[发明专利]一种机器预测性维护系统

权利要求书

1.一种机器预测性维护系统，其特征在于：所述系统包括三个部分，所述三个部分分别为边缘自学习推理终端模组（1）、服务器（2）和用户界面（3），所述边缘自学习推理终端模组（1）包括非故障模型（12），所述服务器（2）包括异常分类模型（21）、剩余寿命模型（22）和其他分类模型（23），所述用户界面（3）包括终端用户（31）。

2.根据权利要求1所述的一种机器预测性维护系统，其特征在于：所述边缘自学习推理终端模组（1）的直接测量对象为各种机械或电气设备（11），所述各种机械或电气设备（11）的测量信息输出链接非故障模型（12），所述非故障模型（12）输出链接异常分类模型（21），所述异常分类模型（21）输出链接剩余寿命模型（22），所述剩余寿命模型（22）输出链接其他分类模型（23），所述其他分类模型（23）输出链接终端用户（31），所述终端用户（31）通过交互式学习反馈分别链接非故障模型（12）、异常分类模型（21）、剩余寿命模型（22）和其他分类模型（23）。

3.根据权利要求2所述的一种机器预测性维护系统，其特征在于：所述其他分类模型（23）为维护系统的开放数据接口，所述其他分类模型（23）可接入并消费系统产生的数据。

4.根据权利要求1所述的一种机器预测性维护系统，其特征在于：所述边缘自学习推理终端模组（1）由传感器非固定可选组件（100）、传感器组（101）、微控制单元（102）、存储单元（103）、通信单元（104）、供电单元（105）和交互器件（106）组成。

5.根据权利要求4所述的一种机器预测性维护系统，其特征在于：所述传感器组（101）通过传感器非固定可选组件（100）链接各种机械或电气设备（11），所述传感器组（101）链接微控制单元（102），所述微控制单元（102）内包括微控单元-1和微控单元-2，所述微控单元-1和微控单元-2之间通过存储单元（103）交互链接，所述微控制单元（102）通过通信单元（104）链接外部系统输入和交互器件（106），所述交互器件（106）链接传感器组（101），所述供电单元（105）分别链接传感器组（101）、微控制单元（102）、通信单元（104）和交互器件（106）。

6.根据权利要求1所述的一种机器预测性维护系统，其特征在于：所述服务器（2）可部署于本地或云端，所述用户界面（3）为低代码可视化WEB交互界面。

7.一种机器预测性维护方法，其特征在于：所述方法包括以下步骤：

首先边缘自学习推理终端模组（1）从各种机械或电气设备（11）中收集机器的运转参数，并将运转参数发送给非故障模型（12）进行处理，非故障模型（12）实时处理传感器实时产生的数据，当反映机器异常或故障的数据被非故障模型（12）发现时，机器异常或故障的数据会被发送到异常分类模型（21），并通知终端用户（31），终端用户（31）对机器异常或故障的数据进行判断决定是否进行维护，同时将决策结果反馈至非故障模型（12），非故障模型（12）将决策结果作为机器异常或故障的数据的标签进行自学习；

当步骤A中的机器异常或故障的数据被发送到异常分类模型（21）时，异常分类模型（21）结合终端用户（31）的决策结果对机器异常或故障的数据进分类，并将分类结果发送给剩余寿命模型（22），同时异常分类模型（21）对自身的分类结果进行自学习，如果下一次进入异常分类模型（21）的数据是已经经过自学习的数据，则直接将结果反馈至终端用户（31）；

当步骤B将分类结果发送至剩余寿命模型（22）时，剩余寿命模型（22）结合终端用户（31）的决策结果把分类结果对应的数据映射到对应机器或零部件的生命周期上，并将处理得到的分类结果对应的生命周期发送给终端用户（31），同时剩余寿命模型（22）对分类结果和对应的生命周期进行自学习，如果下次进入剩余寿命模型（22）的分类结果与分类数据是已经学习过的，那么将直接发送故障类型对应的生命周期给终端用户（31）。