【技术实现步骤摘要】
本专利技术涉及电机监控设备，尤其涉及一种基于多维度数据电机隐患诊断边缘计算方法和装置。
技术介绍
1、随着电机广泛应用，根据市场调查，大型电机烧毁事故，90％以上都可通过实时监测机械振动、局部放电、接线盒内温升及湿度变化，提前预警！但现有的定期巡检、振动监测等管控方法，很难做到对电机电气故障实时感知、准确预警，至使相关安全生产事故时有发生。
2、为了事故发生前做到风险预判、安全预警，电动机主动在线监测的概念迅速获得推广。通过在电机部署基于声振温多维感知大型电机在线诊断与安全预警，对其关键点位温度、湿度、电机运行声纹特征、振动数据进行在线跟踪，实现电机劣化情况的智能诊断并早期预警，可有效避免可能发生的灾难性生产事故，大大减少被迫停机次数，保障生产及人员安全，提高生产安全，增加企业利润。
3、电机在线诊断与安全预警系统对于对于其训练和推理阶段，必将给云平台带来了高计算和内存要求的代价，并且感知层与云平台之间存在数据延迟和可伸缩性，传输数据到云平台上做推理或者训练可能会引发来自网络额外的排队和传播延迟，不可能满足实时性交互应用程序所需要的，严格的端到端和低延迟要求；同时从源地址发送数据到云平台上引入了可伸缩性问题，当所连接设备的数量增长时，连接到云平台的网络可能成为一个瓶颈。
4、为了解决延迟挑战，边缘计算接近终端设备上的数据源减少了端到端延迟，于是支持实时性服务。为了解决可伸缩性挑战，边缘计算支持终端设备、边缘计算节点和云平台数据中心的层次结构，可以提供计算资源并根据客户端数量来进行伸缩，避免在一
技术实现思路
1、本专利技术提供了一种基于多维度数据电机隐患诊断边缘计算方法和装置，该装置将人工智能算法前置到边缘终端，通过实时接收各类传感器接收到设备运行数据信息。可以在数据源处进行对数据的初步清洗与加工，避免了大量数据的传输和处理带来的延时和带宽问题。数据特征参数对同一电机具体设备而言具有相对稳定性，不随时间或环境变化而变化，提取到的声纹特征、温湿度、振动等参数将周期性本地存储，同时上传至云端分析云平台。
2、为解决上述问题，本专利技术提供了一种基于多维度数据电机隐患诊断边缘计算方法和装置，电机隐患诊断边缘装置的软件计算模式采用dnn模型在终端设备上执行，包括数据采集模块和数据处理模块，所述dnn模型包括模型设计、模型压缩和硬件cpus、gpus和深度学习定制应用程序的集成电路tpu；
3、所述基于多维度数据电机隐患诊断边缘计算方法，具体方法步骤如下：
4、s01、数据采集与传输，所述数据采集模块包括传感器和测量设备，设有连接整个装置的输入口，并接收到多个传感器检测到运行数据参数；所述传感器包括声纹传感器、温度传感器、湿度传感器和/或振动传感器；
5、s02、所述数据处理模块首先对原始数据进行预处理，滤波和去噪，以提高数据的品质；
6、s03、然后，所述数据处理模块利用各种算法对数据进行处理和分析，内置的高性能处理芯片采用时域分析、频域分析和小波变换先进算法，以提取出电机的运行状态信息；
7、s04、所述数据处理模块还需要根据电机的特性和运行状况，建立相应的特征库和数据库，进行振动数据分析、声纹数据分析、温湿度数据分析，以方便对电机的状态进行比较和分类；
8、s05、所述数据处理模块通过内部总线与数据采集模块并行工作，同时进行数据的预处理(包括数据清洗、滤波和去噪)和边缘计算；
9、s06、所述数据处理模块处理后的数据被打包并通过无线方式上传至云云平台，同时进行进一步分析；
10、s07、所述云平台与所述电机隐患诊断边缘装置能上传和下发数据，主动预警，并显示报警信息。
11、进一步方案为，所述振动数据分析，是由内置的监测模块，通过多种滤波方法和特征分析技术，包括功率谱分析、包络谱分析和小波分析，并预测和识别故障。
12、进一步方案为，所述温湿度数据分析和温湿度数据处理结合红外图像和湿度传感器的数据，数据清洗和融合标记，通过ai算法进行处理和存储，并且处理后的数据包通过无线传输上传至云平台，使其能够进行进一步分析。
13、进一步方案为，所述模型设计为所述dnn模型中设计参数较少的模型，减少内存和执行延迟，同时保持高精度，并且将卷积滤波器分解为两个更简单的操作，减少了所需的计算量。
14、进一步方案为，所述模型压缩为压缩所述dnn模型是在边缘设备上支持dnns，使用最小的精度损失来压缩已有的dnn模型，所述模型压缩方法包括参数量化、参数修剪和知识蒸馏。
15、进一步方案为，基于多维度数据电机隐患诊断边缘计算方法和装置，包括pcb电路板和硬件接口，所述pcb电路板设有数据采集功能模组，并连接所述硬件接口，所述硬件接口包括传感器输入口、温湿度传感器输入口、声纹传感器入口、usb扩展口和hdmi扩展口，并固定位于所述底壳上，所述采集功能模组包括声纹监测模组、温湿度监测模组、振动监测模组、通信控制模组、电源管理模组和音频滤波电容。
16、进一步方案为，所述数据采集功能模组具备对电机隐患诊断数据计算处理功能和网络通讯接口，所述数据采集功能模组对采集到的各项电机数据进行清洗、滤波、去除异常数据和噪声干扰预处理计算功能和数据打包。
17、进一步方案为，所述声纹监测模组包括一个cortex-a9处理器和独立ram的独立音频子系统。
18、进一步方案为，所述温湿度监测模组包括独立的arm cortex-r5f处理器子系统，用于处理红外热像头管理和串口湿度数据管理。
19、进一步方案为，所述振动监测模组为独立的arm cortex-r5f传感器处理器。
20、本专利技术的有益效果是：本专利技术声纹、湿度、温度、振动等信号通过采集设备进入边缘计算系统后，首先进入预处理阶段。预处理包括端点检测和噪声消除、振动频率段截取等环节，端点检测环节对输入的音频流、振动频率、温湿度数据进行分析，自动删除音频中静音或非设备运行声音、电机自身运行振动频率等无效部分，保留有效音频和振动频率，同时上传至云端分析云平台，具有以下优点：
21、1、采用先进的边缘数据处理技术，可实现电机运行隐患诊断过程中声纹、振动、温度、湿度等多维度数据采集。
22、2、经过预处理后的音频信号和振动频率进入特征提取阶段，边缘计算程序从电机设备运转音频信号中提取出能够表征电机设备特定逻辑结构或运行规律的频谱特征参数。
23、3、本计算的特征参数对同一电机具体设备而言具有相对稳定性，不随时间或环境变化而变化，提取到的声纹特征、温湿度、振动等参数将周期性本地存储，具有高精度、低延时、多维度、预处理等特点，可广泛应用于各种电机设备的隐患诊断与维护领域。
24、4、本装置将有助于提高电机设备的运行监测精确度和数据的多样性，保障电机安全运行，提高经济效益实现多维度数据预处理，可以对电机进本文档来自技高网...
【技术保护点】
1.一种基于多维度数据电机隐患诊断边缘计算方法，其特征在于，电机隐患诊断边缘装置的软件计算模式采用DNN模型在终端设备上执行，包括数据采集模块和数据处理模块，所述DNN模型包括模型设计、模型压缩和硬件CPUs、GPUs和深度学习定制应用程序的集成电路TPU；
2.如权利要求1所述的基于多维度数据电机隐患诊断边缘计算方法和装置，其特征在于，所述振动数据分析，是由内置的监测模块，通过多种滤波方法和特征分析技术，包括功率谱分析、包络谱分析和小波分析，并预测和识别故障。
3.如权利要求1所述的基于多维度数据电机隐患诊断边缘计算方法和装置，其特征在于，所述温湿度数据分析和温湿度数据处理结合红外图像和湿度传感器的数据，数据清洗和融合标记，通过AI算法进行处理和存储，并且处理后的数据包通过无线传输上传至云平台，使其能够进行进一步分析。
4.如权利要求1所述的基于多维度数据电机隐患诊断边缘计算方法和装置，其特征在于，所述模型设计为所述DNN模型中设计参数较少的模型，减少内存和执行延迟，同时保持高精度，并且将卷积滤波器分解为两个更简单的操作，减少了所需的计算量。
5.如权利要求1所述的基于多维度数据电机隐患诊断边缘计算方法和装置，其特征在于，所述模型压缩为压缩所述DNN模型是在边缘设备上支持DNNs，使用最小的精度损失来压缩已有的DNN模型，所述模型压缩方法包括参数量化、参数修剪和知识蒸馏。
6.一种基于多维度数据电机隐患诊断边缘装置，其特征在于，包括PCB电路板和硬件接口，所述PCB电路板设有数据采集功能模组，并连接所述硬件接口，所述硬件接口包括传感器输入口、温湿度传感器输入口、声纹传感器入口、USB扩展口和HDMI扩展口，并固定位于所述底壳上，所述采集功能模组包括声纹监测模组、温湿度监测模组、振动监测模组、通信控制模组、电源管理模组和音频滤波电容。
7.如权利要求6所述的基于多维度数据电机隐患诊断边缘装置，其特征在于，所述数据采集功能模组具备对电机隐患诊断数据计算处理功能和网络通讯接口，所述数据采集功能模组对采集到的各项电机数据进行清洗、滤波、去除异常数据和噪声干扰预处理计算功能和数据打包。
8.如权利要求6所述的基于多维度数据电机隐患诊断边缘装置，其特征在于，所述声纹监测模组包括一个Cortex-A9处理器和独立RAM的独立音频子系统。
9.如权利要求6所述的基于多维度数据电机隐患诊断边缘装置，其特征在于，所述温湿度监测模组包括独立的ARM Cortex-R5F处理器子系统，用于处理红外热像头管理和串口湿度数据管理。
10.如权利要求6所述的基于多维度数据电机隐患诊断边缘计算方法和装置，其特征在于，所述振动监测模组为独立的ARM Cortex-R5F传感器处理器。
...【技术特征摘要】
1.一种基于多维度数据电机隐患诊断边缘计算方法，其特征在于，电机隐患诊断边缘装置的软件计算模式采用dnn模型在终端设备上执行，包括数据采集模块和数据处理模块，所述dnn模型包括模型设计、模型压缩和硬件cpus、gpus和深度学习定制应用程序的集成电路tpu；
2.如权利要求1所述的基于多维度数据电机隐患诊断边缘计算方法和装置，其特征在于，所述振动数据分析，是由内置的监测模块，通过多种滤波方法和特征分析技术，包括功率谱分析、包络谱分析和小波分析，并预测和识别故障。
3.如权利要求1所述的基于多维度数据电机隐患诊断边缘计算方法和装置，其特征在于，所述温湿度数据分析和温湿度数据处理结合红外图像和湿度传感器的数据，数据清洗和融合标记，通过ai算法进行处理和存储，并且处理后的数据包通过无线传输上传至云平台，使其能够进行进一步分析。
4.如权利要求1所述的基于多维度数据电机隐患诊断边缘计算方法和装置，其特征在于，所述模型设计为所述dnn模型中设计参数较少的模型，减少内存和执行延迟，同时保持高精度，并且将卷积滤波器分解为两个更简单的操作，减少了所需的计算量。
5.如权利要求1所述的基于多维度数据电机隐患诊断边缘计算方法和装置，其特征在于，所述模型压缩为压缩所述dnn模型是在边缘设备上支持dnns，使用最小的精度损失来压缩已有的dnn模型，所述模型压...
【专利技术属性】
技术研发人员：宁心怡，张卫勇，
申请(专利权)人：深圳大成智能电气科技有限公司，
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。