CN114677777A - 设备巡检方法、巡检系统及终端设备 - Google Patents

设备巡检方法、巡检系统及终端设备 Download PDF

Info

Publication number
CN114677777A
CN114677777A CN202210259176.3A CN202210259176A CN114677777A CN 114677777 A CN114677777 A CN 114677777A CN 202210259176 A CN202210259176 A CN 202210259176A CN 114677777 A CN114677777 A CN 114677777A
Authority
CN
China
Prior art keywords
inspection
equipment
particle
rule
optimal
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
Application number
CN202210259176.3A
Other languages
English (en)
Other versions
CN114677777B (zh
Inventor
温从溪
高珊
霍卫军
农学新
耿海洋
王学坤
曹宇航
姚仲朝
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.)
CRRC Tangshan Co Ltd
Original Assignee
CRRC Tangshan 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 CRRC Tangshan Co Ltd filed Critical CRRC Tangshan Co Ltd
Priority to CN202210259176.3A priority Critical patent/CN114677777B/zh
Publication of CN114677777A publication Critical patent/CN114677777A/zh
Application granted granted Critical
Publication of CN114677777B publication Critical patent/CN114677777B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G07CHECKING-DEVICES
    • G07CTIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C1/00Registering, indicating or recording the time of events or elapsed time, e.g. time-recorders for work people
    • G07C1/20Checking timed patrols, e.g. of watchman
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00Computing arrangements based on biological models
    • G06N3/004Artificial life, i.e. computing arrangements simulating life
    • G06N3/006Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
    • GPHYSICS
    • G07CHECKING-DEVICES
    • G07CTIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C5/00Registering or indicating the working of vehicles
    • YGENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02PCLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/02Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]

Abstract

本发明适用于设备巡检技术领域,提供了一种设备巡检方法、巡检系统及终端设备。设备巡检方法包括:确定目标设备所需的巡检装置数量M;将目标设备正上方预设范围内的巡检平面均分为M等份;确定每等份巡检平面中的最优巡检位置;在各个最优巡检位置同时采集目标设备的图像信息,并基于采集的图像信息对目标设备进行故障判断。本发明能提高设备巡检的效率和质量,保证设备良好运行。

Description

设备巡检方法、巡检系统及终端设备
技术领域
本发明属于设备巡检技术领域,尤其涉及一种设备巡检方法、巡检系统及终端设备。
背景技术
设备状态的好坏直接关系到生产产品的质量,设备的非计划停机会造成废品、设备损坏等损失,设备的事后维修也提高了设备的维修成本。
随着设备管理数字化的推进,传统的人工巡检方法已经不能满足设备维护的需要,需要运用数字化手段,提高设备巡检的效率和质量,及时发现设备隐患,保证设备状态良好。在现有的设备巡检方法中,设备状态的获取需要在每台设备增加对应传感器,改造成本高,不适用于大规模生产。
发明内容
有鉴于此,本发明实施例提供了一种设备巡检方法、巡检系统及终端设备,以提高设备巡检的效率和质量,保证设备良好运行。
本发明实施例的第一方面提供了一种设备巡检方法,该方法用于对多个巡检装置进行控制,多个巡检装置位于待巡检区域上方的同一巡检平面上,且各个巡检装置均可在巡检平面内移动;
该设备巡检方法包括:
确定目标设备所需的巡检装置数量M;其中,目标设备为待巡检区域内的任意一个设备,M为正整数;
将目标设备正上方预设范围内的巡检平面均分为M等份;
确定每等份巡检平面中的最优巡检位置;
控制巡检装置在各个最优巡检位置同时采集目标设备的图像信息,并基于采集的图像信息对目标设备进行故障判断。
本发明实施例的第二方面提供了一种设备巡检系统,包括:
轨道、多个巡检装置以及与巡检装置一一对应的伸缩支架;
轨道、巡检装置、伸缩支架均位于待巡检区域上方的同一巡检平面上;每个巡检装置均固定在与其对应的伸缩支架一端,该伸缩支架的另一端连接有走行部,走行部位于轨道内并可在轨道内移动;
设备巡检系统根据如上述第一方面的设备巡检方法控制巡检装置对待巡检区域的设备进行巡检。
本发明实施例的第三方面提供了一种终端设备,包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序,处理器执行计算机程序时实现如上述第一方面的设备巡检方法的步骤。
本发明实施例的第四方面提供了一种计算机可读存储介质,计算机可读存储介质存储有计算机程序,计算机程序被处理器执行时实现如上述第一方面的设备巡检方法的步骤。
本发明实施例与现有技术相比存在的有益效果是:
本发明实施例中的巡检装置均在待巡检区域上方的巡检平面上移动,巡检装置与设备区域隔离,避免了生产与巡检之间的相互影响;并且,对同一个目标设备,使用多台巡检设备从多个巡检位置进行了不同方向的信息采集,各个巡检位置也进行了寻优处理,从而能够全面、准确地检测目标设备的状态。本发明实施例能提高设备巡检的效率和质量,保证设备良好运行。
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,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的巡检装置的示意图;
图2是本发明实施例提供的设备巡检方法的实现流程示意图;
图3是本发明实施例提供的设备关键区域的示意图;
图4是本发明实施例提供的巡检平面的示意图;
图5是本发明实施例提供的位置寻优的实现流程示意图;
图6是本发明实施例提供的故障判断的实现流程示意图;
图7是本发明实施例提供的终端设备的结构示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本发明实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本发明的描述。
为了说明本发明所述的技术方案,下面通过具体实施例来进行说明。
对于设备的巡检,在每台设备上增加对应传感器的方案,改造成本高,不适用于大规模生产。现有技术也有在生产区域规划巡检通道,由巡检机器人对设备进行巡检的方案,但存在以下缺点:
(1)需要占用生产区域,生产和巡检相互影响、相互冲突。
(2)没有对巡检装置的巡检位置进行优化,不利于设备状态的获取。
(3)每次巡检只是从一个方向采集设备的信息,没有同时巡检同一个设备的所有位置,无法全面体现设备的状态。
(4)没有自我学习丰富巡检经验的能力。
本发明实施例提供了一种设备巡检方法,该方法用于对多个巡检装置进行控制,多个巡检装置位于待巡检区域上方的同一巡检平面上,且各个巡检装置均可在巡检平面内移动。
参见图1所示,对本实施例设计的巡检装置结构进行介绍。
本实施例在厂房两侧、设备上方均设置钢结构轨道,在轨道内设置走行部,走行部侧面连接支架,支架可伸展收缩,支架末端悬挂巡检装置。走行部上设有走行轮、下侧支撑轮和上侧支撑轮,动力由走行轮提供。支架可伸缩,支架各部分之间由铰链连接,在巡检拍摄时,支架能够根据巡检装置所需的定位进行伸展,在走行移动时,支架收缩减少移动阻力,在不巡检时,将支架收缩,避免影响起重设备的作业。巡检装置上集成变焦高清摄像头、热成像仪、声成像仪、激光测距仪等,通过走行部的移动和支架的伸缩,巡检装置可在设备上方巡检平面内的任意位置对设备进行不同角度的巡检。
基于上述的巡检装置,参见图2所示,本发明实施例的设备巡检方法包括以下步骤:
步骤S101,确定目标设备所需的巡检装置数量M;其中,目标设备为待巡检区域内的任意一个设备,M为正整数。
在本发明实施例中,目标设备可以是液压设备、焊接设备等。根据设备本身特性,每个设备有对应的关键区域,设备的状态由几个关键区域决定,例如液压设备的液压油缸、加工中心主轴,焊接设备的冷却系统等。图3为设备示例,关键区域为31、32、33、34、35,可以看出,对于该设备,在一个时刻的状态需要同时检查所有关键区域的状态才能得到,仅从一个角度无法检查到所有关键区域,需要两个或以上的视角才能够检查到所有关键区域,巡检装置的巡检位置决定了视角,因此需要设置至少两个巡检装置进行巡检。
步骤S102,将目标设备正上方预设范围内的巡检平面均分为M等份。
在本发明实施例中,为了不影响设备生产等,巡检装置所在的巡检平面设置在设备上方,高度是确定的,因此巡检装置的定位是在巡检平面上确定位置。对一个设备进行巡检的装置数量可以根据设备的关键区域数量确定,参见图4所示,该设备具有5个关键区域,则可以将设备上方预设范围内的巡检平面均分为4份,来同时布置4个巡检装置对设备进行巡检。
步骤S103,确定每等份巡检平面中的最优巡检位置。
在发明实施例中,通过对各个巡检装置的位置进行寻优,能够更精准地对设备进行全面检测。
步骤S104,控制巡检装置在各个最优巡检位置分别采集目标设备的图像信息,并基于采集的图像信息对目标设备进行故障判断。
在本发明实施例中,巡检装置通过拍摄图像,能够计算每个关键区域的表征参数,如平均温度、最高温度、平均噪声、最大噪声、清洁度、区域位移等,进而综合分析设备的运行状态,当发生故障时可以进行预警。
可见,本发明实施例中的巡检装置均在待巡检区域上方的巡检平面上移动,巡检装置与设备区域隔离,避免了生产与巡检之间的相互影响;并且,对同一个目标设备,使用多个巡检装置从多个巡检位置进行了不同方向的信息采集,各个巡检位置也进行了寻优处理,从而能够全面、准确地检测目标设备的状态。本发明实施例能提高设备巡检的效率和质量,保证设备良好运行。
在一种可能的实现方式中,步骤S103中,确定每等份巡检平面中的最优巡检位置的算法为多区域迭代式粒子寻优算法。
通过多区域迭代式粒子寻优算法确定每等份巡检平面中的最优巡检位置,可以详述为:
在每等份巡检平面中随机生成n个巡检位置作为粒子,并任意选取一个粒子作为该等份巡检平面的初始最优粒子,n为正整数;
对于每等份巡检平面,分别将该等份巡检平面中的每个粒子与其它等份巡检平面的最优粒子进行组合,得到n个粒子组,计算各个粒子组的评价值,并根据最优评价值确定并更新该等份巡检平面的最优粒子;
所有等份巡检平面的最优粒子均进行一次更新后,判断是否满足迭代终止条件,若满足迭代终止条件,则将各等份巡检平面的最优粒子作为最优巡检位置;若不满足迭代终止条件,则更新各等份巡检平面的所有粒子,重新确定并更新各等份巡检平面的最优粒子,直至满足迭代终止条件。
在本发明实施例中,粒子的维度对寻优的效率有较大影响,需要降低粒子维度提高寻优效率。若将每组巡检装置的坐标集合作为一个粒子,则粒子维度是8维,通过将巡检水平面平均分成4个区域,每个巡检装置只能在对应区域内进行定位,将每个巡检装置的坐标作为一个粒子,粒子维度降低为2维。据此提出多区域迭代式寻优方法实现寻优,如下:
第1个巡检装置的坐标集为Ai,第2个巡检装置的坐标集为Bi,第3个巡检装置的坐标集为Ci,第4个巡检装置的坐标集为Di
(1)初始化坐标集Ai=(Ai,1,Ai,2,...,Ai,n)、Bi、Ci、Di,初始速度VAi、VBi、VCi、VDi,权重W、C1、C2,从Ai、Bi、Ci、Di中随机分别选取一个作为各等份巡检平面的全局最优解gbestA、gbestB、gbestC、gbestD
(2)将Ai中的粒子分别与gbestB、gbestC、gbestD一起构成一组巡检装置坐标,计算评价值F,根据F得到局部最优解pbestA,选择历史最好的局部最优解作为当前区域的全局最优解gbestA,得到最优评价值FA
第一巡检装置粒子更新速度为:
VAi+1=W*VAi+C1*rand()*(pbestA-Ai)+C2*rand()*(gbestA-Ai)
第一巡检装置粒子更新位置:Ai+1=Ai+r*VAi+1
(3)将Bi中的粒子分别与gbestA、gbestC、gbestD一起构成一组巡检装置坐标,计算评价值F,根据F得到局部最优解pbestB,选择历史最好的局部最优解作为当前区域的全局最优解gbestB,得到最优评价值FB
第二巡检装置粒子更新速度为:
VBi+1=W*VBi+C1*rand()*(pbestB-Bi)+C2*rand()*(gbestB-Bi)
第二巡检装置粒子更新位置:Bi+1=Bi+r*VBi+1
(4)将Ci中的粒子分别与gbestB、gbestA、gbestD一起构成一组巡检装置坐标,计算评价值F,根据F得到局部最优解pbestC,选择历史最好的局部最优解作为当前区域的全局最优解gbestC,得到最优评价值FC
第三巡检装置粒子更新速度为:
VCi+1=W*VCi+C1*rand()*(pbestC-Ci)+C2*rand()*(gbestC-Ci)
第三巡检装置粒子更新位置:Ci+1=Ci+r*VCi+1
(5)将Di中的粒子分别与gbestB、gbestC、gbestA一起构成一组巡检装置坐标,计算评价值F,根据F得到局部最优解pbestD,选择历史最好的局部最优解作为当前区域的全局最优解gbestD,得到最优评价值FD
第四巡检装置粒子更新速度为:
VDi+1=W*VDi+C1*rand()*(pbestD-Di)+C2*rand()*(gbestD-Di)
第四巡检装置粒子更新位置:Di+1=Di+r*VDi+1
(6)满足下述迭代终止条件时终止,否则重复(2)至(5):
max(FA,FB,FC,FD)-min(FA,FB,FC,FD)<10-5
在一种可能的实现方式中,某个粒子组的评价值的确定方法包括:
建立目标设备的三维模型,三维模型上具有多个关键区域;
根据该粒子组中各个粒子的位置采集三维模型的图像信息;
根据
Figure BDA0003550082810000071
计算该粒子组的评价值;
其中,F为评价值,k为不平衡校正系数,fij为第i个粒子位置采集的图像中第j个关键区域的面积占比,wj为预设的第j个关键区域的权重。
在本发明实施例中,巡检装置在设备上方一定高度的水平面上,每个巡检装置所采集图像的像素是一定的,因此每个巡检装置所采集图像中,每个关键区域在图像中的面积占比体现了该巡检装置对该关键区域巡检的有效性。例如图3所示的图像中,关键区域1、3、5的占比较高,通过建立设备的三维模型可以计算占比,一组粒子的面积占比加权和越大,则评价值越好。
在一种可能的实现方式中,为了区分避免部分关键区域的采集面积过小,造成关键区域的不平衡,不平衡校正系数k由下式计算:
Figure BDA0003550082810000081
式中,fj为所有粒子位置采集的第j个关键区域的面积占比之和,
Figure BDA0003550082810000082
为所有fj的平均值。
图5示出了位置寻优整体流程。通过粒子群算法,对最佳巡检位置进行寻优,利用设备的三维模型,计算在每组位置下,每个关键区域在所采集图像中的面积占比大小,以每个关键区域面积占比的加权平均作为评价值,每个关键区域的权值可以部位的重要性进行设置,同时避免部分关键区域的采集面积过小,通过各区域采集面积标准差构造不平衡校正系数对寻优目标进行校正,以每个定位点作为一个粒子,提出多区域迭代式寻优粒子群算法,区域数量与巡检装置数量相同,每个区域有一群粒子,每群粒子顺序迭代优化。
在一种可能的实现方式中,步骤S104基于采集的图像信息对目标设备进行故障判断,可以详述为:
基于采集的图像信息,确定目标设备各个关键区域的表征参数值;
根据各个关键区域的表征参数值,计算目标设备对于预设规则库中正常规则的隶属度和各个故障规则的隶属度,并分别计算各个故障规则对应隶属度与正常规则对应隶属度的比值,得到各个故障规则对应的故障指数;
若某个故障规则对应的故障指数大于预设值,则判定目标设备发生了该故障,若所有的故障指数均不大于预设值,则判定目标设备正常。
在本发明实施例中,巡检装置集成摄像头、热成像传感器、声成像传感器、激光测距仪,根据巡检装置采集的图像和距离可以计算设备每个关键区域的温度、噪声、位移、表面清洁度等表征参数,以设备每个区域的表征参数和设备当时的工作状态、生产参数、生产产品、加工材料等数据构成输入变量X:
X=[x1,x2,…,xn]
数据规则描述为
Ri:IF x1=xi1and x2=xi2 and…and xn=xin
THEN F=Fi
Ri表示第i条规则,表示F表示设备状态,Fi表示设备的故障类型,如冷却器损坏、轴承过热、叶轮磨损、正常运行等,数据规则表示某个设备的输入变量为Xi=XRi=[xi1,xi2,…,xin]时,该设备将会发生Fi故障,数据规则可根据专家经验或历史数据确定。在一种可能的实现方式中,巡检装置巡检时,依据输入向量计算当前设备输入向量对每条规则的隶属度:
Figure BDA0003550082810000091
式中,μij为目标设备i对于规则j的隶属度,Xi为目标设备i的输入向量,XRj为第j条规则对应的输入向量,σ为常数,表示模糊规则的影响区域。。
将每条故障规则的隶属度除以正常规则的隶属度得到故障指数,某故障指数大于1时表示可能会发生该故障,故障指数越大表示设备发生该故障的可能性越大,当隶属度超过一定阈值时,将对该故障进行预警;若所有故障指数都小于1,则表示设备处于正常运行状态。
在一种可能的实现方式中,设备巡检方法还包括:
根据目标设备发生故障前预设时段内采集的各个关键区域的表征参数生成故障规则,以对预设规则库进行补充;
以及,根据目标设备故障排除后预设时段内采集的各个关键区域的表征参数生成正常规则,以对预设规则库进行补充。
在本发明实施例中,当设备发生故障时,可以以故障类型作为模糊系统输出,以发生故障前一次或预设时间内的输入向量作为发生该故障的模糊规则;在设备进行大修后,将大修后一段时间的输入向量作为正常运行模糊规则,进行自我学习,形成各种故障的模糊规则和正常运行的模糊规则。
图6为设备故障判断的整体流程。即根据巡检图像计算每个关键区域的表征参数值,如平均温度、最高温度、平均噪声、最大噪声、清洁度、区域位移等,以设备每个区域的表征参数值和设备当时的工作状态、生产参数、生产产品、加工材料等数据构成输入变量,根据模糊系统输出实现对设备的运行情况诊断,对设备故障进行预警。具体的,计算每个模糊规则的贡献度,根据每条规则的贡献度大小对设备当前的运行状态进行诊断,判断发生各种故障的可能性,当发生某种故障的可能性超过一定阈值或设备正常运行的可能性低于一定阈值时,对设备进行故障预警。在此过程中,利用故障巡检数据和正常运行巡检数据构建模糊规则,达到自我学习目的,不断丰富巡检经验。
结合以上内容,本发明具有以下优点:
通过设计新的巡检系统,与生产区域隔离,避免与生产区域产生冲突;
利用设备三维模型,构建计算评价值,提出多区域迭代式粒子群算法对最佳的巡检位置进行寻优,更好更全面的掌握设备状态;
运用模糊算法,根据模糊系统输出实现对设备的运行情况诊断,并利用故障巡检数据和正常运行巡检数据构建模糊规则,自我学习、不断丰富巡检经验。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
本发明实施例还提供了一种设备巡检系统,包括:
轨道、多个巡检装置以及与巡检装置一一对应的伸缩支架;
轨道、巡检装置、伸缩支架均位于待巡检区域上方的同一巡检平面上;每个巡检装置均固定在与其对应的伸缩支架一端,该伸缩支架的另一端连接有走行部,走行部位于轨道内并可在轨道内移动;
设备巡检系统根据如上述的设备巡检方法控制巡检装置对待巡检区域的设备进行巡检。
图7是本发明一实施例提供的终端设备70的示意图。如图7所示,该实施例的终端设备70包括:处理器71、存储器72以及存储在存储器72中并可在处理器71上运行的计算机程序73,例如设备巡检程序。处理器71执行计算机程序73时实现上述各个设备巡检方法实施例中的步骤,例如图2所示的步骤S101至S104。示例性的,计算机程序73可以被分割成一个或多个模块/单元,一个或者多个模块/单元被存储在存储器72中,并由处理器71执行,以完成本发明。一个或多个模块/单元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73在终端设备70中的执行过程。例如,计算机程序73可以被分割成第一确定模块、处理模块、第二确定模块、判断模块(虚拟装置中的模块),各模块具体功能如下:
第一确定模块,用于确定目标设备所需的巡检装置数量M;其中,目标设备为待巡检区域内的任意一个设备,M为正整数。
处理模块,用于将目标设备正上方预设范围内的巡检平面均分为M等份。
第二确定模块,用于确定每等份巡检平面中的最优巡检位置。
判断模块,用于在各个最优巡检位置同时采集目标设备的图像信息,并基于采集的图像信息对目标设备进行故障判断。
终端设备70可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。终端设备70可包括,但不仅限于,处理器71、存储器72。本领域技术人员可以理解,图7仅仅是终端设备70的示例,并不构成对终端设备70的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如终端设备70还可以包括输入输出设备、网络接入设备、总线等。
所称处理器71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。
存储器72可以是终端设备70的内部存储单元,例如终端设备70的硬盘或内存。存储器72也可以是终端设备70的外部存储设备,例如终端设备70上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,存储器72还可以既包括终端设备70的内部存储单元也包括外部存储设备。存储器72用于存储计算机程序以及终端设备70所需的其他程序和数据。存储器72还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,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、或者计算机软件和电子硬件的结合来实现。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。
在本发明所提供的实施例中,应该理解到,所揭露的装置/终端设备和方法,可以通过其它的方式实现。例如,以上所描述的装置/终端设备实施例仅仅是示意性的,例如,模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
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单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
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方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。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 Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括电载波信号和电信信号。
以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围,均应包含在本发明的保护范围之内。

Claims (10)

1.一种设备巡检方法,其特征在于,所述方法用于对多个巡检装置进行控制,所述多个巡检装置位于待巡检区域上方的同一巡检平面上,且各个巡检装置均可在所述巡检平面内移动;
所述设备巡检方法包括:
确定目标设备所需的巡检装置数量M;其中,所述目标设备为所述待巡检区域内的任意一个设备,M为正整数;
将所述目标设备正上方预设范围内的巡检平面均分为M等份;
确定每等份巡检平面中的最优巡检位置;
控制巡检装置在各个最优巡检位置同时采集所述目标设备的图像信息,并基于采集的图像信息对所述目标设备进行故障判断。
2.如权利要求1所述的设备巡检方法,其特征在于,确定每等份巡检平面中的最优巡检位置的算法为多区域迭代式粒子寻优算法;
通过多区域迭代式粒子寻优算法确定每等份巡检平面中的最优巡检位置,包括:
在每等份巡检平面中随机生成n个巡检位置作为粒子,并任意选取一个粒子作为该等份巡检平面的初始最优粒子,n为正整数;
对于每等份巡检平面,分别将该等份巡检平面中的每个粒子与其它等份巡检平面的最优粒子进行组合,得到n个粒子组,计算各个粒子组的评价值,并根据最优评价值确定并更新该等份巡检平面的最优粒子;
所有等份巡检平面的最优粒子均进行一次更新后,判断是否满足迭代终止条件,若满足迭代终止条件,则将各等份巡检平面的最优粒子作为最优巡检位置;若不满足迭代终止条件,则更新各等份巡检平面的所有粒子,重新确定并更新各等份巡检平面的最优粒子,直至满足迭代终止条件。
3.如权利要求2所述的设备巡检方法,其特征在于,某个粒子组的评价值的确定方法包括:
建立所述目标设备的三维模型,所述三维模型上具有多个关键区域;
根据该粒子组中各个粒子的位置采集所述三维模型的图像信息;
根据
Figure FDA0003550082800000021
计算该粒子组的评价值;
其中,F为评价值,k为不平衡校正系数,fij为第i个粒子位置采集的图像中第j个关键区域的面积占比,wj为预设的第j个关键区域的权重。
4.如权利要求3所述的设备巡检方法,其特征在于,所述不平衡校正系数k的计算公式为:
Figure FDA0003550082800000022
式中,fj为所有粒子位置采集的第j个关键区域的面积占比之和,
Figure FDA0003550082800000023
为所有fj的平均值。
5.如权利要求1-4任一项所述的设备巡检方法,其特征在于,基于采集的图像信息对所述目标设备进行故障判断,包括:
基于采集的图像信息,确定所述目标设备各个关键区域的表征参数值;
根据各个关键区域的表征参数值,计算所述目标设备对于预设规则库中正常规则的隶属度和各个故障规则的隶属度,并分别计算各个故障规则对应隶属度与正常规则对应隶属度的比值,得到各个故障规则对应的故障指数;
若某个故障规则对应的故障指数大于预设值,则判定所述目标设备发生了该故障,若所有的故障指数均不大于预设值,则判定所述目标设备正常。
6.如权利要求5所述的设备巡检方法,其特征在于,根据各个关键区域的表征参数,计算所述目标设备对于某条规则的隶属度,包括:
根据各个关键区域的表征参数和所述目标设备当时的工作状态数据,构建输入向量,并根据下式计算所述目标设备对于某条规则的隶属度:
Figure FDA0003550082800000031
式中,μij为目标设备i对于规则j的隶属度,Xi为目标设备i的输入向量,XRj为第j条规则对应的输入向量,σ为常数,表示模糊规则的影响区域。
7.如权利要求5所述的设备巡检方法,其特征在于,还包括:
根据所述目标设备发生故障前预设时段内采集的各个关键区域的表征参数生成故障规则,以对所述预设规则库进行补充;
以及,根据所述目标设备故障排除后预设时段内采集的各个关键区域的表征参数生成正常规则,以对所述预设规则库进行补充。
8.一种设备巡检系统,其特征在于,包括:
轨道、多个巡检装置以及与巡检装置一一对应的伸缩支架;
所述轨道、所述巡检装置、所述伸缩支架均位于待巡检区域上方的同一巡检平面上;每个巡检装置均固定在与其对应的伸缩支架一端,该伸缩支架的另一端连接有走行部,所述走行部位于所述轨道内并可在轨道内移动;
所述设备巡检系统根据权利要求1-7任一项所述的设备巡检方法控制巡检装置对待巡检区域的设备进行巡检。
9.一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述方法的步骤。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述方法的步骤。
CN202210259176.3A 2022-03-16 2022-03-16 设备巡检方法、巡检系统及终端设备 Active CN114677777B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210259176.3A CN114677777B (zh) 2022-03-16 2022-03-16 设备巡检方法、巡检系统及终端设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210259176.3A CN114677777B (zh) 2022-03-16 2022-03-16 设备巡检方法、巡检系统及终端设备

Publications (2)

Publication Number Publication Date
CN114677777A true CN114677777A (zh) 2022-06-28
CN114677777B CN114677777B (zh) 2023-07-21

Family

ID=82073889

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210259176.3A Active CN114677777B (zh) 2022-03-16 2022-03-16 设备巡检方法、巡检系统及终端设备

Country Status (1)

Country Link
CN (1) CN114677777B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2024001077A1 (zh) * 2022-07-01 2024-01-04 浙江衣拿智能科技股份有限公司 一种巡检单元的巡检控制方法、装置及电子设备

Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN202814890U (zh) * 2012-09-04 2013-03-20 华南理工大学 一种smt模板视觉检测装置
US20130107036A1 (en) * 2011-10-28 2013-05-02 General Electric Company Inspection system and method for correlating data from sensors and visual displays
CN106296856A (zh) * 2015-06-08 2017-01-04 上海鹏翀智能科技有限公司 基于rfid与gis技术的室内巡检路径显示技术
CN106970094A (zh) * 2016-09-28 2017-07-21 北方夜视技术股份有限公司 基于微孔光学元件的x射线背散射成像安检装置
US20190107497A1 (en) * 2017-07-12 2019-04-11 Inlevel Gmbh Device and method for optical monitoring of surfaces of an object
CN110322582A (zh) * 2019-07-31 2019-10-11 国网河北省电力有限公司邢台供电分公司 光缆线路巡检方法、装置及终端设备
CN111724895A (zh) * 2020-05-16 2020-09-29 张东 一种基于人工智能的个性化中医诊疗机器人系统
CN111854763A (zh) * 2020-08-06 2020-10-30 安徽南瑞继远电网技术有限公司 变电站巡检方法、装置及终端设备
CN112164015A (zh) * 2020-11-30 2021-01-01 中国电力科学研究院有限公司 单目视觉自主巡检图像采集方法、装置及电力巡检无人机
CN112507871A (zh) * 2020-12-09 2021-03-16 中国计量大学 一种巡检机器人及其检测方法
CN112986252A (zh) * 2019-12-16 2021-06-18 中车唐山机车车辆有限公司 动车组底板巡检系统
CN113091667A (zh) * 2021-03-30 2021-07-09 中国工商银行股份有限公司 一种巡检机器人及巡检方法
US20210262336A1 (en) * 2019-09-23 2021-08-26 China University Of Mining And Technology Wellbore inspection system and method for ultra-deep vertical shaft
CN113848923A (zh) * 2021-09-29 2021-12-28 华能盐城大丰新能源发电有限责任公司 一种机器人自动巡检防误方法、系统、设备及存储介质
WO2022021739A1 (zh) * 2020-07-30 2022-02-03 国网智能科技股份有限公司 一种语义智能变电站机器人仿人巡视作业方法及系统

Patent Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130107036A1 (en) * 2011-10-28 2013-05-02 General Electric Company Inspection system and method for correlating data from sensors and visual displays
CN202814890U (zh) * 2012-09-04 2013-03-20 华南理工大学 一种smt模板视觉检测装置
CN106296856A (zh) * 2015-06-08 2017-01-04 上海鹏翀智能科技有限公司 基于rfid与gis技术的室内巡检路径显示技术
CN106970094A (zh) * 2016-09-28 2017-07-21 北方夜视技术股份有限公司 基于微孔光学元件的x射线背散射成像安检装置
US20190107497A1 (en) * 2017-07-12 2019-04-11 Inlevel Gmbh Device and method for optical monitoring of surfaces of an object
CN110322582A (zh) * 2019-07-31 2019-10-11 国网河北省电力有限公司邢台供电分公司 光缆线路巡检方法、装置及终端设备
US20210262336A1 (en) * 2019-09-23 2021-08-26 China University Of Mining And Technology Wellbore inspection system and method for ultra-deep vertical shaft
CN112986252A (zh) * 2019-12-16 2021-06-18 中车唐山机车车辆有限公司 动车组底板巡检系统
CN111724895A (zh) * 2020-05-16 2020-09-29 张东 一种基于人工智能的个性化中医诊疗机器人系统
WO2022021739A1 (zh) * 2020-07-30 2022-02-03 国网智能科技股份有限公司 一种语义智能变电站机器人仿人巡视作业方法及系统
CN111854763A (zh) * 2020-08-06 2020-10-30 安徽南瑞继远电网技术有限公司 变电站巡检方法、装置及终端设备
CN112164015A (zh) * 2020-11-30 2021-01-01 中国电力科学研究院有限公司 单目视觉自主巡检图像采集方法、装置及电力巡检无人机
CN112507871A (zh) * 2020-12-09 2021-03-16 中国计量大学 一种巡检机器人及其检测方法
CN113091667A (zh) * 2021-03-30 2021-07-09 中国工商银行股份有限公司 一种巡检机器人及巡检方法
CN113848923A (zh) * 2021-09-29 2021-12-28 华能盐城大丰新能源发电有限责任公司 一种机器人自动巡检防误方法、系统、设备及存储介质

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2024001077A1 (zh) * 2022-07-01 2024-01-04 浙江衣拿智能科技股份有限公司 一种巡检单元的巡检控制方法、装置及电子设备

Also Published As

Publication number Publication date
CN114677777B (zh) 2023-07-21

Similar Documents

Publication Publication Date Title
CN108898077B (zh) 电力设备红外热图的识别方法和电力设备红外识别系统
Potenza et al. A robotics and computer-aided procedure for defect evaluation in bridge inspection
CN107843818B (zh) 基于异源图像温升与局部放电特征高压绝缘故障诊断方法
CN111158358B (zh) 一种基于三维模型对变电/换流站自优巡检的方法及系统
CN114677777B (zh) 设备巡检方法、巡检系统及终端设备
CN112686120A (zh) 一种基于无人机航拍图像的输电线异常检测方法
CN107818563A (zh) 一种输电线路分裂导线间距空间测量与定位方法
CN114881997A (zh) 一种风电机组缺陷评估方法及相关设备
Xuan et al. Intelligent identification method of insulator defects based on CenterMask
CN112000109B (zh) 电力巡检机器人的位置校正方法、电力巡检机器人及介质
CN111476062A (zh) 车道线检测方法、装置、电子设备及驾驶系统
CN113160202A (zh) 一种裂缝检测方法及系统
CN112164044A (zh) 基于双目视觉的刚性接触网的磨耗分析方法
CN116630320A (zh) 电池极片的检测方法、装置、电子设备及存储介质
CN113740775B (zh) 一种电缆护层在线检测方法、装置、设备及储存介质
CN115115919A (zh) 一种电网设备热缺陷识别方法及装置
CN114998251A (zh) 一种基于联邦学习的空中多视觉平台地面异常检测方法
CN113269678A (zh) 接触网输电线路的故障点定位方法
CN113486873A (zh) 一种基于大数据和人工智能的变电站设备巡检方法及系统
CN115012281B (zh) 一种道路路面质量检测方法及装置
CN110728202A (zh) 一种输电导线异物检测方法、终端及系统
CN110706230A (zh) 一种基于先验信息的杆塔异常自动化检测方法
Zhang et al. Angle steel tower bolt defect detection based on YOLO-V3
CN116309276A (zh) 一种基于类别平衡采样的低虚警导地线缺陷检测方法
CN117197555A (zh) 一种输电线关键部位识别与缺陷检测方法

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