[发明专利]一种工业设备数据的处理方法及系统

说明书

本发明公开了一种工业设备数据的处理方法及系统，通过传感器采集工业设备的设备数据，并将该设备数据发送给对应的网关设备，各网关设备将接收到的设备数据发送给无线传感器网络服务器，无线传感器网络服务器根据经训练得到的机器学习模型对接收到的设备数据进行计算，预测相应工业设备的健康状况信息，并将对应的健康状况信息发送至分布式数据存储平台进行存储，数据展示平台根据分布式数据存储平台存储的健康状况信息将预测的工业设备的健康状况展示出来，本发明公开的方案充分利用了物联网技术、大数据技术和机器学习技术，基于传感器采集的设备数据进行预测，提高了数据的使用价值，使工厂的管理更加智能化，减少了人力资源的投入。

技术领域

本发明涉及物联网技术领域，更具体地说，涉及一种工业设备数据的处理方法及系统。

背景技术

随着信息技术和自动化技术的快速发展，现代工业系统的集成度和复杂度越来越高，在航空、航天、通信、半导体、高速轨道交通、冶金和化工等领域表现突出。由于人造系统的组成环节不断增加，各部分之间的相互影响也越来越复杂，导致系统发生故障和功能失效的概率逐渐加大。随着对系统可靠性要求的提升，故障检测、诊断和预测技术受到学术界及工业界的广泛关注。

在“国家中长期科学和技术发展规划纲要2006－2020”中，“重大产品和重大设施寿命预测技术”作为前沿技术提出。设备故障预测与健康管理技术(PHM)已经成为一个涵盖基础材料、机械结构、能源、电子、自动测试、可靠性、信息等多领域的交叉学科和研究热门方向，具有重要的应用价值和现实意义。

在现有的的工业领域中，通常都是由维护人员定期对工业设备进行检查从而确定工业设备的健康状况的，这种判定工业设备健康状况的方式不仅浪费人力资源，而且不够智能化。

发明内容

为解决上述技术问题，本发明提供一种工业设备数据的处理方法及系统。

为实现上述目的，本发明所采用的具体技术方案如下：

一种工业设备数据的处理方法，包括：

S1：各传感器采集工业设备的设备数据，并将所述设备数据发送给对应的网关设备；

S2：各网关设备将接收到的设备数据发送给无线传感器网络服务器；

S3：所述无线传感器网络服务器根据经训练得到的机器学习模型对接收到的所述设备数据进行计算，预测相应工业设备的健康状况信息，并将对应的健康状况信息发送至分布式数据存储平台进行存储；

S4：数据展示平台根据所述分布式数据存储平台存储的健康状况信息将预测的工业设备的健康状况展示出来。

进一步地，所述设备数据包括设备用电数据、设备温度数据以及设备湿度数据中的至少一种。

进一步地，在所述S2之后，还包括：

所述无线传感器网络服务器对接收到的所述设备数据进行解析并将解析后得到的数据发送至所述分布式数据存储平台进行存储。

进一步地，所述S3包括：

S30：所述无线传感器网络服务器统计接收到的设备数据的数据流长度；

S32：在确定待处理的数据流长度达到预设长度阈值时，根据经训练得到的机器学习模型对该设备数据进行计算，预测对应的工业设备在当前时刻之后的预设时间段内是否会出现故障。

进一步地，所述S3包括：

S31：所述无线传感器网络服务器在接收到所述设备数据时开始启动计时器计时；

S33：在预设时间间隔到达后对该预设时间间隔内接收到的设备数据按照经训练得到的机器学习模型进行计算，预测对应的工业设备在当前时刻之后的预设时间段内是否会出现故障，并将计时器清零，重新开始计时。