Skip to content

实现高质量、可商业化落地的预测性维护(Predictive Maintenance, PdM)系统,通过对拖拉机运行数据进行实时监控和深度分析,实现对关键部件故障的提前预测、健康状态的精准评估和智能化维保决策,从而最大化设备可用性、降低非计划停机时间,并优化维护资源配置。

Notifications You must be signed in to change notification settings

qwagrox/tractor_predictive_maintenance

Folders and files

NameName
Last commit message
Last commit date

Latest commit

 

History

8 Commits
 
 
 
 
 
 
 
 
 
 
 
 
 
 

Repository files navigation

油电混动无人拖拉机预测性维护系统


🚀 快速开始

环境要求

  • 操作系统: Ubuntu 22.04 或更高版本
  • Python: 3.11+
  • Docker: 20.10+
  • Docker Compose: 2.0+

安装依赖

# 安装Python依赖
pip3 install pandas numpy requests

# 可选:安装Nixtla TimeGPT(需要API密钥)
pip3 install nixtla

启动系统

1. 启动所有Docker容器

cd config/
docker-compose -f docker-compose-with-alerting.yml up -d

2. 等待服务启动

# 等待30秒让Grafana完全启动
sleep 30

3. 验证容器状态

docker ps --format "table {{.Names}}\t{{.Status}}"

应该看到9个容器都在运行:

✅ mosquitto

✅ vmstorage-1

✅ vmstorage-2

✅ vminsert

✅ vmselect

✅ vmagent

✅ vmalert

✅ alertmanager

✅ grafana

4. 启动MQTT桥接

cd code/
python mqtt_to_victoriametrics_bridge.py

输出示例:

已连接到MQTT Broker
等待T-BOX数据...

5. 启动notification_bridge

cd alerting\scripts
python notification_bridge_wechat.py

输出示例:

在Grafana中:
企业微信通知桥接服务
监听端口: 5001

6. 运行全场景告警测试

cd code/
python tbox_full_alert_test.py

按Enter开始39分钟的自动化测试!


📊 测试期间观察

vmalert: http://127.0.0.1:8880

Alertmanager: http://localhost:9093

Grafana: http://localhost:3000

企业微信群: 等待告警通知

About

实现高质量、可商业化落地的预测性维护(Predictive Maintenance, PdM)系统,通过对拖拉机运行数据进行实时监控和深度分析,实现对关键部件故障的提前预测、健康状态的精准评估和智能化维保决策,从而最大化设备可用性、降低非计划停机时间,并优化维护资源配置。

Topics

Resources

Stars

Watchers

Forks

Releases

No releases published

Packages

No packages published

Languages