一种用于自动化设备的在线监测及运维评估系统和方法与流程

1.本发明涉及在线监测及运维评估技术领域，特别涉及一种用于自动化设备的在线监测及运维评估系统和方法。


背景技术：

2.在已有的自动化设备中，一般都是等设备自身出现故障进行报警提醒后进行维修或者是人为的对设备进行按时检测，如果检测出故障则进行维修，采用这种方式，会降低对自动化设备的及时评估，从而导致设备出现问题却没能迅速解决修复，从而影响自动化设备的工作效率，导致设备工作性能变差。
3.因此，本发明提出了一种用于自动化设备的在线监测及运维评估系统和方法。


技术实现要素：

4.本发明提供一种用于自动化设备的在线监测及运维评估系统和方法，用以通过对自动化设备的在线监测，可以保证对自动化设备的及时运维与评估，对评估合格的自动化设备进行优化调整，可以保证自动化设备工作性能的优越性，对评估不合格的设备进行及时预警处理，可以及时保证对自动化设备修复效率。
5.本发明提供了一种用于自动化设备的在线监测及运维评估系统，包括：在线监测模块：用于在线监测每个自动化设备在当前状态下的实时设备信息；运维评估模块：用于基于监测到的实时设备信息，计算相应的运维评估指数，对自动化设备进行运维评估；优化及预警模块：用于基于运维评估结果，对运维评估合格的设备进行优化处理以及对运维评估不合格的设备进行预警提醒。
6.优选地，所述在线监测模块，包括：获取单元：用于在线监测并获取每个自动化设备的待监测设备部件的当下工作信息；处理单元：用于对获取到的当下工作信息进行标准化处理，得到第一数据集合并传输至所述运维评估模块；其中，第一数据集合包含的所有标准化处理结果即为对应的实时设备信息。
7.优选地，所述运维评估模块，包括：计算单元：用于基于第一数据集合与预设标准集合进行一一映射，并基于映射结果，计算对应自动化设备的运维评估指数；；其中，为对应自动化设备的运维评估指数；为第一数据集合所对应的待监
测设备部件的个数；为第一数据集合中第个待监测设备部件对应的工作信息进行标准化处理后的工作值；为预设标准集合中第个待监测设备部件对应的标准信息进行标准化处理后的标准值；为第一数据集合中第个待监测设备部件的权重值。
8.优选地，所述一种用于自动化设备的在线监测及运维评估系统，包括：信息提取模块：用于基于历史数据库调取对应自动化设备处于与当前工作环境类似的历史环境的历史损耗信息；模型构建模块：用于基于所述历史损耗信息构建对应自动化设备的概率预测模型；概率预测模块：用于基于所述概率预测模型，并结合所述当前工作环境的环境参数以及对应待监测部件的标准处理信息，获取每个待监测部件的损耗发生概率以及损耗发生等级；辅助优化模块：用于根据每个待监测部件的损耗发生概率、损耗发生等级，对运维评估结果进行辅助优化。
9.优选地，所述信息提取模块，包括：函数确定单元：用于确定所述历史数据库中包含的所有历史工作环境，并按照预设指定指标，每个历史工作环境设置第一环境指标函数s1(y1,x1,z1)，同时，还向对应当下工作环境设置第二环境指标函数s2(y2,x2,z2)；第一提取单元：用于当满足y1=y2，x1=x2以及z1=z3时，从所有历史工作环境中提取第一工作环境；第一确定单元：用于当所述第一工作环境的提取数量大于或等于参考样本数量r1时，将提取的所有第一工作环境的第一损耗信息，作为历史损耗信息；第二提取单元：用于当所述第一工作环境的提取数量小于参考样本数量r1时，根据，以及，从所有历史工作环境中提取第二工作环境；第二确定单元：按照提取的第一工作环境以及提取的第二工作环境对应的第二损耗信息，作为历史损耗信息；第三提取单元：用于当不满足y1=y2，x1=x2以及z1=z3时，按照，以及，从所有历史工作环境中提取第三工作环境；第三确定单元：按照提取的第三工作环境对应的第三损耗信息，作为历史损耗信息；其中，b1、b2、b3、b4为范围调整系数，且大于b2，小于b1；其中，y1表示对应历史工作环境下的湿度,x1表示对应历史工作环境下的温度，z1表示对应历史工作环境下的电磁辐射；y2表示当下工作环境下的湿度,x2表示当下工作环境下的温度，z2表示当下工作环境下的电磁辐射。
10.优选地，所述模型构建模块，包括：阵列构建单元：用于基于所述历史损耗信息，构建每个待监测部件的历史损耗阵列，其中，所述历史损耗阵列中的每个元素代表一个已提取的历史工作环境下对应的损耗数组，且所述损耗数组包括：损耗是否发生结果以及结果对应的损耗等级；训练单元：用于根据所述历史损耗阵列，确定所述待监测部件历史发生的不同损耗等级的损耗概率，并作为训练样本对神经网络模型进行训练，得到概率预测模型。
11.优选地，所述优化及预警模块，包括：比较单元：用于将运维评估结果与标准运维结果进行比较；第一指令下发单元：用于若比较结果满足优化标准，则向对应自动化设备下发优化提醒指令；第二指令下发单元：用于若比较结果不满足优化标准，则向对应自动化设备下发预警提醒指令。
12.优选地，所述优化及预警模块，还包括：判断单元：用于在下发预警提醒指令之后，获取所述运维评估结果与标准运维结果的差异结果，并基于预先训练好的故障分析模型，分析并判断所述差异结果是否能够构成设备故障；类型确定单元：若可以构成设备故障，此时，将所述差异结果与预设故障对比表进行对比，获取对应自动化设备的故障类型，并输出提醒。
13.优选地，一种用于自动化设备的在线监测及运维评估方法，包括：步骤1：在线监测每个自动化设备在当前状态下的实时设备信息；步骤2：基于监测到的实时设备信息，计算相应的运维评估指数，对自动化设备进行运维评估；步骤3：基于运维评估结果，对运维评估合格的设备进行优化处理以及对运维评估不合格的设备进行预警提醒。
14.与现有技术相比，本技术的有益效果如下：通过对自动化设备的在线监测，可以保证对自动化设备的及时运维与评估，对评估合格的自动化设备进行优化调整，可以保证自动化设备工作性能的优越性，对评估不合格的设备进行及时预警处理，可以及时保证对自动化设备修复效率。
15.本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
16.下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
17.附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：图1为本发明实施例中一种用于自动化设备的在线监测及运维评估系统的结构图；图2为本发明实施例中一种用于自动化设备的在线监测及运维评估系统的信息提
取模块的结构图；图3为本发明实施例中一种用于自动化设备的在线监测及运维评估方法的流程图。
具体实施方式
18.以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
19.实施例1：本发明实施例提供一种用于自动化设备的在线监测及运维评估系统，如图1所示，包括：在线监测模块：用于在线监测每个自动化设备在当前状态下的实时设备信息；运维评估模块：用于基于监测到的实时设备信息，计算相应的运维评估指数，对自动化设备进行运维评估；优化及预警模块：用于基于运维评估结果，对运维评估合格的设备进行优化处理以及对运维评估不合格的设备进行预警提醒。
20.该实施例中，自动化设备的当前状态指的是设备处于运行情况下的状态。
21.该实施例中，实时设备信息是基于监测到的原始监测信息标准化处理后得到的，且与设备的各个部件的运转情况有关，比如，电压、电流、设备工作过程中产生的日志等，针对同个部件的当下信息中每种参数（电流、电压、特性）进行标准化处理得到的各种计算结果，即为实时设备信息。
22.该实施例中，每个自动化设备需要具备什么功能，该自动化设备中每个部件需要执行什么工作，都是出厂设置好的，每个部件的部件特性也是按照该部件出厂所设置情况来确定好的，部件的特性都是人为预先赋予好的，且将出厂所所设置好部件的电流、电压、工作特性等信息作为标准信息。
23.该实施例中，运维评估指数主要是基于自动化设备的实时设备信息和预设的标准设备信息决定的，按照不同部件的实际信息与标准信息的比值和对应部件的权重相乘的得到的，最后1减所有指标结果的累加和，得到的。
24.该实施例中，运维评估结果主要是基于自动化设备的运维评估指数决定的；当运维评估指数大于或等于预设指数时，表示该自动化设备不合格，需要进行运行维护，当运维评估指数小于预设指数时，表示该自动化设备合格，可以进行优化，且预设指数一般取值为0.4。
25.该实施例中，优化处理指的是对合格的设备进行某些程序的升级处理等。
26.该实施例中，预警提醒是为了方便有工作人员对该不合格的设备进行及时维护。
27.上述技术方案的有益效果是：通过对自动化设备的在线监测，可以保证对自动化设备的及时运维与评估，对评估合格的自动化设备进行优化调整，可以保证自动化设备工作性能的优越性，对评估不合格的设备进行及时预警处理，可以及时保证对自动化设备修复效率。
28.实施例2：基于实施例1的基础上，所述在线监测模块，包括：
获取单元：用于在线监测并获取每个自动化设备的待监测设备部件的当下工作信息；处理单元：用于对获取到的当下工作信息进行标准化处理，得到第一数据集合并传输至所述运维评估模块。
29.该实施例中，第一数据集合包含的所有标准化处理结果即为对应的实时设备信息。
30.该实施例中，当下工作信息为监测到的自动化设备的设备部件在当前状态下的运行信息，包括需要监测的电流、电压、该部件的主要工作特性对应的特性参数等，比如，该部件为煤矿运输设备，就需要对煤矿运输量的多少以及运输过程中的运输速度等进行监测。
31.该实施例中，对当下工作信息的标准化处理是为了在计算运维评估参数时能够统一计算。
32.该实施例中，自动化设备包括可以正常运行的设备和长时间未运行的设备，其中，可以正常运行的设备包括正在运行的设备和停止运行的设备。
33.该实施例中，基于自动化设备的运行情况不同，对自动化设备的监测方法也存在差异；比如：对于可以正常运行的设备采取实时监测的方法，对于长时间未运行的设备采取定期监测的方法。
34.上述技术方案的有益效果是：通过对自动化设备分情况在线监测，可以减少人为监测工作的工作量，节约人工监测成本，同时基于不同状态分情况处理也一定程度上保证了不同状态的自动化设备更良好的性能。
35.实施例3：基于实施例2的基础上，所述运维评估模块，包括：计算单元：用于基于第一数据集合与预设标准集合进行一一映射，并基于映射结果，计算对应自动化设备的运维评估指数；；其中，为对应自动化设备的运维评估指数；为第一数据集合所对应的待监测设备部件的个数；为第一数据集合中第个待监测设备部件对应的工作信息进行标准化处理后的工作值；为预设标准集合中第个待监测设备部件对应的标准信息进行标准化处理后的标准值；为第一数据集合中第个待监测设备部件的权重值。
36.需要根据不同的工作信息进行标准化处理来得到工作值，具体包括：确定同个部件的工作信息的工作参数；计算同个部件的工作值；
其中，表示对应同个部件的工作参数个数；表示对应同个部件中第j1个工作参数未标准处理化后的参数值；表示对应同个部件中第j1个工作参数的参数转换系数，且对应的同个部件为第个待监测设备部件；表示对应同个部件中第j1个工作参数标准处理化后的参数值；计算同个部件的标准值；其中，表示对应同个部件的出厂设置的标准参数个数；表示对应同个部件中第j2个出厂设置的标准参数未标准处理化后的标准参数值；表示对应同个部件中第j2个出厂设置的标准参数的参数转换系数，且对应的同个部件为第个待监测设备部件。表示对应同个部件中第j2个出厂设置的标准参数标准化处理后的参数值。
37.在确定不同的工作值与标准值的过程中，都是对获取的参数值本身进行标准系数的转换得到的结果。
38.需要说明的是，自动化设备执行什么功能、自动化设备中每个部件执行什么功能都是出厂设置好的、每个设备上的哪些部件需要监测，需要监测该部件的什么参数以及确定该设备的监测部件的个数、以及每个监测部件针对该设备起到的重要作用通过权重来表示都是预先设定好的，其中的m01与m02是的值是相等的，针对同个部件的工作参数的个数是一致的。
39.需要说明的是，由于每个部件包含哪些工作参数都是出厂设置好的，为了方便计算，也会在出厂时设置好各个参数的转换系数，来达到计算工作值以及标准值的目的，且由于自动化设备中不同部件在不同的执行流程中所起到的作用是不一样的，因此，涉及到的部件参与个数也就是不一样的，也就是需要监测的部件个数是不一样的以及需要获取监测部件的监测参数也是不一样的，设备1包括部件1、2和3，在执行流程1的时候，需要获取与部件1和2相关的参数来得到运维评估指数，此时，部件1的权重为0.5，部件2的权重为0.3，也就是自动化设备包含的所有部件的总权重为1。
40.该实施例中，预设标准数据集合包含的是基于当前自动化设备的型号确定的当前型号所对应的标准设备信息。
41.该实施例中，预设标准集合中的标准设备信息个数与第一数据集合中实时设备信息的个数是相同的。
42.该实施例中，预设标准集合中标准设备信息的排列顺序与第一数据集合中实时设备信息的排列顺序保持一致。
43.该实施例中，运维评估指数是基于待监测设备部件的个数、待监测设备部件对应的工作信息进行标准化处理后的工作值、待监测设备部件对应的标准信息进行标准化处理后的标准值以及待监测设备部件的权重值综合决定的。
44.该实施例中，比如，待监测设备部件包括：传动件、驱动部件、传感器、多个电子元件、工装夹具、气压气缸等。
45.该实施例中，待监测设备部件的权重值即为所述设备部件对于当前自动化设备运维评估能力的影响情况；比如：所述待监测设备的某一传感器部件的权重值为0.1，即为所述传感器对当前自动化设备运维评估能力的影响为0.1。
46.上述技术方案的有益效果是：通过对自动化设备多个设备部件进行处理计算，从而对当前自动化设备的运维评估指数进行计算，从而通过量化的形式，判断当前自动化设备的运维评估能力，从而对当前自动化设备进行调整，确保当前自动化设备更高效的进行工作，提高了自动化设备的工作性能。
47.实施例4：基于实施例1的基础上，所述一种用于自动化设备的在线监测及运维评估系统，包括：信息提取模块：用于基于历史数据库调取对应自动化设备处于与当前工作环境类似的历史环境的历史损耗信息；模型构建模块：用于基于所述历史损耗信息构建对应自动化设备的概率预测模型；概率预测模块：用于基于所述概率预测模型，并结合所述当前工作环境的环境参数以及对应待监测部件的标准处理信息，获取每个待监测部件的损耗发生概率以及损耗发生等级；辅助优化模块：用于根据每个待监测部件的损耗发生概率、损耗发生等级，对运维评估结果进行辅助优化。
48.该实施例中，所述历史数据库即为与当前自动化设备型号一致的设备的历史损耗信息存储所在的数据库，且该历史数据库是包含同个自动化设备型号在内，并且同型号自动化设备处于不同工作环境下的一个损耗，且不同工作环境指的是湿度、温度、电磁辐射不同组合下对设备本身的一个损耗情况，据记载表明，温度、湿度以及电磁辐射会对设备造成一定的损耗，比如，腐蚀损耗、辐射损耗等，进而就会造成对设备的本身的运行损耗。
49.在确定工作环境是否类似的过程中，是按照自动化设备当下的工作环境，湿度、温度以及电磁辐射来匹配一致的历史环境以及相近的历史环境，进而，可以得到当下工作环境类似的历史环境的历史损耗信息。
50.该实施例中，所述历史损耗信息即为对应自动化设备在处于与当前自动化设备工作环境类似的历史环境时，所述自动化设备对应的设备中每个部件的损耗情况。
51.该实施例中，概率预测模型是基于历史损耗信息判断当前自动化设备在类似工作
环境下对应包含的各个部件的损耗情况。
52.该实施例中，待监测部件的标准处理信息即为所述待监测部件对应的标准信息在进行标准化处理后的信息。
53.该实施例中，待监测部件的损耗发生概率即为所述待监测部件基于当前工作环境，并基于概率预测模型所得到的预测损耗发生概率。
54.该实施例中，在构建预测模型的过程中，在获取到类似历史环境的历史损耗信息之后，对同个历史环境中同个型号设备中各个部件出现的损耗进行统计。
55.根据统计结果，确定同个部件出现的损耗发生概率以及每次出现损耗时对应的损耗发生等级，且损耗发生等级时根据损耗程度确定的，不同损耗程度对应的损耗发生等级不一样，且损耗程度以及损耗发生等级是基于一样预设表已经构建出来的。
56.损耗发生概率=同个环境损耗出现的总次数/同个环境的总次数。
57.上述技术方案的有益效果是：通过基于历史损耗信息对当前待监测设备不同设备部件的损耗发生情况进行计算，并得到当前设备部件的损耗发生概率和损耗发生等级，可以进一步优化运维评估数据，使得基于当前待监测设备的运维评估结果更加准确，从而能够及时调整自动化设备，保证了自动化设备工作的有效性。
58.实施例5：基于实施例4的基础上，所述信息提取模块，如图2所示，包括：函数确定单元：用于确定所述历史数据库中包含的所有历史工作环境，并按照预设指定指标，每个历史工作环境设置第一环境指标函数s1(y1,x1,z1)，同时，还向对应当下工作环境设置第二环境指标函数s2(y2,x2,z2)；第一提取单元：用于当满足y1=y2，x1=x2以及z1=z3时，从所有历史工作环境中提取第一工作环境；第一确定单元：用于当所述第一工作环境的提取数量大于或等于参考样本数量r1时，将提取的所有第一工作环境的第一损耗信息，作为历史损耗信息；第二提取单元：用于当所述第一工作环境的提取数量小于参考样本数量r1时，根据，以及，从所有历史工作环境中提取第二工作环境；第二确定单元：按照提取的第一工作环境以及提取的第二工作环境对应的第二损耗信息，作为历史损耗信息；第三提取单元：用于当不满足y1=y2，x1=x2以及z1=z3时，按照，以及，从所有历史工作环境中提取第三工作环境；第三确定单元：按照提取的第三工作环境对应的第三损耗信息，作为历史损耗信息；其中，b1、b2、b3、b4为范围调整系数，且大于b2，小于b1；其中，y1表示对应历史工作环境下的湿度,x1表示对应历史工作环境下的温度，z1表示对应历史工作环境下的电磁辐射；y2表示当下工作环境下的湿度,x2表示当下工作环境下的温度，z2表示当下工作
环境下的电磁辐射。
59.该实施例中，b4、b2的取值小于1，b3、b1的取值大于1。
60.该实施例中，第一环境指标函数是基于某一历史工作环境情况下，按照预设指定指标所确定的函数。
61.该实施例中，第二环境指标函数是基于当前工作环境情况下，当前自动化设备按照预设指定指标所确定的函数。
62.该实施例中，所述第一工作环境为所有历史工作环境中，与当前工作环境基于预设指定指标一致的工作环境，也就是湿度、温度以及电磁辐射一致的。
63.该实施例中，所述参考样本数量为预设第一工作环境的数量。为了保证模型训练的准确性，设置的参考样本数量r1为300，在确保样本足够多的情况下，保证经过训练后的模型可以更加精准。
64.该实施例中，第一损耗信息即为选定的第一工作环境所对应的自动化设备，在对应工作环境下存在的损耗情况的信息。
65.该实施例中，第二工作环境是基于样本数量不足时，从历史数据库中筛选出基于调整系数扩大工作环境匹配范围后，得到的与当前自动化设备工作环境类似的工作环境，从而扩充参考样本数量。
66.该实施例中，第二损耗信息是基于样本数量不足时，所述第一工作环境对应的自动化设备的损耗信息以及所述第二工作环境对应的自动化设备的损耗信息确定的。
67.该实施例中，第三工作环境是指历史数据库中，没有能够完全满足当前工作环境的环境需求时，将环境需求基于调整系数进行扩大，从而筛选到的满足扩大后的工作环境需求的工作环境。
68.该实施例中，第三损耗信息是基于第三工作环境时所对应的自动化设备的损耗信息。
69.上述技术方案的有益效果是：通过对于历史数据库中基于预设指定指标情况下，与当前自动化设备的工作环境相同或类似的工作环境时所对应的自动化设备的历史损耗信息的提取，从而基于大量历史损耗信息进行训练，得到更高精度的概率预测模型，从而能够更加准确的对自动化设备进行优化，保证自动化设备工作的高效性及工作性能的优越性。
70.实施例6：基于实施例5的基础上，所述模型构建模块，包括：阵列构建单元：用于基于所述历史损耗信息，构建每个待监测部件的历史损耗阵列，其中，所述历史损耗阵列中的每个元素代表一个已提取的历史工作环境下对应的损耗数组，且所述损耗数组包括：损耗是否发生结果以及结果对应的损耗等级；训练单元：用于根据所述历史损耗阵列，确定所述待监测部件历史发生的不同损耗等级的损耗概率，并作为训练样本对神经网络模型进行训练，得到概率预测模型。
71.该实施例中，历史损耗阵列是基于每个待监测部件所对应的历史损耗信息构建的。
72.该实施例中，所述历史损耗阵列中的每个元素代表一个已提取的历史工作环境下对应的损耗数组。
73.该实施例中，所述损耗数组包括：损耗是否发生结果以及结果对应的损耗等级。
74.该实施例中，每个元素代表一个损耗数组，在得到损耗阵列之后，由于阵列中是包括损耗是否发生以及对应的损耗等级在内的，根据同等级损耗对应的结果是否发生的数量，来得到损害概率，假如，阵列中存在110组损耗不发生，损耗等级为0，190组损耗发生，其中损耗等级为一级的有100个，损耗等级为二级的有90个，此时，损耗等级为0的概率为11/30，损耗等级为一级的概率为100/300，损耗等级为二级的概率为90/300，此时，在确定出明确的概率之后，获取样本来进行模型训练。
75.该实施例中，神经网络模型的训练是公知常识，也就是将历史损耗阵列作为输入，将不同损耗等级的损耗概率作为一个输出，进而构成输入输出样本，来对神经网络模型进行训练，且训练样本的数量大于10000，最后可以到概率预测模型。
76.该实施例中，损耗等级的确定是基于预设映射表匹配得到的，且该预设映射表是包括同的历史工作环境以及与该历史工作环境所匹配的损耗是否发生、损耗发生后对应的损耗结果以及与损耗结果匹配的损耗等级在内，是出厂前进行若干次损耗试验之后得到的。
77.上述技术方案的有益效果是：通过对当前自动化设备评估结果的优化，从而更加精准的判断自动化设备的运维评估情况，能够增加运维评估工作的效率，提高运维评估结果的精准性，保证自动化设备工作的有效性。
78.实施例7：基于实施例1的基础上，所述优化及预警模块，包括：比较单元：用于将运维评估结果与标准运维结果进行比较；第一指令下发单元：用于若比较结果满足优化标准，则向对应自动化设备下发优化提醒指令；第二指令下发单元：用于若比较结果不满足优化标准，则向对应自动化设备下发预警提醒指令。
79.该实施例中，优化标准为预设基于当前自动化设备需要进行优化时，所对应参数标准，且是预先规划好的标准。
80.该实施例中，优化提醒指令即为基于需要进行优化的自动化设备，将所述自动化设备对应的编号及设备优化情况结合的指令。
81.该实施例中，预警提醒指令即为基于不需要进行优化的自动化设备，将所述自动化设备对应的编号及设备预警情况结合的指令。
82.上述技术方案的有益效果是：通过对运维评估结果的比较，确定当前自动化设备的优化或预警情况，并基于不同情况下达不同指令信息，从而基于不同指令，对对应的自动化设备进行处理，可以保证自动化设备工作性能的优越性，同时基于需要进行预警处理的自动化设备，可以及时的保证自动化设备工作的有效性。
83.实施例8：基于实施例1的基础上，所述优化及预警模块，包括：判断单元：用于在下发预警提醒指令之后，获取所述运维评估结果与标准运维结果的差异结果，并基于预先训练好的故障分析模型，分析并判断所述差异结果是否能够构成设备故障；
类型确定单元：若可以构成设备故障，此时，将所述差异结果与预设故障对比表进行对比，获取对应自动化设备的故障类型，并输出提醒。
84.该实施例中，故障分析模型是基于不同运维差异结果与对应差异结果匹配的是否可以构成设备故障为样本训练得到的，其中，差异结果为输入，是否构成设备故障为输出构成的样本，且样本数量大于1000，此时，就会基于神经网络模型训练得到故障分析模型；其中，该样本的差异结果的输入为结果比较得到的，且在作为样本的时候，是由专家对该差异结果进行判断确定是否够成设备故障，来得到的输入输出样本。
85.运维评估结果与标准运维结果的差异结果为：电流3倍差异，对应的结果为：可以构成设备故障，运维评估结果与标准运维结果的差异结果为：电压1.1倍差异，对应的结果为：不可以构成设备故障，等相关样本。
86.该实施例中，预设故障对比表是包含不同的差异结果以及与差异结果匹配的故障类型在内的，且自动化设备故障的故障类型包括但不限于电源故障、传感器位置偏移故障、控制阀故障、电路回路故障等。
87.该实施例中，差异结果，可以主要是针对运维评估指数的差异。
88.将差异结果输入到故障分析模型中，可以得到输出结果，且输出结果为：构成设备故障或者不构成设备故障。
89.上述技术方案的有益效果是：通过预警设备进行分析，能够及时的判断自动化设备的故障类型，并基于故障类型对自动化设备及时进行处理，可以保证自动化设备工作的有效性。
90.实施例9：基于实施例1的基础上，一种用于自动化设备的在线监测及运维评估模块，还包括：再优化模块，用于对合格的自动化设备进行优化之后，继续对优化的设备进行再次精细优化，包括：信息处理单元：用于获取优化设备的第二数据集合，并发送到运维数据库，结合所述运维数据库中的预设标准集合与第二数据集合进行比较；差信息获取单元：用于获取第二数据集合的每条信息与预设标准集合中对应的标准信息的差信息；差异等级锁定单元，用于获取每个差信息对应的临界阈值表，并按照所述临界阈值表，将对每个差信息进行差异等级锁定；监测数组构建单元，用于基于每个差异等级与对应差信息所对应待监测部件的部件权重，构建监测数组；差异阵列构建单元，用于基于获取的所有监测数组，构建得到对应自动化设备的第一差异阵列；级别确定单元，用于基于所述第一差异阵列，确定优化级别；其中，表示第u1个监测数组中的部件权重；表示第u1个监测数组中的差信息的标准转换值；表示监测数组的总个数；max表示最大符号；表示从个获取的最大值；
基于值-级别匹配列表，获取得到对应的优化级别；方案获取单元，用于当所述优化级别处于优化范围的临界线上时，获取基于左侧优化范围的第一方案生成模型得到第一解决方案以及获取基于右侧优化范围的第二方案生成模型得到第二解决方案；第一优化单元，用于对所述第一解决方案的解决可靠度与第二解决方案的解决可靠度进行比较，并筛选解决可靠度大的解决方案，对优化设备进行再次优化；第二优化单元，用于当所述优化级别处于对应优化范围内时，基于对应优化范围的第三方案生成模型得到第三解决方案，对优化设备进行再次优化。
91.该实施例中，第二数据集合是基于所述优化设备优化后的设备信息进行获取的。
92.该实施例中，预设标准集合即为当前自动化设备正常运行状态时所获取的标准设备信息的集合。
93.该实施例中，差信息是基于第二数据集合的每条信息与预设标准集合中对应的标准信息相差结果的信息。
94.该实施例中，临界阈值表是基于预设的基于当前自动化设备优化与否对应阈值设置的表。
95.该实施例中，所述差异等级即基于预设临界值阈值表对当前查信息进行划分从而得到的对应差异等级。
96.该实施例中，所述监测数组包括：是否进行优化以及优化对应的优化等级等。
97.该实施例中，第一差异阵列即为当前自动化设备所对应的监测数组的比较数列。
98.该实施例中，标准转换值是基于所述差信息进行标准转化得到的易于进行计算的对应值。
99.该实施例中，第一、第二解决方案是指基于处于优化级别临界线的设备，基于其对应的临界线两侧不同模型情况得到的不同解决方案。
100.该实施例中，解决可靠度是基于当前解决方案下，自动化设备优化后更加顺畅运行的方案可靠性所对应的解决可靠度，主要是针对设备按照该方案优化之后相比较再次优化之前的优化程度。
101.该实施例中，当对应的级别与优化范围[a1,a2]中的a1相等时，获取基于范围[a1,a2]的第二方案生成模型的第二解决方案，以及获取基于范围[a0,a1]的第一方案生成模型的第一解决方案。
[0102]
该实施例中，方案生成模型都是基于对应的优化范围以及该优化范围所匹配的各种优化解决方案等为样本训练得到的，且不同优化范围对应的优化解决方案是不一样的，都是提前设置好的。
[0103]
该实施例中，值-级别匹配列表包括不同的以及对应的级别在内。
[0104]
上述技术方案的有益效果是：通过对处在优化分界线的自动化设备进行解决方案的比较计算，得到更加适合当前自动化设备的优化情况，使得设备工作性能更加优越，运行更加顺畅，保证了自动化设备工作的高效。
[0105]
实施例10：基于实施例1的基础上，一种用于自动化设备的在线监测及运维评估方法，如图3所示，包括：
步骤1：在线监测每个自动化设备在当前状态下的实时设备信息；步骤2：基于监测到的实时设备信息，计算相应的运维评估指数，对自动化设备进行运维评估；步骤3：基于运维评估结果，对运维评估合格的设备进行优化处理以及对运维评估不合格的设备进行预警提醒。
[0106]
上述技术方案的有益效果是：通过对自动化设备的在线监测，可以保证对自动化设备的及时运维与评估，对评估合格的自动化设备进行优化调整，可以保证自动化设备工作性能的优越性，对评估不合格的设备进行及时预警处理，可以及时保证对自动化设备修复效率。
[0107]
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。