【技术实现步骤摘要】
设备状态运行监测装置及方法
[0001]本申请涉及智能监测
,且更为具体地,涉及一种设备状态运行监测装置及方法。
技术介绍
[0002]在机电类工程项目中,会经常用到一些电气设备,在无人值守的环境下运行,比如GNSS接收机,视频摄像头,水位计,雨量计和各种传感器等。这些设备在长时间的运行中,经常会出现一些故障。这些故障包括:死机、缺电、设备线路断开、部件损坏。
[0003]这些设备一旦出现故障,设备维护人员无法准确判断故障原因,只能通过现场观察、测量,找到故障点,然后维修排除故障。
[0004]这种解决问题的方法存在一些缺点:
[0005](1)设备维护人员需要长途跋涉,千里迢迢的赶到设备安装的现场,不仅耽误时间,人员劳累,而且费用巨大。
[0006](2)有些故障的解决其实很简单,只需简单的操作,几秒钟就可以解决问题。比如“死机”,只需断开电源,再接上电源就可以了。
[0007](3)有些故障的解决需要一个长期的过程,需要对设备运行状况进行长时间(几天或者几个月)的观察,发现故障规律,找到解决问题的方法。比如缺电问题,需要获取设备一段时间的能耗曲线,再合理设计设备的运行周期和电池电量配置。而让设备维护人员长时间呆在荒野地区,是一个无法完成的事情。
[0008](4)设备维护人员需要携带工具和配件到达现场维修,由于事先不知道设备故障的具体原因,设备维护人员不可能带齐所有的工具和配件,这样容易造成到达现场后,发现带来的工具和配件用不上,而需要的工具和零配件又没带的问 ...
【技术保护点】
【技术特征摘要】
1.一种设备状态运行监测装置,其特征在于,包括:运行数据采集模块,用于获取待监测设备在预定时间段内多个预定时间点的运行状态数据;向量化模块,用于将所述多个预定时间点的运行状态数据按照时间维度排列为运行状态数据输入向量;第一尺度特征提取模块,用于将所述运行状态数据输入向量通过使用具有第一尺度的一维卷积核的第一卷积神经网络模型以得到第一尺度运行状态特征向量;第二尺度特征提取模块,用于将所述运行状态数据输入向量通过使用具有第二尺度的一维卷积核的第二卷积神经网络模型以得到第二尺度运行状态特征向量;多尺度融合模块,用于融合所述第一尺度运行状态特征向量和所述第二尺度运行状态特征向量以得到多尺度运行状态特征向量;数据增强模块,用于基于高斯密度图对所述多尺度运行状态特征向量进行特征级数据增强以得到分类特征矩阵;以及监测结果生成模块,用于将所述分类特征矩阵通过分类器以得到分类结果,所述分类结果用于表示待监测设备的运行状态是否正常。2.根据权利要求1所述的设备状态运行监测装置,其特征在于,所述第一尺度特征提取模块,进一步用于:通过使用具有第一尺度的一维卷积核的第一卷积神经网络模型的各层在层的正向传递中分别对输入数据进行基于一维卷积核的卷积处理、基于特征矩阵的均值池化处理和激活处理以由所述使用具有第一尺度的一维卷积核的第一卷积神经网络模型的最后一层的输出为所述第一尺度运行状态特征向量,其中,所述使用具有第一尺度的一维卷积核的第一卷积神经网络模型的第一层的输入为所述运行状态数据输入向量。3.根据权利要求2所述的设备状态运行监测装置,其特征在于,所述第二尺度特征提取模块,进一步用于:通过使用具有第二尺度的一维卷积核的第二卷积神经网络模型的各层在层的正向传递中分别对输入数据进行基于一维卷积核的卷积处理、基于特征矩阵的均值池化处理和激活处理以由所述使用具有第二尺度的一维卷积核的第二卷积神经网络模型的最后一层的输出为所述第二尺度运行状态特征向量,其中,所述使用具有第二尺度的一维卷积核的第二卷积神经网络模型的第一层的输入为所述运行状态数据输入向量。4.根据权利要求3所述的设备状态运行监测装置,其特征在于,所述多尺度融合模块,进一步用于以如下公式对所述第一尺度运行状态特征向量和所述第二尺度运行状态特征向量进行向量模基的希尔伯特空间约束以获得所述多尺度运行状态特征向量;其中,所述公式为:其中,V1表示所述第一尺度运行状态特征向量,V2表示所述第二尺度运行状态特征向量,V
2T
表示所述第二尺度运行状态特征向量的转置向量,V
′
表示所述多尺度运行状态特征向量,表示按位置加法,||
·
||2表示向量的二范数,Cov
1D
表示一维卷积运算,即以卷积算子(||V1||2,||V2||2,V1V
2T
)对向量进行一维卷积。5.根据权利要求4所述的设备状态运行监测装置,其特征在于,所述数据增强模块,包
括:高斯密度图构造单元...
【专利技术属性】
技术研发人员:刘洪瑞,楼治铨,
申请(专利权)人:浙江大邦科技有限公司,
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。