[发明专利]基于物联技术的智能运维方法

权利要求书

1.一种基于物联技术的智能运维方法，其特征在于包括以下步骤：

1)数据采集，数据源现场PLC通过现场的传感器、网关、RTU采集现场的各种实时数据，并将采集到的实时数据经接口机传输给服务器的时序数据库中存储；

2)数据处理，通过服务器或上位机对时序数据库中的实时数据进行数据清洗或数据累加得到有效数据，并将有效数据存储在关系型数据库中；

3)数据分析，采用流式计算或离线式计算处理步骤2)的有效数据，并将计算结果作为长短期记忆人工神经网络(LSTM)的输入，通过LSTM算法输出计算结果，并根据计算结果实时分析现场运行情况，若现场运行异常，则上位机发出警报；

4)储存结果，将步骤3)的计算结果存入服务器的关系型数据库中，并发布在网络上。

2.根据权利要求1所述的基于物联技术的智能运维方法，其特征在于：步骤1)按照监控溯源和实时性需要将采集数据分为两类，其中，将数值变化频率低、变化幅度小、数值曲线平稳的数据分为一般采集点，设置一般采集点的采集频率为5秒一次；将数值跳变速度快、数值波动大，以及生产中的重点监控对象分为关键采集点，设置关键采集点的采集频率为1秒一次。

3.根据权利要求1所述的基于物联技术的智能运维方法，其特征在于：所述接口机安装西门子Simatic.Net软件，通过OPC协议与PLC进行数据传输，服务器中集成主流的通讯驱动，按PLC的通讯协议实现数据读取。

4.根据权利要求1所述的基于物联技术的智能运维方法，其特征在于：步骤2)采用归一化的方式进行数据清洗，以及采用积分求和的方式对现场成本数据进行数据累加。

5.根据权利要求1所述的基于物联技术的智能运维方法，其特征在于：步骤3)长短期记忆人工神经网络(LSTM)的训练步骤如下，

3-1)采集系统正常运行时不同时刻的现场数据作为训练数据，通过模型矩阵计算得到对应的一组关系值，然后将得到的关系值提供给长短期记忆人工神经网络(LSTM)进行训练，通过LSTM算法迭代求出选择记忆阶段、遗忘阶段、输出阶段各参数的梯度值，利用后向传导的方式求出参数的最优解，再通过参数验证是否满足实际运行状态下的真实状况，然后继续迭代，直至各参数满足实际运行状态下的真实状况，以计算出的参数建立预测模型；

3-2)以预测模型的LSTM算法，计算正常运行状态下各采集数据的标准训练值H，并设定标准训练值H的范围区间边界H₁和H₂；

3-3)以预测模型的LSTM算法，计算实际运行状态下各采集数据的神经元输出值Y，并判断神经元输出值Y是否在对应的范围区间边界H₁和H₂的范围内，如果在H₁～H₂的范围内，则系统运行正常，如果不在H₁～H₂的范围内，则系统运行异常，需对相应系统进行检查。