(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111672891.1 (22)申请日 2021.12.31 (71)申请人 重庆钢铁集团电子有限责任公司 地址 400080 重庆市大渡口区钢花路5号 (72)发明人 张桥川　张勇　封帆　王晓飞　 郝翠霞　刘娟　 (74)专利代理 机构 重庆乾乙律师事务所 5 0235 代理人 侯懋琪 (51)Int.Cl. G06F 16/2458(2019.01) G06F 16/215(2019.01) G06F 16/28(2019.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06Q 10/00(2012.01)G06Q 50/04(2012.01) (54)发明名称 基于物联技 术的智能运维方法 (57)摘要 一种基于物联技术的智能运维方法， 包括以 下步骤： 1)数据采集， 数据源现场PLC通过现场的 传感器、 网关、 RTU采集现场的各种实时数据， 并 将采集到的实时数据经接口机传输给服务器的 时序数据库中存储； 2)数据处理， 通过服务器或 上位机对时序数据库中的实时数据进行数据清 洗或数据累加得到有效数据， 并将有效数据存储 在关系型数据库中； 3)数据分析， 采用流式计算 或离线式计算处理步骤2)的有效数据， 并将计算 结果作为长短期记忆人工神经网络(LSTM)的输 入， 通过LSTM算法输出计算结果， 并根据计算结 果实时分析现场运行情况， 若现场运行异常， 则 上位机发出警报； 4)储存结果， 将步骤3)的计算 结果存入服务器的关系型数据库中， 并发布在网 络上。 权利要求书2页 说明书5页 附图1页 CN 114297265 A 2022.04.08 CN 114297265 A 1.一种基于物联技 术的智能运维方法， 其特 征在于包括以下步骤： 1)数据采集， 数据源现场PLC通过现场的传感器、 网关、 RTU采集现场的各种实时数据， 并将采集到的实时数据经接口机传输给服 务器的时序数据库中存 储； 2)数据处理， 通过服务器或上位机对时序 数据库中的实时数据进行数据清洗或数据累 加得到有效数据， 并将有效数据存 储在关系型 数据库中； 3)数据分析， 采用流式计算或离线式计算处理步骤2)的有效数据， 并将计算结果作为 长短期记忆人工神经网络(LSTM)的输入， 通过LSTM算法输出计算结果， 并根据计算结果实 时分析现场运行情况， 若现场运行异常， 则上位机发出警报； 4)储存结果， 将步骤3)的计算结果存 入服务器的关系型 数据库中， 并发布在网络上。 2.根据权利要求1所述的基于物联技术的智能运维方法， 其特征在于： 步骤1)按照监控 溯源和实时性需要将采集数据分为两类， 其中， 将数值变化频率低、 变化幅度小、 数值曲线 平稳的数据分为一般采集点， 设置一般采集点的采集频率为5秒一次； 将数值跳变速度快、 数值波动大， 以及生产中的重点监控对象分为关键采集点， 设置 关键采集点的采集频率为 1 秒一次。 3.根据权利要求1所述的基于物联技术的智能运维方法， 其特征在于： 所述接口机安装 西门子Simatic.Net软件， 通过OPC协议与PLC进行数据传输， 服务器中集成主流的通讯驱 动， 按PLC的通讯协议实现数据读取。 4.根据权利要求1所述的基于物联技术的智能运维方法， 其特征在于： 步骤2)采用归一 化的方式进行 数据清洗， 以及采用积分求和的方式对现场成本数据进行 数据累加。 5.根据权利要求1所述的基于物联技术的智能运维方法， 其特征在于： 步骤3)长短期记 忆人工神经网络(LSTM)的训练步骤如下， 3‑1)采集系统正常运行时不同时刻的现场数据作为训练数据， 通过模型矩阵计算得到 对应的一组关系值， 然后将得到的关系值提供给长短期记忆人工神经网络(LSTM)进行训 练， 通过LSTM算法迭代求出选择记忆阶段、 遗忘阶段、 输出 阶段各参数的梯度值， 利用后向 传导的方式求出参数 的最优解， 再通过参数验证是否满足实际运行状态下 的真实状况， 然 后继续迭代， 直至各参数满足 实际运行状态下的真实状况， 以计算出的参数建立预测模型； 3‑2)以预测模型的LSTM算法， 计算正常运行状态下各采集数据的标准训练值H， 并设定 标准训练值H的范围区间边界H1和H2； 3‑3)以预测模型的LSTM算法， 计算实际运行状态下各采集数据的神经元输出值Y， 并判 断神经元输出值Y是否在对应的范围区间边界H1和H2的范围内， 如果在H1～H2的范围内， 则 系统运行正常， 如果 不在H1～H2的范围内， 则系统运行异常， 需对相应系统进行检查。 6.根据权利要求5所述的基于物联技术的智能运维方法， 其特征在于： 所述长短期记忆 人工神经网络(LSTM)根据当前的输入 数据和上一个状态传递下来的ht‑1拼接训练得到四个 状态： z＝tanh(Wc[ht‑1,xt]+bc) zi＝σ(Wi[ht‑1,xt]+bu) zf＝σ(Wf[ht‑1,xt]+bf) zo＝σ(Wo[ht‑1,xt]+bo) 式中， Wc表示进入神经元时的权重； bc表示进入神经元时的偏移值； Wi表示选择记忆阶权　利　要　求　书 1/2 页 2 CN 114297265 A 2段的权重； Wf表示遗忘阶段的权重； Wo表示输出阶段的权重； xt表示当前的输入数据； bi表示 选择记忆阶段的偏移值； bf表示遗忘阶段的偏移值； bo表示输出 阶段的偏移值； zi表示选择 记忆阶段的输出； zf表示遗忘阶段的输出； zo表示输出阶段的输出； z表示tanh激活函 数将结 果转换成‑1～1之间的值； ht‑1表示神经 元上一时刻的输出； LSTM算法根据上述四个状态， 通过即遗忘阶段、 选择记忆阶段、 输出阶段三个阶段进行 不重要数据的遗 忘、 有效数据的利用和最后结果的输出， 计算过程如下： 式中， ct表示当前时刻新信息产生存储信息的记忆细胞； ct‑1表示前一时刻新信息产生 存储信息的记 忆细胞； ht表示每个神经元的输出， 即最后的输出 结果。 7.根据权利要求1所述的基于物联技术的智能运维方法， 其特征在于： 所述服务器出现 故障时， 通过故障点恢复整合数据。 8.根据权利要求1所述的基于物联技术的智能运维方法， 其特征在于： 所述关系型数据 库采用Oracle， 或SQ L Server,或mySQ L,或PostgreSQ L。权　利　要　求　书 2/2 页 3 CN 114297265 A 3