[发明专利]应用于工业互联网的故障预测方法及相关设备

说明书

本申请的实施例提供了一种应用于工业互联网的故障预测方法、装置、计算机可读介质及电子设备。该应用于工业互联网的故障预测方法包括：获取当前工业生产过程中的运行数据以及所述运行数据关联的配件信息；根据运行数据中的运行参数和本轮运行时长，以及预设的参数阈值确定异常运行占比；获取所述配件标识对应的使用寿命，根据所述总运行时长和所述使用寿命确定配件的有效寿命占比；基于所述异常运行占比和所述有效寿命占比确定所述配件发生故障的概率。通过根据配件实际的运行参数值确定异常运行占比，同时将配件的运行时长和使用寿命也考虑进故障的预测中，保证了故障预测的全面和精确，提高了工业生产中的设备监控的效率和可靠性。

本申请是申请日为2022年04月06日中国申请号为2022103534984、发明名称为“应用于工业互联网的故障预测方法、装置及电子设备”的发明申请的分案申请。

技术领域

本申请涉及计算机技术领域，具体而言，涉及一种应用于工业互联网的故障预测方法、装置、计算机可读介质及电子设备。

背景技术

工业互联网是新一代信息通信技术与工业经济深度融合的新型基础设施、应用模式和工业生态，通过对人、机、物、系统等的全面连接，构建起覆盖全产业链、全价值链的全新制造和服务体系。在实际的工业生产过程中，通过对尚未发生但通过某些迹象判断设备可能存在异常，这种判断可以通过某种模型或者算法进行初筛，然后通过人工确认后，再向设备工程师发出警告，最终现场确认设备是否存在故障，或者故障趋势。但是这种方式在精确性和故障预测效率上往往不能满足生产者的需求。

发明内容

本申请的实施例提供了一种应用于工业互联网的故障预测方法、装置、计算机可读介质及电子设备，进而至少在一定程度上可以保证了故障预测的全面和精确，提高了工业生产中的设备监控的效率和可靠性。

本申请的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本申请的实践而习得。

根据本申请实施例的一个方面，提供了一种应用于工业互联网的故障预测方法，包括：

获取当前工业生产过程中的运行数据以及所述运行数据关联的配件信息；所述运行数据包括运行参数、本轮运行时长以及总运行时长，所述配件信息包括配件标识；

根据所述运行数据中的运行参数和本轮运行时长，以及预设的参数阈值，确定异常运行占比；

获取所述配件标识对应的使用寿命，根据所述总运行时长和所述使用寿命，确定配件的有效寿命占比；

基于所述异常运行占比和所述有效寿命占比，确定所述配件发生故障的概率。

在本申请的一些实施例中，基于前述方案，所述获取当前工业生产过程中的运行数据以及所述运行数据关联的配件信息，包括：

基于设定的数据获取周期，通过预设的传感器获取当前工业生产过程中的运行数据，并从数据库中获取与所述运行数据关联的配件信息。

在本申请的一些实施例中，基于前述方案，所述根据所述运行数据中的运行参数和本轮运行时长，以及预设的参数阈值，确定异常运行占比，包括：

计算所述运行参数和所述参数阈值之间的参数差值；

根据所述参数差值与所述参数阈值之间的比值，以及所述本轮运行时间，确定异常运行占比。

在本申请的一些实施例中，基于前述方案，所述根据所述总运行时长和所述使用寿命，确定配件的有效寿命占比，包括：

根据所述使用寿命Tim_tal和所述总运行时长Tim_use之间的比值，确定配件的已用时间占比Por_use为：Por_use＝α·Tim_use/Tim_tal；其中，α表示预设的时间因子；