CN118196922A - 一种基于人工智能的设备数字化控制系统及方法 - Google Patents
一种基于人工智能的设备数字化控制系统及方法 Download PDFInfo
- Publication number
- CN118196922A CN118196922A CN202410613033.7A CN202410613033A CN118196922A CN 118196922 A CN118196922 A CN 118196922A CN 202410613033 A CN202410613033 A CN 202410613033A CN 118196922 A CN118196922 A CN 118196922A
- Authority
- CN
- China
- Prior art keywords
- machining equipment
- monitored
- inspection
- area
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 24
- 238000007689 inspection Methods 0.000 claims abstract description 123
- 238000012545 processing Methods 0.000 claims abstract description 40
- 238000005299 abrasion Methods 0.000 claims abstract description 34
- 238000012502 risk assessment Methods 0.000 claims abstract description 32
- 238000007405 data analysis Methods 0.000 claims abstract description 9
- 238000003754 machining Methods 0.000 claims description 154
- 238000012423 maintenance Methods 0.000 claims description 71
- 230000000737 periodic effect Effects 0.000 claims description 48
- 238000004458 analytical method Methods 0.000 claims description 45
- 230000008859 change Effects 0.000 claims description 39
- 238000012544 monitoring process Methods 0.000 claims description 32
- 230000008030 elimination Effects 0.000 claims description 8
- 238000003379 elimination reaction Methods 0.000 claims description 8
- 230000001351 cycling effect Effects 0.000 claims description 6
- 238000010276 construction Methods 0.000 claims description 4
- 230000002159 abnormal effect Effects 0.000 claims description 3
- 239000000284 extract Substances 0.000 claims description 3
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 2
- 230000007274 generation of a signal involved in cell-cell signaling Effects 0.000 claims description 2
- 238000004519 manufacturing process Methods 0.000 description 7
- 230000009471 action Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 125000004122 cyclic group Chemical group 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C1/00—Registering, indicating or recording the time of events or elapsed time, e.g. time-recorders for work people
- G07C1/20—Checking timed patrols, e.g. of watchman
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
-
- 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
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C3/00—Registering or indicating the condition or the working of machines or other apparatus, other than vehicles
- G07C3/005—Registering or indicating the condition or the working of machines or other apparatus, other than vehicles during manufacturing process
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/18—Status alarms
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B31/00—Predictive alarm systems characterised by extrapolation or other computation using updated historic data
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Emergency Management (AREA)
- Economics (AREA)
- Data Mining & Analysis (AREA)
- Entrepreneurship & Innovation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Tourism & Hospitality (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Development Economics (AREA)
- Computing Systems (AREA)
- Manufacturing & Machinery (AREA)
- Manipulator (AREA)
Abstract
本发明涉及人工智能技术领域，具体为一种基于人工智能的设备数字化控制系统及方法，所述系统包括特征数据分析模块、故障风险评定模块、巡检方案合理性判别模块以及预警信号处理模块，所述故障风险评定模块用于基于待监测区域内相应机械加工设备的磨损情况对巡检机器人预置的巡检方案进行调整，并结合巡检初始方案分析待监测区域内相应机械加工设备的故障风险情况，生成故障风险评定模型，本发明通过监测待监测区域内相应机械加工设备的磨损情况，并对巡检方案进行实时调整，进而可以实时了解待监测区域内机械加工设备的状态，避免由于巡检周期设定不当，进而使得机械加工设备故障引起的损失，更有效提高了机械加工设备的生产效率。
Description
技术领域
本发明涉及人工智能技术领域，具体为一种基于人工智能的设备数字化控制系统及方法。
背景技术
随着智能技术的推进，移动机器人已经渗透到各行各业，在智能化工业生产过程中，通过对工业设备的有效监测和实时维护，可以极大提高生产效率，为了降低人工巡检的投入成本，在移动机器人技术的发展下，智能化的巡检过程逐渐代替人工巡检，巡检是通过对生产设备进行检查，以保证其正常运转和稳定性，从而提高生产效率和品质，但是，由于其执行固定化的任务，难以适应变化多端的生产环节，现有技术中的巡检方案为人工预设方案，并不能根据机械加工设备的状态进行实时调整，因此，需要一种基于人工智能的设备数字化控制系统及方法。
发明内容
本发明的目的在于提供一种基于人工智能的设备数字化控制系统及方法，以解决上述背景技术中提出的问题，本发明提供如下技术方案：
一种基于人工智能的设备数字化控制方法，所述方法包括以下步骤：
S1、通过历史数据获取待监测区域内机械加工设备的标签信息和周期维护报告，提取相应机械加工设备标签信息和周期维护报告中特征数据，结合特征数据分析相应机械加工设备的磨损情况；
S2、基于待监测区域内相应机械加工设备的磨损情况对巡检机器人预置的巡检方案进行调整，并结合巡检初始方案分析待监测区域内相应机械加工设备的故障风险情况，生成故障风险评定模型；
S3、基于风险评定模型判断待监测区域内巡检机器人的初始巡检方案变更结果的合理性，结合判断结果生成预警信号；
S4、实时监测预警设备状态，结合监测结果采取相应措施进行消报处理，并判断机械加工设备的检修是否需要临时人为干涉进行检修。
进一步的，所述S1中的方法包括以下步骤：
步骤1001、获取待监测区域内相应机械加工设备的标签信息和周期检修报告，提取待监测区域中第a台机械加工设备标签信息中的特征数据，记为集合A，所述特征数据为数据库预设值，
提取待监测区域中第a台机械加工设备周期维护报告，提取所述周期维护报告中各天机械加工设备维护记录表，生成集合B，
，
其中表示待监测区域中第a台机械加工设备周期维护报告中第n天的机械加工设备维护记录表；
步骤1002、提取待监测区域中第a台机械加工设备周期维护报告中第n天的机械加工设备维护记录表中关键特征值，所述关键特征值为数据库预设值，
结合所述关键特征值综合分析待监测区域中第a台机械加工设备周期维护报告中第n天的机械加工设备磨损系数，记为，
，
其中表示比例系数，所述比例系数为数据库预设值，r表示机械加工设备维护报告记录表中检查部件个数，/>表示待监测区域中第a台机械加工设备，在周期维护报告第n天中第i个检查部件记录结果，其中维护记录表中针对相应检查部件的记录结果分为正常和异常，分别记为1和0；
步骤1003、循环步骤1002得到待监测区域中第a台机械加工设备周期维护报告中的磨损系数变化情况，
以点o为原点，以时间为x轴，以磨损系数为y轴，构建第一平面直角坐标系，在第一平面直角坐标系中，依次提取第a台机械加工设备的周期维护报告，将对应周期维护报告中相应时间与机械加工设备磨损系数构成的坐标点进行标注，
在第一平面直角坐标系中，将集合A中第a台机械加工设备出厂维护报告中的初始磨损系数所在直线进行标注，生成标准参考曲线，在第一平面直角坐标系中将标注的坐标点到标准参考曲线的距离中点进行标注，依次连接相邻两个坐标点，生成第a台机械加工设备相应周期中的机械加工设备磨损变化情况，记为曲线；
步骤1004、循环步骤1003得到待监测区域中不同机械加工设备相应监测周期的机械加工设备磨损变化情况，并将所述机械加工设备磨损变化情况实时记录至表格M中。
本发明通过获取待监测区域内相应机械加工设备的标签信息以及周期检修报告，通过提取所述标签信息和周期检修报告中的特征数据，进而综合分析相应机械加工设备的磨损系数，为后续对巡检机器人执行的巡检方案进行变更提供数据参照。
进一步的，所述S2中的方法包括以下步骤：
步骤2001、获取待监测区域内巡检机器人初始巡检方案，提取表格M中第a台机械加工设备相应周期对应的机械加工设备磨损变化情况，在第一平面直角坐标系中构建一条平行与x轴坐标的直线，并通过上下平移所述直线获取与曲线/>交点的两个边界点，并连接所述两个边界点生成线段/>，将线段/>斜率记为/>，其中/>反映第a台机械加工设备相应周期磨损速率变化量，边界点表示通过上下平移所述直线与曲线/>存在交点区间的两端点；
步骤2002、循环步骤2001得到待监测区域内相应不同机械加工设备相应监测周期的周期磨损速率变化量；
步骤2003、结合步骤2002的分析结果将待监测区域内相应不同机械加工设备相应监测周期的周期磨损速率变化量按由大至小的顺序进行排序，生成优先级序列，记为序列E，并生成优先级序列作为待监测区域内巡检机器人的初始巡检方案变更结果，
，
其中表示待监测区域内巡检方案中按序巡检的第b台机械加工设备，b表示待监测区域内机械加工设备的个数；
步骤2004、结合步骤2001的分析结果以及步骤1003中的分析结果分析待监测区域内相应机械加工设备的故障风险情况，生成故障风险评定模型，将第a台机械加工设备的故障风险情况记为，
，
其中表示比例系数，所述比例系数为数据库预设值。
本发明通过分析待监测区域内不同机械加工设备相应监测周期的周期磨损速率变化量值，结合分析结果生成巡检优先级序列，并对各个机械加工设备进行故障风险评定分析，为后续判断巡检方案变更结果是否合理提供数据参照。
进一步的，所述S3中的方法包括以下步骤：
步骤3001、基于步骤2004的分析结果，获取待监测区域内不同机械加工设备相应监测周期的故障风险情况，判断待监测区域内巡检机器人的初始巡检方案变更结果的合理性，将变更方案中第a台机械加工设备对应的巡检方案合理性判断结果记为，
，
其中W（）表示条件判断函数，
若时，/>，若/>时，/>，
若，则/>，
若，则/>，
为数据库预设值，/>表示第a台机械加工设备第v+1次巡检时间，/>表示第a台机械加工设备第v次巡检时间，/>表示巡检机器人巡检一次所需时间，其中/>、/>以及/>通过预设表单查询，数据库预设表单中根据不同设备状态预置相应巡检时间；
步骤3002、循环步骤3001得到待监测区域内不同机械加工设备相应监测周期的巡检方案合理性，并判断结果，
若，则表明相应机械加工设备配备的巡检方案不合理，发出预警信号，
若，则表明相应机械加工设备配备的巡检方案合理，不发出预警信号。
本发明通过判断变更后的巡检方案合理性，结合判断结果生成预警信号，进而为后续实时了解待监测区域内机械加工设备的状态提供数据参照。
进一步的，所述S4中的方法实时监测预警设备状态，结合监测结果采取相应措施进行消报处理，并判断机械加工设备的检修是否需要临时人为干涉进行检修，当系统接收预警信号时，则表明变更后的巡检方案不合理，提取合理性判断0对应的机械加工设备，并将相应机械加工设备的巡检次数进行修改直至合理性判断结果为1。
一种基于人工智能的设备数字化控制系统，所述系统包括以下模块：
特征数据分析模块：所述特征数据分析模块用于通过历史数据获取待监测区域内机械加工设备的标签信息和周期维护报告，提取相应机械加工设备标签信息和周期维护报告中特征数据，结合特征数据分析相应机械加工设备的磨损情况；
故障风险评定模块：所述故障风险评定模块用于基于待监测区域内相应机械加工设备的磨损情况对巡检机器人预置的巡检方案进行调整，并结合巡检初始方案分析待监测区域内相应机械加工设备的故障风险情况，生成故障风险评定模型；
巡检方案合理性判别模块：所述巡检方案合理性判别模块用于基于风险评定模型判断待监测区域内巡检机器人的初始巡检方案变更结果的合理性，结合判断结果生成预警信号；
预警信号处理模块：所述预警信号处理模块用于实时监测预警设备状态，结合监测结果采取相应措施进行消报处理，并判断机械加工设备的检修是否需要临时人为干涉进行检修，当系统接收预警信号时，则表明变更后的巡检方案不合理，提取合理性判断0对应的机械加工设备，并将相应机械加工设备的巡检次数进行修改直至合理性判断结果为1。
进一步的，所述特征数据分析模块包括数据获取单元以及磨损系数分析单元：
所述数据获取单元用于获取待监测区域内相应机械加工设备的标签信息和周期检修报告，并提取所述标签信息和周期检修报告中的特征数据；
所述磨损系数分析单元用于结合数据获取单元的分析结果，综合分析待监测区域内相应机械加工设备的磨损情况。
进一步的，所述故障风险评定模块包括磨损速率分析单元、巡检方案变更单元以及故障风险评定模型构建单元：
所述磨损速率分析单元用于结合磨损系数分析单元的分析结果，进一步分析相应机械加工设备相应周期磨损速率的变化量；
所述巡检方案变更单元用于结合磨损速率分析单元的分析结果，将待监测区域内各个机械加工设备的巡检顺序进行调整，生成优先级序列；
所述故障风险评定模型构建单元用于结合磨损速率分析单元以及特征数据分析模块的分析结果计算待监测区域内相应机械加工设备的故障风险情况，结合计算结果生成故障风险评定模型。
进一步的，所述巡检方案合理性判别模块包括方案合理性判断单元以及预警信号生成单元：
所述方案合理性判断单元用于结合故障风险评定模块构建单元的分析结果，判断相应巡检方案的合理性；
所述预警信号生成单元用于结合方案合理性判断单元的分析结果生成预警信号。
进一步的，所述预警信号处理模块包括预警信号接收单元以及预警信号消报单元：
所述预警信号接收单元用于实时监测预警信号生成单元的分析结果；
所述预警信号消报单元用于获取预警信号接收单元的分析结果，并采取相应措施进行消报处理。
本发明通过监测待监测区域内相应机械加工设备的磨损情况，并对巡检方案进行实时调整，进而可以实时了解待监测区域内机械加工设备的状态，避免由于巡检周期设定不当，进而使得机械加工设备故障引起的损失，更有效提高了机械加工设备的生产效率。
附图说明
图1是本发明一种基于人工智能的设备数字化控制方法的流程示意图；
图2是本发明一种基于人工智能的设备数字化控制系统的模块示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中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他实施例，都属于本发明保护的范围。
实施例1：请参阅图1，本实施例中：
一种基于人工智能的设备数字化控制方法，所述方法包括以下步骤：
S1、通过历史数据获取待监测区域内机械加工设备的标签信息和周期维护报告，提取相应机械加工设备标签信息和周期维护报告中特征数据，结合特征数据分析相应机械加工设备的磨损情况；
所述S1中的方法包括以下步骤：
步骤1001、获取待监测区域内相应机械加工设备的标签信息和周期检修报告，提取待监测区域中第a台机械加工设备标签信息中的特征数据，记为集合A，所述特征数据为数据库预设值，
提取待监测区域中第a台机械加工设备周期维护报告，提取所述周期维护报告中各天机械加工设备维护记录表，生成集合B，
，
其中表示待监测区域中第a台机械加工设备周期维护报告中第n天的机械加工设备维护记录表；
步骤1002、提取待监测区域中第a台机械加工设备周期维护报告中第n天的机械加工设备维护记录表中关键特征值，所述关键特征值为数据库预设值，
结合所述关键特征值综合分析待监测区域中第a台机械加工设备周期维护报告中第n天的机械加工设备磨损系数，记为，
，
其中表示比例系数，所述比例系数为数据库预设值，r表示机械加工设备维护报告记录表中检查部件个数，/>表示待监测区域中第a台机械加工设备，在周期维护报告第n天中第i个检查部件记录结果，其中维护记录表中针对相应检查部件的记录结果分为正常和异常，分别记为1和0；
步骤1003、循环步骤1002得到待监测区域中第a台机械加工设备周期维护报告中的磨损系数变化情况，
以点o为原点，以时间为x轴，以磨损系数为y轴，构建第一平面直角坐标系，在第一平面直角坐标系中，依次提取第a台机械加工设备的周期维护报告，将对应周期维护报告中相应时间与机械加工设备磨损系数构成的坐标点进行标注，
在第一平面直角坐标系中，将集合A中第a台机械加工设备出厂维护报告中的初始磨损系数所在直线进行标注，生成标准参考曲线，在第一平面直角坐标系中将标注的坐标点到标准参考曲线的距离中点进行标注，依次连接相邻两个坐标点，生成第a台机械加工设备相应周期中的机械加工设备磨损变化情况，记为曲线；
步骤1004、循环步骤1003得到待监测区域中不同机械加工设备相应监测周期的机械加工设备磨损变化情况，并将所述机械加工设备磨损变化情况实时记录至表格M中。
S2、基于待监测区域内相应机械加工设备的磨损情况对巡检机器人预置的巡检方案进行调整，并结合巡检初始方案分析待监测区域内相应机械加工设备的故障风险情况，生成故障风险评定模型；
所述S2中的方法包括以下步骤：
步骤2001、获取待监测区域内巡检机器人初始巡检方案，提取表格M中第a台机械加工设备相应周期对应的机械加工设备磨损变化情况，在第一平面直角坐标系中构建一条平行与x轴坐标的直线，并通过上下平移所述直线获取与曲线/>交点的两个边界点，并连接所述两个边界点生成线段/>，将线段/>斜率记为/>，其中/>反映第a台机械加工设备相应周期磨损速率变化量；
步骤2002、循环步骤2001得到待监测区域内相应不同机械加工设备相应监测周期的周期磨损速率变化量；
步骤2003、结合步骤2002的分析结果将待监测区域内相应不同机械加工设备相应监测周期的周期磨损速率变化量按由大至小的顺序进行排序，生成优先级序列，记为序列E，并生成优先级序列作为待监测区域内巡检机器人的初始巡检方案变更结果，
，
其中表示待监测区域内巡检方案中按序巡检的第b台机械加工设备，b表示待监测区域内机械加工设备的个数；
步骤2004、结合步骤2001的分析结果以及步骤1003中的分析结果分析待监测区域内相应机械加工设备的故障风险情况，生成故障风险评定模型，将第a台机械加工设备的故障风险情况记为，
，
其中表示比例系数，所述比例系数为数据库预设值。
S3、基于风险评定模型判断待监测区域内巡检机器人的初始巡检方案变更结果的合理性，结合判断结果生成预警信号；
所述S3中的方法包括以下步骤：
步骤3001、基于步骤2004的分析结果，获取待监测区域内不同机械加工设备相应监测周期的故障风险情况，判断待监测区域内巡检机器人的初始巡检方案变更结果的合理性，将变更方案中第a台机械加工设备对应的巡检方案合理性判断结果记为，
，
其中W（）表示条件判断函数，
若时，/>，若/>时，/>，
若，则/>，
若，则/>，
为数据库预设值，/>表示第a台机械加工设备第v+1次巡检时间，/>表示第a台机械加工设备第v次巡检时间，/>表示巡检机器人巡检一次所需时间，其中/>、/>以及/>通过预设表单查询，数据库预设表单中根据不同设备状态预置相应巡检时间；
步骤3002、循环步骤3001得到待监测区域内不同机械加工设备相应监测周期的巡检方案合理性，并判断结果，
若，则表明相应机械加工设备配备的巡检方案不合理，发出预警信号，
若，则表明相应机械加工设备配备的巡检方案合理，不发出预警信号。
S4、实时监测预警设备状态，结合监测结果采取相应措施进行消报处理，并判断机械加工设备的检修是否需要临时人为干涉进行检修。
所述S4中的方法实时监测预警设备状态，结合监测结果采取相应措施进行消报处理，并判断机械加工设备的检修是否需要临时人为干涉进行检修，当系统接收预警信号时，则表明变更后的巡检方案不合理，提取合理性判断0对应的机械加工设备，并将相应机械加工设备的巡检次数进行修改直至合理性判断结果为1。
本实施例中：公开了一种基于人工智能的设备数字化控制系统（如图2所示），所述系统用于实现方法的具体方案内容。
实施例2：设定待监测区域内巡检任务包含3台机械加工设备，同步分析各台机械加工设备的状态，
提取第1台机械加工设备第b个周期维护报告中的机械加工设备磨损系数，其中每个周期包含7天，则第1台机械加工设备第b个周期维护报告中第2天的机械设备磨损系数记为，
，
循环分析得到第1台机械加工设备第b个周期的机械加工设备磨损变化情况，
同步循环得到第2台与第3台机械加工设备第b个周期的机械加工设备磨损变化情况，
结合第1、2和3台机械加工设备的机械加工设备磨损变化对巡检机器人巡检任务进行变更，依次分析第1、2和3台机械加工设备的故障风险情况，将第1台机械加工设备的故障风险情况记为，
基于风险评定模型判断待监测区域内巡检机器人的初始巡检方案变更结果的合理性，通过判断各台机械加工设备故障风险情况是否满足巡检机器人的巡检方案，结合判断结果实时调整巡检机器人巡检方案。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。
最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。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)
1.一种基于人工智能的设备数字化控制方法，其特征在于，所述方法包括以下步骤：
S1、通过历史数据获取待监测区域内机械加工设备的标签信息和周期维护报告，提取相应机械加工设备标签信息和周期维护报告中特征数据，结合特征数据分析相应机械加工设备的磨损情况；
S2、基于待监测区域内相应机械加工设备的磨损情况对巡检机器人预置的巡检方案进行调整，并结合巡检初始方案分析待监测区域内相应机械加工设备的故障风险情况，生成故障风险评定模型；
S3、基于风险评定模型判断待监测区域内巡检机器人的初始巡检方案变更结果的合理性，结合判断结果生成预警信号；
S4、实时监测预警设备状态，结合监测结果采取相应措施进行消报处理，并判断机械加工设备的检修是否需要临时人为干涉进行检修。
2.根据权利要求1所述的一种基于人工智能的设备数字化控制方法，其特征在于，所述S1中的方法包括以下步骤：
步骤1001、获取待监测区域内相应机械加工设备的标签信息和周期检修报告，提取待监测区域中第a台机械加工设备标签信息中的特征数据，记为集合A，所述特征数据为数据库预设值，
提取待监测区域中第a台机械加工设备周期维护报告，提取所述周期维护报告中各天机械加工设备维护记录表，生成集合B，
，
其中 表示待监测区域中第a台机械加工设备周期维护报告中第n天的机械加工设备维护记录表；
步骤1002、提取待监测区域中第a台机械加工设备周期维护报告中第n天的机械加工设备维护记录表中关键特征值，所述关键特征值为数据库预设值，
结合所述关键特征值综合分析待监测区域中第a台机械加工设备周期维护报告中第n天的机械加工设备磨损系数，记为，
，
其中 表示比例系数，所述比例系数为数据库预设值，r表示机械加工设备维护报告记录表中检查部件个数，/>表示待监测区域中第a台机械加工设备，在周期维护报告第n天中第i个检查部件一栏记录结果，其中维护记录表中针对相应检查部件的记录结果分为正常和异常，分别记为1和0；
步骤1003、循环步骤1002得到待监测区域中第a台机械加工设备周期维护报告中的磨损系数变化情况，
以点o为原点，以时间为x轴，以磨损系数为y轴，构建第一平面直角坐标系，在第一平面直角坐标系中，依次提取第a台机械加工设备的周期维护报告，将对应周期维护报告中相应时间与机械加工设备磨损系数构成的坐标点进行标注，
在第一平面直角坐标系中，将集合A中第a台机械加工设备出厂维护报告中的初始磨损系数所在直线进行标注，生成标准参考曲线，在第一平面直角坐标系中将标注的坐标点到标准参考曲线的距离中点进行标注，依次连接相邻两个坐标点，生成第a台机械加工设备相应周期中的机械加工设备磨损变化情况，记为曲线；
步骤1004、循环步骤1003得到待监测区域中不同机械加工设备相应监测周期的机械加工设备磨损变化情况，并将所述机械加工设备磨损变化情况实时记录至表格M中。
3.根据权利要求2所述的一种基于人工智能的设备数字化控制方法，其特征在于，所述S2中的方法包括以下步骤：
步骤2001、获取待监测区域内巡检机器人初始巡检方案，提取表格M中第a台机械加工设备相应周期对应的机械加工设备磨损变化情况 ，在第一平面直角坐标系中构建一条平行与x轴坐标的直线，并通过上下平移所述直线获取与曲线/>交点的两个边界点，并连接所述两个边界点生成线段/>，将线段/>斜率记为/>，其中/>反映第a台机械加工设备相应周期磨损速率变化量；
步骤2002、循环步骤2001得到待监测区域内相应不同机械加工设备相应监测周期的周期磨损速率变化量；
步骤2003、结合步骤2002的分析结果将待监测区域内相应不同机械加工设备相应监测周期的周期磨损速率变化量按由大至小的顺序进行排序，生成优先级序列，记为序列E，并生成优先级序列作为待监测区域内巡检机器人的初始巡检方案变更结果，
，
其中表示待监测区域内巡检方案中按序巡检的第b台机械加工设备，b表示待监测区域内机械加工设备的个数；
步骤2004、结合步骤2001的分析结果以及步骤1003中的分析结果分析待监测区域内相应机械加工设备的故障风险情况，生成故障风险评定模型，将第a台机械加工设备的故障风险情况记为，
，
其中表示比例系数，所述比例系数为数据库预设值。
4.根据权利要求3所述的一种基于人工智能的设备数字化控制方法，其特征在于，所述S3中的方法包括以下步骤：
步骤3001、基于步骤2004的分析结果，获取待监测区域内不同机械加工设备相应监测周期的故障风险情况，判断待监测区域内巡检机器人的初始巡检方案变更结果的合理性，将变更方案中第a台机械加工设备对应的巡检方案合理性判断结果记为，
，
其中W（）表示条件判断函数，
若时，/>，若/>时，/>，
若，则/>，
若，则/>，
为数据库预设值，/>表示第a台机械加工设备第v+1次巡检时间，/>表示第a台机械加工设备第v次巡检时间，/>表示巡检机器人巡检一次所需时间，其中/>、/>以及通过预设表单查询，数据库预设表单中根据不同设备状态预置相应巡检时间；
步骤3002、循环步骤3001得到待监测区域内不同机械加工设备相应监测周期的巡检方案合理性，并判断结果，
若，则表明相应机械加工设备配备的巡检方案不合理，发出预警信号，
若，则表明相应机械加工设备配备的巡检方案合理，不发出预警信号。
5.根据权利要求4所述的一种基于人工智能的设备数字化控制方法，其特征在于，所述S4中的方法实时监测预警设备状态，结合监测结果采取相应措施进行消报处理，并判断机械加工设备的检修是否需要临时人为干涉进行检修，当系统接收预警信号时，则表明变更后的巡检方案不合理，提取合理性判断0对应的机械加工设备，并将相应机械加工设备的巡检次数进行修改直至合理性判断结果为1。
6.一种基于人工智能的设备数字化控制系统，其特征在于，所述系统包括以下模块：
特征数据分析模块：所述特征数据分析模块用于通过历史数据获取待监测区域内机械加工设备的标签信息和周期维护报告，提取相应机械加工设备标签信息和周期维护报告中特征数据，结合特征数据分析相应机械加工设备的磨损情况；
故障风险评定模块：所述故障风险评定模块用于基于待监测区域内相应机械加工设备的磨损情况对巡检机器人预置的巡检方案进行调整，并结合巡检初始方案分析待监测区域内相应机械加工设备的故障风险情况，生成故障风险评定模型；
巡检方案合理性判别模块：所述巡检方案合理性判别模块用于基于风险评定模型判断待监测区域内巡检机器人的初始巡检方案变更结果的合理性，结合判断结果生成预警信号；
预警信号处理模块：所述预警信号处理模块用于实时监测预警设备状态，结合监测结果采取相应措施进行消报处理，并判断机械加工设备的检修是否需要临时人为干涉进行检修，当系统接收预警信号时，则表明变更后的巡检方案不合理，提取合理性判断0对应的机械加工设备，并将相应机械加工设备的巡检次数进行修改直至合理性判断结果为1。
7.根据权利要求6所述的一种基于人工智能的设备数字化控制系统，其特征在于，所述特征数据分析模块包括数据获取单元以及磨损系数分析单元：
所述数据获取单元用于获取待监测区域内相应机械加工设备的标签信息和周期检修报告，并提取所述标签信息和周期检修报告中的特征数据；
所述磨损系数分析单元用于结合数据获取单元的分析结果，综合分析待监测区域内相应机械加工设备的磨损情况。
8.根据权利要求7所述的一种基于人工智能的设备数字化控制系统，其特征在于，所述故障风险评定模块包括磨损速率分析单元、巡检方案变更单元以及故障风险评定模型构建单元：
所述磨损速率分析单元用于结合磨损系数分析单元的分析结果，进一步分析相应机械加工设备相应周期磨损速率的变化量；
所述巡检方案变更单元用于结合磨损速率分析单元的分析结果，将待监测区域内各个机械加工设备的巡检顺序进行调整，生成优先级序列；
所述故障风险评定模型构建单元用于结合磨损速率分析单元以及特征数据分析模块的分析结果计算待监测区域内相应机械加工设备的故障风险情况，结合计算结果生成故障风险评定模型。
9.根据权利要求8所述的一种基于人工智能的设备数字化控制系统，其特征在于，所述巡检方案合理性判别模块包括方案合理性判断单元以及预警信号生成单元：
所述方案合理性判断单元用于结合故障风险评定模块构建单元的分析结果，判断相应巡检方案的合理性；
所述预警信号生成单元用于结合方案合理性判断单元的分析结果生成预警信号。
10.根据权利要求9所述的一种基于人工智能的设备数字化控制系统，其特征在于，所述预警信号处理模块包括预警信号接收单元以及预警信号消报单元：
所述预警信号接收单元用于实时监测预警信号生成单元的分析结果；
所述预警信号消报单元用于获取预警信号接收单元的分析结果，并采取相应措施进行消报处理。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410613033.7A CN118196922B (zh) | 2024-05-17 | 2024-05-17 | 一种基于人工智能的设备数字化控制系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410613033.7A CN118196922B (zh) | 2024-05-17 | 2024-05-17 | 一种基于人工智能的设备数字化控制系统及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN118196922A true CN118196922A (zh) | 2024-06-14 |
| CN118196922B CN118196922B (zh) | 2024-08-23 |
Family
ID=91400882
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410613033.7A Active CN118196922B (zh) | 2024-05-17 | 2024-05-17 | 一种基于人工智能的设备数字化控制系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN118196922B (zh) |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5210704A (en) * | 1990-10-02 | 1993-05-11 | Technology International Incorporated | System for prognosis and diagnostics of failure and wearout monitoring and for prediction of life expectancy of helicopter gearboxes and other rotating equipment |
| JP2002073155A (ja) * | 2000-08-31 | 2002-03-12 | Toshiba Corp | プラント機器の運用診断装置及びその運用診断方法 |
| JP2005339249A (ja) * | 2004-05-27 | 2005-12-08 | Toshiba Corp | プラント機器部材の補修計画支援方法および装置 |
| CN112949873A (zh) * | 2021-02-28 | 2021-06-11 | 杭州翔毅科技有限公司 | 一种产业链用人工智能运维方法 |
| CN116308285A (zh) * | 2023-03-22 | 2023-06-23 | 齐犇科技集团有限公司 | 一种基于数据处理的智慧终端安全监管系统 |
| CN117113104A (zh) * | 2023-09-13 | 2023-11-24 | 哈尔滨茂森软件有限公司 | 一种应用数据分析技术的智能化管理系统及方法 |
| CN117373144A (zh) * | 2023-09-15 | 2024-01-09 | 贵州电网有限责任公司 | 一种基于故障预测和图像识别的设备智能巡检方法及系统 |
| CN117428774A (zh) * | 2023-11-23 | 2024-01-23 | 中国船舶集团有限公司第七一六研究所 | 一种用于船舶巡检的工业机器人控制方法及系统 |
| CN117668501A (zh) * | 2024-02-03 | 2024-03-08 | 无锡圣唐新科技有限公司 | 一种基于自动化生产的焊接数据智能管理系统及方法 |
-
2024
- 2024-05-17 CN CN202410613033.7A patent/CN118196922B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5210704A (en) * | 1990-10-02 | 1993-05-11 | Technology International Incorporated | System for prognosis and diagnostics of failure and wearout monitoring and for prediction of life expectancy of helicopter gearboxes and other rotating equipment |
| JP2002073155A (ja) * | 2000-08-31 | 2002-03-12 | Toshiba Corp | プラント機器の運用診断装置及びその運用診断方法 |
| JP2005339249A (ja) * | 2004-05-27 | 2005-12-08 | Toshiba Corp | プラント機器部材の補修計画支援方法および装置 |
| CN112949873A (zh) * | 2021-02-28 | 2021-06-11 | 杭州翔毅科技有限公司 | 一种产业链用人工智能运维方法 |
| CN116308285A (zh) * | 2023-03-22 | 2023-06-23 | 齐犇科技集团有限公司 | 一种基于数据处理的智慧终端安全监管系统 |
| CN117113104A (zh) * | 2023-09-13 | 2023-11-24 | 哈尔滨茂森软件有限公司 | 一种应用数据分析技术的智能化管理系统及方法 |
| CN117373144A (zh) * | 2023-09-15 | 2024-01-09 | 贵州电网有限责任公司 | 一种基于故障预测和图像识别的设备智能巡检方法及系统 |
| CN117428774A (zh) * | 2023-11-23 | 2024-01-23 | 中国船舶集团有限公司第七一六研究所 | 一种用于船舶巡检的工业机器人控制方法及系统 |
| CN117668501A (zh) * | 2024-02-03 | 2024-03-08 | 无锡圣唐新科技有限公司 | 一种基于自动化生产的焊接数据智能管理系统及方法 |
Non-Patent Citations (3)
| Title |
|---|
| 李红霞;: "矿山机电设备故障诊断技术与管理措施探讨", 中国设备工程, no. 01, 10 January 2020 (2020-01-10) * |
| 沙德生;吴国民;芮小虎;何立荣;黄俊飞;: "火电厂设备智能化故障预警与诊断系统研究", 电力设备管理, no. 05, 25 May 2019 (2019-05-25) * |
| 郑晓琼;占晓友;戚矛;王鹏辉;熊剑;: "智能机器人巡检系统在安徽电网的研究与应用", 安徽电气工程职业技术学院学报, no. 03, 15 September 2015 (2015-09-15) * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN118196922B (zh) | 2024-08-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN117234785B (zh) | 基于人工智能自查询的集控平台错误分析系统 | |
| Aleš et al. | Methodology of overall equipment effectiveness calculation in the context of Industry 4.0 environment | |
| CN116341885B (zh) | 一种基于大数据的自动化生产管控系统及方法 | |
| CN115526482A (zh) | 一种基于数字孪生的车间排产与动态调度平台 | |
| CN115576267B (zh) | 一种基于数字孪生的轮毂机加工尺寸误差修正方法 | |
| CN117668501B (zh) | 一种基于自动化生产的焊接数据智能管理系统及方法 | |
| CN116431966A (zh) | 一种增量式特征解耦自编码器的堆芯温度异常检测方法 | |
| CN117311316A (zh) | 一种面向工业互联网的机器故障诊断方法及系统 | |
| CN116523466A (zh) | 一种基于大数据的生产资料溯源系统和方法 | |
| CN118196922B (zh) | 一种基于人工智能的设备数字化控制系统及方法 | |
| CN116339267B (zh) | 基于物联网的自动化生产线控制系统 | |
| CN117333038A (zh) | 一种基于大数据的经济趋势分析系统 | |
| CN116088454B (zh) | 基于数据融合的智能制造管理系统 | |
| CN112255969A (zh) | 一种数控机床的数据采集分析展示系统及方法 | |
| CN110794799A (zh) | 应用于工业生产的具有故障诊断功能的大数据系统 | |
| 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 | |
| CN111476383A (zh) | 一种泵站机组状态检修动态决策方法 | |
| CN114896124B (zh) | 一种基于时序分解进行告警监测的系统 | |
| CN118642452B (zh) | 一种基于数字化物联网的工业设备管理系统及方法 | |
| CN111340095A (zh) | 基于深度学习的环境监测数据质量控制方法 | |
| CN118377277B (zh) | 一种应用物联网技术的工业自动化控制系统及方法 | |
| CN117950381B (zh) | 一种数字化生产制造管理系统 | |
| CN118655843A (zh) | 一种基于数字孪生的智能生产线管控系统及其方法 | |
| CN118134093B (zh) | 一种基于机器学习的智慧工厂质量控制系统 | |
| CN117933526B (zh) | 基于工业大数据平台的技术监督数据远程管理系统及方法 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |