[发明专利]基于人工智能的设备故障检测与预警系统及方法

说明书

本发明公开了一种基于人工智能的设备故障检测与预警系统，包括采集模块、处理模块和预警模块，所述处理模块包括数据训练单元、预测单元和判断单元：采集模块包括若干传感器，传感器安装在工控设备的不同部件上，用于采集工控设备实时状态数据；所述数据训练单元用于训练采集到的设备状态历史数据，建立设备异常预测模型；预测单元用于在采集到的设备状态新数据输入设备异常预测模型后，预测设备状态；判断单元用于在预测设备状态异常时，通知预警模块发出预警。该系统能够根据设备工作状态，提前预警设备故障，避免突发故障的发生，减小停工检修带来的经济损失。本发明还公开一种基于人工智能的设备故障检测与预警方法。

技术领域

本发明涉及工控机故障检测领域，具体涉及一种基于人工智能的设备故障检测与预警系统及方法。

背景技术

工控机(Industrial Personal Computer，IPC)即工业控制计算机，是一种采用总线结构，对生产过程及机电设备、工艺装备进行检测与控制的工具总称。机器学习(MachineLearning)是一门专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能的学科。

工控设备长时间运行，设备会出现各种各样的问题，为了保障生产线等不受设备故障而出现停线等，需要定期对设备进行相应检测和维护，但一般的检测和维护不能保证可以发现设备一些潜在问题，导致设备还是会出现一些突发故障，造成较大经济损失。设备异常发生后，根据异常类型，通知相关工作人员去处理，异常处理不及时会导致设备停止工作，造成大量经济损失。现有工控机故障维护方式反应时间慢、处理时间长，不利于降低设备故障造成的损失。

发明内容

为了解决上述技术问题，本发明公开一种基于人工智能的设备故障检测与预警系统，该系统能够根据设备工作状态，提前预警设备故障，避免突发故障的发生，减小停工检修带来的经济损失。

本发明还公开一种基于人工智能的设备故障检测与预警方法。

本发明通过下述技术方案实现：

基于人工智能的设备故障检测与预警系统，包括采集模块、处理模块和预警模块，所述处理模块包括数据训练单元、预测单元和判断单元：

采集模块包括若干传感器，传感器安装在工控设备的不同部件上，用于采集工控设备实时状态数据；

所述数据训练单元用于训练采集到的设备状态历史数据，建立设备异常预测模型；

预测单元用于在采集到的设备状态新数据输入设备异常预测模型后，预测设备状态；

判断单元用于在预测设备状态异常时，通知预警模块发出预警。

进一步的，所述预警模块用于发出预警信号，所述设备故障检测与预警系统还包括存储模块，用于存储和更新设备状态数据；采用混合式大数据架构对数据进行存储与管理，以满足设备全生命周期海量数据存储管理。

进一步的，所述传感器为声音传感器、温度传感器和振动传感器中的一种或多种。

基于人工智能的设备故障检测与预警方法，包括以下步骤：

(1)在工控设备的不同部件上选取状态观测点，在状态观测点上安装传感器采集工控设备实时状态数据；

(2)利用数据训练单元训练采集到的设备状态历史数据，建立设备异常预测模型；

(3)采集到的设备状态新数据输入设备异常预测模型后，预测单元预测设备状态，若预测设备状态异常，判断单元则通知预警模块发出预警。

进一步的，步骤(2)中，建立设备异常预测模型具体包括以下步骤：

(21)数据预处理：对传感器采集的设备状态数据进行预处理；