System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 基于视觉识别与大数据分析的工业设备智能监控方法技术_技高网

基于视觉识别与大数据分析的工业设备智能监控方法技术

技术编号:43478101 阅读:4 留言:0更新日期:2024-11-29 16:52
本发明专利技术公开了基于视觉识别与大数据分析的工业设备智能监控方法,属于数据分析领域。本发明专利技术调取工业生产区域中对应生产线中各生产设备的运行属性数据,对各设备编号进行数据统筹处理;通过提取各设备运行时间并进行周期划分,获取各设备实时运行周期集合,分别对各周期内设备的运行性能状态进行分析,结合周期长度进行综合运行性能状态分析;结合平面曲线拟合模型分别对各周期内设备的属性数据发展曲线进行构建和各周期内的设备运行性能状态进行映射曲线构建;综合设备各周期内对应各属性数据发展曲线与设备运行性能状态曲线进行属性性能影响关联分析;结合设备对应各周期内属性性能关联分析结果,对设备的实时运行状态进行评估。

【技术实现步骤摘要】

本专利技术涉及数据分析领域,具体为基于视觉识别与大数据分析的工业设备智能监控方法


技术介绍

1、基于视觉识别与大数据分析工业设备智能监控是采用一种集成先进技术,利用机器视觉对设备状态进行实时监控和故障预测,确保设备的生产的安全性和可持续性;

2、当前生产环境对于生产设备的功能化和智能化要求愈加强烈,而随着设备的智能化发展,其内部的构造也愈加复杂精细,因此传统常规的人工安全检测对于当前环境下的设备检测需求已无法满足,其往往需要花费更多的时间资源和人力资源,而对于大规模的生产设备检测需求,其显得更加低效率和低精确性。


技术实现思路

1、本专利技术的目的在于提供基于视觉识别与大数据分析的工业设备智能监控方法,以解决上述
技术介绍
中提出的问题。

2、为了解决上述技术问题,本专利技术提供如下技术方案:

3、基于视觉识别与大数据分析的工业设备智能监控方法,该方法包括以下步骤:

4、s100、调取工业生产区域中对应生产线中各生产设备的运行属性数据,对各设备编号进行数据统筹处理;

5、s200、通过提取各设备运行时间并进行周期划分,获取各设备实时运行周期集合,分别对各周期内设备的运行性能状态进行分析,结合周期长度进行综合运行性能状态分析;

6、s300、结合平面曲线拟合模型分别对各周期内设备的属性数据发展曲线进行构建和各周期内的设备运行性能状态进行映射曲线构建;综合设备各周期内对应各属性数据发展曲线与设备运行性能状态曲线进行属性性能影响关联分析;

7、s400、结合设备对应各周期内属性性能关联分析结果,对设备的实时运行状态进行评估。

8、所述s100调取工业生产区域中对应生产线中各生产设备的运行状态数据,对各设备编号进行数据统筹处理的具体步骤如下:

9、s101、结合工业生产区域监控传感设备对生产设备进行设备图像数据采集,根据生产区域图像数据结合仿真大模型对各生产设备进行三维仿真,构建拟态生产设备场景,分别对各设备进行区域编号赋予;

10、s102、通过中控传感设备对各设备的运行属性数据进行采集,并将采集数据通过数据库集成处理后传输至中控管理端。

11、所述工业生产区域监控传感设备为监控摄像器,通过将生产区域的监控摄像器进行组网连接,构建监控网络对生产区域中各生产设备进行图像采集;所述中控传感设备关联于中控管理端,用于对各设备的运行属性数据进行采集;所述运行属性数据为设备的运行工艺数据;其中设备的运行工艺数据包括设备运行温度、湿度、压力、转速等数据;

12、所述s200通过提取各设备运行时间并进行周期划分,获取各设备实时运行周期集合,分别对各周期内设备的运行性能状态进行分析,结合周期长度进行综合运行性能状态分析的具体步骤如下:

13、s201、通过中控管理端对各设备采集的运行属性数据输入仿真端口,结合仿真设备进行实时同步数据演变,获取对应实际场景设备的衍射运行状态数据;

14、s202、调取各仿真设备对应的实际设备运行时间,通过设置监测周期对各设备的运行时间进行周期划分,并构建对应各设备的运行周期集合;结合各设备的运行周期集合分别对各周期内设备的运行性能状态进行周期分析;分别调取对应周期内对应设备的运行属性数据,根据各周期内对应设备所处周期时间点处的运行属性数据对设备的运行性能进行分析;其中对于设备运行周期划分,采用同规格时间尺度进行周期划分,对于运行时间无法划分出完整周期的设备时间部分不纳入分析步骤;其中无法划分出完整周期的设备时间为运行时间进行周期划分后,多余部分运行时间不足以划分一个周期,或是设备运行时间不足以划分一个周期,则不将这部分时间纳入数据分析中,待设备实时运行时间将其补足后再进行分析。

15、所述设备的运行性能分析的具体步骤如下:

16、s202-1、通过调取目标设备当前实时运行时间所划分的运行周期集合,在周期集合中根据时间顺序依次定位运行周期,对定位周期进行对应周期内各时间点处设备的运行属性数据调取,构建对应当前定位周期的设备运行属性数据矩阵;

17、s202-2、根据定位周期内对应时间点调取的设备运行属性数据,对各时间点设备的运行数据性能因子得分进行分析,其计算公式为

18、;

19、其中,pf(t∈tmn)为对应编号m设备所划分编号n周期内对应时间点t的运行数据性能因子得分;rv为对应v类型运行属性数据的性能相关系数;v为运行属性数据类型编号;etv为对应周期内t时刻的v类型运行属性数据;α(v)为对应v类型运行属性数据的性能因子参数;

20、s203-3、结合对应周期内各时间点处设备运行属性数据的性能因子得分,对当前周期的综合运行性能指数进行分析,其计算公式为

21、;

22、其中,pi(tmn)为对应编号m设备所划分编号n周期的综合运行性能指数;t为对应周期时间长度。

23、所述s300结合平面曲线拟合模型分别对各周期内设备的属性数据发展曲线进行构建和各周期内的设备运行性能状态进行映射曲线构建;综合设备各周期内对应各属性数据发展曲线与设备综合运行性能状态曲线进行属性性能影响关联分析的具体步骤如下:

24、s301、分别利用平面曲线拟合模型将对应各周期内设备的运行属性数据和对应周期内设备各时间点处运行数据性能因子得分数据进行平面曲线拟合;并通过平面映射,通过构建同尺度时间轴将各类型运行属性数据拟合曲线与设备运行数据性能因子得分数据曲线进行同平面坐标系映射处理;

25、s302、根据曲线拟合映射输出结果,在坐标系中分别对各类型设备运行属性数据与对应设备运行数据性能因子得分数据依照时间顺序进行对应类型运行属性数据的周期性能影响波动分析。

26、基于对应周期内,对各类型运行属性数据进行周期性能影响波动分析,其通过分析对应各类型运行属性数据拟合曲线与运行数据性能因子得分数据曲线之间的差异情况进行分析,其计算公式为

27、;

28、其中,afv(tmn)为对应v类型运行属性数据的周期性能影响波动值;te为对应周期的起始时间点;根据对应各类型运行属性数据所分析获得的周期性能影响波动值对周期内各类型运行属性数据周期性能影响波动值进行均值计算,其计算公式为

29、;

30、其中,afave(tmn)为周期内各类型运行属性数据综合周期性能影响波动均值;通过分析各运行属性数据曲线与性能因子等分曲线之间的差值部分进行积分获取差异部分面积并结合周期尺度进行分析,其为该运行属性数据对于设备性能运行的影响波动值。

31、基于周期内各类型运行属性数据的周期性能影响波动值分析结果,对目标设备各周期内运行属性数据的异常波动情况进行分析,其计算公式为

32、;

33、其中,api(tmn)为对应周期内运行属性数据的综合异常波动指数;pi(r)为设备健康性能指数本文档来自技高网...

【技术保护点】

1.基于视觉识别与大数据分析的工业设备智能监控方法,其特征在于:该方法包括以下步骤:

2.根据权利要求1所述的基于视觉识别与大数据分析的工业设备智能监控方法,其特征在于:所述S100调取工业生产区域中对应生产线中各生产设备的运行状态数据,对各设备编号进行数据统筹处理的具体步骤如下:

3.根据权利要求2所述的基于视觉识别与大数据分析的工业设备智能监控方法,其特征在于:所述工业生产区域监控传感设备为监控摄像器,通过将生产区域的监控摄像器进行组网连接,构建监控网络对生产区域中各生产设备进行图像采集;所述中控传感设备关联于中控管理端,用于对各设备的运行属性数据进行采集;所述运行属性数据为设备的运行工艺数据。

4.根据权利要求3所述的基于视觉识别与大数据分析的工业设备智能监控方法,其特征在于:所述S200通过提取各设备运行时间并进行周期划分,获取各设备实时运行周期集合,分别对各周期内设备的运行性能状态进行分析,结合周期长度进行综合运行性能状态分析的具体步骤如下:

5.根据权利要求4所述的基于视觉识别与大数据分析的工业设备智能监控方法,其特征在于:所述设备的运行性能分析的具体步骤如下:

6.根据权利要求5所述的基于视觉识别与大数据分析的工业设备智能监控方法,其特征在于:所述S300结合平面曲线拟合模型分别对各周期内设备的属性数据发展曲线进行构建和各周期内的设备运行性能状态进行映射曲线构建;综合设备各周期内对应各属性数据发展曲线与设备综合运行性能状态曲线进行属性性能影响关联分析的具体步骤如下:

7.根据权利要求6所述的基于视觉识别与大数据分析的工业设备智能监控方法,其特征在于:基于对应周期内,对各类型运行属性数据进行周期性能影响波动分析,其通过分析对应各类型运行属性数据拟合曲线与运行数据性能因子得分数据曲线之间的差异情况进行分析,其计算公式为

8.根据权利要求7所述的基于视觉识别与大数据分析的工业设备智能监控方法,其特征在于:基于周期内各类型运行属性数据的周期性能影响波动值分析结果,对目标设备各周期内运行属性数据的异常波动情况进行分析,其计算公式为

9.根据权利要求8所述的基于视觉识别与大数据分析的工业设备智能监控方法,其特征在于:所述S400中结合设备对应各周期内属性性能关联分析结果,对设备的实时运行状态进行评估的具体步骤如下:

10.根据权利要求9所述的基于视觉识别与大数据分析的工业设备智能监控方法,其特征在于:根据设备风险周期分析数据,通过设置风险占比阈值,当风险周期占比值大于等于阈值时,对目标设备进行性能异常标记;当风险周期占比值小于阈值时,则对目标设备运行属性数据分析进行实时备份,进行持续周期数据采集并重复上述步骤异常分析。

...

【技术特征摘要】

1.基于视觉识别与大数据分析的工业设备智能监控方法,其特征在于:该方法包括以下步骤:

2.根据权利要求1所述的基于视觉识别与大数据分析的工业设备智能监控方法,其特征在于:所述s100调取工业生产区域中对应生产线中各生产设备的运行状态数据,对各设备编号进行数据统筹处理的具体步骤如下:

3.根据权利要求2所述的基于视觉识别与大数据分析的工业设备智能监控方法,其特征在于:所述工业生产区域监控传感设备为监控摄像器,通过将生产区域的监控摄像器进行组网连接,构建监控网络对生产区域中各生产设备进行图像采集;所述中控传感设备关联于中控管理端,用于对各设备的运行属性数据进行采集;所述运行属性数据为设备的运行工艺数据。

4.根据权利要求3所述的基于视觉识别与大数据分析的工业设备智能监控方法,其特征在于:所述s200通过提取各设备运行时间并进行周期划分,获取各设备实时运行周期集合,分别对各周期内设备的运行性能状态进行分析,结合周期长度进行综合运行性能状态分析的具体步骤如下:

5.根据权利要求4所述的基于视觉识别与大数据分析的工业设备智能监控方法,其特征在于:所述设备的运行性能分析的具体步骤如下:

6.根据权利要求5所述的基于视觉识别与大数据分析的工业设备智能监控方法,其特征在于:所述s300结合平面曲线拟合模型分别对各周期内设备...

【专利技术属性】
技术研发人员:李允恒徐永辉
申请(专利权)人:江苏星辉新能源科技有限公司
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