[发明专利]一种基于深度学习的堆垛机预测性维护方法及其系统

说明书

本发明公开了一种基于深度学习的堆垛机预测性维护方法及其系统，其中，方法包括：收集堆垛机的历史故障数据，历史故障数据包括发生故障之前的一段时间内的故障状态参数数据组；依据历史故障数据建立分析堆垛机发生故障率的基础模型；实时采集堆垛机工作时的状态参数，并输入至基础模型中，然后基于基础模型分析实时采集的堆垛机的状态参数，并输出堆垛机故障率值；当堆垛机故障率值超过设定的阈值时，则发出故障警报。该方法基于堆垛机发生故障率的基础模型，对堆垛机工作时的状态参数进行分析处理并输出堆垛机故障率值；通过故障率值判断堆垛机是否发生故障，以便在第一时间发现故障时进行维护，从而减少经济损失以及安全事故隐患。

技术领域

本发明涉及计算机技术领域，尤其涉及一种基于深度学习的堆垛机预测性维护方法及其系统。

背景技术

堆垛机是一种常用的物流仓储设备，广泛应用于各种高架立库的货物取放，其是智能仓储系统中较为核心的重点设备，所以对于堆垛机的维护也非常重要，需确保堆垛机在发生故障时能够在第一时间进行维护，减少堆垛机突发故障而导致的产线上的经济损失，甚至是安全隐患。

大部分堆垛机设备备件价格昂贵，交付周期长，这给堆垛机维护带来了很多困难。然而现有的情况中，由于堆垛机工作频繁并且广泛应用于无人库区，这就导致维护人员很难第一时间发现故障，从而可能引发较大的经济损失，甚至是安全隐患。

发明内容

本发明的目的是提供一种基于深度学习的堆垛机预测性维护方法及其系统，旨在解决现有堆垛机在工作中发生故障时，维护人员很难在第一时间发现故障并进行维护，而导致经济损失以及安全隐患的问题。

第一方面，本发明实施例提供一种基于深度学习的堆垛机预测性维护方法，其包括：

收集堆垛机的历史故障数据，所述历史故障数据包括发生故障之前的一段时间内的故障状态参数数据组；

依据所述历史故障数据建立分析堆垛机发生故障率的基础模型；

实时采集堆垛机工作时的状态参数，并输入至所述基础模型中，然后基于所述基础模型分析实时采集的堆垛机的状态参数，并输出堆垛机故障率值；

当堆垛机故障率值超过设定的阈值时，则发出故障警报。

第二方面，本发明实施例还提供一种基于深度学习的堆垛机预测性维护系统，其包括：

设置于堆垛机上的边缘数据处理终端和与所述边缘数据处理终端通信连接的云端服务器；

所述边缘数据处理终端用于收集堆垛机的历史故障数据，所述历史故障数据包括发生故障之前的一段时间内的故障状态参数数据组，并发送至所述云端服务器；

所述云端服务器用于依据所述历史故障数据建立分析堆垛机发生故障率的基础模型，并将所述基础模型下发至所述边缘数据处理终端；

所述边缘数据处理终端还用于实时采集堆垛机工作时的状态参数，并输入至所述基础模型中，然后基于所述基础模型分析实时采集的堆垛机的状态参数，并输出堆垛机故障率值；当堆垛机故障率值超过设定的阈值时，则发出故障警报。

本发明实施例提供一种基于深度学习的堆垛机预测性维护方法及其系统，其中，所述堆垛机预测性维护方法，包括：收集堆垛机的历史故障数据，所述历史故障数据包括发生故障之前的一段时间内的故障状态参数数据组；依据所述历史故障数据建立分析堆垛机发生故障率的基础模型；实时采集堆垛机工作时的状态参数，并输入至所述基础模型中，然后基于所述基础模型分析实时采集的堆垛机的状态参数，并输出堆垛机故障率值；当堆垛机故障率值超过设定的阈值时，则发出故障警报。该方法基于堆垛机发生故障率的基础模型，对堆垛机工作时的状态参数进行分析处理并输出堆垛机故障率值；通过故障率值判断堆垛机是否发生故障，以便在第一时间发现故障时进行维护，从而减少经济损失以及安全事故隐患。

附图说明