CN119415904A 基于工业物联网的设备故障预警方法、装置、介质及系统 （成都秦川物联网科技股份有限公司）

基于工业物联网的设备故障预警方法、装本申请公开了一种基于工业物联网的设备据数据的波动情况设定不同的衰减因子进而使2根据各运行数据的波动性确定各运行数据的初始针对任一运行数据，基于所述运行数据中每一离散数据的噪声可基于各运行数据的自适应衰减因子使用指数加权平均算法进行预基于各运行数据的波动程度的数值差异确定各运行数据的初基于所述运行数据中每一离散数据的噪声可能性对初始衰减基于所述运行数据中每一离散数据的数值近似性和位置差异性确定所述运行数据中针对所述运行数据，依次分别计算各离散数据和其他数据的差计算各离散数据的聚类结果中每一簇类所包含的数值个3针对所述运行数据，依次分别确定与各离散数据的数值差所具有的差值绝对值确定为所述离散数据的8.一种基于工业物联网的设备故障预警系统，初始衰减因子获取模块，用于根据各运行数据的波动性初始衰减因子调整模块，用于针对任一运行数据，基于数据预测模块，用于基于各运行数据的自适应衰减因子使9.一种基于工业物联网的设备故障预警装置，其所述至少一个处理器能够执行如权利要求1至7中任一项所述的基于工业物联网的设备故4[0001]本申请涉及设备故障预警领域，尤其涉及基于工业物联网的设备故障预警方法、[0004]使用指数加权平均法进行设备故障预警时，衰减因子的选取对预测结果影响较[0005]上述内容仅用于辅助理解本申请的技术方案，并不代表承认上述内容是现有技任一运行数据，基于所述运行数据中每一离散数据的噪声可能性对初始衰减因子进行调5噪声可能性；基于所述运行数据中每一离散数据的噪声可能性对初始衰减因子进行调整，行数据中每一离散数据的数值近似性；计算所述运行数据中每一离散数据的位置差异性；基于所述运行数据中每一离散数据的数值近似性和位置差异性确定所述运行数据中每一大值与个数最小值的差值确定为对应离散数据的一运行数据，基于所述运行数据中每一离散数据的噪声可能性对初始衰减因子进行调整，[0019]此外，基于所述运行数据中每一离散数据的噪声可能性对初始衰减因子进行调6[0020]图1为根据本申请一种实施方式的基于工业物联网的设备故障预警方法的流程图2为根据本申请一种实施方式的基于工业物联网的设备故障预警系统的结构框图3为根据本申请一种实施方式的基于工业物联网的设备故障预警装置的结构示[0025]图1为根据本申请一种实施方式的基于工业物联网的设备故障预警方法的流程图，该基于工业物联网的设备故障预警方法可以由具有数据处理能力的预警装置来执行，7是对预先设定的衰减因子的进一步改进。本申请实施例中对于数值波动较小的运行数据，据使得使用指数加权平均算法进行预测时可以迅速反映最新数据的变化。较小的衰减因子利用指数加权平均算法预测得到的下一时刻温度数据为42.81，使用较大的衰减因子预测得到的结果42.81与实际下一时刻的温度数据428[0042]在一种实施例中，计算所述运行数据中每一离散数据的噪声可能性具体可以包S33、基于所述运行数据中每一离散数据的数值近似性和位置差异性确定所述运据每一离散数据的数值近似性得到每一离散数据属于可能异常的离散数据即噪声离散数9离散数据数值差异最小的数据记为该离散数据行数据中所有离散数据的数值近似性进行线性归一将运行数据中某离散数据的位置差异性与数值近似性的比值确定为运行数据中该离散数施例在考虑不同运行数据其数值波动存在差异的同时考虑了传感器采集得到的数据易出[0057]在上述实施例的基础上，图2为根据本申请一种实施方式的基于工业物联网的设备故障预警系统的结构框图，如图2所示，该基于工业物联网的设备故障预警系统可以包初始衰减因子获取模块220用于根据各运行数据的波动性确定各运行数据的初始初始衰减因子调整模块230用于针对任一运行数据，基于所述运行数据中每一离数据预测模块240用于基于各运行数据的自适应衰减因子使用指数加权平均算法设备故障预警模块250用于根据各运行数据的若干个预测值进行设[0058]在示例性实施例中，初始衰减因子获取模块220还可以用于计算各运行数据的波[0061]在示例性实施例中，初始衰减因子调整模块230还可以用于计算所述运行数据中[0062]在示例性实施例中，初始衰减因子调整模块230还可以用于计算所述运行数据中运行数据中每一离散数据的数值近似性和位置差异性确定所述运行数据中每一离散数据各所述离散数据的位置和与其对应的位置关联数据的位置之间所具有的差值绝对值确定是与前述实施例中的一种基于工业物联网的设备故障预警方法中的各步骤一一对应，因[0066]在上述实施例的基础上，图3为根据本申请一种实施方式的一种基于工业物联网[0067]此外，上述的存储器330中的逻辑指令可以通过