-
公开(公告)号：CN111917634A
公开(公告)日：2020-11-10
申请号：CN202010627825.1
申请日：2020-07-02
Applicant: 西安交通大学
Abstract: 本发明基于PMML的工业网关机器学习模型容器式部署系统及方法，将云端训练的机器学习模型导出成PMML格式，并通过报文下发到工业网关，工业网关根据机器学习模型的用途和绑定的设备测点动态创建机器学习模型控制对象，控制机器学习模型的预测分析过程。工业网关的每一次设备数据采集触发相应用于预警的机器学习模型的预测分析，一旦推理出设备异常，则将预警信息推送到工业现场和云端，并触发同一测点下用于故障诊断的机器学习模型，然后将推理的故障诊断结果推送到工业现场和云端。相较于在云端进行数据预测分析的状态监测模式，实现在网关对数据进行预测分析，减少大量数据上传造成的带宽压力以及信息在云端和工业现场的传输延时，保证信息的实时性。
-
公开(公告)号：CN111917634B
公开(公告)日：2021-07-13
申请号：CN202010627825.1
申请日：2020-07-02
Applicant: 西安交通大学
Abstract: 本发明基于PMML的工业网关机器学习模型容器式部署系统及方法，将云端训练的机器学习模型导出成PMML格式，并通过报文下发到工业网关，工业网关根据机器学习模型的用途和绑定的设备测点动态创建机器学习模型控制对象，控制机器学习模型的预测分析过程。工业网关的每一次设备数据采集触发相应用于预警的机器学习模型的预测分析，一旦推理出设备异常，则将预警信息推送到工业现场和云端，并触发同一测点下用于故障诊断的机器学习模型，然后将推理的故障诊断结果推送到工业现场和云端。相较于在云端进行数据预测分析的状态监测模式，实现在网关对数据进行预测分析，减少大量数据上传造成的带宽压力以及信息在云端和工业现场的传输延时，保证信息的实时性。
-
Search Results
2
records
(took 0.013 seconds)
