本发明专利技术公开了一种基于云边协同的设备故障维护方法及装置，所述方法包括：获取设备的历史运行数据和实时运行数据；将所述历史运行数据发送至云端控制中心，以使云端控制中心根据历史运行数据训练故障预测模型，边缘计算中心接收所述云端控制中心发送的故障预测模型和故障预测应用，采用所述故障预测模型分析设备的所述实时运行数据，并生成分析结果，故障预测应用显示所述设备的实时运行数据及分析结果。本发明专利技术实施例可以实现：1、增强了对数据采集和故障分析的实时性，降低机器人的维护难度；2、在边缘实现目标设备的状态预测，节省数据上传云计算平台的等待时间，为工业设备的预测性维护工作争分夺秒。测性维护工作争分夺秒。测性维护工作争分夺秒。
【技术实现步骤摘要】
基于云边协同的设备故障维护方法及装置
[0001]本专利技术涉及通信
，特别涉及一种基于云边协同的设备故障维护方法及装置。
技术介绍
[0002]物联网是在互联网的基础上，将其用户端延伸和扩展到任何物品与物品之间进行信息交换和通信的一种网络概念。它几乎涉及到了信息技术的所有重要方面。
[0003]智能化工厂是未来工厂的发展趋势，人们只需要在办公室中通过计算机就能够监视各种设备的工作状态，并且能够控制设备完成各种任务，当设备出现故障后能够迅速定位故障、修复故障，使其恢复生产。工业机器人作为替代人类工作的一种自动化设备，能够完成大量工作(如：焊接、打磨、装配、码垛和搬运等等)，其在智能化工厂中同样占有十分重要的地位。通过物联网技术将工厂中的工业机器人连接起来，对工业机器人的工作状态进行监视、控制以及故障诊断，对实现智能化工厂具有重要意义。
[0004]工业机器人需要程序的控制才能工作，并且在运行期间由于误操作、环境变化、机器人本身控制系统不完善等原因，难免出现各种故障。现有的工业机器人在发生故障时，通常只能由专业的维修人员在现场对工业机器人进行拆机检测，导致数据采集和故障分析的实时性差，增加机器人的维护难度。
技术实现思路
[0005]有鉴于此，本专利技术实施例的目的是提供一种降低机器人的维护难度的基于云边协同的设备故障维护方法及装置。
[0006]为了实现上述目的，本专利技术实施例提供了一种基于云边协同的设备故障维护方法，包括：
[0007]获取设备的历史运行数据和实时运行数据；
[0008]将所述历史运行数据发送至云端控制中心，以便于所述云端控制中心根据所述历史运行数据训练故障预测模型，并将所述故障预测模型下发回边缘计算中心；
[0009]接收所述云端控制中心发送的故障预测模型和故障预测应用；
[0010]采用所述故障预测模型分析设备的所述实时运行数据，生成分析结果；
[0011]采用所述故障预测应用显示所述设备的实时运行数据及所述故障预测模型生成的分析结果。
[0012]优选地，所述方法包括：
[0013]所述边缘计算中心设置有边缘预测模块；
[0014]接收所述云端控制中心发送的故障预测模型和故障预测应用，包括：
[0015]所述边缘预测模块接收数据采集模块发送的实时运行数据；
[0016]接收所述云端控制中心发送的故障预测模型，
[0017]采用所述故障预测模型分析设备的所述实时运行数据，生成分析结果。
[0018]优选地，所述方法包括：
[0019]其中，所述边缘计算中心设置有数据采集模块；
[0020]获取设备的历史运行数据和实时运行数据，包括：
[0021]所述数据采集模块获取设备的历史运行数据和实时运行数据；
[0022]将所述历史运行数据发送至云端控制中心，以便于所述云端控制中心根据所述历史运行数据训练故障预测模型，并将所述故障预测模型下发回边缘计算中心，包括：
[0023]所述数据采集模块将所述历史运行数据发送至云端控制中心；
[0024]所述数据采集模块将所述实时运行数据发送至所述故障预测应用。
[0025]优选地，采用所述故障预测应用显示所述设备的实时运行数据及所述故障预测模型生成的分析结果之后，所述方法还包括：
[0026]所述故障预测应用还用于分析以下至少一种指标，并显示所述指标：所述实时运行数据的变化、设备故障诊断情况、健康度分析和剩余寿命；
[0027]当所述至少一项指标与正常值比较发生异常时，对设备的潜在故障进行预警。
[0028]优选地，所述设备的运行数据包括以下至少一种：总消耗功率、基座振动、各电机的功率及工作电流、旋转关节的角速度、任务执行结果、关节减速器的情况、电机轴承的振动信号数据。
[0029]优选地，所述设备包括以下至少一种：工业机器人和数控机床。
[0030]本专利技术实施例还提供一种基于云边协同的设备故障维护方法，包括：
[0031]接收边缘计算中心发送的设备历史运行数据；
[0032]根据所述历史运行数据构建故障预测模型；
[0033]将所述故障预测模型和故障预测应用下发到所述边缘计算中心。
[0034]优选地，所述方法包括：
[0035]其中，云端控制中心设置有AI训练模块；
[0036]接收边缘计算中心发送的设备历史运行数据，包括：
[0037]所述AI训练模块接收边缘计算中心发送的设备历史运行数据；
[0038]根据所述历史运行数据构建故障预测模型，包括：
[0039]所述AI训练模块根据所述历史运行数据构建故障预测模型；
[0040]其中，所述云端控制中心设置有云边协同计算模块；
[0041]将所述故障预测模型和故障预测应用下发到所述边缘计算中心，包括：
[0042]所述云边协同计算模块接收所述AI训练模块构建的故障预测模型；
[0043]将所述故障预测模型和故障预测应用下发至边缘计算中心。
[0044]本专利技术实施例还提供一种基于云边协同的设备故障维护装置，包括：
[0045]获取模块，用于获取设备的历史运行数据和实时运行数据；
[0046]发送模块，用于将所述历史运行数据发送至云端控制中心，以便于所述云端控制中心根据所述历史运行数据训练故障预测模型，并将所述故障预测模型下发回边缘计算中心；
[0047]接收模块，用于接收所述云端控制中心发送的故障预测模型和故障预测应用；
[0048]分析模块，用于采用所述故障预测模型分析设备的所述实时运行数据，生成分析结果；
[0049]显示模块，用于采用所述故障预测应用显示所述设备的实时运行数据及所述故障预测模型生成的分析结果。
[0050]本专利技术实施例还提供一种基于云边协同的设备故障维护装置，包括：
[0051]接收模块，用于接收边缘计算中心发送的设备历史运行数据；
[0052]训练模块，用于根据所述历史运行数据训练故障预测模型；
[0053]下发模块，用于将所述故障预测模型和故障预测应用下发到所述边缘计算中心。
[0054]与现有技术相比，本专利技术实施例具有以下有益效果：本专利技术实施例的技术方案通过根据设备的历史运行数据，在云端控制中心训练构建故障预测模型，云端控制中心将故障预测模型和故障预测应用下发到边缘计算中心，然后由边缘计算中心根据故障预测模型分析设备的实时运行数据，并生成分析结果，然后由故障预测应用显示该分析结果；本专利技术可以实现：1、专业的维修人员无需到现场对设备进行拆机检测，增强了对数据采集和故障分析的实时性，降低设备的维护难度；2、对设备的异常情况进行早发现和早治疗，然后通过系统性的维护保养，尽可能的提高设备的效率、使用率和使用寿命；3、通过近端边缘计算中心实现服务区域内数据的高效汇总，在边缘实现目标设备的状态预测，节省数据上传云端控本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于云边协同的设备故障维护方法，其特征在于，包括：获取设备的历史运行数据和实时运行数据；将所述历史运行数据发送至云端控制中心，以便于所述云端控制中心根据所述历史运行数据训练故障预测模型，并将所述故障预测模型下发回边缘计算中心；接收所述云端控制中心发送的故障预测模型和故障预测应用；采用所述故障预测模型分析设备的所述实时运行数据，生成分析结果；采用所述故障预测应用显示所述设备的实时运行数据及所述故障预测模型生成的分析结果。2.根据权利要求1所述的方法，其特征在于，包括：其中，所述边缘计算中心设置有边缘预测模块；接收所述云端控制中心发送的故障预测模型和故障预测应用，包括：所述边缘预测模块接收数据采集模块发送的实时运行数据；所述边缘预测模块接收所述云端控制中心发送的故障预测模型，所述边缘预测模块采用所述故障预测模型分析设备的所述实时运行数据，生成分析结果。3.根据权利要求1所述的方法，其特征在于，包括：其中，所述边缘计算中心设置有数据采集模块；获取设备的历史运行数据和实时运行数据，包括：所述数据采集模块获取设备的历史运行数据和实时运行数据；将所述历史运行数据发送至云端控制中心，以便于所述云端控制中心根据所述历史运行数据训练故障预测模型，并将所述故障预测模型下发回边缘计算中心，包括：所述数据采集模块将所述历史运行数据发送至云端控制中心；所述数据采集模块将所述实时运行数据发送至所述故障预测应用。4.根据权利要求1所述的方法，其特征在于，采用所述故障预测应用显示所述设备的实时运行数据及所述故障预测模型生成的分析结果之后，所述方法还包括：所述故障预测应用还用于分析以下至少一种指标，并显示所述指标：所述实时运行数据的变化、设备故障诊断情况、健康度分析和剩余寿命；当所述至少一项指标与正常值比较发生异常时，对设备的潜在故障进行预警。5.根据权利要求1所述的方法，其特征在于，所述设备的运行数据包括以下至少一种：总消耗功率、基座振动、各...
【专利技术属性】
技术研发人员：穆瑜，申俊波，田玉靖，邹萍，刘莹，
申请(专利权)人：北京航天智造科技发展有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。