CN113706837B - 一种发动机异常状态检测方法和装置 - Google Patents

Abstract

本发明提供一种发动机异常状态检测方法和装置，方案在实施过程中，首先采用特征抽取取方式获取存储的视频数据中的特征数据，然后再对所述特征数据进行分类，将所述特征数据分为不同的簇，计算每个簇的簇中心的值，计算下一周期获取到的视频数据对应的特征数据的值与对应的所述簇中心的值的差值，将计算得到的差值与报警阈值进行对比，如果特征数据中与所述簇中心的最小差值大于报警阈值时，更新报警状态为第一预设状态，从而实现了基于图像数据对发动机进行监测，在发动机异常时进行提醒，提高了发动机监测结果的可靠性。

Description

一种发动机异常状态检测方法和装置

技术领域

本发明涉及动力设备技术领域，具体涉及一种发动机异常状态检测方法和装置。

背景技术

发动机性能测试是发动机试验的重要环节，现有技术中，主要通过发动机的运行熟路来检测发动机的工况情况，但是申请人经研究发现，随着发动机试验的进行，有相当数量的运动部件如扎带、管线等，受到试验中振动及通风的影响，发生近似周期性的运动，随着发动机试验的进行，缸体等部件会受高温影响，表面颜色会缓慢发生变化，另外一些运动部件的位置姿态也会发生缓慢的偏移，这些状态的改变很难采用手工设计特征的方式与异常状态区分，导致在判断异常状态时会以较高的频率出现假阳性。

发明内容

有鉴于此，本发明实施例提供一种发动机异常状态检测方法和装置，以实现提高发动机异常状态判断结果的可靠性。

为实现上述目的，本发明实施例提供如下技术方案：

一种发动机异常状态检测方法，包括：

采用图像采集设备对处于工作过程中的发动机中的目标区域进行图像采集；

存储预设长度的视频数据；

采用特征抽取取方式获取存储的视频数据中的特征数据；

对所述特征数据进行分类，将所述特征数据分为不同的簇；

基于分类结果计算得到每类特征数据对应的簇中心的值；

计算当前周期计算得到的特征数据的值和与其对应的所述簇中心的值的差值；

当当前周期计算得到的特征数据与所述簇中心的最小差值大于报警阈值时，将该特征数据对应的图像区域的报警状态更新为第一预设状态；

当各个特征数据中与所述簇中心的最小差值小于报警阈值时，将该特征数据对应的图像区域的更新报警状态更新为第二预设状态。

可选的，上述发动机异常状态检测方法中，当当前周期计算得到的特征数据与所述簇中心的最小差值小于报警阈值时，还包括：

判断所述特征数据中与所述簇中心的最小差值是否小于预设更新阈值；

当小于所述预设更新阈值时，采用线性数据处理方法基于当前周期获取到的所述特征数据更新所述最小差值对应的簇中心的值。

可选的，上述发动机异常状态检测方法中，方法还包括：

为每个簇中心配置一个簇中心分数；

更新所述最小差值对应的簇中心的值之后，还包括：

增加更新后的所述簇中心对应的簇中心分数；

当同一特征数据对应的簇中心的数量大于预设值时，移除簇中心分数最低的簇中心。

可选的，上述发动机异常状态检测方法中，更新所述最小差值对应的簇中心的值之后，还包括：

增加所述最小差值对应的簇中心的簇中心分数。

可选的，上述发动机异常状态检测方法中，还包括：

当当前周期计算得到的特征数据与所述簇中心的最小差值大于所述预设更新阈值时，基于当前周期获取到的特征数据计算得到应簇中心，并为计算得到应簇中心配置一个簇中心分数，同时降低该特征数据对应的其他簇中心的簇中心分数。

一种发动机异常状态检测装置，包括：

采集单元，用于采用图像采集设备对处于工作过程中的发动机中的目标区域进行视频采集；

特征数据提取单元，用于存储预设长度的视频数据，采用特征抽取取方式获取存储的视频数据中的特征数据；

聚类单元，用于对所述特征数据进行分类，将所述特征数据分为不同的簇；

数据处理单元，用于基于分类结果计算得到每类特征数据对应的簇中心的值；计算当前周期计算得到的特征数据的值和与其对应的所述簇中心的值的差值；

预警单元，用于当当前周期计算得到的特征数据与所述簇中心的最小差值大于报警阈值时，将该特征数据对应的图像区域的报警状态更新为第一预设状态；当各个特征数据中与所述簇中心的最小差值小于报警阈值时，将该特征数据对应的图像区域的更新报警状态更新为第二预设状态。

可选的，上述发动机异常状态检测装置中，还包括：

数据更新单元，用于当当前周期计算得到的特征数据与所述簇中心的最小差值小于报警阈值时，判断所述特征数据中与所述簇中心的最小差值是否小于预设更新阈值；当小于所述预设更新阈值时，采用线性数据处理方法基于当前周期获取到的所述特征数据更新所述最小差值对应的簇中心的值。

可选的，上述发动机异常状态检测装置中，所述数据更新单元还用于：

为每个簇中心配置一个簇中心分数；

更新所述最小差值对应的簇中心的值之后，所述数据更新单元还用于：

增加更新后的所述簇中心对应的簇中心分数；

当同一特征数据对应的簇中心的数量大于预设值时，移除簇中心分数最低的簇中心。

可选的，上述发动机异常状态检测装置中，更新所述最小差值对应的簇中心的值之后，所述数据更新单元，还用于：

增加所述最小差值对应的簇中心的簇中心分数。

可选的，上述发动机异常状态检测装置中，所述数据更新单元，还用于：

当当前周期计算得到的特征数据与所述簇中心的最小差值大于所述预设更新阈值时，基于当前周期获取到的特征数据计算得到应簇中心，并为计算得到应簇中心配置一个簇中心分数，同时降低该特征数据对应的其他簇中心的簇中心分数。

基于上述技术方案，本发明实施例提供的上述方案中，采用特征抽取取方式获取存储的视频数据中的特征数据，然后再对所述特征数据进行分类，将所述特征数据分为不同的簇，计算每个簇的簇中心的值，计算下一周期获取到的视频数据对应的特征数据的值与对应的所述簇中心的值的差值，将计算得到的差值与报警阈值进行对比，如果特征数据中与所述簇中心的最小差值大于报警阈值时，更新报警状态为第一预设状态，从而实现了基于图像数据对发动机进行监测，在发动机异常时进行提醒，提高了发动机监测结果的可靠性。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，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实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。

图1为本申请实施例公开的发动机异常状态检测方法的流程示意图；

图2为本申请另一实施例公开的发动机异常状态检测方法的流程示意图；

图3为本申请实施例公开的发动机异常状态检测装置的结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

为了提高发动机试验结果的可靠性，本申请公开了一种发动机异常状态检测方法和装置，参见图1，本申请实施例公开的发动机异常状态检测方法可以包括：

步骤S101：采用图像采集设备对处于工作过程中的发动机中的目标区域进行视频采集；

在本方案中，在实验过程中采用图像采集模块对处于工作状态的发动机中的目标区域进行视频采集，再采用视频流回调模块处理所述图像采集模块采集到的原始视频流，获得所述发动机工作过程中的视频帧；

步骤S102：存储预设长度的视频数据；

在本步骤中，当获取到用户给出的初始化指令时，初始化模块被触发，存储预设长度n的视频帧，其中，所述n为正整数，所述n的值可以依据用户需求自行设定，在存储预设长度的视频数据时滑动窗口，可以通过滑动窗口进行视频数据的存储；

步骤S103：采用特征抽取取方式获取存储的视频数据中的特征数据；

在本步骤中，所述特征数据可以包括视频帧中不同色彩空间中对烟雾、火光敏感的某些通道的数据、加入时序的光流等信息中的任意一项或多项，这些特征数据可以通过不同的特征抽取模块(滤波器)对所述视频帧进行数据抽取得到，每个特征抽取模块抽取一类特征数据；

具体的本步骤中，所述特征数据可以指的是特征向量，可以采用特征抽取模块对所述视频帧中的特征数据进行抽取得到，具体的，在特征抽取模块中，将单帧视频帧切分成从上到下、从左到右划分为互不重叠的大小相同的w×h个图像块b(i,j),0≤i≤w-1,0≤j≤h-1，针对每个单个图像块可以通过手动设计、数据降维或其他方法抽取长度为k的特征向量，通过所述特征向量表征所述发动机是否发生如烟雾/火情等异常情况，这些特征向量，即为本步骤中的特征数据。

具体的，在计算每个图像块对应的特征向量时，具体通过以下方法来实现：

针对单个视频帧划分的单个图像块，设计p为该块的邻域个数，所谓邻域，指的是与该单个图像块相邻的区域，最终对应单个图像块的特征向量由图像块原本特征及其p个邻域内块特征决定，设特征向量长度K＝K(k,p)，原本的k维特征向量也可理解为无邻域情况下的退化形式，以此方法处理n个帧视频，最终获得n×w×h×K的特征向量表示。

步骤S104：对所述特征数据进行分类，将所述特征数据分为不同的簇；

在本步骤中，开始对所述特征向量进行聚类初始化，对各组视频帧对应的w×h个图像块对应区域的特征向量在时间维度上做聚类，每个图像块对应的位置所对应的m个K维聚类集合，即，将一组视频帧中的每个图像块位置对应的所有图像块的特征向量在时间维度上进行聚类，得到m个聚类集合，由于每个视频帧对应有w×h个图像块，因此会有m*w*h个聚类集合。

步骤S105：基于分类结果计算得到每类特征数据对应的簇中心的值；

在本步骤中，对每个每个聚类集合中的特征向量进行计算，得到每个聚类集合对应的簇中心的值，在本步骤中，所述簇中心的值可以为一个向量值，通过对每个图像块的局域(图像块内的区域)获得初始的m个K维聚类集合的簇中心，作为该区域下的簇中心(也可以成为基准状态)State(i,j,n_center),0≤i≤w-1,0≤j≤h-1,0≤n_center≤m-1，各个簇中心间的最大距离记为d_ref(i,j),0≤i≤w-1,0≤j≤h-1。

步骤S106：计算当前周期计算得到的特征数据的值和与其对应的所述簇中心的值的差值；

本步骤中，每个周期执行步骤S103，获取当前周期的视频数据中的每个视频帧对应的每个图像块的特征数据，将当前周期计算得到的每个图像块的特征数据的值与记录的、与该图像块区域所匹配的簇中心的值进行对比，计算当前周期计算得到的每个视频帧的各个图像块的特征数据的值与记录的簇中心的值之间的距离。

即，在本步骤中，针对最新视频帧(当前周期获取到的视频帧)划分的单个图像块，设计p为该块的邻域个数，最终对应单个块的特征向量Feature(i,j),0≤i≤w-1,0≤j≤h-1由块原本特征及其p个邻域内块特征决定，所述特征向量Feature(i,j)的长度为K＝K(k,p)。即，在本步骤中，将当前周期计算得到的视频帧的图像块的特征向量Feature(i,j)与和该图像块位置相匹配的m个簇中心State(i,j,n_center)进行对比，计算两者之间的距离。

步骤S107：当当前周期计算得到的特征数据与所述簇中心的最小差值大于报警阈值时，将该特征数据对应的图像区域的报警状态更新为第一预设状态；

在本步骤中，将当前周期计算得到的视频帧的某个图像块b(i,j)的特征向量Feature(i,j)和与该图像块位置相匹配的m个簇中心的值state(i,j,n_center)进行对比，如果所述前周期计算得到的特征向量Feature(i,j)与所述m个簇中心的值State(i,j,n_center)之间的最小差值之大于预设的报警阈值，则，将该图像块b(i,j)对应的位置的报警状态更新报警状态为第一预设状态。

具体的，若最小差值大于报警阈值T_alert(i,j),0≤i≤w-1,0≤j≤h-1，则将报警模块中该图像块b(i,j)对应位置的警报状态置为布尔值True。

步骤S108：当各个特征数据中与所述簇中心的最小差值小于报警阈值时，将该特征数据对应的图像区域的更新报警状态更新为第二预设状态；

当当前周期测得的视频帧的某个图像块的特征数据和与该图像块b(i,j)的位置相匹配的m个簇中心的最小差值小于报警阈值T_alert(i,j)时，则将报警模块中该图像块b(i,j)对应位置的警报状态置为布尔值False(第二预设状态)。系统可以即根据所述报警模块中块b(i,j)的标记结果选择时报警还是不报警。

本方案中，通过获取发动机工作过程中运行状态的图像数据，采用特征抽取取方式获取存储的视频数据中的特征数据，然后再对所述特征数据进行分类，将所述特征数据分为不同的簇，计算每个簇的簇中心的值，计算下一周期获取到的视频数据对应的各个特征数据的值与对应的所述簇中心的值的差值，将计算得到的差值与报警阈值进行对比，如果特征数据中与所述簇中心的最小差值大于报警阈值时，更新报警状态为第一预设状态，从而实现了基于图像数据对发动机进行监测，在发动机异常时进行提醒，提高了发动机监测结果的可靠性。

在本申请另一实施例公开的技术方案中，所述簇中心的值用于表征发动机正常工况下，该簇对应的特征值，为了进一步保证所述簇中心的值的可靠性，本方案中可以在监测过程中动态对所述簇中心的值进行更新。具体的，在本方案中：

参见图2，当当前周期计算得到的特征数据与所述簇中心的最小差值小于报警阈值时，还包括：

步骤S201：判断所述特征数据中与所述簇中心的最小差值是否小于预设更新阈值；

步骤S202：当小于所述预设更新阈值时，采用线性数据处理方法基于当前周期获取到的所述特征数据更新所述特征数据对应的簇中心的值；

当检测到当前周期某个图像块b(i,j)对应的特征值与所述m个簇中心间的最小差值小于报警阈值T_alert(i,j)时，判断该最小差值是否仍小于预设更新阈值T_update(i,j),0≤i≤w-1,0≤j≤h-1，则将报警模块中该图像块b(i,j)对应位置的警报状态置为布尔值False。

当该图像块b(i,j)对应的特征数据和与其位置对应的所有簇中心间的最小差值小于预设更新阈值时，采用该图像块b(i,j)对应的特征数据对所述簇中心的值进行更新，此时，所更新的簇中心的值指的是与所述图像块b(i,j)对应的特征数据差值最小的簇中心所对应的簇中心的值，在更新时，可以采用线性数据处理方法。

例如可以采用简单的线性公式：

其中所述w(i,j)为基于Score(i,j,n_center′)值计算得到的权重值，所述Score(i,j,n_center′)为与所述图像块b(i,j)对应的特征数据差值最小的簇中心所对应的簇中心的值，所述score_init为该簇中心的初始值；

通过此权重w(i,j)更新所述簇中心的值，具体的，

State′(i,j,n′_center)＝w(i,j)*State(i,j,n′_center)+(1-w(i,j))*Feature(i,j)，所述Feature(i,j)为当前周期的视频帧的图像块b(i,j)计算得到的特征数据，所述State′(i,j,n′_center)即为更新后的簇中心的值。

上述簇中心的值的更新过程中以权重w(i,j)使簇中心的值State(i,j,n_center′)向所述图像块b(i,j)对应的特征向量Feature(i,j)移动，完成所述簇中心的更新，使得更新后的簇中心的值更加精准可靠。

步骤S203：当大于所述预设更新阈值时，基于当前周期获取到的特征数据计算得到应簇中心；

当该图像块b(i,j)对应的特征数据和与其位置对应的所有簇中心间的最小差值大于预设更新阈值时，表明当该簇中心的值(这里的簇中心指的是与所述图像块b(i,j)对应的特征数据差值最小的簇中心的值)的设置可靠性较低，由此，本方案中，需要将所述图像块b(i,j)所对应的特征数据作为一个新的与该图像块b(i,j)位置相对应的簇中心，此时，所述图像块b(i,j)位置会对应有m+1个簇中心。

在本申请实施例公开的技术方案中，上述报警阈值T_alert(i,j)和更新阈值T_update(i,j)由对应的各簇中心间的最大距离d_ref(i,j)及经验预设值共同决定，不同的d_ref(i,j)对应的报警阈值T_alert(i,j)和更新阈值T_update(i,j)不同，可以通过所述最大距离d_ref(i,j)及经验预设值由预设的映射关系中获取对应的报警阈值和更新阈值。

在上述方案中，当所述特征数据和簇中心均用向量表示时，所述“特征数据中与所述簇中心的最小差值”指的是所述特征数据与所述簇中心的最小距离。

在本申请实施例公开的技术方案中，由上述具体实施例描述可见，每个特征数据均对应多个(至少m个)簇中心，所谓的“特征数据中与所述簇中心的最小差值”指的是，将特征数据分别与多个簇中心进行对比，获取该特征数据与分别所述多个簇中心之间的差值，此时会得到多个差值，提取该多个差值中的最小值作为所述“特征数据中与所述簇中心的最小差值”中的最小时，并且，在后续更新过程中，更新的该““特征数据中与所述簇中心的最小差值”对应的簇中心。

在本申请另一实施例公开的技术方案中，还可以为每个簇中心创建一个对应的簇中心分数值，该簇中心分数值可以基于当前周期各个图像块的特征数据中与所述簇中心的最小差值与预设更新阈值以及报警阈值的比较结果增加或减小，具体的，上述方案中，还包括，当每创建一个簇中心时，为每个簇中心配置一个初始的簇中心分数；

当步骤S202中，在更新所述特征数据对应的簇中心的值之后，还包括：增加更新后的所述簇中心对应的簇中心分数；降低与所述特征数据所对应的其他簇中心的分数值。即，在更新所述特征数据对应的簇中心的值之后，会对所述更新后的簇中心对应的簇中心分数Score(i,j,n_center′)进行奖励(即，增加所述簇中心分数的值)，对对应于同一特征数据的其他簇中心对应的簇中心分数Score(i,j,n_center),n_center≠n_center′进行惩罚(即，降低这些簇中心对应的簇中心分数)，完成簇中心分数的更新。

为了防止同一特征数据对应的簇中心的数量过多，增大系统工作量，本方案中，还可以对所述同一特征数据对应的簇中心的数量进行控制，使得同一特征数据对应的簇中心的数量的值不大于预设值，即，当检测到某个特征数据或者是某个图像块对应的簇中心数量大于预设值时，移除该特征数据对应的簇中心中簇中心分数最低的簇中心。

对应于上述方法，本申请本实施例中的发动机异常状态检测装置中各个单元的具体工作内容，请参见上述方法实施例的内容，下面对本发明实施例提供的发动机异常状态检测装置进行描述，下文描述的发动机异常状态检测装置与上文描述的发动机异常状态检测方法可相互对应参照。

具体的，参见图3，本申请公开了一种发动机异常状态检测装置，包括：

采集单元100，与上述方法中，步骤S101相对应，用于采用图像采集设备对处于工作过程中的发动机中的目标区域进行视频采集；

特征数据提取单元200，与上述方法中，步骤S102-S103相对应，用于储预设长度的视频数据，采用特征抽取取方式获取存储的视频数据中的特征数据；

聚类单元300，与上述方法中，步骤S104相对应，用于对所述特征数据进行分类，将所述特征数据分为不同的簇；

数据处理单元400，用于基于分类结果计算得到每类特征数据对应的簇中心的值；计算当前周期计算得到的特征数据的值和与其对应的所述簇中心的值的差值；

预警单元500，与上述方法中，步骤S105-S108相对应，用于当当前周期计算得到的特征数据与所述簇中心的最小差值大于报警阈值时，将该特征数据对应的图像区域的报警状态更新为第一预设状态；当各个特征数据中与所述簇中心的最小差值小于报警阈值时，将该特征数据对应的图像区域的更新报警状态更新为第二预设状态。

与上述方法相对应，上述装置中，还可以包括数据更新单元，用于当当前周期计算得到的特征数据与所述簇中心的最小差值小于报警阈值时，判断所述特征数据中与所述簇中心的最小差值是否小于预设更新阈值；当小于所述预设更新阈值时，采用线性数据处理方法基于当前周期获取到的所述特征数据更新所述最小差值对应的簇中心的值。

与上述方法相对应，上述装置中，所述数据更新单元还用于：

为每个簇中心配置一个簇中心分数；

更新所述最小差值对应的簇中心的值之后，所述数据更新单元还用于：

增加更新后的所述簇中心对应的簇中心分数；

当同一特征数据对应的簇中心的数量大于预设值时，移除簇中心分数最低的簇中心。

与上述方法相对应，上述装置中，更新所述特征数据对应的簇中心的值之后，所述数据更新单元，还用于：

增加所述最小差值对应的簇中心的簇中心分数。

与上述方法相对应，上述装置中，所述数据更新单元，还用于：

当当前周期计算得到的特征数据与所述簇中心的最小差值大于所述预设更新阈值时，基于当前周期获取到的特征数据计算得到应簇中心，并为计算得到应簇中心配置一个簇中心分数，同时降低该特征数据对应的其他簇中心的簇中心分数。

为了描述的方便，描述以上系统时以功能分为各种模块分别描述。当然，在实施本发明时可以把各模块的功能在同一个或多个软件和/或硬件中实现。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统或系统实施例而言，由于其基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。以上所描述的系统及系统实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。

专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。

还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而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。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。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (10)

1.一种发动机异常状态检测方法，其特征在于，包括：

采用图像采集设备对处于工作过程中的发动机中的目标区域进行视频采集；

存储预设长度的视频数据；

采用特征抽取方式获取存储的视频数据中的特征数据；

对所述特征数据进行分类，将所述特征数据分为不同的簇；

基于分类结果计算得到每类特征数据对应的簇中心的值；

计算当前周期计算得到的特征数据的值和与其对应的所述簇中心的值的差值；

当当前周期计算得到的特征数据与所述簇中心的最小差值大于报警阈值时，将该特征数据对应的图像区域的报警状态更新为第一预设状态；

当各个特征数据中与所述簇中心的最小差值小于报警阈值时，将该特征数据对应的图像区域的更新报警状态更新为第二预设状态。

2.根据权利要求1所述的发动机异常状态检测方法，其特征在于，当当前周期计算得到的特征数据与所述簇中心的最小差值小于报警阈值时，还包括：

判断所述特征数据中与所述簇中心的最小差值是否小于预设更新阈值；

当小于所述预设更新阈值时，采用线性数据处理方法基于当前周期获取到的所述特征数据更新所述最小差值对应的簇中心的值。

3.根据权利要求2所述的发动机异常状态检测方法，其特征在于，方法还包括：

为每个簇中心配置一个簇中心分数；

更新所述最小差值对应的簇中心的值之后，还包括：

增加更新后的所述簇中心对应的簇中心分数；

当同一特征数据对应的簇中心的数量大于预设值时，移除簇中心分数最低的簇中心。

4.根据权利要求3所述的发动机异常状态检测方法，其特征在于，更新所述最小差值对应的簇中心的值之后，还包括：

增加所述最小差值对应的簇中心的簇中心分数。

5.根据权利要求3所述的发动机异常状态检测方法，其特征在于，还包括：

当当前周期计算得到的特征数据与所述簇中心的最小差值大于所述预设更新阈值时，基于当前周期获取到的特征数据计算得到应簇中心，并为计算得到应簇中心配置一个簇中心分数，同时降低该特征数据对应的其他簇中心的簇中心分数。

6.一种发动机异常状态检测装置，其特征在于，包括：

采集单元，用于采用图像采集设备对处于工作过程中的发动机中的目标区域进行视频采集；

特征数据提取单元，用于存储预设长度的视频数据，采用特征抽取方式获取存储的视频数据中的特征数据；

聚类单元，用于对所述特征数据进行分类，将所述特征数据分为不同的簇；

数据处理单元，用于基于分类结果计算得到每类特征数据对应的簇中心的值；计算当前周期计算得到的特征数据的值和与其对应的所述簇中心的值的差值；

预警单元，用于当当前周期计算得到的特征数据与所述簇中心的最小差值大于报警阈值时，将该特征数据对应的图像区域的报警状态更新为第一预设状态；当各个特征数据中与所述簇中心的最小差值小于报警阈值时，将该特征数据对应的图像区域的更新报警状态更新为第二预设状态。

7.根据权利要求6所述的发动机异常状态检测装置，其特征在于，还包括：

数据更新单元，用于当当前周期计算得到的特征数据与所述簇中心的最小差值小于报警阈值时，判断所述特征数据中与所述簇中心的最小差值是否小于预设更新阈值；当小于所述预设更新阈值时，采用线性数据处理方法基于当前周期获取到的所述特征数据更新所述最小差值对应的簇中心的值。

8.根据权利要求7所述的发动机异常状态检测装置，其特征在于，所述数据更新单元还用于：

为每个簇中心配置一个簇中心分数；

更新所述最小差值对应的簇中心的值之后，所述数据更新单元还用于：

增加更新后的所述簇中心对应的簇中心分数；

当同一特征数据对应的簇中心的数量大于预设值时，移除簇中心分数最低的簇中心。

9.根据权利要求8所述的发动机异常状态检测装置，其特征在于，更新所述最小差值对应的簇中心的值之后，所述数据更新单元，还用于：

增加所述最小差值对应的簇中心的簇中心分数。

10.根据权利要求7所述的发动机异常状态检测装置，其特征在于，所述数据更新单元，还用于：

当当前周期计算得到的特征数据与所述簇中心的最小差值大于所述预设更新阈值时，基于当前周期获取到的特征数据计算得到应簇中心，并为计算得到应簇中心配置一个簇中心分数，同时降低该特征数据对应的其他簇中心的簇中心分数。

Images