CN113419226B - 一种雷达故障检修系统 - Google Patents

一种雷达故障检修系统 Download PDF

Info

Publication number
CN113419226B
CN113419226B CN202110972128.4A CN202110972128A CN113419226B CN 113419226 B CN113419226 B CN 113419226B CN 202110972128 A CN202110972128 A CN 202110972128A CN 113419226 B CN113419226 B CN 113419226B
Authority
CN
China
Prior art keywords
information
radar
generating
image information
acquisition
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.)
Active
Application number
CN202110972128.4A
Other languages
English (en)
Other versions
CN113419226A (zh
Inventor
赵希锦
郑雪峰
蔡熠东
刘厚涛
唐晓毅
江厚华
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Sichuan Jinmei Environmental Protection Co ltd
Original Assignee
Sichuan Jinmei Environmental Protection Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Sichuan Jinmei Environmental Protection Co ltd filed Critical Sichuan Jinmei Environmental Protection Co ltd
Priority to CN202110972128.4A priority Critical patent/CN113419226B/zh
Publication of CN113419226A publication Critical patent/CN113419226A/zh
Application granted granted Critical
Publication of CN113419226B publication Critical patent/CN113419226B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01SRADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/02Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
    • G01S7/40Means for monitoring or calibrating
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/21Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00Administration; Management
    • G06Q10/04Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00Administration; Management
    • G06Q10/06Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063Operations research, analysis or management
    • G06Q10/0635Risk analysis of enterprise or organisation activities
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00Administration; Management
    • G06Q10/06Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063Operations research, analysis or management
    • G06Q10/0639Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393Score-carding, benchmarking or key performance indicator [KPI] analysis
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00Administration; Management
    • G06Q10/20Administration of product repair or maintenance

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Operations Research (AREA)
  • Development Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Quality & Reliability (AREA)
  • Marketing (AREA)
  • Game Theory and Decision Science (AREA)
  • Educational Administration (AREA)
  • Data Mining & Analysis (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Alarm Systems (AREA)

Abstract

本发明涉及雷达检测技术领域,具体公开了一种雷达故障检修系统,所述系统具体包括采集端,用于采集各节点的输入信号,基于所述输入信号生成预测信号;实时获取图像信息,定时获取路况信息,并向总控端发送;至少一个处理端,用于基于所述实际输出信号得到风险信息,并将所述风险信息向总控端发送;总控端,用于接收处理端发送的风险信息,根据所述风险信息、图像信息和路况信息,确定应急预案。本发明通过采集端获取一线信息,再通过处理端对获取到的一线信息进行处理,得到风险信息,然后总控端根据一线信息及风险信息实时确定应急预案,可以极大的减少时间浪费,提高检修效率。

Description

一种雷达故障检修系统
技术领域
本发明涉及雷达检测技术领域,具体是一种雷达故障检修系统。
背景技术
天气雷达是探测降水的主要手段,是对强对流天气(冰雹、大风、龙卷和暴洪)进行监测和预警的主要工具之一,对人类进行强对流天气预报以及自然灾害预警起着十分重要的作用。因此,对天气雷达故障的监测显得尤为重要。
现有的雷达故障检测方式大都是一些事后处理过程,获取到损坏信息时,就说明雷达已经停止工作了,而发现雷达停止工作的人往往是总控室里工作的员工,他们在面对雷达失效的处理方式只有上报,然后检修部门组织检修,检修工作人员到达损坏雷达处,先要进行故障检查,然后再进行故障维修,这一过程中,极有可能出现这样一种情况,即,需要更换某个零件,但是没有携带,然后检修工作人员还需要回到检修中心,更换零件,如果没有备用零件,还需要加急采购;此外,如果是由于极端天气所造成的雷达损坏,上述时间间隔还需要增加行进时间,检修过程中出现问题的概率也会增加。
综上所述,一次雷达损坏,其检修过程极其繁琐,而且出现问题的可能性也非常高,从雷达损坏到雷达重新能够正常使用的时间间隔极长,所造成的损失也是非常大的,归根结底,是没有一套完善的雷达故障检修系统。
发明内容
本发明的目的在于提供一种雷达故障检修系统,以解决上述背景技术中提出的问题。
为实现上述目的,本发明提供如下技术方案:
一种雷达故障检修系统,所述系统具体包括:
采集端,用于采集各节点的输入信号,基于所述输入信号生成预测信号;实时获取图像信息,并向总控端发送;定时获取路况信息,并向总控端发送;
至少一个处理端,用于获取各节点的实际输出信号,并将所述实际输出信号与采集端获取到的预测信号进行比对,得到偏移率;将所述偏移率和相应的节点地址输入训练好的风险模型中,得到包含节点地址的风险信息,并将所述风险信息向总控端发送;其中,所述节点为天气雷达运行过程中进行数据传输的控制器;所述风险信息为天气雷达出现各种故障类型的概率;
总控端,用于接收处理端发送的风险信息,根据所述风险信息生成险情预案;接收采集端实时发送的图像信息,根据所述图像信息确定险情预案;接收采集端获取的路况信息,生成行车方案,根据所述险情预案和所述行车方案确定应急预案。
作为本发明技术方案进一步的限定:所述采集端具体包括:
预测信号生成模块,用于采集各节点的输入信号,基于所述输入信号生成预测信号;
图像信息获取模块,用于实时获取图像信息,并向总控端发送;
路况信息获取模块,用于定时获取路况信息,并向总控端发送。
作为本发明技术方案进一步的限定:所述至少一个处理端具体包括:
偏移率生成模块,用于获取各节点的实际输出信号,并将所述实际输出信号与采集端获取到的预测信号进行比对,得到偏移率;
风险信息生成模块,用于将所述偏移率和相应的节点地址输入训练好的风险模型中,得到包含节点地址的风险信息,并将所述风险信息向总控端发送;
其中,所述节点为天气雷达运行过程中进行数据传输的控制器;所述风险信息为天气雷达出现各种故障类型的概率。
作为本发明技术方案进一步的限定:所述总控端具体包括:
险情预案生成模块,用于接收处理端发送的风险信息,根据所述风险信息生成险情预案;
险情预案确定模块,用于接收采集端实时发送的图像信息,根据所述图像信息确定险情预案;
集成模块,用于接收采集端获取的路况信息,生成行车方案,根据所述险情预案和所述行车方案确定应急预案。
作为本发明技术方案进一步的限定:所述采集端还包括气体检测模块,所述气体检测模块具体包括:
浓度确定单元,用于实时获取空气数据,确定所述空气数据中的信息气体的浓度,所述信息气体的类型是预设的;
时间记录单元,用于当所述信息气体浓度达到预设的第二阈值时,记录达到时间;
紧急指令生成单元,用于当异常达到时间属于预定范围时,生成紧急指令,并向总控端发送。
作为本发明技术方案进一步的限定:多个所述处理端彼此之间可相互通信,当其中一个处理端出现异常时,异常处理端会将异常信息传输至其他未发生异常的处理端,其它未发生异常的处理端继续正常工作,并根据所述异常信息定位所述异常处理端。
作为本发明技术方案进一步的限定:所述处理端还包括:
互为备份的中央处理器和现场可编程门阵列,所述中央处理器和所述现场可编程门阵列通过交叉通道数据链路连接;以及
用于系统调试的调试接口。
作为本发明技术方案进一步的限定:所述互为备份的中央处理器和现场可编程门阵列相互监控,当所述处理端的所述中央处理器或所述现场可编程门阵列出现异常,所述现场可编程门阵列或所述中央处理器会将异常传输至其他未出现异常的处理端。
作为本发明技术方案进一步的限定:所述险情预案生成模块具体包括:
故障类型确定单元,用于接收处理端发送的风险信息,根据不同故障的出现概率对不同故障进行降序排列,并读取排序前30%的故障率的故障类型;
第一执行单元,用于建立与备案数据库的连接通道,根据所述排序前30%的故障率的故障类型读取备案数据库中的应急记录,基于所述应急记录生成险情预案。
作为本发明技术方案进一步的限定:所述险情预案确定模块具体包括:
特征点集生成单元,用于接收采集端实时发送的图像信息,随机获取图像信息中预定比例的像素点,生成特征点集;其中,所述像素点的个数为图像信息的总像数点乘以预定比例;
代表值生成单元,用于依次将所述特征点集中的像素点转换为特征值,得到特征数组,并基于所述特征数组生成代表值,所述代表值与所述图像信息为映射关系;
比对单元,用于将所述代表值与预设的第一阈值之间进行比对;
第二执行单元,用于当所述代表值达到预设的第一阈值和/或接收到紧急指令时,读取所述图像信息和/或紧急指令的发生时间对应的险情预案。
与现有技术相比,本发明的有益效果是:本发明通过采集端采集各节点的输入信号,基于所述输入信号生成预测信号;实时获取图像信息,并向总控端发送;定时获取路况信息,并向总控端发送;通过至少一个处理端获取各节点的实际输出信号,并将所述实际输出信号与采集端获取到的预测信号进行比对,得到偏移率;将所述偏移率和相应的节点地址输入训练好的风险模型中,得到包含节点地址的风险信息,并将所述风险信息向总控端发送;其中,所述节点为天气雷达运行过程中进行数据传输的控制器;所述风险信息为天气雷达出现各种故障类型的概率;通过总控端接收处理端发送的风险信息,根据所述风险信息生成险情预案;接收采集端实时发送的图像信息,根据所述图像信息确定险情预案;接收采集端获取的路况信息,生成行车方案,根据所述险情预案和所述行车方案确定应急预案。
本发明通过采集端获取一线信息,再通过处理端对获取到的一线信息进行处理,得到风险信息,然后总控端根据一线信息及风险信息实时确定应急预案,可以极大的减少时间浪费,提高检修效率。本发明中的采集端与雷达集成的部分所涉及到的电路采用布线槽分区走线,可以减少线路间电磁干扰,提高了检修的便捷性。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例。
图1示出了雷达故障检修系统的架构图。
图2示出了雷达故障检修系统中采集端的组成结构框图。
图3示出了雷达故障检修系统中处理端的组成结构框图。
图4示出了雷达故障检修系统中总控端的组成结构框图。
图5示出了采集端中气体检测模块的组成结构框图。
图6示出了总控端中险情预案生成模块的组成结构框图。
图7示出了总控端中险情预案确定模块的组成结构框图。
具体实施方式
为了使本发明所要解决的技术问题、技术方案及有益效果更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
在本发明实施例中使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本发明。在本发明实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。还应当理解,本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解,尽管在本发明实施例中可能采用术语第一、第二等来描述不同的模块/单元,但这些模块/单元不应限于这些术语。这些术语仅用来将同一类型的模块/单元彼此区分开。例如,在不脱离本发明实施例范围的情况下,第一执行单元也可以被称为第二执行单元,不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。类似地,第二执行单元也可以被称为第一执行单元。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。
现有的雷达故障检测方式大都是一些事后处理过程,当获取到某一雷达损坏后,需要工作人员到现场,通过一些电路监测技术,确定损坏原因,然后将问题解决,从而使得雷达可以重新运行使用。当获取到损坏信息时,就说明雷达已经停止工作了,而发现雷达停止工作的人往往是总控室里工作的员工,他们在面对雷达失效的处理方式只有上报,然后检修部门组织检修,检修工作人员到达损坏雷达处,先要进行故障检查,然后再进行故障维修,这一过程中,极有可能出现这样一种情况,即,需要更换某个零件,但是没有携带,然后检修工作人员还需要回到检修中心,更换零件,如果没有备用零件,还需要加急采购;综上所述,一次雷达损坏,其检修过程极其繁琐,而且出现问题的可能性也非常高,从雷达损坏到雷达重新能够正常使用的时间间隔极长,所造成的损失也是非常大的,归根结底,是没有一套完善的雷达故障检修系统。此外,如果是由于极端天气所造成的雷达损坏,上述时间间隔还需要增加行进时间,检修过程中出现问题的概率也会增加。
为解决上述问题,在本发明实施例中,本发明通过采集端采集各节点的输入信号,基于所述输入信号生成预测信号;实时获取图像信息,并向总控端发送;定时获取路况信息,并向总控端发送;通过至少一个处理端获取各节点的实际输出信号,并将所述实际输出信号与采集端获取到的预测信号进行比对,得到偏移率;将所述偏移率和相应的节点地址输入训练好的风险模型中,得到包含节点地址的风险信息,并将所述风险信息向总控端发送;其中,所述节点为天气雷达运行过程中进行数据传输的控制器;所述风险信息为天气雷达出现各种故障类型的概率;通过总控端接收处理端发送的风险信息,根据所述风险信息生成险情预案;接收采集端实时发送的图像信息,根据所述图像信息确定险情预案;接收采集端获取的路况信息,生成行车方案,根据所述险情预案和所述行车方案确定应急预案。本发明通过采集端获取一线信息,再通过处理端对获取到的一线信息进行处理,得到风险信息,然后总控端根据一线信息及风险信息实时确定应急预案,可以极大的减少时间浪费,提高检修效率。
实施例1
图1示出了雷达故障检修系统的架构图,本发明实施例中,一种雷达故障检修系统,所述系统具体包括:
采集端10,用于采集各节点的输入信号,基于所述输入信号生成预测信号;实时获取图像信息,并向总控端发送;定时获取路况信息,并向总控端发送;
至少一个处理端20,用于获取各节点的实际输出信号,并将所述实际输出信号与采集端获取到的预测信号进行比对,得到偏移率;将所述偏移率和相应的节点地址输入训练好的风险模型中,得到包含节点地址的风险信息,并将所述风险信息向总控端发送;其中,所述节点为天气雷达运行过程中进行数据传输的控制器;所述风险信息为天气雷达出现各种故障类型的概率;
总控端30,用于接收处理端发送的风险信息,根据所述风险信息生成险情预案;接收采集端实时发送的图像信息,根据所述图像信息确定险情预案;接收采集端获取的路况信息,生成行车方案,根据所述险情预案和所述行车方案确定应急预案。
图1示出了雷达故障检修系统的架构图,具体的,可以包括采集端10、处理端20、总控端30以及网络。网络可以是用以在采集端10、处理端20和总控端30之间提供通信链路的介质。网络可以包括各种连接类型,但本发明以无线通信链路为主。
采集端10首先要具备的是通信功能和数据采集功能,其采集的数据一是雷达自身的数据;其次,它还具备图像获取功能,获取的是雷达自身的图像信息;此外,采集端10还要具备路面信息采集功能,这一功能其实分为两步,一是附近主干道路上的行车信息,二是雷达周围的活动信息,雷达周围的活动信息可以是根据已有的活动物体来确定;附近主干道路上的行车信息则需要借助现有的车辆监测系统。所述采集端10可以是硬件,也可以是软件。当采集端10为硬件时,至少是具有通信、图像获取以及车辆状态检测功能的电子设备,所述电子设备是一套系统,而不一定非要限定为一个相连的整体,包括但不限于无人机或多联摄像头等,值得一提的是,雷达自身数据获取的功能,一般是集成在雷达的控制器中;当采集端10为软件时,可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块,也可以实现成单个软件或软件模块。在此不做具体限定。
处理端20是一个固定端,它与采集端10是分离的,所述处理端20具备通信以及数据处理功能,对于处理端20的描述详见下述内容,这里不做细述。。
进一步的,本发明实施例通过总控端30接收处理端发送的风险信息,根据所述风险信息生成险情预案;接收采集端实时发送的图像信息,根据所述图像信息确定险情预案;接收采集端获取的路况信息,生成行车方案,根据所述险情预案和所述行车方案确定应急预案。
需要说明的是,上述总控端30是一种服务设备,所述服务设备可以是硬件,也可以是软件。当服务设备为硬件时,可以实现成多个服务设备组成的分布式服务设备集群,也可以实现成单个服务设备。当服务设备为软件时,可以实现成多个软件或软件模块,也可以实现成单个软件或软件模块。在此不做具体限定。
应该理解,图1中的采集端10、处理端20和总控端30的数目仅仅是示意性的。根据实现需要,可以具有任意数目的采集端10、处理端20和总控端30。
图2示出了雷达故障检修系统中采集端的组成结构框图,所述采集端10具体包括:
预测信号生成模块11,用于采集各节点的输入信号,基于所述输入信号生成预测信号;
图像信息获取模块12,用于实时获取图像信息,并向总控端发送;
路况信息获取模块13,用于定时获取路况信息,并向总控端发送。
从上述内容可以看出,所述采集端的功能有三项,第一,获取雷达自身的数据,并生成预测信息;这一过程从硬件的角度去说明较为容易:雷达是一种智能化设备,内部含有极多的微处理器,这些微处理器是层级分布的,上述节点可以理解为处于同一级的各微处理器,对于微处理器来说,一项输入对应一项输出,在获取到输入时,会根据一个理论模型,确定一个理论输出,对于计算机设备来说,每一步都是精确定,往往理论输出与实际输出值是相同,如果不同,那就说明出错了;因此,理论值在其它工科领域中,可能只具备参考意义,但是在计算机技术领域中,理论值是能直接作为比对值参与使用的。
第二,所述采集端需要采集图像信息,图像信息是雷达整体的图像信息,而且有一个细节就是,图像信息是实时获取的,一旦检测到图像信息突变,雷达出现问题的概率就非常的高,比如,一旦发生短路现象,那么短路部位会产生火花,在图像信息上,就是大量的白光。值得一提的是,获取图像信息的硬件与获取雷达自身的数据的硬件是不同的硬件,但它们统称采集端。
第三,所述采集端定时获取路况信息,这个重点在于,定时,这与图像信息获取过程是不同的,因为路况信息发生突变的概率很低,每隔五分钟、十分钟或是半小时获取一次,都是可行的;其中,路况信息包括路面信息和道路信息,道路信息可以归纳为一个读取过程,因为现有的交通管理系统中,每一段道路上都会有路况信息获取用的各种设备,借助已有的交通管理系统,即可获取道路信息;至于路面信息,则需要进行一定的说明,举例来说,如果是降水季节,雷达附近的泥土变的松软,不同车辆行进的能力肯定不同,最简单的,我们可以根据已有的活动车辆,来确定运输车辆;值得一提的是,行动不便的车辆的参考意义最大,它代表着泥土承载能力限额,至于行进车辆是否为不便,可以通过车辆留下的痕迹来判断,相应的,也需要借助图像获取功能,然后判断图像中的痕迹程度。
图3示出了雷达故障检修系统中处理端的组成结构框图,所述至少一个处理端20具体包括:
偏移率生成模块21,用于获取各节点的实际输出信号,并将所述实际输出信号与采集端获取到的预测信号进行比对,得到偏移率;
风险信息生成模块22,用于将所述偏移率和相应的节点地址输入训练好的风险模型中,得到包含节点地址的风险信息,并将所述风险信息向总控端发送;
其中,所述节点为天气雷达运行过程中进行数据传输的控制器;所述风险信息为天气雷达出现各种故障类型的概率。
处理端20的工作内容有两点,一是偏移率,偏移率是实际输出信号与预测信号之间的偏移,我们知道,雷达的作用就是数据传输,其中有很多波形放大电路,可以想到,总有一些影响是超出理论预测之外的,因此,允许实际输出信号与预测信号之间存在一定的偏差;上述节点地址的描述是一个明确的限定,即,风险信息必须包含检测的节点地址。
值得一提的是,所述风险模型需要预先确定,其确定方法是样本-拟合法,根据已有的数据不断拟合,最终可以确定一个准确定极高的风险模型;风险模型的输出是风险信息,风险信息中是不同故障的概率。通俗的说,不同节点发生偏移,其代表的风险类型也是不同的。
图4示出了雷达故障检修系统中总控端的组成结构框图,所述总控端30具体包括:
险情预案生成模块31,用于接收处理端发送的风险信息,根据所述风险信息生成险情预案;
险情预案确定模块32,用于接收采集端实时发送的图像信息,根据所述图像信息确定险情预案;
集成模块33,用于接收采集端获取的路况信息,生成行车方案,根据所述险情预案和所述行车方案确定应急预案。
上述内容是对总控端的具体细化,总而言之,根据获取到的不同信息,进而确定不同方案。
图5示出了采集端中气体检测模块的组成结构框图,所述采集端10还包括气体检测模块14,所述气体检测模块14具体包括:
浓度确定单元141,用于实时获取空气数据,确定所述空气数据中的信息气体的浓度,所述信息气体的类型是预设的;
时间记录单元142,用于当所述信息气体浓度达到预设的第二阈值时,记录达到时间;
紧急指令生成单元143,用于当异常达到时间属于预定范围时,生成紧急指令,并向总控端发送。
上述内容是一个辅助模块,用于配合图像信息获取模块,其功能也是类似的,只不过,气体检测模块检测的是气体;举例来说,如果出现短路,某段线路被烧坏了,那么空气中不同气体,即,信息气体所占的指标一定是不同的,至于何种气体及其检测方式取决于不同的设计者,本发明不作细述。
值得一提的是,信息气体的判断标准是时间,一般由于短路烧坏的气体,其持续时间是一定范围的,时间过短无意义,时间过长说明是区域性的气体浓度变化,与雷达关系不大。
对于处理端,多个所述处理端彼此之间可相互通信,当其中一个处理端出现异常时,异常处理端会将异常信息传输至其他未发生异常的处理端,其它未发生异常的处理端继续正常工作,并根据所述异常信息定位所述异常处理端。
所述处理端还包括:互为备份的中央处理器和现场可编程门阵列,所述中央处理器和所述现场可编程门阵列通过交叉通道数据链路连接;以及用于系统调试的调试接口。
其中,所述互为备份的中央处理器和现场可编程门阵列相互监控,当所述处理端的所述中央处理器或所述现场可编程门阵列出现异常,所述现场可编程门阵列或所述中央处理器会将异常传输至其他未出现异常的处理端。
图6示出了总控端中险情预案生成模块的组成结构框图,所述险情预案生成模块31具体包括:
故障类型确定单元311,用于接收处理端发送的风险信息,根据不同故障的出现概率对不同故障进行降序排列,并读取排序前30%的故障率的故障类型;
第一执行单元312,用于建立与备案数据库的连接通道,根据所述排序前30%的故障率的故障类型读取备案数据库中的应急记录,基于所述应急记录生成险情预案。
在实际应用中,故障率的区别都非常大,几乎可以确定故障类型,之所以设计一个故障率,其原因也是提高系统的抗干扰性,通俗的说,做多手准备。确定了故障类型,就可以读取备案数据库中的应急记录,其中,重点是所用到的工具以及零件,防止出现“巧妇难为无米之炊”的情况。
图7示出了总控端中险情预案确定模块的组成结构框图,所述险情预案确定模块32具体包括:
特征点集生成单元321,用于接收采集端实时发送的图像信息,随机获取图像信息中预定比例的像素点,生成特征点集;其中,所述像素点的个数为图像信息的总像数点乘以预定比例;
代表值生成单元322,用于依次将所述特征点集中的像素点转换为特征值,得到特征数组,并基于所述特征数组生成代表值,所述代表值与所述图像信息为映射关系;
比对单元323,用于将所述代表值与预设的第一阈值之间进行比对;
第二执行单元324,用于当所述代表值达到预设的第一阈值和/或接收到紧急指令时,读取所述图像信息和/或紧急指令的发生时间对应的险情预案。
上述内容是险情预案确定模块的具体细述,举例来说,有这样一张图片,首先随机的获取相应的一些像素点,然后将这些像素点的色值转换为一个特定的值,比如灰度值,然后再根据这些灰度值生成一个代表值,所述代表值可以是平均数、中位数或众数;具体区别不大,因为上述内容想要检测的是一些闪光照片,当闪光发生时,图片的特征很明显。当所述代表值达到预设的阈值时,就说明出现了闪光情况,当接收到紧急指令时,就说明空气中有一些着火后可能出现的气体,无论是闪光还是出现气体,都是特殊情况,因此,需要确定险情预案;通俗的说,险情预案在确定之前,一直是跟随风险信息不断变动的,直到出现特殊情况,才确定为何种险情预案。
在所述雷达故障检修系统所能实现的功能均由计算机设备完成,所述计算机设备包括一个或多个处理器和一个或多个存储器,所述一个或多个存储器中存储有至少一条程序代码,所述程序代码由所述一个或多个处理器加载并执行以实现所述雷达故障检修系统的功能。
处理器从存储器中逐条取出指令、分析指令,然后根据指令要求完成相应操作,产生一系列控制命令,使计算机各部分自动、连续并协调动作,成为一个有机的整体,实现程序的输入、数据的输入以及运算并输出结果,这一过程中产生的算术运算或逻辑运算均由运算器完成;所述存储器包括只读存储器(Read-Only Memory,ROM),所述只读存储器用于存储计算机程序,所述存储器外部设有保护装置。
示例性的,计算机程序可以被分割成一个或多个模块,一个或者多个模块被存储在存储器中,并由处理器执行,以完成本发明。一个或多个模块可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述计算机程序在终端设备中的执行过程。
本领域技术人员可以理解,上述服务设备的描述仅仅是示例,并不构成对终端设备的限定,可以包括比上述描述更多或更少的部件,或者组合某些部件,或者不同的部件,例如可以包括输入输出设备、网络接入设备、总线等。
所称处理器可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器 (Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列 (Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等,上述处理器是上述终端设备的控制中心,利用各种接口和线路连接整个用户终端的各个部分。
上述存储器可用于存储计算机程序和/或模块,上述处理器通过运行或执行存储在存储器内的计算机程序和/或模块,以及调用存储在存储器内的数据,实现上述终端设备的各种功能。存储器可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序(比如信息采集模板展示功能、产品信息发布功能等)等;存储数据区可存储根据泊位状态显示系统的使用所创建的数据(比如不同产品种类对应的产品信息采集模板、不同产品提供方需要发布的产品信息等)等。此外,存储器可以包括高速随机存取存储器,还可以包括非易失性存储器,例如硬盘、内存、插接式硬盘,智能存储卡(Smart Media Card, SMC),安全数字(Secure Digital, SD)卡,闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
终端设备集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实现上述实施例系统中的全部或部分模块/单元,也可以通过计算机程序来指令相关的硬件来完成,上述的计算机程序可存储于计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个系统实施例的功能。其中,计算机程序包括计算机程序代码,计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读介质可以包括:能够携带计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random AccessMemory)、电载波信号、电信信号以及软件分发介质等。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。

Claims (10)

1.一种雷达故障检修系统,其特征在于,所述系统具体包括:
采集端,用于采集各节点的输入信号,基于所述输入信号生成预测信号;实时获取图像信息,并向总控端发送;定时获取路况信息,并向总控端发送;
至少一个处理端,用于获取各节点的实际输出信号,并将所述实际输出信号与采集端获取到的预测信号进行比对,得到偏移率;将所述偏移率和相应的节点地址输入训练好的风险模型中,得到包含节点地址的风险信息,并将所述风险信息向总控端发送;其中,所述节点为天气雷达运行过程中进行数据传输的控制器;所述风险信息为天气雷达出现各种故障类型的概率;
总控端,用于接收处理端发送的风险信息,根据所述风险信息生成险情预案;接收采集端实时发送的图像信息,根据所述图像信息确定险情预案;接收采集端获取的路况信息,生成行车方案,根据所述险情预案和所述行车方案确定应急预案。
2.根据权利要求1所述的雷达故障检修系统,其特征在于,所述采集端具体包括:
预测信号生成模块,用于采集各节点的输入信号,基于所述输入信号生成预测信号;
图像信息获取模块,用于实时获取图像信息,并向总控端发送;
路况信息获取模块,用于定时获取路况信息,并向总控端发送。
3.根据权利要求1所述的雷达故障检修系统,其特征在于,所述至少一个处理端具体包括:
偏移率生成模块,用于获取各节点的实际输出信号,并将所述实际输出信号与采集端获取到的预测信号进行比对,得到偏移率;
风险信息生成模块,用于将所述偏移率和相应的节点地址输入训练好的风险模型中,得到包含节点地址的风险信息,并将所述风险信息向总控端发送;
其中,所述节点为天气雷达运行过程中进行数据传输的控制器;所述风险信息为天气雷达出现各种故障类型的概率。
4.根据权利要求1所述的雷达故障检修系统,其特征在于,所述总控端具体包括:
险情预案生成模块,用于接收处理端发送的风险信息,根据所述风险信息生成险情预案;
险情预案确定模块,用于接收采集端实时发送的图像信息,根据所述图像信息确定险情预案;
集成模块,用于接收采集端获取的路况信息,生成行车方案,根据所述险情预案和所述行车方案确定应急预案。
5.根据权利要求2所述的雷达故障检修系统,其特征在于,所述采集端还包括气体检测模块,所述气体检测模块具体包括:
浓度确定单元,用于实时获取空气数据,确定所述空气数据中的信息气体的浓度,所述信息气体的类型是预设的;
时间记录单元,用于当所述信息气体浓度达到预设的第二阈值时,记录达到时间;
紧急指令生成单元,用于当异常达到时间属于预定范围时,生成紧急指令,并向总控端发送。
6.根据权利要求3所述的雷达故障检修系统,其特征在于,多个所述处理端彼此之间可相互通信,当其中一个处理端出现异常时,异常处理端会将异常信息传输至其他未发生异常的处理端,其它未发生异常的处理端继续正常工作,并根据所述异常信息定位所述异常处理端。
7.根据权利要求6所述的雷达故障检修系统,其特征在于,所述处理端还包括:
互为备份的中央处理器和现场可编程门阵列,所述中央处理器和所述现场可编程门阵列通过交叉通道数据链路连接;以及
用于系统调试的调试接口。
8.根据权利要求7所述的雷达故障检修系统,其特征在于,所述互为备份的中央处理器和现场可编程门阵列相互监控,当所述处理端的所述中央处理器或所述现场可编程门阵列出现异常,所述现场可编程门阵列或所述中央处理器会将异常传输至其他未出现异常的处理端。
9.根据权利要求4所述的雷达故障检修系统,其特征在于,所述险情预案生成模块具体包括:
故障类型确定单元,用于接收处理端发送的风险信息,根据不同故障的出现概率对不同故障进行降序排列,并读取排序前30%的故障率的故障类型;
第一执行单元,用于建立与备案数据库的连接通道,根据所述排序前30%的故障率的故障类型读取备案数据库中的应急记录,基于所述应急记录生成险情预案。
10.根据权利要求4所述的雷达故障检修系统,其特征在于,所述险情预案确定模块具体包括:
特征点集生成单元,用于接收采集端实时发送的图像信息,随机获取图像信息中预定比例的像素点,生成特征点集;其中,所述像素点的个数为图像信息的总像数点乘以预定比例;
代表值生成单元,用于依次将所述特征点集中的像素点转换为特征值,得到特征数组,并基于所述特征数组生成代表值,所述代表值与所述图像信息为映射关系;
比对单元,用于将所述代表值与预设的第一阈值之间进行比对;
第二执行单元,用于当所述代表值达到预设的第一阈值和/或接收到紧急指令时,读取所述图像信息和/或紧急指令的发生时间对应的险情预案。
CN202110972128.4A 2021-08-24 2021-08-24 一种雷达故障检修系统 Active CN113419226B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110972128.4A CN113419226B (zh) 2021-08-24 2021-08-24 一种雷达故障检修系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110972128.4A CN113419226B (zh) 2021-08-24 2021-08-24 一种雷达故障检修系统

Publications (2)

Publication Number Publication Date
CN113419226A CN113419226A (zh) 2021-09-21
CN113419226B true CN113419226B (zh) 2021-11-12

Family

ID=77719508

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110972128.4A Active CN113419226B (zh) 2021-08-24 2021-08-24 一种雷达故障检修系统

Country Status (1)

Country Link
CN (1) CN113419226B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113778036B (zh) * 2021-09-27 2022-04-05 广州天幕信息科技有限公司 餐厨垃圾处理智能管理和控制方法及系统
CN113763443B (zh) * 2021-11-08 2022-03-22 河北三恩油气工程技术服务有限公司 一种用于燃气轮机的部件监控系统
CN113762225B (zh) * 2021-11-09 2022-02-11 博兴兴业精细化工产业发展有限公司 一种化工车间用自动监控报警系统
CN114115008A (zh) * 2021-11-17 2022-03-01 国网山东省电力公司电力科学研究院 一种基于5g网络电力设备运行数据传输方法及系统
CN114565895B (zh) * 2022-04-28 2022-07-26 深圳市博铭维系统工程有限公司 一种基于智慧社会的安防监控系统及方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6559792B1 (en) * 2002-03-06 2003-05-06 M/A-Com Inc. Test circuit and test method for a pulse doppler radar sensor
KR102116522B1 (ko) * 2019-05-13 2020-05-29 대한민국 대공레이더 on/off deck 변조기 정비장비

Family Cites Families (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7440906B1 (en) * 2001-09-04 2008-10-21 Accenture Global Services Gmbh Identification, categorization, and integration of unplanned maintenance, repair and overhaul work on mechanical equipment
CN106301610A (zh) * 2016-08-29 2017-01-04 北京航空航天大学 一种超外差接收机的自适应故障检测和诊断方法及装置
CN109856969B (zh) * 2018-11-06 2023-10-03 皖西学院 一种基于bp神经网络模型的故障预测方法及预测系统
CN112488142A (zh) * 2019-09-12 2021-03-12 中移(苏州)软件技术有限公司 一种雷达故障的预测方法、装置及存储介质
CN110736968B (zh) * 2019-10-16 2021-10-08 清华大学 基于深度学习的雷达异常状态诊断方法
CN110865628B (zh) * 2019-10-25 2020-12-25 清华大学深圳国际研究生院 基于工况数据的新能源汽车电控系统故障预测方法
CN110855521B (zh) * 2019-11-12 2022-06-14 中国电子科技集团公司第十四研究所 基于网络化的测试系统在线监测与故障诊断软件平台
CN111178554B (zh) * 2019-12-19 2023-08-11 北京无线电测量研究所 一种设备健康管理方法、系统及雷达
CN111487595A (zh) * 2020-04-10 2020-08-04 陕西英华电子科技有限公司 一种雷达远程维修系统及其使用方法
CN111539515B (zh) * 2020-04-21 2023-04-07 中国电子科技集团公司第三十八研究所 一种基于故障预测的复杂装备维修决策方法
CN111784207B (zh) * 2020-07-30 2021-09-17 中国电子科技集团公司第十四研究所 一种开放式雷达健康管理系统
CN112540358A (zh) * 2020-12-02 2021-03-23 中国电子科技集团公司第三十八研究所 一种基于状态预测的功能自修复雷达系统
CN112904291B (zh) * 2021-01-28 2024-01-16 湖北省气象信息与技术保障中心 一种基于编码的多普勒天气雷达故障诊断系统和方法
CN112987696A (zh) * 2021-03-15 2021-06-18 国家电网有限公司 一种区域配电网设备管理平台及其运行方法
CN113253216B (zh) * 2021-05-12 2024-01-16 湖北省气象信息与技术保障中心 一种基于专家知识的天气雷达测试诊断维修系统

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6559792B1 (en) * 2002-03-06 2003-05-06 M/A-Com Inc. Test circuit and test method for a pulse doppler radar sensor
KR102116522B1 (ko) * 2019-05-13 2020-05-29 대한민국 대공레이더 on/off deck 변조기 정비장비

Also Published As

Publication number Publication date
CN113419226A (zh) 2021-09-21

Similar Documents

Publication Publication Date Title
CN113419226B (zh) 一种雷达故障检修系统
AU2011227319A1 (en) Intelligent network
CN103632211A (zh) 一种机动车故障预警和召回预测系统
CN115452046A (zh) 一种基于物联网的环保监测系统及方法
US20230024645A1 (en) Systems and methods for identifying electric power delivery system event locations using machine learning
CN113987724A (zh) 基于拓扑分析的电网风险辨识方法及系统
CN111488338B (zh) 应用于风控决策流的模型监控方法及装置
CN113806343A (zh) 一种车联网数据质量的评估方法和系统
CN116882695A (zh) 自动巡检方法、装置、计算机设备及存储介质
CN115937800B (zh) 一种高速公路行为监控数据处理方法及系统
CN111007361A (zh) 一种输电线路故障定位方法、系统以及设备
US20130325203A1 (en) Methods and systems for monitoring a vehicle for faults
CN113688987B (zh) 光伏监测模型的训练方法、光伏设备的监测方法及设备
CN114220191B (zh) 行车状态识别方法、装置、计算机设备及可读存储介质
CN115796726A (zh) 车辆异常处理方法、车辆异常检测方法、装置、系统和部件
CN115169830A (zh) 基于大数据的配网单线图质量校核分析方法
CN114911982A (zh) 一种车辆故障预警方法、装置、终端设备及存储介质
CN113706834A (zh) 超标违排报警的实时推送提醒系统及其推送方法
CN113362630A (zh) 一种智慧城市建设道路交通信号设备故障分析处理方法、系统及计算机存储介质
CN113344719A (zh) 保险用户风险预警监控系统及其监控方法
CN113300918A (zh) 智慧灯杆的故障检测方法、终端设备及存储介质
CN110718088A (zh) 公交运行状态监控方法及装置
CN116939159B (zh) 一种农田灾害预警方法及系统
US20120323616A1 (en) Methods and systems for determining downtime drivers
CN117370848B (zh) 设备故障预测方法、装置、计算机设备及存储介质

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