[发明专利]海量工业设备运行数据的深度学习和预警方法及装置

权利要求书

1.海量工业设备运行数据的深度学习和预警装置，包括外壳(1)，其特征在于：所述外壳(1)顶部中间位置内壁上固定连接有双向液压缸(8)，所述双向液压缸(8)两侧输出端均设置有第一液压杆(9)，所述第一液压杆(9)一端均贯穿外壳(1)并固定连接有固定板(3)，所述固定板(3)底部与外壳(1)相反的一侧均固定连接有外夹板(4)，所述外夹板(4)与外壳(1)相邻的一侧均固定连接有均匀分布的第二固定齿(7)，所述外壳(1)底部两侧中间位置内壁上均固定连接有液压气缸(12)，所述液压气缸(12)的输出端均设置有第二液压杆(13)，所述第二液压杆(13)一端均贯穿外壳(1)并固定连接有内夹板(5)，所述内夹板(5)与外壳(1)相对的一侧均固定连接有均匀分布的第一固定齿(6)，所述外壳(1)的材料为钛合金。

2.根据权利要求1所述的海量工业设备运行数据的深度学习和预警装置，其特征在于：所述外壳(1)底部中间位置外壁上固定连接有数据采集模块(2)，所述外壳(1)底部中间位置内壁上固定连接有数据传输模块(11)，所述外壳(1)内部中间位置固定连接有深度学习和预警系统(10)，所述深度学习和预警系统(10)包括有数据模型模块(14)、数据处理模块(15)、数据输出模块(16)、自主学习模块(17)和诊断学习模块(18)；

所述数据采集模块(2)包括有震动传感器、压力传感器、液位传感器和温度传感器中的一种或多种。

3.根据权利要求2所述的海量工业设备运行数据的深度学习和预警方法，其特征在于：所述数据模型模块(14)与自主学习模块(17)之间通过数据传输模块(11)互相连接，所述诊断学习模块(18)与数据模型模块(14)之间通过数据传输模块(11)互相连接，所述数据输出模块(16)分别与自主学习模块(17)和诊断学习模块(18)之间通过数据传输模块(11)互相连接，所述数据处理模块(15)分别与数据模型模块(14)、数据输出模块(16)、自主学习模块(17)和诊断学习模块(18)之间通过数据传输模块(11)互相连接，所述数据传输模块(11)的传输方式为5G网络。

4.根据权利要求2所述的海量工业设备运行数据的深度学习和预警方法，其特征在于：所述数据模型模块(14)包括有设备信息数据库(19)、故障信息数据库(20)和运行优化信息数据库(21)，所述设备信息数据库(19)用于储存设备运行时的各项数据，所述故障信息数据库(20)储存有当设备发生故障时的各项数据，所述运行优化信息数据库(21)储存有设备在最优状态下的信息。

5.根据权利要求2所述的海量工业设备运行数据的深度学习和预警方法，其特征在于：所述深度学习和预警系统(10)的工作流程，包括以下步骤：

S1.实时检测上传数据

首先将外壳(1)安装固定在锅炉设备内部，通过数据采集模块(2)检测锅炉设备在工作时的各项数据；

S2.数据判断

通过数据处理模块(15)将最新记录的数据与故障信息数据库(20)内数据进行比对，判断当前设备工作状态的数据与故障信息数据是否一致，并判断当前设备工作状态的数据与故障前夕信息数据是否一致，当比对结果显示不一致时则设备正常运行，随后数据处理模块(15)再将数据与运行优化信息数据库(21)内的数据进行比对，判断当前设备工作状态的数据与设备最优状态下的数据信息比对，判断设备是否在最优状态下工作；

S3.深度学习方法

自主学习模块(17)将最新记录的数据保存至设备信息数据库(19)内。

6.根据权利要求5所述的海量工业设备运行数据的深度学习和预警方法及装置，其特征在于：所述S2步骤数据判断中，当设备工作状态的数据与故障信息数据一致时，诊断学习模块(18)将故障信息通过数据输出模块(16)提前进行报警。