一种油液颗粒在线监测预警方法和系统技术方案

本发明专利技术公开了一种油液颗粒在线监测预警方法和系统，方法包括获取油液中的颗粒数据；对所述颗粒数据进行特征提取，得到颗粒特征向量；根据所述颗粒特征向量，利用机器学习算法，得到颗粒的数量和大小，根据颗粒的数量和大小，对油液颗粒进行监测

【技术实现步骤摘要】
一种油液颗粒在线监测预警方法和系统


[0001]本专利技术涉及油液颗粒监测
，更具体的说是涉及一种油液颗粒在线监测预警方法和系统
。

技术介绍

[0002]油液是工业生产中广泛使用的润滑和传动介质
。
在使用过程中，由于润滑油的磨损
、
杂质和外部环境等原因，油液中往往会出现颗粒物质，如铁屑
、
砂粒
、
水分等
。
这些颗粒会对机械设备造成严重的损害，甚至导致设备故障和生产事故的发生
。
因此，实现对油液颗粒的在线监测和预警具有重要的意义
。
[0003]目前，主要采用物理
/
化学方法对油液颗粒进行监测，包括沉淀法
、
滤纸法
、
显微镜法
。
[0004]但是，上述方法存在以下不足：
[0005](1)
需要手动采集样本，并进行复杂的化学分析或显微观察，操作极为不便，且时间和人力成本较高；
[0006](2)
难以实现油液颗粒的实时监测或预警，不能及时发现异常情况；
[0007](3)
难以准确地判断油液颗粒的来源和危害，存在监测精度低的问题
。
[0008]因此，如何解决当前存在的技术问题，研发一种新的油液颗粒监测方法是本领域技术人员亟需解决的问题
。

技术实现思路

[0009]有鉴于此，本专利技术提供了一种油液颗粒在线监测预警方法和系统，通过采用传感器实时采集油液中的颗粒数据，以及通过云平台对数据进行处理和分析，从而实现油液颗粒度的实时在线监测
。
[0010]为了实现上述目的，本专利技术采用如下技术方案：
[0011]一方面，本申请公开了一种油液颗粒在线监测预警方法，包括，
[0012]获取油液中的颗粒图像；
[0013]对所述颗粒图像进行特征提取，得到颗粒特征向量；所述颗粒特征向量包括形状特征
、
尺寸特征
、
颜色特征，和
/
或纹理特征；
[0014]根据所述颗粒特征向量，利用机器学习算法，得到颗粒的数量和大小，根据颗粒的数量和大小，对油液颗粒进行监测
/
预警
。
[0015]作为优选，在进行特征提取之前，先对所述颗粒图像进行预处理，包括：去噪
、
滤波和归一化，以保证数据的准确性和可靠性
。
[0016]作为优选，同时获取油液温度数据，通过训练好的机器算法模型对所述颗粒特征向量进行校正，根据校正后的颗粒特征向量对油液颗粒进行监测
/
预警
。
[0017]作为优选，机器算法模型包括支持向量机和随机森林，
[0018]当所述特征向量线性可分，特征较多或训练样本较少，以及对噪声和异常值敏感，
但具有较好泛化能力时，选择支持向量机；
[0019]当所述特征向量为非线性关系且无明显分界面，特征较多或训练样本较多，需要解释性更强的模型，以及噪声和异常值鲁棒，但容易过拟合时，选择随机森林
。
[0020]作为优选，提取颗粒数据中的颗粒形状信息，用于通过机器算法模型识别颗粒种类
。
[0021]作为优选，颗粒形状信息通过如下步骤提取，包括：
[0022]获取油液颗粒图像，分割提取颗粒图像，根据所述颗粒的轮廓得到颗粒轮廓特征
。
[0023]另一方面，本专利技术公开了一种油液颗粒在线监测预警系统，包括，
[0024]颗粒传感器和云平台，其中，颗粒传感器和云平台无线连接；
[0025]所述颗粒传感器，用于实时采集油液中的颗粒图像；
[0026]所述云平台，包括特征提取模块，用于接收所述颗粒图像，进行特征提取，得到颗粒特征向量，以及根据所述颗粒特征向量对油液颗粒进行监测
/
预警
。
[0027]作为优选，还包括温度传感器，用于采集油液温度，以及
[0028]所述云平台中包括机器学习模块，用于接收特征向量和油液温度，并根据油液温度对特征向量进行校正，根据校正后的特征向量对油液颗粒进行监测
/
预警
。
[0029]作为优选，所述特征提取模块还用于提取颗粒形状信息，通过机器模型识别颗粒种类，并确定颗粒的来源和危害
。
[0030]经由上述技术方案可知，本专利技术公开提供了一种油液颗粒在线监测预警方法和系统，与现有技术相比，本专利技术通过传感器实时检测油液颗粒，并通过机器学习算法进行校验，具有实时性好
、
监测精度高
、
操作简便等优点
。
[0031]同时，本专利技术采用机器学习算法对采集到的数据进行分析，能够准确识别颗粒种类，判断油液颗粒来源和危害，提高了监测的精度和可靠性
。
[0032]本专利技术通过机器学习算法和云平台的结合，实现了对油液颗粒的在线监测和预警，能够及时发现油液中颗粒的异常情况，避免因颗粒污染而造成的设备损坏和生产事故的发生，提高监测的精度和可靠性，解决传统方法存在的问题
。
[0033]本专利技术的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本专利技术而了解
。
本专利技术的目的和其他优点可通过在所写的说明书
、
权利要求书
、
以及附图中所特别指出的结构来实现和获得
。
[0034]下面通过附图和实施例，对本专利技术的技术方案做进一步的详细描述
。
附图说明
[0035]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图
。
[0036]图1附图为本专利技术油液颗粒在线监测预警方法流程图；
[0037]图2附图为本专利技术油液颗粒在线监测预警系统结构示意图
。
具体实施方式
[0038]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚
、
完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例
。
基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围
。
[0039]为至少部分解决现有技术中的问题，实现对油液颗粒高精度的实时监测预警，本专利技术实施例公开了一种油液颗粒在线监测预警方法和系统
。
[0040]实施例一
[0041]本专利技术实施例公开的一种油液颗粒在线监测预警方法，如图1，包括如下步骤，
[00本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种油液颗粒在线监测预警方法，其特征在于，包括，获取油液中的颗粒图像；对所述颗粒图像进行特征提取，得到颗粒特征向量；所述颗粒特征向量包括颗粒的形状特征
、
尺寸特征
、
颜色特征，和
/
或纹理特征；根据所述颗粒特征向量，利用机器学习算法，得到颗粒的数量和大小，根据颗粒的数量和大小，对油液颗粒进行监测
/
预警
。2.
根据权利要求1所述的一种油液颗粒在线监测预警方法，其特征在于，在进行特征提取之前，先对所述颗粒图像进行预处理，包括：去噪
、
滤波和归一化
。3.
根据权利要求1所述的一种油液颗粒在线监测预警方法，其特征在于，同时获取油液温度数据，通过训练好的机器算法模型对所述颗粒特征向量进行校正，根据校正后的颗粒特征向量对油液颗粒进行监测
/
预警
。4.
根据权利要求3所述的一种油液颗粒在线监测预警方法，其特征在于，机器算法模型包括支持向量机和随机森林，当颗粒特征向量线性可分，特征较多或训练样本较少，以及对噪声和异常值敏感，但具有较好泛化能力时，选择支持向量机；当颗粒特征向量为非线性关系且无明显分界面，特征较多或训练样本较多，需要解释性更强的模型，以及噪声和异常值鲁棒，但容易过拟合...

【专利技术属性】
技术研发人员：贾东昆，付晓先，杜立鹏，王晓月，李海军，张伟龙，
申请(专利权)人：怀来欧洛普过滤器制造有限公司，
类型：发明
国别省市：