一种基于大数据的工业物联网设备监控系统及方法

本发明涉及工业物联网设备监控领域，尤其涉及一种基于大数据的工业物联网设备监控系统及方法。

背景技术：

1、随着万物互联的概念出现，物联网技术已渗透到医疗、交通、安全、工业制造等生活的各个方面。在现代制造业务多元化的环境下，工业设备运行工况繁杂多变，恶劣的运行条件更增加了设备性能退化失效的速率和发生故障的概率。为满足传统制造系统向适应现代工业革命的系统过渡的发展需求，具有监控、感知能力的各种控制传感器已被部署到设备的各个组件上，结合传感器收集的状态数据，使用工业物联网技术构建数据驱动的故障诊断模型实现工业设备的实时健康状态监测已成为了工业4.0的主要研究方向之一。

2、现有的工业物联网设备监控方法已经开始关注工业4.0时代下的海量数据处理需求，利用深度学习的自动提取特征和高上限的数据处理能力形成的监控方案已能初步满足实时性需求；且考虑到深度学习方法的数据密集型特性，尤其是对标签的要求限制了其实际应用，很多研究者将域自适应思想引入了工业故障诊断任务中，结合不同运行条件、工作环境、监控程度的相关源域数据，利用可迁移的知识构建出在目标域上具有相当强的泛化性能的监控模型。

3、但是目前并没有形成一套完整的针对工业物联网数据以及工作状态的系统性系统与方法，这是亟需解决的问题，因此本发明提出一种基于大数据的工业物联网设备监控系统及方法。

技术实现思路

1、针对现有技术的不足，本发明提供了一种基于大数据的工业物联网设备监控系统及方法，解决了上述背景技术中提出现有的工业物联网设备管理系统在使用过程中，数据导入效率低，影响工业物联网设备数据和额定负荷工作记录的查询，并不便为工业物联网设备数据进行分析的问题。

2、为实现以上目的，本发明通过以下技术方案予以实现：一种基于大数据的工业物联网设备监控系统，包括工业物联网设备数据集合模块、与工业物联网设备数据集合模块连接的工业物联网设备数据调整模块、与工业物联网设备数据调整模块连接的云端历史数据卷积神经网络学习模块、与云端历史数据卷积神经网络学习模块连接的工业物联网设备工作状态监控模块、与工业物联网设备工作状态监控模块连接的工业物联网设备综合管理模块、与工业物联网设备综合管理模块连接的工业物联网设备额定负荷工作记录查询模块，以及与工业物联网设备额定负荷工作记录查询模块连接的工业物联网设备分析管理模块，所述云端历史数据卷积神经网络学习模块的输出端连接有卷积神经网络输出参考指导模块，所述卷积神经网络输出参考指导模块的输出端连接有服务器数据保存模块。

3、所述云端历史数据卷积神经网络学习模块建立函数模型对工业物联网设备历史数据深度学习，表达式为：

4、

5、其中，表示卷积神经网络的总输出，表示云端存储的工业物联网设备历史数据集，表示，a表示卷积神经网络的输入因子，i表示已经输入的卷积神经网络，f表示卷积神经网络的总层数，g(e)表示单层网络的输出，h(e)表示单层网络输出更新函数。

6、可选的，所述工业物联网设备数据集合模块包括工业物联网设备分类组件、工业物联网设备数据传输加密组件、工业物联网设备数据调询组件、工业物联网设备数据更新组件、工业物联网设备运行参数优化组件和工业物联网设备冗余噪声数据剔除组件；

7、工业物联网设备分类组件用于将采集的工业物联网设备数据信息根据时间和工业物联网设备型号信息分类处理；

8、工业物联网设备数据传输加密组件用于将分类后的工业物联网设备数据建立同属类型的工业物联网设备进行传输加密；

9、工业物联网设备数据调询组件用于根据采集的工业物联网设备型号调用与搜寻工业物联网设备数据，显示调用与搜寻结果；

10、工业物联网设备数据更新组件用于采集工业物联网设备数据，提交保存工业物联网设备数据，保存完成后在远程监控维护中心上进行运行参数的优化，针对该条工业物联网设备产业链进行加密，并储存备份工业物联网设备产业链的相对应的数据信息，再将新增工业物联网设备数据进行必填约束；

11、工业物联网设备运行参数优化组件用于采集工业物联网设备型号，检索工业物联网设备数据，并修改工业物联网设备数据，再提交保存，在远程监控维护中心上进行运行参数的优化；

12、工业物联网设备冗余噪声数据剔除组件用于选择要删除的工业物联网设备数据，提交删除，对已在产业链上的工业物联网设备需要产业链上进行标注已删除。

13、可选的，所述采集工业物联网设备数据包括工业物联网设备编号、工业物联网设备状态、工业物联网设备类型、工业物联网设备工作时间、每次工作时的额定运行数据、故障频率数据以及设备的故障位置。

14、可选的，所述工业物联网设备数据调整模块包括工业物联网设备数据格式初始化组件、工业物联网设备数据遗漏增补组件和工业物联网设备无用数据删减组件；

15、工业物联网设备数据格式初始化组件用于下载工业物联网设备导入模板；

16、工业物联网设备数据遗漏增补组件用于选择已经卷积神经网络学习的工业物联网设备数据查询详情，再按照模板准备数据，选择已准备的数据文件导入，并提交数据，数据保存成功在远程监控维护中心上；

17、工业物联网设备无用数据删减组件用于选择已经卷积神经网络学习的工业物联网设备数据进行删除，并将删除数据备用。

18、可选的，所述工业物联网设备工作状态监控模块包括工业物联网设备状态查询组件和工业物联网设备状态控制模块；

19、工业物联网设备状态查询组件用于根据每次工作时的额定运行数据、工业物联网设备编号、工业物联网设备状态进行工业物联网设备数据检索；

20、工业物联网设备状态控制模块用于根据检索缺失信息进行自动检测，并将缺失信息提示至页面，用于补录检索缺失信息，并对工业物联网设备数据传输加密。

21、可选的，所述工业物联网设备综合管理模块包括工业物联网设备数据校验组件和工业物联网设备运行查询反馈模块；

22、工业物联网设备数据校验组件用于根据工业物联网设备编号和工业物联网设备工作时间检索工业物联网设备数据，并对检索工业物联网设备数据自行校验；

23、工业物联网设备运行查询反馈模块用于将检索工业物联网设备结果反馈给云端历史数据卷积神经网络学习模块。

24、可选的，所述工业物联网设备额定负荷工作记录查询模块包括工业物联网设备额定负荷工作记录归纳组件和工业物联网设备额定负荷工作记录导出组件；

25、工业物联网设备额定负荷工作记录归纳组件用于根据工业物联网设备编号和工业物联网设备工作时间检索工业物联网设备额定负荷工作记录信息，并将检索后的工业物联网设备数据进行归纳；

26、工业物联网设备额定负荷工作记录导出组件用于将传输加密的工业物联网设备数据导出。

27、可选的，所述工业物联网设备分析管理模块包括数据算法处理组件、工业物联网设备数据导出组件、工业物联网设备故障工作查看组件和工业物联网设备运行能力评估组件。

28、可选的，所述数据算法处理组件用于按数据类型、数据集合时间或数据作用任一要素来进行筛选；

29、工业物联网设备数据导出组件用于按数据类型、数据集合时间或数据作用任一要素来将筛选后的数据导出；

30、工业物联网设备故障工作查看组件用于选择已经卷积神经网络学习的数据查看工业物联网设备工作基本信息；

31、工业物联网设备运行能力评估组件用于选择已经卷积神经网络学习的数据查看工业物联网设备额定负荷工作记录信息。

32、可选的，所述基于远程监控维护中心技术的工业物联网设备管理方法，包括以下步骤：

33、q1、利用工业物联网设备数据集合模块将工业物联网设备采集云端历史数据卷积神经网络学习模块，并配合工业物联网设备分类组件将工业物联网设备数据按照时间和工业物联网设备开头条件进行分类处理，再通过工业物联网设备数据传输加密组件将工业物联网设备数据建立同属类型的工业物联网设备进行传输加密，可配合工业物联网设备数据调询组件根据采集的工业物联网设备型号调用与搜寻工业物联网设备数据，显示调用与搜寻结果，快速查询到对应工业物联网设备；

34、q2、通过工业物联网设备数据更新组件采集工业物联网设备数据，提交保存工业物联网设备数据，保存完成后在远程监控维护中心上进行运行参数的优化，针对该条工业物联网设备产业链进行加密，并储存备份工业物联网设备产业链的相对应的数据信息，再将新增工业物联网设备数据进行必填约束，并配合工业物联网设备运行参数优化组件修改工业物联网设备数据，再提交保存，在远程监控维护中心上进行运行参数的优化，以及通过工业物联网设备冗余噪声数据剔除组件选择要删除的工业物联网设备数据，提交删除，对已在产业链上的工业物联网设备需要产业链上进行标注已删除；

35、q3、工业物联网设备数据调整模块可将数据通过工业物联网设备数据格式初始化组件下载工业物联网设备导入模板，将数据集中采集模板，并将数据模板快速采集，再按照模板准备数据，选择已准备的数据文件导入，并提交数据，数据保存成功在远程监控维护中心；

36、q4、利用工业物联网设备数据遗漏增补组件选择已经卷积神经网络学习的工业物联网设备数据查询详情，以及可配合工业物联网设备无用数据删减组件选择已经卷积神经网络学习的工业物联网设备数据进行删除，并将删除数据备用；

37、q5、将采集的工业物联网设备经云端历史数据卷积神经网络学习模块备用卷积神经网络输出参考指导模块，再将大量的工业物联网设备数据集中建立出服务器数据保存模块；

38、q6、工业物联网设备工作状态监控模块的工业物联网设备状态查询组件可根据每次工作时的额定运行数据、工业物联网设备编号、工业物联网设备状态进行工业物联网设备数据检索，并配合工业物联网设备状态控制模块将缺失信息提示至页面，用于补录检索缺失信息，并对工业物联网设备数据传输加密；

39、q7、工业物联网设备综合管理模块的工业物联网设备数据校验组件可根据工业物联网设备编号和工业物联网设备工作时间检索工业物联网设备数据，并对检索工业物联网设备数据自行校验，再配合工业物联网设备运行查询反馈模块将检索工业物联网设备结果反馈给云端历史数据卷积神经网络学习模块，并进行数据备份；

40、q8、工业物联网设备额定负荷工作记录查询模块根据工业物联网设备编号和工业物联网设备工作时间检索工业物联网设备额定负荷工作记录信息，并将检索后的工业物联网设备数据进行归纳，再配合工业物联网设备额定负荷工作记录导出组件将传输加密的工业物联网设备数据导出；

41、q9、工业物联网设备分析管理模块的可按数据类型、数据集合时间或数据作用任一要素来进行筛选，再将筛选后的数据导出，并配合工业物联网设备故障工作查看组件和工业物联网设备运行能力评估组件选择已经卷积神经网络学习的数据查看工业物联网设备工作基本信息或工业物联网设备额定负荷工作记录信息。

42、本发明提供了一种基于大数据的工业物联网设备监控系统及方法，具备以下有益效果：

43、1、该基于大数据的工业物联网设备监控系统及方法设置有工业物联网设备数据集合模块，工业物联网设备分类组件用于将采集的工业物联网设备数据信息根据时间和工业物联网设备型号信息分类处理；工业物联网设备数据传输加密组件用于将分类后的工业物联网设备数据建立同属类型的工业物联网设备进行传输加密；工业物联网设备数据调询组件用于根据采集的工业物联网设备型号调用与搜寻工业物联网设备数据，显示调用与搜寻结果；工业物联网设备数据更新组件用于采集工业物联网设备数据，提交保存工业物联网设备数据，保存完成后在远程监控维护中心上进行运行参数的优化，针对该条工业物联网设备产业链进行加密，并储存备份工业物联网设备产业链的相对应的数据信息，再将新增工业物联网设备数据进行必填约束；工业物联网设备运行参数优化组件用于采集工业物联网设备型号，检索工业物联网设备数据，并修改工业物联网设备数据，再提交保存，在远程监控维护中心上进行运行参数的优化；工业物联网设备冗余噪声数据剔除组件用于选择要删除的工业物联网设备数据，提交删除，对已在产业链上的工业物联网设备需要产业链上进行标注已删除。

44、2、该基于大数据的工业物联网设备监控系统及方法设置有工业物联网设备数据调整模块，工业物联网设备数据格式初始化组件用于下载工业物联网设备导入模板；工业物联网设备数据遗漏增补组件用于选择已经卷积神经网络学习的工业物联网设备数据查询详情，再按照模板准备数据，选择已准备的数据文件导入，并提交数据，数据保存成功在远程监控维护中心上；工业物联网设备无用数据删减组件用于选择已经卷积神经网络学习的工业物联网设备数据进行删除，并将删除数据备用。

45、3、该基于大数据的工业物联网设备监控系统及方法设置有工业物联网设备工作状态监控模块，工业物联网设备状态查询组件用于根据每次工作时的额定运行数据、工业物联网设备编号、工业物联网设备状态进行工业物联网设备数据检索；工业物联网设备状态控制模块用于根据检索缺失信息进行自动检测，并将缺失信息提示至页面，用于补录检索缺失信息，并对工业物联网设备数据传输加密。

46、4、该基于大数据的工业物联网设备监控系统及方法设置有工业物联网设备综合管理模块，工业物联网设备数据校验组件用于根据工业物联网设备编号和工业物联网设备工作时间检索工业物联网设备数据，并对检索工业物联网设备数据自行校验；工业物联网设备运行查询反馈模块用于将检索工业物联网设备结果反馈给云端历史数据卷积神经网络学习模块。

47、5、该基于大数据的工业物联网设备监控系统及方法设置有工业物联网设备额定负荷工作记录查询模块，工业物联网设备额定负荷工作记录归纳组件用于根据工业物联网设备编号和工业物联网设备工作时间检索工业物联网设备额定负荷工作记录信息，并将检索后的工业物联网设备数据进行归纳；工业物联网设备额定负荷工作记录导出组件用于将传输加密的工业物联网设备数据导出。

48、6、该基于大数据的工业物联网设备监控系统及方法设置有工业物联网设备分析管理模块，数据算法处理组件用于按数据类型、数据集合时间或数据作用任一要素来进行筛选；工业物联网设备数据导出组件用于按数据类型、数据集合时间或数据作用任一要素来将筛选后的数据导出；工业物联网设备故障工作查看组件用于选择已经卷积神经网络学习的数据查看工业物联网设备工作基本信息；工业物联网设备运行能力评估组件用于选择已经卷积神经网络学习的数据查看工业物联网设备额定负荷工作记录信息。

49、7、该基于大数据的工业物联网设备监控系统及方法设置有云端历史数据卷积神经网络学习模块，通过建立函数模型对工业物联网设备历史数据深度学习，用于对工业物联网设备的运行进行指导，从而保证了工业物联网设备运行的稳定性，该函数模型并非局限于某一种单一的设备运行数据，而是对设备所以的运行及工作状态数据都可进行训练，该模型与现有的卷积神经网络模型并不相同，而是经过大规模数据的训练与总结而成，可在工业物联网设备监控领域进行大规模推广。