[发明专利]一种基于边缘计算的故障诊断与监测系统

说明书

本发明提供了一种基于边缘计算的故障诊断与监测系统，包括：智能仪表设备端和边缘计算服务设备端，智能仪表设备端包括：边缘计算组件，传感器组件，智能仪表网络通信组件；边缘计算组件包括：过程趋势诊断模型模块、数据预测模型模块、传感器故障特征计算模块；边缘计算服务设备端包括：数据存储组件，特征筛选算法组件，故障诊断模型组件，边缘计算服务网络通信组件。本发明在部分传感器发生故障时通过特征筛选算法自动更新特征和模型参数完成故障检测；解决了传统主流仪器仪表系统功能单一、计算资源有限、自处理能力弱的缺点，减少了传统云计算模式造成的网络延迟；增加了仪表的智能化程度，与边缘计算共同协作完成系统的故障诊断与监测。

技术领域

本发明涉及工业物联网的系统故障诊断及仪表状态监测技术领域，具体而言，涉及一种基于边缘计算的故障诊断与监测系统。

背景技术

年来，随着万物互联时代的快速到来和无线网络的普及，网络边缘的设备数量和所产生的数据都在快速增长。据IDC预测，到2025年，全球数据总量将大于180泽字节（zettabyte,ZB），而物联网所产生的数据的70%以上都将在网络边缘进行处理。在这种情况下，以云计算模式为核心的集中式处理模式将无法高效处理边缘设备产生的数据。为了解决传统云计算实时性不够、带宽不足、能耗较大的缺点，面向边缘设备所产生的海量数据来进行计算的边缘计算模型应运而生。相比于传统云计算，边缘计算具备几个明显的优点：首先，数据在边缘端进行处理，极大地减轻了网络带宽和数据中心的压力。其次，服务请求不需要等待云计算中心的处理结果，减少了网络延迟，提升了服务质量。最后，用户隐私数据不再上传，而是存储在网络边缘设备上，减少网络数据泄露的风险，保护了用户数据安全和隐私。

随着计算机处理能力的不断提升，人工智能迎来了高潮。以深度神经网络为代表的深度学习算法在诸多人工智能应用中取得了很好的效果。传统的人工智能应用采取云计算模式，即将数据传输至云端，然后在云端运行算法并返回结果。随着边缘计算的发展，越来越多的人工智能应用迁移到边缘进行。边缘计算和人工智能的结合孕育出了边缘智能，由于边缘端的计算和内存资源不像云端那样丰富，因此在开发智能算法时应尽可能压缩模型，使其轻量化，同时应开发智能硬件，完成边物协同以加强边缘端和仪器仪表端的协作能力。

2015年国务院正式印发《中国制造2025》，部署全面推进实施制造强国战略，同时要求智能制造以及智能装备机械智能化、规模化，机械与机械之间的耦合程度越来越高，如何实现对智能装备的故障预测、诊断，对实现工业生产的安全性和可靠性具有十分重要的意义。目前为止，国内外因机组设备发生故障而引发的重大事故依然时有发生，在生产过程中对大型成套机械设备的实时在线故障检测十分重要。同时石化、电力、冶金等基础原材料行业是我国国民经济的支柱和基础，也是我国经济持续增长的重要支撑力量，然而在这方面总体效能上仍与国际先进水平存在差距。面对人工智能的发展浪潮，利用新技术实现数字化、网络化、智能化转型的迫切需求与重大历史机遇。

发明内容

鉴于此，本发明的目的是为了解决传统主流仪器仪表系统功能单一、计算资源有限、自处理能力弱的缺点，传统的主流仪控系统是仪表负责测量，控制系统负责计算与控制，这种模式可能因延迟与不同步，难以满足智能工厂更高的测量与控制精度要求。针对上述问题，本发明提出了一种基于边缘智能仪表的故障诊断与监测系统，采用边缘计算的技术来减少传统云计算模式造成的在工业物联网中往往不能容忍的网络延迟，同时为了解决智能算法的资源需求与边缘设备受限于资源之间的矛盾，提出了一种特征筛选算法和轻量化的故障诊断模型来满足边缘设备有限的资源问题。最后采用了边物协同的模式，在仪表端中加入了边缘计算层，增加了仪表的智能化程度，与边缘计算服务器共同协作完成了系统的故障诊断与监测。

本发明提供一种基于边缘计算的故障诊断与监测系统，包括：

智能仪表设备端和边缘计算服务设备端，其中：

所述智能仪表设备端包括：边缘计算组件，传感器组件，智能仪表网络通信组件；