本发明属于设备诊断的技术领域，具体涉及一种基于大数据的物联网设备运行分析诊断算法。
背景技术：
设备是企业进行正常生产的物质基础。设备的可靠性和维护效果是保障企业生存的必要条件。设备健康状态的监测、诊断以及维护都直接影响企业的生产经营和经济效益，已成为企业降低生产成本和保证生产效率的基础。如果在生产设备使用过程中，未能对其运行健康状态进行有效的监测诊断，则设备的突发故障可能会带来难以估算的安全隐患，工厂运维人员只能实施事后维修、非计划停机，并承担巨额维修费用和生产损失。
随着信息化与工业化的深度融合，信息技术渗透到了工业产业链的各个环节。机械设备所产生、采集和处理的数据日益丰富，移动互联网、物联网、大数据带来的设备健康状态感知、高速数据传输、分布式计算和诊断分析等先进技术，给工业带来深刻的变革，使工业进入了新的发展阶段。采用先进的信息化分析技术对设备健康状态进行监测诊断，己经成为企业降低生产成本、提高生产效率和市场竞争力的重要手段之一。该技术可使企业避免非计划停机和安全事故，减少企业的维修费用和备件成本。
技术实现要素：
本发明的目的在于提供一种基于大数据的物联网设备运行分析诊断算法，本发明通过故障预测诊断模型得到预诊断故障类型，从而实现一个预判断，方便协助现场维修人员精准找到故障并维修；然后通过预判断与现场维修人员检查的实际故障类型进行比对，实时更新历史数据库，对故障预测诊断模型进行锻炼实现深度学习，从而提高了设备的检测和维护的效率，实现提前发现及时维护，节省生产成本，具有较好的实用性。
本发明主要通过以下技术方案实现：一种基于大数据的物联网设备运行分析诊断算法，采集设备的原始监测数据，对原始监测数据进行筛选，统计异常数据的变化趋势，并通过故障预测诊断模型得到预诊断故障类型，然后通过现场人员进行实时检测分析，若人工检测的故障类型与预诊断故障类型不同，则采用人工检测的故障类型对故障预测诊断模型进行更新，人工录入的故障异常类型以及异常数据记录存入历史数据库；否则，预诊断故障类型和故障异常参数将录入历史数据库；然后采用数据挖掘算法对历史数据库进行重组、挖掘，实现定期对历史数据库中的故障类型进行汇总，更新同类型异常参数的变化范围，并更新到故障预测诊断模型中。
本发明在使用过程中，首先实时采集原始监测数据，然后进行数据预处理及特种提取，然后筛选得到有效数据，将筛选的有效数据导入故障预测诊断模型得到预诊断故障类型，然后根据预诊断故障类型分配维修人员，根据维修人员现场反馈的信息对预诊断故障类型精确与否进行判断，若信息一致，则该预诊断故障类型和数据异常记录导入历史数据库作为下一次的参考对象；若信息不一致，则采用人工检测的故障类型对故障预测诊断模型进行更新，实现故障预测诊断模型的深度学习，并将人工检测的故障类型和数据异常记录导入历史数据库作为下一次的参考对象。本发明通过多次的预诊断故障类型与人工检测的故障类型进行比对，实现对故障预测诊断模型的锻炼和更新，并实现了对历史数据库的丰富，增强系统处理的经验值，具有较好的实用性。
为了更好的实现本发明，进一步的，包括数据采集与传输模块、存储模块、web用户端、远程控制模块，所述数据采集与传输模块采用传感器采集原始监测数据，利用无线传感器节点通过工业无线mesh网传输到网关，网关接收到数据包，处理并发送到服务器；服务器定期将数据写入分布式文件存储的存储模块，服务器用于处理数据；web用户端用于接收处理后的数据信息以展示数据趋势图、故障结果统计信息，并根据诊断分析的内容发送报警信息；所述远程控制模块用于实现对现场设备的远程控制。
所述web用户端用于实现空间信息检索与资源匹配、数据分析与管理、人员绩效考核与评价、任务匹配与分配。本发明可以通过4g与服务器进行实时的通信，利用智能app端可以实现数据的交换，web用户端的管理人员可以通过以任务的形式向系统中各部门对应的维修人员发布工作型任务，并通过app发送通知信息给维修人员的使用端，同时维修人员实现现场的故障信息反馈，上传到服务器，从而实现信息的交互。
为了更好的实现本发明，进一步的，所述web用户端包括人员管理单元、设备维修单元，人员管理单元用于统计各部门的人员在职状态，所述设备维修单元用于统计各设备下的维修记录。web用户端可以根据设备匹配算法找到历史维修人员记录，然后根据维修人员的在职状态实现任务分配。
为了更好的实现本发明，进一步的，远程控制模块包括现场视频监控模块和人脸识别模块；根据故障类型，web用户端对应分配相契合的部门维护人员，同时将发送通知信息给该部门维护人员，所述通知信息包括异常数据趋势图、预诊断故障类型以及定位信息；同时发送该部门维护人员的身份信息到远程控制模块。
为了更好的实现本发明，进一步的，将维护人员录入的故障类型信息依次进行失效模式分析、失效机理分析，得出故障解决的最佳方案，然后并录入设备维修单元，对设备诊断结论信息进行记录。本发明在确定故障类型后，会进一步的对故障类型进行失效模式分析、失效机理分析，总结维修经验，从而得出最佳的故障解决方案，并记录在web用户端的设备维修单元，用于提醒被分配的维护人员预诊断故障类型的解决方案，提高工作效率，具有较好的实用性。
为了更好的实现本发明，进一步的，服务器程序的消息处理采用队列机制，配合多线程；所述服务器在处理消息线程将判断数据包的类型和子类型，从数据包的类型和子类型综合判断此数据包是否为设备数据；服务器将原始监测数据转换为可用信息，所述可用信息包括传感器的编号、设备的通道、设备的地址、转换后的数据量。
为了更好的实现本发明，进一步的，采用若干台搭载着linux操作系统的单机设备搭建分布式文件存储系统。
本发明的有益效果：
（1）采集设备的原始监测数据，对原始监测数据进行筛选，统计异常数据的变化趋势，并通过故障预测诊断模型得到预诊断故障类型，然后通过现场人员进行实时检测分析，若人工检测的故障类型与预诊断故障类型不同，则采用人工检测的故障类型对故障预测诊断模型进行更新，人工录入的故障异常类型以及异常数据记录存入历史数据库；否则，预诊断故障类型和故障异常参数将录入历史数据库；然后采用数据挖掘算法对历史数据库进行重组、挖掘，实现定期对历史数据库中的故障类型进行汇总，更新同类型异常参数的变化范围，并更新到故障预测诊断模型中。本发明通过故障预测诊断模型得到预诊断故障类型，从而实现一个预判断，方便协助现场维修人员精准找到故障并维修；然后通过预判断与现场维修人员检查的实际故障类型进行比对，实时更新历史数据库，对故障预测诊断模型进行锻炼实现深度学习，从而提高了设备的检测和维护的效率，实现提前发现及时维护，节省生产成本，具有较好的实用性。
（2）远程控制模块包括现场视频监控模块和人脸识别模块；根据故障类型，web用户端对应分配相契合的部门维护人员，同时将发送通知信息给该部门维护人员，所述通知信息包括异常数据趋势图、预诊断故障类型以及定位信息；同时发送该部门维护人员的身份信息到远程控制模块。本发明通过web用户端实现了对诊断信息的积极响应，提高了工作效率，具有较好的实用性。
（3）将维护人员录入的故障类型信息依次进行失效模式分析、失效机理分析，得出故障解决的最佳方案，然后并录入设备维修单元，对设备诊断结论信息进行记录。本发明在确定故障类型后，会进一步的对故障类型进行失效模式分析、失效机理分析，总结维修经验，从而得出最佳的故障解决方案，并记录在web用户端的设备维修单元，用于提醒被分配的维护人员预诊断故障类型的解决方案，提高工作效率，具有较好的实用性。
具体实施方式
实施例1：
一种基于大数据的物联网设备运行分析诊断算法，采集设备的原始监测数据，对原始监测数据进行筛选，统计异常数据的变化趋势，并通过故障预测诊断模型得到预诊断故障类型，然后通过现场人员进行实时检测分析，若人工检测的故障类型与预诊断故障类型不同，则采用人工检测的故障类型对故障预测诊断模型进行更新，人工录入的故障异常类型以及异常数据记录存入历史数据库；否则，预诊断故障类型和故障异常参数将录入历史数据库；然后采用数据挖掘算法对历史数据库进行重组、挖掘，实现定期对历史数据库中的故障类型进行汇总，更新同类型异常参数的变化范围，并更新到故障预测诊断模型中。
本发明在使用过程中，首先实时采集原始监测数据，然后进行数据预处理及特种提取，然后筛选得到有效数据，将筛选的有效数据导入故障预测诊断模型得到预诊断故障类型，然后根据预诊断故障类型分配维修人员，根据维修人员现场反馈的信息对预诊断故障类型精确与否进行判断，若信息一致，则该预诊断故障类型和数据异常记录导入历史数据库作为下一次的参考对象；若信息不一致，则采用人工检测的故障类型对故障预测诊断模型进行更新，实现故障预测诊断模型的深度学习，并将人工检测的故障类型和数据异常记录导入历史数据库作为下一次的参考对象。本发明通过多次的预诊断故障类型与人工检测的故障类型进行比对，实现对故障预测诊断模型的锻炼和更新，并实现了对历史数据库的丰富，增强系统处理的经验值，具有较好的实用性。
本发明通过故障预测诊断模型得到预诊断故障类型，从而实现一个预判断，方便协助现场维修人员精准找到故障并维修；然后通过预判断与现场维修人员检查的实际故障类型进行比对，实时更新历史数据库，对故障预测诊断模型进行锻炼实现深度学习，从而提高了设备的检测和维护的效率，实现提前发现及时维护，节省生产成本，具有较好的实用性。
实施例2：
本实施例是在实施例1的基础上进行优化，包括数据采集与传输模块、存储模块、web用户端、远程控制模块，所述数据采集与传输模块采用传感器采集原始监测数据，利用无线传感器节点通过工业无线mesh网传输到网关，网关接收到数据包，处理并发送到服务器；服务器定期将数据写入分布式文件存储的存储模块，服务器用于处理数据；web用户端用于接收处理后的数据信息以展示数据趋势图、故障结果统计信息，并根据诊断分析的内容发送报警信息；所述远程控制模块用于实现对现场设备的远程控制。
服务器程序的消息处理采用队列机制，配合多线程；所述服务器在处理消息线程将判断数据包的类型和子类型，从数据包的类型和子类型综合判断此数据包是否为设备数据；服务器将原始监测数据转换为可用信息，所述可用信息包括传感器的编号、设备的通道、设备的地址、转换后的数据量。采用若干台搭载着linux操作系统的单机设备搭建分布式文件存储系统。
所述web用户端用于实现空间信息检索与资源匹配、数据分析与管理、人员绩效考核与评价、任务匹配与分配。本发明可以通过4g与服务器进行实时的通信，利用智能app端可以实现数据的交换，web用户端的管理人员可以通过以任务的形式向系统中各部门对应的维修人员发布工作型任务，并通过app发送通知信息给维修人员的使用端，同时维修人员实现现场的故障信息反馈，上传到服务器，从而实现信息的交互。
本发明通过web用户端实现了对诊断信息的积极响应，提高了工作效率，具有较好的实用性。本发明通过故障预测诊断模型得到预诊断故障类型，从而实现一个预判断，方便协助现场维修人员精准找到故障并维修；然后通过预判断与现场维修人员检查的实际故障类型进行比对，实时更新历史数据库，对故障预测诊断模型进行锻炼实现深度学习，从而提高了设备的检测和维护的效率，实现提前发现及时维护，节省生产成本，具有较好的实用性。
本实施例的其他部分与实施例1相同，故不再赘述。
实施例3：
本实施例是在实施例2的基础上进行优化，所述web用户端包括人员管理单元、设备维修单元，人员管理单元用于统计各部门的人员在职状态，所述设备维修单元用于统计各设备下的维修记录。远程控制模块包括现场视频监控模块和人脸识别模块；根据故障类型，web用户端对应分配相契合的部门维护人员，同时将发送通知信息给该部门维护人员，所述通知信息包括异常数据趋势图、预诊断故障类型以及定位信息；同时发送该部门维护人员的身份信息到远程控制模块。将维护人员录入的故障类型信息依次进行失效模式分析、失效机理分析，得出故障解决的最佳方案，然后并录入设备维修单元，对设备诊断结论信息进行记录。
本发明在确定故障类型后，会进一步的对故障类型进行失效模式分析、失效机理分析，总结维修经验，从而得出最佳的故障解决方案，并记录在web用户端的设备维修单元，用于提醒被分配的维护人员预诊断故障类型的解决方案，提高工作效率，具有较好的实用性。
本实施例的其他部分与上述实施例2相同，故不再赘述。
以上所述，仅是本发明的较佳实施例，并非对本发明做任何形式上的限制，凡是依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化，均落入本发明的保护范围之内。