一种基于人工智能的设备管理系统及方法技术方案

本发明专利技术公开了一种基于人工智能的设备管理系统及方法，涉及人工智能技术领域，具体方法包括：在场地范围内，确定待采集的各轴承振动信号的位置分布；在待采集的各轴承振动信号的位置上安装轴承振动信号采集设备和无线模块，在中继节点和云平台中心节点上安装无线模块；将待采集的各轴承振动信号的位置设定为各轴承节点，分析各轴承节点与中继节点、中继节点与中继节点、中继节点与云平台中心节点之间的障碍物情况，并计算轴承振动信号的传播质量；构建通信网络图，比较通信网络图中不同边之间的轴承振动信号传播质量，将轴承振动信号传播质量最高的每一条边首尾相连，得到轴承节点和云平台中心节点之间的最优通信路径。点和云平台中心节点之间的最优通信路径。点和云平台中心节点之间的最优通信路径。

【技术实现步骤摘要】
一种基于人工智能的设备管理系统及方法


[0001]本专利技术涉及人工智能
，具体为一种基于人工智能的设备管理系统及方法。

技术介绍

[0002]随着无线通信技术的发展，无线传输在轴承振动信号采集中得到了广泛应用；通过将振动信号通过无线传感器发送到远程接收器或数据中心，可以实现远程监测和控制；无线传输提供了更大的灵活性和便利性，减少了布线和连接的限制，并适用于需要远程监测的应用场景。
[0003]在轴承信号无线传输的通信路径中，存在以下问题：首先，信号在传输路径上逐渐衰减，主要受到传输介质和传输距离的影响，尤其是在长距离传输或传输经过多个中继设备时，信号能量会逐渐减弱，导致信号质量下降；其次，信号干扰是另一个需要解决的重要问题，传输路径上存在其他电磁设备、大型建筑物以及其他物体障碍物等干扰源，这些干扰源会对轴承振动信号的清晰度和准确性产生负面影响，可能导致轴承振动信号失真，进而干扰轴承振动信号的分析和诊断。

技术实现思路

[0004]本专利技术的目的在于提供一种基于人工智能的设备管理系统及方法，以解决上述
技术介绍
中提出的问题。
[0005]为了解决上述技术问题，本专利技术提供如下技术方案：一种基于人工智能的设备管理方法，方法包括：步骤S100：在场地范围内，确定待采集的各轴承振动信号的位置分布；步骤S200：在待采集的各轴承振动信号的位置上安装轴承振动信号采集设备和无线模块，在中继节点和云平台中心节点上安装无线模块；步骤S300：将待采集的各轴承振动信号的位置设定为各轴承节点，分析各轴承节点与中继节点、中继节点与中继节点、中继节点与云平台中心节点之间的障碍物情况，并计算轴承振动信号的传播质量；步骤S400：构建通信网络图，比较通信网络图中不同边之间的轴承振动信号传播质量，将轴承振动信号传播质量最高的每一条边首尾相连，得到轴承节点和云平台中心节点之间的最优通信路径。
[0006]进一步的，步骤S300的工作过程包括：
[0007]S310：通过无人机摄影设备、激光测距仪和全球定位系统GPS设备，收集场地环境信息，场地环境信息包括场地平面图，场地平面图包括建筑物的分布结构和场地平面图中所占面积满足面积阈值的其它障碍物的分布结构；
[0008]S320：根据收集得到的场地环境信息，对轴承节点与中继节点、中继节点与中继节点、中继节点与云平台中心节点之间的建筑物和普通障碍物进行标识，并记录建筑物和普通障碍物的位置和数量；
[0009]S330：通过分析信号传播路径的长度d、传播路径的介质损耗值L、传播路径的阻碍值W和初始信号的发射功率P，计算轴承节点与中继节点、中继节点与中继节点、中继节点与
云平台中心节点之间的振动信号传播质量。
[0010]进一步的，步骤S320的工作过程包括：
[0011]步骤S321：设定各轴承节点与临近的中继节点之间的直线距离为S，在直线距离S范围内设定距离阈值K，将以轴承节点为圆心，距离阈值K为半径的圆弧区域作为建筑物的候选区域；对建筑物的候选区域，应用边缘检测算法Canny提取边缘像素点P，将边缘像素点P的上下左右四个相邻像素点，分别记为Pu、Pd、Pl和Pr；判断Pu、Pd、Pl和Pr这四个像素点的灰度值是否与边缘像素点P相同，若四个像素点的灰度值都与边缘像素点P相同，则将计数器的值N加1；
[0012]设定阈值检测机制，在阈值检测机制中比较计数器的值N与阈值G的大小；遍历完所有边缘像素点后，统计计数器的值N大于等于阈值G的边缘像素点的数量，若边缘像素点数量大于数量阈值J，则将被遍历过的边缘像素点区域标识为一条直线；若系统检测到的直线数量大于直线数量阈值P，则系统判定候选区域中存在足够多的直线，将候选区域标记为第一候选建筑物区域；
[0013]步骤S322：应用边缘检测算法Canny提取边缘像素点P，对于每个像素点P，在其周围选取一个固定大小的M
×
M邻域，M
×
M邻域表示边长为M个像素点的正方形像素点范围，M的值取奇数；设定像素点P的水平梯度为Gx，垂直梯度为Gy，计算M
×
M邻域内每个像素点P的梯度幅值G和梯度方向θ，计算公式如下：
[0014]G＝√(Gx2+Gy2)
[0015]θ＝arctan2(Gy,Gx)
[0016]计算当前像素点和M
×
M邻域内其它像素点梯度方向的差异度I，公式如下：
[0017]I＝|θ
‑
θp|
[0018]其中，θ表示当前像素点P的梯度方向，θp为邻域内其他像素点的梯度方向，T为当前像素点和其它像素点梯度方向的差异度阈值，K为满足条件|θ
‑
θp|>T的角点像素点数量阈值；若当前像素点和M
×
M邻域内其它每一个像素点梯度方向的差异度I
§
都大于差异度阈值T时，将当前像素点定义为角点像素点；遍历所有的边缘像素点后，比较角点像素点的数量与角点像素点数量阈值K的大小，当角点像素点的数量大于角点像素点数量阈值K时，系统沿着各角点像素点的位置，自动划分为一个角点像素点区域，将角点像素点区域标记为第二候选建筑物区域；
[0019]步骤S323：计算第一候选建筑物区域和第二候选建筑物区域的重叠面积，步骤流程如下：
[0020]确定第一候选建筑物区域和第二候选建筑物区域之间的交集像素点的位置坐标集合P1，其中P1＝{(x1,y1),(x2,y2),
…
,(xn,yn)}；使用多边形面积计算法计算第一候选建筑物区域和第二候选建筑物区域的交集多边形的面积Pa，根据公式：
[0021][0022]若计算得出的交集多边形的面积Pa＝0，表示两个候选建筑物区域没有重叠，结束计算；若计算得出的交集多边形的面积Pa＞0，表示两个候选建筑物出现区域重叠；设定面积阈值A和B，若Pa≥A，则将两个候选建筑物的重叠区域标识为建筑物，若B＜Pa＜A，则将两个候选建筑物的重叠区域标识为普通障碍物；若0＜Pa＜B，则将两个候选建筑物的重叠区
域标识为微小障碍物。
[0023]上述步骤S320的工作过程达到的有益效果为：通过设定直线距离和距离阈值，在图像中找到潜在的建筑物候选区域，这样可以减少需要处理的图像范围，提高后续处理的效率；通过判断像素点的灰度值和相邻像素点的关系，计算得到符合条件的边缘像素点，可以较准确地确定直线线条的数量；在边缘像素点的基础上，通过比较不同像素点的梯度方向差异度，可以进一步识别出建筑物与其他障碍物之间的角点，进一步判断该区域是否为建筑物区域；通过计算两个候选建筑物区域的交集多边形的面积，确定它们之间的重叠程度，根据设定的面积阈值，将重叠区域划分为建筑物或普通障碍物，这样可以较准确地判断建筑物与普通障碍物之间数量关系，为后续计算轴承振动信号传播质量提供数量依据。
[0024]进一步的，步骤S330的工作过程包括：
[0025]传播路径的介质损耗值本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人工智能的设备管理方法，其特征在于，所述方法包括：步骤S100：在场地范围内，确定待采集的各轴承振动信号的位置分布；步骤S200：在待采集的各轴承振动信号的位置上安装轴承振动信号采集设备和无线模块，在中继节点和云平台中心节点上安装无线模块；步骤S300：将待采集的各轴承振动信号的位置设定为各轴承节点，分析各轴承节点与中继节点、中继节点与中继节点、中继节点与云平台中心节点之间的障碍物情况，并计算轴承振动信号的传播质量；步骤S400：构建通信网络图，比较通信网络图中不同边之间的轴承振动信号传播质量，将轴承振动信号传播质量最高的每一条边首尾相连，得到轴承节点和云平台中心节点之间的最优通信路径。2.根据权利要求1所述的一种基于人工智能的设备管理方法，其特征在于：步骤S300的工作过程包括：S310：通过无人机摄影设备、激光测距仪和全球定位系统GPS设备，收集场地环境信息，所述场地环境信息包括场地平面图，所述场地平面图包括建筑物的分布结构和场地平面图中所占面积满足面积阈值的其它障碍物的分布结构；S320：根据收集得到的场地环境信息，对轴承节点与中继节点、中继节点与中继节点、中继节点与云平台中心节点之间的建筑物和普通障碍物进行标识，并记录建筑物和普通障碍物的位置和数量；S330：通过分析信号传播路径的长度d、传播路径的介质损耗值L、传播路径的阻碍值W和初始信号的发射功率P，计算轴承节点与中继节点、中继节点与中继节点、中继节点与云平台中心节点之间的振动信号传播质量。3.根据权利要求2所述的一种基于人工智能的设备管理方法，其特征在于：步骤S320的工作过程包括：步骤S321：设定各轴承节点与临近的中继节点之间的直线距离为S，在直线距离S范围内设定距离阈值K，将以轴承节点为圆心，距离阈值K为半径的圆弧区域作为建筑物的候选区域；对建筑物的候选区域，应用边缘检测算法Canny提取边缘像素点P，将边缘像素点P的上下左右四个相邻像素点，分别记为Pu、Pd、Pl和Pr；判断Pu、Pd、Pl和Pr这四个像素点的灰度值是否与边缘像素点P相同，若四个像素点的灰度值都与边缘像素点P相同，则将计数器的值N加1；设定阈值检测机制，在阈值检测机制中比较计数器的值N与阈值G的大小；遍历完所有边缘像素点后，统计计数器的值N大于等于阈值G的边缘像素点的数量，若边缘像素点数量大于数量阈值J，则将被遍历过的边缘像素点区域标识为一条直线；若系统检测到的直线数量大于直线数量阈值P，则系统判定候选区域中存在足够多的直线，将候选区域标记为第一候选建筑物区域；步骤S322：应用边缘检测算法Canny提取边缘像素点P，对于每个像素点P，在其周围选取一个固定大小的M
×
M邻域，所述M
×
M邻域表示边长为M个像素点的正方形像素点范围，所述M的值取奇数；设定像素点P的水平梯度为Gx，垂直梯度为Gy，计算M
×
M邻域内每个像素点P的梯度幅值G和梯度方向θ，计算公式如下：G＝√(Gx2+Gy2)
θ＝arctan2(Gy,Gx)计算当前像素点和M
×
M邻域内其它像素点梯度方向的差异度I，公式如下：I＝|θ
‑
θp|其中，θ表示当前像素点P的梯度方向，θp为邻域内其他像素点的梯度方向，T为当前像素点和其它像素点梯度方向的差异度阈值，K为满足条件|θ
‑
θp|>T的角点像素点数量阈值；若当前像素点和M
×
M邻域内其它每一个像素点梯度方向的差异度I
§
都大于差异度阈值T时，将当前像素点定义为角点像素点；遍历所有的边缘像素点后，比较角点像素点的数量与角点像素点数量阈值K的大小，当角点像素点的数量大于角点像素点数量阈值K时，系统沿着各角点像素点的位置，自动划分为一个角点像素点区域，将所述角点像素点区域标记为第二候选建筑物区域；步骤S323：计算第一候选建筑物区域和第二候选建筑物区域的重叠面积，步骤流程如下：确定第一候选建筑物区域和第二候选建筑物区域之间的交集像素点的位置坐标集合P1，其中P1＝{(x1,y1),(x2,y2),
…
,(xn,yn)}；使用多边形面积计算法计算第一候选建筑物区域和第二候选建筑物区域的交集多边形的面积Pa，根据公式：若计算得出的交集多边形的面积Pa＝0，表示两个候选建筑物区域没有重叠，结束计算；若计算得出的交集多边形的面积Pa＞0，表示两个候选建筑物出现区域重叠；设定面积阈值A和B，若Pa≥A，则将两个候选建筑物的重叠区域标识为建筑物，若B＜Pa＜A，则将两个候选建筑物的重叠区域标识为普通障碍物；若0＜Pa＜B，则将两个候选建筑物的重叠区域标识为微小障碍物。4.根据权利要求2所述的一种基于人工智能的设备管理方法，其特征在于：步骤S330的工作过程包括：传播路径的介质损耗值L的计算公式如下：L＝20*log10(A2/A1)其中，A1是轴承节点振动信号传播前的幅度，A2是轴承节点的振动信号经过传播路径后到达云平台中心节点后的信号幅度；设定被标识为建筑物的个数为M，设定被标识为普通障碍物的个数为N，则传播路径的阻碍值W的计算公式如下：W＝rh1*M+rh2*N其中，rh1为被标识为建筑物的个数M对传播路径阻碍值的贡献占比，rh2为被标识为普通障碍物的个数N对传播路径阻碍值的贡献占比，M＞N；设定轴承节点与中继节点、中继节点与中继节点、中继节点与云平台中心节点之间的振动信号传播质量为...

【专利技术属性】
技术研发人员：刘晓婉，陈宝成，李振晔，张雪瑶，闫研，隋欣，王海燕，王超，郑海波，段小宇，
申请(专利权)人：长春汽车工业高等专科学校，
类型：发明
国别省市：