本申请提供的一种工业设备数据采集方法，包括：确定数据需求，并根据所述数据需求选择传感器，实时监测设备状态；建立本地数据库，存储采集的设备状态数据，将所述设备状态数据上传到云平台；使用数据处理工具对采集的原始数据进行处理和清洗，使用统计分析和机器学习对采集的数据进行分析和优化；使用数据可视化工具，将处理后的数据形成图表、仪表盘或报告的形式，完成数据采集。本申请增加了机器学习，并将机器学习融合进统计分析中，可有效提高隐含信息的挖掘。信息的挖掘。信息的挖掘。
【技术实现步骤摘要】
一种工业设备数据采集方法及装置
[0001]本申请涉及数据采集领域，尤其涉及一种工业设备数据采集方法，还涉及一种工业设备数据采集装置。
技术介绍
[0002]数据收集是一个典型的一般过程，包括收集原始数据并将其转换为有用的信息。数据收集的基本过程通常包括四个主要步骤，即数据收集、数据组织、数据分析和报告分析。
[0003]第一步是数据收集，包括从各种来源收集数据。有许多数据收集技术，例如使用传感器设备，准备收集实时变化数据，使用问卷收集质量数据，访问仓库数据，进行实地观察等。在这个阶段，还需要验证传入数据，并确保其准确性、可靠性和隐私性。
[0004]第二步是对收集到的数据进行预处理和清理，以便将非标准数据组织成符合标准的数据，设置在这里，可以有效地检测数据中的异常值和重复值，以便进行后续分析。
[0005]第三步是数据分析，全面分析。
[0006]但是针对第三步，目前采用的仅仅是通过数据统计的方式进行数据分析，对数据中隐含的信息挖掘不够。
技术实现思路
[0007]本申请的目的在于克服现有技术中对数据中隐含的信息挖掘不够的缺陷，提供一种工业设备数据采集方法，还涉及一种工业设备数据采集装置。
[0008]本申请提供的一种工业设备数据采集方法，包括：
[0009]确定数据需求，并根据所述数据需求选择传感器，实时监测设备状态；
[0010]建立本地数据库，存储采集的设备状态数据，将所述设备状态数据上传到云平台；
[0011]使用数据处理工具对采集的原始数据进行处理和清洗，使用统计分析和机器学习对采集的数据进行分析和优化；
[0012]使用数据可视化工具，将处理后的数据形成图表、仪表盘或报告的形式，完成数据采集。
[0013]可选地，还包括：
[0014]根据设备的正常操作范围，设定所述设备状态数据警报阈值，同时基于历史数据和故障模式，使用机器学习算法训练模型，预测设备潜在故障；
[0015]当触发所述数据警报阈值，发出警报并将所述设备潜在故障通知到相关人员。
[0016]可选地，所述使用统计分析和机器学习对采集的数据进行分析和优化，包括：
[0017]从数据源中采集原始数据，并进行数据清洗、去噪和处理缺失值预处理；
[0018]计算数据的均值、方差统计指标，以及相关性指标；
[0019]根据所述均值、方差和相关性指的指标，绘制数据的图表，观察数据的分布和关系；
[0020]选择机器学习算法，包括线性回归、决策树或支持向量机；
[0021]将数据集划分为训练集和测试集，对训练集进行模型训练和验证，确定深度学习模型；
[0022]使用测试集评估模型的性能，计算准确度、F1分数指标，获得机器学习模型，基于所述机器学习模型分析和优化数据。
[0023]可选地，还包括，设置深度学习模型测设备潜在故障，所述设置深度学习模型包括：
[0024]根据数据类型和问题的复杂性选择适当的深度学习模型，包括卷积神经网络(CNN)或者循环神经网络(RNN)；
[0025]对数据进行预处理，将数据集划分为训练集和测试集；
[0026]对训练集进行深度学习模型的训练，并使用验证集进行模型调参和选择最佳模型；
[0027]使用测试集评估模型的性能，计算损失函数、准确度指标，获得深度学习模型；
[0028]结合机器学习模型和深度学习模型的结果，进行分析的融合，包括：使用特征选择、特征工程和或模型集成方法来优化模型的性能；根据实际需求和新数据的变化进行模型的持续优化和改进。
[0029]可选地，对于线性回归模型，成本函数是平均平方误差(Mean Squared Error，MSE)，其公式如下：
[0030][0031]其中，N表示样本数量，yi为实际观测值，为模型的预测值。
[0032]本申请还提供一种工业设备数据采集装置，包括：
[0033]获取模块，用于确定数据需求，并根据所述数据需求选择传感器，实时监测设备状态；
[0034]本地模块，用于建立本地数据库，存储采集的设备状态数据，将所述设备状态数据上传到云平台；
[0035]清洗模块，用于使用数据处理工具对采集的原始数据进行处理和清洗，使用统计分析和机器学习对采集的数据进行分析和优化；
[0036]完成模块，用于使用数据可视化工具，将处理后的数据形成图表、仪表盘或报告的形式，完成数据采集。
[0037]可选地，还包括：
[0038]根据设备的正常操作范围，设定所述设备状态数据警报阈值，同时基于历史数据和故障模式，使用机器学习算法训练模型，预测设备潜在故障；
[0039]当触发所述数据警报阈值，发出警报并将所述设备潜在故障通知到相关人员。可选地，所述使用统计分析和机器学习对采集的数据进行分析和优化，包括：
[0040]从数据源中采集原始数据，并进行数据清洗、去噪和处理缺失值预处理；
[0041]计算数据的均值、方差统计指标，以及相关性指标；
[0042]根据所述均值、方差和相关性指的指标，绘制数据的图表，观察数据的分布和关系；
[0043]选择机器学习算法，包括线性回归、决策树或支持向量机；
[0044]将数据集划分为训练集和测试集，对训练集进行模型训练和验证，确定深度学习模型；
[0045]使用测试集评估模型的性能，计算准确度、F1分数指标，获得机器学习模型，基于所述机器学习模型分析和优化数据。
[0046]可选地，还包括，设置深度学习模型测设备潜在故障，所述设置深度学习模型包括：
[0047]根据数据类型和问题的复杂性选择适当的深度学习模型，包括卷积神经网络(CNN)或者循环神经网络(RNN)；
[0048]对数据进行预处理，将数据集划分为训练集和测试集；
[0049]对训练集进行深度学习模型的训练，并使用验证集进行模型调参和选择最佳模型；
[0050]使用测试集评估模型的性能，计算损失函数、准确度指标，获得深度学习模型；
[0051]结合机器学习模型和深度学习模型的结果，进行分析的融合，包括：使用特征选择、特征工程和或模型集成方法来优化模型的性能；根据实际需求和新数据的变化进行模型的持续优化和改进。
[0052]可选地，对于线性回归模型，成本函数是平均平方误差(Mean Squared Error，MSE)，其公式如下：
[0053][0054]其中，N表示样本数量，yi为实际观测值，为模型的预测值。
[0055]本申请的优点和有益效果：
[0056]专利技术点1，增加机器学习。
[0057]专利技术点2，通过深度神经网络对机器学习处理的数据进行分析，获得故障信息。
[0058]专利技术点3，使用特征选择、特征工程和或模型集成方法来优化模型的性能。
[0059]本申请提供的一种工业设备数据采集方法，本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种工业设备数据采集方法，其特征在于，包括：确定数据需求，并根据所述数据需求选择传感器，实时监测设备状态；建立本地数据库，存储采集的设备状态数据，将所述设备状态数据上传到云平台；使用数据处理工具对采集的原始数据进行处理和清洗，使用统计分析和机器学习对采集的数据进行分析和优化；使用数据可视化工具，将处理后的数据形成图表、仪表盘或报告的形式，完成数据采集。2.根据权利要求1所述工业设备数据采集方法，其特征在于，还包括：根据设备的正常操作范围，设定所述设备状态数据警报阈值，同时基于历史数据和故障模式，使用机器学习算法训练模型，预测设备潜在故障；当触发所述数据警报阈值，发出警报并将所述设备潜在故障通知到相关人员。3.根据权利要求1所述工业设备数据采集方法，其特征在于，所述使用统计分析和机器学习对采集的数据进行分析和优化，包括：从数据源中采集原始数据，并进行数据清洗、去噪和处理缺失值预处理；计算数据的均值、方差统计指标，以及相关性指标；根据所述均值、方差和相关性指的指标，绘制数据的图表，观察数据的分布和关系；选择机器学习算法，包括线性回归、决策树或支持向量机；将数据集划分为训练集和测试集，对训练集进行模型训练和验证，确定深度学习模型；使用测试集评估模型的性能，计算准确度、F1分数指标，获得机器学习模型，基于所述机器学习模型分析和优化数据。4.根据权利要求3所述工业设备数据采集方法，其特征在于，还包括，设置深度学习模型测设备潜在故障，所述设置深度学习模型包括：根据数据类型和问题的复杂性选择适当的深度学习模型，包括卷积神经网络(CNN)或者循环神经网络(RNN)；对数据进行预处理，将数据集划分为训练集和测试集；对训练集进行深度学习模型的训练，并使用验证集进行模型调参和选择最佳模型；使用测试集评估模型的性能，计算损失函数、准确度指标，获得深度学习模型；结合机器学习模型和深度学习模型的结果，进行分析的融合，包括：使用特征选择、特征工程和或模型集成方法来优化模型的性能；根据实际需求和新数据的变化进行模型的持续优化和改进。5.根据权利要求3所述工业设备数据采集方法，其特征在于，对于线性回归模型，成本函数是平均平方误差(Mean Squared Error，MSE)，其公式如下：其中，N表示样本数量，yi为实际观测值，为模型的预测值。6.一种工业设备数据采集装置，其特征在于，...
【专利技术属性】
技术研发人员：安洁，
申请(专利权)人：陕西坤天达智能科技有限公司，
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。