CN106162088A - 一种基于物联网的工业设备监控系统 - Google Patents

Abstract

本发明公开了一种基于物联网的工业设备监控系统，包括视频监视设备、信号传输系统、监控中心、用户移动控制终端以及视频监控显示器；所述的视频监视设备根据工业设备位置进行布置；所述信号传输系统包括多个交换机，所述工业监视器通过交换机与监控中心相连，监控中心通过无线网络连接用户移动终端以及视频监控显示器。本发明实现了多个用户移动控制终端和监控中心的同时监控，能将实时将工业设备运行状态通知到移动和监控中心的管理人员并显示出来，实现了物联网式的监控管理。

Description

一种基于物联网的工业设备监控系统

技术领域

本发明涉及工业化设备监控技术领域，具体涉及一种基于物联网的工业设备监控系统。

背景技术

工业化的生产中一般由多条生产线构成，一条生产线中包括了一个甚至多个重要的设备，这些设备的运行是否正常将影响整个生产线的作业，需要对重要的设备进行实时的监控来保证整个生产线的正常运行。相关技术中，工业化生产中的设备大多都安装普通的监控系统，普通的监控系统主要由前端监视设备、传输设备、后端控制显示设备这三大部分组成，其中后端设备可进一步分为中心控制设备和分控制设备。前、后端设备有多种构成方式，它们之间的联系可通过电缆、光纤或微波等多种方式来实现。所述普通的监控系统往往处理滞后的状态，不能实时的通知到操作人员，操作人员需要时刻关注后端控制平台，同时后端的操作人员不了解工业化生产设备每个关键设备的工况，不能实时的进行监控并做适合的处理，不能实现网联网式的管理。

发明内容

为解决上述问题，本发明旨在提供一种基于物联网的工业设备监控系统。

本发明的目的采用以下技术方案来实现：

一种基于物联网的工业设备监控系统，包括视频监视设备、信号传输系统、监控中心、用户移动控制终端以及视频监控显示器；所述的视频监视设备根据工业设备位置进行布置；所述信号传输系统包括多个交换机，所述工业监视器通过交换机与监控中心相连，监控中心通过无线网络连接用户移动终端以及视频监控显示器。

本发明的有益效果为：实现了多个用户移动控制终端和监控中心的同时监控，能将实时将工业设备运行状态通知到移动和监控中心的管理人员并显示出来，实现了物联网式的监控管理，从而解决了上述的技术问题。

附图说明

利用附图对本发明作进一步说明，但附图中的应用场景不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。

图1是本发明的结构示意图。

图2是本发明健康状态监测系统的运作流程示意图。

附图标记：

视频监视设备1、交换机2、监控中心3、用户移动控制终端4、视频监控显示器5、预警设备6、健康状态监测系统7、数据预处理模块71、数据分析模块72、数据评估模块73、数据显示模块74。

具体实施方式

结合以下应用场景对本发明作进一步描述。

应用场景1

参见图1、图2，本应用场景中的一个实施例的基于物联网的工业设备监控系统，包括视频监视设备1、信号传输系统、监控中心3、用户移动控制终端4以及视频监控显示器5；所述的视频监视设备1根据工业设备位置进行布置；所述信号传输系统包括多个交换机，所述工业监视器通过交换机与监控中心3相连，监控中心3通过无线网络连接用户移动终端以及视频监控显示器5。

本发明的上述实施例实现了多个用户移动控制终端4和监控中心3的同时监控，能将实时将工业设备运行状态通知到移动和监控中心3的管理人员并显示出来，实现了物联网式的监控管理，从而解决了上述的技术问题。

优选的，所述监控中心3还连接用于在工业设备异常时进行报警的预警设备6。

本优选实施例增加了系统的预警功能，提高了系统的安全性。

优选的，所述用户移动终端与所述预警设备6通过无线网络连接。

本优选实施例便于用户移动终端进行报警，进一步提高了系统的安全性。

优选的，所述监控中心3包括用于检测工业设备健康状态的健康状态监测系统7，所述健康状态监测系统7包括依次连接的数据预处理模块71、数据分析模块72、数据评估模块73和数据显示模块74，所述数据预处理模块71用于将采集到的视频图像转化到灰度空间，并使转换后的图像通过高斯滤波器进行滤波处理；所述数据分析模块72用于对预处理后的视频图像进行分析和处理，以得到工业设备的振动位移曲线；所述数据评估模块73用于对所述振动位移曲线进行健康分析并判断工业设备的振动位移是否处于健康状态，输出工业设备健康状态结果；所述数据显示模块74用于显示所述工业设备健康状态结果。

本优选实施例构建了健康状态监测系统7的模块架构。

优选的，所述数据分析模块72包括算法选择子模块、主算法子模块、副算法子模块、位移修正子模块和显示子模块，具体为：

(1)算法选择子模块：与主算法子模块、副算法子模块连接，用于对视频中各桢图像的位移提取算法进行选择，其遵循的选取原则为：当前帧图像与前一桢图像相比不满足亮度恒定、空间一致和桢间位移差小于设定阈值T₁的任一项条件时，选取主算法子模块进行追踪目标的运动位移的提取；当前帧图像与前一桢图像相比满足亮度恒定、空间一致和桢间位移差小于设定阈值T₁条件时，选取副算法子模块进行追踪目标的运动位移的提取，T₁的取值范围为(0,1mm]；

(2)主算法子模块：用于通过图像配准的方式来提取追踪目标的运动位移，设视频共有n桢图像，选取视频中的第一帧中的追踪目标图像作为模板图像P(σ)，后续帧图像为I_j(σ),j＝2,...n，多次扭曲所述后续帧图像I_j(σ)，使其与模板图像P(σ)对齐，每次扭曲后所述后续帧图像I_j(σ)与模板图像P(σ)之间的增量△δ_j为：

${\mathrm{\Δ\δ}}_j={\[\underset{\mathrm{\σ}\∈P}{\Σ}{(\▿P)}^P\·\▿P\]}^{-1}\underset{\mathrm{\σ}\∈P}{\Σ}{(\▿P)}^P\[I_j\left(\mathrm{\ψ}\right(\mathrm{\σ};{\mathrm{\δ}}_j\left)\right)-P\left(\mathrm{\σ}\right)\]$

其中，ψ(σ；δ_j)为模板图像P(σ)的像素坐标σ(x,y)映射到后续帧图像I_j(σ)的亚像素坐标，δ_j表示扭曲变换的参数向量，I_j(ψ(σ；δ_j))为从后续帧图像I_j(σ)中截取的扭曲部分，为扭曲部分在亚像素坐标ψ(σ；δ_j)处的梯度；

所述主算法子模块通过不断迭代计算增量△δ_j来更新δ_j，以逐渐实现图像配准，更新过程为：δ_j←δ_j+△δ_j，每次更新后对变换参数δ_j的小数点后一位进行四舍五入取整，停止更新的条件为||△δ_j||≤T₂，T₂为设定的阈值，T₂的取值范围为[0.4,0.5]，最后更新的变换参数δ_j即为后续帧图像I_j(σ)中要提取的追踪目标的复杂运动位移；

(3)副算法子模块：用于通过模板匹配的方式来提取追踪目标的运动位移，设视频共有n桢图像，选取视频中的第一帧图像为匹配图像，后续帧的有效区域为模板图像P_i,i＝2,...n,各桢图像中追踪目标的简单运动位移(x_i,y_i)为：

$(x_i,y_i)=(x_0+\frac{2m_1{m}_5-m_2{m}_4}{{m_4}^2-4m_3{m}_5},y_0+\frac{2m_2{m}_3-m_1{m}_4}{{m_4}^2-4m_3{m}_5})$

其中，(x₀,y₀)为通过计算模板图像P_i与第一帧图像的NCC相关系数矩阵得到的最大位置点的坐标，m₁,m₂,m₃,m₄,m₅为(x₀,y₀)周围8个坐标点(x_k,y_k)的相关系数，k＝1,...,8，(x₀,y₀)与所述相关系数的关系为c(x_k,y_k)＝m₀+m₁x_k+m₂y_k+m₃x_k ²+m₄x_ky_k+m₅y_k ²；

(4)位移修正子模块,考虑到当地温度对工业设备位移的影响，引入温度修正系数L对上述提取的运动位移进行修正，经验值L的取值范围是[0.95，1.05]：

修正后的复杂运动位移：δ′_j＝δ_j×L

修正后的简单运动位移：(x_i,y_i)′＝(x_i,y_i)×L；

(5)显示子模块，与主算法子模块、副算法子模块连接，用于处理并显示与追踪目标相关的运动位移数据和工业设备的振动位移曲线。

本优选实施例设置副算法子模块，对满足亮度恒定、空间一致和桢间位移差小于设定阈值T₁条件的相邻桢图像进行位移提取，只需选择模板图像进行计算，简单、直观，自动化能力强，且提出了简单运动位移(x_i,y_i)的计算公式，提高了计算的速度；通过设置主算法子模块，对不满足亮度恒定、空间一致和桢间位移差小于设定阈值T₁任一项条件的相邻桢图像进行位移提取，提取过程较为简单，可以快速被执行，可以实现高速摄像的实时位移提取；通过设置算法选择子模块，对视频中各桢图像的位移提取算法进行优化选择，减少了对图像处理的依赖，提高了位移提取的效率，算法对每桢图像的位移提取时间可以降低到0.1ms以下；通过设置位移修正子模块，消除了温度对位移的影响，计算结果更为准确。

优选的，所述数据评估模块73包括主评估子模块和副评估子模块：

a、主评估子模块：对显示子模块中的振动位移曲线进行评估，若振动位移曲线评估合格，则不再对运动位移数据进行评估；

b、副评估子模块：当振动位移曲线评估不合格时，对显示子模块中的运动位移数据进行评估，找出异常数据。

本优选实施例提高了评估的精度。

本应用场景中的上述实施例取T₁＝0.1，T₂＝0.5，对工业设备健康状况的分析速度相对提高了5％，分析精度相对提高了4.2％。

应用场景2

参见图1、图2，本应用场景中的一个实施例的基于物联网的工业设备监控系统，包括视频监视设备1、信号传输系统、监控中心3、用户移动控制终端4以及视频监控显示器5；所述的视频监视设备1根据工业设备位置进行布置；所述信号传输系统包括多个交换机，所述工业监视器通过交换机与监控中心3相连，监控中心3通过无线网络连接用户移动终端以及视频监控显示器5。

本发明的上述实施例实现了多个用户移动控制终端4和监控中心3的同时监控，能将实时将工业设备运行状态通知到移动和监控中心3的管理人员并显示出来，实现了物联网式的监控管理，从而解决了上述的技术问题。

优选的，所述监控中心3还连接用于在工业设备异常时进行报警的预警设备6。

本优选实施例增加了系统的预警功能，提高了系统的安全性。

优选的，所述用户移动终端与所述预警设备6通过无线网络连接。

本优选实施例便于用户移动终端进行报警，进一步提高了系统的安全性。

优选的，所述监控中心3包括用于检测工业设备健康状态的健康状态监测系统7，所述健康状态监测系统7包括依次连接的数据预处理模块71、数据分析模块72、数据评估模块73和数据显示模块74，所述数据预处理模块71用于将采集到的视频图像转化到灰度空间，并使转换后的图像通过高斯滤波器进行滤波处理；所述数据分析模块72用于对预处理后的视频图像进行分析和处理，以得到工业设备的振动位移曲线；所述数据评估模块73用于对所述振动位移曲线进行健康分析并判断工业设备的振动位移是否处于健康状态，输出工业设备健康状态结果；所述数据显示模块74用于显示所述工业设备健康状态结果。

本优选实施例构建了健康状态监测系统7的模块架构。

优选的，所述数据分析模块72包括算法选择子模块、主算法子模块、副算法子模块、位移修正子模块和显示子模块，具体为：

(1)算法选择子模块：与主算法子模块、副算法子模块连接，用于对视频中各桢图像的位移提取算法进行选择，其遵循的选取原则为：当前帧图像与前一桢图像相比不满足亮度恒定、空间一致和桢间位移差小于设定阈值T₁的任一项条件时，选取主算法子模块进行追踪目标的运动位移的提取；当前帧图像与前一桢图像相比满足亮度恒定、空间一致和桢间位移差小于设定阈值T₁条件时，选取副算法子模块进行追踪目标的运动位移的提取，T₁的取值范围为(0,1mm]；

(2)主算法子模块：用于通过图像配准的方式来提取追踪目标的运动位移，设视频共有n桢图像，选取视频中的第一帧中的追踪目标图像作为模板图像P(σ)，后续帧图像为I_j(σ),j＝2,...n，多次扭曲所述后续帧图像I_j(σ)，使其与模板图像P(σ)对齐，每次扭曲后所述后续帧图像I_j(σ)与模板图像P(σ)之间的增量△δ_j为：

${\mathrm{\Δ\δ}}_j={\[\underset{\mathrm{\σ}\∈P}{\Σ}{(\▿P)}^P\·\▿P\]}^{-1}\underset{\mathrm{\σ}\∈P}{\Σ}{(\▿P)}^P\[I_j\left(\mathrm{\ψ}\right(\mathrm{\σ};{\mathrm{\δ}}_j\left)\right)-P\left(\mathrm{\σ}\right)\]$

其中，ψ(σ；δ_j)为模板图像P(σ)的像素坐标σ(x,y)映射到后续帧图像I_j(σ)的亚像素坐标，δ_j表示扭曲变换的参数向量，I_j(ψ(σ；δ_j))为从后续帧图像I_j(σ)中截取的扭曲部分，为扭曲部分在亚像素坐标ψ(σ；δ_j)处的梯度；

所述主算法子模块通过不断迭代计算增量△δ_j来更新δ_j，以逐渐实现图像配准，更新过程为：δ_j←δ_j+△δ_j，每次更新后对变换参数δ_j的小数点后一位进行四舍五入取整，停止更新的条件为||△δ_j||≤T₂，T₂为设定的阈值，T₂的取值范围为[0.4,0.5]，最后更新的变换参数δ_j即为后续帧图像I_j(σ)中要提取的追踪目标的复杂运动位移；

(3)副算法子模块：用于通过模板匹配的方式来提取追踪目标的运动位移，设视频共有n桢图像，选取视频中的第一帧图像为匹配图像，后续帧的有效区域为模板图像P_i,i＝2,...n,各桢图像中追踪目标的简单运动位移(x_i,y_i)为：

$(x_i,y_i)=(x_0+\frac{2m_1{m}_5-m_2{m}_4}{{m_4}^2-4m_3{m}_5},y_0+\frac{2m_2{m}_3-m_1{m}_4}{{m_4}^2-4m_3{m}_5})$

其中，(x₀,y₀)为通过计算模板图像P_i与第一帧图像的NCC相关系数矩阵得到的最大位置点的坐标，m₁,m₂,m₃,m₄,m₅为(x₀,y₀)周围8个坐标点(x_k,y_k)的相关系数，k＝1,...,8，(x₀,y₀)与所述相关系数的关系为c(x_k,y_k)＝m₀+m₁x_k+m₂y_k+m₃x_k ²+m₄x_ky_k+m₅y_k ²；

(4)位移修正子模块,考虑到当地温度对工业设备位移的影响，引入温度修正系数L对上述提取的运动位移进行修正，经验值L的取值范围是[0.95，1.05]：

修正后的复杂运动位移：δ′_j＝δ_j×L

修正后的简单运动位移：(x_i,y_i)′＝(x_i,y_i)×L；

(5)显示子模块，与主算法子模块、副算法子模块连接，用于处理并显示与追踪目标相关的运动位移数据和工业设备的振动位移曲线。

本优选实施例设置副算法子模块，对满足亮度恒定、空间一致和桢间位移差小于设定阈值T₁条件的相邻桢图像进行位移提取，只需选择模板图像进行计算，简单、直观，自动化能力强，且提出了简单运动位移(x_i,y_i)的计算公式，提高了计算的速度；通过设置主算法子模块，对不满足亮度恒定、空间一致和桢间位移差小于设定阈值T₁任一项条件的相邻桢图像进行位移提取，提取过程较为简单，可以快速被执行，可以实现高速摄像的实时位移提取；通过设置算法选择子模块，对视频中各桢图像的位移提取算法进行优化选择，减少了对图像处理的依赖，提高了位移提取的效率，算法对每桢图像的位移提取时间可以降低到0.1ms以下；通过设置位移修正子模块，消除了温度对位移的影响，计算结果更为准确。

优选的，所述数据评估模块73包括主评估子模块和副评估子模块：

a、主评估子模块：对显示子模块中的振动位移曲线进行评估，若振动位移曲线评估合格，则不再对运动位移数据进行评估；

b、副评估子模块：当振动位移曲线评估不合格时，对显示子模块中的运动位移数据进行评估，找出异常数据。

本优选实施例提高了评估的精度。

本应用场景中的上述实施例取T₁＝0.09，T₂＝0.5时，对工业设备健康状况的分析速度相对提高了4.5％，分析精度相对提高了4.2％。

应用场景3

参见图1、图2，本应用场景中的一个实施例的基于物联网的工业设备监控系统，包括视频监视设备1、信号传输系统、监控中心3、用户移动控制终端4以及视频监控显示器5；所述的视频监视设备1根据工业设备位置进行布置；所述信号传输系统包括多个交换机，所述工业监视器通过交换机与监控中心3相连，监控中心3通过无线网络连接用户移动终端以及视频监控显示器5。

本发明的上述实施例实现了多个用户移动控制终端4和监控中心3的同时监控，能将实时将工业设备运行状态通知到移动和监控中心3的管理人员并显示出来，实现了物联网式的监控管理，从而解决了上述的技术问题。

优选的，所述监控中心3还连接用于在工业设备异常时进行报警的预警设备6。

本优选实施例增加了系统的预警功能，提高了系统的安全性。

优选的，所述用户移动终端与所述预警设备6通过无线网络连接。

本优选实施例便于用户移动终端进行报警，进一步提高了系统的安全性。

优选的，所述监控中心3包括用于检测工业设备健康状态的健康状态监测系统7，所述健康状态监测系统7包括依次连接的数据预处理模块71、数据分析模块72、数据评估模块73和数据显示模块74，所述数据预处理模块71用于将采集到的视频图像转化到灰度空间，并使转换后的图像通过高斯滤波器进行滤波处理；所述数据分析模块72用于对预处理后的视频图像进行分析和处理，以得到工业设备的振动位移曲线；所述数据评估模块73用于对所述振动位移曲线进行健康分析并判断工业设备的振动位移是否处于健康状态，输出工业设备健康状态结果；所述数据显示模块74用于显示所述工业设备健康状态结果。

本优选实施例构建了健康状态监测系统7的模块架构。

优选的，所述数据分析模块72包括算法选择子模块、主算法子模块、副算法子模块、位移修正子模块和显示子模块，具体为：

(1)算法选择子模块：与主算法子模块、副算法子模块连接，用于对视频中各桢图像的位移提取算法进行选择，其遵循的选取原则为：当前帧图像与前一桢图像相比不满足亮度恒定、空间一致和桢间位移差小于设定阈值T₁的任一项条件时，选取主算法子模块进行追踪目标的运动位移的提取；当前帧图像与前一桢图像相比满足亮度恒定、空间一致和桢间位移差小于设定阈值T₁条件时，选取副算法子模块进行追踪目标的运动位移的提取，T₁的取值范围为(0,1mm]；

(2)主算法子模块：用于通过图像配准的方式来提取追踪目标的运动位移，设视频共有n桢图像，选取视频中的第一帧中的追踪目标图像作为模板图像P(σ)，后续帧图像为I_j(σ),j＝2,...n，多次扭曲所述后续帧图像I_j(σ)，使其与模板图像P(σ)对齐，每次扭曲后所述后续帧图像I_j(σ)与模板图像P(σ)之间的增量△δ_j为：

${\mathrm{\Δ\δ}}_j={\[\underset{\mathrm{\σ}\∈P}{\Σ}{(\▿P)}^P\·\▿P\]}^{-1}\underset{\mathrm{\σ}\∈P}{\Σ}{(\▿P)}^P\[I_j\left(\mathrm{\ψ}\right(\mathrm{\σ};{\mathrm{\δ}}_j\left)\right)-P\left(\mathrm{\σ}\right)\]$

其中，ψ(σ；δ_j)为模板图像P(σ)的像素坐标σ(x,y)映射到后续帧图像I_j(σ)的亚像素坐标，δ_j表示扭曲变换的参数向量，I_j(ψ(σ；δ_j))为从后续帧图像I_j(σ)中截取的扭曲部分，为扭曲部分在亚像素坐标ψ(σ；δ_j)处的梯度；

所述主算法子模块通过不断迭代计算增量△δ_j来更新δ_j，以逐渐实现图像配准，更新过程为：δ_j←δ_j+△δ_j，每次更新后对变换参数δ_j的小数点后一位进行四舍五入取整，停止更新的条件为||△δ_j||≤T₂，T₂为设定的阈值，T₂的取值范围为[0.4,0.5]，最后更新的变换参数δ_j即为后续帧图像I_j(σ)中要提取的追踪目标的复杂运动位移；

(3)副算法子模块：用于通过模板匹配的方式来提取追踪目标的运动位移，设视频共有n桢图像，选取视频中的第一帧图像为匹配图像，后续帧的有效区域为模板图像P_i,i＝2,...n,各桢图像中追踪目标的简单运动位移(x_i,y_i)为：

$(x_i,y_i)=(x_0+\frac{2m_1{m}_5-m_2{m}_4}{{m_4}^2-4m_3{m}_5},y_0+\frac{2m_2{m}_3-m_1{m}_4}{{m_4}^2-4m_3{m}_5})$

其中，(x₀,y₀)为通过计算模板图像P_i与第一帧图像的NCC相关系数矩阵得到的最大位置点的坐标，m₁,m₂,m₃,m₄,m₅为(x₀,y₀)周围8个坐标点(x_k,y_k)的相关系数，k＝1,...,8，(x₀,y₀)与所述相关系数的关系为c(x_k,y_k)＝m₀+m₁x_k+m₂y_k+m₃x_k ²+m₄x_ky_k+m₅y_k ²；

(4)位移修正子模块,考虑到当地温度对工业设备位移的影响，引入温度修正系数L对上述提取的运动位移进行修正，经验值L的取值范围是[0.95，1.05]：

修正后的复杂运动位移：δ′_j＝δ_j×L

修正后的简单运动位移：(x_i,y_i)′＝(x_i,y_i)×L；

(5)显示子模块，与主算法子模块、副算法子模块连接，用于处理并显示与追踪目标相关的运动位移数据和工业设备的振动位移曲线。

本优选实施例设置副算法子模块，对满足亮度恒定、空间一致和桢间位移差小于设定阈值T₁条件的相邻桢图像进行位移提取，只需选择模板图像进行计算，简单、直观，自动化能力强，且提出了简单运动位移(x_i,y_i)的计算公式，提高了计算的速度；通过设置主算法子模块，对不满足亮度恒定、空间一致和桢间位移差小于设定阈值T₁任一项条件的相邻桢图像进行位移提取，提取过程较为简单，可以快速被执行，可以实现高速摄像的实时位移提取；通过设置算法选择子模块，对视频中各桢图像的位移提取算法进行优化选择，减少了对图像处理的依赖，提高了位移提取的效率，算法对每桢图像的位移提取时间可以降低到0.1ms以下；通过设置位移修正子模块，消除了温度对位移的影响，计算结果更为准确。

优选的，所述数据评估模块73包括主评估子模块和副评估子模块：

a、主评估子模块：对显示子模块中的振动位移曲线进行评估，若振动位移曲线评估合格，则不再对运动位移数据进行评估；

b、副评估子模块：当振动位移曲线评估不合格时，对显示子模块中的运动位移数据进行评估，找出异常数据。

本优选实施例提高了评估的精度。

本应用场景中的上述实施例取T₁＝0.06，T₂＝0.45时，对工业设备健康状况的分析速度相对提高了3.5％，分析精度相对提高了4％。

应用场景4

参见图1、图2，本应用场景中的一个实施例的基于物联网的工业设备监控系统，包括视频监视设备1、信号传输系统、监控中心3、用户移动控制终端4以及视频监控显示器5；所述的视频监视设备1根据工业设备位置进行布置；所述信号传输系统包括多个交换机，所述工业监视器通过交换机与监控中心3相连，监控中心3通过无线网络连接用户移动终端以及视频监控显示器5。

本发明的上述实施例实现了多个用户移动控制终端4和监控中心3的同时监控，能将实时将工业设备运行状态通知到移动和监控中心3的管理人员并显示出来，实现了物联网式的监控管理，从而解决了上述的技术问题。

优选的，所述监控中心3还连接用于在工业设备异常时进行报警的预警设备6。

本优选实施例增加了系统的预警功能，提高了系统的安全性。

优选的，所述用户移动终端与所述预警设备6通过无线网络连接。

本优选实施例便于用户移动终端进行报警，进一步提高了系统的安全性。

优选的，所述监控中心3包括用于检测工业设备健康状态的健康状态监测系统7，所述健康状态监测系统7包括依次连接的数据预处理模块71、数据分析模块72、数据评估模块73和数据显示模块74，所述数据预处理模块71用于将采集到的视频图像转化到灰度空间，并使转换后的图像通过高斯滤波器进行滤波处理；所述数据分析模块72用于对预处理后的视频图像进行分析和处理，以得到工业设备的振动位移曲线；所述数据评估模块73用于对所述振动位移曲线进行健康分析并判断工业设备的振动位移是否处于健康状态，输出工业设备健康状态结果；所述数据显示模块74用于显示所述工业设备健康状态结果。

本优选实施例构建了健康状态监测系统7的模块架构。

优选的，所述数据分析模块72包括算法选择子模块、主算法子模块、副算法子模块、位移修正子模块和显示子模块，具体为：

(1)算法选择子模块：与主算法子模块、副算法子模块连接，用于对视频中各桢图像的位移提取算法进行选择，其遵循的选取原则为：当前帧图像与前一桢图像相比不满足亮度恒定、空间一致和桢间位移差小于设定阈值T₁的任一项条件时，选取主算法子模块进行追踪目标的运动位移的提取；当前帧图像与前一桢图像相比满足亮度恒定、空间一致和桢间位移差小于设定阈值T₁条件时，选取副算法子模块进行追踪目标的运动位移的提取，T₁的取值范围为(0,1mm]；

(2)主算法子模块：用于通过图像配准的方式来提取追踪目标的运动位移，设视频共有n桢图像，选取视频中的第一帧中的追踪目标图像作为模板图像P(σ)，后续帧图像为I_j(σ),j＝2,...n，多次扭曲所述后续帧图像I_j(σ)，使其与模板图像P(σ)对齐，每次扭曲后所述后续帧图像I_j(σ)与模板图像P(σ)之间的增量△δ_j为：

${\mathrm{\Δ\δ}}_j={\[\underset{\mathrm{\σ}\∈P}{\Σ}{(\▿P)}^P\·\▿P\]}^{-1}\underset{\mathrm{\σ}\∈P}{\Σ}{(\▿P)}^P\[I_j\left(\mathrm{\ψ}\right(\mathrm{\σ};{\mathrm{\δ}}_j\left)\right)-P\left(\mathrm{\σ}\right)\]$

其中，ψ(σ；δ_j)为模板图像P(σ)的像素坐标σ(x,y)映射到后续帧图像I_j(σ)的亚像素坐标，δ_j表示扭曲变换的参数向量，I_j(ψ(σ；δ_j))为从后续帧图像I_j(σ)中截取的扭曲部分，为扭曲部分在亚像素坐标ψ(σ；δ_j)处的梯度；

所述主算法子模块通过不断迭代计算增量△δ_j来更新δ_j，以逐渐实现图像配准，更新过程为：δ_j←δ_j+△δ_j，每次更新后对变换参数δ_j的小数点后一位进行四舍五入取整，停止更新的条件为||△δ_j||≤T₂，T₂为设定的阈值，T₂的取值范围为[0.4,0.5]，最后更新的变换参数δ_j即为后续帧图像I_j(σ)中要提取的追踪目标的复杂运动位移；

(3)副算法子模块：用于通过模板匹配的方式来提取追踪目标的运动位移，设视频共有n桢图像，选取视频中的第一帧图像为匹配图像，后续帧的有效区域为模板图像P_i,i＝2,...n,各桢图像中追踪目标的简单运动位移(x_i,y_i)为：

$(x_i,y_i)=(x_0+\frac{2m_1{m}_5-m_2{m}_4}{{m_4}^2-4m_3{m}_5},y_0+\frac{2m_2{m}_3-m_1{m}_4}{{m_4}^2-4m_3{m}_5})$

其中，(x₀,y₀)为通过计算模板图像P_i与第一帧图像的NCC相关系数矩阵得到的最大位置点的坐标，m₁,m₂,m₃,m₄,m₅为(x₀,y₀)周围8个坐标点(x_k,y_k)的相关系数，k＝1,...,8，(x₀,y₀)与所述相关系数的关系为c(x_k,y_k)＝m₀+m₁x_k+m₂y_k+m₃x_k ²+m₄x_ky_k+m₅y_k ²；

(4)位移修正子模块,考虑到当地温度对工业设备位移的影响，引入温度修正系数L对上述提取的运动位移进行修正，经验值L的取值范围是[0.95，1.05]：

修正后的复杂运动位移：δ′_j＝δ_j×L

修正后的简单运动位移：(x_i,y_i)′＝(x_i,y_i)×L；

(5)显示子模块，与主算法子模块、副算法子模块连接，用于处理并显示与追踪目标相关的运动位移数据和工业设备的振动位移曲线。

本优选实施例设置副算法子模块，对满足亮度恒定、空间一致和桢间位移差小于设定阈值T₁条件的相邻桢图像进行位移提取，只需选择模板图像进行计算，简单、直观，自动化能力强，且提出了简单运动位移(x_i,y_i)的计算公式，提高了计算的速度；通过设置主算法子模块，对不满足亮度恒定、空间一致和桢间位移差小于设定阈值T₁任一项条件的相邻桢图像进行位移提取，提取过程较为简单，可以快速被执行，可以实现高速摄像的实时位移提取；通过设置算法选择子模块，对视频中各桢图像的位移提取算法进行优化选择，减少了对图像处理的依赖，提高了位移提取的效率，算法对每桢图像的位移提取时间可以降低到0.1ms以下；通过设置位移修正子模块，消除了温度对位移的影响，计算结果更为准确。

优选的，所述数据评估模块73包括主评估子模块和副评估子模块：

a、主评估子模块：对显示子模块中的振动位移曲线进行评估，若振动位移曲线评估合格，则不再对运动位移数据进行评估；

b、副评估子模块：当振动位移曲线评估不合格时，对显示子模块中的运动位移数据进行评估，找出异常数据。

本优选实施例提高了评估的精度。

本应用场景中的上述实施例取T₁＝0.06，T₂＝0.4时，对工业设备健康状况的分析速度相对提高了4％，分析精度相对提高了4.5％。

应用场景5

参见图1、图2，本应用场景中的一个实施例的基于物联网的工业设备监控系统，包括视频监视设备1、信号传输系统、监控中心3、用户移动控制终端4以及视频监控显示器5；所述的视频监视设备1根据工业设备位置进行布置；所述信号传输系统包括多个交换机，所述工业监视器通过交换机与监控中心3相连，监控中心3通过无线网络连接用户移动终端以及视频监控显示器5。

本发明的上述实施例实现了多个用户移动控制终端4和监控中心3的同时监控，能将实时将工业设备运行状态通知到移动和监控中心3的管理人员并显示出来，实现了物联网式的监控管理，从而解决了上述的技术问题。

优选的，所述监控中心3还连接用于在工业设备异常时进行报警的预警设备6。

本优选实施例增加了系统的预警功能，提高了系统的安全性。

优选的，所述用户移动终端与所述预警设备6通过无线网络连接。

本优选实施例便于用户移动终端进行报警，进一步提高了系统的安全性。

优选的，所述监控中心3包括用于检测工业设备健康状态的健康状态监测系统7，所述健康状态监测系统7包括依次连接的数据预处理模块71、数据分析模块72、数据评估模块73和数据显示模块74，所述数据预处理模块71用于将采集到的视频图像转化到灰度空间，并使转换后的图像通过高斯滤波器进行滤波处理；所述数据分析模块72用于对预处理后的视频图像进行分析和处理，以得到工业设备的振动位移曲线；所述数据评估模块73用于对所述振动位移曲线进行健康分析并判断工业设备的振动位移是否处于健康状态，输出工业设备健康状态结果；所述数据显示模块74用于显示所述工业设备健康状态结果。

本优选实施例构建了健康状态监测系统7的模块架构。

优选的，所述数据分析模块72包括算法选择子模块、主算法子模块、副算法子模块、位移修正子模块和显示子模块，具体为：

(1)算法选择子模块：与主算法子模块、副算法子模块连接，用于对视频中各桢图像的位移提取算法进行选择，其遵循的选取原则为：当前帧图像与前一桢图像相比不满足亮度恒定、空间一致和桢间位移差小于设定阈值T₁的任一项条件时，选取主算法子模块进行追踪目标的运动位移的提取；当前帧图像与前一桢图像相比满足亮度恒定、空间一致和桢间位移差小于设定阈值T₁条件时，选取副算法子模块进行追踪目标的运动位移的提取，T₁的取值范围为(0,1mm]；

(2)主算法子模块：用于通过图像配准的方式来提取追踪目标的运动位移，设视频共有n桢图像，选取视频中的第一帧中的追踪目标图像作为模板图像P(σ)，后续帧图像为I_j(σ),j＝2,...n，多次扭曲所述后续帧图像I_j(σ)，使其与模板图像P(σ)对齐，每次扭曲后所述后续帧图像I_j(σ)与模板图像P(σ)之间的增量△δ_j为：

${\mathrm{\Δ\δ}}_j={\[\underset{\mathrm{\σ}\∈P}{\Σ}{(\▿P)}^P\·\▿P\]}^{-1}\underset{\mathrm{\σ}\∈P}{\Σ}{(\▿P)}^P\[I_j\left(\mathrm{\ψ}\right(\mathrm{\σ};{\mathrm{\δ}}_j\left)\right)-P\left(\mathrm{\σ}\right)\]$

其中，ψ(σ；δ_j)为模板图像P(σ)的像素坐标σ(x,y)映射到后续帧图像I_j(σ)的亚像素坐标，δ_j表示扭曲变换的参数向量，I_j(ψ(σ；δ_j))为从后续帧图像I_j(σ)中截取的扭曲部分，为扭曲部分在亚像素坐标ψ(σ；δ_j)处的梯度；

所述主算法子模块通过不断迭代计算增量△δ_j来更新δ_j，以逐渐实现图像配准，更新过程为：δ_j←δ_j+△δ_j，每次更新后对变换参数δ_j的小数点后一位进行四舍五入取整，停止更新的条件为||△δ_j||≤T₂，T₂为设定的阈值，T₂的取值范围为[0.4,0.5]，最后更新的变换参数δ_j即为后续帧图像I_j(σ)中要提取的追踪目标的复杂运动位移；

(3)副算法子模块：用于通过模板匹配的方式来提取追踪目标的运动位移，设视频共有n桢图像，选取视频中的第一帧图像为匹配图像，后续帧的有效区域为模板图像P_i,i＝2,...n,各桢图像中追踪目标的简单运动位移(x_i,y_i)为：

$(x_i,y_i)=(x_0+\frac{2m_1{m}_5-m_2{m}_4}{{m_4}^2-4m_3{m}_5},y_0+\frac{2m_2{m}_3-m_1{m}_4}{{m_4}^2-4m_3{m}_5})$

其中，(x₀,y₀)为通过计算模板图像P_i与第一帧图像的NCC相关系数矩阵得到的最大位置点的坐标，m₁,m₂,m₃,m₄,m₅为(x₀,y₀)周围8个坐标点(x_k,y_k)的相关系数，k＝1,...,8，(x₀,y₀)与所述相关系数的关系为c(x_k,y_k)＝m₀+m₁x_k+m₂y_k+m₃x_k ²+m₄x_ky_k+m₅y_k ²；

(4)位移修正子模块,考虑到当地温度对工业设备位移的影响，引入温度修正系数L对上述提取的运动位移进行修正，经验值L的取值范围是[0.95，1.05]：

修正后的复杂运动位移：δ′_j＝δ_j×L

修正后的简单运动位移：(x_i,y_i)′＝(x_i,y_i)×L；

(5)显示子模块，与主算法子模块、副算法子模块连接，用于处理并显示与追踪目标相关的运动位移数据和工业设备的振动位移曲线。

本优选实施例设置副算法子模块，对满足亮度恒定、空间一致和桢间位移差小于设定阈值T₁条件的相邻桢图像进行位移提取，只需选择模板图像进行计算，简单、直观，自动化能力强，且提出了简单运动位移(x_i,y_i)的计算公式，提高了计算的速度；通过设置主算法子模块，对不满足亮度恒定、空间一致和桢间位移差小于设定阈值T₁任一项条件的相邻桢图像进行位移提取，提取过程较为简单，可以快速被执行，可以实现高速摄像的实时位移提取；通过设置算法选择子模块，对视频中各桢图像的位移提取算法进行优化选择，减少了对图像处理的依赖，提高了位移提取的效率，算法对每桢图像的位移提取时间可以降低到0.1ms以下；通过设置位移修正子模块，消除了温度对位移的影响，计算结果更为准确。

优选的，所述数据评估模块73包括主评估子模块和副评估子模块：

a、主评估子模块：对显示子模块中的振动位移曲线进行评估，若振动位移曲线评估合格，则不再对运动位移数据进行评估；

b、副评估子模块：当振动位移曲线评估不合格时，对显示子模块中的运动位移数据进行评估，找出异常数据。

本优选实施例提高了评估的精度。

本应用场景中的上述实施例取T₁＝0.03，T₂＝0.4时，对工业设备健康状况的分析速度相对提高了4.7％，分析精度相对提高了4.5％。

最后应当说明的是，以上应用场景仅用以说明本发明的技术方案，而非对本发明保护范围的限制，尽管参照较佳应用场景对本发明作了详细地说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实质和范围。

Claims (3)

1.一种基于物联网的工业设备监控系统，其特征是，包括视频监视设备、信号传输系统、监控中心、用户移动控制终端以及视频监控显示器；所述的视频监视设备根据工业设备位置进行布置；所述信号传输系统包括多个交换机，所述工业监视器通过交换机与监控中心相连，监控中心通过无线网络连接用户移动终端以及视频监控显示器。

2.根据权利要求1所述的一种基于物联网的工业设备监控系统，其特征是，所述监控中心还连接用于在工业设备异常时进行报警的预警设备。

3.根据权利要求2所述的一种基于物联网的工业设备监控系统，其特征是，所述用户移动终端与所述预警设备通过无线网络连接。