本发明专利技术公开了一种热运动设备状态判断方法，包括分别获取设备停机状态、正常运行状态下的热成像图像、通过图像处理，划分并定义热成像图像的设备区域和设备周边区域、建立预测设备状态的神经网络模型并分析设定设备周边环境温度变化阈值、实时采集设备热成像图像后：对于设备状态监测，通过神经网络模型判断设备状态；对于设备周边状态监测，通过周边环境温度变化值判断设备状态。本发明专利技术通过神经网络模型和图像处理算法实时获取设备自身及周边环境的热量、温度分布，能够准确、可靠地判断热运动设备的工作状态，提高设备的稳定性和可靠性，可以在工业生产中发挥重要作用。
【技术实现步骤摘要】
本专利技术涉及设备状态监测领域，具体涉及一种热运动设备状态判断方法。
技术介绍
1、在卷烟生产过程中，生产设备是否能够正常运行，决定着产量和质量是否能够得到保障。
2、制丝工序有一类设备，为热运动设备，如滚筒类设备，其在运行过程中，需要对筒内物料通过加入蒸汽，起到烟丝加温加湿的作用。在生产时，从大筒的一端通过不断加入温度达到195摄氏度蒸汽，再通过排潮系统，定向排放筒内蒸汽，伴随着物料的投入，通过对加入蒸汽与排放蒸汽的阀门控制，可使筒内温度升高至55摄氏度并且形成动态平衡。如果此类设备存在密封不严，将导致蒸汽或冷凝水跑冒滴漏、热源散失，并进一步可能影响设备加工能力，从而影响产品质量。
3、传统的设备状态监测方法，是由人工巡检的方式，但是这种基于肉眼判断的方法无法准确发现此类设备的密封性故障。
4、因此，研发一种高效、准确的判断卷烟热运动设备状态的方法变得尤为重要。
技术实现思路
1、为了克服上述不足，本专利技术提供一种热运动设备状态判断方法。本方法通过采集热成像图像，将此类设备的热成像图像分为设备状态监测和设备周边状态监测两部分，能够实时捕捉设备表面及周边环境的热量分布，实时判断设备状态。
2、本专利技术解决其技术问题所采用的技术方案为：
3、热运动设备状态判断方法，包括
4、分别获取设备停机状态、正常运行状态下的热成像图像；
5、通过图像处理，划分并定义热成像图像的设备区域和设备周边区域；
6、基于设备区域的图像数据，建立预测设备状态的神经网络模型；
7、基于设备周边区域的图像数据，分析并设定设备周边环境温度变化阈值；
8、实时采集设备热成像图像；
9、对于设备区域状态监测，通过神经网络模型判断设备状态；
10、对于设备周边状态监测，通过周边环境温度变化值判断设备状态。
11、作为上述技术方案的改进，为获取设备的热成像图像，安装热成像相机于设备周边，使其成像覆盖设备主机部分及设备周边环境。
12、作为上述技术方案的改进，通过图像处理，划分并定义热成像图像的设备内区域和设备外区域的方法为：
13、通过照片区域划分，勾勒出设备的外形边框后将其内区域定义为设备区域，其以外的区域定义为设备周边区域。
14、作为上述技术方案的改进，建立判断设备状态的神经网络模型的方法为：
15、采集大量热成像图像，通过数据处理和温度特征提取建立训练样本和测试样本，通过神经网络机器学习，经过训练和评估，建立预测设备区域温度的神经网络模型；
16、数据预处理：分别对设备停机状态、正常运行状态下的热成像图像数据进行预处理：
17、收集热成像图像温度数据，对其进行包括数据清洗、去除异常值、数据归一化等预处理操作，确保模型数据的质量和准确性；
18、特征提取：包括提取温度数据的均值、方差、最大值、最小值，以及通过滑动窗口等方法提取时间序列特征；
19、模型建立：选择循环神经网络(rnn)结构，以处理时间序列数据，使模型有效地捕捉设备区域温度数据的动态变化特征；
20、模型训练：使用预处理和特征提取后的数据集对循环神经网络模型进行训练，在训练过程中，通过优化算法(如梯度下降法)调整模型参数，使其能够准确地预测设备区域的当前温度；
21、模型评估：训练完成后，使用测试数据集对模型进行测试，以验证其对设备区域温度预测的准确性和鲁棒性。
22、作为上述技术方案的改进，所述神经网络模型包括设备停机状态下的设备温度预测模型i和设备运行状态下的设备温度预测模型ii。
23、作为上述技术方案的改进，实时采集设备热成像图像后，若当前设备处于停机状态下：
24、通过设备温度预测模型i判断当前设备区域温度是否符合停机状态，若不符合则提醒报警。
25、作为上述技术方案的改进，实时采集设备热成像图像后，若当前设备处于运行状态下：
26、将热成像图像划分为设备区域和设备周边区域；
27、对于设备区域状态监测，通过设备温度预测模型ii判断当前设备状态，将区域图像导入到该模型中进行设备区域当前温度预测，如果温度预测值与温度实际值偏差小于阈值，则认为当前设备运行正常，如果温度预测值与温度实际值偏差大于等于阈值，则认为当前设备存在隐患；
28、对于设备周边状态监测，通过周边环境温度变化值判断当前设备状态，对区域图像分析得到设备周边环境的温度变化值，若该温度变化值在一定时间内超出设定阈值，则认为当前设备存在隐患。
29、对区域图像分析得到设备周边环境的温度变化值的方法为：
30、s1：将设备周边区域图像划分为五部分矩形区域，即设备周边左侧、右侧、上方、左上方、右上方矩形区域；
31、s2：分别在各矩形区域内按照矩形区域范围等距取9个测温点，取9个测温点的平均值作为该矩形区域的测温数据；
32、s3：提取五部分矩形区域共5个测温数据，并记录设备正常运行时周边环境的温度变化区间；由于车间恒温，故不用考虑环境温度对监控测温的影响；
33、s4：实时提取设备周边环境的测温数据，如果当前温度变化超过区间阈值，说明设备存在热量溢出，提醒报警并显示异常区域。
34、作为上述技术方案的改进，建立经验库，所述经验库包括与隐患对应的现象及原因；
35、当判断当前设备存在隐患时，发出提醒并遍历经验库查询并推送隐患原因，以协助检修人员准确定位检修；
36、若未在经验库中查询到对应现象，由人工分析原因后实时更新经验库。
37、作为上述技术方案的改进，所述神经网络模型通过连续监测并积累设备热成像图像数据不断优化算法，提高预测准确性，并适应不同形状热运动类设备的特征。
38、作为上述技术方案的改进，所述判断方法还包括
39、通过通信终端实时监测设备状态，并在需要时进行远程控制。
40、本专利技术带来的有益效果：
41、作为热运动设备状态判断方法，本专利技术提供了一种基于热成像技术的设备状态判断方法，通过实时获取设备表面及周边环境的热量、温度分布，能够准确、可靠地判断设备的工作状态，提高设备的稳定性和可靠性，可以在工业生产中发挥重要作用。
42、本专利技术可实现——
43、实时监测：通过热成像技术，能够实时捕捉设备表面及周边的热量温度分布，提供及时的设备运行状态信息；
44、准确判断：通过神经网络模型和图像处理算法相结合对热成像图像数据进行深入分析与利用，提高了对设备状态判断的准确度；
45、学习能力：本方法可以不断学习设备的各种工作状态模式，通过模型精度优化，使其不仅适用于不同形状的热运动类设备特征，还能提高预测的准确性；
46、远程监测与控制：用户可以通过远程通信实本文档来自技高网
...
【技术保护点】
1.热运动设备状态判断方法，其特征在于：包括
2.根据权利要求1所述的热运动设备状态判断方法，其特征在于：
3.根据权利要求1所述的热运动设备状态判断方法，其特征在于：
4.根据权利要求1所述的热运动设备状态判断方法，其特征在于：
5.根据权利要求4所述的热运动设备状态判断方法，其特征在于：
6.根据权利要求5所述的热运动设备状态判断方法，其特征在于：
7.根据权利要求5所述的热运动设备状态判断方法，其特征在于：
8.根据权利要求7所述的热运动设备状态判断方法，其特征在于：
9.根据权利要求1所述的热运动设备状态判断方法，其特征在于：
10.根据权利要求1所述的热运动设备状态判断方法，其特征在于：
【技术特征摘要】
1.热运动设备状态判断方法，其特征在于：包括
2.根据权利要求1所述的热运动设备状态判断方法，其特征在于：
3.根据权利要求1所述的热运动设备状态判断方法，其特征在于：
4.根据权利要求1所述的热运动设备状态判断方法，其特征在于：
5.根据权利要求4所述的热运动设备状态判断方法，其特征在于：
6...
【专利技术属性】
技术研发人员：方汀，庞存瑞，常文慧，马明磊，唐智超，徐格非，张志武，唐哲，杨晓华，谭雯，
申请(专利权)人：张家口卷烟厂有限责任公司，
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。