本發(fā)明涉及工業(yè)自動(dòng)化控制，具體為一種基于plc控制的層壓機(jī)遠(yuǎn)程數(shù)據(jù)控制系統(tǒng)及方法。

背景技術(shù)：

1、在當(dāng)前的工業(yè)自動(dòng)化領(lǐng)域，層壓機(jī)作為一種重要的生產(chǎn)設(shè)備，廣泛應(yīng)用于各類材料壓制和加工過程中。隨著技術(shù)的發(fā)展，對(duì)于層壓機(jī)運(yùn)行狀態(tài)的實(shí)時(shí)監(jiān)控和遠(yuǎn)程控制需求日益增加。傳統(tǒng)的層壓機(jī)控制系統(tǒng)通常只能實(shí)現(xiàn)現(xiàn)場(chǎng)操作和控制，無法滿足遠(yuǎn)程監(jiān)控和管理的需求。plc(可編程邏輯控制器)作為一種強(qiáng)大的工業(yè)自動(dòng)化控制設(shè)備，具有高度的可靠性和穩(wěn)定性，已經(jīng)被廣泛應(yīng)用于各種工業(yè)控制場(chǎng)合。利用plc進(jìn)行控制，可以實(shí)現(xiàn)對(duì)層壓機(jī)運(yùn)行狀態(tài)的精確監(jiān)控和精確控制，從而提高生產(chǎn)效率和產(chǎn)品質(zhì)量。

2、雖然，目前基于plc控制的層壓機(jī)遠(yuǎn)程數(shù)據(jù)控制系統(tǒng)可以實(shí)現(xiàn)層壓機(jī)的遠(yuǎn)程控制，但仍然存在不足之處。例如，現(xiàn)有技術(shù)通過plc來進(jìn)行層壓機(jī)的遠(yuǎn)程控制時(shí)，對(duì)于層壓機(jī)的故障檢測(cè)方面，往往是依賴于預(yù)先設(shè)定的故障模式和特征，這種故障檢測(cè)的方法存在一些局限性，特別是在處理新型故障或突發(fā)事件時(shí)表現(xiàn)不佳，因此可能無法及時(shí)響應(yīng)新出現(xiàn)的問題或異常情況。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的目的在于提供一種基于plc控制的層壓機(jī)遠(yuǎn)程數(shù)據(jù)控制系統(tǒng)及方法，以解決上述背景技術(shù)中提出的問題。

2、為了解決上述技術(shù)問題，本發(fā)明提供如下技術(shù)方案：

3、一種基于plc控制的層壓機(jī)遠(yuǎn)程數(shù)據(jù)控制方法，方法包括以下步驟：

4、步驟s100.從數(shù)據(jù)庫中獲取plc采集的層壓機(jī)運(yùn)行的歷史傳感器數(shù)據(jù)，根據(jù)數(shù)據(jù)庫中的層壓機(jī)故障日志記錄的故障事件時(shí)間戳，將歷史傳感器數(shù)據(jù)與故障事件時(shí)間戳進(jìn)行對(duì)應(yīng)；基于對(duì)應(yīng)結(jié)果，針對(duì)每一故障事件，都獲取故障事件所在時(shí)間段的歷史傳感器數(shù)據(jù)，并標(biāo)記為歷史故障事件數(shù)據(jù)段；

5、步驟s200.獲取plc控制層壓機(jī)的模擬數(shù)據(jù)，根據(jù)故障事件時(shí)間戳，將模擬數(shù)據(jù)劃分成若干個(gè)數(shù)據(jù)段，并將模擬數(shù)據(jù)的數(shù)據(jù)段與相應(yīng)的歷史故障事件數(shù)據(jù)段進(jìn)行對(duì)應(yīng)；分別對(duì)模擬數(shù)據(jù)的數(shù)據(jù)段和歷史故障事件數(shù)據(jù)段進(jìn)行趨勢(shì)分析，從而得到模擬數(shù)據(jù)趨勢(shì)特征和歷史故障事件趨勢(shì)特征；

6、步驟s300.基于歷史故障事件數(shù)據(jù)段與模擬數(shù)據(jù)的數(shù)據(jù)段之間的對(duì)應(yīng)關(guān)系，將歷史故障事件趨勢(shì)特征與對(duì)應(yīng)的模擬數(shù)據(jù)趨勢(shì)特征進(jìn)行分析，從而得到故障事件趨勢(shì)異常點(diǎn)；

7、步驟s400.通過plc采集層壓機(jī)運(yùn)行的實(shí)時(shí)傳感器數(shù)據(jù)，每隔一個(gè)選定時(shí)間段，對(duì)實(shí)時(shí)傳感器數(shù)據(jù)進(jìn)行一次趨勢(shì)分析，從而得到相應(yīng)的實(shí)時(shí)事件趨勢(shì)特征；對(duì)實(shí)時(shí)事件趨勢(shì)特征進(jìn)行分析，并根據(jù)分析結(jié)果進(jìn)行相應(yīng)的處理。

8、進(jìn)一步的，步驟s100包括：

9、s101.從數(shù)據(jù)庫中獲取歷史傳感器數(shù)據(jù)以及層壓機(jī)故障日志，根據(jù)層壓機(jī)故障日志記錄的故障事件時(shí)間戳，在歷史傳感器數(shù)據(jù)對(duì)應(yīng)的時(shí)間線上標(biāo)記故障事件時(shí)間戳，從而將歷史傳感器數(shù)據(jù)與故障事件時(shí)間戳進(jìn)行對(duì)應(yīng)；

10、s102.基于故障事件時(shí)間戳，將故障事件時(shí)間戳前后1個(gè)時(shí)間長度t的時(shí)間段作為對(duì)應(yīng)的故障事件所在時(shí)間段；針對(duì)每一故障事件，都獲取故障事件所在時(shí)間段的歷史傳感器數(shù)據(jù)，并標(biāo)記為歷史故障事件數(shù)據(jù)段；將所有故障事件的歷史故障事件數(shù)據(jù)段進(jìn)行匯總，從而構(gòu)成故障事件數(shù)據(jù)段集合g，且g＝{g1,g2,...,gn}，其中g(shù)1表示第1個(gè)故障事件對(duì)應(yīng)的歷史故障事件數(shù)據(jù)段，g2表示第2個(gè)故障事件對(duì)應(yīng)的歷史故障事件數(shù)據(jù)段，以此類推，gn表示第n個(gè)故障事件對(duì)應(yīng)的歷史故障事件數(shù)據(jù)段；且n表示故障事件的數(shù)量，取正整數(shù)。

11、進(jìn)一步的，步驟s200包括：

12、s201.根據(jù)層壓機(jī)的任務(wù)需求，利用仿真軟件構(gòu)建仿真模型，將編寫plc控制程序控制仿真模型中的層壓機(jī)運(yùn)行，獲取plc控制層壓機(jī)的模擬數(shù)據(jù)，且模擬數(shù)據(jù)的時(shí)間線與歷史傳感器數(shù)據(jù)的時(shí)間線完全重合；根據(jù)根據(jù)故障事件所在時(shí)間段，將模擬數(shù)據(jù)劃分成若干個(gè)數(shù)據(jù)段，并將相同時(shí)間段對(duì)應(yīng)的模擬數(shù)據(jù)的數(shù)據(jù)段與歷史故障事件數(shù)據(jù)段進(jìn)行對(duì)應(yīng)；

13、s202.分別對(duì)模擬數(shù)據(jù)的數(shù)據(jù)段和歷史故障事件數(shù)據(jù)段進(jìn)行趨勢(shì)分析，且對(duì)模擬數(shù)據(jù)的數(shù)據(jù)段和歷史故障事件數(shù)據(jù)段進(jìn)行趨勢(shì)分析過程完全一致，具體趨勢(shì)分析過程如下：

14、將數(shù)據(jù)段x(t)進(jìn)行小波分解，得到不同尺度j和位置k的小波系數(shù)w(j,k)，且小波系數(shù)w(j,k)對(duì)應(yīng)的計(jì)算公式為：

15、w(j,k)＝<x(t),ψj,k(t)>＝∫x(t)·ψ*j,k(t)dt；

16、其中，ψ*j,k(t)表示小波基函數(shù)，j表示尺度參數(shù)，k表示位置參數(shù)；

17、對(duì)每個(gè)尺度j的小波系數(shù)w(j,k)進(jìn)行頻譜分析，計(jì)算相應(yīng)的能量譜ej(ω)，具體計(jì)算公式為：

18、ej(ω)＝(1/n)σk|wj,k(ω)|^2；

19、其中，wj,k(ω)表示小波系數(shù)在頻率ω處的幅度，n表示小波系數(shù)的數(shù)量；

20、根據(jù)能量譜ej(ω)，提取數(shù)據(jù)段在不同頻率尺度下的特征進(jìn)行匯總，且所述數(shù)據(jù)段指模擬數(shù)據(jù)的數(shù)據(jù)段或歷史故障事件數(shù)據(jù)段，從而得到模擬數(shù)據(jù)趨勢(shì)特征和歷史故障事件趨勢(shì)特征。

21、本發(fā)明采用了多維數(shù)據(jù)分析的方法，包括小波分析、頻譜分析等，將歷史故障事件數(shù)據(jù)段與模擬數(shù)據(jù)進(jìn)行對(duì)比分析，綜合考慮不同尺度下的特征，使得故障檢測(cè)過程更為全面和精確。

22、進(jìn)一步的，步驟s300包括：

23、s301.根據(jù)歷史故障事件數(shù)據(jù)段與模擬數(shù)據(jù)的數(shù)據(jù)段之間的對(duì)應(yīng)關(guān)系，提取相同時(shí)間段對(duì)應(yīng)的歷史故障事件數(shù)據(jù)段與模擬數(shù)據(jù)的數(shù)據(jù)段，從而得到相應(yīng)的歷史故障事件趨勢(shì)特征與模擬數(shù)據(jù)趨勢(shì)特征，分別對(duì)歷史故障事件趨勢(shì)特征與模擬數(shù)據(jù)趨勢(shì)特征進(jìn)行格式轉(zhuǎn)換，轉(zhuǎn)換成同一格式的數(shù)據(jù)表示，從而構(gòu)成歷史故障事件趨勢(shì)特征向量l和模擬數(shù)據(jù)趨勢(shì)特征向量m；

24、s302.針對(duì)歷史故障事件趨勢(shì)特征向量l和模擬數(shù)據(jù)趨勢(shì)特征向量m，都在同一雷達(dá)圖上進(jìn)行表示；所述雷達(dá)圖是由一個(gè)起點(diǎn)和若干條有向線段組成，且有向線段的條數(shù)等于歷史故障事件趨勢(shì)特征向量l和模擬數(shù)據(jù)趨勢(shì)特征向量m的維數(shù)；分別將歷史故障事件趨勢(shì)特征向量l和模擬數(shù)據(jù)趨勢(shì)特征向量m對(duì)應(yīng)的特征值依次在雷達(dá)圖上進(jìn)行標(biāo)注，并按照向量特征值的順序，將相鄰倆有向線段上的點(diǎn)依次進(jìn)行連接，從而得到分別歷史故障事件趨勢(shì)特征向量l對(duì)應(yīng)的封閉多邊形a，和模擬數(shù)據(jù)趨勢(shì)特征向量m對(duì)應(yīng)的封閉多邊形b；

25、s303.針對(duì)歷史故障事件趨勢(shì)特征向量l和模擬數(shù)據(jù)趨勢(shì)特征向量m對(duì)應(yīng)的封閉多邊形a和b，依次統(tǒng)計(jì)所有有向線段上的頂點(diǎn)偏差值r，且頂點(diǎn)偏差值r等于封閉多邊形a和封閉多邊形b的相同有向線段上的頂點(diǎn)差值；針對(duì)所有有向線段上的頂點(diǎn)偏差值r，計(jì)算對(duì)應(yīng)的平均值μ和標(biāo)準(zhǔn)差σ，將頂點(diǎn)偏差值r與相應(yīng)的偏差值區(qū)間q進(jìn)行比較，將第一個(gè)頂點(diǎn)偏差值r不屬于偏差值區(qū)間q的封閉多邊形a的頂點(diǎn)作為目標(biāo)點(diǎn)，且偏差值區(qū)間q的區(qū)間范圍為[μ-eσ,μ+eσ]，其中e表示系數(shù)，用于定義偏差值的范圍；根據(jù)目標(biāo)點(diǎn)獲取歷史故障事件趨勢(shì)特征向量l中的特征值，并基于特征值得到對(duì)應(yīng)的歷史故障事件數(shù)據(jù)段的頻率尺度，從而找到歷史故障事件數(shù)據(jù)段中的故障事件趨勢(shì)異常點(diǎn)；

26、獲取所有歷史故障事件數(shù)據(jù)段中的故障事件趨勢(shì)異常點(diǎn)，并將歷史故障事件對(duì)應(yīng)的故障代碼與故障事件趨勢(shì)異常點(diǎn)進(jìn)行關(guān)聯(lián)，從而得到歷史故障事件與故障事件趨勢(shì)異常點(diǎn)的關(guān)聯(lián)關(guān)系；獲取故障事件趨勢(shì)異常點(diǎn)前后1個(gè)時(shí)間長度t的時(shí)間段的歷史故障事件數(shù)據(jù)，從而得到歷史故障事件數(shù)據(jù)的異常變化趨勢(shì)曲線y,從而得到故障代碼、故障事件趨勢(shì)異常點(diǎn)以及異常變化趨勢(shì)曲線y的關(guān)聯(lián)關(guān)系。

27、引入雷達(dá)圖和多邊形比較的方法，能夠直觀地將歷史故障事件趨勢(shì)特征與實(shí)時(shí)事件趨勢(shì)特征進(jìn)行比較，進(jìn)一步提高了故障診斷的準(zhǔn)確性和效率。

28、進(jìn)一步的，步驟s400包括：

29、s401.利用plc采集層壓機(jī)運(yùn)行的實(shí)時(shí)傳感器數(shù)據(jù)，每隔一個(gè)選定時(shí)間段，獲取實(shí)時(shí)傳感器數(shù)據(jù)在選定時(shí)間段的實(shí)時(shí)傳感器數(shù)據(jù)段，并按照選定時(shí)間段獲取對(duì)應(yīng)的模擬數(shù)據(jù)的數(shù)據(jù)段；分別對(duì)實(shí)時(shí)傳感器數(shù)據(jù)段和模擬數(shù)據(jù)的數(shù)據(jù)段進(jìn)行趨勢(shì)分析，從而得到相應(yīng)的實(shí)時(shí)事件趨勢(shì)特征與模擬數(shù)據(jù)趨勢(shì)特征，分別對(duì)實(shí)時(shí)事件趨勢(shì)特征與模擬數(shù)據(jù)趨勢(shì)特征進(jìn)行格式轉(zhuǎn)換，分別得到實(shí)時(shí)事件趨勢(shì)特征向量s與模擬數(shù)據(jù)趨勢(shì)特征向量m1；其中模擬數(shù)據(jù)趨勢(shì)特征向量m與模擬數(shù)據(jù)趨勢(shì)特征向量m1在對(duì)應(yīng)的時(shí)間段上存在差異；

30、s402.針對(duì)實(shí)時(shí)事件趨勢(shì)特征向量s與模擬數(shù)據(jù)趨勢(shì)特征向量m1，參照s302中的歷史故障事件趨勢(shì)特征向量l和模擬數(shù)據(jù)趨勢(shì)特征向量m的分析過程，從而得到實(shí)時(shí)事件趨勢(shì)特征向量s對(duì)應(yīng)的封閉多邊形a1，和模擬數(shù)據(jù)趨勢(shì)特征向量m1對(duì)應(yīng)的封閉多邊形b1；參照s303的分析過程，若實(shí)時(shí)傳感器數(shù)據(jù)段中不存在實(shí)時(shí)事件趨勢(shì)異常點(diǎn)，不進(jìn)行任何通知，進(jìn)行下一個(gè)選定時(shí)間段的實(shí)時(shí)傳感器數(shù)據(jù)的分析；

31、若實(shí)時(shí)傳感器數(shù)據(jù)段中存在實(shí)時(shí)事件趨勢(shì)異常點(diǎn)，則將實(shí)時(shí)事件趨勢(shì)異常點(diǎn)前后1個(gè)時(shí)間長度t的時(shí)間段作為對(duì)應(yīng)的實(shí)時(shí)事件所在時(shí)間段，根據(jù)實(shí)時(shí)事件所在時(shí)間段獲取對(duì)應(yīng)的實(shí)時(shí)傳感器數(shù)據(jù)，從而得到實(shí)時(shí)傳感器數(shù)據(jù)的異常變化趨勢(shì)曲線y1，將實(shí)時(shí)事件趨勢(shì)異常點(diǎn)與異常變化趨勢(shì)曲線y1進(jìn)行關(guān)聯(lián)；

32、s403.將異常變化趨勢(shì)曲線y1與歷史故障事件對(duì)應(yīng)的異常變化趨勢(shì)曲線y進(jìn)行相似度分析，若存在相似度大于相似度閾值的異常變化趨勢(shì)曲線y，則選擇相似度最大的異常變化趨勢(shì)曲線y作為匹配結(jié)果，并輸出異常變化趨勢(shì)曲線y對(duì)應(yīng)的故障代碼；若存在相似度小于等于相似度閾值的異常變化趨勢(shì)曲線y，則為輸出當(dāng)前異常變化趨勢(shì)曲線y1，并對(duì)當(dāng)前的實(shí)時(shí)事件標(biāo)記事件代碼，輸出至相關(guān)人員，由相關(guān)人員進(jìn)行分析，若當(dāng)前的實(shí)時(shí)事件是新增故障，則將當(dāng)前的事件代碼、實(shí)時(shí)事件趨勢(shì)異常點(diǎn)以及異常變化趨勢(shì)曲線y1進(jìn)行關(guān)聯(lián)，并將上述關(guān)聯(lián)關(guān)系加入數(shù)據(jù)庫中。

33、根據(jù)實(shí)時(shí)事件的處理結(jié)果，將相關(guān)信息加入數(shù)據(jù)庫，不斷優(yōu)化故障診斷模型，以適應(yīng)未來可能出現(xiàn)的新型故障情況，從而提升整體系統(tǒng)的智能化和適應(yīng)性。

34、一種基于plc控制的層壓機(jī)遠(yuǎn)程數(shù)據(jù)控制系統(tǒng)，系統(tǒng)包括：數(shù)據(jù)采集與預(yù)處理模塊、仿真模型構(gòu)建與數(shù)據(jù)分析模塊、故障診斷與異常檢測(cè)模塊以及異常變化趨勢(shì)分析與反饋模塊；

35、數(shù)據(jù)采集與預(yù)處理模塊負(fù)責(zé)從數(shù)據(jù)庫中獲取歷史傳感器數(shù)據(jù)和層壓機(jī)故障日志，將歷史傳感器數(shù)據(jù)與故障事件時(shí)間戳進(jìn)行對(duì)應(yīng)，并標(biāo)記歷史故障事件數(shù)據(jù)段；獲取歷史故障事件數(shù)據(jù)段，并匯總構(gòu)成故障事件數(shù)據(jù)段集合；

36、仿真模型構(gòu)建與數(shù)據(jù)分析模塊利用仿真軟件構(gòu)建層壓機(jī)的仿真模型，根據(jù)任務(wù)需求編寫plc控制程序，生成模擬數(shù)據(jù)并與歷史故障事件數(shù)據(jù)段對(duì)應(yīng)，進(jìn)行趨勢(shì)分析，從而得到模擬數(shù)據(jù)趨勢(shì)特征和歷史故障事件趨勢(shì)特征；

37、故障診斷與異常檢測(cè)模塊分析歷史故障事件數(shù)據(jù)段與模擬數(shù)據(jù)的對(duì)應(yīng)關(guān)系，提取相應(yīng)的模擬數(shù)據(jù)趨勢(shì)特征向量和歷史故障事件趨勢(shì)特征向量，并進(jìn)行雷達(dá)圖表示，計(jì)算頂點(diǎn)偏差值，從而得到故障事件趨勢(shì)異常點(diǎn)；

38、異常變化趨勢(shì)分析與反饋模塊根據(jù)實(shí)時(shí)傳感器數(shù)據(jù)進(jìn)行趨勢(shì)分析，將實(shí)時(shí)事件趨勢(shì)異常點(diǎn)對(duì)應(yīng)的實(shí)時(shí)傳感器數(shù)據(jù)與歷史故障事件對(duì)應(yīng)的數(shù)據(jù)段進(jìn)行相應(yīng)的異常變化趨勢(shì)曲線相似度比較，輸出匹配結(jié)果或標(biāo)記新的故障事件，提供給相關(guān)人員進(jìn)行進(jìn)一步分析和處理。

39、數(shù)據(jù)采集與預(yù)處理模塊包括數(shù)據(jù)庫數(shù)據(jù)獲取單元、故障事件時(shí)間戳標(biāo)記單元以及歷史故障事件數(shù)據(jù)段提取單元；

40、數(shù)據(jù)庫數(shù)據(jù)獲取單元從數(shù)據(jù)庫中獲取plc采集的歷史傳感器數(shù)據(jù)和層壓機(jī)故障日志；故障事件時(shí)間戳標(biāo)記單元將故障事件時(shí)間戳與歷史傳感器數(shù)據(jù)時(shí)間線對(duì)應(yīng)，并在歷史傳感器數(shù)據(jù)時(shí)間線上標(biāo)記故障事件時(shí)間戳；歷史故障事件數(shù)據(jù)段提取單元根據(jù)故障事件時(shí)間戳，提取故障事件所在時(shí)間段的歷史傳感器數(shù)據(jù)，形成歷史故障事件數(shù)據(jù)段集合。

41、進(jìn)一步的，仿真模型構(gòu)建與數(shù)據(jù)分析模塊包括仿真模型建立單元、模擬數(shù)據(jù)生成單元以及數(shù)據(jù)段劃分與對(duì)應(yīng)單元；

42、仿真模型建立單元利用仿真軟件構(gòu)建層壓機(jī)的仿真模型，編寫plc控制程序模擬層壓機(jī)運(yùn)行；模擬數(shù)據(jù)生成單元獲取仿真模型的模擬數(shù)據(jù)，使模擬數(shù)據(jù)的時(shí)間線與歷史傳感器數(shù)據(jù)的時(shí)間線完全對(duì)應(yīng)；數(shù)據(jù)段劃分與對(duì)應(yīng)單元根據(jù)故障事件時(shí)間戳，將模擬數(shù)據(jù)劃分成若干數(shù)據(jù)段，并與歷史故障事件數(shù)據(jù)段對(duì)應(yīng)。

43、進(jìn)一步的，故障診斷與異常檢測(cè)模塊包括趨勢(shì)分析單元和故障事件趨勢(shì)異常點(diǎn)檢測(cè)單元；

44、趨勢(shì)分析單元對(duì)模擬數(shù)據(jù)段和歷史故障事件數(shù)據(jù)段進(jìn)行小波分解和頻譜分析，得到相應(yīng)的模擬數(shù)據(jù)趨勢(shì)特征和歷史故障事件趨勢(shì)特征。

45、異常變化趨勢(shì)分析與反饋模塊包括實(shí)時(shí)傳感器數(shù)據(jù)獲取單元、實(shí)時(shí)事件趨勢(shì)特征提取單元、異常變化趨勢(shì)比對(duì)單元以及異常變化趨勢(shì)反饋單元；

46、進(jìn)一步的，實(shí)時(shí)傳感器數(shù)據(jù)獲取單元定期獲取層壓機(jī)的實(shí)時(shí)傳感器數(shù)據(jù)；實(shí)時(shí)事件趨勢(shì)特征提取單元對(duì)實(shí)時(shí)傳感器數(shù)據(jù)進(jìn)行趨勢(shì)分析，獲取實(shí)時(shí)事件的趨勢(shì)特征；異常變化趨勢(shì)比對(duì)單元將實(shí)時(shí)事件的趨勢(shì)特征與模擬數(shù)據(jù)的趨勢(shì)特征進(jìn)行比對(duì)，檢測(cè)是否存在實(shí)時(shí)事件趨勢(shì)異常點(diǎn)；異常變化趨勢(shì)反饋單元對(duì)于不存在實(shí)時(shí)事件趨勢(shì)異常點(diǎn)的實(shí)時(shí)傳感器數(shù)據(jù)，則不做處理，僅記錄正常狀態(tài)；對(duì)于存在實(shí)時(shí)事件趨勢(shì)異常點(diǎn)的實(shí)時(shí)傳感器數(shù)據(jù)進(jìn)行異常變化趨勢(shì)曲線的分析，將實(shí)時(shí)傳感器數(shù)據(jù)與歷史故障事件數(shù)據(jù)進(jìn)行分析相應(yīng)的趨勢(shì)曲線，并對(duì)兩者的趨勢(shì)曲線的進(jìn)行匹配分析，并輸出相應(yīng)的通知信息。

47、與現(xiàn)有技術(shù)相比，本發(fā)明所達(dá)到的有益效果是：本發(fā)明通過實(shí)時(shí)采集層壓機(jī)的傳感器數(shù)據(jù)，并結(jié)合歷史故障事件數(shù)據(jù)，對(duì)實(shí)時(shí)數(shù)據(jù)進(jìn)行趨勢(shì)分析，能夠及時(shí)發(fā)現(xiàn)并識(shí)別故障事件趨勢(shì)異常點(diǎn)；這種方法不僅依賴于預(yù)先設(shè)定的故障模式和特征，還能有效應(yīng)對(duì)新型故障或突發(fā)事件，提高了故障檢測(cè)的及時(shí)性和準(zhǔn)確性；通過對(duì)比模擬數(shù)據(jù)趨勢(shì)特征與歷史故障事件趨勢(shì)特征，本發(fā)明能夠識(shí)別出潛在的故障趨勢(shì)異常點(diǎn)，從而實(shí)現(xiàn)對(duì)層壓機(jī)故障的提前預(yù)測(cè)；這種預(yù)測(cè)能力有助于維護(hù)人員提前采取預(yù)防措施，減少因故障導(dǎo)致的生產(chǎn)中斷和設(shè)備損壞；本發(fā)明將故障代碼、故障事件趨勢(shì)異常點(diǎn)以及異常變化趨勢(shì)曲線進(jìn)行關(guān)聯(lián)，形成了完整的故障診斷體系；當(dāng)實(shí)時(shí)傳感器數(shù)據(jù)出現(xiàn)異常時(shí)，系統(tǒng)能夠迅速匹配歷史故障數(shù)據(jù)，快速定位故障原因，簡化了故障診斷的流程，提高了故障診斷的效率；本發(fā)明的故障檢測(cè)方法不依賴于固定的故障模式和特征，而是通過分析數(shù)據(jù)趨勢(shì)來識(shí)別故障；這種方法使得系統(tǒng)能夠靈活應(yīng)對(duì)各種復(fù)雜情況，并且隨著數(shù)據(jù)的積累和分析技術(shù)的進(jìn)步，系統(tǒng)的性能將不斷提升。此外，當(dāng)新的故障類型出現(xiàn)時(shí)，系統(tǒng)能夠通過學(xué)習(xí)新的數(shù)據(jù)特征來擴(kuò)展其故障診斷能力。