一种应用物联网技术的工业自动化控制系统及方法与流程

本发明涉及故障预测，具体为一种应用物联网技术的工业自动化控制系统及方法。

背景技术：

1、随着信息技术、通信技术、传感器技术、控制算法等多个领域的不断进步和创新，各种先进的自动化控制技术得以不断涌现和应用，推动了工业自动化控制的发展。随着产业结构的调整和升级，传统制造业向智能制造业的转型升级势在必行。自动化控制技术是智能制造的关键支撑，可以实现生产过程的数字化、智能化、柔性化，适应市场需求的快速变化。而随着全球竞争的日益加剧，企业需要降低生产成本、提高生产效率，以保持竞争优势。自动化控制技术的应用可以减少人力投入、提高生产效率、降低能源消耗等，因此受到了企业的青睐。现今在许多的工业生产环节中，为了提高产量，增加生产效率，大部分均采用流水线生产，但在流水线生产中，如果某个环节出现故障或者停工，整条生产线都会受到影响，导致生产效率下降。而且修复故障可能需要较长时间，造成生产损失。为了减少影响，生产人员会对设备进行定期检修，可以实现对故障的提前发现和维护，但是因为无法确定故障类型和对生产过程的影响程度，为了安全生产，只能对所有故障均进行停工检修维护，无法做到对故障的精准判断，这无疑大大减慢了生产效率；因此，如何实现自动化故障预测、故障类型判断、故障影响度分析至关重要；根据上述问题，本发明提出了一种应用物联网技术的工业自动化控制系统及方法。

技术实现思路

1、本发明的目的在于提供一种应用物联网技术的工业自动化控制系统及方法，以解决上述背景技术中提出的问题。

2、为了解决上述技术问题，本发明提供如下技术方案：

3、一种应用物联网技术的工业自动化控制方法，所述方法包括以下步骤：

4、s100、收集工业生产过程中的生产数据，对生产数据进行分析后，提取生产数据的特征，生成生产车间集合；

5、进一步的，生成生产车间集合的具体步骤为：

6、s101、收集历史中工业生产过程中的生产数据，且收集的生产数据为同一种类型，设收集的生产数据为{s1、s2、s3...sn}，s1、s2、s3...sn表示为收集的工业生产过程中的第1、2、3...n个生产数据，n为正整数；

7、s102、对收集的n个历史中的生产数据进行特征分析，计算n个生产数据的标准差，公式为：公式中，st表示为生产数据的标准差，si表示收集的历史中第i个生产数据，i取值为1至n，sp表示为n个生产数据的平均值，n表示收集的历史中生产数据的总数；

8、s103、分别计算收集的每个生产数据之间的差值，设差值为表示为计算得到的第个生产数据的差值，表示为计算得到差值的总个数；利用生产数据的标准差对计算得到的每个生产数据的差值进行判断，在判断时采用差值的绝对值，当c≤st时，判断差值对应的两个生产数据为同一种生产数据，当c>st时，判断差值对应的两个生产数据不为同一种生产数据；

9、s104、对个差值进行判断，将判断为同一种生产数据的归为出自于同一个生产车间，经过判断后将收集的生产数据分为m种，则在工业生产中的生产车间为{p1、p2、p3...pm}，p1、p2、p3...pm表示判断得到的第1、2、3...m个生产车间，m为工业生产中生产车间的总个数，m为正整数。

10、对工业生产过程中的生产数据进行分析后，将工业生产过程进行分类，构建不同的生产车间，在对工业生产时的故障进行预测时，只需对不同生产车间的数据进行分别判断，可以准确的判断发生故障的位置，在进行维护时更加快捷和方便；

11、s200、计算不同生产车间之间的影响力，构建工业生产过程中的生产车间流水线；

12、进一步的，构建工业生产过程中的生产车间流水线的具体步骤为：

13、s201、在判断得到工业生产中存在m个生产车间后，收集历史中每个生产车间发生故障前后，其余生产车间生产数据，设pr生产车间故障前其余生产车间的生产数据为{pr1、pr2、pr3...prm-1}，pr1、pr2、pr3...prm-1表示为pr生产车间故障前其余的第1、2、3...m-1个生产车间的生产数据，1<r<m；设pr生产车间故障后其余生产车间的生产数据为{pr'1、pr'2、pr'3...pr'm-1}，pr'1、pr'2、pr'3...pr'm-1表示为pr生产车间故障后其余的第1、2、3...m-1个生产车间的生产数据；

14、s202、计算pr生产车间对其余m-1个生产车间的影响度，公式为：

15、in＝|pr'-pr|

16、公式中，in为pr生产车间对其余m-1个生产车间的影响度，pr'为pr生产车间故障后其余生产车间的生产数据，pr为pr生产车间故障前其余生产车间的生产数据；根据上述公式计算得到当pr生产车间对其余生产车间的影响度分别为{in1、in2、in3...inm-1}，in1、in2、in3...inm-1表示计算得到pr生产车间对第1、2、3...个生产车间的影响度，对历史中pr生产车间发生h次不同故障的影响度差值均进行计算，得到pr生产车间对其余生产车间影响度平均值，对m-1个影响度平均值进行相加，得到pr生产车间对生产的总影响度；

17、s203、依次收集m个生产车间发生故障前后其余生产车间的生产数据，计算得到每个生产车间对其余生产车间的影响度，对每个生产车间进行h次收集计算得到影响度平均值，计算每个生产车间对生产的总影响度，根据m个车间的总影响度进行排序，最终得到m个生产车间的生产流水线为pfirst→psecond→pthird...pend。

18、在将工业生产过程进行分类，构成不同的生产车间后，若发生故障，则可能对其余生产车间产生影响，在将生产车间的顺序进行确定，得到工业生产的流水线后，当某一生产车间发生故障时可以清晰的判断故障生产车间可能会对哪些其余生产车间产生影响，并且计算得到具体的影响度；计算得到的流水线不为实际中工业生产的流水线，计算得到的流水线为不同生产车间对生产过程影响度的排序；

19、s300、收集不同生产车间历史中发生故障的记录，对历史故障记录进行分析后，得到不同生产车间中的关联数据、故障种类和故障影响度，构建故障数据库；

20、进一步的，构建故障数据库的具体步骤为：

21、s301、收集历史中每个生产车间发生故障前后的设备数据，设收集的生产车间中的设备数据包括{e1、e2、e3...ed}，e1、e2、e3...ed表示收集的生产车间中的第1、2、3...d种设备数据，d为正整数；计算历史中每个生产车间发生故障前后的设备数据的差值，公式为：

22、e_c＝e'-e

23、公式中，e_c为每个生产车间发生故障前后的设备数据的差值，e'为每个生产车间发生故障后的设备数据，e为每个生产车间发生故障前的设备数据；

24、设计算得到的设备数据的差值为{e_c1、e_c2、e_c3...e_cd}，e_c1、e_c2、e_c3...e_cd表示为计算得到第1、2、3...d种设备数据的差值；对计算得到的差值进行比较，选取差值的绝对值最大的作为生产车间发生故障的关联数据，最终对比得到每个生产车间的关联数据为{e_g1、e_g2、e_g3...e_gm}，e_g1、e_g2、e_g3...e_gm表示为对比得到的第1、2、3...m个生产车间的关联数据；

25、s302、收集工业生产历史中每个生产车间发生故障的记录，提取pr生产车间的所有故障记录中的关联数据为{e_g_r1、e_g_r2、e_g_r3...e_g_ra}，e_g_r1、e_g_r2、e_g_r3...e_g_ra为提取pr生产车间历史中第1、2、3...a个故障记录中的关联数据，a为正整数；计算所有关联数据的标准差和每个关联数据的差值，根据标准差对关联数据的差值绝对值进行判断，将差值绝对值小于标准差的故障归为同一种故障类型，对a种差值均进行判断，最终得到pr生产车间存在的故障类型为{f1、f2、f3...fu}，f1、f2、f3...fu表示pr生产车间存在的第1、2、3...u种故障类型；对m个生产车间的故障记录均进行收集后，计算判断得到m个生产车间的故障类型个数分别为{u1、u2、u3...um}，u1、u2、u3...um表示第1、2、3...m个生产车间所存在的故障类型个数；

26、s303、在判断得到每个生产车间的故障类型后，收集每个生产车间发生不同故障前后后续生产车间中的生产数据，计算pr生产车间发生故障前后后续生产车间生产数据差值为{in_fr+1、in_fr+2、in_fr+3...in_fm}，in_fr+1、in_fr+2、in_fr+3...in_fm表示计算得到的发生故障前后后续生产车间生产数据差值，pr生产车间后续生产车间的个数为m-r；根据上述方法计算得到m个生产车间在发生不同故障时对后续生产车间的影响度；

27、计算pr生产车间发生故障时对工业生产的影响度，公式为：

28、

29、公式中，α为pr生产车间发生故障时对于工业生产的影响度，in_f表示pr生产车间对后续第r+1、r+2、r+3...m个生产车间的影响度；对pr生产车间存在的u种故障类型对工业生产的影响度均进行计算，得到u个影响度为q，q＝{α1、α2、α3...αu}，α1、α2、α3...αu表示为计算得到的pr生产车间发生第1、2、3...u种故障时对于工业生产的影响度，u为正整数；利用相同的方法对m个生产车间所有故障类型对工业生产的影响度进行计算，得到m个关于不同故障对工业生产影响度的集合q；

30、s304、将计算得到m个生产车间的关联数据、故障类型和不同故障的影响度进行整理，构建数据库。

31、根据上述的步骤计算得到不同生产车间的关联数据、故障类型和影响度后，对每个生产车间中对应的三种数据进行整理，构建数据库用于在之后的故障预测和影响度判断时使用，可以较为快速的判断故障类型和影响度的大小；

32、s400、根据构建的故障数据库计算工业生产过程中的故障阈值和影响度阈值；

33、进一步的，计算工业生产过程中的故障阈值和影响度阈值的具体步骤为：

34、s401、收集历史中每个生产车间发生故障时关联数据，将收集的关联数据进行比较，提取关联数据的最小值，作为对应的生产车间的故障阈值，利用相同的方法，提取m个生产车间的故障阈值为{g_y1、g_y2、g_y3...g_ym}，g_y1、g_y2、g_y3...g_ym表示提取的第1、2、3...m个生产车间的故障阈值；

35、s402、收集历史中进行停工维护故障的记录，提取停工维护故障记录中故障对于工业生产的影响度，利用s100中计算标准差和差值的方法，计算影响度的差值和标准差，将历史中停工维护故障记录中故障对于工业生产的影响度进行分级处理，判断差值绝对值小于标准差的影响度为同一级，最终得到历史中停工维护故障记录中故障对于工业生产的影响度为j个级别，比较j个级别影响度，提取其中最小值作为工业生产中的影响度阈值α_y。

36、s500、实时收集工业生产中的关联数据，根据故障阈值对关联数据进行分析，预测是否会发生故障并发出预警；

37、进一步的，根据故障阈值对关联数据进行分析的具体步骤为：

38、s501、实时收集工业生产中每个生产车间的关联数据为{e_g_s1、e_g_s2、e_g_s3...e_g_sm}，e_g_s1、e_g_s2、e_g_s3...e_g_sm表示实时收集的第1、2、3...生产车间的关联数据，m为正整数；

39、s502、根据计算得到故障阈值对实时收集的关联数据进行判断，并进行分别讨论：当s301中选取生产车间设备数据差值绝对值的最大值，对应差值e_g>0时，判断e_g_s≥g_y时，预测对应的生产车间发生故障并发出预警，判断e_g_s<g_y时，预测对应的生产车间不会发生故障；

40、当s301中选取生产车间设备数据差值绝对值的最大值，对应差值e_g<0时，判断e_g_s>g_y时，预测对应的生产车间不会发生故障，判断e_g_s≤g_y时，预测对应的生产车间发生故障并发出预警；

41、s503、在对m个生产车间进行判断后得到发出预警的生产车间为{p1、p2、p3...pv}，p1、p2、p3...pv表示发出预警的第1、2、3...v个生产车间，v为正整数。

42、s600、当发出故障预警后，利用实时故障的关联数据计算实时故障与故障数据库中每种故障类型的相似度，得到实时故障类型并判断实时故障是否需要停工维护。

43、进一步的，计算故障在故障数据库中的相似度的具体步骤为：

44、s601、当判断生产车间发生故障并发出预警后，提取s302中对故障进行分类时，每种故障类型对应的关联数据，并计算每种故障类型中关联数据的平均值为{e_p1、e_p2、e_p3...e_pu}，e_p1、e_p2、e_p3...e_pu表示计算的第1、2、3...u种故障类型的关联数据的平均值；对m个生产车间中不同故障的关联数据进行平均值计算；

45、s602、根据构建的数据库计算发出预警的故障与数据库中每种故障类型的相似度，公式为：

46、si＝|e_g_s-e_p|

47、公式中，si表示发出预警的故障与数据库中每种故障的相似度，e_g_s表示判断发出预警的实时关联数据，e_p表示历史中每种故障类型中关联数据的平均值；经过计算得到u个相似度，对计算得到的u个相似度进行对比，选取最小相似度对应的数据库中的故障类型作为实时的故障类型；

48、s603、在判断得到实时预警的故障类型后，在数据库中查找对应故障类型在工业生产中的影响度，设在数据库中查找得到的实时故障类型的影响度为α_s，判断当α_s≥α_y时，需要进行停工进行维护，当α_s＜α_y时，不需要停工即可进行维护。

49、当判断故障的影响度不需要进行停工维护时，可以在设备继续工作的状态实现对故障的维护，极大的减少了工业生产时的经济损失和维护难度；

50、一种应用物联网技术的工业自动化控制系统，工业自动化控制系统包括数据收集模块、生产车间分类模块、流水线计算模块、数据库构建模块、阈值计算模块、故障预测模块和影响度判断模块；

51、所述数据收集模块用于收集历史中工业生产时的生产数据和设备数据，并且收集历史中的生产车间发生故障的记录；

52、所述生产车间分类模块用于在历史中的生产数据进行分析，计算得到工业生产过程进行分类，得到不同的生产车间；

53、所述流水线计算模块用于分类得到不同的生产车间后，对生产车间之间的影响度进行分析，构建工业生产时的流水线；

54、所述数据库构建模块用于计算每个生产车间的关联数据、故障类型和故障影响度后，将计算得到的三种数据对应构建数据库；

55、所述阈值计算模块用于计算每个生产车间的故障阈值和工业生产的影响度阈值；

56、所述故障预测模块用于实时收集不同生产车间的关联数据后，根据故障阈值对关联数据进行判断，预测是否发生故障并发出预警；

57、所述影响度判断模块用于在发出故障预警后，计算故障在数据库中的相似度，得出故障判断，判断实时故障类型是否需要停工维护。

58、数据库构建模块包括关联数据计算单元、故障分类单元和影响度计算单元；

59、所述关联数据计算单元用于对历史中不同生产车间发生故障时的设备数据进行收集分析，计算得到每个生产车间的关联数据；

60、所述故障分类单元用于对历史中不同生产车间发生不同故障的关联数据进行分级处理，利用关联数据的级别将故障进行分类；

61、所述影响度计算模块用于利用历史中生产车间发生不同故障时，其余生产车间生产数据的变化计算得到每种故障对工业生产的影响度。

62、阈值计算模块包括故障阈值计算单元和影响度阈值计算单元；

63、所述故障阈值计算单元用于对历史中的不同生产车间发生故障时的关联数据进行收集，选取最小值作为判断生产车间是否发生故障的故障阈值；

64、所述影响度阈值计算单元用于对历史中停工生产进行故障维护的记录进行分析，提取停工维护故障记录中故障对于工业生产的影响度，计算影响度的差值和标准差，将历史中停工维护故障记录中故障对于工业生产的影响度进行分级处理，提取其中最小值作为工业生产中的影响度阈值。

65、与现有技术相比，本发明所达到的有益效果是：

66、1、本发明通过对工业生产时的生产数据进行分析后，将生产过程进行分类，构成不同的生产车间，在对工业生产时的故障进行预测时，只需对不同生产车间的数据进行分别判断，可以准确的判断发生故障的位置，在进行维护时更加快捷和方便。

67、2、本发明利用得到生产车间构建工业生产时的流水线，可以清晰的得到不同生产车间对其余生产车间的影响度，在对实时故障的影响度进行判断时，根据故障发生的生产车间位置，快速的判断故障对于整个工业生产的影响度。

68、3、本发明通过对不同生产车间的关联数据、故障类型和对应的影响度进行计算后，构建不同生产车间的数据库，当发生实时的故障时，可以直接从数据库中快速匹配对应的故障类型和影响度，极大的加快了对故障的排查和维护速度。

69、4、本发明对故障进行分类和影响度进行计算后，可以对实时发生故障的影响度进行判断，若影响度小于阈值，则不需要停工进行故障维护，可以在工业生产的过程中完成对故障的维护，可以避免发生故障时均停工维护，大大减少了工业生产发生故障时的经济损失，增大了工业生产的效率。