[发明专利]一种基于大数据的智能制造故障诊断方法及装置

说明书

本发明涉及大数据处理技术领域，具体涉及一种基于大数据的智能制造故障诊断方法及装置，通过收集故障信息，根据空闲资源和任务需求实时分配故障诊断任务，从而进行故障诊断，快速完成结果输出，本发明提供了一种智能制造中高效的故障检测途径。

技术领域

本发明涉及大数据处理技术领域，具体涉及一种基于大数据的智能制造故障诊断方法及装置。

背景技术

智能制造故障诊断作为智能制造自愈功能实现的基础课题，近年来的研究成果非常丰富，在生产现场也得到了一定的应用。目前的故障诊断技术主要基于时间序列相似性匹配的方法、基于随机优化技术的方法、基于推理链的方法、采用多数据源融合的诊断方法以及与或树模型等。上述故障诊断算法需要及时、稳定的实时数据来支撑。但是由于目前的各种信息系统缺乏有效的数据预处理机制且彼此之间相互独立，造成故障排查费时且系统资源利用率不高。

另一方面，大数据技术及云计算的兴起与不断完善，引起了智能制造数据管理模式的根本改变。大数据技术是能够通过对大量、多种类和来源复杂的数据进行高速捕捉、发现和分析，用经济的方法提取数据价值的技术体系或技术架构。大数据技术规模性、多样性、高速性的特点恰好能够弥补上述智能制造信息系统的不利因素。

因此，如何利用大数据在智能制造中提供一种高效的故障检测途径成为值得解决的问题。

发明内容

本发明提供一种基于大数据的智能制造故障诊断方法及装置，能够在智能制造中提供一种高效的故障检测途径。

本发明提供的一种基于大数据的智能制造故障诊断方法，包括以下步骤：

步骤S1、收集故障信息；

步骤S2、接收故障诊断指令，提交故障诊断任务申请；

步骤S3、分配故障诊断任务；

步骤S4、响应故障诊断任务指令，进行故障诊断；

步骤S5、输出故障诊断结果。

进一步，所述步骤S3具体包括：

步骤S31、查询各个故障诊断节点的状态信息；

步骤S32、设置各个故障诊断节点的运行状态；

步骤S33、根据各个故障诊断节点的空闲资源匹配故障诊断任务，将故障信息分配给对应的故障诊断节点。

进一步，所述步骤S4具体包括：

筛掉与故障诊断无关的信息；

形成全网拓扑，并根据故障信息计算出故障区域；

提取故障信息，进行离线分析，找到故障元件。

进一步，所述找到故障元件具体包括如下步骤；

步骤S401、通过粗糙集进行制造节点的故障诊断属性约简；

步骤S402、从多个故障诊断属性约简结果中选取属性间相关性最小属性组合作为最优属性约简；

步骤S403、以最优属性约简重构故障样本，建立概率神经网络诊断模型，根据故障信息进行诊断，从而找到故障元件。

进一步，步骤S402中相关性由以下公式得出：