[发明专利]基于工业设备预测性维护的数据处理方法

摘要

本发明实施例提供了一种基于工业设备预测性维护的数据处理和分析方法，包括：建立基于Hadoop架构的存储平台的步骤，所述基于Hadoop架构的存储平台包括用于存储海量设备数据的HBase数据库；建立基于R语言的分析平台的步骤，所述基于R语言的分析平台通过所述HBase数据库内的设备数据进行分析；建立RHadoop接口程序的步骤，所述RHadoop接口程序用于提供接口实现业务数据能按规定的格式存入Hadoop平台的HBase数据库，使基于R语言的分析平台读取基于Hadoop架构的存储平台内的设备数据。上述的技术方案提供一种基于Hadoop+R语言平台的数据分析技术。

主权项

1.一种基于工业设备预测性维护的数据处理，其特征在于，包括：/n建立基于Hadoop架构的存储平台的步骤，所述基于Hadoop架构的存储平台包括用于存储海量设备数据的HBase数据库；建立基于R语言的分析平台的步骤，所述基于R语言的分析平台通过所述HBase数据库内的设备数据进行分析；建立RHadoop接口程序的步骤，所述RHadoop接口程序用于提供接口实现业务数据能按规定的格式存入Hadoop平台的HBase数据库，使基于R语言的分析平台读取基于Hadoop架构的存储平台内的设备数据；/n其中，建立基于Hadoop架构的存储平台的步骤具体包括：/n为每一设备对应的在HBase数据库建立一个HBase表，所述HBase表的关键词Key包括至少三个参数：设备编码、部件编码、采集时间；/n为每一HBase表生成一个列族DeviceProperty，所述列族设有以下至少四个列以存储设备数据：基本信息、环境信息、状态信息和故障信息；其中基本信息为设备的设备描述类参数，环境信息为设备所处环境的环境参数，状态信息为设备的工作状态参数，故障信息为设备出现故障时的故障参数；/n其中，建立RHadoop接口程序的步骤具体包括：/n建立接口API库以提供对HBase数据库的配置接口、权限接口、数据接口；/n其中所述配置接口包含用于对HBase数据库进行环境配置的子接口、用于与HBase数据库建立连接的子接口、用于与HBase数据库断开连接的子接口；/n其中所述权限接口用于根据预设的不同权限提供对HBase数据库的对应访问操作；/n其中所述数据接口用于实现业务数据能按规定的格式存入Hadoop平台的HBase数据库，用于根据基于R语言的分析平台对基于Hadoop架构的存储平台进行访问的指令，对基于Hadoop架构的存储平台的HBase数据库的HBase表进行操作；/n其中，建立基于R语言的分析平台的步骤具体包括：/n建立线性回归算法模型以寻找属性与预测目标之间的线性关系，并采用最小二乘法来获取各属性与预测目标的线性系数；/n建立K-Means聚类算法模型以获取设备数据与故障类型之间的关系；具体包括：将各个聚类子集内的所有数据样本的均值作为该聚类的代表点，并将每个数据点划分到最近的类别中，使得评价聚类性能的准则函数达到最优，从而使同一个类中的对象相似度较高，而不同类之间的对象的相似度较小；/n建立决策树算法模型以根据设备当前的运行状态参数实时预测设备是否会引发故障；具体包括：利用对设备运行参数及故障参数作为训练样本进行学习以建立分类规则；利用分类规则对设备当前的运行状态参数进行分类；/n建立时间序列算法模型以预测在什么时间范围内会引发何种类型的故障；具体包括：观测变量的当前值，记录历史数据和历史上所受随机干扰因素；然后通过历史数据和历史上所受的扰动进行回归得到当前的观测变量的预测值；/n建立神经网络算法模型以根据设备当前的运行状态参数实时预测设备是否会引发故障；具体包括：信息的正向传递、误差的反向传播；在信息的正向传递过程中，输入信息从输入层经隐含层逐层计算传向输出层，每一层神经元的状态只影响下一层神经元的状态；如果输出层没有得到期望输出，则计算输出层的误差变化值，然后反向传播，通过网络将误差信号沿原来的连接通路反传，修改各神经元的权值，直至达到期望目标；/n建立预测模型以进行设备预测性维护预测，其中所述预测模型基于R语言，且所述建立预测模型的步骤包括map阶段和reduce阶段，具体包括：/n设置预测模型的时间范围，并加载数据；根据自变量与因变量之间的关系，计算回归系数，并最终生成预测模型。/n