【技术实现步骤摘要】
本专利技术涉及高速公路设备运维评估领域，尤其涉及基于人工智能的高速公路机电设备运维决策评估系统。
技术介绍
1、高速公路机电设备包括但不限于路灯、路牌、信号灯、监控摄像头、收费设备、隧道通风设备等，高速公路机电设备的运维过程直接关系到道路的安全性、畅通性和服务水平，因此高速公路机电设备的正常运行对于保障高速公路的安全、高效运营至关重要。同时，运维决策是指在运行和维护过程中，根据设备的运行状态、维护需求、成本效益分析等多种因素，做出的决策。
2、目前随着人工智能、机器学习等技术的不断发展，对于高速公路机电设备的运维决策有很大程度上的帮助，但在实际应用中现有技术仍存在以下问题：无法根据不同高速公路机电设备的实际情况确定运维方案，导致资源分配不合理、人力、财力等成本的浪费；对于过往的历史数据没有做到准确分析，因而无法为管理人员提供数据支持，缺少有力可持续性的决策；没有对获取到的数据参数进一步优化调整，使得运维决策评估结果与实际情况有一定差距，形成了不可靠不稳定的运维决策方案；对于运维决策评估过程，缺少对实际应用的考量，缺乏对高速公路机电设备运行效率和性能的提升帮助。
3、因此，需要一种基于人工智能的高速公路机电设备运维决策评估系统。
技术实现思路
1、本专利技术提供的基于人工智能的高速公路机电设备运维决策评估系统，目的在于根据设备状态、运行情况和历史数据，为运维管理者提供智能化的决策支持，帮助其制定合理的维护计划、维修策略和设备更新计划，优化运维决策过程；同时，运
2、本专利技术技术方案具体如下：
3、基于人工智能的高速公路机电设备运维决策评估系统，包括以下内容：
4、信息获取处理模块、高速公路机电设备评分模块、机电设备故障分析模块、检修维护频率修正模块、系数优化模块、机电设备运维决策评估模块；
5、所述信息获取处理模块，用于通过传感器、监控系统、维护记录方法，获取高速公路机电设备的各类数据信息，并进行数据预处理；
6、所述高速公路机电设备评分模块，根据预处理后的高速公路机电设备数据，对高速公路机电设备进行评分，按照评分对高速公路机电设备进行等级划分；
7、所述机电设备故障分析模块，用于通过对历史数据的学习，建立机电设备故障预分析模型，输出高速公路机电设备故障分析结果；
8、所述检修维护频率修正模块，根据机电设备故障分析模块的输出结果，对检修维护频率进行修正，为做出可靠决策提供数据支持；
9、所述系数优化模块，用于根据检修维护频率的修正参数和预设的修正参数进行对比，根据对比结果对检修维护频率进行优化；
10、所述机电设备运维决策评估模块，用于根据修正后的检修维护频率，计算运维决策的评估指标对高速公路机电设备运维决策进行评估，为管理人员提供科学的决策依据。
11、基于人工智能的高速公路机电设备运维决策评估方法，包括以下步骤：
12、步骤s1.采集高速公路机电设备的数据信息，对采集的数据进行清洗和预处理，对高速公路机电设备进行评分，按照评分对高速公路机电设备进行等级划分；
13、步骤s2.根据预处理后的高速公路机电设备数据信息，建立机电设备故障分析神经网络模型，对高速公路机电设备发生的故障情况进行分析；
14、步骤s3.根据得到的机电设备故障分析神经网络模型的输出结果对检修维护频率进行优化，计算得到检修维护频率修正参数；
15、步骤s4.根据优化修正后的检修维护频率，并结合高速公路机电设备数据信息，建立运维决策评估模型，为管理人员提供决策依据。
16、进一步，步骤s1具体包括：
17、根据对高速公路机电设备进行等级划分，设定检修维护频率，高速公路机电设备的综合评分为，设定评分阈值分别为、；
18、如果，则说明高速公路机电设备等级为a，表示高速公路机电设备通常整体良好；则设定检修维护频率为；
19、如果，则说明高速公路机电设备等级为b，表示高速公路机电设备经历过一些年头和故障，但仍处于正常状态，则设定检修维护频率为；
20、如果，则说明高速公路机电设备等级为c，表示高速公路机电设备整体状况不良；则设定检修维护频率为；
21、其中，、、表示调节参数，用来控制概率的变化速率；并且。
22、进一步，步骤s2具体包括：
23、所述机电设备故障分析神经网络模型包括输入层、异常识别层、故障分析层、输出层；
24、将高速公路机电设备相关数据信息作为机电设备故障分析神经网络模型的输入，表示任意一条机电设备信息，输入层将传递至异常层，传递过程如下所示：
25、其中，表示异常识别层的输入；表示输入层与异常识别层间的连接权重；表示输入层的输出；表示异常识别层的偏置。
26、进一步，步骤s2在异常识别层中对输入数据中的异常情况或不寻常模式进行检测，具体过程如下所示：
27、其中，表示异常识别层的输出；表示收敛系数；表示异常标签信息不同种类的标准情况；表示第类属性的实际特征信息；表示异常特征信息的影响参数。
28、进一步，步骤s3具体包括：
29、根据机电设备故障分析神经网络模型的输出结果，计算得到检修维护频率的修正系数，具体过程如下所示：
30、其中，表示检修维护频率的修正系数；、表示调节系数，用于控制计算过程中的平稳性；表示机电设备所能承受的负荷上限；表示机电设备故障分析神经网络模型的输出结果；表示常值系数；表示影响因子；表示机电设备运行时间；表示设备在的能耗情况；表示设备正常运行过程中所需要的能量；表示在理想状态下运维花费基础成本。
31、进一步，步骤s3具体包括：
32、根据检修维护频率的修正系数，和预设的修正参数进行对比，根据对比结果对检修维护频率进行优化；
33、如果，则对检修维护频率进行优化修正为，；如果，则对检修维护频率进行优化修正为，；如果，则对检修维护频率进行优化修正为，；表示第一修正对比参数、表示第二修正对比参数，且。
34、进一步，步骤s4具体包括：
35、根据高速公路机电设备运维成本效益比，对高速公路机电设备运维过程中的运维决策过程进行动态增进，计算运维决策的评估指标对高速公路机电设备运维决策进行评估。
36、有益效果：1.本专利技术通过对高速公路机电设备进行评分和等级划分，运维人员可以更准确地识别设备的状态和需求，从而制定更精细化的运维策略和决策；根据设备的状态和等级合理分配维护资源，确保优先处理那些需要更紧急关注的设备，同时，制定有效的维护计划，延长设备的使用寿命，减少更换设备的频率，节约成本；而且为提高设备的可靠性和稳定性奠定基础。
37、2.本专利技术通过建立机电设备故障分析神本文档来自技高网...
【技术保护点】
1.基于人工智能的高速公路机电设备运维决策评估系统，其特征在于，包括以下内容：
2.基于人工智能的高速公路机电设备运维决策评估方法，应用于权利要求1所述的基于人工智能的高速公路机电设备运维决策评估系统，其特征在于，包括以下步骤：
3.根据权利要求2所述的基于人工智能的高速公路机电设备运维决策评估方法，其特征在于，所述步骤S1具体包括：
4.根据权利要求2所述的基于人工智能的高速公路机电设备运维决策评估方法，其特征在于，所述步骤S2具体包括：
5.根据权利要求4所述的基于人工智能的高速公路机电设备运维决策评估方法，其特征在于，所述步骤S2在异常识别层中对输入数据中的异常情况或不寻常模式进行检测，具体过程如下所示：
6.根据权利要求2所述的基于人工智能的高速公路机电设备运维决策评估方法，其特征在于，所述步骤S3具体包括：
7.根据权利要求6所述的基于人工智能的高速公路机电设备运维决策评估方法，其特征在于，所述步骤S3具体包括：
8.根据权利要求2所述的基于人工智能的高速公路机电设备运维决策评估方法，其
...【技术特征摘要】
1.基于人工智能的高速公路机电设备运维决策评估系统，其特征在于，包括以下内容：
2.基于人工智能的高速公路机电设备运维决策评估方法，应用于权利要求1所述的基于人工智能的高速公路机电设备运维决策评估系统，其特征在于，包括以下步骤：
3.根据权利要求2所述的基于人工智能的高速公路机电设备运维决策评估方法，其特征在于，所述步骤s1具体包括：
4.根据权利要求2所述的基于人工智能的高速公路机电设备运维决策评估方法，其特征在于，所述步骤s2具体包括：
5.根据权利要求4所...
【专利技术属性】
技术研发人员：闫军，王东晖，范婷，姜晓东，王树森，钱东岳，鲍智成，孙国涛，于磊，夏帅，邵常池，
申请(专利权)人：山东通维信息工程有限公司，
类型：发明
国别省市：
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。