【技术实现步骤摘要】
本专利技术涉及盾构机智能化技术，尤其涉及一种基于云边协同技术的盾构机故障监测诊断方法和系统。
技术介绍
1、盾构机是一种使用盾构法的隧道掘进机，具有高效的施工效率、良好的作业安全性和环境友好性，已广泛用于地铁、铁路、公路、市政、水电等隧道工程，是保障国家重大基础设施建设及国家经济社会高质量发展的国之重器。但是，现有的盾构机仍存在可靠性差、风险防范能力弱等不足，日均利用率不足60%，塌方、卡机、透水涌砂涌泥等恶性施工事故时有发生，施工安全受到严重威胁。盾构机的故障监测诊断是保证设备正常运行、提高设备工作效率和延长设备使用寿命的主要手段，对于工程安全、进度与成本具有重要意义。
2、盾构机集光、机、电、液等技术于一体，整个盾构机系统极其复杂，盾构机系统包括刀盘子系统、推进子系统、拼装子系统、盾尾密封子系统以及泥水环流子系统等多个关键的子系统。盾构机各子系统的算力需求、应用环境等差异巨大，因而不同子系统采用了差异巨大的计算平台，不同计算平台的系统架构之间的差异更加复杂。不同计算平台的硬件算力大小、i/o扩展性、工作温度、体积大小均存在巨大的差异，刀盘子系统需要部署刀盘磨损监测、渣片识别等视觉识别模型，华为的atlas ai平台支持多路高清视频实时分析，因而刀盘子系统采用了atlas ai计算平台；泥水环流子系统需要支持高温、振动环境稳定运行，采用了nvidia jetson nano计算平台；而intel x86计算平台i/o扩展性丰富、算力强大，适用于其他子系统。
3、随着人工智能、云计算、边缘计算、大数据技术
4、（1）在盾构机的云端训练盾构机人工智能模型，再将训练好的模型部署到盾构机的边缘端，对盾构机的运行故障进行监测诊断，如图1所示，这种技术方案由于要将云端的模型部署到边缘端，存在模型运行环境与边缘端硬件的适配问题，所以在云端训练好的模型只能部署于边缘端特定系统架构的子系统，无法部署于盾构机边缘端的系统架构差异巨大的不同子系统中，不同子系统之间的故障监测诊断模型以及诊断是互相割裂的，不同子系统之间形成了信息孤岛，因而无法从整体上对盾构机的运行故障进行监测诊断。
5、（2）在盾构机云端训练盾构机人工智能模型，将盾构机边缘端不同子系统的运行数据上传到云端训练好的模型中，虽然这种技术方案不需要将盾构机人工智能模型部署于边缘端不同子系统中，解决了模型运行环境与边缘端硬件的适配问题，但是由于要将盾构机边缘端大量的运行数据上传到云端，对传输网络的要求很高，而由于盾构机的工作环境通常位于地下深处，挖掘隧道的过程中，周围被厚实的土壤、岩石等自然介质所包围，这样的工作环境决定了盾构机工作区域内的网络环境极为受限，因而无法将盾构机边缘端大量的运行数据实时上传到盾构机的云端，从而无法对盾构机的运行故障进行及时有效的监测诊断。
6、综上所述，现有的基于云边协同技术的盾构机智能化故障监测诊断方法存在以下问题：
7、（1）对于需要将云端的模型部署在盾构机边缘端的云边协同技术方案，现有的盾构机故障监测诊断人工智能模型仅仅基于与要监测诊断的子系统相同的单一系统架构编写，再将模型部署于对应的单一子系统中，而无法将模型部署于盾构机差异巨大的不同子系统中，从而无法对盾构机的整体运行故障进行监测诊断。
8、（2）对于需要将模型部署在盾构机边缘端的云边协同技术方案，对于已经在云端训练好的盾构机故障监测诊断人工智能模型，由于该模型是针对特定子系统的特定计算平台的系统架构设定的，如果盾构机的子系统的计算平台发生变化，则现有的模型将无法直接部署，这意味着既有的模型需要适配特定的硬件计算平台，这种特定的对应关系影响云端模型的部署和扩展，限制了云端模型运行环境与边缘端硬件计算平台系统架构之间的灵活性，无法实现云端模型运行环境与边缘端硬件计算平台系统架构之间的解耦。
9、（3）对于不需要将模型部署在盾构机边缘端的云边协同技术方案，由于需要将盾构机边缘端大量的运行数据上传到云端，对传输网络的要求很高，但是盾构机的工作环境无法提供高质量的传输网络，因而无法对盾构机的运行故障进行及时有效的监测诊断。
10、因此，现有基于云边协同技术对盾构机进行故障监测诊断的技术方案均无法及时有效地对盾构机的故障进行整体的监测和诊断。
技术实现思路
1、针对现有的基于云边协同的盾构机故障监测诊断技术方案无法及时有效地对盾构机的运行故障进行整体的监测诊断的问题，本专利技术提供了一种基于云边协同的盾构机故障监测诊断方法与系统，将在云端训练好的子模型编译成多种版本的二进制文件并部署于不同计算平台的盾构机边缘端子系统中，解决了云端子模型运行环境与边缘端子系统计算平台的系统架构兼容性问题，实现了盾构机故障监测诊断子模型运行环境与子系统计算平台之间的解耦，提高了盾构机故障监测诊断模型的可移植性和可扩展性，本专利技术将云端模型统一部署于盾构机边缘端各个子系统中，从而从实现对盾构机运行故障的整体的及时有效的检测诊断，而且本专利技术子模型和子系统之间是多对多的对应关系，从而进一步实现了对盾构机的整体运行故障的监测诊断。
2、 为了达到上述技术效果，本专利技术的技术方案如下：一种基于云边协同的盾构机故障监测诊断方法，所述方法包括：
3、s1：在云端训练、编译与发送第一模型
4、在云端利用处理后的盾构机各子系统运行实时数据训练盾构机故障监测诊断模型，此云端的模型记为第一模型；
5、根据盾构机边缘端不同子系统的计算平台的系统架构，在云端将第一模型编译为多种版本的二进制文件，以适配盾构机边缘端不同子系统的计算平台；
6、将所述多种版本的二进制文件发送到盾构机边缘端；
7、s2：在盾构机边缘端更新与部署第一模型
8、定期更新边缘端的盾构机故障监测诊断模型，使其与第一模型的版本一致，边缘端的盾构机故障监测诊断模型记为第二模型；
9、接收云端的第一模型的多种版本的二进制文件，并将所述二进制文件部署于对应的盾构机边缘端不同子系统的计算平台；
10、s3：在盾构机边缘端进行数据采集、处理与发送
11、采集盾构机边缘端各子系统运行的实时数据，所述实时数据记为第一数据；
12、在边缘端各子系统中将第一数据预处理成统一格式的第二数据，并将第二数据发送到云端以供第一模型迭代更新；
13、在各子系统中对第二数据进行特征处理，输出第三数据；
14、s4：在盾构机边缘端进行盾构机故障监测诊断
15、将第三数据输入到部署于各子系统的第二模型中进行盾构机故障监测诊断，获得盾构机整体运行的诊断结果；
16、所述第一模型和第二模型均包括多个子模型；每个所述子系统中部署至少一个所述子模型，同一个子模型至少部署于一个子系本文档来自技高网...
【技术保护点】
1.一种基于云边协同的盾构机故障监测诊断方法，其特征在于，所述方法包括：
2.根据权利要求1所述方法，其特征在于，所述子系统包括刀盘子系统、推进子系统、拼装子系统、盾尾密封子系统以及泥水环流子系统；
3.根据权利要求1所述方法，其特征在于，所述在云端将第一模型编译为多种版本的二进制文件是对所述第一模型中各个子模型进行编译，包括：
4.根据权利要求3所述方法，其特征在于，得到所述参数字典和所述第一计算图的方式包括：
5.根据权利要求3所述方法，其特征在于，所述将所述第一计算图和所述参数字典转换为可执行的源码包括：
6.根据权利要求5所述方法，其特征在于，所述对第一计算图做池化处理，得到第三计算图包括：
7.根据权利要求1所述方法，其特征在于，所述获得盾构机整体运行的诊断结果包括：
8.一种基于云边协同的盾构机故障监测诊断系统，其特征在于，所述系统能够实现如权利要求1-7之任一项所述方法，所述系统包括：
9.一种服务器，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机
10.一种计算机程序产品，所述计算机程序产品包括计算机程序或指令，其特征在于，该计算机程序或指令被处理器执行时实现如权利要求1-7任一项所述方法的步骤。
...【技术特征摘要】
1.一种基于云边协同的盾构机故障监测诊断方法，其特征在于，所述方法包括：
2.根据权利要求1所述方法，其特征在于，所述子系统包括刀盘子系统、推进子系统、拼装子系统、盾尾密封子系统以及泥水环流子系统；
3.根据权利要求1所述方法，其特征在于，所述在云端将第一模型编译为多种版本的二进制文件是对所述第一模型中各个子模型进行编译，包括：
4.根据权利要求3所述方法，其特征在于，得到所述参数字典和所述第一计算图的方式包括：
5.根据权利要求3所述方法，其特征在于，所述将所述第一计算图和所述参数字典转换为可执行的源码包括：
6.根据权利要求5所述方法，其特征在于，所述对第...
【专利技术属性】
技术研发人员：顾毅，王峰，谭杭波，郑锦泉，王凯，郁鹏，
申请(专利权)人：雪浪数制杭州科技有限公司，
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。