一种基于边缘计算的继电器故障检测分析系统及方法技术方案

本发明专利技术涉及一种基于边缘计算的继电器故障检测分析系统及方法，根据继电器故障类别和原因，利用故障检测端安装的各类传感器采集故障数据，同时引入边缘计算设备，将深度学习神经网络部署到边缘节点，实现故障的快速诊断和处理。本发明专利技术相比于传统继电器故障检测及分析系统，边缘计算的引入使故障诊断和处理过程更接近数据源，有效减少端到端的处理时延，同时避免海量数据对网络传输和集中式数据存储带来的压力，显著提升系统性能和故障响应速度；通过边缘计算设备对多个工作区域的继电器故障数据进行脱敏处理，既能保证局部数据安全，又能充分发挥数据在优化全局综合模型的作用，提供更加完善的继电器故障分析和预防指导方案。案。案。

【技术实现步骤摘要】
一种基于边缘计算的继电器故障检测分析系统及方法


[0001]本专利技术属于元器件共性
，尤其是一种基于边缘计算的继电器故障检测分析系统及方法。

技术介绍

[0002]继电器是电气系统中不可或缺的部件，主要负责电路转换和安全保护等，是确保整个电气系统可靠运行的关键。在通信、导航、航空等领域，对于继电器有着非常高的可靠性要求，一旦继电器发生故障，往往会造成严重后果和极大经济损失。目前继电器的故障检测和分析多数在故障发生后，为了解决故障报警、诊断和控制存在一定时延的问题。

技术实现思路

[0003]本专利技术的目的在于克服现有技术的不足，提出一种基于边缘计算的继电器故障检测分析系统及方法，能够根据继电器故障类别和原因，利用故障检测端安装的各类传感器采集故障数据，同时引入边缘计算设备，将深度学习神经网络部署到边缘节点，实现故障的快速诊断和处理。
[0004]本专利技术解决其技术问题是采取以下技术方案实现的：
[0005]一种基于边缘计算的继电器故障检测分析系统，包括故障检测端、边缘设备、数据传输模块和服务器端，故障检测连接边缘设备，边缘设备双向连接数据传输模块，数据传输模块双向连接服务器端，
[0006]其中，故障检测端用于采集和处理各个工作区域的继电器故障数据；
[0007]边缘设备用于接收继电器故障数据，在边缘侧训练相应工作区域的故障模型，对故障情况进行实时报警和响应，同时进行显示；
[0008]数据传输模块用于传输边缘设备和服务器端之间的设备；
[0009]服务器端用于接收故障模型，采用联邦学习方法，对各个故障模型进行脱敏处理，再对模型进行评价和更新，最终将其综合成一个联合模型后下发给各个边缘设备的计算模块。
[0010]而且，所述故障检测端包括信号采集装置和数据处理模块，其中信号采集装置的输出端连接数据处理模块的输入端。
[0011]而且，所述信号采集装置包括线圈电流传感器、线圈电压传感器、触点电流传感器、触点电压传感器、温度传感器、湿度传感器和气压传感器，用于采集继电器主要性能参数和环境状态信号。
[0012]而且，所述数据处理模块包括数据采集卡和主板，两者采用紧固堆叠方式连接，其中数据采集卡用于对信号采集装置发来的数据进行采集，主板用于对采集到的数据进行A/D转换处理。
[0013]而且，所述边缘设备包括计算模块和前端模块，计算模块连接前端模块，计算模块用于接收到所处工作区域的继电器故障数据集，在边缘侧训练相应工作区域的故障模型，
对故障情况进行实时报警和响应，前端模块用于可视化界面的显示。
[0014]一种基于边缘计算的继电器故障检测分析系统的分析方法，包括以下步骤：
[0015]步骤1：在故障检测端，信号采集装置采集继电器主要性能参数和环境状态信号，并传输给数据处理模块；
[0016]步骤2：数据处理模块对采集到的数据进行A/D转换，并发送给边缘设备中的计算模块；
[0017]步骤3：各个边缘设备的计算模块接收到所处工作区域的继电器故障数据集，在边缘侧训练相应工作区域的故障模型，对故障情况进行实时报警和响应，并通过前端模块在可视化界面中显示；同时，计算模块将训练好的故障模型通过数据传输模块上传至服务器端；
[0018]步骤4：服务器端接收到多个边缘设备发来的继电器故障模型，采用联邦学习方法，对各个故障模型进行脱敏处理，再对模型进行评价和更新，最终将其综合成一个联合模型后下发给各个边缘设备的计算模块；
[0019]步骤5：各个边缘设备的计算模块接收到联合模型后，对自身模型进行新一轮迭代，形成更加优化的故障诊断模型。
[0020]本专利技术的优点和积极效果是：
[0021]本专利技术相比于传统继电器故障检测及分析系统，边缘计算的引入使故障诊断和处理过程更接近数据源，有效减少端到端的处理时延，同时避免海量数据对网络传输和集中式数据存储带来的压力，显著提升系统性能和故障响应速度；通过边缘计算设备对多个工作区域的继电器故障数据进行脱敏处理，既能保证局部数据安全，又能充分发挥数据在优化全局综合模型的作用，提供更加完善的继电器故障分析和预防指导方案。
附图说明
[0022]图1为本专利技术的系统连接图。
具体实施方式
[0023]以下结合附图对本专利技术做进一步详述。
[0024]一种基于边缘计算的继电器故障检测分析系统，如图1所示，包括故障检测端、边缘设备、数据传输模块和服务器端，故障检测连接边缘设备，边缘设备双向连接数据传输模块，数据传输模块双向连接服务器端。
[0025]其中，故障检测端用于采集和处理各个工作区域的继电器故障数据；故障检测端包括信号采集装置和数据处理模块，其中信号采集装置的输出端连接数据处理模块的输入端。
[0026]信号采集装置包括线圈电流传感器、线圈电压传感器、触点电流传感器、触点电压传感器、温度传感器、湿度传感器和气压传感器，用于采集继电器主要性能参数和环境状态信号。
[0027]数据处理模块包括PC104数据采集卡和PC104主板，两者采用紧固堆叠方式连接，其中PC104数据采集卡用于对各类传感器发来的数据进行采集，PC104主板上运行VxWork操作系统，用于对采集到的数据进行A/D转换处理。
[0028]边缘设备用于接收继电器故障数据，在边缘侧训练相应工作区域的故障模型，对故障情况进行实时报警和响应，同时进行显示。本系统中选用多个JetsonNano设备作为边缘设备，并在各个工作区域内进行广泛部署。边缘设备包括计算模块和前端模块，计算模块利用Jetson Nano设备较高的性能与能效提供基础算力，接收故障检测端传输而来的实时数据，在一定规模工作区域内训练继电器故障模型的神经网络，前端模块具有可视化界面，端口为5001，能够显示当前边缘设备自身状态，包括是否开机、是否离线、是否正在计算等，同时动态实时展示边缘设备当前所运行的神经网络的性能指标。
[0029]数据传输模块用于传输边缘设备和服务器端之间的设备；本系统使用ZeroTierone搭建虚拟局域网(VLAN)，局域网IP:10.147.20.X，设备连接使用TCP协议。
[0030]服务器端用于接收故障模型，采用联邦学习方法，对各个故障模型进行脱敏处理，再对模型进行评价和更新，最终将其综合成一个联合模型后下发给各个边缘设备的计算模块。本系统中采用JetsonXavierNX作为服务器端，其强大的运算性能可为边缘提供高达21TOPS的加速AI计算，并行运行多个神经网络，处理多个来自高分辨率传感器的数据。
[0031]一种基于边缘计算的继电器故障检测分析系统的分析方法，包括以下步骤：
[0032]步骤1：在故障检测端，信号采集装置采集继电器主要性能参数和环境状态信号，并传输给数据处理模块；
[0033]步骤2：数据处理模块对采集到的数据进行A/D转换，并发送给边缘设备中的计算模块；
[0034]步骤3：各个边缘本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于边缘计算的继电器故障检测分析系统，其特征在于：包括故障检测端、边缘设备、数据传输模块和服务器端，故障检测连接边缘设备，边缘设备双向连接数据传输模块，数据传输模块双向连接服务器端，其中，故障检测端用于采集和处理各个工作区域的继电器故障数据；边缘设备用于接收继电器故障数据，在边缘侧训练相应工作区域的故障模型，对故障情况进行实时报警和响应，同时进行显示；数据传输模块用于传输边缘设备和服务器端之间的设备；服务器端用于接收故障模型，采用联邦学习方法，对各个故障模型进行脱敏处理，再对模型进行评价和更新，最终将其综合成一个联合模型后下发给各个边缘设备的计算模块。2.根据权利要求1所述的一种基于边缘计算的继电器故障检测分析系统，其特征在于：所述故障检测端包括信号采集装置和数据处理模块，其中信号采集装置的输出端连接数据处理模块的输入端。3.根据权利要求2所述的一种基于边缘计算的继电器故障检测分析系统，其特征在于：所述信号采集装置包括线圈电流传感器、线圈电压传感器、触点电流传感器、触点电压传感器、温度传感器、湿度传感器和气压传感器，用于采集继电器主要性能参数和环境状态信号。4.根据权利要求2所述的一种基于边缘计算的继电器故障检测分析系统，其特征在于：所述数据处理模块包括数据采集卡和主板，两者采用紧固堆叠方式连接，其中数据采集卡用于对信号采集装置发...

【专利技术属性】
技术研发人员：刘雨豪，邓晨，梁涛，秘海晓，王旭，
申请(专利权)人：中国船舶集团有限公司第七〇七研究所，
类型：发明
国别省市：