本发明涉及设备维保技术,尤其涉及一种基于web应用于设备状态算法模型的可视化建模平台及方法。
背景技术:
1、随着工业互联网、大数据和人工智能的发展,通过相关技术对设备上的数据进行采集,实现设备运维的远程化和智能化已经成为可能。尤其是对采集到的数据进行建模,发现设备状态上更多的信息,使得数据发挥更大的价值。然而,随着设备型号的增多,同一个设备的状态也随着使用年限、运行工况、所处环境等因素的变化,变得复杂多变,通过固定的模型判定设备状态变得越来越难以实现。本发明旨在通过可视化建模的方式根据不同设备、不同状态等情况,灵活地创建不同的模型来判断设备所处的状态,增加了灵活度、可定制特性;同时,可视化地拖拽式建模极大程度上简化了模型的创建难度,并降低了时间和人力成本。
技术实现思路
1、本发明要解决的技术问题在于针对现有技术中的缺陷,提供一种基于web应用于设备状态算法模型的可视化建模平台及方法。
2、本发明解决其技术问题所采用的技术方案是:一种基于web应用于设备状态算法模型的可视化建模方法,包括:
3、1)采集设备的基本信息和运行测量数据,根据设备的基本信息判断设备的初步状态;所述基本信息包括设备的类型、设备的运行时长、设备的维修次数;
4、2)配置可视化模型,根据设备和设备的初步状态,将建立模型可使用的算子拖拽到画布;
5、所述算子包括:算法集、模型集、规则运算和逻辑运算;
6、3)配置算子节点,在运行测量数据中选择设备的测点和对应的特征值作为算子的输入,并配置算子的其他参数;
7、其中,设备的测点为预先选择的设备运行测试点,包括设备表面和选定的设备元器件;设备的测点对应的特征值为设备的测点处采集的振动信号、温度值和噪声信号中提取的特征值;
8、4)将多个算子根据输入输出和计算流程使用流程线连接,组合成完整的可视化设备状态检测模型;
9、5)校验创建的设备状态检测模型的有效性,若有效则保存模型;具体如下:
10、获取多个算子根据输入输出情况和计算流程使用流程线连接,组合成完整的可视化设备状态检测模型的所有组合作为候选模型,对各候选模型进行指标验证;
11、根据设备的基本信息和历史运行测量数据以及对应的设备状态,生成训练样本,由候选模型基于训练样本,生成初始设备状态检测结果,将初始设备状态检测结果与历史数据进行比对,若检测到初始设备状态检测结果与历史数据的比对一致性指标不满足预设要求(一致性指标低于90%),则基于训练样本历史运行测量数据以及对应的设备状态对模型进行训练,更新候选模型的模型参数,得到参数优化后的候选模型,并由候选模型基于训练样本,生成设备状态检测结果,若检测到设备状态检测结果与历史数据的比对一致性指标满足要求(一致性指标达到90%),则判定其为有效模型,进行保存,否则丢弃候选模型;
12、一致性指标为设备状态的结果相同,设备状态包括正常运行状态和故障状态;
13、6)发布模型;
14、7)将设备的运行测量数据输入模型,根据模型计算结果获取设备状态,并上报设备状态,将模型存入模型集中。
15、按上述方案,所述算法集包括:数据预处理算法、信号处理算法、振动机理故障算法、统计算法、机器学习算法、深度学习算法、基于规则和知识的算法。
16、按上述方案,所述模型集为通过验证的设备状态检测模型。
17、一种基于web应用于设备状态算法模型的可视化建模平台,包括:
18、算子库,用于存储进行可视化建模??榈乃阕?,所述算子包括:算法集、模型集、规则运算和逻辑运算;
19、可视化建模??椋和ü阕涌獾乃阕?、流程线和算子节点配置构建设备状态算法的可视化模型;
20、包括:
21、配置可视化模型子???,用于根据设备和设备的初步状态,将建立模型可使用的算子拖拽到画布;
22、算子节点配置子???,用于在运行测量数据选择设备的测点和对应的特征值作为算子的输入,并配置算子的其他参数;
23、模型建立子???,用于将多个算子根据输入输出情况和计算流程使用流程线连接,组合成完整的可视化设备状态检测模型;
24、模型管理???,用于管理构建的可视化模型,编辑、发布和取消发布可视化模型;
25、模型运行???,用于运行模型管理??榉⒉嫉哪P?,将设备的运行测量数据输入模型,根据模型计算结果获取设备状态,并上报设备状态。
26、按上述方案,所述算法集包括:数据预处理算法、信号处理算法、振动机理故障算法、统计算法、机器学习算法、深度学习算法、基于规则和知识的算法;
27、按上述方案,所述模型集为通过验证的设备状态检测模型。
28、本发明产生的有益效果是:
29、本发明将算子库中的算子灵活地组合,可以快速创建大量符合具体设备和业务的状态模型,通过拖拽算子的可视化建模,降低了模型创建难度和复杂度,提高了建模效率;再通过校验功能提高模型的准确性,避免了模型的一些基础性错误;极大程度上简化了模型的创建难度,并降低了时间和人力成本。
1.一种基于web应用于设备状态算法模型的可视化建模方法,其特征在于,包括:
2.根据权利要求1所述的基于web应用于设备状态算法模型的可视化建模方法,其特征在于,所述算法集包括:数据预处理算法、信号处理算法、振动机理故障算法、统计算法、机器学习算法、深度学习算法、基于规则和知识的算法。
3.根据权利要求1所述的基于web应用于设备状态算法模型的可视化建模方法,其特征在于,所述模型集为通过验证的设备状态检测模型。
4.一种基于web应用于设备状态算法模型的可视化建模平台,其特征在于,包括:
5.根据权利要求4所述的基于web应用于设备状态算法模型的可视化建模平台,其特征在于,所述算法集包括:数据预处理算法、信号处理算法、振动机理故障算法、统计算法、机器学习算法、深度学习算法、基于规则和知识的算法。
6.根据权利要求4所述的基于web应用于设备状态算法模型的可视化建模平台,其特征在于,所述模型集为通过验证的设备状态检测模型。
7.一种电子设备,其特征在于,所述电子设备包括:
8.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现权利要求1至3中的方法。