技术领域
[0001] 本公开涉及故障检测技术领域，尤其涉及一种控制柜故障预警系统。
相关背景技术
[0002] 随着工业自动化和智能制造的快速发展，控制柜作为各种设备和系统的核心组件，其稳定性和安全性对整个系统的运行至关重要。然而，由于环境因素、设备老化或操作不当等原因，控制柜在运行过程中可能会出现各种故障。如何及时发现并预警这些故障，避免因故障导致的生产停顿或安全事故，已成为当前工业领域亟待解决的问题。在当前的技术中，由于控制柜内部多种元件之间存在复杂的控制关系，故障类型和故障原因众多，导致对控制柜的故障检测通常存在滞后和级别误判的问题。因此，亟需一种控制柜故障预警系统。
具体实施方式
[0032] 为了使本技术领域的人员更好地理解本方案，下面将结合本方案实施例中的附图，对本方案实施例中的技术方案进行清楚地描述，显然，所描述的实施例是本方案一部分的实施例，而不是全部的实施例。基于本方案中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本方案保护的范围。
[0033] 本方案的说明书和权利要求书及上述附图中的术语“包括”以及其他任何变形，是指“包括但不限于”，意图在于覆盖不排他的包含，并不仅限于文中列举的示例。此外，术语“第一”和“第二”等是用于区别不同对象，而非用于描述特定顺序。
[0034] 以下结合具体附图对本公开的实现进行详细的描述：图1为本公开实施例提供的一种控制柜故障预警系统的结构示意图。参照图1，该控制柜故障预警系统10包括：远程监控模块11、性能预测模块12、故障诊断模块13和故障预警模块14。
[0035] 远程监控模块11，用于监测控制柜的各项数据。
[0036] 在本实施例中，控制柜是工业自动化和智能制造的核心设备之一，其主要用于集中控制、监测和管理各种设备和系统。其内部通常包含电气元件、电路板、传感器和执行器等，通过复杂的电气连接实现各种功能。为了能够更好地监测和预警控制柜的运行情况，控制柜故障预警系统能够远程对控制柜的各个传感器数据进行监测并预测其性能趋势。该系统包括：远程监控模块11、性能预测模块12、故障诊断模块13和故障预警模块14。其中，远程监控模块11主要用于监测和采集控制柜内各个传感器的测量数据，其中包括电流传感器、温度传感器、湿度传感器、压力传感器、静电传感器、热敏传感器等各个传感器的测量数据。该远程监控模块11可以包括显示屏、数据采集器和数据处理器，通过数据采集器采集各个传感器的测量数据，将采集到的数据传输至数据处理器，由数据处理器对测量数据进行模数转换、数据清洗、校正、存储等预处理工作，并通过显示屏显示其处理和分析结果，以此达到远程监控的目的。
[0037] 性能预测模块12，用于基于远程监控模块的监测数据对控制柜当前的运行状态进行预测。
[0038] 在本实施例中，性能预测模块12是用于根据远程监测模块11存储的历史监测数据对控制柜当前的运行状态进行预测，其中，历史监测数据是指过去某一时间段内各个传感器的监测数据。
[0039] 故障诊断模块13，用于基于第一性能趋势判断控制柜是否存在对应的运行故障。
[0040] 在本实施例中，故障诊断模块13是用于根据性能预测模块12预测的第一性能趋势判断该控制柜是否存在对应的运行故障。如果该控制柜存在运行故障，由故障诊断模块13向故障预警模块14发送对应的诊断结果；如果该控制柜不存在运行故障，故障诊断模块13无需做出任何操作。
[0041] 故障预警模块14，用于基于运行故障发出对应的预警信息在本实施例中，故障预警模块14是用于当控制柜存在运行故障时，根据故障诊断模块13的诊断结果向相关管理人员发送对应的预警信息。
[0042] 由上可以得出，本实施例能够通过对控制柜的远程监测获取对应的监测数据，并根据历史监测数据预测控制柜的第一性能趋势，从而对控制柜的运行状态进行提前预估，根据该第一性能趋势判断控制对是否可能存在运行故障，并在其存在运行故障时发出对应的预警信息。本实施例能够对控制柜的运行故障进行精准预判，降低预警滞后性，并对不同的故障类型发送对应的预警信息，准确判断其运行故障的紧急性。
[0043] 在本公开的一种实施例中，性能预测模块12具体用于：基于第一周期对应的历史监测数据生成第一周期对应的第一性能曲线。基于多个第一周期对应的多个第一性能曲线的拟合差异计算控制柜的性能损耗率。
[0044] 基于性能损耗率预测未来第二周期内控制柜的第一性能趋势。
[0045] 第二周期小于第一周期。
[0046] 在本实施例中，性能预测模块12具体用于：设置第一周期，基于第一周期对应的历史监测数据能够对控制柜的第一性能趋势进行预测，第一性能趋势是指该控制柜未来一段时间内的性能变化情况。控制柜的运行性能受多方面因素影响，例如，控制柜内的电气元器件（如继电器、接触器、开关、断路器等）的性能和质量直接影响控制柜的稳定性和可靠性。控制柜内微处理器和其他控制系统的选择和设计会直接影响控制柜的运行性能。控制柜与其他设备和系统进行通信用到的接口模块和通信协议的选择会影响控制柜的兼容性和通信速度。控制柜内的电气设备在工作时产生的热量，以及散热设备（如风扇、散热片等）的性能和设计会对控制柜的温度控制和稳定性有重要影响。
[0047] 通过公式 计算控制柜对应的性能参数，其中， 表示控制柜开始运行时第i个测量数据； 表示控制柜结束运行时第i个测量数据； 表示控制柜运行周期。
[0048] 根据对第一周期内控制柜的整体性能和其历史监测数据的分析，利用Matlab技术生成该第一周期对应的第一性能曲线。其中，第一周期可以由相关管理人员自定义设置。采用回归分析模型对多个第一性能曲线进行拟合，通过计算曲线拟合度得到多个第一性能曲线之间的差异变化，从而得到控制柜的性能损耗率。其中，回归分析模型是一种用于确定两个及以上变量间相互依赖的定量关系的一种统计分析方法。该性能损耗率可以以百分比数值的方式表示，其表示每个第一周期该控制柜将产生对应数值的性能损耗。
[0049] 在本实施例中，根据计算得到的性能损耗率可以对未来第二周期内控制柜的第一性能趋势进行预测，基于回归分析模型的计算，确定性能损耗率与时间之间相互依存的数量关系，建立对应的数学模型，以推算未来的运行数据值。其中第二周期同样为相关管理人员自定义设置，并且第二周期小于第一周期。第一性能趋势为控制柜在未来第二周期内基于其性能损耗程度应该出现的运行状态变化情况，该第一性能趋势的表示方式为一变化曲线。根据第一性能趋势可以对控制柜可能出现的运行状态进行预估，其中包括其可能出现的运行故障。
[0050] 本实施例提供一种参考示例如，设定第一周期为90天，第二周期为30天。根据过去90天内的历史监测数据生成第一性能曲线，根据多个第一性能曲线计算控制柜的性能损耗率，设定经计算该性能损耗率为2.6%，即表示该控制柜每90天将产生2.6%的性能损耗。根据该性能损耗预测30天内该控制柜对应的第一性能趋势。
[0051] 由上可以得出，本实施例提供能够根据对控制柜的长期性能趋势分析，预测其在短期内的性能变化趋势，从而对控制柜可能出现的故障进行预先评估，根据该控制柜在第二周期内的第一性能趋势制定相应的维护措施，提高对控制柜故障的预判性，降低故障发生时对故障反应时间的滞后性。
[0052] 在本公开的一种实施例中，性能预测模块12还用于：基于第二周期对应的历史监测数据预测未来第二周期内控制柜的第二性能趋势。
[0053] 将第二性能趋势与第一性能趋势对比，得到对比结果。将对比结果发送至故障诊断模块。
[0054] 在本实施例中，根据第二周期对应的历史监测数据可以对未来第二周期内控制柜的第二性能趋势进行预测，该第二性能趋势是指控制柜在未来第二周期内实际出现的运行状态变化情况，该第二性能趋势的表示方式同样为一变化曲线。将该第二性能趋势与第一性能趋势进行对比，并将两个曲线的对比结果发送至故障诊断模块13，由故障诊断模块13根据前述对比结果进行故障诊断，判断该控制柜是否存在运行故障。
[0055] 由上可以得出，本实施例能够根据第二性能趋势反映控制柜的实际运行状态，并由故障诊断模块13通过第二性能趋势与第一性能趋势的对比结果判断具体的故障存在情况，通过对比分析的方法提高故障诊断的科学性，避免出现人为故障判断失误的情况。
[0056] 在本公开的一种实施例中，性能预测模块12还用于：响应于控制柜的性能损耗率超过第一预设范围，基于第一预设时长对当前的第一周期和第二周期进行调整，得到调整后的第一周期和第二周期。
[0057] 响应于控制柜的性能损耗率超过第二预设范围，基于第二预设时长对当前的第一周期和第二周期进行调整，得到调整后的第一周期和第二周期。第一预设时长小于第二预设时长。第一预设范围对应的数值小于第二预设范围。
[0058] 在本实施例中，由于随着控制柜的使用寿命不断增加，其性能损耗率呈不断上升的变化过程，随着该性能损耗率不断变大，基于第一周期和第二周期得到的第一性能趋势和第二性能趋势可能无法与控制柜的实际运行状态进行精准匹配，因此需要对第一周期和第二周期进行调整。其具体的周期时长调整方法为：当控制柜的性能损耗率超过第一预设范围时，根据第一预设时长对第一周期和第二周期进行调整，在当前第一周期和第二周期的时长基础上减少第一预设时长，得到调整后的第一周期和第二周期。当控制柜的性能损耗率超过第二预设范围时，根据第二预设时长对第一周期和第二周期进行调整，在当前第一周期和第二周期的时长基础上减少第二预设时长，得到调整后的第一周期和第二周期。其中，第一预设时长小于第二预设时长；第一预设范围和第二预设范围均可以由相关管理人员自定义设置，第一预设范围对应的数值小于第二预设范围。
[0059] 本实施例提供一种参考示例如，设定第一预设范围为小于10%，设定第二预设范围为大于等于10%小于15%。设定第一预设时长为10天，设定第二预设时长为15天。当控制柜的性能损耗率超过10%时，根据第一预设时长10天对第一周期和第二周期进行调整，假设原本第一周期和第二周期分别为90天和30天，在原本第一周期和第二周期的时长基础上减少10天，得到新的第一周期和第二周期分别为80天和20天。当控制柜的性能损耗率超过15%时，根据第二预设时长15天对第一周期和第二周期进行调整，假设原本第一周期和第二周期分别为80天和20天，在原本第一周期和第二周期的时长基础上减少15天，得到新的第一周期和第二周期分别为65天和5天。
[0060] 由上可以得出，本实施例能够根据性能损耗率的变化灵活调整第一周期和第二周期的时长，防止由于性能损耗率的逐渐变大导致对控制柜的运行状态预测精度降低，从而出现紧急故障时无法及时作出对应的维护措施。本实施例提供的周期时长调整方法能够应对控制柜不同的性能损耗率变化情况，提高该系统的适用性。
[0061] 在本公开的一种实施例中，控制柜故障预警系统10还包括：计时控制模块15，用于基于日期节点的状态变化对第一周期和第二周期进行调整。
[0062] 在本实施例中，由于控制柜各方面的运行性能受到环境影响较大，例如夏季由于气温较高，控制柜在高温影响下出现运行故障的概率增加；冬季由于气温较低，控制柜各方面的运行性能可能较平时偏低。因此，若按照同一周期在不同时间节点对控制柜的运行状态进行预测，容易出现预测偏差，对一些突发故障可能无法准确预测和提早部署。
[0063] 基于前述问题，图2是本公开实施例提供的控制柜故障预警系统的全部结构示意图，如图2所示，控制柜故障预警系统10还包括：计时控制模块15。该模块主要用于设置日期节点，根据日期节点的状态变化对第一周期和第二周期进行调整。计时控制模块15从当前日期开始计时，设定每年的3月1日、6月1日、9月1日和12月1日为四个日期节点，每到一个日期节点发生状态变化，以对第一周期和第二周期进行调整，确保不同季节能够根据相应的预测周期对控制柜的运行状态进行预测。具体的调整方法可以为：每到6月1日和12月1日两个日期节点时，基于第三预设时长缩短第一周期和第二周期；每到3月1日和9月1日两个日期节点时，根据当前控制柜的性能损耗率基于第四预设时长延长第一周期和第二周期。
[0064] 本实施例提供一种参考示例如，设定第三预设时长为15天。每到6月1日和12月1日两个日期节点时，将第一周期和第二周期缩短15天；每到3月1日和9月1日两个日期节点时，根据当前控制柜的性能损耗率设定第四预设时长为10天，故将第一周期和第二周期延长10天。
[0065] 由上可以得出，本实施例能够根据不同的季节节点对控制柜的预测周期做出对应的调整，防止由于在环境等外部原因影响控制柜本身的运行性能时，因预测周期单一导致出现预测偏差的情况发生，从一定程度上提高预测精确度。
[0066] 在本公开的一种实施例中，故障诊断模块13具体用于：响应于第二性能趋势与第一性能趋势的相似度大于等于预设相似度，确定控制柜不存在运行故障。
[0067] 响应于第二性能趋势与第一性能趋势的相似度小于预设相似度，确定控制柜存在运行故障。
[0068] 在本实施例中，故障诊断模块13根据性能预测模块14对第二性能趋势与第一性能趋势的对比结果，判断控制柜是否存在对应的运行故障，由故障诊断模块13给出具体的诊断结果，其具体的故障诊断过程可以详述为：当第二性能趋势与第一性能趋势的相似度大于等于预设相似度时，即判定该控制柜不存在运行故障。当第二性能趋势与第一性能趋势的相似度小于预设相似度时，即判定该控制柜存在运行故障。可以使用灰色关联度分析法对第二性能趋势和第一性能趋势两个曲线数据的周期性、平稳性和趋势性进行对比，根据曲线几何形状的相似程度来判断其联系是否紧密，曲线越接近，相应序列之间相似度就越大，反之就越小。该相似度越大即证明控制柜实际运行状态变化趋势即第二性能趋势与基于标准性能损耗率预测得到的第一性能变化趋势越相近。预设相似度为相关管理人员自定义设置的相似度数值，该预设相似度为界定控制柜是否存在故障的基准数值，第二性能趋势与第一性能趋势的相似度能大于或等于该预设相似度，即证明该控制柜的运行状态符合预设的动态变化情况，也即该控制柜无运行故障发生。相反地，第二性能趋势与第一性能趋势的相似度小于该预设相似度，即证明该控制柜的运行状态已经偏离其标准的动态变化情况，也即该控制柜存在运行故障。预设相似度可以随着控制柜性能损耗率的增大而减小，两者呈现负相关的变化关系。
[0069] 本实施例提供一种参考示例如，设定预设相似度为60%。若经计算，第二性能趋势与所述第一性能趋势的相似度为80%＞60%，即判定该控制柜不存在运行故障。若经计算，第二性能趋势与所述第一性能趋势的相似度为30%＜60%，即判定该控制柜存在运行故障。
[0070] 由上可以得出，本实施例能够根据第二性能趋势与第一性能趋势的相似度大小判断控制柜存在运行故障与否，该方法能够对控制柜的运行状态进行科学诊断，提高控制柜故障预警系统的诊断效率和诊断精度。
[0071] 在本公开的一种实施例中，故障诊断模块13还用于：响应于控制柜存在运行故障，筛选与运行故障对应的历史故障。确定历史故障对应的历史故障原因。
[0072] 将历史故障原因确定为运行故障对应的故障原因。
[0073] 在本实施例中，如果经由故障诊断模块13诊断后判定该控制柜存在运行故障，该故障诊断模块13将继续针对该运行故障确定其对应的故障原因，即寻找该运行故障产生的原因，从而可以提醒相关管理人员根据该故障原因进行对症的设备维护。该故障诊断模块13寻找故障原因的具体过程可以详述为：
每个运行故障均是基于第二性能趋势与第一性能趋势的对比相似度进行判定的，因此每个运行故障均对应一个相似度大小。当确定该控制柜存在运行故障时，筛选与该运行故障具有相同相似度大小的历史故障，以确定历史故障对应的历史故障原因。其中，历史故障是指过去时间内发生过与该运行故障相同或相似的故障，并且每个历史故障均存在其对应故障原因的记录。通过筛选该记录，可以确定历史故障对应的历史故障原因，将该历史故障原因确定为当前运行故障的故障原因。
[0074] 本实施例提供一种参考示例如，确定某控制柜存在运行故障为：运行温度过高，经筛选得到该运行故障对应的历史故障，该历史故障同样为：控制柜运行温度过高，经确定，该历史故障对应的历史故障原因为：散热设备损坏。将该历史故障原因确定为当前运行故障的故障原因。
[0075] 由上可以得出，本实施例不仅能够准确判断控制柜是否存在运行故障，还能够追溯该运行故障产生的原因，从而指导相关管理人员进行对应的设备维护和修缮，避免由于故障原因未知拖延维修效率，导致其他损失产生。
[0076] 在本公开的一种实施例中，故障诊断模块13还用于：基于第一映射关系确定处于不同数值范围的相似度对应的运行故障类型。
[0077] 在本实施例中，当确定控制柜存在运行故障时，为了能够准确判定该控制柜对应的运行故障类型，可以通过第一映射关系确定处于不同数值范围的相似度对应的运行故障类型。该第一映射关系可以有相关管理人员自定义设置。
[0078] 本实施例提供一种参考示例如，设定预设相似度为60%，设定第一映射关系为：当相似度处于50%‑60%时，判定控制柜存在轻微的电路故障，例如温度过高影响控制柜电路传输效率、线路腐蚀导致线路接触不良等故障类型；当相似度处于30%‑50%时，判定控制柜存在控制系统故障、电路故障或液压系统故障，例如线路脱落或腐蚀、控制线路、端子板、母线接触不良、执行输出电动机或电磁铁等负载过载等故障类型；当相似度处于10%‑30%时，判定控制柜存在严重电路故障、控制系统故障，例如保护电路或主电路熔丝烧毁、配电柜过热或配电板损坏、控制器输入/输出模块功能失效等故障。
[0079] 由上可以得出，本实施例能够判定具体运行故障对应的故障类型，对控制柜存在的运行故障进行精确判定，防止出现相似故障导致相关管理人员产生误判。
[0080] 在本公开的一种实施例中，故障诊断模块13还用于：响应于运行故障不存在对应的历史故障，计算运行故障与每个历史故障之间的关联度。
[0081] 将关联度最大的历史故障对应的历史故障原因确定为运行故障对应的故障原因。
[0082] 在本实施例中，如果控制柜当前存在的运行故障不存在对应的历史故障，为了能够确定当前运行故障产生的原因，可以计算运行故障与每个历史故障之间的关联度，根据对该关联度的判断从而确定当前运行故障可能对应的故障原因。其中，关联度的计算过程可以详述为：每个运行故障均是基于第二性能趋势与第一性能趋势的对比相似度进行判定的，将运行故障和每个历史故障分别对应的相似度进行作差，将得到的多个差值分别作为运行故障与每个历史故障之间的关联度。将关联度最大的历史故障对应的历史故障原因确定为当前运行故障对应的故障原因。
[0083] 由上可以得出，本实施例能够对首次产生的运行故障锁定其对应的故障原因，防止由于陌生运行故障的出现导致相关管理人员采取错误的应对措施，导致其他故障的出现，提高故障维修效率。
[0084] 在本公开的一种实施例中，故障预警模块14具体用于：基于故障诊断模块发出的故障事件确定对应的预警级别。
[0085] 在本实施例中，故障预警模块14可以根据故障诊断模块13发出的故障事件确定对应的预警级别。其中故障事件是相关管理人员生成故障报告的参考依据，根据该故障事件可以确定当前的运行故障对应的预警级别。
[0086] 由上可以得出，本实施例能够对控制柜存在的运行故障进行级别划分，确定其对应的预警级别，并根据该预警级别向相关管理人员发送对应预警信息，指示相关管理人员做出相应的修缮工作，减少相关管理人员故障排查时间，提高故障排效率节省人力资源。
[0087] 在本公开的一种实施例中，故障事件包括：故障发生次数、故障发生位置、故障持续时长、故障原因。故障预警模块14还用于：通过第一公式计算故障事件对应的故障系数。
[0088] 第一公式为： 。其中， 表示故障系数。 表示故障发生次数对应的故障分数。 表示故障发生位置对应的故障分数。 表示故障持续时长对应的故障分数。 表示故障原因对应的故障分数。 均表示权重系数。
[0089] 基于故障系数判断故障事件对应的预警级别。
[0090] 在本实施例中，故障事件可以包括：故障发生次数、故障发生位置、故障持续时长、故障原因等故障属性，其中故障发生次数是指当前运行故障过去发生过的次数；故障发生位置是指当前运行故障在控制柜中存在的位置；故障持续时长是指当前运行故障已经持续的时长；故障原因是指基于故障诊断模块13的诊断结果得到当前运行故障的产生原因。
[0091] 在本实施例中，为每个故障属性分别设置其对应的故障分数，故障分数设置方法可以详述为：故障发生次数为0时对应故障分数为0，故障发生次数每增加5次，其对应的故障分数增加10分；故障发生位置涉及一个元器件时，其对应的故障分数为10分，故障发生位置每增加一个元器件，其对应的故障分数增加10分；故障持续时长小于12小时时，其对应的故障分数为30分，故障持续时长每增加6小时，其对应的故障分数增加10分；故障原因默认分数为20分，若因该故障原因引起其他损失时，其对应的故障分数增加20分。
[0092] 通过判断每个故障属性对应的故障分数可以确定该故障事件对应的故障系数，可以通过第一公式进行计算，第一公式可以表示为：。其中， 表示故障系数。 表示故障发生次
数对应的故障分数。 表示故障发生位置对应的故障分数。 表示故障持续时长对应的故障分数。 表示故障原因对应的故障分数。 均表示权重系数。
[0093] 本实施例提供一种参考示例如，设定故障发生次数对应的故障分数为50分；故障发生位置对应的故障分数为30分；故障持续时长对应的故障分数40分；故障原因对应的故障分数为20分； 分别为0.3、0.2、0.3。根据第一公式计算得到故障系数为37。
[0094] 由上可以得出，本实施例能够对不同的运行故障对应的故障事件进行程度预判，防止相关管理人员对该运行故障出现判断失误引起过多损失。
[0095] 在本公开的一种实施例中，故障预警模块14还用于：响应于故障系数小于第一预设值，确定故障系数对应的故障事件为一级预警。
[0096] 响应于故障系数大于第一预设值小于第二预设值，确定故障系数对应的故障事件为二级预警。
[0097] 响应于故障系数大于第二预设值，确定故障系数对应的故障事件为三级预警。
[0098] 在本实施例中，故障预警模块14还能够根据当前运行故障对应的故障系数的大小判断其对应的预警级别，从而对该运行故障由明确的紧急程度和严重程度的划分。预警级别划分过程可以详述为：当故障系数小于第一预设值时，确定故障系数对应的故障事件为一级预警。当故障系数大于第一预设值小于第二预设值时，确定故障系数对应的故障事件为二级预警。当故障系数大于第二预设值时，确定故障系数对应的故障事件为三级预警。
[0099] 本实施例提供一种参考示例如，设定第一预设值为30，第二预设值为50。当故障系数小于30时，确定故障系数对应的故障事件为一级预警。当故障系数大于30小于50时，确定故障系数对应的故障事件为二级预警。当故障系数大于50时，确定故障系数对应的故障事件为三级预警。
[0100] 假设存在一故障系数为37，则其对应的预警级别为二级预警。
[0101] 由上可以得出，通过计算不同的故障事件对应的故障系数从而对预警级别进行划分，从而对该运行故障对应的紧急程度和严重程度进行判断，节省相关管理人员的判断时间，提高故障预警效率。
[0102] 在本公开的一种实施例中，故障预警模块14还用于：基于预警级别向对应的关联用户发送预警信息。
[0103] 在本实施例中，故障预警模块14还可以根据判断得到预警级别向其对应的关联用户发送预警信息。其中，关联用户为负责该预警级别的相关管理人员。
[0104] 由上可以得出，本实施例能够根据不同运行故障向对应的负责人员发送预警信息，根据清晰地人员安排划分维护和修缮工作，提高工作效率。
[0105] 以上实施例仅用以说明本公开的技术方案，而非对其限制；尽管参照前述实施例对本公开进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本公开各实施例技术方案的精神和范围。
