一种基于深度学习的路灯预测性维护系统技术方案

技术编号:29299802 阅读:24 留言:0更新日期:2021-07-17 01:16
本发明专利技术属于市政技术领域,尤其是一种基于深度学习的路灯预测性维护系统,针对无法及时维修路灯的问题,现提出以下方案,包括控制终端、工作端和移动终端,所述控制终端包括学习计算单元、排班记录单元、路灯参数记录单元、报警单元和通讯单元,所述工作端包括GPS定位单元、计时提醒单元和工作状态监测单元;所述学习计算单元包括故障时间收集模块、计算模块和阈值更新模块;所述计时提醒单元包括计时模块和阈值提醒模块,所述工作状态监测单元包括通电回路自检模块和照明强度监测模块。本发明专利技术防止路灯因工作寿命达到导致无法工作,保证路灯始终维持可工作状态,使大多数路灯的灯泡在未故障前得以更换,避免出现维修不及时的情况。避免出现维修不及时的情况。避免出现维修不及时的情况。

【技术实现步骤摘要】
一种基于深度学习的路灯预测性维护系统


[0001]本专利技术涉及市政
,尤其涉及一种基于深度学习的路灯预测性维护系统。

技术介绍

[0002]城市夜景照明是城市标志性体现,凸显出了城市稳定和谐、蓬勃发展的气息,映射出了城市特有的文化特色和政治、经济状况,表达出了城市的建设成果、管理水平和照明科技发展水平。
[0003]然而,路灯寿命有限,很多路灯因达到寿命或因故障不能正常工作了,但路灯在整个城市分布广泛,维护人员很难第一时间发现故障路灯,坏掉的路灯不但影响城市市容,也给出行的市民带来了不便,增加了因道路光线不足导致交通事故的风险。对于这种情况,市政部门往往增加巡逻人员数量,加大巡逻频次来保证即使发现坏掉的路灯。然而,随着城市的规模不断扩大,这种方式不但财政开支大而且收效甚微。因此需要一种基于深度学习的路灯预测性维护系统来及时发现路灯故障,并提醒工作人员进行维修。

技术实现思路

[0004]基于
技术介绍
中提出的技术问题,本专利技术提出了一种基于深度学习的路灯预测性维护系统。
[0005]本专利技术提出的一种基于深度学习的路灯预测性维护系统,包括控制终端、工作端、移动终端和无线通信单元,所述控制终端和工作端之间通过无线通信单元互相连接,所述控制终端和移动终端之间通过无线通信单元相连,所述控制终端包括学习计算单元、排班记录单元、路灯参数记录单元、报警单元和通讯单元,所述工作端包括GPS定位单元、计时提醒单元和工作状态监测单元;所述学习计算单元包括故障时间收集模块、计算模块和阈值更新模块,所述故障时间收集模块和计算模块相连,所述计算模块和阈值更新模块相连;所述排班记录单元包括人员负责区域记录模块、人员负责日期记录模块、人员姓名记录模块和人员号码记录模块,所述人员负责区域记录模块和人员负责日期记录模块相连,所述人员负责日期记录模块和人员姓名记录模块相连,所述人员姓名记录模块和人员号码记录模块相连;所述报警单元包括信息提取模块、地图存储模块、地点显示模块和警示灯,所述通讯单元包括故障信息生成模块和信息发送模块,所述故障信息生成模块和信息发送模块相连;所述GPS定位单元包括GPS定位器,所述计时提醒单元包括计时模块和阈值提醒模块,所述工作状态监测单元包括通电回路自检模块和照明强度监测模块。
[0006]优选地,所述工作端的数量和路灯的数量相同,所述工作端安装于路灯上,所述移动终端包括工作人员的手机、电脑等移动通讯工具。
[0007]优选地,所述学习计算单元用于计算并更新路灯故障的时间,所述排班记录单元
用于记录工作人员的工作排班情况,所述路灯参数记录单元用于记录各个路灯的工作参数,所述报警单元用于对路灯故障进行报警,所述通讯单元用于将路灯故障信息传递给工作人员。
[0008]优选地,所述GPS定位单元用于对路灯的位置进行定位,所述计时提醒单元用于对路灯的工作时间进行计时提醒,所述工作状态监测单元用于对路灯是否正常工作进行监测。
[0009]优选地,所述故障时间收集模块用于对各个路灯的故障时间进行收集记录,所述计算模块用于计算各个路灯的故障时间的平均值,所述阈值更新模块用于将计算模块计算出的平均值传递给计时提醒单元的阈值提醒模块,使阈值提醒模块按照新更新的阈值进行提醒。
[0010]优选地,所述人员负责区域记录模块、人员负责日期记录模块、人员姓名记录模块和人员号码记录模块分别用于记录工作人员负责路灯维修检查的区域、日期和工作人员的名字和联系号码。
[0011]优选地,所述信息提取模块用于提取GPS定位器定位的位置信息,所述地图存储模块用于存储当地的地图和路灯在地图上的位置,所述地点显示模块用于标记显示故障路灯在地图上的位置。
[0012]优选地,所述故障信息生成模块用于将路灯故障的位置信息和故障情况编辑生成短信,所述信息发送模块用于将生成的信息发送至移动终端。
[0013]优选地,所述计时模块用于对路灯工作的时间进行计时,所述阈值提醒模块用于在路灯工作时间达到阈值时将信息传递至通讯单元。
[0014]优选地,所述通电回路自检模块用于对路灯是否形成通电的工作回路进行检查,所述照明强度监测模块用于对路灯的灯泡照明强度进行监测。
[0015]本专利技术中的有益效果为:1、该基于深度学习的路灯预测性维护系统,通过设置有计时提醒单元,计时模块对路灯工作的时间进行计时,当路灯工作时间达到阈值时阈值提醒模块将信息传递至通讯单元,再由通讯单元将信息发送至工作人员的移动终端,工作人员实地对路灯的灯泡进行更换,防止路灯因工作寿命达到导致无法工作,保证路灯始终维持可工作状态。
[0016]2、该基于深度学习的路灯预测性维护系统,通过设置有学习计算单元,故障时间收集模块对各个路灯的故障时间进行收集记录,再利用计算模块计算各个路灯的故障时间的平均值,然后阈值更新模块将平均值传递给计时提醒单元的阈值提醒模块,使阈值提醒模块按照新更新的阈值进行提醒,通过深度学习与大数据降低路灯的灯泡故障率,使大多数路灯的灯泡在未故障前得以更换。
[0017]3、该基于深度学习的路灯预测性维护系统,通过设置有工作状态监测单元,利用通电回路自检模块对路灯是否形成通电的工作回路进行检查,照明强度监测模块对路灯的灯泡照明强度进行监测,当路灯断电或照明强度不够时,将故障信息传递至通讯单元,再由通讯单元将信息发送至工作人员的移动终端,提醒工作人员对路灯进行维修。
[0018]4、该基于深度学习的路灯预测性维护系统,通过设置有排班记录单元,人员负责区域记录模块、人员负责日期记录模块、人员姓名记录模块和人员号码记录模块分别记录工作人员负责路灯维修检查的区域、日期和工作人员的名字和联系号码,当路灯发生故障
时,迅速调取路灯故障区域当日的值班工作人员的姓名和号码,将故障信息发送至其移动终端,保证一定有工作人员对路灯进行维修,避免出现维修不及时的情况。
[0019]该系统中未涉及部分均与现有技术相同或可采用现有技术加以实现。
附图说明
[0020]图1为本专利技术提出的一种基于深度学习的路灯预测性维护系统的系统图;图2为本专利技术提出的一种基于深度学习的路灯预测性维护系统的排班记录单元系统图;图3为本专利技术提出的一种基于深度学习的路灯预测性维护系统的学习计算单元系统图;图4为本专利技术提出的一种基于深度学习的路灯预测性维护系统的通讯单元系统图;图5为本专利技术提出的一种基于深度学习的路灯预测性维护系统的报警单元系统图。
具体实施方式
[0021]下面将结合本专利技术实施例中的附图,对本专利技术实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本专利技术一部分实施例,而不是全部的实施例。
[0022]在本专利技术的描述中,需要理解的是,术语“上”、“下”、“前”、“后”、“左”、“右”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本专利技术和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方本文档来自技高网
...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习的路灯预测性维护系统,包括控制终端、工作端、移动终端和无线通信单元,其特征在于,所述控制终端和工作端之间通过无线通信单元互相连接,所述控制终端和移动终端之间通过无线通信单元相连,所述控制终端包括学习计算单元、排班记录单元、路灯参数记录单元、报警单元和通讯单元,所述工作端包括GPS定位单元、计时提醒单元和工作状态监测单元;所述学习计算单元包括故障时间收集模块、计算模块和阈值更新模块,所述故障时间收集模块和计算模块相连,所述计算模块和阈值更新模块相连;所述排班记录单元包括人员负责区域记录模块、人员负责日期记录模块、人员姓名记录模块和人员号码记录模块,所述人员负责区域记录模块和人员负责日期记录模块相连,所述人员负责日期记录模块和人员姓名记录模块相连,所述人员姓名记录模块和人员号码记录模块相连;所述报警单元包括信息提取模块、地图存储模块、地点显示模块和警示灯,所述通讯单元包括故障信息生成模块和信息发送模块,所述故障信息生成模块和信息发送模块相连;所述GPS定位单元包括GPS定位器,所述计时提醒单元包括计时模块和阈值提醒模块,所述工作状态监测单元包括通电回路自检模块和照明强度监测模块。2.根据权利要求1所述的一种基于深度学习的路灯预测性维护系统,其特征在于,所述工作端的数量和路灯的数量相同,所述工作端安装于路灯上,所述移动终端包括工作人员的手机、电脑等移动通讯工具。3.根据权利要求1所述的一种基于深度学习的路灯预测性维护系统,其特征在于,所述学习计算单元用于计算并更新路灯故障的时间,所述排班记录单元用于记录工作人员的工作排班情况,所述路灯参数记录单元用于记录各个路灯的工作参数,所述报警单元用于对路灯故障进行报警,所述通讯单元用于将路灯故障信息传递给工作人员。4.根据权利要求1所述的一种基于深度学习的...

【专利技术属性】
技术研发人员:王巍黄李奔徐春华吴俊戴彬彬刘立
申请(专利权)人:江苏未来城市公共空间开发运营有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1