工业设备运行状态的监测系统、方法、设备及存储介质与流程

本技术实施例涉及工业互联网设备管理，具体涉及一种工业设备运行状态的监测系统、方法、设备及存储介质。

背景技术：

1、随着工业化的快速发展，各种工业互联网设备(简称工业设备)的使用也逐渐增多。例如，由于自动化生产有效地降低了人力成本，使得人员分配更加合理，因此自动化生产的应用越来越广泛，而自动化生产中会应用到各种工业设备。对于自动化生产而言，对工业设备的运行状态进行及时监控，能够保障生产的连续性和稳定性。

2、目前，通常是利用人工对工业设备进行点检来监控工业设备的运行状态，但是人工点检的方式无法时刻监控工业设备的运行状态，也即无法时及时发现工业设备的异常。并且，人工点检的效率较低，若生产规模较大，应用的工业设备较多，还会增加人工成本。因此，若能高效地时刻监控工业设备的运行状态，并可以根据需要随时获取工业设备的运行状态，从而当工业设备运行异常时，能及时进行异常处理，减少因工业设备运行异常带来的损失。

技术实现思路

1、鉴于上述问题，本技术实施例提供了一种工业设备运行状态的监测系统、方法、设备及存储介质，用于解决现有技术中存在的无法高效地实时监测工业设备的运行状态的问题。

2、根据本技术实施例的一个方面，提供了一种工业设备运行状态的监测系统，所述系统包括工业网关、卡夫卡子系统、存储单元和大数据分析建模平台，其中，所述工业网关用于持续获取工业设备的原始运行数据，并对所述原始运行数据进行数据清洗处理后获得第一运行数据，将所述第一运行数据传输至所述卡夫卡子系统，其中，若所述系统监测至少两个所述工业设备，所述工业网关还用于汇总所有所述工业设备的所有所述原始运行数据；所述卡夫卡子系统包括第一消息节点和第二消息节点，其中，所述第一消息节点用于接收所述第一运行数据，并将所述第一运行数据传输至所述存储单元；所述大数据分析建模平台用于从所述卡夫卡子系统的所述第一消息节点中获取所述第一运行数据以执行数据监测任务，若执行所述数据监测任务的结果为所述第一运行数据异常，则对所述第一运行数据进行标记后获得第二运行数据，并将所述第二运行数据传输至所述卡夫卡子系统的所述第二消息节点中，其中，所述数据监测任务为将训练好的模型发布而成的任务；所述卡夫卡子系统的所述第二消息节点用于接收所述第二运行数据，并将所述第二运行数据传输至所述存储单元；所述存储单元用于存储所述第一运行数据和所述第二运行数据，其中，所述存储单元中存储的所述第一运行数据为历史数据；所述大数据分析建模平台还用于从所述存储单元中获取所述历史数据，采用所述历史数据对原始模型进行训练以获得所述训练好的模型。

3、在一种可选的方式中，所述系统还包括报警单元，其中，所述卡夫卡子系统的所述第二消息节点还用于将所述第二运行数据传输至所述报警单元；所述报警单元用于在所述第二运行数据满足预设的报警规则时生成报警信息。

4、在一种可选的方式中，所述系统还包括故障预测与健康管理子系统，其中，所述存储单元还用于将所述第一运行数据和所述第二运行数据传输至所述故障预测与健康管理子系统；所述报警单元还用于将所述报警信息传输至所述故障预测与健康管理子系统；所述故障预测与健康管理子系统用于接收所述第一运行数据、所述第二运行数据和所述报警信息，还用于根据所述第一运行数据和所述第二运行数据生成并显示所述工业设备的健康档案，并用于显示所述报警信息。

5、在一种可选的方式中，所述系统监测的所述工业设备中包括新增的所述工业设备，其中，所述故障预测与健康管理子系统还用于响应于新增的所述工业设备的接入，根据新增的所述工业设备的所述第一运行数据和专家经验数据确定新增的所述工业设备的报警规则。

6、在一种可选的方式中，所述工业设备包括指针式仪表盘，所述系统还包括图像采集单元，其中，所述图像采集单元用于获取所述指针式仪表盘的原始照片；所述工业网关还用于将所述原始照片输入至训练好的图片模型中，以对所述原始照片进行卷积和下采样处理后提取第一特征图，对所述第一特征图进行采样和卷积处理后获得超高分辨率图像，根据所述超高分辨率图像获取所述指针式仪表盘的指针刻度数据作为所述原始运行数据。

7、在一种可选的方式中，所述训练好的图片模型的损失函数由第一损失函数和第二损失函数确定，其中，所述第一损失函数lsr为：其中，n为像素数量，yi为超高分辨率图像，为参考图像；

8、所述第二损失函数ldet为：

9、

10、其中，λcoord为损失权重，s2为网格数量，b为每个网格产生的候选框的数量，为第i个网格第j个候选框是否负责检测该目标，负责取1，反之取0，若该预选框在所有预选框中与某目标真实框的交并比值最大，则为负责，反之为不负责，取值与取值相反，x，y，w，h分别表示预测边界框的中心坐标、宽度和高度，表示分别与x，y，w，h对应的真实标签值，c表示置信度，所述置信度为某个网格中是否存在目标的概率，表示与c对应的真实值，p表示候选框中目标属于类别c的可能性，表示与p对应的真实值；所述训练好的图片模型的所述损失函数lsum为：lsum＝lsr+βldet，其中，α、β分别为所述第一损失函数和所述第二损失函数的权重。

11、根据本技术实施例的另一方面，提供了一种工业设备运行状态的监测方法，所述方法包括：持续获取工业设备的原始运行数据，并对所述原始运行数据进行数据清洗处理后获得第一运行数据；将所述第一运行数据临时存储至第一临时存储单元，以使所述第一临时存储单元将所述第一运行数据传输并存储至永久存储单元，其中，所述永久存储单元存储的所述第一运行数据为历史数据；采用所述历史数据对原始模型进行训练，获得训练好的模型，其中，所述训练好的模型被发布为数据监测任务以监测所述工业设备运行状态是否异常；从所述第一临时存储单元中获取所述第一运行数据，以执行所述数据监测任务；若执行所述数据监测任务的结果为所述第一运行数据异常，则对所述第一运行数据进行标记，并获得第二运行数据；将所述第二运行数据临时存储至第二临时存储单元，以使所述第二临时存储单元将所述第二运行数据传输并存储至所述永久存储单元。

12、在一种可选的方式中，所述方法还包括：从所述第二临时存储单元中获取所述第二运行数据；在所述第二运行数据满足预设的报警规则时生成报警信息；显示所述第一运行数据、所述第二运行数据和/或所述报警信息。

13、根据本技术实施例的另一方面，提供了一种工业设备运行状态的监测设备，包括：处理器、存储器、通信接口和通信总线，所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信；所述存储器用于存放至少一可执行指令，所述可执行指令使所述处理器执行如上述工业设备运行状态的监测方法对应的操作。

14、根据本技术实施例的又一方面，提供了一种计算机可读存储介质，所述存储介质中存储有可执行指令，所述可执行指令使工业设备运行状态的监测设备执行如上述工业设备运行状态的监测方法对应的操作。

15、本技术实施例中，通过工业网关持续获取工业设备的原始运行数据，通过实时监测该运行数据即可实时监测工业设备的运行状态。对原始运行数据进行数据清洗处理后获得第一运行数据，通过对原始运行数据进行数据清洗处理，即可去除重复冗余的数据，从而再将第一运行数据传输至kafka子系统的第一消息节点中，由于去除了重复的原始运行数据，即减少了传输的数据量，从而提高了传输的速度，进而提高了监测工业设备运行状态的效率。第一消息节点再将第一运行数据传输至存储单元中存储，存储单元中存储的数据称为历史数据。大数据分析建模平台从存储单元中获取历史数据来训练原始模型，从而获得训练好的模型，进而训练好的模型可以发布数据监测任务。大数据分析建模平台再根据数据监测任务，从第一消息节点中获取第一运行数据以执行数据监测任务，从而监测工业设备的运行状态。若第一运行数据异常，则对第一运行数据进行标记，并获得第二运行数据，再将第二运行数据传输至第二消息节点中。通过利用不同的消息节点来传输第一运行数据和第二运行数据，从而可以将第一运行数据和第二运行数据进行区分，即可以直接从第一消息节点中直接获取第一运行数据进行监测，以监测工业设备的运行状态，从而提高监测工业设备运行状态的效率，单独存储的标记后的第二运行数据也可以直接被获取以进行利用。进一步地，该监测系统还可以用于同时监测多个不同类型的运行数据，即可同时监测至少两个工业设备，和/或同时监测一个工业设备的多个不同类型的运行数据，此时，利用kafka子系统的异步处理特点，即通过将不同类型的第一运行数据分别传输至第一消息节点中的不同主题中，而每一个类型的运行数据对应的训练好的模型为一个消费者，则不同的消费者可以异步获取不同主题中的第一运行数据，即实现同时监控工业设备的目的，相较于同步获取不同类型的第一运行数据进行监测，极大地提高了监测的效率。将第一运行数据和第二运行数据存储至存储单元后，用户可以根据需要查看运行数据，从而获取运行状态，进而可以及时进行异常处理。

16、上述说明仅是本技术实施例技术方案的概述，为了能够更清楚了解本技术实施例的技术手段，而可依照说明书的内容予以实施，并且为了让本技术实施例的上述和其它目的、特征和优点能够更明显易懂，以下特举本技术的具体实施方式。