【技术实现步骤摘要】
一种应用于智慧物业的运维管理系统
[0001]本专利技术涉及智慧物业和大数据领域，尤其涉及一种应用于智慧物业的运维管理系统。
技术介绍
[0002]物业管理，是对房屋及其配套设施和相关场地进行维护、养护和修理，维护物业管理区域内的环境卫生和相关秩序的活动。物业管理的作用对象是房屋等物理空间。智慧物业，是指运用人工智能、大数据等技术，采集和提炼物管运营过程中的关键数据，并通过算法等对数据进行清洗、分析，并能够根据这些有效数据做出反应与调整，让生活中的人们过得更加美好
[0003]现实中，大部分物业管理的作用对象未实现真正的智能化，例如对于空调系统中的组成设施及设备，需要组织技术人员进行定期的查看和维护，维护成本较高。
技术实现思路
[0004]有鉴于此，本专利技术提供了一种应用于智慧物业的运维管理系统，包括物业管理云平台、空调系统和管理终端，空调系统中的冷水机组包括压缩机、冷凝器、蒸发器和节流阀，物业管理云平台包括图像映射模块、序列生成模块、图像预测模块和信息生成模块；
[0005]图像映射模块...
【技术保护点】
【技术特征摘要】
1.一种应用于智慧物业的运维管理系统，其特征在于，包括物业管理云平台、空调系统和所述管理终端，空调系统中的冷水机组包括压缩机、冷凝器、蒸发器和节流阀，物业管理云平台包括图像映射模块、序列生成模块、图像预测模块和信息生成模块；图像映射模块确定空调冷水机组中压缩机的目标油面观测图像和压缩机在目标预测时间点的预测压缩机运行参数，将所述预测压缩机运行参数输入至第一训练模型中以得到压缩机的初始油面预测图像；序列生成模块从与目标油面观测图像的采集时间点左邻近的采样窗口中采集得到若干邻近油面观测图像，基于所述目标油面观测图像和所述目标油面观测图像的若干邻近油面观测图像生成第一邻近图像序列；序列生成模块从与所述预测压缩机运行参数对应的目标预测时间点左邻近的采样窗口中采集得到若干邻近压缩机运行参数，基于所述预测压缩机运行参数对应的初始油面预测图像和所述预测压缩机运行参数对应的每个邻近压缩机运行参数的初始油面预测图像生成第二邻近图像序列；图像预测模块将第一邻近图像序列和第二邻近图像序列输入至第二训练模型中以经过第二训练模型的多个隐藏层和激活函数输出压缩机的最终油面预测图像，并基于所述最终油面预测图像确定压缩机的增强最终油面预测图像；信息生成模块获取压缩机在目标预测时间点的实时油面观测图像，并根据压缩机在目标预测时间点的增强最终油面预测图像和实时油面观测图像生成相应的检修提示，并将其发送至相应的管理终端。2.根据权利要求1所述的系统，其特征在于，所述第一训练模型的生成步骤包括：采集预设滑动时间窗口内机箱观测区域的若干样本油面观测图像以形成第一训练模型的原始训练图像集，对原始训练图像集中的每个样本油面观测图像进行增强处理以得到扩展训练图像集；确定并分割出扩展训练图像集中对应样本油面观测图像中包含油位特征的图像区域将其作为第一分割图像，确定并分割出扩展训练图像集中对应样本油面观测图像中包含油色特征的图像区域将其作为第二分割图像，将第一分割图像和第二分割图像均作为输入数据分别输入至第一训练模型中。3.根据权利要求2所述的系统，其特征在于，所述第一训练模型的生成步骤还包括：利用第一训练模型中的4个尺寸为5x5的卷积层对第一分割图像和第二分割图像进行特征提取以得到第一分割图像的油位特征图和第二分割图像的油色特征图；针对训练过程中第一训练模型的每两个卷积层提取到的油位特征图和油色特征图，利用1个尺寸为2x2的最大池化层对提取到的油位特征图和油色特征图进行下采样以降低油位特征图和油色特征图的特征维度；将经过多层卷积和池化的油位特征图拼接为一维油位特征向量，将经过多层卷积和池化的油色特征图拼接为一维油色特征向量，并将一维油位特征向量和一维油色特征向量分别作为全连接层的输入数据，最后利用全连接层对输入数据进行特征非线性组合以得到每个样本油面观测图像的油位特征和油色特征；获取与对应样本油面观测图像具有相同时间戳的压缩机运行参数，将所述压缩机运行参数作为输入数据，以与所述压缩机运行参数具有相同时间戳的样本油面观测图像对应的
油位特征或油色特征的特征值为标签执行模型训练，得到油位特征的特征值与压缩机运行参数之间的映射关系以及油色特征的特征值与压缩机运行参数之间的映射关系。4.根据权利要求3所述的系统，其特征在于，确定空调冷水机组中压缩机的目标油面观测图像和压缩机在目标预...
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。