【技术实现步骤摘要】
本专利技术涉及钢铁行业行车异常状态检测，特别是涉及一种多维度行车异常在线检测平台、方法、设备及存储介质。
技术介绍
1、钢铁工业是我国国民经济的重要基础产业，是国家经济水平和综合国力的重要标志。在钢铁生产过程中，行车是重要的吊运工装。由于行车机构、部件数量众多，不同机构或部件之间存在联动问题，其中涉及到海量的时序数据管理、监测及判断问题。特别是行车两联动运行过程中的行车机构部件状态判断。
2、目前，多数企业对行车运行状态的检测和运行维护主要采取点检检查方式，各类生产、点检、检修管理流程全部为手工纸质作业，效率低下，已经无法满足设备智能化管理的需求。这样的检测方式缺乏直观性，且手工纸质作业造成了人力资源与效率的浪费，也不能及时有效掌握行车当前的动态。由于对行车运行过程监控不够，无法直观、实时地展现行车运行中产生的动态数据，导致行车管理人员不能及时对行车运行情况进行判断，对工程管理人员造成很多不便。
3、随着科技的发展，国内外学者针对基于深度学习的智能平台设计及构建方法也取得了许多研究成果。例如现有技术中提到的“一种基于深度学习的发电厂设备智能巡检系统设计方法”，采用无监督学习方法提取输入输出特征，对深度输入进行深度结构化处理，并对大规模数据进行处理，随时关注仓库的实际情况，快速应对突发事件，有针对性采取措施，防止仓库发生事故。采用深度学习方法大大减少了手工特征提取的误差，操作简便，但是该系统设计方法也存在一定不足，无法确定在复杂情况下该巡检系统是否正常工作等。另外的，在现有技术中其他基于深度学习的智能平台均
技术实现思路
1、鉴于以上所述现有技术的缺点，本专利技术的目的在于提供一种多维度行车异常在线检测平台、方法、设备及存储介质，用于解决现有技术中行车运行状态获取困难、无法直观实时监测，管理人员无法及时对行车运行状态进行判断的问题。
2、为实现上述目的及其他相关目的，本专利技术提供一种多维度行车机构异常在线检测平台，包括数据获取模块、输入单元模组、输出单元模组、算法模型模块、以及可视化模块，所述数据获取模块用于在线采集行车机构的各项数据参数；所述输入单元模组与数据获取模块通讯连接，用于输入数据获取模块获取的数据参数，所述输出单元模组将经算法模型模块检测的结果输出；所述算法模型模块用于对数据参数的分析；所述可视化模块用于对行车机构在线检测过程的显示。
3、优选的，所述算法模型模块包括阈值算法模型，所述阈值算法模型用于对行车机构的温度数据参数进行分析。
4、优选的，所述算法模型模块包括傅里叶变换算法模型，所述傅里叶变换算法模型用于对行车机构的振动数据参数进行分析。
5、优选的，所述算法模型模块包括孤立森林算法模型，所述孤立森林算法模型用于对行车机构的振动数据参数进行分析。
6、优选的，所述算法模型模块包括一类支持向量机算法模型，所述一类支持向量机算法模型用于对行车机构的温度数据参数进行分析。
7、优选的，所述算法模型模块包括卷积神经网络算法模型，所述卷积神经网络算法模型用于对行车机构的振动数据参数进行分析。
8、优选的，所述可视化模块包括选定行车机构可视化区域、输入数据可视化区域、调用算法可视化区域、检测结果输出可视化区域、以及数据分析可视化区域，所述选定行车机构可视化区域用于选定需进行检测的行车机构部位；所述输入数据可视化区域用于显示在线获取的数据；所述调用算法可视化区域用于显示采用的算法；所述检测结果输出可视化区域用于显示检测的结果；所述数据分析可视化区域用于对在线检测中输入的数据进行统计分析。
9、优选的，所述输入单元模组与数据获取模块之间通过url系统通讯连接。
10、为实现上述目的及其他相关目的，本专利技术还提供一种行车机构异常在线检测方法，包括上述的多维度行车机构异常在线检测平台，步骤如下：
11、s1：获取行车机构参数信息；
12、s2：将行车机构参数信息输入算法模型模块中，进行算法运算检测；
13、s3：将运输检测结果进行输出。
14、为实现上述目的及其他相关目的，本专利技术还提供一种电子设备，包括存储器和处理器，所述存储器用于存储所述的多维度行车机构异常在线检测平台；所述处理器，用于当执行所述的多维度行车机构异常在线检测平台时，实现所述的行车机构异常在线检测方法。
15、为实现上述目的及其他相关目的，本专利技术还提供一种计算机可读存储介质，所述计算机可读存储介质存储所述的多维度行车机构异常在线检测平台；当所述的多维度行车机构异常在线检测平台执行时，实现所述的行车机构异常在线检测方法。
16、如上所述，本专利技术涉及的多维度行车异常在线检测平台、方法、设备及存储介质，具有以下有益效果：
17、1、本专利技术涉及的多维度行车异常在线检测平台、方法、设备及存储介质，算法模型模块中包含有多种算法模型，根据行车机构不同零部件的结构特点、工作环境、作业方式、以及任务等，将采集到的不同零部件的数据进行不同程度的特征工程，然后将不同机构数据进行不同的算法运算处理，从而实现对不同零部件进行异常检测。
18、2、本专利技术涉及的多维度行车异常在线检测平台、方法、设备及存储介质，数据获取模块将行车机构不同零部件的不同参数采集后，通过指定不同的url进行在线实时数据传递，然后输入单元模组通过requests模块发起请求得到该数据，从而实现在线检测行车机构。
19、3、本专利技术涉及的多维度行车异常在线检测平台、方法、设备及存储介质，包括正常数据输出和异常数据输出，当对输入的机构数据检测后没有发现异常数据点，检测结果将会以无异常形式输出；当对输入的机构数据检测后发现存在异常数据点，检测结果将会输出异常数据以及该数据所在的时间戳，从而方便用户掌握当前行车机构的运行情况。
20、4、本专利技术涉及的多维度行车异常在线检测平台、方法、设备及存储介质，通过数据获取模块、输入单元模组、输出单元模组、算法模型模块、以及可视化模块，方便行车作业人员、点检人员完成工作，便于作业人员直观获取行车运行状态的相关信息。
本文档来自技高网...【技术保护点】
1.一种多维度行车机构异常在线检测平台，其特征在于：包括数据获取模块(1)、输入单元模组(2)、输出单元模组(5)、算法模型模块(3)、以及可视化模块(4)，所述数据获取模块(1)用于在线采集行车机构的各项数据参数；所述输入单元模组(2)与数据获取模块(1)通讯连接，用于输入数据获取模块(1)获取的数据参数，所述输出单元模组(5)将经算法模型模块(3)检测的结果输出；所述算法模型模块(3)用于对数据参数的分析；所述可视化模块(4)用于对行车机构在线检测过程的显示。
2.根据权利要求1所述的多维度行车机构异常在线检测平台，其特征在于：所述算法模型模块(3)包括阈值算法模型(301)，所述阈值算法模型(301)用于对行车机构的温度数据参数进行分析。
3.根据权利要求1所述的多维度行车机构异常在线检测平台，其特征在于：所述算法模型模块(3)包括傅里叶变换算法模型(302)，所述傅里叶变换算法模型(302)用于对行车机构的振动数据参数进行分析。
4.根据权利要求1所述的多维度行车机构异常在线检测平台，其特征在于：所述算法模型模块(3)包括孤立森林算法模
5.根据权利要求1所述的多维度行车机构异常在线检测平台，其特征在于：所述算法模型模块(3)包括一类支持向量机算法模型(304)，所述一类支持向量机算法模型(304)用于对行车机构的温度数据参数进行分析。
6.根据权利要求1所述的多维度行车机构异常在线检测平台，其特征在于：所述算法模型模块(3)包括卷积神经网络算法模型(305)，所述卷积神经网络算法模型(305)用于对行车机构的振动数据参数进行分析。
7.根据权利要求2-6任一项所述的多维度行车机构异常在线检测平台，其特征在于：所述可视化模块(4)包括选定行车机构可视化区域(401)、输入数据可视化区域(402)、调用算法可视化区域(403)、检测结果输出可视化区域(404)、以及数据分析可视化区域(405)，所述选定行车机构可视化区域(401)用于选定需进行检测的行车机构部位；所述输入数据可视化区域(402)用于显示在线获取的数据；所述调用算法可视化区域(403)用于显示采用的算法；所述检测结果输出可视化区域(404)用于显示检测的结果；所述数据分析可视化区域(405)用于对在线检测中输入的数据进行统计分析。
8.一种行车机构异常在线检测方法，其特征在于：采用权利要求1-7任一项所述的多维度行车机构异常在线检测平台，步骤如下：
9.一种电子设备，其特征在于：包括存储器和处理器，所述存储器用于存储权利要求1-7任一项所述的多维度行车机构异常在线检测平台；所述处理器，用于当执行所述的多维度行车机构异常在线检测平台时，实现如权利要求8所述的行车机构异常在线检测方法。
10.一种计算机可读存储介质，其特征在于：所述计算机可读存储介质存储权利要求1-7任一项所述的多维度行车机构异常在线检测平台；当所述的多维度行车机构异常在线检测平台执行时，实现如权利要求8所述的行车机构异常在线检测方法。
...【技术特征摘要】
1.一种多维度行车机构异常在线检测平台，其特征在于：包括数据获取模块(1)、输入单元模组(2)、输出单元模组(5)、算法模型模块(3)、以及可视化模块(4)，所述数据获取模块(1)用于在线采集行车机构的各项数据参数；所述输入单元模组(2)与数据获取模块(1)通讯连接，用于输入数据获取模块(1)获取的数据参数，所述输出单元模组(5)将经算法模型模块(3)检测的结果输出；所述算法模型模块(3)用于对数据参数的分析；所述可视化模块(4)用于对行车机构在线检测过程的显示。
2.根据权利要求1所述的多维度行车机构异常在线检测平台，其特征在于：所述算法模型模块(3)包括阈值算法模型(301)，所述阈值算法模型(301)用于对行车机构的温度数据参数进行分析。
3.根据权利要求1所述的多维度行车机构异常在线检测平台，其特征在于：所述算法模型模块(3)包括傅里叶变换算法模型(302)，所述傅里叶变换算法模型(302)用于对行车机构的振动数据参数进行分析。
4.根据权利要求1所述的多维度行车机构异常在线检测平台，其特征在于：所述算法模型模块(3)包括孤立森林算法模型(303)，所述孤立森林算法模型(303)用于对行车机构的振动数据参数进行分析。
5.根据权利要求1所述的多维度行车机构异常在线检测平台，其特征在于：所述算法模型模块(3)包括一类支持向量机算法模型(304)，所述一类支持向量机算法模型(304)用于对行车机构的温度数据参数进行分析。
6.根据权利要求1所述的多维度行车机构异常在线...
【专利技术属性】
技术研发人员：黄杨晶，范锴林，李经洲，
申请(专利权)人：中冶宝钢技术服务有限公司，
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。