一种基于机器学习多维度工业传感数据关联特征提取方法与流程

本发明涉及工业生产技术领域，尤其是一种基于机器学习多维度工业传感数据关联特征提取方法。

背景技术：

在企业生产的过程中，设备的运行状态不能快速有效的得知，对设备的监控以及数据的维护都为人工操作，这样的方式就会导致工人劳动量大，在实际的生产过程中，对于设备实时的状态不能得知，对于设备的信息也不能快速了解，导致使用不便。

技术实现要素：

为了克服现有的设备工作的不足，本发明提供了一种基于机器学习多维度工业传感数据关联特征提取方法。

本发明解决其技术问题所采用的技术方案是：一种基于机器学习多维度工业传感数据关联特征提取方法，将传感器安装在工业生产设备上，通过传感器将检测点的数据进行收集，通过厂区内设置的无线网络将收集的数据传送到基本服务器内，在该服务器内制成数据库，与该数据库连接有数据分析模块，数据分析模块调取服务器内的数据储存模块内的数据与数据库数据进行分析匹配。

根据本发明的另一个实施例，进一步包括，将设备正常运行状态下传感器获得的数据进行收集，并且储存到服务器内的数据储存模块内。

根据本发明的另一个实施例，进一步包括，在服务器内配置有数据记录模块，数据分析模块对数据记录模块收集的数据进行分析，计算出设备运行的损耗以及维护倒计时。

本发明的有益效果是，这种基于机器学习多维度工业传感数据关联特征提取方法，通过安装在设备上的传感器实时的对设备的运行状态进行数据采集，并且储存到服务器内，通过服务器内的数据分析模块分析数据，进而获得设备的运行状态以及可能存在故障概率以及维护倒计时。

附图说明

下面结合附图和实施例对本发明进一步说明。

图1是本发明的框架原理示意图。

具体实施方式

如图1是本发明的框架原理示意图，一种基于机器学习多维度工业传感数据关联特征提取方法，将传感器安装在工业生产设备上，通过传感器将检测点的数据进行收集，通过厂区内设置的无线网络将收集的数据传送到基本服务器内，在该服务器内制成数据库，与该数据库连接有数据分析模块，数据分析模块调取服务器内的数据储存模块内的数据与数据库数据进行分析匹配。

这种基于机器学习多维度工业传感数据关联特征提取方法，通过安装在设备上的传感器实时的对设备的运行状态进行数据采集，并且储存到服务器内，通过服务器内的数据分析模块分析数据，进而获得设备的运行状态以及可能存在故障概率以及维护倒计时。

根据本发明的另一个实施例，进一步包括，将设备正常运行状态下传感器获得的数据进行收集，并且储存到服务器内的数据储存模块内。

事先将设备正常运行的数据收集并且储存在服务器内的存储模块内，方便服务器内数据分析模块对该数据进行调取业绩对比。

根据本发明的另一个实施例，进一步包括，在服务器内配置有数据记录模块，数据分析模块对数据记录模块收集的数据进行分析，计算出设备运行的损耗以及维护倒计时。

数据分析模块与数据储存模块进行数据的交互，通过数据对比能够快速的得知设备的运行状态，并且能够预先的了解到该设备运行时存在的设备损耗，以及维护的倒计时，方便维护。

以上说明对本发明而言只是说明性的，而非限制性的，本领域普通技术人员理解，在不脱离所附权利要求所限定的精神和范围的情况下，可做出许多修改、变化或等效，但都将落入本发明的保护范围内。

技术特征：

技术总结
本发明涉及工业生产技术领域，尤其是一种基于机器学习多维度工业传感数据关联特征提取方法。其将传感器安装在工业生产设备上，通过传感器将检测点的数据进行收集，通过厂区内设置的无线网络将收集的数据传送到基本服务器内，在该服务器内制成数据库，与该数据库连接有数据分析模块，数据分析模块调取服务器内的数据储存模块内的数据与数据库数据进行分析匹配。这种基于机器学习多维度工业传感数据关联特征提取方法，通过安装在设备上的传感器实时的对设备的运行状态进行数据采集，并且储存到服务器内，通过服务器内的数据分析模块分析数据，进而获得设备的运行状态以及可能存在故障概率以及维护倒计时。

技术研发人员：何斌;余亮亮;高虎
受保护的技术使用者：南京智能制造研究院有限公司
技术研发日：2018.10.31
技术公布日：2019.02.22