CN112085007A - 基于可见光通信物联网智能化的电气设备测试系统及方法 - Google Patents
基于可见光通信物联网智能化的电气设备测试系统及方法 Download PDFInfo
- Publication number
- CN112085007A CN112085007A CN202011075427.XA CN202011075427A CN112085007A CN 112085007 A CN112085007 A CN 112085007A CN 202011075427 A CN202011075427 A CN 202011075427A CN 112085007 A CN112085007 A CN 112085007A
- Authority
- CN
- China
- Prior art keywords
- visible light
- data
- module
- light communication
- electrical equipment
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 230000006854 communication Effects 0.000 title claims abstract description 118
- 238000004891 communication Methods 0.000 title claims abstract description 117
- 238000012360 testing method Methods 0.000 title claims abstract description 40
- 238000000034 method Methods 0.000 title claims abstract description 26
- 238000012545 processing Methods 0.000 claims abstract description 63
- 230000005540 biological transmission Effects 0.000 claims abstract description 23
- 238000004458 analytical method Methods 0.000 claims abstract description 14
- 230000008569 process Effects 0.000 claims abstract description 14
- 206010063385 Intellectualisation Diseases 0.000 claims abstract description 3
- 238000013527 convolutional neural network Methods 0.000 claims description 16
- 239000013256 coordination polymer Substances 0.000 claims description 12
- 238000013473 artificial intelligence Methods 0.000 claims description 11
- 238000005516 engineering process Methods 0.000 claims description 11
- 238000011176 pooling Methods 0.000 claims description 7
- 239000000969 carrier Substances 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 6
- 238000001514 detection method Methods 0.000 claims description 5
- 239000011159 matrix material Substances 0.000 claims description 5
- 230000003993 interaction Effects 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 238000012549 training Methods 0.000 claims description 3
- 125000004122 cyclic group Chemical group 0.000 claims description 2
- 230000006855 networking Effects 0.000 claims description 2
- 238000010998 test method Methods 0.000 claims description 2
- 238000003745 diagnosis Methods 0.000 abstract description 2
- 230000006870 function Effects 0.000 description 10
- 230000003287 optical effect Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 238000001228 spectrum Methods 0.000 description 7
- 230000005855 radiation Effects 0.000 description 6
- 238000006243 chemical reaction Methods 0.000 description 5
- 238000007405 data analysis Methods 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 238000009826 distribution Methods 0.000 description 3
- 238000001931 thermography Methods 0.000 description 3
- ATHVAWFAEPLPPQ-VRDBWYNSSA-N 1-stearoyl-2-oleoyl-sn-glycero-3-phosphocholine Chemical compound CCCCCCCCCCCCCCCCCC(=O)OC[C@H](COP([O-])(=O)OCC[N+](C)(C)C)OC(=O)CCCCCCC\C=C/CCCCCCCC ATHVAWFAEPLPPQ-VRDBWYNSSA-N 0.000 description 2
- 230000003750 conditioning effect Effects 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000012634 optical imaging Methods 0.000 description 2
- 230000008447 perception Effects 0.000 description 2
- 230000002265 prevention Effects 0.000 description 2
- 230000008054 signal transmission Effects 0.000 description 2
- 101000822695 Clostridium perfringens (strain 13 / Type A) Small, acid-soluble spore protein C1 Proteins 0.000 description 1
- 101000655262 Clostridium perfringens (strain 13 / Type A) Small, acid-soluble spore protein C2 Proteins 0.000 description 1
- 101000655256 Paraclostridium bifermentans Small, acid-soluble spore protein alpha Proteins 0.000 description 1
- 101000655264 Paraclostridium bifermentans Small, acid-soluble spore protein beta Proteins 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000005336 cracking Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000005562 fading Methods 0.000 description 1
- 238000009432 framing Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000007620 mathematical function Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000005693 optoelectronics Effects 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 238000011897 real-time detection Methods 0.000 description 1
- 238000005067 remediation Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B10/00—Transmission systems employing electromagnetic waves other than radio-waves, e.g. infrared, visible or ultraviolet light, or employing corpuscular radiation, e.g. quantum communication
- H04B10/11—Arrangements specific to free-space transmission, i.e. transmission through air or vacuum
- H04B10/114—Indoor or close-range type systems
- H04B10/116—Visible light communication
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Electromagnetism (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Multimedia (AREA)
- Optical Communication System (AREA)
Abstract
本发明公开了一种基于可见光通信物联网智能化的电气设备测试系统及方法，所述电气设备测试系统包括数据采集系统、可见光通信系统、数据处理系统，其中：所述数据采集系统用于采集被测试系统运行过程中的图像数据，并发送至可见光通信系统；所述可见光通信系统用于通过可见光传输方式将图像数据转发至数据处理系统；所述数据处理系统用于对图像数据进行数据分类和数据处理，并根据数据分类和数据处理的结果对电气设备进行反馈控制，将所得到相应的参数与分析结果呈现给工作人员，同时保存在数据库中。本发明代替了繁重和效率低的人工诊断任务，降低了工作人员的安全风险，提到了电气设备测试的效率。
Description
技术领域
本发明属于可见光通信、物联网、人工智能和自动化领域，涉及一种基于可见光通信物联网智能化的电气设备测试系统及方法。
背景技术
现代社会在科技的推动下，得到了前所未有的飞速发展。人工智能、物联网、大数据分析、可见光通信6G等新技术的兴起，全球新一轮的产业变革和科技革命正在加速演变。此时，电力工业正朝着由传统电气时代向智能新能源电气时代发展。电气设备物联网的实时状态感知技术、人工智能和电气自动化技术的融合，有效的促进了电力系统自动化和智能化的产业升级。无论是生活、科研、医疗及生产等各行各业都需要大量的与稳定的电力资源供给。由于电气设备总是长时间不间断工作，所处的工作环境复杂多变的因素，一直存在一些安全隐患，甚至会出现故障造成严重的安全事故。电气设备的良好运行状态，是保证电力资源能稳步安全供应的重要前提。为切实有效的了解电气设备运行状态与工作性能，我们需要对电气设备或电子设备，进行设备物联网智能化测试以采集相应的数据和反馈控制。
可见光通信技术(VLC)是以LED为载体的新兴可见光无线通信技术。科技的快速发展，人们对无线通信业务日益增长的需求，使得无线网络承载的信息交流趋向高速化，功能不断完善化，类型丰富化发展。可见光通信作为一种全新的高速数据接入模式，与传统的无线射频通信和其他光无线通信相比，可见光通信具有保密性、安全性、高速性、宽频谱等特点。可见光通信不但可以使用无限频谱资源，来缓解现在通信频谱资源紧张的优势，而且在6G通信到来时可直接并网接入，在全球范围内得到发展。与此同时，可见光通信不但可以快速搭载应用在现有的基础设施、高功率与大带宽的通信、有辐射干扰的环境，而且可以快速构建抗截获抗破解的通信空间。特别适用于电气设备测试这一个领域，具有极高的实用性价值。
发明内容
本发明的目的是提供一种基于可见光通信物联网智能化的电气设备测试系统及方法，用于弥补现在很多对被测试系统的整体运动状态、视觉状态、所处环境无电磁干扰、数据传输无延迟等有要求情景下的不足，以及解决使用各种传感器等模数转换装置进行数据采集测试方式不便的难题。同时，代替了繁重和效率低的人工诊断任务，降低了工作人员的安全风险，提到了电气设备测试的效率。
本发明的目的是通过以下技术方案实现的：
一种基于可见光通信物联网智能化的电气设备测试系统，包括数据采集系统、数据处理系统、与数据采集系统和数据处理系统分别以可见光无线传输方式进行数据交互的可见光通信系统，其中：
所述数据采集系统用于采集被测试系统运行过程中的图像数据，并发送至可见光通信系统；
所述可见光通信系统用于通过可见光传输方式将图像数据转发至数据处理系统；
所述数据处理系统用于对图像数据进行数据分类和数据处理，并根据数据分类和数据处理的结果对电气设备进行反馈控制，将所得到相应的参数与分析结果呈现给工作人员，同时保存在数据库中。
一种利用上述电气设备测试系统进行基于可见光通信物联网智能化的电气设备测试方法，包括以下步骤：
S1、数据采集系统采集运行过程中的被测试系统的图像数据，并发送至可见光通信系统；
S2、可见光通信系统通过可见光传输方式将图像数据转发给数据处理系统；
S3、数据处理系统对图像数据进行数据分类和数据处理，得到相应的参数与分析结果并在数据库中保存。
相比于现有技术，本发明具有如下优点：
1、本发明实现了物联网的全方位迅速感知处理功能，对电气设备测试的实时运行状态检测及反馈控制，能够在设备出现问题时第一时间报警、停运系统以及采取必要的防控措施，通过针对问题器件的一对一补救，从而避免安全事故的发生。
2、本发明降低了传统测试方式依靠人力投入大量的人力资源和财力资源的损耗，简化了电气设备故障排除人员的工作繁琐重复流程，实现了智能化的一站式信息获取，为进一步进行精细化的数据分析处理提供良好的基础，提高了电气设备测试方法的效率。
3、本发明利用可见光通信抗电磁干扰、绿色环保、带宽无限万物互联及超快速的大数据传输的核心优势，提供了全新的可见光通信物联网智能化的电气设备测试系统，可以在核电站、变电站和高压输电网等有强电磁干扰的场所进行安全稳定的通信传输，保证了电气设备测试的采集数据的完整传输。基于FPGA嵌入式系统的可见光通信，以FPGA极快的并行运算速度实现了高速的实时通信。
4、本发明利用FPGA嵌入式系统的可编程功耗，可以将非关键路径的功耗降低，实现了通信的功效最大化，同时也提高了可见光通信物联网智能化的电气设备测试系统的通信单元使用寿命。
附图说明
图1是本发明中可见光通信物联网智能化的电气设备测试系统的结构图；
图2是本发明中红外热像仪原理图；
图3是本发明中可见光通信基本原理框图；
图4是本发明中基于FPGA嵌入式的正交频分复用(OFDM)可见光通信系统结构图；
图5是本发明中卷积神经网络数据处理的原理图；
图6是本发明中可见光通信物联网智能化的电气设备测试方法流程图。
具体实施方式
下面结合附图对本发明的技术方案作进一步的说明，但并不局限于此，凡是对本发明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精神和范围，均应涵盖在本发明的保护范围中。
具体实施方式一、本实施方式提供了一种基于可见光通信物联网智能化的电气设备测试系统，如图1所示，所述电气设备测试系统包括数据采集系统2、数据处理系统4、与数据采集系统2和数据处理系统4分别以可见光无线传输方式进行数据交互的可见光通信系统3，其中：所述数据采集系统2采集被测试系统1运行过程中的图像数据，并通过可见光通信系统3转发至数据处理系统4；所述数据处理系统4对图像数据进行数据分类和数据处理，并根据数据分类和数据处理的结果对电气设备进行反馈控制，将所得到相应的参数与分析结果呈现给工作人员，同时保存在数据库中，实现了物联网的全方位迅速感知处理功能，对电气设备测试的实时运行状态检测及反馈控制，能够在设备出现问题时通过呈现给工作人员的数据第一时间报警，与此同时数据处理系统4及时的做出反馈控制，切断电气设备的电源停运系统以及采取必要的防控措施，再针对问题器件的一对一补救，从而避免安全事故的发生。
本实施方式中，被测试系统1为硬件装置，数据采集系统2、可见光通信系统3、数据处理系统4可以是硬件装置也可以是软件系统。
本实施方式中，被测试系统1不包括数据采集模块。
本实施方式中，数据采集系统2实现的硬件平台是红外热像仪。红外热像仪由红外光学成像物镜、光栅、红外探测器、成像电路组件组成。如图2所示，红外热像仪的工作原理是使用光电设备来检测和测量辐射，利用红外探测器和光学成像物镜接收被测目标的红外辐射能量分布图形，投射到红外探测器的光敏元件上，从而获得红外热像图。红外热像仪原理的整体功能实施方式为：电气设备测试时一旦出现事故，故障部件会迅速升温，物体的红外辐射透过红外镜头调整焦距，经过光栅形成光谱，将红外辐射能量分布图形投射到红外探测器矩阵的各光敏元上转换成电信号，通过高速模拟数字转换器ADC(Analog toDigital Converter)将红外热像图数据输入到可见光通信系统进行传输。
本实施方式中，可见光通信系统3用于建立数据采集系统2与数据处理系统4间的通信连接。可见光通信系统3包括信号处理模块、可见光收发模块和通信接口，其中：信号处理模块用于可见光通信系统对图像数据进行调制和光信号解调的处理；可见光收发模块用于将信号处理模块的电信号，通过可见光收发模块的发射端转化为携带信号的可见光，再经过可见光收发模块的接收端将光信号转化为电信号，以这种可见光传输方式形成通信信道；通信接口用于可见光通信系统3分别与数据采集系统2和数据处理系统4间的设备数据连接。
本实施方式中，可见光通信系统3采用了基于FPGA嵌入式的正交频分复用(OFDM)数字通信调制解调技术，有效提高了可见光通信的传输速率和质量，实现了本发明实时的大数据通信传输。
如图3所示，可见光通信系统主要由可见光通信发射端和可见光通信接收端两部分组成，可见光通信发射端将数据采集系统2的图像数据调制成光信号，再通过可见光通信接收端将光信号解调成图像数据转发给数据处理系统4。可见光通信基本原理的整体功能实施方式为：可见光通信发射端主要由信号编码301、数字调制302、LED驱动电路303、LED光源304等模块组成。信号编码301用于将模拟信号通过采样和量化变成数字信号，同时对数据进行压缩，提高数字信号传输的有效性，以此来增加可见光通信发射端的可靠性；数字调制302将原始数字信号低频率的频谱分量变换成频带适合通信传输的高频信号；传输信号经过调制后通过LED驱动电路303控制LED光源304的亮灭变换，使携带有高频调制信号的可见光通过信号通道发送到可见光通信接收端。可见光通信接收端主要由光电转换305、调理电路306、数字解调307、信号解码308等模块。光电转换305将接收到的携带有高频调制信号的可见光转换成与光信号频率一致的光电流；调理电路306将光电流形成后续处理的电信号，同时设计滤波器电路，减少信号传输时混入的噪声，提高通信质量；数字解调307接收到光电转换模块传输的数字频带电信号还原成数字基带信号；信号解码308的功能是信号调制的逆过程，从携带消息的已调信号中恢复原始的信号。信号的调制解调是通信的核心，可见光通信的传输速度和质量成为本发明对信息处理效果的关键因数之一。
图4示出了本发明中基于FPGA嵌入式的正交频分复用(OFDM)可见光通信系统结构图。首先，依靠FPGA嵌入式现场可编程门阵列的丰富硬件平台，通过编程配置逻辑器件设计构建可见光通信系统。在可见光通信系统搭建完好后，利用FPGA极强的实时性和高速并行数字信号处理的能力，将正交频分复用(OFDM)技术引入到可见光通信系统中能有效提高系统通信性能。FPGA嵌入式是由一个或多个FPGA以IP的形式与处理器内核嵌入ASIC、ASSP或SoC芯片中的可编程芯片系统(SOPC)。FPGA内部嵌入CPU或DSP等处理器，使FPGA在一定程度上具备了实现软硬件联合系统的能力，FPGA正逐步成为SOPC的高效设计平台。嵌入的CPU或DSP这类处理器，用逻辑资源和块RAM实现的软核部分，就组成了功能强大的软运算中心，能快速的实现FIR滤波器、编码解码、IFFT、FFT等运算密集型运用。
本实施方式中，基于FPGA嵌入式的正交频分复用(OFDM)可见光通信系统由可见光通信系统发射端和可见光通信系统接收端两大部分组成。可见光通信系统发射端包括：发射端QAM自适应映射器模块、发射端IFFT模块、添加CP模块、添加PN码模块、高速数字模拟转换器DAC模块、光发射模块。可见光通信系统接收端包括：光接收模块、高速模拟数字转换器ADC模块、符号定时同步模块、移除CP模块、移除PN码模块、接收端IFFT模块、信道估计与均衡模块、导频提取与相位补偿模块、接收端QAM自适应映射器模块、UART串口模块。整体功能实施方式为：可见光通信系统发射端将图像数据输入到发射端QAM自适应映射器进行OFDM调制，针对子载波遭受的不同程度的干扰，需采用256QAM、64QAM、以及16QAM调制格式进行子载波的调制。在发射端QAM自适应映射器中需要在导频子载波上插入调制符号，输出16路并行Hermitian数据对称的TS频域数据至发射端IFFT模块。发射端IFFT模块对数据进行并行处理与数字限幅后，添加CP模块添加CP与添加PN码模块添加PN码对实部数据进一步处理，最后高速数字模拟转换器DAC(Digital to Analog Converter)将数字信号转换为模拟信号，传给光发射模块进行通信传输。可见光通信系统接收端的光接收模块收到光发射模块携带高频调制信号的可见光，通过高速模拟数字转换器ADC(Analog to DigitalConverter)将模拟信号转换成数字信号，高速模拟数字ADC成功采集的16路并行数据输出到符号定时同步模块，并行实现16路的Mpro2(d)计算，移除CP模块对CP的移除和移除PN码模块对PN码的移除，使定时同步点落在TS循环前缀内。接收端IFFT模块对符号定时同步模块输出的数据进行并行处理，信号估计与均衡模块对子载波恢复后得到训练序列的频域数据B(k)，在导频提取与相位补偿模块的导频提取与SCFO相位补偿后实现基带OFDM发射接收机的采样时钟频率同步，数据输入到接收端QAM自适应映射器进行OFDM解调，最终通过UART串口模块传输给数据处理系统4(预先训练的人工智能卷积神经网络)。
本实施方式中，正交频分复用(OFDM)是在多载波调制基础上通过快速傅里叶变换(IFFT及FFT)完成信号调制和解调的一种通信技术。OFDM的基本原理是将传递的数据流分解成N个子数据流，然后将各个子数据流不同的载波进行调制，将调制得到的结果叠加传输，接收端收到信号后再用相反的步骤做解调完成整个通信过程。OFDM具有各个子载波之间正交的技术优势，子带是独立不重叠，可以把子载波的频带重叠，能有效利用零散频谱，实现与其他波形共存。所以在通信调制解调过程中，造成的频谱泄露很少，具有极低的带外泄露。不仅能提升频谱使用频率，还拥有对信道的衰落有很好的抵抗性。OFDM依靠独有的通信优势，在现代通信领域得到了空前的快速发展与应用，更使得6G可见光通信新兴技术得到了实用性落地与推广。
本实施方式中，OFDM调制信号的数学描述是：一个OFDM信号包括频率间隔为△f的N个子载波，总系统带宽B被分为等距离的子信道。全部子载波在TS＝1/△f区间内互相正交，OFDM的持续时间为TS，第k个子载波的信号用函数gk(t)，k＝0,……，N-1表示。每个子载波形成的矩形脉冲函数表达式为：
子载波信号gk(t)的一个长度周期为TG,OFDM的调制的持续时间为T＝TG+TS。式中，t为时间参数，k为第k个子载波，gk(t)为第k个子载波信号函数，△f为每个子载波占有的带宽频率间隔，TS＝1/△f为子载波的持续时间，
为函数定义域，ej2πkΔft为第k个子载波形成的矩形脉冲值，TG为载波信号gk(t)的一个长度周期，T＝TG+TS为调制持续的总时间。
本实施方式中，OFDM解调信号的数学描述是：一个OFDM接收信号rn(t)，可以通过数学函数为
分离为正交的子载波信号解调。式中，n为一个OFDM接收到的信号个数，t为时间参数，k为第k个子载波，Rn，k为解调子载波信号函数，rn(t)为一个OFDM解调接收的信号，TS为子载波的持续时间，t-nT为解调持续的时间。
本实施方式中，可见光通信系统实现的硬件平台是FPGA嵌入式系统。FPGA嵌入式系统由可编程输入/输出(Input/Ouput)单元、基本可编程逻辑单元、嵌入式块RAM(BlockRAM)、丰富的布线资源、底层嵌入功能单元(PLL、、DSP、CPU)和内嵌专用硬核等组成。
本实施方式中，数据处理系统4是预先训练的人工智能卷积神经网络。
本实施方式中，数据处理基于预先训练的人工智能模型进行。
本实施方式中，人工智能模型包括卷积神经网络。
本实施方式中，卷积神经网络包括LetNet-5模型，LetNet-5模型包括：输入层、第一卷积层、第一池化层、第二卷积层、第二池化层、第一全连接层以及第二全连接层。
本实施方式中，卷积神经网络实质上是一种输入到输出的映射，通过使用预先收集的样本图片数据作为输入，与样本图片数据对应的已知结果作为输出，通过机器学习的方法训练，得到人工智能数据分析模型。
图5示出了本发明中卷积神经网络数据处理的原理图。本实施方式中，卷积神经网络(CNN)是一类包含卷积计算且具有深度结构的前馈神经网络。卷积神经网络通过深度学习算法等一系列方法，将数据量庞大复杂的图像识别问题不断降维处理，最终使其能够被训练。卷积运算组成了卷积神经网络的核心，作为一个滤波器运算来进行图像处理。对一个图像X卷积运算的过程为，卷积核W中的每一个权值w分别和覆盖的原图像X中的对应像素x相乘求和。卷积算法公式为：
式中，w为卷积核W中的权值，x为原图像X中的对应像素，
为w和x乘积前k项之和，WT为特征对应的卷积核，X为输入的特征图像。
本实施方式中，卷积神经网络数据处理的整体功能实施方式为：首先对红外热像图数据物体识别，将目标物体定位分类，再把图像目标分割出来进行关键点检测。下一步把图片数据转换为计算机可以处理的矩阵数据，输入到神经网络中对数据规范化。为了加快数据处理速度，在卷积层1里进行卷积运行并激活非线性映射。接着在池化层1里对数据提取特征，减少向下一个阶段卷积池化处理传递的数据量。数据再经过卷积层2和池化层2的细化处理后，进入全连接层将学习的分布式特征，映射到样本标记空间完成分类，通过非极大值抑制方法得出最终的检测结果。
本实施方式通过数据采集系统2(红外热像仪)对电气设备测试运行状态拍摄的实时检测视频流解码成帧，生产红外热像图数据。可见光通信将红外热像图数据信号调制解调传输给数据处理系统4卷积神经网络模型，运用目标检测算法从红外热像图中检测出电气设备，依靠LetNet-5的强大算法提取特征，应用卷积神经网络全连接层的分类器功能来匹配比对获得输出检测结果。
具体实施方式二、本实施方式提供了一种可见光通信物联网智能化的电气设备测试方法，如图6所示，所述电气设备测试方法包括以下步骤：
S1：数据采集系统采集运行过程中的被测试系统的图像数据，并发送至可见光通信系统；
S2：可见光通信系统通过可见光传输方式将图像数据转发给数据处理系统；
S3：数据处理系统对图像数据进行数据分析，得到相应的参数与分析结果并在数据库中保存。
本实施方式通过实时的数据采集系统对被测试系统进行图像数据采集；依靠带宽无限量的可见光通信，无延迟传输数据给数据处理系统；数据处理系统通过人工智能的深度学习，对数据进行分析得出电气设备的运行状态结果，降低了传统测试方式依靠人力投入大量的人力资源和财力资源的损耗，简化了电气设备故障排除人员的工作繁琐重复流程，实现了智能化的一站式信息获取，为进一步进行精细化的数据分析处理提供良好的基础，提高了电气设备测试方法的效率。
Claims (7)
1.一种基于可见光通信物联网智能化的电气设备测试系统，其特征在于所述电气设备测试系统包括数据采集系统、数据处理系统、与数据采集系统和数据处理系统分别以可见光无线传输方式进行数据交互的可见光通信系统，其中：
所述数据采集系统用于采集被测试系统运行过程中的图像数据，并发送至可见光通信系统；
所述可见光通信系统用于通过可见光传输方式将图像数据转发至数据处理系统；
所述数据处理系统用于对图像数据进行数据分类和数据处理，并根据数据分类和数据处理的结果对电气设备进行反馈控制，将所得到相应的参数与分析结果呈现给工作人员，同时保存在数据库中。
2.根据权利要求1所述的基于可见光通信物联网智能化的电气设备测试系统，其特征在于所述数据采集系统为红外热像仪。
3.根据权利要求1所述的基于可见光通信物联网智能化的电气设备测试系统，其特征在于所述可见光通信系统采用了基于FPGA嵌入式的正交频分复用数字通信调制解调技术，由可见光通信系统发射端和可见光通信系统接收端两大部分组成，可见光通信系统发射端包括发射端QAM自适应映射器模块、发射端IFFT模块、添加CP模块、添加PN码模块、高速数字模拟转换器DAC模块、光发射模块，可见光通信系统接收端包括光接收模块、高速模拟数字转换器ADC模块、符号定时同步模块、移除CP模块、移除PN码模块、接收端IFFT模块、信道估计与均衡模块、导频提取与相位补偿模块、接收端QAM自适应映射器模块、UART串口模块，其中：可见光通信系统发射端将图像数据输入到发射端QAM自适应映射器进行OFDM调制；在发射端QAM自适应映射器中在导频子载波上插入调制符号，输出16路并行Hermitian数据对称的TS频域数据至发射端IFFT模块；发射端IFFT模块对数据进行并行处理与数字限幅后，添加CP模块添加CP与添加PN码模块添加PN码对实部数据进一步处理，最后高速数字模拟转换器DAC将数字信号转换为模拟信号，传给光发射模块进行通信传输；可见光通信系统接收端的光接收模块收到光发射模块携带高频调制信号的可见光，通过高速模拟数字转换器ADC将模拟信号转换成数字信号；高速模拟数字ADC成功采集的16路并行数据输出到符号定时同步模块，并行实现16路的Mpro2(d)计算，移除CP模块对CP的移除和移除PN码模块对PN码的移除，使定时同步点落在TS循环前缀内；接收端IFFT模块对符号定时同步模块输出的数据进行并行处理，信号估计与均衡模块对子载波恢复后得到训练序列的频域数据B(k)，在导频提取与相位补偿模块的导频提取与SCFO相位补偿后实现基带OFDM发射接收机的采样时钟频率同步，数据输入到接收端QAM自适应映射器进行OFDM解调，最终通过UART串口模块传输给数据处理系统。
4.根据权利要求1所述的基于可见光通信物联网智能化的电气设备测试系统，其特征在于所述数据处理系统是预先训练的人工智能卷积神经网络。
5.根据权利要求4所述的基于可见光通信物联网智能化的电气设备测试系统，其特征在于所述人工智能卷积神经网络为LetNet-5模型，LetNet-5模型包括：输入层、第一卷积层、第一池化层、第二卷积层、第二池化层、第一全连接层以及第二全连接层。
6.一种利用权利要求1-5任一项所述电气设备测试系统进行基于可见光通信物联网智能化的电气设备测试方法，其特征在于所述方法包括如下步骤：
S1、数据采集系统采集运行过程中的被测试系统的图像数据，并发送至可见光通信系统；
S2、可见光通信系统通过可见光传输方式将图像数据转发给数据处理系统；
S3、数据处理系统对图像数据进行数据分类和数据处理，得到相应的参数与分析结果并在数据库中保存。
7.根据权利要求6所述的可见光通信物联网智能化的电气设备测试方法，其特征在于所述S3中，数据分类和数据处理的具体步骤为：首先对图像数据进行物体识别，将目标物体定位分类，再把图像目标分割出来进行关键点检测，最后把图像数据转换为计算机可以处理的矩阵数据，输入到卷积神经网络中对数据规范化。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011075427.XA CN112085007B (zh) | 2020-10-09 | 2020-10-09 | 基于可见光通信物联网智能化的电气设备测试系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011075427.XA CN112085007B (zh) | 2020-10-09 | 2020-10-09 | 基于可见光通信物联网智能化的电气设备测试系统及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112085007A true CN112085007A (zh) | 2020-12-15 |
| CN112085007B CN112085007B (zh) | 2024-09-20 |
Family
ID=73730613
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011075427.XA Active CN112085007B (zh) | 2020-10-09 | 2020-10-09 | 基于可见光通信物联网智能化的电气设备测试系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112085007B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113030824A (zh) * | 2021-03-03 | 2021-06-25 | 云南海力特电气自动化有限公司 | 智能化变电站容性设备在线监测系统集成化调试装置 |
| CN114070885A (zh) * | 2021-11-10 | 2022-02-18 | 北京机电工程研究所 | 一种适配于光纤网络的多类型信息传输方法 |
| CN114944870A (zh) * | 2022-07-26 | 2022-08-26 | 南昌大学 | 一种基于可见光通信的uart协议实现装置 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20130266314A1 (en) * | 2012-04-05 | 2013-10-10 | Electronics And Telecommunications Research Institute | Apparatus and method for transmitting and receiving visible light communication |
| CN105071856A (zh) * | 2015-08-17 | 2015-11-18 | 哈尔滨理工大学 | 基于ofdm的led可见光通信系统 |
| WO2018171211A1 (zh) * | 2017-03-23 | 2018-09-27 | 京东方科技集团股份有限公司 | 车载系统和交通工具 |
| WO2018188758A1 (en) * | 2017-04-13 | 2018-10-18 | Nokia Technologies Oy | Processing multiple carrier visible light communication signals |
| CN109788170A (zh) * | 2018-12-25 | 2019-05-21 | 合肥芯福传感器技术有限公司 | 一种基于红外与可见光的视频图像处理系统及方法 |
-
2020
- 2020-10-09 CN CN202011075427.XA patent/CN112085007B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20130266314A1 (en) * | 2012-04-05 | 2013-10-10 | Electronics And Telecommunications Research Institute | Apparatus and method for transmitting and receiving visible light communication |
| CN105071856A (zh) * | 2015-08-17 | 2015-11-18 | 哈尔滨理工大学 | 基于ofdm的led可见光通信系统 |
| WO2018171211A1 (zh) * | 2017-03-23 | 2018-09-27 | 京东方科技集团股份有限公司 | 车载系统和交通工具 |
| WO2018188758A1 (en) * | 2017-04-13 | 2018-10-18 | Nokia Technologies Oy | Processing multiple carrier visible light communication signals |
| CN109788170A (zh) * | 2018-12-25 | 2019-05-21 | 合肥芯福传感器技术有限公司 | 一种基于红外与可见光的视频图像处理系统及方法 |
Non-Patent Citations (1)
| Title |
|---|
| 弓健;: "基于智能化技术的电气自动化控制系统研究与实现", 电子设计工程, no. 05, 5 March 2020 (2020-03-05) * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113030824A (zh) * | 2021-03-03 | 2021-06-25 | 云南海力特电气自动化有限公司 | 智能化变电站容性设备在线监测系统集成化调试装置 |
| CN114070885A (zh) * | 2021-11-10 | 2022-02-18 | 北京机电工程研究所 | 一种适配于光纤网络的多类型信息传输方法 |
| CN114070885B (zh) * | 2021-11-10 | 2023-11-28 | 北京机电工程研究所 | 一种适配于光纤网络的多类型信息传输方法 |
| CN114944870A (zh) * | 2022-07-26 | 2022-08-26 | 南昌大学 | 一种基于可见光通信的uart协议实现装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112085007B (zh) | 2024-09-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112085007B (zh) | 基于可见光通信物联网智能化的电气设备测试系统及方法 | |
| CN111404607B (zh) | 基于机器学习和ofdm的室内可见光通信定位方法及系统 | |
| CN102244635A (zh) | 可见光通信系统及其方法 | |
| CN107395277A (zh) | 一种基于ado‑ofdm的可见光通信系统 | |
| CN109004979B (zh) | 一种室内可见光单极性ofdm通信系统的实现方法 | |
| Fall et al. | An integrated Single mode fiber communication and visible light communication system based on OFDM with Hadamard Transform | |
| CN107395276A (zh) | 一种基于改进算法的ado‑ofdm的可见光通信系统 | |
| KR20200066220A (ko) | 비승인 상향링크 전송 기반의 무선통신시스템에서 활성 단말 검출 방법 및 장치 | |
| CN113485212A (zh) | 宽带卫星信号智能识别系统 | |
| Salama et al. | PAPR reduction technique for FBMC based visible light communication systems | |
| Azim et al. | Spectral and energy efficient fast-OFDM with index modulation for optical wireless systems | |
| CN107196885B (zh) | 基于实傅里叶域哈特莱变换的颜色键控ofdm通信系统 | |
| Yeh et al. | Investigation of phosphor-LED lamp for real-time half-duplex wireless VLC system | |
| CN102404272A (zh) | 基于编码正交频分复用的无线信号处理系统与方法 | |
| Hasan et al. | An energy-efficient optical wireless OFDMA scheme for medical body-area networks | |
| CN212569822U (zh) | 基于可见光通信物联网智能化的电气设备测试系统 | |
| Lei et al. | Negatively biased solar cell optical receiver for underwater wireless optical communication system with low peak average power ratio | |
| Nan et al. | UDSem: A unified distributed learning framework for semantic communications over wireless networks | |
| Peng et al. | Sums: Sniffing Unknown Multiband Signals under Low Sampling Rates | |
| Zhang et al. | A spectrum sensing algorithm for OFDM signal based on deep learning and covariance matrix graph | |
| CN107343265A (zh) | 一种基于最大似然估计的可见光定位系统及方法 | |
| Lv et al. | Deep-Learning-Based Security of Optical Wireless Communications for Intelligent Transportation Digital Twins Systems | |
| CN114826402A (zh) | 可见光通信的信息交互方法、装置、设备及存储介质 | |
| Ye et al. | Study on the key technology of ghost imaging based on orthogonal frequency division multiplexing | |
| Lu et al. | Real-time VLC system integrated with positioning beacon transmission based on 2ASK-CE-OFDM coding |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |