生产时设备的运作模式进行优化，容易导致机电设备过载情况的发生，而机电设备的检修非常复杂，容易影响生产效率，存在实用性低下的问题；

针对上述，本案提出一种机电设备保护系统，通过增加样本模块、分析预测模块和优化模块以解决上述技术问题。

发明内容

本发明旨在至少解决现有技术中存在的技术问题之一。为此，本发明提出一种机电设备保护系统，通过增加样本模块并对于机电设备运作进行分析预测优化以解决上述技术问题。

为了实现上述目的，本发明采用了如下技术方案：

一种机电设备保护系统，包括机电设备、样本模块、传感器模块、判定模块、报警模块、紧急处理模块、分析预测模块和优化模块；

所述机电设备，为即将进行生产加工的自动化机电设备；

所述样本模块，包括机电设备内部连接件、加工刀头和控制电路板，用于模拟机电设备的运行并进行压力测试；

所述传感器模块，包括温度传感器、压力传感器、振动传感器以及电流传感器，用于收集机电设备以及样本模块运行时的温度、压力、振动以及电流数据，传感器模块实时收集这些数据，并将采集到的信号转化为数字信号传输至分析预测模块与判定模块中；

所述判定模块，用于接收传感器模块传输来的温度、压力、振动以及电流数据，并结合预先设定的阈值，对于温度、压力、振动以及电流数据进行依次判定，并根据判定结果传输信号至下一模块中；

所述报警模块，当判定模块判定机电设备出现异常运行状态时，会传输信号进入报警模块中，报警模块会发出警报信号，以提醒工作人员及时采取适当的措施，报警模块包括声光报警器与震动报警器，通过声音、光亮、震动的方式发出警报信号，以提醒操作人员；

所述紧急处理模块，当判定模块判定机电设备出现异常运行状态时，同时会传输一个信号进入紧急处理模块中，紧急处理模块会立刻传输信号进入机电设备中，立即停止机器运行，以减少机器的损害并保护现场操作人员的安全；

所述分析预测模块，通过对于传感器模块传输来的温度、压力和振动数据，对于样本模块中样本的连接件、加工刀头与控制电路板的磨损情况进行检测与分析，并对机电设备的后续使用时会出现的情况进行预测，并将数据传输至优化模块中；

所述优化模块，通过对于样本模块中样本的连接件、加工刀头与控制电路板的张紧力、润滑状态、锋利度进行检查，结合分析预测模块的结果对机电设备的后续运作进行优化，最终反馈到机电设备中，对于机电设备的后续工作模式进行调节、优化和保护，减小机电设备故障的可能；

所述分析预测模块，会接收传感器模块传输来的温度、压力和振动数据，并且会通过高斯算法对于正常工作情况下的异常数值进行剔除，以保证后续预测结果的可靠性，其具体的算法公式为：

计算数据集中的均值与方差/>；

；

；

其中，为接收到传感器的数据值，/>为数据值的数量，并根据分布特性设定一个阈值/>；

计算每个数据点与均值之间的标准差的差值，其公式为：

；

其中，为标准差，通过对比/>与/>的大小，若/>，则代表该数据点的数据值有问题，进行剔除；

所述分析预测模块中会根据样本模块中样本的温度、压力、振动数据，结合样本的磨损情况，构建预测模型，具体的步骤为：

有个样本，其中/>分别代表了温度、压力与振动值，/>则代表磨损情况，设定回归系数分别为/>，其公式为：

；

其中，为误差项，再根据最小二乘法对于预测模型进行拟合，求得的值；

所述根据最小二乘法最小化实际值与预测值之间的差异的平方和，求得的值，并获得预测模型，其具体的算法公式为：

求得样本数据的均值：

；

计算样本数据与均值的偏差：

；

求解的值：

；

将的值代入预测模型中，以获得最终的预测模型。

进一步的，所述样本模块会从同一种机电设备中，额外选取机电设备中的连接件、加工刀头以及控制电路板，在机电设备进行加工的过程中，模拟生产加工的步骤同步进行运作，具体的步骤为：

选取机电设备中的承担着重要的支撑、传动或固定功能的连接件、加工刀头以及控制电路板，并将选取的连接件、加工刀头和控制电路板安装到样本中，确保它们能够正常运作并模拟实际机电设备的加工的过程进行工作；

根据机电设备所设定的工作时间，使得样本同步进行运转，确保与机电设备的工作环境以及工作强度相同，以模拟真实的工作情况。

进一步的，所述判定模块用于接收传感器模块传输来的温度、压力、振动以及电流数据，并结合预先设定的阈值，对于温度、压力、振动以及电流数据进行依次判定，其具体的算法公式为：

设定正常温度值，温度传感器所采集的温度值为/>；

当时，则将温度数据标记为正常；

当时，则将温度数据标记为异常；

设定正常压力值，压力传感器所采集的压力值为/>；

当时，则将压力数据标记为正常；

当时，则将压力数据标记为异常；

设定正常振动值，振动传感器所采集的振动值为/>；

当时，则将振动数据标记为正常；

当时，则将振动数据标记为异常；

设定正常电流值，电流传感器所采集的电流值为/>；

当时，则将电流数据标记为正常；

当时，则将电流数据标记为异常；

当的值均为正常时，则机电设备正常进行运作；

当的值中有异常时，则判定模块会传输数据进入报警模块与紧急处理模块中。

进一步的，所述优化模块会对于样本模块中样本的连接件、加工刀头与控制电路板的张紧力、润滑状态、锋利度进行检查，其具体的检查步骤为：

在机电设备一个批次的生产完成后，会对样本模块中的样本进行停机操作；

操作人员通过使用扭矩扳手测量样本连接件的张紧力，检查连接件的张紧力是否在经过长时间运作后仍然符合设备要求；

对加工刀头和连接件的润滑状态进行检查，检查润滑剂的供给情况、润滑油的清洁度和充足程度，检查连接件和加工刀头的润滑度是否在经过长时间运作后仍然符合设备要求；

仔细观察连接件、加工刀头和控制电路板的外观，检查是否有损坏、磨损、腐蚀、松动的现象；

观察所加工的样品的公差，对比标准件判断刀头的锋利情况；

记录上述数据并上传，方便结合预测模型对机电设备的后续运作进行流程优化。

进一步的，所述优化模块会根据对于样本模块中样本的张紧力、润滑状态、锋利度的检查数据，结合分析预测模块中的预测模型，对于机电设备后续的运作进行优化，其具体的步骤为：

根据检测的磨损情况、张紧力、润滑状态、锋利度构建关系图表；

根据分析预测模块中的预测模型，对于磨损情况进行预测，并结合磨损情况、张紧力、润滑状态、锋利度构建关系图表，对机电设备运行时的状态进行预测；

对预测结果进行进一步分析，了解机电设备后续运作的潜在问题和风险，根据预测结果的优化方向，确定机电设备需要进行调整和改善的方面；

根据结果调节机电设备的运行时间、环境温度、润滑液的供给量，结合机电设备磨损情况、张紧力大小、润滑状态与锋利度，在保证机电设备运行的情况下，减小机电设备发生故障的概率，最大化机电设备的生产效率。

与现有技术相比，本发明的有益效果是：

在本发明中，通过样本模块，可以根据同型号的机电设备，选出连接件、加工刀头与控制电路板搭建一个样本，并与机电设备同步运转，通过观测样本的运行状况，监测样本的运行温度、压力和振动数据，对于机电设备的运行状况进行分析，实时了解机电设备的运行状态，有助于识别潜在的故障风险、异常工作模式或性能衰减，并提前采取措施对机电设备进行维护或修复；

在本发明中，通过样本模块，根据样本的实际运行数据和状态监测结果，制定更加准确的维修计划，根据分析结果，可以确定哪些连接件需要紧固或更换，加工刀头是否需要更换，控制电路板是否需要修理或更换，有助于优化维修计划，提高设备的可靠性和生产效率；

在本发明中，通过结合样本模块中的温度、压力和振动数据，结合磨损情况搭建预测模型，进而可以对于机电设备的磨损情况进行预测，对于机电设备计划合适的维护和更换工作，减少机电设备的停机时间，降低生产成本，并通过将预测模型传输至优化模块，结合磨损情况、张紧力、润滑状态、锋利度构建关系图表，对于机电设备的运行进行优化，在保证机电设备运行的情况下，减小机电设备发生故障的概率，最大化机电设备的生产效率；

在本发明中，根据优化模块的数据整合，可以对于机电设备的磨损情况进行进一步预测，优化机电设备内部的润滑状态和替换周期，调整张紧力来减轻磨损，延长设备使用寿命，增强零件的使用寿命；

在本发明中，通过优化机电设备的运行参数和操作策略，可以最大化机电设备的生产效率，并根据不同的生产任务制定合理的生产方案，减少设备故障和维修时间，提高生产线的稳定性和持续性，对机电设备进行保护，确保设备连续运行的同时提高生产效率和产品质量；

在本发明中，通过判定模块、报警模块以及紧急处理模块，对于正常运行的机电设备进行监测与保护，通过判定模块，可以及时发现异常情况，通过报警模块可以及时引起人员注意并促使工作人员采取必要的修复或保护措施，通过紧急处理模块可以立即停止机器运行，以减少机器的损害并保护现场操作人员的安全。

整个机电设备保护系统能够实现数据采集、危险判定、样本搭建、分析预测以及流程优化，有助于根据不同的生产任务，在保证机电设备运行的情况下，最大程度减小机电设备发生故障的概率并最大化机电设备的生产效率。

附图说明

图1为本发明的一种机电设备保护系统框图。

具体实施方式

下面将结合实施例对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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它实施例，都属于本发明保护的范围。

如图1所示，一种机电设备保护系统，包括机电设备、样本模块、传感器模块、判定模块、报警模块、紧急处理模块、分析预测模块和优化模块；

机电设备，为即将进行生产加工的自动化机电设备；

样本模块，包括机电设备内部连接件、加工刀头和控制电路板，用于模拟机电设备的运行并进行压力测试；

样本模块会从同一种机电设备中，额外选取机电设备中的连接件、加工刀头以及控制电路板，在机电设备进行加工的过程中，模拟生产加工的步骤同步进行运作，具体的步骤为：

选取机电设备中的承担着的支撑、传动或固定功能的连接件、加工刀头以及控制电路板，并将选取的连接件、加工刀头和控制电路板安装到样本中，确保它们能够正常运作并模拟实际机电设备的加工的过程进行工作；

根据机电设备所设定的工作时间，使得样本同步进行运转，确保与机电设备的工作环境以及工作强度相同，以模拟真实的工作情况；

需要说明的是，样本模块需要抽取同一型号的机电设备中的连接件、加工刀头以及控制电路板，在该型号机电设备进行正常工作的过程中，可以通过对样本模块中的样本进行分析，从而评估机电设备的运行情况，需要保证样本与机电设备同步运转，确保与机电设备的工作环境以及工作强度相同，以模拟真实的工作情况。

传感器模块，包括温度传感器、压力传感器、振动传感器以及电流传感器，用于收集机电设备以及样本模块运行时的温度、压力、振动以及电流数据，传感器模块实时收集这些数据，并将采集到的信号转化为数字信号传输至分析预测模块与判定模块中；

需要说明的是，传感器模块通过对于样本模块中样本运行时的温度、压力、振动数据进行收集，可以方便后续分析预测模块搭建预测模型，通过对于正在工作的机电设备的温度、压力、振动、电流数据进行收集并传输至判定模块，进而保护机电设备的正常工作运作。

判定模块，用于接收传感器模块传输来的温度、压力、振动以及电流数据，并结合预先设定的阈值，对于温度、压力、振动以及电流数据进行依次判定，并根据判定结果传输信号至下一模块中；

判定模块用于接收传感器模块传输来的温度、压力、振动以及电流数据，并结合预先设定的阈值，对于温度、压力、振动以及电流数据进行依次判定，其具体的算法公式为：

设定正常温度值，温度传感器所采集的温度值为/>；

当时，则将温度数据标记为正常；

当时，则将温度数据标记为异常；

设定正常压力值，压力传感器所采集的压力值为/>；

当时，则将压力数据标记为正常；

当时，则将压力数据标记为异常；

设定正常振动值，振动传感器所采集的振动值为/>；

当时，则将振动数据标记为正常；

当时，则将振动数据标记为异常；

设定正常电流值，电流传感器所采集的电流值为/>；

当时，则将电流数据标记为正常；

当时，则将电流数据标记为异常；

当的值均为正常时，则机电设备正常进行运作；

当的值中有异常时，则判定模块会传输数据进入报警模块与紧急处理模块中；

需要说明的是，判定模块通过接收传感器模块所传输的机电设备的温度、压力、振动以及电流数据，通过与设定的阈值进行比较，可以对于机电设备是否正常运作进行监测，防止出现意外情况导致人员、财产的安全，设定的阈值需要根据具体的机电设备的型号，参考使用说明书与经验知识，当传感器模块所传输的任一数据高于阈值时，会立刻传输信号进入报警模块与紧急处理模块中，最大程度减小事故的发生。

报警模块，当判定模块判定机电设备出现异常运行状态时，会传输信号进入报警模块中，报警模块会发出警报信号，以提醒工作人员及时采取适当的措施，报警模块包括声光报警器与震动报警器，通过声音、光亮、震动的方式发出警报信号，以提醒操作人员；

需要说明的是，报警模块的目的是在机电设备出现异常运行状态时，及时引起人员注意并促使工作人员采取必要的修复或保护措施，从而预防可能的事故或者财产的损失，声光报警器可以发出高音频警报声并伴随闪烁的高亮度光信号，吸引操作人员的注意力，并且在嘈杂的环境中也能起到提醒作用，而震动报警器可以通过振动设备，以震动的方式传递警报信号，有效对操作人员进行提醒。

紧急处理模块，当判定模块判定机电设备出现异常运行状态时，同时会传输一个信号进入紧急处理模块中，紧急处理模块会立刻传输信号进入机电设备中，立即停止机器运行，以减少机器的损害并保护现场操作人员的安全；

需要说明的是，紧急处理模块在接收到判定模块的信号后，会立即传输信号进入机电设备内部，进而可以触发紧急停止机制，即立即停止机电设备的运行，以减少机器的进一步损害，并保护现场操作人员的人身安全。

分析预测模块，通过对于传感器模块传输来的温度、压力和振动数据，对于样本模块中样本的连接件、加工刀头与控制电路板的磨损情况进行检测与分析，并对机电设备的后续使用时会出现的情况进行预测，并将数据传输至优化模块中；

分析预测模块，会接收传感器模块传输来的温度、压力和振动数据，并且会通过高斯算法对于正常工作情况下的异常数值进行剔除，以保证后续预测结果的可靠性，其具体的算法公式为：

计算数据集中的均值与方差/>；

；

；

其中，为接收到传感器的数据值，/>为数据值的数量，并根据分布特性设定一个阈值/>；

计算每个数据点与均值之间的标准差的差值，其公式为：

；

其中，为标准差，通过对比/>与/>的大小，若/>，则代表该数据点的数据值有问题，进行剔除；

分析预测模块中会根据样本模块中样本的温度、压力、振动数据，结合样本的磨损情况，构建预测模型，具体的步骤为：

有个样本，其中/>分别代表了温度、压力与振动值，/>则代表磨损情况，设定回归系数分别为/>，其公式为：

；

其中，为误差项，再根据最小二乘法对于预测模型进行拟合，求得的值；

根据最小二乘法最小化实际值与预测值之间的差异的平方和，求得的值，并获得预测模型，其具体的算法公式为：

求得样本数据的均值：

；

计算样本数据与均值的偏差：

；

求解的值：

；

将的值代入预测模型中，以获得最终的预测模型；

需要说明的是，通过高斯算法对于正常工作情况下所获得样本模块中样本的温度、压力、振动以及磨损情况数据的异常数值进行剔除，可以提高数据准确性与可靠性，通过高斯算法，对比与/>的大小，若/>，则代表该数据点所测量获得的数据值/>有问题，需要对其进行剔除，保证后续建立的预测模型可靠准确；

通过结合样本模块中样本的温度、压力、振动数据，结合样本的磨损情况构建预测模型，再通过最小二乘法对于模型进行拟合，进而可以获得磨损情况与温度、压力、振动的关系，通过将该预测模型传输至优化模块，再通过优化模块结合张紧力、润滑状态、锋利度数据，从而对机电设备的后续运行进行优化。

优化模块，通过对于样本模块中样本的连接件、加工刀头与控制电路板的张紧力、润滑状态、锋利度进行检查，结合分析预测模块的结果进行优化，最终反馈到机电设备中，对于机电设备的后续工作模式进行调节、优化和保护，减小机电设备故障的可能；

优化模块会对于样本模块中样本的连接件、加工刀头与控制电路板的张紧力、润滑状态、锋利度进行检查，其具体的检查步骤为：

在机电设备一个批次的生产完成后，会对样本模块中的样本进行停机操作；

操作人员通过使用扭矩扳手测量样本连接件的张紧力，检查连接件的张紧力是否在经过长时间运作后仍然符合设备要求；

对加工刀头和连接件的润滑状态进行检查，检查润滑剂的供给情况、润滑油的清洁度和充足程度，检查连接件和加工刀头的润滑度是否在经过长时间运作后仍然符合设备要求；

仔细观察连接件、加工刀头和控制电路板的外观，检查是否有损坏、磨损、腐蚀、松动的现象；

观察所加工的样品的公差，对比标准件判断刀头的锋利情况；

记录上述数据并上传，方便结合预测模型对机电设备的后续运作进行流程优化；

优化模块会根据对于样本模块中样本的张紧力、润滑状态、锋利度的检查数据，结合分析预测模块中的预测模型，对于机电设备后续的运作进行优化，其具体的步骤为：

根据检测的磨损情况、张紧力、润滑状态、锋利度构建关系图表；

根据分析预测模块中的预测模型，对于磨损情况进行预测，并结合磨损情况、张紧力、润滑状态、锋利度构建关系图表，对机电设备运行时的状态进行预测；

对预测结果进一步分析，了解机电设备后续运作的潜在问题和风险，根据预测结果的优化方向，确定机电设备需要进行调整和改善的方面；

根据结果调节机电设备的运行时间、环境温度、润滑液的供给量，结合机电设备磨损情况、张紧力大小、润滑状态与锋利度，在保证机电设备运行的情况下，减小机电设备发生故障的概率，最大化机电设备的生产效率；

需要说明的是，通过优化模块，整合分析预测模块中的预测模型，并结合磨损情况、张紧力、润滑状态、锋利度构建的关系图表，对机电设备运行时的状态进行预测，通过对于磨损情况、张紧力、润滑状态和锋利度来绘制散点图与折线图，其中横轴表示时间因素，纵轴表示各个参数的数值。通过观察图表中的趋势和关联，更好地理解参数之间的关系；

通过结合散点图与折线图，根据预测模型对于机电设备的运行状态进行优化，调节机电设备的运行时间、环境温度、润滑液的供给量，结合机电设备磨损情况、张紧力大小、润滑状态与锋利度，在保证机电设备运行的情况下，最大程度减小机电设备发生故障的概率，最大化机电设备的生产效率。

综上，借助于本发明的上述技术方案，本发明通过传感器模块，对于机电设备运行时的温度、压力、振动和电流数据进行收集，并上传至判定模块，与判定模块中设定的阈值进行比对，可以在机电设备出现异常状态时，通过报警模块设置的声光报警器与震动报警器发出高音频警报声并伴随闪烁的高亮度光信号与震动的方式传递警报信号，有效对操作人员进行提醒，通过紧急处理模块，触发紧急停止机制，即立即停止机电设备的运行，以减少机器的进一步损害，并保护现场操作人员的人身安全；

通过样本模块可以建立一个机电设备的运行对照，通过传感器模块采集样本中连接件、加工刀头与控制电路板的温度、压力、振动数据，通过分析预测模块对于磨损情况进行检查并结合温度、压力、振动数据构建预测模型，获得磨损情况与温度、压力、振动数据的关系，并通过优化模块结合磨损情况、张紧力、润滑状态、锋利度构建的关系图表，对于后续机电设备的运行模式进行优化，在保证机电设备运行的情况下，最大程度减小机电设备发生故障的概率，最大化机电设备的生产效率。

在本发明所提供的实施例中，应该理解到，所揭露的设备，装置和方法，可以通过其他的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式；作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块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模块来实现本实施例方法的目的。

以上实施例仅用以说明本发明的技术方法而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方法进行修改或等同替换，而不脱离本发明技术方法的精神和范围。

Claims (5)

1.一种机电设备保护系统，其特征在于：包括机电设备、样本模块、传感器模块、判定模块、报警模块、紧急处理模块、分析预测模块和优化模块；

所述机电设备，为即将进行生产加工的自动化机电设备；

所述样本模块，包括机电设备内部连接件、加工刀头和控制电路板，用于模拟机电设备的运行并进行压力测试；

所述传感器模块，包括温度传感器、压力传感器、振动传感器以及电流传感器，用于收集机电设备以及样本模块运行时的温度、压力、振动以及电流数据，传感器模块实时收集这些数据，并将采集到的信号转化为数字信号传输至分析预测模块与判定模块中；

所述判定模块，用于接收传感器模块传输来的温度、压力、振动以及电流数据，并结合预先设定的阈值，对于温度、压力、振动以及电流数据进行依次判定，并根据判定结果传输信号至下一模块中；

所述报警模块，当判定模块判定机电设备出现异常运行状态时，会传输信号进入报警模块中，报警模块会发出警报信号，以提醒工作人员及时采取适当的措施，报警模块包括声光报警器与震动报警器，通过声音、光亮、震动的方式发出警报信号，以提醒操作人员；

所述紧急处理模块，当判定模块判定机电设备出现异常运行状态时，同时会传输一个信号进入紧急处理模块中，紧急处理模块会立刻传输信号进入机电设备中，立即停止机器运行，以减少机器的损害并保护现场操作人员的安全；

所述分析预测模块，通过对于传感器模块传输来的温度、压力和振动数据，对于样本模块中样本的连接件、加工刀头与控制电路板的磨损情况进行检测与分析，并对机电设备的后续使用时会出现的情况进行预测，并将数据传输至优化模块中；

所述优化模块，通过对于样本模块中样本的连接件、加工刀头与控制电路板的张紧力、润滑状态、锋利度进行检查，结合分析预测模块的结果对机电设备后续的运作进行优化，最终反馈到机电设备中，对于机电设备的后续工作模式进行调节、优化和保护，减小机电设备故障的可能；

所述分析预测模块，会接收传感器模块传输来的温度、压力和振动数据，并且会通过高斯算法对于正常工作情况下的异常数值进行剔除，以保证后续预测结果的可靠性，其具体的算法公式为：

计算数据集中的均值与方差/>；

；

；

其中，为接收到传感器的数据值，/>为数据值的数量，并根据分布特性设定一个阈值/>；

计算每个数据点与均值之间的标准差的差值，其公式为：

；

其中，为标准差，通过对比/>与/>的大小，若/>，则代表该数据点的数据值/>有问题，进行剔除；

所述分析预测模块中会根据样本模块中样本的温度、压力、振动数据，结合样本的磨损情况，构建预测模型，具体的步骤为：

有个样本，其中/>分别代表了温度、压力与振动值，/>则代表磨损情况，设定回归系数分别为/>，其公式为：

；

其中，为误差项，再根据最小二乘法对于预测模型进行拟合，求得/>的值；

所述根据最小二乘法最小化实际值与预测值之间的差异的平方和，求得的值，并获得预测模型，其具体的算法公式为：

求得样本数据的均值：

；

计算样本数据与均值的偏差：

；

求解的值：

；

将的值代入预测模型中，以获得最终的预测模型。

2.根据权利要求1的一种机电设备保护系统，其特征在于：所述样本模块会从同一种机电设备中，额外选取机电设备中的连接件、加工刀头以及控制电路板，在机电设备进行加工的过程中，模拟生产加工的步骤同步进行运作，具体的步骤为：

选取机电设备中的承担着重要的支撑、传动或固定功能的连接件、加工刀头以及控制电路板，并将选取的连接件、加工刀头和控制电路板安装到样本中，确保它们能够正常运作并模拟实际机电设备的加工的过程进行工作；

根据机电设备所设定的工作时间，使得样本同步进行运转，确保与机电设备的工作环境以及工作强度相同，以模拟真实的工作情况。

3.根据权利要求1的一种机电设备保护系统，其特征在于：所述判定模块用于接收传感器模块传输来的温度、压力、振动以及电流数据，并结合预先设定的阈值，对于温度、压力、振动以及电流数据进行依次判定，其具体的算法公式为：

设定正常温度值，温度传感器所采集的温度值为/>；

当时，则将温度数据标记为正常；

当时，则将温度数据标记为异常；

设定正常压力值，压力传感器所采集的压力值为/>；

当时，则将压力数据标记为正常；

当时，则将压力数据标记为异常；

设定正常振动值，振动传感器所采集的振动值为/>；

当时，则将振动数据标记为正常；

当时，则将振动数据标记为异常；

设定正常电流值，电流传感器所采集的电流值为/>；

当时，则将电流数据标记为正常；

当时，则将电流数据标记为异常；

当的值均为正常时，则机电设备正常进行运作；

当的值中有异常时，则判定模块会传输数据进入报警模块与紧急处理模块中。

4.根据权利要求1的一种机电设备保护系统，其特征在于：所述优化模块会对于样本模块中样本的连接件、加工刀头与控制电路板的张紧力、润滑状态、锋利度进行检查，其具体的检查步骤为：

在机电设备一个批次的生产完成后，会对样本模块中的样本进行停机操作；

操作人员通过使用扭矩扳手测量样本连接件的张紧力，检查连接件的张紧力是否在经过长时间运作后仍然符合设备要求；

对加工刀头和连接件的润滑状态进行检查，检查润滑剂的供给情况、润滑油的清洁度和充足程度，检查连接件和加工刀头的润滑度是否在经过长时间运作后仍然符合设备要求；

仔细观察连接件、加工刀头和控制电路板的外观，检查是否有损坏、磨损、腐蚀、松动的现象；

观察所加工的样品的公差，对比标准件判断刀头的锋利情况；

记录上述数据并上传，方便结合预测模型对机电设备的后续运作进行流程优化。

5.根据权利要求4的一种机电设备保护系统，其特征在于：所述优化模块会根据对于样本模块中样本的张紧力、润滑状态、锋利度的检查数据，结合分析预测模块中的预测模型，对于机电设备后续的运作进行优化，其具体的步骤为：

根据检测的磨损情况、张紧力、润滑状态、锋利度构建关系图表；

根据分析预测模块中的预测模型，对于磨损情况进行预测，并结合磨损情况、张紧力、润滑状态、锋利度构建关系图表，对机电设备运行时的状态进行预测；

对预测结果进一步分析，了解机电设备后续运作的潜在问题和风险，根据预测结果的优化方向，确定机电设备需要进行调整和改善的方面；

根据结果调节机电设备的运行时间、环境温度、润滑液的供给量，结合机电设备磨损情况、张紧力大小、润滑状态与锋利度，在保证机电设备运行的情况下，减小机电设备发生故障的概率，最大化机电设备的生产效率。