CN106959652B - 智能监控方法、装置和可读计算机存储介质 - Google Patents

智能监控方法、装置和可读计算机存储介质 Download PDF

Info

Publication number
CN106959652B
CN106959652B CN201710315884.3A CN201710315884A CN106959652B CN 106959652 B CN106959652 B CN 106959652B CN 201710315884 A CN201710315884 A CN 201710315884A CN 106959652 B CN106959652 B CN 106959652B
Authority
CN
China
Prior art keywords
water pump
feature
early warning
deviation rate
waveform
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201710315884.3A
Other languages
English (en)
Other versions
CN106959652A (zh
Inventor
唐虎
颜小云
曹建超
罗一鸣
张利飞
张炳华
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Baidu Netcom Science and Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN201710315884.3A priority Critical patent/CN106959652B/zh
Publication of CN106959652A publication Critical patent/CN106959652A/zh
Priority to US15/889,984 priority patent/US10282968B2/en
Application granted granted Critical
Publication of CN106959652B publication Critical patent/CN106959652B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Program-control systems
    • G05B19/02—Program-control systems electric
    • G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
    • G05B19/4184—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by fault tolerance, reliability of production system
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Program-control systems
    • G05B19/02—Program-control systems electric
    • G05B19/04—Program control other than numerical control, i.e. in sequence controllers or logic controllers
    • G05B19/048—Monitoring; Safety
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING SYSTEMS, e.g. PERSONAL CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/18—Status alarms
    • G08B21/182—Level alarms, e.g. alarms responsive to variables exceeding a threshold
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Program-control systems
    • G05B19/02—Program-control systems electric
    • G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING SYSTEMS, e.g. PERSONAL CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/18—Status alarms
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING SYSTEMS, e.g. PERSONAL CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/18—Status alarms
    • G08B21/185—Electrical failure alarms
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING SYSTEMS, e.g. PERSONAL CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/18—Status alarms
    • G08B21/187—Machine fault alarms
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04Q—SELECTING
    • H04Q9/00—Arrangements in telecontrol or telemetry systems for selectively calling a substation from a main station, in which substation desired apparatus is selected for applying a control signal thereto or for obtaining measured values therefrom
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Emergency Management (AREA)
  • Automation & Control Theory (AREA)
  • Manufacturing & Machinery (AREA)
  • General Engineering & Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Testing And Monitoring For Control Systems (AREA)
  • Control Of Non-Positive-Displacement Pumps (AREA)
  • Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Signal Processing (AREA)

Abstract

本申请公开了智能监控方法和装置。该方法的一具体实施方式包括：基于预设时长内待监控的设备的预警关联参数的多个参数值，确定预警关联参数的参数值随时间变化的特征；基于当前时间待监控设备的预警关联参数的参数值和预警关联参数的参数值随时间变化的特征，确定目标时长，以及基于目标时长所属的时长区间，确定是否生成预警信息。实现了对工业设备的运行过程中可能出现的故障进行预警，无需以人工方式对工业设备的运行过程进行监控，实现真正的工业设备的自动化运行。

Description

智能监控方法、装置和可读计算机存储介质
技术领域
本申请涉及计算机领域，具体涉及运维技术领域，尤其涉及智能监控方法和装置。
背景技术
计算机技术被广泛应用于工业设备的控制中来提升工业设备的自动化程度。然而，在诸如工业设备的维护的关键环节，仍然采用人工定期检查工业设备的运行情况的方式进行维护，无法实现真正的工业设备的自动化运行。
发明内容
本申请提供了智能监控方法和装置，用于解决上述背景技术部分存在的技术问题。
第一方面，本申请提供了智能监控方法，该方法包括：基于预设时长内待监控的设备的预警关联参数的多个参数值，确定预警关联参数的参数值随时间变化的特征；基于当前时间待监控设备的预警关联参数的参数值和预警关联参数的参数值随时间变化的特征，确定目标时长，以及基于目标时长所属的时长区间，确定是否生成预警信息，目标时长为从当前时间起预警关联参数的参数值大于预警关联参数对应的阈值经历的时长。
第二方面，本申请提供了智能监控装置，该装置包括：确定单元，配置用于基于预设时长内待监控的设备的预警关联参数的多个参数值，确定预警关联参数的参数值随时间变化的特征；预警单元，配置用于基于当前时间待监控设备的预警关联参数的参数值和预警关联参数的参数值随时间变化的特征，确定目标时长，以及基于目标时长所属的时长区间，确定是否生成预警信息，目标时长为从当前时间起预警关联参数的参数值大于预警关联参数对应的阈值经历的时长。
本申请提供的智能监控方法和装置，通过基于预设时长内待监控的设备的预警关联参数的多个参数值，确定预警关联参数的参数值随时间变化的特征；基于当前时间待监控设备的预警关联参数的参数值和预警关联参数的参数值随时间变化的特征，确定目标时长，以及基于目标时长所属的时长区间，确定是否生成预警信息。实现了对工业设备的运行过程中可能出现的故障进行预警，无需以人工方式对工业设备的运行过程进行监控，实现真正的工业设备的自动化运行。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：
图1示出了可以应用于本申请的智能监控方法的示例性系统架构；
图2示出了根据本申请的智能监控方法的一个实施例的流程图；
图3示出了根据本申请的智能监控装置的一个实施例的结构示意图；
图4示出了根据本申请的智能监控装置一个硬件结构示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。
需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
图1示出了可以应用于本申请的智能监控方法的示例性系统架构。
如图1所示，系统架构包括待监控的设备101、智能监控装置102、服务器103。服务器103可以部署在云端。网络104用以在智能监控装置102和服务器103之间提供通信链路的介质。网络104可以采用无线通信链路。智能监控装置102可以配置有传感器，传感器可以采集待监控的设备运行过程中的相关参数。例如，待监控的设备为水泵，传感器可以检测水泵的水流温度、水流压力、轴承温度、工作频率等信号。配置在每一个水泵的智能监控装置可以对与水泵的故障预警相关联的参数的参数值进行分析，得到水泵的与故障预警相关联的参数的参数值随时间变化的特征。智能监控装置也可以将与水泵的故障预警相关联的参数的参数值发送至部署在云端的服务器进行分析，云端的服务器可以得到不同的水泵的与故障预警相关联的参数的参数值随时间变化的特征。
请参考图2，其示出了根据本申请的智能监控方法的一个实施例的流程图。该方法可以由智能监控装置执行。
步骤201，基于预设时长内预警关联参数的多个参数值，确定预警关联参数的参数值随时间变化的特征。
在本实施例中，可以预先获取待监控的设备的预警关联参数的参数值，对预警关联参数的参数值的参数值随时间变化的特征的进行分析，生成指示待监控设备的预警关联参数的参数值随时间变化的特征的特征信息。例如，待监控的设备为水泵，预警关联参数可以包括但不限于：水泵的功率偏差率、扬程的偏差率、流量的偏差率。可以通过对多个不同时间段的功率偏差率、扬程的偏差率、流量的偏差率的参数值进行分析，得到功率偏差率、扬程的偏差率、流量的偏差率随时间变化的特征。功率偏差率、扬程的偏差率、流量的偏差率随时间变化的特征可以为功率偏差率、扬程的偏差率、流量的偏差率的参数值组成的波形的特征。
在本实施例的一些可选的实现方式中，当待监控的设备为水泵时，预警关联参数可以为水泵的功率偏差率。可以通过确定水泵的功率偏差率随时间变化的特征，实现对水泵的磨损程度的提前预警。功率偏差率随时间变化的特征可以为功率偏差率的波形的特征例如功率偏差率的波形的抖动范围。可以采用以下方式确定水泵的功率偏差率随时间变化的特征：可以在第一预设时长内例如10天内每间隔第二预设时长例如90秒执行以下第一功率偏差率特征确定操作：获取水泵的转速和功率；基于水泵的转速和功率和额定的转速和功率或者基于水泵的转速和功率和标定的转速和功率，计算功率偏差率。然后，可以确定该本次执行特征确定操作中确定出的功率偏差率的波形的特征例如功率偏差率的抖动范围。在多次执行特征确定操作之后，可以将每一次确定出的功率偏差率的波形的特征进行聚合，得到水泵的功率偏差率的波形的特征。
在第一预设时长内例如10天内多次执行第一功率偏差特征确定操作时，可以在前3天确定功率偏差率波形特征，不对水泵的磨损程度进行预警，即不确定目标时长。后7天继续确定功率偏差率波形特征，同时，可以调整前3天确定的偏差率波形特征，同时对水泵的磨损程度进行预警。10天后，可以将调整后的水泵的功率偏差率功率偏差率的波形的特征作为最终的水泵的功率偏差率功率偏差率的波形的特征，对水泵的磨损程度进行预警。
在本实施例的一些可选的实现方式中，当待监控的设备为水泵时，预警关联参数为水泵的功率偏差率时，可以采用以下方式确定水泵的功率偏差率随时间变化的特征：当水泵为新泵时，可以基于额定工况下的流量-扬程曲线，将扬程和随流量的变化参数进行拟合，可以得到任意转速下的流量-扬程曲线。当水泵不是新泵时，可以确定任意转速下的多个工况点，对任意转速下的多个工况点的数据进行拟合，从而，得到任意转速下的流量-扬程曲线。在得到任意转速下的流量-扬程曲线之后，可以在第一预设时长内例如10天内每间隔第二预设时长例如90秒执行以下第二功率偏差率特征确定操作：获取水泵的转速和扬程或流量，基于转速对应的流量-扬程曲线，查取流量或扬程。然后，可以进一步计算出水泵的效率，以及基于水泵的效率，计算水泵的功率偏差率，确定出功率偏差率的波形的特征。在多次执行第二功率偏差率特征确定操作之后，可以将每一次执行第二功率偏差率特征确定操作得到的功率偏差率的波形的特征即功率偏差率的波形的抖动范围进行聚合，得到水泵的功率偏差率随时间变化的特征。
在第一预设时长内例如10天内多次执行第二功率偏差率特征确定操作时，可以在前3天确定功率偏差率波形特征，不对水泵的磨损程度进行预警，即不确定目标时长。后7天继续确定功率偏差率波形特征，同时，可以调整前3天确定的偏差率波形特征，同时对水泵的磨损程度进行预警。10天后，可以将调整后的水泵的功率偏差率功率偏差率的波形的特征作为最终的水泵的功率偏差率功率偏差率的波形的特征，对水泵的磨损程度进行预警。
在本实施例的一些可选的实现方式中，当待监控的设备为水泵时，预警关联参数为水泵的功率偏差率时，可以采用以下方式确定水泵的功率偏差率随时间变化的特征：可以通过流量、功率和转速计算功率偏差率。可以在第一预设时长内例如10天内每间隔第二预设时长例如90秒执行以下第三功率偏差率特征确定操作：可以首先读取水泵的转速、流量和功率。若为新的工况点，将新的工况点的数据用于功率-流量-转速模型即P-Q-N模型的拟合。一个转速下的功率-流量-转速模型可以用于描述该转速下功率和流量的对应关系。若不是新的工况点，可以基于转速、流量和功率，计算功率偏差率。在多次执行第三功率偏差率特征确定操作之后，可以将每一次执行第三功率偏差率特征确定操作得到的功率偏差率的波形的特征例如功率偏差率的波形的抖动范围进行聚合，例如，将在10天内每一次执行第三功率偏差率特征确定操作得到的功率偏差率的波形的特征进行聚合，得到水泵的功率偏差率功率偏差率的波形的特征。
在第一预设时长内例如10天内多次执行第三功率偏差率特征确定操作时，可以在前3天确定功率偏差率波形特征，不对水泵的磨损程度进行预警，即不确定目标时长。后7天继续确定功率偏差率波形特征，同时，可以调整前3天确定的偏差率波形特征，同时对水泵的磨损程度进行预警。10天后，可以将调整后的水泵的功率偏差率功率偏差率的波形的特征作为最终的水泵的功率偏差率功率偏差率的波形的特征，对水泵的磨损程度进行预警。
在本实施例的一些可选的实现方式中，可以构建流量-扬程-效率数据库即Q-H-η数据库，Q-H-η数据库也可称之为水泵数字模型，通过构建的Q-H-η数据库，实时监控水泵的实际效率，并进行节能提醒。可以采用以下方式构建Q-H-η数据库，实时监控水泵的实际效率，并进行节能提醒：可以执行多次以下节能特征确定操作：调节转速、阀门开度；读取调节转速、阀门开度后的流量、扬程、转速、功率。在每一个转速下，可以至少获取预设个数例如13个工况点，并且找到该转速的最高效率的工况点。针对每一个工况点的数值，可以每间隔预设时长例如20秒读取预设次数例如读取10次，取平均值作为工况点的数值。可以进一步计算出水泵的效率。在多次执行节能特征确定操作之后，可以建立流量-扬程-效率数据库。流量-扬程-效率数据库中可以存储任意转速下流量-扬程-效率的对应关系。
在本实施例的一些可选的实现方式中，当待监控的设备为水泵时，可以通过确定指示温度信息与转速的关联关系的函数F(T，N)函数的特征，实现对水泵的轴承磨损的提前预警。温度信息包括：环境温度、流体温度、轴承温度。
可以在第一预设时长内例如10天内每间隔第二预设时长例如90秒执行以下函数特征确定操作：可以首先获取水泵的温度信息或转速，通过拟合的方式得到F(T，N)函数。在得到F(T，N)函数之后，可以计算F(T，N)函数的函数值，确定得到的F(T，N)函数的波形的特征。在多次确定之后，可以将每一次确定得到的F(T，N)函数的波形的特征例如抖动范围进行聚合，得到F(T，N)函数的波形的特征。
在第一预设时长内例如10天内多次执行函数特征确定操作时，可以前3天确定F(T，N)函数的波形的特征，不开启预测预警，即不确定目标时长。后7天继续确定调整F(T，N)函数的波形的特征，同时开启预测预警。10天后，可以利用确定出的F(T，N)函数的波形的特征预测F(T，N)函数的振幅超出阈值的时间，实现对轴承磨损故障的预警。
在本实施例的一些可选的实现方式中，当待监控的设备为水泵时，可以通过构建指示得到流量、扬程、转速、功率之间的关联关系的P-Q-H-N模型，对叶轮气蚀或磨损故障、泵体叶轮堵塞故障、磨损故障、轴封泄漏故障等故障进行综合故障预警。
对于新泵，可以通过调节转速、阀门开度，得到用于构建指示得到流量、扬程、转速、功率之间的关联关系的流量-扬程-转速-功率模型即P-Q-H-N模型的数据，构建指示得到流量、扬程、转速、功率之间的关联关系的P-Q-H-N模型。当数据不足时，可以采用相似定律和多项式拟合的方式构建P-Q-H-N模型。对与旧泵，可以在预设时长例如10天中，累积用于构建P-Q-H-N模型的数据来构建P-Q-H-N模型。当数据不足时，可以采用相似定律和多项式拟合的方式构建P-Q-H-N模型。
在构建出P-Q-H-N模型之后，可以在第一预设时长内例如10天内每间隔第二预设时长例如90秒执行以下综合特征确定操作：可以获取水泵的流量、扬程、功率、转速中的任意一项，从P-Q-H-N模型中查询出计算功率偏差率即P_rate、流量偏差率即Q_rate、扬程偏差率即H_rate所需的数据来计算功率偏差率、流量偏差率、扬程偏差率。
可以将每一次执行综合特征确定操作得到的功率偏差率、流量偏差率、扬程偏差率的特征进行聚合，得到水泵的功率偏差率、流量偏差率、扬程偏差率的波形的特征。
在第一预设时长内例如10天内多次执行综合特征确定操作时，可以前3天确定P_rate、Q_rate、H_rate的波形特征，不进行综合故障预警。后7天继续确定调整P_rate、Q_rate、H_rate的波形特征，同时开启综合故障预警。10天后，可以根据功率偏差率、流量偏差率、扬程偏差率的波形的特征，直接进行综合故障预警。
步骤202，基于当前时间预警关联参数数值和预警关联参数的参数值随时间变化的特征，确定目标时长。
在本实施例中，在确定出预警关联参数的参数值随时间变化的特征之后，可以基于当前时间待监控设备的预警关联参数数值和特征信息，确定目标时长。
在本实施例的一些可选的实现方式中，当待监控的设备为水泵时，预警关联参数可以为水泵的功率偏差率，预警关联参数的参数值随时间变化的特征为功率偏差率的波形的特征。可以根据水泵的功率偏差率功率偏差率的波形的特征，获取当前时间的获取水泵的转速和功率，计算出当前时间的水泵的功率偏差率，确定出目标时长，即确定出从当前时间起水泵的功率偏差率大于水泵的功率偏差率的阈值经历的时长。可以根据水泵的功率偏差率的阈值经历的时长所属的时长区间，确定是否生成预警信息。例如，当目标时长为72个小时以上时，可以不生成预警信息。当目标时长为0-12个小时之间时，可以生成指示对水泵进行最高级别的一级保养的预警信息。
在本实施例的一些可选的实现方式中，在建立了流量-扬程-效率数据库之后，可以读取当前时间水泵的转速和流量或扬程，也可以读取流量和扬程，通过查询流量-扬程-效率数据库，来标定当前工况点的性能区间。性能区间可以包括但不限于：最佳性能区间、一般性能区间、最差性能区间。
在本实施例的一些可选的实现方式中，当待监控的设备为水泵时，预警关联参数可以为指示温度信息与水泵的转速的关联关系的函数的函数值，预警关联参数的参数值随时间变化的特征为指示温度信息与水泵的转速的关联关系的函数的波形的特征。可以获取当前时间的水泵的温度信息或转速，计算F(T，N)函数的函数值，利用F(T，N)函数的波形的特征确定出目标时长即F(T，N)函数的振幅超出阈值的时间，实现对轴承磨损故障的预警。
在本实施例的一些可选的实现方式中，可以根据水泵的功率偏差率、流量偏差率、扬程偏差率的波形的特征，获取当前时间的功率偏差率、流量偏差率、扬程偏差率，计算出目标时长。目标时长可以为P_rate的增加量超过阈值，H_rate的降低量超过阈值的时长。可以预测经过该目标时长之后，水泵出现叶轮气蚀或磨损故障。目标时长可以为H_rate的增加量超过阈值，Q_rate的降低量超过阈值的时长。可以预测经过该目标时长之后水泵出现泵体叶轮堵塞故障。目标时长可以为P_rate的增加量超过阈值的时长，可以预测经过该目标时长之后水泵出现磨损故障。目标时长可以为H_rate的降低量超过阈值，Q_rate的降低量超过阈值的时长。可以预测经过该目标时长之后，水泵出现轴封泄漏故障。
请参考图3，其示出了根据本申请的智能监控装置的一个实施例的结构示意图。
如图3所示，智能监控装置包括：确定单元301，预警单元302。其中，确定单元301配置用于基于预设时长内待监控的设备的预警关联参数的多个参数值，确定预警关联参数的参数值随时间变化的特征；预警单元302配置用于基于当前时间待监控设备的预警关联参数的参数值和所述预警关联参数的参数值随时间变化的特征，确定目标时长，以及基于目标时长所属的时长区间，确定是否生成预警信息，目标时长为从当前时间起预警关联参数的参数值大于预警关联参数对应的阈值经历的时长。
智能监控装置可以对待监控的设备的运行过程中可能出现的故障进行预警。例如，待监控的设备为水泵，智能监控装置可以对水泵是否需要保养进行预警、节能提醒、叶轮气蚀或磨损故障、泵体叶轮堵塞故障、磨损故障、轴封泄漏故障等故障进行综合预警，无需以人工方式对工业设备的运行过程进行监控，实现真正的工业设备的自动化运行。
请参考图4，其示出了根据本申请的智能监控装置一个硬件结构示意图。
如图4所示，智能监控装置包括：CPU401、存储器402、传感器403，CPU401、存储器402、传感器403通过总线404彼此相连。根据本申请的智能监控方法可以被实现为计算机程序，该计算机程序中包含上述步骤201-202中描述的操作的指令。计算机程序可以存储在存储器402中。智能监控装置的CPU 401通过调用存储器402中存储的计算机程序，来对待监控的设备进行监控。
本申请还提供了一种计算机可读介质，该计算机可读介质可以是智能监控装置上所包括的；也可以是单独存在，未装配入智能监控装置上。该计算机可读介质承载有一个或者多个程序，当一个或者多个程序被该智能监控装置执行时，使得该智能监控装置：基于预设时长内待监控的设备的预警关联参数的多个参数值，确定预警关联参数的参数值随时间变化的特征；基于当前时间待监控设备的预警关联参数的参数值和预警关联参数的参数值随时间变化的特征，确定目标时长，以及基于目标时长所属的时长区间，确定是否生成预警信息，目标时长为从当前时间起预警关联参数的参数值大于预警关联参数对应的阈值经历的时长。
需要说明的是，上述计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以包括但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中，计算机可读存储介质可以是任何包括或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以为多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包括的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离本申请的构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术。

Claims (9)

1.一种智能监控方法，其特征在于，所述方法包括：
基于预设时长内待监控的设备的预警关联参数的多个参数值，确定预警关联参数的参数值随时间变化的特征，其中，待监控的设备为水泵；
基于当前时间待监控设备的预警关联参数的参数值和预警关联参数的参数值随时间变化的特征，确定目标时长，以及基于目标时长所属的时长区间，确定是否生成预警信息，目标时长为从当前时间起预警关联参数的参数值大于预警关联参数对应的阈值经历的时长；
构建流量-扬程-效率数据库，实时监控待监控的设备的实际效率，并进行节能提醒。
2.根据权利要求1所述的方法，其特征在于，预警关联参数为水泵的功率偏差率，预警关联参数的参数值随时间变化的特征为水泵的功率偏差率的波形的特征；以及
基于预设时长内待监控的设备的预警关联参数的多个参数值，确定预警关联参数的参数值随时间变化的特征包括：
执行以下第一功率偏差率特征确定操作：
获取水泵的第一运行参数，第一运行参数包括：转速、功率；
基于所述第一运行参数和预设运行参数，计算水泵的功率偏差率，预设运行参数包括以下之一：额定的第一运行参数、标定的第一运行参数；
确定水泵的功率偏差率的波形的特征；
判断执行第一功率偏差率特征确定操作的时长之和是否大于第一预设时长；
若否，经过第二预设时长后再次执行第一功率偏差率特征确定操作；
若是，聚合每一次第一功率偏差率特征确定操作中确定出的水泵的功率偏差率的波形的特征，得到水泵的功率偏差率的波形的特征。
3.根据权利要求1所述的方法，其特征在于，预警关联参数为水泵的功率偏差率，预警关联参数的参数值随时间变化的特征为水泵的功率偏差率的波形的特征；以及
基于预设时长内待监控的设备的预警关联参数的多个参数值，确定预警关联参数的参数值随时间变化的特征包括：
执行以下第二功率偏差率特征确定操作：
获取水泵的转速和水泵的第二运行参数，所述第二运行参数包括以下之一：扬程、流量；
基于水泵的转速和水泵的第二运行参数，从所述转速对应的流量-扬程曲线中查询出水泵的流量或扬程；
基于水泵的转速和查询出水泵的流量或扬程，计算水泵的效率，以及基于水泵的效率，计算水泵的功率偏差率；
确定水泵的功率偏差率的波形的特征；
判断执行第二功率偏差率特征确定操作的时长之和是否大于第一预设时长；
若否，经过第二预设时长后再次执行第二功率偏差率特征确定操作；
若是，聚合每一次第二功率偏差率特征确定操作中确定出的水泵的功率偏差率的波形的特征，得到水泵的功率偏差率的波形的特征。
4.根据权利要求1所述的方法，其特征在于，预警关联参数为水泵的功率偏差率，预警关联参数的参数值随时间变化的特征为水泵的功率偏差率的波形的特征；以及
基于预设时长内待监控的设备的预警关联参数的多个参数值，确定预警关联参数的参数值随时间变化的特征包括：
执行以下第三功率偏差率特征确定操作：
获取水泵的第三运行参数，第三运行参数包括：转速、流量、功率；
判断第三运行参数对应的工况点是否为新的工况点；
若是，将第三运行参数作为构建指示水泵的功率、流量和转速的关联关系的功率-流量-转速模型所需的拟合数据；
若否，基于功率-流量-转速模型，计算水泵的功率偏差率；
确定水泵的功率偏差率的波形的特征；
判断执行第三功率偏差率特征确定操作的时长之和是否大于第一预设时长；
若否，经过第二预设时长后再次执行第三功率偏差率特征确定操作；
若是，聚合每一次第三功率偏差率特征确定操作中确定出的水泵的功率偏差率的波形的特征，得到水泵的功率偏差率的波形的特征。
5.根据权利要求1所述的方法，其特征在于，所述构建流量-扬程-效率数据库，实时监控待监控的设备的实际效率，并进行节能提醒，包括：
执行多次以下节能特征确定操作：
调节水泵的转速和阀门开度；
获取调节转速和阀门开度后的水泵的流量、水泵的扬程、水泵的转速、水泵的功率，以及计算水泵的效率；
基于调节转速和阀门开度后的水泵的流量、水泵的扬程和水泵的效率，确定调节转速后的转速下流量、扬程和效率的关联关系；
聚合每一次节能特征确定操作中确定出的调节转速后的转速下流量、扬程和效率的关联关系，得到包含多个转速下流量、扬程和效率的关联关系的流量-扬程-效率数据库。
6.根据权利要求1所述的方法，其特征在于，预警关联参数为指示温度信息与水泵的转速的关联关系的函数的函数值，预警关联参数的参数值随时间变化的特征为指示温度信息与水泵的转速的关联关系的函数的波形的特征；以及
基于预设时长内待监控的设备的预警关联参数的多个参数值，确定预警关联参数的参数值随时间变化的特征包括：
执行以下函数特征确定操作：
获取温度信息或水泵的转速，温度信息包括：环境温度、流体温度、轴承温度；
将温度信息或水泵的转速作为构建指示温度信息与水泵的转速的关联关系的函数的所需的拟合数据；
基于温度信息或水泵的转速，计算指示温度信息与水泵的转速的关联关系的函数的函数值；
确定指示温度信息与水泵的转速的关联关系的函数的波形的特征；
判断执行函数特征确定操作的时长之和是否大于第一预设时长；
若否，经过第二预设时长后再次执行函数特征确定操作；
若是，聚合每一次函数特征确定操作中确定出的指示温度信息与水泵的转速的关联关系的函数的波形的特征，得到指示温度信息与水泵的转速的关联关系的函数的波形的特征。
7.根据权利要求1所述的方法，其特征在于，预警关联参数包括：功率偏差率、流量偏差率、扬程偏差率，预警关联参数的参数值随时间变化的特征包括：水泵的功率偏差率的波形的特征、水泵的流量偏差率的波形的特征、水泵的扬程偏差率的波形的特征；以及
基于预设时长内待监控的设备的预警关联参数的多个参数值，确定预警关联参数的参数值随时间变化的特征包括：
执行以下综合特征确定操作：
获取水泵的第四运行参数，第四运行参数包括以下之一：流量、扬程、功率、转速；
基于运行参数，从预先构建的指示流量、扬程、转速、功率之间的关联关系的流量-扬程-转速-功率模型中查询出计算功率偏差率、流量偏差率、扬程偏差率所需的数据；
基于查询出的数据，计算水泵的功率偏差率、水泵的流量偏差率、水泵的扬程偏差率；
确定水泵的功率偏差率的波形的特征、水泵的流量偏差率的波形的特征和水泵的扬程偏差率的波形的特征；
判断执行综合特征确定操作的时长之和是否大于第一预设时长；
若否，经过第二预设时长后再次执行综合特征确定操作；
若是，聚合每一次综合特征确定操作中确定出的水泵的功率偏差率的波形的特征、水泵的流量偏差率的波形的特征和水泵的扬程偏差率的波形的特征，得到功率偏差率的波形的特征、流量偏差率的波形的特征和扬程偏差率的波形的特征。
8.一种智能监控装置，其特征在于，所述智能监控装置包括：
确定单元，配置用于基于预设时长内待监控的设备的预警关联参数的多个参数值，确定预警关联参数的参数值随时间变化的特征，其中，待监控的设备为水泵；
预警单元，配置用于基于当前时间待监控设备的预警关联参数的参数值和预警关联参数的参数值随时间变化的特征，确定目标时长，以及基于目标时长所属的时长区间，确定是否生成预警信息，目标时长为从当前时间起预警关联参数的参数值大于预警关联参数对应的阈值经历的时长；
提醒单元，配置用于构建流量-扬程-效率数据库，实时监控待监控的设备的实际效率，并进行节能提醒。
9.一种可读计算机存储介质，其特征在于，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-7中任一所述的方法。
CN201710315884.3A 2017-05-08 2017-05-08 智能监控方法、装置和可读计算机存储介质 Active CN106959652B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201710315884.3A CN106959652B (zh) 2017-05-08 2017-05-08 智能监控方法、装置和可读计算机存储介质
US15/889,984 US10282968B2 (en) 2017-05-08 2018-02-06 Intelligent monitoring method and apparatus

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710315884.3A CN106959652B (zh) 2017-05-08 2017-05-08 智能监控方法、装置和可读计算机存储介质

Publications (2)

Publication Number Publication Date
CN106959652A CN106959652A (zh) 2017-07-18
CN106959652B true CN106959652B (zh) 2019-08-16

Family

ID=59482953

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710315884.3A Active CN106959652B (zh) 2017-05-08 2017-05-08 智能监控方法、装置和可读计算机存储介质

Country Status (2)

Country Link
US (1) US10282968B2 (zh)
CN (1) CN106959652B (zh)

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11341836B2 (en) * 2019-06-07 2022-05-24 Field Intelligence, Inc. Persistent monitoring and real time low latency local control of centrifugal hydraulic pump, remote monitoring and control, and collecting data to produce performance profiles
CN110889205A (zh) * 2019-11-06 2020-03-17 精英数智科技股份有限公司 液压站监控的方法、装置、设备和存储介质
CN113361737A (zh) * 2020-03-05 2021-09-07 中国电力科学研究院有限公司 一种光伏组件的异常预警方法及系统
CN111797525B (zh) * 2020-06-03 2021-07-30 中国南方电网有限责任公司超高压输电公司广州局 一种管道压力控制方法及系统
CN113790164B (zh) * 2020-08-19 2023-11-03 北京京东尚科信息技术有限公司 设备故障预警方法、装置、电子设备及计算机可读介质
CN112131081B (zh) * 2020-09-28 2024-01-02 北京达佳互联信息技术有限公司 一种故障报警参数调整方法、装置、电子设备及存储介质
CN114186738A (zh) * 2021-12-10 2022-03-15 北京百度网讯科技有限公司 一种故障预警方法、装置、电子设备和存储介质
CN116295922B (zh) * 2022-12-13 2025-09-23 紫光同芯微电子有限公司 基于结温传感器的提前告警方法及装置
CN116997100B (zh) * 2023-05-29 2024-02-20 上海展华电子(南通)有限公司 一种基于机器视觉的焊盘制作方法、系统及介质
CN120492875B (zh) * 2025-07-09 2025-09-19 山东良庄矿业有限公司 一种泵房自动化监控预警方法及系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102156043A (zh) * 2010-12-31 2011-08-17 北京四方继保自动化股份有限公司 风力发电机组在线状态监测与故障诊断系统
CN103019135A (zh) * 2012-11-28 2013-04-03 北京金风科创风电设备有限公司 风机部件的寿命预测方法及系统
CN103245912A (zh) * 2013-03-23 2013-08-14 中国水利电力物资有限公司 一种风电机组运行状态分析诊断方法和系统
CN103903408A (zh) * 2014-04-04 2014-07-02 内蒙古大唐国际新能源有限公司 设备故障侦查预警方法和系统
JP2014166121A (ja) * 2013-02-28 2014-09-08 Hitachi Ltd 光モジュール寿命予測システム、光モジュール寿命予測装置、光モジュール寿命予測方法及び光モジュール寿命予測プログラム
CN105760617A (zh) * 2016-03-07 2016-07-13 华北电力大学（保定） 一种应用于风力发电机组的多参量故障预测判定指标的计算方法

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9077183B2 (en) * 2011-09-06 2015-07-07 Portland State University Distributed low-power wireless monitoring
US9747776B2 (en) * 2012-06-08 2017-08-29 Neilsen-Kuljian, Inc. Electrical sensor with configurable settings and a display
US9425978B2 (en) * 2012-06-27 2016-08-23 Ubiquiti Networks, Inc. Method and apparatus for configuring and controlling interfacing devices
US9923377B2 (en) * 2013-08-09 2018-03-20 British Telecommunications Public Limited Company Electrical tester
US9912232B2 (en) * 2016-05-02 2018-03-06 Cirrus Logic, Inc. Peak current limiting in inductor-based power converter

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102156043A (zh) * 2010-12-31 2011-08-17 北京四方继保自动化股份有限公司 风力发电机组在线状态监测与故障诊断系统
CN103019135A (zh) * 2012-11-28 2013-04-03 北京金风科创风电设备有限公司 风机部件的寿命预测方法及系统
JP2014166121A (ja) * 2013-02-28 2014-09-08 Hitachi Ltd 光モジュール寿命予測システム、光モジュール寿命予測装置、光モジュール寿命予測方法及び光モジュール寿命予測プログラム
CN103245912A (zh) * 2013-03-23 2013-08-14 中国水利电力物资有限公司 一种风电机组运行状态分析诊断方法和系统
CN103903408A (zh) * 2014-04-04 2014-07-02 内蒙古大唐国际新能源有限公司 设备故障侦查预警方法和系统
CN105760617A (zh) * 2016-03-07 2016-07-13 华北电力大学（保定） 一种应用于风力发电机组的多参量故障预测判定指标的计算方法

Also Published As

Publication number Publication date
CN106959652A (zh) 2017-07-18
US10282968B2 (en) 2019-05-07
US20180324504A1 (en) 2018-11-08

Similar Documents

Publication Publication Date Title
CN106959652B (zh) 智能监控方法、装置和可读计算机存储介质
CN112101662B (zh) 设备健康状况和生命周期检测方法、存储介质及电子设备
CN117273402B (zh) 基于物联网技术的玻璃深加工生产线节能管理系统及方法
EP3186514B1 (en) Monitoring of a pump
WO2024065988A1 (zh) 设备监测方法和系统、电子设备、存储介质
WO2017179049A1 (en) A method and system for hvac malfunction and inefficiency detection over smart meters data
CN103901305B (zh) 电力设备的在线预警方法
CN118309644A (zh) 基于数字孪生的管道泵运行流量监测方法及系统
US11348013B2 (en) Determining, encoding, and transmission of classification variables at end-device for remote monitoring
CN120212064B (zh) 水泵泵站运行调节装置及调节方法
KR102079916B1 (ko) 과금 기간 내 누진 요율 및 시간대별 소비 전력 패턴을 고려한 가전 기기의 효율적 사용 알림 시스템 및 방법
CN113360486B (zh) 数据预测方法、装置、电子设备和介质
US11375677B2 (en) Fluid conservation system and methods of use
CN116734174B (zh) 一种电动阀的控制方法及系统
US20240035619A1 (en) Steam trap
EP4166920B1 (en) Method and system for anomaly detection for a pumped pipeline
CN117850257A (zh) 一种基于物联网的智能监控方法、系统、终端及存储介质
CN117469152A (zh) 流体泵异常检测方法、装置、电子设备和存储介质
Basavaraddi et al. Optimizing Water Distribution Pump Scheduling with SVM-Based Machine Learning Using IoT Sensor Data
CN120558165B (zh) 一种用于隧道的变形监测预警方法及系统
EP4431899A1 (en) Machine learning based detection of compressed air leaks
US12332106B1 (en) Wellbore water level and health determination system and method(s)
Vaithilingam et al. Intelligent Air Conditioning Systems: Enhancing Energy Efficiency and Indoor Air Quality through IoT and Air Conditioning Unit Using Machine Learning
CN121278612A (zh) 一种基于机器学习的排水管渠状态智能诊断方法及系统
CN120932404A (zh) 一种用于主变气体膨胀的远程管控预警系统、方法及介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant