【技术实现步骤摘要】
一种设备运维巡检方法、系统、设备及存储介质
[0001]本专利技术属于设备状态监测领域,涉及一种设备运维巡检方法
、
系统
、
设备及存储介质
。
技术介绍
[0002]随着工业自动化的发展,保障机械设备运行稳定性
、
可靠性,延长设备使用寿命已成为工业生产中不容忽视的问题
。
而振动信号作为一种重要的机械运行状态监测手段,可为机械运行的状态信息和故障预警提供重要参考信息,因此被广泛应用于机械运行监测和故障诊断领域
。
[0003]传统的振动信号采集系统一般由振动传感器
、
数据采集器
、
信号处理器和数据存储器等组成,其采集的振动信号数据以数字信号的形式进行存储和分析处理
。
但是,传统的振动信号采集系统存在着仪器设备价格昂贵
、
安装和维护难度大
、
数据处理复杂等问题,且难以满足现代工业对设备运行监测的实时性
、
精度性和自动化程度的要求
。
同时,上述系统中振动信号数据通常被直接存储和处理,这种方式不仅存在着数据量大
、
处理复杂的问题,且数据存储和传输的过程存在着一定的风险,制约着对机械设备振动信号内部关键信息的挖掘和设备状态水平的有效判断
。
技术实现思路
[0004]本专利技术的目的在于克服上述现有技术的缺点,提供一种设备运维巡检方法
、
系统 >、
设备及存储介质,能够快速
、
准确地将监测数据转化为可存储
、
可传输的二维码图像,提高了数据处理的效率和便捷性,降低了设备成本
。
[0005]为达到上述目的,本专利技术采用以下技术方案予以实现:
[0006]一种设备运维巡检方法,包括以下过程:
[0007]S1
,获取设备监测数据,基于马尔可夫转移场的图像化处理技术,将设备监测数据转换为二维码图像;
[0008]S2
,建立数据库,将二维码图像存储至数据库中;
[0009]S3
,需要调取设备监测数据时,解析对应的二维码图像,将其转化为所需的设备监测数据
。
[0010]优选的,将设备监测数据转换为二维码图像的具体过程为:
[0011]S11
,将设备监测数据离散化映射至不同分位数单元,形成新的分位数序列;
[0012]S12
,基于离散化后的设备监测数据构建马尔可夫转移矩阵,该二维矩阵中每个元素指示从一个状态转移到另一个状态的概率,用于描述设备监测数据的状态转移规律,并基于此构建马尔可夫转移场;
[0013]S13
,通过将每个元素的值映射到一个灰度级别,从而将状态转移矩阵转化为二维灰度图像,即二维马尔可夫转移场图像;
[0014]S14
,将二维灰度图像转化为二维码图像
。
[0015]进一步,
S11
的具体过程为:假设有一组传感器采集的故障振动时间序列,包含了
N
个时间戳及对应的幅值
x
,表示为
X
=
{x1,
x2,
...
,
x
N
}
,其中
x
i
为故障振动时间序列
X
中的第
i
个振动幅值,采用离散化的方式将这段时间序列分解为
Q
个离散分布的分位数单元,并采用分位数标记离散化后的数字单元
q
j
(q
j
∈[1
,
Q])
,其中
q
j
为分位数标记,表示第
j
个离散化的分位数单元;
Q
为离散分布分位数单元的总数,对每个时域数值
x
i
,将其映射到其离散化后的分位数单元
q
j
,由此连续化的振动序列转化为以分位数表示的序列
[0016]进一步,
S12
的具体过程为:通过统计分位数序列中各时刻的转移情况,即马尔可夫链中的单步转移概率公式和多步转移概率公式,可实现时域序列的具体转移概率;
[0017][0018]其中
P
i
,
i
‑1为单步转移概率,表示此刻位于
q
i
‑1分位数区域的元素在下一步转移到
q
i
的概率;
P
i
,
j
为多步转移概率,表示此刻位于
q
j
分位数区域的元素在多步后转移到
q
i
的概率;
[0019]将转移概率沿着转移规律排列,构建马尔可夫转移概率矩阵
T
:
[0020][0021]基于时间序列对时间步长依赖性的考虑,将马尔可夫转移概率矩阵转化为马尔可夫转移场
M
:
[0022][0023]其中
p
i
,
j
表示
q
i
,
q
j
对应分位数关系在马尔可夫转移概率矩阵
T
上的转移概率
。
[0024]进一步,
S13
的具体过程为:由于马尔可夫转移概率矩阵
T
的信息能够直接表达在马尔可夫转移场
M
上,通过构造马尔可夫转移场
M
来获取有关时间序列完整的概率信息;
[0025]将
N
×
N
大小的马尔可夫转移矩阵
M
均匀地分割为
n
×
n
个区域,则每个小区域边长尺寸为
S
,由此得到降采样后马尔可夫转移场的中间结果
M
′
:
[0026][0027]将
M
′
矩阵映射至数值范围为
[0
,
255]的灰度范围,从而实现将马尔可夫转移场
M
生成二维灰度图像矩阵
G
,矩阵中每个元素其对应的灰度值为:
[0028][0029]其中
i
,
j∈{1
,2,
...
,
N}。
[0030]进一步,
S14
中,调用
QR
码生成库,将二维灰度图像转换为二维码
。
[0031]进一步,将二维灰度图像转换为二维码的具体过程为:首先将二维灰度图像进行二值化处理,即将所有像素点转化为黑白两种颜色,采取简单阈值分割算法,即:
[0032][0033]本文档来自技高网...
【技术保护点】
【技术特征摘要】 【专利技术属性】
1.
一种设备运维巡检方法,其特征在于,包括以下过程:
S1
,获取设备监测数据,基于马尔可夫转移场的图像化处理技术,将设备监测数据转换为二维码图像;
S2
,建立数据库,将二维码图像存储至数据库中;
S3
,需要调取设备监测数据时,解析对应的二维码图像,将其转化为所需的设备监测数据
。2.
根据权利要求1所述的设备运维巡检方法,其特征在于,将设备监测数据转换为二维码图像的具体过程为:
S11
,将设备监测数据离散化映射至不同分位数单元,形成新的分位数序列;
S12
,基于离散化后的设备监测数据构建马尔可夫转移矩阵,该二维矩阵中每个元素指示从一个状态转移到另一个状态的概率,用于描述设备监测数据的状态转移规律,并基于此构建马尔可夫转移场;
S13
,通过将每个元素的值映射到一个灰度级别,从而将状态转移矩阵转化为二维灰度图像,即二维马尔可夫转移场图像;
S14
,将二维灰度图像转化为二维码图像
。3.
根据权利要求2所述的设备运维巡检方法,其特征在于,
S11
的具体过程为:假设有一组传感器采集的故障振动时间序列,包含了
N
个时间戳及对应的幅值
x
,表示为
X
=
{x1,x2,...,x
N
}
,其中
x
i
为故障振动时间序列
X
中的第
i
个振动幅值,采用离散化的方式将这段时间序列分解为
Q
个离散分布的分位数单元,并采用分位数标记离散化后的数字单元
q
j
(q
j
∈[1,Q])
,其中
q
j
为分位数标记,表示第
j
个离散化的分位数单元;
Q
为离散分布分位数单元的总数,对每个时域数值
x
i
,将其映射到其离散化后的分位数单元
q
j
,由此连续化的振动序列转化为以分位数表示的序列
4.
根据权利要求2所述的设备运维巡检方法,其特征在于,
S12
的具体过程为:通过统计分位数序列中各时刻的转移情况,即马尔可夫链中的单步转移概率公式和多步转移概率公式,可实现时域序列的具体转移概率;其中
P
i,i
‑1为单步转移概率,表示此刻位于
q
i
‑1分位数区域的元素在下一步转移到
q
i
的概率;
P
i,j
为多步转移概率,表示此刻位于
q
j
分位数区域的元素在多步后转移到
q
i
的概率;将转移概率沿着转移规律排列,构建马尔可夫转移概率矩阵
T
:基于时间序列对时间步长依赖性的考虑,将马尔可夫转移概率矩阵转化为马尔可夫转移场
M
技术研发人员:张鑫赟,沙德生,叶林,李芊,侯文华,张庆,李晓东,安留明,王志勇,浦永卿,徐美娇,马斌,赵岩,李福彬,孙刚,崔振宇,高开峰,梅小明,
申请(专利权)人:中国华能集团清洁能源技术研究院有限公司,
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。