【技術實現步驟摘要】
本專利技術涉及通風機運維，尤其是涉及一種基于大數據的通風機智能運維分析方法及系統。
技術介紹
1、通風機是一種通過機械手段實現氣流輸送和分布的設備，廣泛應用于工業、商業、農業和住宅環境中，以滿足通風、排氣和空氣調節的需求。其
涵蓋機械工程、熱力學、流體力學和控制系統工程。通風機根據其結構和功能原理，可以分為離心式、軸流式、混流式和橫流式等多種類型，其基本功能原理是利用旋轉的葉輪對空氣施加機械能，使空氣流動起來。
2、具體來說，通風機通過電機驅動葉輪旋轉，葉輪的葉片對空氣施加離心力或軸向力，使空氣從進風口吸入并從出風口排出。在離心式通風機中，空氣沿徑向流動，葉輪旋轉時產生的離心力將空氣甩向四周，從而產生高壓氣流。在軸流式通風機中，空氣沿軸向流動，葉輪旋轉時產生的軸向力將空氣推進，適用于需要大風量低風壓的場合。混流式通風機結合了離心式和軸流式的特點，既能產生較高的風壓，又能提供較大的風量。橫流式通風機則通過葉輪的橫向流動產生風壓，常用于空調和空氣凈化器中。
3、通風機的應用場景非常廣泛。在工業領域，通風機用于通風和排氣系統，以改善車間內的空氣質量，排除有害氣體和粉塵，保障工人的健康和安全。在商業和公共建筑中，通風機是暖通空調系統（hvac）的重要組成部分，用于調節室內溫度和濕度，提供舒適的環境。此外，通風機在農業中用于畜舍通風，幫助調節溫度和濕度，促進動物的健康生長。住宅環境中，通風機則用于廚房、衛生間的排氣和室內通風，改善居住環境的空氣質量。
4、通風機的運維分析主要涉及設備監測、故障診斷
5、例如，故障診斷是運維分析的重要組成部分，現有技術多采用基于規則和模型的故障診斷方法，這些方法在復雜工況下的診斷準確率有待提高；尤其是在多故障共存和故障類型復雜的情況下，傳統診斷方法往往難以快速、準確地定位問題。且通風機的性能優化涉及氣流量、風壓、能耗等多個方面，現有優化技術主要依靠經驗和試錯法，缺乏系統的優化模型和算法支持。隨著人工智能和大數據技術的發展，基于數據驅動的優化方法將成為未來的發展方向。
技術實現思路
1、基于此，有必要針對上述技術問題，提供一種基于大數據的通風機智能運維分析方法及系統。
2、第一方面，本專利技術提供了一種基于大數據的通風機智能運維分析方法，該方法包括以下步驟：
3、s1、通過部署監測傳感器，實時采集通風機設備的運行數據；
4、s2、利用邊緣計算設備初步處理運行數據，并通過通信網絡將滿足預設標準的運行數據傳輸至云端；
5、s3、建立分布式架構的運維信息庫，存儲實時上傳的運行數據及歷史運行數據，并利用機器學習方式對運維信息庫進行修正與更新；
6、s4、提取運行數據的狀態特征，并定義節點與邊，構建圖模型，通過圖并行計算分析，評估通風機設備的運行狀態；
7、s5、利用可視化工具展示圖數據與評估結果，提供故障傳播路徑與運行狀態監控，并調控與維護通風機設備的控制參數與機體狀態。
8、進一步的，利用邊緣計算設備初步處理運行數據，并通過通信網絡將滿足預設標準的運行數據傳輸至云端包括以下步驟：
9、s21、讀取實時采集的運行數據，剔除運行數據中包含的非數值；
10、s22、實時監測通風機設備的運行工況，按照時間戳信息，對齊不同來源的運行數據，并剔除處于設備停機期間的運行數據；
11、s23、利用滑動窗口法剔除運行數據中的非穩態值與噪聲值；
12、s24、對運行數據進行非量綱化與歸一化處理；
13、s25、將步驟s21至s24的篩選處理過程定義為預設標準，再將符合預設標準的運行數據通過通信網絡傳輸至云端。
14、進一步的，提取運行數據的狀態特征，并定義節點與邊，構建圖模型，通過圖并行計算分析，評估通風機設備的運行狀態包括以下步驟：
15、s41、建立特征提取并行通道，同步運維信息庫中的文件數據；
16、s42、基于人工智能算法建立特征提取模型，分析運行數據中運行參數的類型與數值，提取通風機設備的狀態特征；其中，狀態特征包括基礎參數特征、參數等級特征、運行趨勢特征及參數波動特征；
17、s43、將運行數據及狀態特征轉換為圖數據，并定義節點和邊及其屬性，構建圖模型；
18、s44、選擇圖計算框架，基于圖計算結果，評估通風機設備的運行狀態和健康指數，并識別關鍵節點及潛在故障。
19、進一步的，建立特征提取并行通道，同步運維信息庫中的文件數據包括以下步驟：
20、s411、在運維數據庫中建立多個特征提取并行通道，每個特征提取特征并行通道內隨機劃分為若干分段，每個分段分布存儲多個數據節點；
21、s412、利用運維信息庫分段存儲運行數據與歷史運行數據，且每段數據帶有時間戳信息，隨機分布在各個分段的數據節點中；
22、s413、按相同時間戳信息的運行數據，由多個特征提取并行通道同步提取，建立多通道并行計算任務，同步處理各通道內的文件數據。
23、進一步的，基于人工智能算法建立特征提取模型，分析運行數據中運行參數的類型與數值，提取通風機設備的狀態特征包括以下步驟：
24、s421、基于運行數據中包含的運行參數的類型，提取基礎參數特征；
25、s422、設定分級閾值，依次對比各個類型運行參數在當前時刻數值對應的閾值等級，判定該運行參數在當前時刻的參數等級特征；
26、s423、設定采樣周期，任意選取一個運行參數，并選取該運行參數前后各n個運行參數作為數據聚合計算和生成特征的窗口，分別計算算數平均數，再針對2n個運行參數進行偏離計算，獲得偏離實際值，通過前后兩個偏離實際值相減得到趨勢數據，通過循環計算，最終得到運行趨勢特征；
27、s424、采集運行數據中運行參數的差分值，采用時間序列模型對運行參數進行波動分析，得到參數波動特征。
28、進一步的，趨勢數據的計算公式包括：
29、
30、
31、
32、式中，表示趨勢數據；表示前 n個運行參數的偏離實際值；表示后 n個運行參數的偏離實際值；表示任意選取的一個運行參數；表示任意選取的一個運行參數的前 n個運行參數；表示任意選取的一個運行參數的前1個運行參數；表示任意選取的一個運行參數的后 n個運行參數；表示算數平均數。
33、進一步的，將運行數據及狀態特征轉換為圖數據，并定義節點和邊及其屬性，構建圖模型包括以下步驟：
本文檔來自技高網...【技術保護點】
1.一種基于大數據的通風機智能運維分析方法，其特征在于，該方法包括以下步驟：
2.根據權利要求1所述的一種基于大數據的通風機智能運維分析方法，其特征在于，所述利用邊緣計算設備初步處理運行數據，并通過通信網絡將滿足預設標準的運行數據傳輸至云端包括以下步驟：
3.根據權利要求1所述的一種基于大數據的通風機智能運維分析方法，其特征在于，所述建立特征提取并行通道，同步運維信息庫中的文件數據包括以下步驟：
4.根據權利要求3所述的一種基于大數據的通風機智能運維分析方法，其特征在于，所述基于人工智能算法建立特征提取模型，分析所述運行數據中運行參數的類型與數值，提取通風機設備的狀態特征包括以下步驟：
5.根據權利要求4所述的一種基于大數據的通風機智能運維分析方法，其特征在于，所述趨勢數據的計算公式包括：
6.根據權利要求4所述的一種基于大數據的通風機智能運維分析方法，其特征在于，所述將所述運行數據及所述狀態特征轉換為圖數據，并定義節點和邊及其屬性，構建圖模型包括以下步驟：
7.根據權利要求6所述的一種基于大數據的通風機智能
8.根據權利要求7所述的一種基于大數據的通風機智能運維分析方法，其特征在于，所述選擇圖計算框架，基于圖計算結果，評估通風機設備的運行狀態和健康指數，并識別關鍵節點及潛在故障包括以下步驟：
9.根據權利要求8所述的一種基于大數據的通風機智能運維分析方法，其特征在于，所述健康指數的計算公式為：
10.一種基于大數據的通風機智能運維分析系統，用于實現權利要求1-9中任一項所述基于大數據的通風機智能運維分析方法，其特征在于，該系統包括：
...【技術特征摘要】
1.一種基于大數據的通風機智能運維分析方法，其特征在于，該方法包括以下步驟：
2.根據權利要求1所述的一種基于大數據的通風機智能運維分析方法，其特征在于，所述利用邊緣計算設備初步處理運行數據，并通過通信網絡將滿足預設標準的運行數據傳輸至云端包括以下步驟：
3.根據權利要求1所述的一種基于大數據的通風機智能運維分析方法，其特征在于，所述建立特征提取并行通道，同步運維信息庫中的文件數據包括以下步驟：
4.根據權利要求3所述的一種基于大數據的通風機智能運維分析方法，其特征在于，所述基于人工智能算法建立特征提取模型，分析所述運行數據中運行參數的類型與數值，提取通風機設備的狀態特征包括以下步驟：
5.根據權利要求4所述的一種基于大數據的通風機智能運維分析方法，其特征在于，所述趨勢數據的計算公式包括：
6.根據權利要求4所述的一種基于大數據的通...
【專利技術屬性】
技術研發人員：黃炳勛，秦頌華，施勤美，
申請(專利權)人：南通市萬帝來機電有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。