[发明专利]一种基于工业物联网的机械设备故障预警方法、系统和可读存储介质

说明书

本发明公开了一种基于工业物联网的机械设备故障预警方法、系统和可读存储介质，所述方法包括以下步骤：传感节点采集机械设备状态数据，将所述机械设备状态数据传输至数据网关做预判处理，若当前机械设备状态数据与预设标准状态数据差的绝对值大于预设阈值，则机械设备状态数据上传至云服务器；所述云服务器对机械设备状态数据预处理后提取特征值，将特征值数据利用分类故障模型进行预警诊断，得到诊断结果。本发明公开的一种基于工业物联网的机械设备故障预警方法、系统和可读存储介质，通过采集机械设备状态数据，利用数据网关进行预判处理，将异常状态数据上传云服务器，利用预设的分类故障模型精确预警，提高机械设备故障预警诊断的准确率。

技术领域

本发明涉及机械设备监测领域，更具体的，涉及一种基于工业物联网的机械设备故障预警方法、系统和可读存储介质。

背景技术

随着现代工业技术的不断发展，工业规模的不断增大，工业机械应用于各种工业场景成为行业普遍现场，例如在许多流程工业行业中，大机械设备被广泛引用以支持整个工艺流程的正常、高速运转。机械设备一旦发生故障，不仅带来经济损失，更可能危及人身安全，造成严重的危害和影响，因此，保证机械设备健康运转以及设备出现故障后，即使检测和修理都是重要的

随着计算机技术在实时监测和诊断领域应用的不断深化，将基于知识库的专家系统技术应用于诊断预警领域已成为诊断技术的一个重要方向，但是传统的预警诊断方法，效率低，精度差，无法给运维人员提供准确的参考。

发明内容

为了解决上述至少一个技术问题，本发明提出了一种基于工业物联网的机械设备故障预警方法、系统和可读存储介质。

为了解决上述的技术问题，本发明第一方面公开了一种基于工业物联网的机械设备故障预警方法，所述方法包括：

传感节点采集机械设备状态数据，将所述机械设备状态数据传输至数据网关做预判处理，若当前机械设备状态数据与预设标准状态数据差的绝对值大于预设阈值，则机械设备状态数据上传至云服务器；

所述云服务器对机械设备状态数据预处理后提取特征值，将特征值数据利用分类故障模型进行预警诊断，得到诊断结果。

本方案中，若采集的机械设备状态值与预设标准状态值差的绝对值小于预设阈值，则记录当前时间时刻t1,若在t1时刻之后预设的时间段T内，所述机械设备状态值与预设标准状态值差的绝对值均小于预设阈值，则调整采样频率为当前采样频率的n倍，继续采样T时间段并对采样的机械设备状态数据做预判处理。

本方案中，所述分类故障预警模型包括：异常捕获模型、故障分析模型、故障诊断模型；所述异常捕获模型用于对特征值数据分析后捕获异常从而进行状态预警；所述故障分析模型用于在异常捕获之后进行故障原因分析；所述诊断模型用于对故障分析的结果做出故障分类和最终诊断。

本方案中，所述分级预警模型中预设有故障专家知识库，所述故障专家知识库基于历史故障数据训练得到。

本方案中，所述分类故障模型基于卷积神经网络训练模型训练得到，其训练过程具体为：

步骤1：获取不同故障对应的机械设备状态数据，进行去噪预处理后通过傅里叶变换生成频谱图并按预设的比例分为训练样本和测试样本；

步骤2：建立卷积神经网络模型并初始化参数，确定网络参数，所述网络参数包括有：学习率、迭代次数；

步骤3：将训练样本输入到卷积神经网络模型中，通过前向传播求得输出值和期望值的误差；

步骤4：判断卷积神经网络模型是否收敛，若收敛则执行步骤6,否则执行步骤5；

步骤5：反向传播和权值修改，利用随机梯度下降算法将步骤4求得的误差反向逐层传播，更新权值，重复步骤3到步骤5，直至卷积神经网络模型收敛；