[发明专利]一种设备故障预测系统和方法

权利要求书

1.一种基于设备故障预测系统，其特征在于，包括：

预测模块，对设备进行故障预测；

呈现模块，对预测出的故障进行呈现；

所述预测模块包括：

采集单元，利用传感器实时采集所述设备的所述传感数据；

分析单元，对所述传感数据进行分析、学习和处理；

预测单元，根据所述分析、学习和处理预测出所述设备的故障类型。

2.如权利要求1所述的设备故障预测系统，其特征在于，包括传感器、传感数据集线器、边缘网关和云端平台。

3.如权利要求1所述的设备故障预测系统，其特征在于，所述传感器包括加速度计和转速计。

4.一种设备故障预测系统预测故障的方法，其特征在于，包括如下步骤：

S1：对设备进行故障预测；

S2：对预测出的故障进行呈现；

所述对设备进行故障预测包括如下步骤：

S11：所述传感器实时采集设备的震动信息，并将采集的数据传输给所述传感数据集线器；所述传感数据集线器接收来自所述传感器的数据并将所述数据传输给所述边缘网关；

S12：所述边缘网关接收所述数据并对数据进行分析、学习和处理，形成动态的震动特征和不同类别的异常特征；

S13：所述边缘网关根据所述震动特征和异常特征对后续数据进行检测，对故障进行预测，并将异常数据和预测出的故障类型发送给云端平台；

所述对预测出的故障进行呈现包括：

S21：所述云端平台接收来自所述边缘网关的数据并存储，同时提供可视化展示。

5.如权利要求4所述的设备故障预测系统的方法，其特征在于，所述步骤S12中包括如下步骤：

T1：将实时接收到的数据缓存，每秒钟接收到的10000-20000个采样值形成一个向量，并按秒将5-10分钟内的向量组成一个原始数据矩阵；

T2：将所述原始数据矩阵作快速傅立叶变换，变换为频域矩阵；

T3：对所述频域矩阵做连续的聚类学习，生成不同样本组成的点群，将所述点群中样本数最多的定义为主群，所述主群对应正常模式；

T4：基于所述点群，构建一个决策树模型。

6.如权利要求5所述的设备故障预测系统的方法，其特征在于，根据所述决策树模型对实时传入的快速傅立叶变换的采样数据进行故障预测。

7.如权利要求6所述的设备故障预测系统的方法，其特征在于，所述步骤S13中的故障预测包括如下步骤：

T51：所述实时传入的快速傅立叶变换的采样数据对应正常模式，则判断为正常，并将该采样值忽略，重复步骤T51，对后续采样数据进行判断；否则进入步骤T52；

T52：保留所述对应异常模式的采样数据，对下一个采样数据进行判断，

若为正常模式，则判断所述设备状态为正常，并将所述两个采样数据释放；

若连续T个采样数据为异常模式，则预测设备具有所述异常模式对应的故障，所述T为大于2的自然数，并将所述T+1个采样数据和所述预测传给云端平台；

若在连续出现X个采样数据为所述异常模式之后，第X+1个数据不属于所述异常模式，所述X为满足：1≤X＜T的自然数，则进入步骤T53；

T53：保留所述X个采样数据，判断所述第X+1个采样数据：

若为正常模式，则预测设备为正常，并将所述X+1个采样数据释放；

若所述第X+1个采样数据为另外一种异常模式，且后面连续T个采样为所述另外一种异常模式，则预测设备同时具有所述X+1个采样数据对应的故障和所述T+1个采用数据所对应的故障，并将所述X+1个采样数据、所述T+1采样数据和所述预测传给云端平台；

若所述第X+1个采样数据为另外一种异常模式，且后面连续出现T-X次采样为所述X个采样数据对应的异常模式，则预测设备具有所述X个采样数据对应的故障，并将所述对应故障的T+1个采样数据、所述第X+1个采样数据和所述预测传给云端平台。

8.如权利要求4-7任一所述的设备故障预测系统的方法，其特征在于，所述采样数据包括震动数据。

9.如权利要求4-7任一所述的设备故障预测系统的方法，其特征在于，所述云端平台将所述故障信息发送到用户终端。

10.一种包含计算机程序的计算机可读存储介质，所述计算机程序可操作来使计算机执行如权利要求4-9任一所述的方法。