CN114973628A - 基于人工智能和大数据分析的智能监控终端 - Google Patents

Abstract

本发明涉及智能监控技术领域，具体为基于人工智能和大数据分析的智能监控终端，包括安全监控平台以及处理器，安全监控平台内还设置有设备运行监测单元、设备维护管理单元和安全预警管理单元，处理器生成运行分析信令并传输至设备运行监测单元，并对平台内所监测的设备自身的运行状况进行运行管理；本发明是通过终端对设备的自身运行状态以及设备维护进行数据监测和分析，从而将设备的运行状况以及维护状况进行数据转化和结合计算，并依据计算结果进行设备稳定的分析处理，依据分析处理结果的健康与否进行预警，进一步加强对设备各个方面的监测，从而保证设备的健康，做到提前防护，降低设备存在的安全隐患。

Description

基于人工智能和大数据分析的智能监控终端

技术领域

本发明涉及智能监控技术领域，具体为基于人工智能和大数据分析的智能监控终端。

背景技术

智能监控终端其实是一种闭路电视监控系统，主要由前端音视频采集设备、音视频传输设备、后端存储、控制及显示设备这五大部分组成，可通过同轴电缆、双绞线、光纤、微波、无线等多种方式来实现数据的传输；

目前用到的监控终端普遍为一种监控摄像装置，对所监控的对象进行一些数据的采集传输，最后通过人员进行数据分析和判定，无法自主的将采集到的数据进行集中存储和识别，更无法将存储和识别后的数据进行数字信号转化，并依据转化后的数据进行自主的智能分析，导致使用单位还需要聘请专业的技术人员进行人为的辅助，从而降低工作效率；

针对此方面的技术缺陷，现提出一种解决方案。

发明内容

本发明的目的在于提供基于人工智能和大数据分析的智能监控终端，是通过终端对设备的自身运行状态进行数据监测，对设备的自身运行状况进行信号转化，从而了解设备自身的运行状态，便于对设备运行的数据进行提取，节省数据整理提取所消耗的时间，再依据设备维护的相关数据，对设备的零件进行数据处理以及转化，从而将零件的维护状况以及维护时采集的影像进行数据分析，并进行数字转化，最后将进行数字转化后的设备维护数据以及信号转化的设备运行数据进行关联计算，并依据计算结果进行设备稳定的分析处理，依据分析处理结果的健康与否进行预警，进一步加强对设备各个方面的监测，从而保证设备的健康，做到提前防护，降低设备存在的安全隐患。

本发明的目的可以通过以下技术方案实现：

基于人工智能和大数据分析的智能监控终端，包括安全监控平台以及处理器，安全监控平台内还设置有设备运行监测单元、设备维护管理单元和安全预警管理单元；

所述处理器生成运行分析信令并传输至设备运行监测单元，通过设备运行监测单元对安全监控平台内所监测的设备自身的运行状况进行运行管理，并依据设备运行时的效率标定出低效时段、低温时段、标效时段以及标温时段；

所述处理器生成维护管理信令并传输至设备维护管理单元，通过设备维护管理单元对安全监控平台内的设备维护情况进行梳理分析，并依据设备的使用以及维护情况标定出频率均值、频率偏差均值、使用次数以及消耗占比值；

所述处理器生成预警计算信令并发送至安全预警管理单元，通过安全预警管理单元对设备的运行状态以及健康状态进行数值转化，并依据转化后的数值进行设备状态评价值的计算，从而判定设备是否安全，是否存在安全隐患并发出预警警报。

进一步的，所述处理器生成运行分析信令并传输至设备运行监测单元，所述设备运行监测单元依据运行分析信令对安全监控平台内所监测的设备自身的运行状况进行分析处理，运行状态分析处理的具体过程为：

将采集的设备相关数据分别标定为工作时间点、运行时间点、温度数据以及工量数据；

选取出若干个不同的运行时间点，将若干个不同的运行时间点分别与工作时间点进行差值计算，计算出对应的若干个工作时长，将若干个运行时间点之间进行差值计算，计算出若干个运行时段，提取若干个运行时段对应的工量数据，依据若干个运行时段以及对应的工量数据计算出工作效率；

将若干个运行时段与对应的工作效率进行图像处理，从而得到功效图像，并对功效图像进行标记处理，从而生成升信号、降信号以及平信号；

提取升信号、降信号、平信号以及对应的运行时段，统计出升信号、降信号以及平信号出现的次数并依次标记为升次数、降次数以及平次数，对升次数、降次数以及平次数进行识别，当按照运行时段数据依次识别到升次数、降次数以及平次数的数值为1时，生成时长影响信号，判定设备的工作效率与设备的运行时长有关，当按照运行时段数据依次识别到升次数、降次数以及平次数的数值均大于等于2时，生成时长无影响信号，判定设备的工作效率与设备的运行时长无关；

依据图像处理结果中每个时间段内的温度数据，并将温度数据进行均值计算，计算出温度均值，将温度均值替换运行时段在对应的运行时段在功效图像中进行标记，并将重新标记后的功效图像标记为温效图像，对温效图像以及升信号、降信号、平信号以及运行时段进行分析，标定出低效时段、低温时段、标效时段以及标温时段。

其中，工作时间点表示设备开始启动运行的时间点，运行时间点表示设备正在运行的时间点，温度数据表示设备在运行时每个时间点的温度，工量数据表示设备在运行时每个时间段的工作量。

进一步的，对功效图像进行标记处理的具体过程为：

建立一个虚拟平面直角坐标系，将若干个运行时段标记为X轴的数值并在虚拟平面直角坐标系进行标记，将若干个运行时段对应的工作效率标定为Y轴数值并在虚拟平面直角坐标系进行标记，将每个时间段内的轴数值按照工作效率进行直线标记，同时，将两个相邻时间段的工作效率进行首尾直线连接；

依据功效图像对每个时间段内的连接线直线进行效率判定，当连接直线再前一运行时段时间点的Y轴数值小于后一运行时段时间点的Y轴数值，则判定连接直线为上升直线，生成升信号，当连接直线再前一运行时段时间点的Y轴数值大于后一运行时段时间点的Y轴数值，则判定连接直线为下降直线，生成降信号，当连接直线再前一运行时段时间点的Y轴数值等于后一运行时段时间点的Y轴数值，则判定连接直线为平行直线，生成平信号；

其中，进行效率判定的方向为：连接直线以虚拟平面直角坐标系的原点向X轴的延伸为方向，前一运行时段时间点指代靠近原点的方向，后一运行时段时间点指代远离原点的方向，且前一运行时段时间点与后一运行时段时间点相邻。

进一步的，对温效图像以及升信号、降信号、平信号以及运行时段进行分析，具体为：

选取出每次设备运行时升信号、降信号、平信号对应运行时段的温度数据，当相同设备同时间段内温度数据不相同时，对升信号、降信号、平信号进行识别，当识别到温度数据不相同，且升信号、降信号、平信号不相同时，则判定温度对设备的运行效率有影响，生成温度影响信号，当识别到温度数据不相同，且升信号、降信号、平信号相同时，则判定温度对设备的运行效率无影响，生成温度无影响信号；

识别时长影响信号、时长无影响信号、温度影响信号以及温度无影响信号，当识别到时长影响信号或温度影响信号时，则提取平信号对应的运行时段以及温度数据，将运行时段以及温度数据分别标定为峰值时段和峰值温度，依据峰值时段和峰值温度的选取方式，选取出每次设备运行的峰值时段和峰值温度，并将若干个峰值时段以及峰值温度分别进行均值计算，计算出峰值均段和峰值均温，且峰值均段具体指代一个时间点的均值段；

将功效图像内达峰值均段以外的时间标定低效时段，将设备内部的温度在峰值均温以外的时间段标定为低温时段，依据低效时段和低温时段的标定方法，将峰值均段和峰值均温对应的时段标定为标效时段和标温时段。

进一步的，所述设备维护管理单元依据维护管理信令对监测的设备的维护管理进行维护处理，维护处理的具体处理过程为：

将一段时间内采集的设备维护数据标定为震频数据、开关机数据、换件时间以及零件影像；

震频数据表示为在一段时间内每个时间点设备的振动频率，开关机数据表示为在一段时间内设备的开关机状态，换件时间表示为在一段时间内设备内部零件的更换的时间点，零件影像表示为在一段时间内设备内部零件的影像标定为；

将每个时间点的振动频率进行均值计算，计算出频率均值，将频率均值与若干个振动频率进行差值计算，从而计算出若干个频率差值，将若干个频率差值进行均值计算，计算出频率差均值，将频率差均值与若干个频率差值进行差值计算，计算出若干个频率偏差值，将若干个频率偏差值进行均值计算，计算出频率偏差均值；

识别开关机数据，并将开关机数据进行次数识别，识别出开机和关机的次数并将其标定为开关机次数，提取每次换件时间，并将两次换件时间进行差值计算，计算出换件时差，识别换件时间，依据识别到的换件时间将设备更换零件的次数标定为换件次数，将开关机次数与换件次数进行使用次数计算，计算出使用次数；

建立一个虚拟平面直角坐标系，将更换前的零件影像在虚拟平面直角坐标系中进行标记，将零件的每个边角进行坐标点标记，将标记后的坐标点依据勾股定理进行差值计算，计算出每两个坐标点之间的距离并标记为距离数据，将若干个距离数据进行从大到小的排序，选取出其中最大的距离数据并标记为磨损直径，依据磨损直径的计算方法将更换后的零件影像进行计算处理，得到初始直径；

将初始直径与磨损直径带入到计算式：消耗值＝(初始直径-磨损直径)/2，将消耗值与换件时差进行占比计算，计算出消耗占比值。

进一步的，所述安全预警管理单元依据预警计算信令对设备的自身运行状况以及维修状况进行综合评估计算处理，综合评估计算处理的具体处理过程为：

提取设备运行以及维修对应的低效时段、低温时段、标效时段、标温时段、频率偏差均值、频率均值、使用次数以及消耗占比值并将其依次标记为：Dx、Dw、Bx、Bw、Pc、Pl、Sc以及Xz；

将低效时段、低温时段、标效时段、标温时段、频率偏差均值、频率均值、使用次数以及消耗占比值进行统一标量转化对应的权重系数进行分别标定，将低效时段对设备状态评价值的计算转化权重系数标定为u1，将低温时段对设备状态评价值的计算转化权重系数标定为u2，将标效时段对设备状态评价值的计算转化权重系数标记为e1，将标温时段对设备状态评价值的计算转化权重系数标定为e2，将低效时段、低温时段、标效时段以及标温时段对设备状态评价计算的偏差调节因子标定为u3，将频率均值对设备状态评价值的计算转化权重系数标定为k1，将使用次数对设备状态评价值的计算转化权重系数标定为k2，将消耗占比均值对设备状态评价值的计算转化权重系数标定为g；

依据计算式：

计算出设备状态评价值P_状；

将设备状态评价值P_状与设备健康阈值F1进行比对，当P_状＞F1，则判定设备处于健康状态，无需进行设备预警，当P_状≤F1，则判定设备处于不健康状态，生成预警信号，并发出预警警报。

本发明的有益效果如下：

本发明是通过终端对设备的自身运行状态进行数据检测，对设备的自身运行状况进行信号转化，从而了解设备自身的运行状态，便于对设备运行的数据进行提取，节省数据整理提取所消耗的时间，再依据设备维护的相关数据，对设备的零件进行数据处理以及转化，从而将零件的维护状况以及维护时采集的影像进行数据分析，并进行数字转化，最后将进行数字转化后的设备维护数据以及信号转化的设备运行数据进行关联计算，并依据计算结果进行设备稳定的分析处理，依据分析处理结果的健康与否进行预警，进一步加强对设备各个方面的监测，从而保证设备的健康，做到提前防护，降低设备存在的安全隐患。

附图说明

下面结合附图对本发明作进一步的说明。

图1是本发明的系统框图。

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作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

请参阅图1所示，本发明为基于人工智能和大数据分析的智能监控终端，包括安全监控平台、设备运行监测单元、设备维护管理单元、处理器、安全预警管理单元；

处理器设置在安全监控平台内，便于对监控平台内的各个单元进行命令的生成以及传输下达的命令，设备运行监测单元、设备维护管理单元以及安全预警管理单元均与处理器通信连接，便于监控平台内的数据传输与运行；

通过设备运行监测单元的设置，从而了解设备自身的运行状态，便于对设备运行的数据进行提取，节省数据整理提取所消耗的时间，通过设备维护管理单元的设置，从而管理设备的状态健康与否，避免对设备造成损坏，在后续工作时发生故障，通过安全预警管理单元的设置，对设备的运行状态以及健康状态进行数值转化，并对转化后的数值进行计算，从而判定设备是否安全，是否存在安全隐患；

处理器生成运行分析信令并传输至设备运行监测单元，设备运行监测单元依据运行分析信令对安全监控平台内所监测的设备自身的运行状况进行分析处理，运行状态分析处理的具体过程为：

将采集的设备开始启动运行的时间点标定为工作时间点，将采集的设备正在运行的时间点标定为运行时间点，将采集的设备在运行时每个时间点的温度标定为温度数据，将采集的设备在运行时每个时间段的工作量标定为工量数据，选取出若干个不同的运行时间点，将若干个不同的运行时间点分别与工作时间点进行差值计算，计算出对应的若干个工作时长，将若干个运行时间点之间进行差值计算，计算出若干个运行时段，提取若干个运行时段对应的工量数据，将若干个运行时段与对应的工量数据带入到计算式：工作效率＝工量数据/运行时段；

将若干个运行时段与对应的工作效率进行图像处理，从而得到功效图像，具体为：建立一个虚拟平面直角坐标系，将若干个运行时段标记为X轴的数值，将若干个运行时段对应的工作效率标定为Y轴数值，从而在虚拟平面直角坐标系进行标记，具体标记方法为：将每个时间段内的轴数值按照工作效率进行直线标记，同时，将两个相邻时间段的工作效率进行首尾直线连接；

提取功效图像，并对每个时间段内的连接线直线进行效率判定，具体为，连接直线以虚拟平面直角坐标系的原点向X轴的延伸为方向，当连接直线再前一运行时段时间点的Y轴数值小于后一运行时段时间点的Y轴数值，则判定连接直线为上升直线，生成升信号，当连接直线再前一运行时段时间点的Y轴数值大于后一运行时段时间点的Y轴数值，则判定连接直线为下降直线，生成降信号，当连接直线再前一运行时段时间点的Y轴数值等于后一运行时段时间点的Y轴数值，则判定连接直线为平行直线，生成平信号，其中，前一个时间段指代靠近原点的时间段，后一个时间段指代相对前一个时间段而言远离原点的时间段，且后一个时间段与前一个时间段相邻；

提取升信号、降信号、平信号以及对应的运行时段，统计出升信号、降信号以及平信号出现的次数并依次标记为升次数、降次数以及平次数，对升次数、降次数以及平次数进行识别，当按照运行时段数据依次识别到升次数、降次数以及平次数的数值为1时，则判定设备的工作效率与设备的运行时长有关，生成时长影响信号，当按照运行时段数据依次识别到升次数、降次数以及平次数的数值均大于等于2时，则判定设备的工作效率与设备的运行时长无关，生成时长无影响信号；

依据图像处理结果中每个时间段内的温度数据，并将温度数据进行均值计算，计算出温度均值，将温度均值替换运行时段在对应的运行时段在功效图像中进行标记，并将重新标记后的功效图像标记为温效图像，对温效图像以及升信号、降信号、平信号以及运行时段进行分析，具体为：

选取出每次设备运行时升信号、降信号、平信号对应运行时段的温度数据，当相同设备同时间段内温度数据不相同时，对升信号、降信号、平信号进行识别，当识别到温度数据不相同，且升信号、降信号、平信号不相同时，则判定温度对设备的运行效率有影响，生成温度影响信号，当识别到温度数据不相同，且升信号、降信号、平信号相同时，则判定温度对设备的运行效率无影响，生成温度无影响信号；

对生成的时长影响信号、时长无影响信号、温度影响信号以及温度无影响信号进行识别，当识别到时长影响信号或温度影响信号时，则提取平信号对应的运行时段以及温度数据，将运行时段以及温度数据分别标定为峰值时段和峰值温度，依据峰值时段和峰值温度的选取方式，选取出每次设备运行的峰值时段和峰值温度，并将若干个峰值时段以及峰值温度分别进行均值计算，计算出峰值均段和峰值均温，且峰值均段具体指代一个时间点的均值段，例如工作开始后的第N1-N2分钟的时间段，峰值均温指代再设备运行后温度上升到第N3-N4摄氏度的温度范围，其中，N1-N4均为正整数；

将功效图像内到达峰值均段的时间标定为第一时间段，将峰值均段结束后到设备停止的时间标定为第二时间段，将第一时间段与第二时间段标定为低效时段，将设备内部的温度到达峰值均温的时间段为第三时间段，将峰值均温结束后到设备停止的时间段标定为第四时间段，将第三时间段与第四时间段标定为低温时段，依据低效时段和低温时段的计算方法，计算出峰值均段和峰值均温对应的时段，并将其标定为标效时段和标温时段；

处理器生成维护管理信令并传输至设备维护管理单元，设备维护管理单元依据维护管理信令对监测的设备的维护管理进行维护处理，维护处理的具体处理过程为：

将采集的在一段时间内每个时间点设备的振动频率标定为震频数据，将采集的一段时间内设备的开关机状态标定为开关机数据，将采集的一段时间内设备内部零件的更换的时间点标定为换件时间，将采集的一段时间内设备内部零件的影像标定为零件影像，其中，一段时间指代去年一月份的第一天到去年12月的最后一天；

将每个时间点的振动频率进行均值计算，计算出频率均值，将频率均值与若干个振动频率进行差值计算，从而计算出若干个频率差值，将若干个频率差值进行均值计算，计算出频率差均值，将频率差均值与若干个频率差值进行差值计算，计算出若干个频率偏差值，将若干个频率偏差值进行均值计算，计算出频率偏差均值；

识别开关机数据，并将开关机数据进行次数识别，识别出开机和关机的次数并将其标定为开关机次数，提取每次换件时间，并将两次换件时间进行差值计算，计算出换件时差，识别换件时间，依据识别到的换件时间将设备更换零件的次数标定为换件次数，将开关机次数与换件次数带入到计算式：使用次数＝(开关机次数-换件次数)/2*更换试用因子，其中，更换试用因子为预设值；

建立一个虚拟平面直角坐标系，将更换前的零件影像在虚拟平面直角坐标系中进行标记，将零件的每个边角进行坐标点标记，将标记后的坐标点依据勾股定理进行差值计算，计算出每两个坐标点之间的距离并标记为距离数据，将若干个距离数据进行从大到小的排序，选取出其中最大的距离数据并标记为磨损直径；

将更换后的零件影像在虚拟平面直角坐标系中进行标记，将零件的每个边角进行坐标点标记，将标记后的坐标点依据勾股定理进行差值计算，计算出每两个坐标点之间的距离并标记为距离数据，将若干个距离数据进行从大到小的排序，选取出其中最大的距离数据并标记为初始直径，上述两个状态的零件选择均为圆形齿轮，从而分析圆形齿轮的磨损情况；

将初始直径与磨损直径带入到计算式：消耗值＝(初始直径-磨损直径)/2，将消耗值与换件时差进行占比计算，计算出消耗占比值，即消耗值在换件时差内的平均消耗数值；

处理器生成预警计算信令并发送至安全预警管理单元，安全预警管理单元依据预警计算信令对设备的自身运行状况以及维修状况进行综合评估计算处理，综合评估计算处理的具体处理过程为：

提取设备运行以及维修对应的低效时段、低温时段、标效时段、标温时段、频率偏差均值、频率均值、使用次数以及消耗占比值并带到综合评估计算式：

其中，P_状表示为设备状态评价值，Dx表示为低效时段，Bx表示为标效时段，Dw表示为低温时段，Bw表示为标温时段，u1表示为低效时段对设备状态评价值的计算转化权重系数，u2表示为低温时段对设备状态评价值的计算转化权重系数，e1表示为标效时段对设备状态评价值的计算转化权重系数，e2表示为标温时段对设备状态评价值的计算转化权重系数，u3表示为低效时段、低温时段、标效时段以及标温时段对设备状态评价计算的偏差调节因子，Pl表示为频率均值，Pc表示为频率偏差均值，k1表示为频率均值对设备状态评价值的计算转化权重系数，Sc表示为使用次数，k2表示为使用次数对设备状态评价值的计算转化权重系数，Xz表示为消耗占比均值，g表示为消耗占比均值对设备状态评价值的计算转化权重系数，其中，u1、u2、u3、e1、e2、k1、k2、g均为预设值；

将设备状态评价值与设备健康阈值进行比对，当设备状态评价值大于设备健康阈值，则判定设备处于健康状态，无需进行设备预警，当设备状态评价值小于等于设备健康阈值，则判定设备处于不健康状态，生成预警信号，并发出预警警报。

以上内容仅仅是对本发明结构所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明的结构或者超越本权利要求书所定义的范围，均应属于本发明的保护范围。

Claims (6)

1.基于人工智能和大数据分析的智能监控终端，包括安全监控平台以及处理器，其特征在于，安全监控平台内还设置有设备运行监测单元、设备维护管理单元和安全预警管理单元；

所述处理器生成运行分析信令并传输至设备运行监测单元，通过设备运行监测单元对安全监控平台内所监测的设备自身的运行状况进行运行管理，并依据设备运行时的效率标定出低效时段、低温时段、标效时段以及标温时段；

所述处理器生成维护管理信令并传输至设备维护管理单元，通过设备维护管理单元对安全监控平台内的设备维护情况进行梳理分析，并依据设备的使用以及维护情况标定出频率均值、频率偏差均值、使用次数以及消耗占比值；

所述处理器生成预警计算信令并发送至安全预警管理单元，通过安全预警管理单元对设备的运行状态以及健康状态进行数值转化，并依据转化后的数值进行设备状态评价值的计算，从而判定设备是否安全，是否存在安全隐患并发出预警警报。

2.根据权利要求1所述的基于人工智能和大数据分析的智能监控终端，其特征在于，所述处理器生成运行分析信令并传输至设备运行监测单元，所述设备运行监测单元依据运行分析信令对安全监控平台内所监测的设备自身的运行状况进行分析处理，运行状态分析处理的具体过程为：

将采集的设备相关数据分别标定为工作时间点、运行时间点、温度数据以及工量数据；

选取出若干个不同的运行时间点，将若干个不同的运行时间点分别与工作时间点进行差值计算，计算出对应的若干个工作时长，将若干个运行时间点之间进行差值计算，计算出若干个运行时段，提取若干个运行时段对应的工量数据，依据若干个运行时段以及对应的工量数据计算出工作效率；

将若干个运行时段与对应的工作效率进行图像处理，从而得到功效图像，并对功效图像进行标记处理，从而生成升信号、降信号以及平信号；

提取升信号、降信号、平信号以及对应的运行时段，统计出升信号、降信号以及平信号出现的次数并依次标记为升次数、降次数以及平次数，对升次数、降次数以及平次数进行识别，当按照运行时段数据依次识别到升次数、降次数以及平次数的数值为1时，生成时长影响信号，判定设备的工作效率与设备的运行时长有关，当按照运行时段数据依次识别到升次数、降次数以及平次数的数值均大于等于2时，生成时长无影响信号，判定设备的工作效率与设备的运行时长无关；

依据图像处理结果中每个时间段内的温度数据，并将温度数据进行均值计算，计算出温度均值，将温度均值替换运行时段在对应的运行时段在功效图像中进行标记，并将重新标记后的功效图像标记为温效图像，对温效图像以及升信号、降信号、平信号以及运行时段进行分析，标定出低效时段、低温时段、标效时段以及标温时段。

其中，工作时间点表示设备开始启动运行的时间点，运行时间点表示设备正在运行的时间点，温度数据表示设备在运行时每个时间点的温度，工量数据表示设备在运行时每个时间段的工作量。

3.根据权利要求2所述的基于人工智能和大数据分析的智能监控终端，其特征在于，对功效图像进行标记处理的具体过程为：

建立一个虚拟平面直角坐标系，将若干个运行时段标记为X轴的数值并在虚拟平面直角坐标系进行标记，将若干个运行时段对应的工作效率标定为Y轴数值并在虚拟平面直角坐标系进行标记，将每个时间段内的轴数值按照工作效率进行直线标记，同时，将两个相邻时间段的工作效率进行首尾直线连接；

依据功效图像对每个时间段内的连接线直线进行效率判定，当连接直线再前一运行时段时间点的Y轴数值小于后一运行时段时间点的Y轴数值，则判定连接直线为上升直线，生成升信号，当连接直线再前一运行时段时间点的Y轴数值大于后一运行时段时间点的Y轴数值，则判定连接直线为下降直线，生成降信号，当连接直线再前一运行时段时间点的Y轴数值等于后一运行时段时间点的Y轴数值，则判定连接直线为平行直线，生成平信号；

其中，进行效率判定的方向为：连接直线以虚拟平面直角坐标系的原点向X轴的延伸为方向，前一运行时段时间点指代靠近原点的方向，后一运行时段时间点指代远离原点的方向，且前一运行时段时间点与后一运行时段时间点相邻。

4.根据权利要求2所述的基于人工智能和大数据分析的智能监控终端，其特征在于，对温效图像以及升信号、降信号、平信号以及运行时段进行分析，具体为：

选取出每次设备运行时升信号、降信号、平信号对应运行时段的温度数据，当相同设备同时间段内温度数据不相同时，对升信号、降信号、平信号进行识别，当识别到温度数据不相同，且升信号、降信号、平信号不相同时，则判定温度对设备的运行效率有影响，生成温度影响信号，当识别到温度数据不相同，且升信号、降信号、平信号相同时，则判定温度对设备的运行效率无影响，生成温度无影响信号；

识别时长影响信号、时长无影响信号、温度影响信号以及温度无影响信号，当识别到时长影响信号或温度影响信号时，则提取平信号对应的运行时段以及温度数据，将运行时段以及温度数据分别标定为峰值时段和峰值温度，依据峰值时段和峰值温度的选取方式，选取出每次设备运行的峰值时段和峰值温度，并将若干个峰值时段以及峰值温度分别进行均值计算，计算出峰值均段和峰值均温，且峰值均段具体指代一个时间点的均值段；

将功效图像内达峰值均段以外的时间标定低效时段，将设备内部的温度在峰值均温以外的时间段标定为低温时段，依据低效时段和低温时段的标定方法，将峰值均段和峰值均温对应的时段标定为标效时段和标温时段。

5.根据权利要求2所述的基于人工智能和大数据分析的智能监控终端，其特征在于，所述设备维护管理单元依据维护管理信令对监测的设备的维护管理进行维护处理，维护处理的具体处理过程为：

将一段时间内采集的设备维护数据标定为震频数据、开关机数据、换件时间以及零件影像；

震频数据表示为在一段时间内每个时间点设备的振动频率，开关机数据表示为在一段时间内设备的开关机状态，换件时间表示为在一段时间内设备内部零件的更换的时间点，零件影像表示为在一段时间内设备内部零件的影像标定为；

将每个时间点的振动频率进行均值计算，计算出频率均值，将频率均值与若干个振动频率进行差值计算，从而计算出若干个频率差值，将若干个频率差值进行均值计算，计算出频率差均值，将频率差均值与若干个频率差值进行差值计算，计算出若干个频率偏差值，将若干个频率偏差值进行均值计算，计算出频率偏差均值；

识别开关机数据，并将开关机数据进行次数识别，识别出开机和关机的次数并将其标定为开关机次数，提取每次换件时间，并将两次换件时间进行差值计算，计算出换件时差，识别换件时间，依据识别到的换件时间将设备更换零件的次数标定为换件次数，将开关机次数与换件次数进行使用次数计算，计算出使用次数；

建立一个虚拟平面直角坐标系，将更换前的零件影像在虚拟平面直角坐标系中进行标记，将零件的每个边角进行坐标点标记，将标记后的坐标点依据勾股定理进行差值计算，计算出每两个坐标点之间的距离并标记为距离数据，将若干个距离数据进行从大到小的排序，选取出其中最大的距离数据并标记为磨损直径，依据磨损直径的计算方法将更换后的零件影像进行计算处理，得到初始直径；

将初始直径与磨损直径带入到计算式：消耗值＝(初始直径-磨损直径)/2，将消耗值与换件时差进行占比计算，计算出消耗占比值。

6.根据权利要求5所述的基于人工智能和大数据分析的智能监控终端，其特征在于，所述安全预警管理单元依据预警计算信令对设备的自身运行状况以及维修状况进行综合评估计算处理，综合评估计算处理的具体处理过程为：

提取设备运行以及维修对应的低效时段、低温时段、标效时段、标温时段、频率偏差均值、频率均值、使用次数以及消耗占比值并将其依次标记为：Dx、Dw、Bx、Bw、Pc、Pl、Sc以及Xz；

将低效时段、低温时段、标效时段、标温时段、频率偏差均值、频率均值、使用次数以及消耗占比值进行统一标量转化对应的权重系数进行分别标定，将低效时段对设备状态评价值的计算转化权重系数标定为u1，将低温时段对设备状态评价值的计算转化权重系数标定为u2，将标效时段对设备状态评价值的计算转化权重系数标记为e1，将标温时段对设备状态评价值的计算转化权重系数标定为e2，将低效时段、低温时段、标效时段以及标温时段对设备状态评价计算的偏差调节因子标定为u3，将频率均值对设备状态评价值的计算转化权重系数标定为k1，将使用次数对设备状态评价值的计算转化权重系数标定为k2，将消耗占比均值对设备状态评价值的计算转化权重系数标定为g；

依据计算式：

计算出设备状态评价值P_状；

将设备状态评价值P_状与设备健康阈值F1进行比对，当P_状＞F1，则判定设备处于健康状态，无需进行设备预警，当P_状≤F1，则判定设备处于不健康状态，生成预警信号，并发出预警警报。

Images