一种隧道照明系统的故障诊断方法及系统技术方案

本申请公开一种隧道照明系统的故障诊断方法及系统，属于隧道照明技术领域，采集隧道照明系统的工作状态数据，对采集到的工作状态数据进行预处理；对预处理后的工作状态数据进行故障诊断，判断故障是否存在；对故障诊断进行分析，确认故障类型；对故障类型进行二次确认并给出解决方案，查询能否自主维修

【技术实现步骤摘要】
一种隧道照明系统的故障诊断方法及系统


[0001]本专利技术涉及隧道照明
，尤其涉及一种隧道照明系统的故障诊断方法及系统
。

技术介绍

[0002]隧道是一段半封闭的空间，自然光无法照射其中，为了保证行驶的连贯性及行车人的生命安全，即便是白天其内部全程也需要人工照明，隧道照明是隧道建设中不可或缺的一部分
。
[0003]隧道照明可以改善隧道内路面状况，改善隧道内视觉享受，减轻驾驶员疲劳，有利于提高隧道通行能力保证交通安全
。
在古代，火把作为最常用的照明工具被运用到了隧道照明中，照明设施非常简陋且十分不方便
。
此后，随着我国工业化社会的到来，隧道照明领域的发展有了长足的进步
。
[0004]近年来，随着物联网技术的快速发展，隧道照明领域更是有了翻天覆地的变化，在确保了正常照明的同时，也能节省电力，还能对隧道内的照明设施进行人性化控制和管理
。
隧道照明系统是现代交通工程的重要组成部分，主要用于保障隧道内车辆和行人的安全行驶
。
然而，在隧道照明系统的运行过程中，常常会出现各种故障，如灯具故障
、
电源故障
、
电路故障等，这些故障严重影响了隧道照明系统的稳定性和可靠性
。
[0005]传统的隧道照明系统故障诊断方法主要依靠人工巡检和故障定位，但这种方法需要耗费大量的时间和人力，而且容易受到人为因素的干扰，无法保证诊断的准确性和时效性
。
专利技术内容
[0006]本专利技术提供一种隧道照明系统的故障诊断方法及系统，用于解决上述技术问题
。
[0007]为了实现上述目的，本专利技术实施例提供如下技术方案：
[0008]本专利技术提供了一种隧道照明系统的故障诊断方法，包括如下步骤：
[0009]S1.
采集隧道照明系统的工作状态数据，对采集到的工作状态数据进行预处理；
[0010]S2.
对预处理后的工作状态数据进行故障诊断，判断故障是否存在；
[0011]S3.
对故障诊断进行分析，确认故障类型；
[0012]S4.
对故障类型进行二次确认并给出解决方案，查询能否自主维修
。
[0013]进一步的，采集隧道照明系统的工作状态数据，对采集到的工作状态数据进行预处理，包括：采集隧道照明系统的工作状态数据，对有具体数值的设备按实际数值统计，对没有具体数值的设备，用
0、1
来表示其是否可以正常工作，1表示故障，0表示正常，其中，隧道照明系统的工作状态数据至少包括如下一种数据
:
[0014]灯具亮度
、
电源电压
、
电源电流和控制器状态
。
[0015]进一步的，采集隧道照明系统的工作状态数据，对采集到的工作状态数据进行预处理，还包括：数据清洗，其中，数据清洗包括去除噪声和去除异常采集的数据
。
[0016]进一步的，对预处理后的工作状态数据进行故障诊断，判断故障是否存在，包括：
[0017]将预处理后的工作状态数据导入故障诊断系统；
[0018]根据预设的规则来判断可能的故障类型；
[0019]根据采集到的隧道照明系统的工作状态数据进行分析，判断是否存在故障，并进一步判断可能的故障类型
。
[0020]进一步的，预设的规则至少包括如下一种规则：
[0021]基于经验的规则
、
基于专家知识的规则
。
[0022]进一步的，对故障诊断进行分析，确认故障类型，包括：
[0023]对采集到的隧道照明系统的工作状态数据进行训练，建立隧道照明系统故障类型分类模型；
[0024]对采集到的隧道照明系统的工作状态数据进行分析和分类，得到最终的故障类型
。
[0025]进一步的，隧道照明系统故障类型分类模型的构建采用监督学习方法，使用历史故障数据和对应的修复方案作为训练数据，其实现过程具体如下：
[0026]S701.
数据预处理：将采集到的历史故障数据进行清洗
、
去噪和缺失值处理等操作，得到干净的数据集；
[0027]S702.
特征工程：根据故障类型的特点，从数据集中提取出对分类有影响的特征，如温度
、
电流和电压；
[0028]S703.
模型训练：使用多种监督学习算法，如决策树
、
逻辑回归
、
支持向量机等，对提取出的特征进行训练，并根据测试集的评估结果选择最优的算法和参数；
[0029]S704.
模型评估：使用测试集对训练好的机器学习模型进行评估，评估指标包括：准确率
、
召回率
、
精度和
F1
分数；
[0030]S705.
模型优化：根据评估结果对模型进行优化，包括：参数调整
、
特征选择和数据扩增
。
[0031]进一步的，对故障类型进行二次确认并给出解决方案，查询能否自主维修，包括：
[0032]根据知识库和规则来进一步判断故障类型，并给出修复建议；
[0033]专家系统模块根据规则引擎模块和机器学习模块判断出的故障类型，从知识库中查找相应的故障修复方案；
[0034]专家系统模块根据知识库中的故障修复方案，给出最终的修复建议
。
[0035]进一步的，对故障类型进行二次确认并给出解决方案，查询能否自主维修，包括：根据专家系统给出的修复建议，对隧道照明系统进行修复，可以实现自动化修复，也可以通过提供修复指南的方式，协助操作人员进行手动修复
。
[0036]进一步的，一种隧道照明系统的故障诊断系统，包括：
[0037]数据采集模块，用于采集隧道照明系统的工作状态数据；
[0038]规则引擎模块，用于判断基础故障；
[0039]机器学习模块，用于确定故障类型；
[0040]专家系统模块，用于实现故障诊断结果校准，并给出解决方案；
[0041]修复控制模块，用于根据专家系统模块给出的修复建议，对隧道照明系统进行修复
。
[0042]本申请专利技术的有益效果：数据采集模块
、
规则引擎模块
、
机器学习模块和专家系统模块互相配合完成故障诊断任务，故障发生后，通过数据采集模块采集隧道照明系统的工作状态数据，通过规则引擎模块来判断基础故障，然后通过机器学习模块确定故障类型，最后通过专家系统模块实现故障诊断结果校准并给出解决方案，无需耗费大量的时间和人力，保证了诊断的准确性和时效性，提高隧道照明系统故障的自动化和智能化诊断水平，为隧道照明系统的安全稳定运行提供保障
。
[0043]本专利技术的这些和其它目的
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种隧道照明系统的故障诊断方法，其特征在于，故障诊断方法包括如下步骤：
S1.
采集隧道照明系统的工作状态数据，对采集到的工作状态数据进行预处理；
S2.
对预处理后的工作状态数据进行故障诊断，判断故障是否存在；
S3.
对故障诊断进行分析，确认故障类型；
S4.
对故障类型进行二次确认并给出解决方案，查询能否自主维修
。2.
如权利要求1所述的一种隧道照明系统的故障诊断方法，其特征在于，采集隧道照明系统的工作状态数据，对采集到的工作状态数据进行预处理，包括：采集隧道照明系统的工作状态数据，对有具体数值的设备按实际数值统计，对没有具体数值的设备，用
0、1
来表示其是否可以正常工作，1表示故障，0表示正常，其中，隧道照明系统的工作状态数据至少包括如下一种数据
:
灯具亮度
、
电源电压
、
电源电流和控制器状态
。3.
如权利要求2所述的一种隧道照明系统的故障诊断方法，其特征在于，采集隧道照明系统的工作状态数据，对采集到的工作状态数据进行预处理，还包括：数据清洗，其中，数据清洗包括去除噪声和去除异常采集的数据
。4.
如权利要求1所述的一种隧道照明系统的故障诊断方法，其特征在于，对预处理后的工作状态数据进行故障诊断，判断故障是否存在，包括：将预处理后的工作状态数据导入故障诊断系统；根据预设的规则来判断可能的故障类型；根据采集到的隧道照明系统的工作状态数据进行分析，判断是否存在故障，并进一步判断可能的故障类型
。5.
如权利要求4所述的一种隧道照明系统的故障诊断方法，其特征在于，预设的规则至少包括如下一种规则：基于经验的规则
、
基于专家知识的规则
。6.
如权利要求5所述的一种隧道照明系统的故障诊断方法，其特征在于，对故障诊断进行分析，确认故障类型，包括：对采集到的隧道照明系统的工作状态数据进行训练，建立隧道照明系统故障类型分类模型；对采集到的隧道照明系统的工作状态数据进行分析和分类，得到最终的故障类型
。7.
如权利要求6所述的一种隧道照明系统的...

【专利技术属性】
技术研发人员：高鹤，宋圆圆，王志祥，魏传伟，王燕，张琦，
申请(专利权)人：山东正晨科技股份有限公司，
类型：发明
国别省市：