(19)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 202211170440.2 (22)申请日 2022.09.23 (71)申请人 常州思瑞科信息科技有限公司 地址 213000 江苏省常州市武进区湖塘沟 南工业集中区 (72)发明人 陈鹏飞　汤琴　 (74)专利代理 机构 苏州拓云知识产权代理事务 所(普通合伙) 3234 4 专利代理师 王云峰 (51)Int.Cl. G06F 30/17(2020.01) G06N 20/00(2019.01) G06F 119/04(2020.01) (54)发明名称 一种自动包装机械的物理模型及预测性维 护方法 (57)摘要 本发明涉及一种自动包装机械的物理模型 及预测性维护方法， 其物理模型包括并列设置的 属性、 事件和服务； 所述的属性、 事件和服务将数 据采集后传递给平台， 所述的平台经过数据处理 后将其展示在设备大屏上； 其预测性维护方法包 括如下步骤： S1、 物理模型； S2、 故障异常智能诊 断； S3、 故障异常智能预测； S4、 故障异常智能决 策； S5、 维修管理。 该自动包装机械的物理模型及 预测性维护方法， 可进行预测性的提前监护， 降 低后续维护成本， 减少设备故障， 减少机器停机 带来的影 响， 减少库存， 延长设备的使用寿命， 平 均故障预测间隔时间， 提高产量， 提高操作员的 安全性， 便于维修验证， 增加利润， 复制性较高， 应用场景广泛。 权利要求书1页 说明书5页 附图3页 CN 115544682 A 2022.12.30 CN 115544682 A 1.一种预测性维护方法， 其特征在于， 包括如下步骤： S1、 物理模型； S2、 故障异常智能 诊断； S3、 故障异常智能预测； S4、 故障异常智能决策； S5、 维修管理。 2.如权利要求1所述的一种预测性维护方法， 其特征在于： 所述的S1物 理模型中包括顺 序连接的数据采集、 特 征数据提取、 数据处 理和数据融合。 3.如权利要求1所述的一种预测性维护方法， 其特征在于： 所述的S2故障异常智能诊断 中包括特征融合， 所述的特征融合的一端并联连接一组或多组模型分类器一端， 所述的一 组或多组模型分类器的另一端均连接决策层融合， 所述的决策层融合一侧依次连接故障异 常诊断和故障异常判断。 4.如权利要求3所述的一种预测性维护方法， 其特征在于： 所述的S2中决策层融合与故 障异常诊断还设置标准块， 所述的标准块为参考值、 允许值、 故障阙值或正常值中的一种或 多种。 5.如权利要求1所述的一种预测性维护方法， 其特征在于： 所述的S4故障异常智能预测 中包括并列设置的深度网络模型、 人工智能算法、 故障处 理方案和行业知识库。 6.如权利要求1所述的一种预测性维护方法， 其特征在于： 所述的S5故障异常智能决策 包括并列设置的抑制策略、 优化方案、 维护策略、 解决方案和需要维修。 7.如权利要求1所述的一种预测性维护方法， 其特征在于： 所述的S6维修管理包括如下 步骤： S11、 维修计划； S2 2、 任务下达、 实施和跟进； S3 3、 维修数据库； S4 4、 费用管理。 8.一种实现如权利要求1所述的一种预测性维护方法的自动包装机械的物理模型， 其 特征在于： 所述的物理模型包括并列设置的属 性、 事件和服务； 所述的属性、 事件和服务将 数据采集后传递给平台， 所述的平台经 过数据处理后将其展示在设备 大屏上。 9.如权利要求8所述的实现一种预测性维护方法的自动包装机械的物理模型， 其特征 在于： 所述的属性包括运行时的状态、 应用可发起对属性的读取和设置的请求； 所述的事件 为设备运行时可以被触发的上行消息； 所述的上行消息为设备运行 的记录信息， 设备异常 时发出的告警或故障信息中的一种或多种； 所述的服务包括并列设置的命令和响应； 所述 的服务包括可设置 输入参数和输出参数。权　利　要　求　书 1/1 页 2 CN 115544682 A 2一种自动包装机械的物理模型及预测性维护方 法 技术领域 [0001]本发明涉及物理模型的技术领域， 尤其是一种自动包装机械的物理模型及预测性 维护方法。 背景技术 [0002]随着社会的不断发展， 包装行业得到了快速的发展。 在包装机械中， 都引入了自动 化装置来进行效率的整体提升。 但是针对自动化包装机械尚没有完整的监控维护体系， 这 样当出现故障的时候会出现机器停机和消极维护的现象， 这样对整体生产操作带来很大的 影响； 具体影响如下： 产生消极维护现象， 这种维护方式通常会发生在设备出现故障后， 具 有高度不可预测性， 且设备本身的损伤程度较高， 易造成修理时间及费用垫高等情况， 还容 易造成停线时间成本高等副作用； 出现机器停机现象， 会使得机器设备出现寿命的损耗， 给 整体生产带来巨大的损失。 发明内容 [0003]本发明要解决的技术问题是： 为了解决上述背景技术中存在的问题， 提供的是一 种自动包装机械的物理模型及预测 性维护方法， 可进行预测性的提前监护， 降低后续维护 成本， 减少设备故障， 减少机器停机带来的影响， 减少库存， 延 长设备的使用寿命， 平均故障 预测间隔时间， 提高产量， 提高操作员的安全性， 便于维修验证， 增加利润， 复制性较高， 应 用场景广泛。 [0004]本发明解决其技术问题所采用的技术方案是： 一种预测性维护方法， 包括如下步 骤： S1、 物理模型； S2、 故障异常智能诊断； S3、 故障异常智能预测； S4、 故障异常智能决策； S5、 维修管理。 [0005]进一步地说明， 上述技术方案中， 所述的S1物理模型中包括顺序连接的数据 采集、 特征数据提取、 数据处 理和数据融合。 [0006]进一步地说明， 上述技术方案中， 所述的S2故障异常智能诊断中包括特征融合， 所 述的特征融合的一端并联连接一组或多组模型分类器一端， 所述的一组或多组模型分类器 的另一端均连接决策层融合， 所述的决策层融合一侧依次连接故障异常诊断和故障异常判 断。 [0007]进一步地说明， 上述技术方案中， 所述的S2中决策层融合与故障异常诊断还设置 标准块， 所述的标准 块为参考值、 允许值、 故障阙值或正常值中的一种或多种。 [0008]进一步地说明， 上述技术方案中， 所述的S4故障异常智能预测中包括并列设置 的 深度网络模型、 人工智能算法、 故障处 理方案和行业知识库。 [0009]进一步地说明， 上述技术方案中， 所述的S5故障异常智能决策包括并列设置的抑 制策略、 优化方案、 维护策略、 解决方案和需要维修。 [0010]进一步地说明， 上述技术方案中， 所述的S6维修管理包括如下步骤： S11、 维修计 划； S22、 任务下达、 实施和跟进； S3 3、 维修数据库； S4 4、 费用管理。说　明　书 1/5 页 3 CN 115544682 A 3