[发明专利]一种基于云边协同的工业设备预测性维护方法

说明书

本发明涉及云计算和边缘计算技术领域，其目的在于提供一种基于云边协同的工业设备预测性维护方法。本发明公开了一种基于云边协同的工业设备预测性维护方法，包括以下步骤：S1：异构感知设备采集工业设备的设备状态数据，并将其发送至边缘计算平台；S2：边缘计算平台的边缘数据管理模块根据异构感知设备上传的数据获得目标设备预测任务所需的特征数据；预测服务编排器的配置重载模块获取云计算平台的设备状态预测模型配置和边缘模型训练模块所训练的设备状态预测模型配置，由模型运行模块载入目标设备的最新设备状态预测模型，并输入提取后的特征数据；根据模型运行模块的输出数据判断目标设备是否具有故障风险，若是，则进入下一步，若否，则返回步骤S1；S3：边缘计算平台的触发器管理模块根据预先设定的触发器通知指定负责人故障预警信息。本发明可实现精确高效的工业设备预测性维护。

技术领域

本发明涉及云计算和边缘计算技术领域，特别涉及一种基于云边协同的工业设备预测性维护方法。

背景技术

近几十年来，互联网的发展见证了将计算、数据存储和应用程序移入云数据中心（Data Center）的趋势，从而促进了随需访问共享计算和存储资源的普遍性。云计算展示出其在包括共享资源的高利用率，服务部署和管理低成本，可扩展性，可访问性和可用性高等众多方面的优势。如今，在物联网时代，物联网设备所生成的前所未有的数据量需要进行收集和分析，使用云计算中心进行此类数据量的收集会产生极高的延迟和占据极大的网络带宽，并导致云计算中心的负载过高、压力过大及消耗额外的能源。为了解决这个问题，研究者已经提出了边缘计算范式，从而使得数据分析更接近数据源系统或设备。但是，边缘计算由于边缘数据的不完整特性，在边缘进行数据分析的结果与使用全局数据相比具有一定偏差。此外，作为工业互联网重要应用之一，工业设备的预测性维护作为一种通过部署感知终端对设备状况实施周期性或持续监测，并基于机器学习算法和模型来分析评估设备健康状况以便预测下一次故障发生的时间及进行维护的具体时间的方法被寄予厚望。

综上所述，如何借助云边协同的方法以缓解云计算和边缘计算隔离或不协调造成的高延迟、高能耗和低带宽使用率，综合发挥云计算和边缘计算的巨大潜力，以实现精确高效的工业设备预测性维护，已经成为学术界和工业界关注的焦点。

发明内容

有鉴于此，本发明的目的是提供一种基于云边协同的工业设备预测性维护方法。

为了达到上述目的，本发明所采用的技术方案如下：

一种基于云边协同的工业设备预测性维护方法，包括以下步骤：

S1：异构感知设备采集工业设备的设备状态数据，并将其发送至边缘计算平台；

S2：边缘计算平台的边缘数据管理模块根据异构感知设备上传的数据获得目标设备预测任务所需的特征数据；预测服务编排器的配置重载模块获取云计算平台的设备状态预测模型配置和边缘模型训练模块所训练的设备状态预测模型配置，由模型运行模块载入目标设备的最新设备状态预测模型，并输入提取后的特征数据；根据模型运行模块的输出数据判断目标设备是否具有故障风险，若是，则进入下一步，若否，则返回步骤S1；

S3：边缘计算平台的触发器管理模块根据预先设定的触发器通知指定负责人故障预警信息。

优选的，在步骤S1中，异构感知设备为可通过GPRS、4G、NB-IoT、5G、Wi-Fi、以太网、物联网网关中的任意一种将设备状态数据发送至边缘计算平台的设备；设备状态数据包括预先设定的进行目标设备预测性维护所需的必要数据，包括但不限于目标设备的仪表数据、目标设备关键点的温度和湿度以及目标设备所在环境状态数据。