[发明专利]基于云边协同的设备故障维护方法及装置

权利要求书

1.一种基于云边协同的设备故障维护方法，其特征在于，包括：

获取设备的历史运行数据和实时运行数据；

将所述历史运行数据发送至云端控制中心，以便于所述云端控制中心根据所述历史运行数据训练故障预测模型，并将所述故障预测模型下发回边缘计算中心；

接收所述云端控制中心发送的故障预测模型和故障预测应用；

采用所述故障预测模型分析设备的所述实时运行数据，生成分析结果；

采用所述故障预测应用显示所述设备的实时运行数据及所述故障预测模型生成的分析结果。

2.根据权利要求1所述的方法，其特征在于，包括：

其中，所述边缘计算中心设置有边缘预测模块；

接收所述云端控制中心发送的故障预测模型和故障预测应用，包括：

所述边缘预测模块接收数据采集模块发送的实时运行数据；

所述边缘预测模块接收所述云端控制中心发送的故障预测模型，

所述边缘预测模块采用所述故障预测模型分析设备的所述实时运行数据，生成分析结果。

3.根据权利要求1所述的方法，其特征在于，包括：

其中，所述边缘计算中心设置有数据采集模块；

获取设备的历史运行数据和实时运行数据，包括：

所述数据采集模块获取设备的历史运行数据和实时运行数据；

将所述历史运行数据发送至云端控制中心，以便于所述云端控制中心根据所述历史运行数据训练故障预测模型，并将所述故障预测模型下发回边缘计算中心，包括：

所述数据采集模块将所述历史运行数据发送至云端控制中心；

所述数据采集模块将所述实时运行数据发送至所述故障预测应用。

4.根据权利要求1所述的方法，其特征在于，采用所述故障预测应用显示所述设备的实时运行数据及所述故障预测模型生成的分析结果之后，所述方法还包括：

所述故障预测应用还用于分析以下至少一种指标，并显示所述指标：所述实时运行数据的变化、设备故障诊断情况、健康度分析和剩余寿命；

当所述至少一项指标与正常值比较发生异常时，对设备的潜在故障进行预警。

5.根据权利要求1所述的方法，其特征在于，所述设备的运行数据包括以下至少一种：总消耗功率、基座振动、各电机的功率及工作电流、旋转关节的角速度、任务执行结果、关节减速器的情况、电机轴承的振动信号数据。

6.根据权利要求1所述的方法，其特征在于，所述设备包括以下至少一种：工业机器人和数控机床。

7.一种基于云边协同的设备故障维护方法，其特征在于，包括：

接收边缘计算中心发送的设备历史运行数据；

根据所述历史运行数据构建故障预测模型；

将所述故障预测模型和故障预测应用下发到所述边缘计算中心。

8.根据权利要求1所述的方法，其特征在于，包括：

其中，云端控制中心设置有AI训练模块；

接收边缘计算中心发送的设备历史运行数据，包括：

所述AI训练模块接收边缘计算中心发送的设备历史运行数据；

根据所述历史运行数据构建故障预测模型，包括：

所述AI训练模块根据所述历史运行数据构建故障预测模型；

其中，所述云端控制中心设置有云边协同计算模块；

将所述故障预测模型和故障预测应用下发到所述边缘计算中心，包括：

所述云边协同计算模块接收所述AI训练模块构建的故障预测模型；

将所述故障预测模型和故障预测应用下发至边缘计算中心。