云边协同报警系统、方法及计算机可读存储介质与流程
- 国知局
- 2024-10-21 14:35:01
本发明涉及故障诊断,特别是涉及一种云边协同报警系统、方法及计算机可读存储介质。
背景技术:
1、随着传感网络和信息物理融合系统的快速发展,如何更加有效的提取工业设备的实时特征数据,判断设备运行状态,及时并更加精准的报警,是当前设备智能诊断和信息物理融合系统领域的一个重要问题。
2、传统的传感器节点对设备振动信息采集完成后需要将完整的振动信息传输到上位机进行分析处理,虽然这种传输方式保证了传输信息的完整性,但大量的数据传输会导致报警不及时,从而出现较大的安全隐患。
技术实现思路
1、有鉴于此,本发明的目的在于提供一种云边协同报警系统、方法及计算机可读存储介质,提升了报警的及时性,且保障了报警的准确性。
2、本发明提供一种云边协同报警系统,包括:
3、采集端,用于对设备的各项参数进行采集;
4、网关端,包括若干第一报警模型,用于将采集的各项参数进行粗处理以形成第一数据,并将第一数据与对应的第一报警模型进行绑定,所述第一报警模型根据第一数据进行报警判断,并在报警时将所述各项参数发送至云端模块,以触发所述云端模块;
5、云端模块,包括若干第二报警模型,用于对接收到的各项参数进行细处理以形成第二数据,并将第二数据与对应的第二报警模型进行绑定,所述第二报警模型根据第二数据进行报警判断。
6、在一实施例中,所述网关端包括:
7、第一数据处理子单元,用于将采集的各项参数进行粗处理以形成第一数据;
8、第一匹配子单元,用于所述将第一数据与对应的第一报警模型进行绑定;
9、第一数据收发子单元,用于在所述第一报警模型处于报警状态下被触发,以将所述各项参数发送至所述云端模块。
10、在一实施例中,所述云端模块包括:
11、第二数据收发子单元,用于接收所述各项参数;
12、第二数据处理子单元,用于对将所述各项参数进行细处理以形成第二数据;
13、第二匹配子单元,用于将所述第二数据与对应的所述第二报警模型进行绑定。
14、在一实施例中,所述云端模块还包括:
15、报警模型更新子单元,用于对所述第二报警模型进行更新。
16、在一实施例中,所述云端模块还包括:
17、报警模型创建子单元,用于根据历史数据创建新的报警模型。
18、本发明提供一种云边协同报警方法,采用上述任意一项所述的系统进行实施,包括如下步骤:
19、对设备的各项参数进行采集;
20、将采集的各项参数进行粗处理以形成第一数据,并将第一数据与对应的第一报警模型进行绑定,所述第一报警模型根据第一数据进行报警判断,并在报警时将所述各项参数发送至云端模块,以触发所述云端模块;
21、对接收到的各项参数进行细处理以形成第二数据,并将第二数据与对应的第二报警模型进行绑定,所述第二报警模型根据第二数据进行报警判断。
22、本发明还提供一种计算机可读存储介质,所述存储介质中存储有至少一条计算机指令,所述计算机指令由处理器加载并执行以实现上述所述的云边协同报警方法。
23、本发明提供的云边协同报警系统、方法及计算机可读存储介质,通过网关端能够在获取到异常参数时进行报警,节省了数据上传的时间,提升了报警的及时性,且在报警时,云端模块会根据各项参数对是否需要报警再次判断,并根据判断结果对网关端进行控制,从而很好的保证了报警的准确性。
技术特征:1.一种云边协同报警系统,其特征在于,包括:
2.如权利要求1所述的云边协同报警系统,其特征在于,所述网关端包括:
3.如权利要求1所述的云边协同报警系统,其特征在于,所述云端模块包括:
4.如权利要求3所述的云边协同报警系统,其特征在于,所述云端模块还包括:
5.如权利要求4所述的云边协同报警系统,其特征在于,所述云端模块还包括:
6.一种云边协同报警方法,其特征在于,采用权利要求1至5中任意一项所述的系统进行实施,包括如下步骤:
7.一种计算机可读存储介质,其特征在于,所述存储介质中存储有至少一条计算机指令,所述计算机指令由处理器加载并执行以实现权利要求6中所述的云边协同报警方法。
技术总结一种云边协同报警系统、方法及计算机可读存储介质,该云边协同报警系统包括:采集端,用于对设备的各项参数进行采集;网关端,包括若干第一报警模型,用于将采集的各项参数进行粗处理以形成第一数据,并将第一数据与对应的第一报警模型进行绑定,所述第一报警模型根据第一数据进行报警判断,并在报警时将所述各项参数发送至云端模块,以触发所述云端模块;云端模块,包括若干第二报警模型,用于对接收到的各项参数进行细处理以形成第二数据,并将第二数据与对应的第二报警模型进行绑定,所述第二报警模型根据第二数据进行报警判断。该云边协同报警系统、方法及计算机可读存储介质,提升了报警的及时性,且保障了报警的准确性。技术研发人员:王亚坤,邹冬良,陈世金,韩泽宁受保护的技术使用者:五冶集团上海有限公司技术研发日:技术公布日:2024/10/17本文地址:https://www.jishuxx.com/zhuanli/20241021/318661.html
版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至 YYfuon@163.com 举报,一经查实,本站将立刻删除。
下一篇
返回列表