CN115830757A - 一种基于大数据的显示设备性能监测系统及方法 - Google Patents
一种基于大数据的显示设备性能监测系统及方法 Download PDFInfo
- Publication number
- CN115830757A CN115830757A CN202211545877.XA CN202211545877A CN115830757A CN 115830757 A CN115830757 A CN 115830757A CN 202211545877 A CN202211545877 A CN 202211545877A CN 115830757 A CN115830757 A CN 115830757A
- Authority
- CN
- China
- Prior art keywords
- liquid crystal
- crystal display
- curve
- performance monitoring
- display screen
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 102
- 238000000034 method Methods 0.000 title claims abstract description 26
- 238000009529 body temperature measurement Methods 0.000 claims abstract description 77
- 238000013211 curve analysis Methods 0.000 claims abstract description 36
- 238000001514 detection method Methods 0.000 claims abstract description 20
- 238000004458 analytical method Methods 0.000 claims abstract description 9
- 239000004973 liquid crystal related substance Substances 0.000 claims description 114
- 238000012423 maintenance Methods 0.000 claims description 22
- 230000036760 body temperature Effects 0.000 claims description 20
- 239000011159 matrix material Substances 0.000 claims description 16
- 239000013589 supplement Substances 0.000 claims description 12
- 238000007726 management method Methods 0.000 claims description 11
- 238000004364 calculation method Methods 0.000 claims description 9
- 238000011161 development Methods 0.000 claims description 6
- 239000002184 metal Substances 0.000 claims description 6
- 239000000654 additive Substances 0.000 claims description 3
- 230000000996 additive effect Effects 0.000 claims description 3
- 230000002087 whitening effect Effects 0.000 claims description 3
- 230000008569 process Effects 0.000 description 5
- 230000018109 developmental process Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000032683 aging Effects 0.000 description 3
- 230000005856 abnormality Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000013024 troubleshooting Methods 0.000 description 1
Images
Landscapes
- Testing And Monitoring For Control Systems (AREA)
- Emergency Alarm Devices (AREA)
Abstract
本发明公开了一种基于大数据的显示设备性能监测系统及方法,属于大数据监测技术领域。本系统包括测温门禁系统采集模块、数据曲线分析模块、负荷时长判断模块、性能监测分析模块、预警模块;所述测温门禁系统采集模块的输出端与所述数据曲线分析模块的输入端相连接;所述数据曲线分析模块的输出端与所述负荷时长判断模块的输入端相连接;所述负荷时长判断模块的输出端与所述性能监测分析模块的输入端相连接;所述性能监测分析模块的输出端与所述预警模块的输入端相连接。本发明能够通过分析手段对显示设备的故障情况进行分析,利用不同的趋势曲线判断设备元器件的损坏,检测结果精准,并且能够防患于未然。
Description
技术领域
本发明涉及大数据监测技术领域,具体为一种基于大数据的显示设备性能监测系统及方法。
背景技术
自2020年,由于特殊原因,测温门禁系统走入人们视线,其在传统的门禁系统功能基础上,还添加了智能体温检测功能,直接人脸识别就能测量体温,还能记录每个人进门的信息数据,作为一种非接触式显示设备,其安全性不可比拟,同时其可以替代体温枪,降低工作压力,测量温度更精准。
然而测温门禁系统一般处于长期持续的使用,在持续的使用下,内部元器件持续处于工作状态,内部老化速度加快,故障情况难以提防,现如今,尚缺乏能够对其性能进行全面监测的系统。
发明内容
本发明的目的在于提供一种基于大数据的显示设备性能监测系统及方法,以解决上述背景技术中提出的问题。
为了解决上述技术问题,本发明提供如下技术方案:一种基于大数据的显示设备性能监测方法,该方法包括以下步骤:
S1、获取测温门禁系统历史数据,所述测温门禁系统历史数据包括故障维修数据、使用时间数据;所述测温门禁系统包括红外体温检测模块、LED补光灯、摄像头、人脸识别区域模块、液晶显示屏、通行状态显示屏、金属外壳、网络连接指示区;
S2、获取历史数据下的液晶显示屏显示时间曲线,所述液晶显示屏显示时间指摄像头采集到人员进入系统预设位置后到液晶显示屏显示出人员温度的时长;
在上述步骤中,系统预设位置一般指摄像头前方1米至1.5米处,可由系统自行设置,在有人员进入到这个区域时,即代表该人员即将通行测温门禁系统,此时开始计时,在该人员的体温数值输出到液晶显示屏上时作为终止计时,以这样的一个时长定义为一次测温;
S3、构建采集时间周期,所述液晶显示屏显示时间曲线中任相邻两点的时间差值不超过采集时间周期;
测温门禁系统一般用于写字楼、社区、商场等人员变化复杂的地点,而这些地点往往呈现规律性人流,例如在写字楼,早高峰上班点附带有大量人员排队通过,这会导致测温门禁系统持续工作一段时间。而在早高峰以后,进入写字楼的人流逐渐呈现缓慢的趋势,具备间隔性,也即是说测温门禁系统会迎来非持续的工作,持续性的工作会由于温度等原因,造成测温门禁系统内部元器件的加速老化,而非持续工作往往不会对内部元器件造成影响,因此设立采集周期,选取不同曲线,进一步提高系统精准程度;
S4、获取历史数据下未被采集的液晶显示屏显示时间点位,生成辅助判断曲线;
在上述步骤中,辅助判断曲线的主要功能作用是在判断过程中,以辅助的方式提升系统精度,因为在持续工作的过程中,往往会出现网络不稳定出现数据的延时,这会导致在液晶显示屏显示时间上出现异常,而在非持续工作下,网络异常的概率微乎其微,几乎不存在,因此通过增设辅助判断曲线来降低网络问题造成的故障判断影响;
S5、获取历史数据下的液晶显示屏在出现故障维修时,采集到的所有液晶显示屏显示时间曲线上的所有点位,获取对应点位所在时间点,计算测温门禁系统在液晶显示屏显示时间曲线下的使用时长,标记为负荷时长;所述故障维修指自然使用故障,不包括外力因素造成的故障;构建时长预警模型,输出测温门禁系统负荷时长预测值;
在上述步骤中,其中的负荷时长即指测温门禁系统每天的持续工作时长,例如在液晶显示屏显示时间曲线上的点位里,获取对应点位所在时间点分别为6:30-8:30、12:30-12:45,则判断当前的负荷时长为2小时+15分钟;
其中的故障维修指在历史数据下维修以后给出的故障原因为内部元器件老化或者损坏等情况,不包括外力因素,例如撞击导致的损坏等;
S6、设置判断时间周期,获取判断时间周期下当前测温门禁系统的液晶显示屏显示时间曲线与辅助判断曲线,构建性能监测模型,设置性能监测阈值,若存在性能监测模型输出值超出性能监测阈值,则生成性能警告信息至管理端口。
在上述步骤中,若出现了性能警告信息,管理员一般有两种做法,在条件允许的情况下,直接更换相关元器件,但是由于不知道元器件的损坏程度以及具体损坏的元器件,因此往往耗费较大;而另一种情况是等待测温门禁系统出现故障,可直接优先判断为元器件问题,而不需要排查网络以及线路相关问题,起到加快故障排查的优势。
根据上述技术方案,所述红外体温检测模块用于实现对通过测温门禁系统的人员进行体温检测;所述LED补光灯与摄像头配合实现人员检测;所述人脸识别区域模块用于在测温门禁系统上创建人脸识别的区域;所述液晶显示屏用于显示人员温度;所述通行状态显示屏用于输出显示通行状态;所述网络连接指示区用于实现网络连接,支持公网、局域网使用部署方式。
根据上述技术方案,所述构建时长预警模型包括:
获取历史数据下的液晶显示屏在出现故障维修时,采集到的所有液晶显示屏显示时间曲线上的所有点位,获取对应点位所在时间点,计算测温门禁系统在液晶显示屏显示时间曲线下的使用时长,标记为负荷时长;
构建集合B的白化微分方程为:
其中,v为发展灰数;c为内生控制灰数;fb代表集合B中第b个数据;
对集合B中数据作加权邻值计算,生成集合C:
zr=dxr+(1-d)xr-1
其中,zr代表集合C中的第r个数据;d代表权值比例;1<r≤m-1;
将集合A、B、C写成矩阵,利用最小二乘法计算得出发展灰数与内生控制灰数,生成待估参数向量,所述待估参数向量代表发展灰数与内生控制灰数的比值;
输出测温门禁系统负荷时长预测值:
其中,Lθ代表在下一组测温门禁系统负荷时长预测值。
根据上述技术方案,所述构建性能监测模型包括:
设置判断时间周期,获取判断时间周期下当前测温门禁系统的液晶显示屏显示时间曲线与辅助判断曲线;
记所述判断时间周期下当前测温门禁系统的液晶显示屏显示时间曲线中的点位为H;在历史数据的测温门禁系统的液晶显示屏显示时间曲线中任意截取一段时长等于判断时间周期的曲线,点位记为G;
构建一个H*G的矩阵M,表示两组曲线上各个点之间的距离,即M(i,j)等于当前测温门禁系统的液晶显示屏显示时间曲线的第i个点和历史数据的测温门禁系统的液晶显示屏显示时间曲线中任意截取一段时长等于判断时间周期的曲线的第j个点之间的距离;1≤i≤H,1≤j≤G;
计算矩阵M从左上角到右下角的路径,使得路径上的元素和最小,具体方法为:
起始条件:Smin(1,1)=M(1,1);
利用递推算法得:
Smin(i,j)=min{Smin(i,j-1)、Smin(i-1,j)、Smin(i-1,j-1)}+M(i,j)
在上述步骤中,通过计算两组曲线各个点之间的距离矩阵,然后寻找一条从矩阵左上角到右下角的路径,使得路径上的元素和最小。
矩阵从左上角到右下角的路径长度有以下性质:当前路径长度=前一步的路径长度+当前元素的大小,路径上的某个元素(i,j),它的前一个元素只可能为以下三者之一:左边的相邻元素(i,j-1)、上面的相邻元素(i-1,j)、左上方的相邻元素(i-1,j-1);
假设矩阵为M,从矩阵左上角(1,1)到任一点(i,j)的最短路径长度为Lmin(i,j)。递推规则这样写的原因是因为当前元素的最短路径必然是从前一个元素的最短路径的长度加上当前元素的值。前一个元素有三个可能,我们取三个可能之中路径最短的那个即可。
利用动态时间规整的方式,获取判断时间周期下当前测温门禁系统的液晶显示屏显示时间曲线与在历史数据的测温门禁系统的液晶显示屏显示时间曲线中任意截取一段时长等于判断时间周期的曲线的点位对应,利用欧几里得公式进行数据规约,输出两组曲线的相似度D0;
在上述步骤中,由于H、G并不相同(时间周期相同的前提下,点位并不一样,例如周期为12小时,一条曲线可以取10:00--22:00,另一条取了6:00--18:00,势必会导致点位不同),所以导致无法进行点位的对应计算,例如H为10,G为22,就先要用动态时间规整找出点位的对应关系,然后再利用欧几里得公式转换为两者之间的距离,在规约至0-1之间;
通过历史数据,系统预设一个辅助判断曲线的液晶显示屏显示时间阈值,获取当前辅助判断曲线中的点位超出液晶显示屏显示时间阈值的点位数量,记为E0;
在上述步骤中,液晶显示屏显示时间阈值一般可以通过寻找一条没有波峰或者波谷的曲线,计算平均值或者选取众数来确定;
构建性能监测模型:
P0=[(Lθ-Tvc)*k1*a1+(Dvc-D0)*k2*a2]*a3+(E0-Evc)*a4
其中,P0代表性能监测模型输出值,a1、a2分别代表负荷时长、液晶显示屏显示时间曲线的影响权重;k1、k2分别代表负荷时长差值、相似度差值的影响系数;a3、a4分别代表性能监测模型输出值的权重比例分配值;Tvc代表负荷时长历史数据平均值;DVC指系统预设的相似度阈值;Evc代表辅助判断曲线中的点位超出液晶显示屏显示时间阈值的点位数量阈值,系统设置;
设置性能监测阈值,若存在性能监测模型输出值超出性能监测阈值,则生成性能警告信息至管理端口。
一种基于大数据的显示设备性能监测系统,该系统包括:测温门禁系统采集模块、数据曲线分析模块、负荷时长判断模块、性能监测分析模块、预警模块;
所述测温门禁系统采集模块用于采集测温门禁系统的历史数据,所述测温门禁系统历史数据包括故障维修数据、使用时间数据;所述数据曲线分析模块用于获取历史数据下的液晶显示屏显示时间曲线与辅助判断曲线,所述液晶显示屏显示时间指摄像头采集到人员进入系统预设位置后到液晶显示屏显示出人员温度的时长,所述辅助判断曲线指通过历史数据下未被采集的液晶显示屏显示时间点位生成的曲线;所述负荷时长判断模块用于通过液晶显示屏显示时间曲线计算测温门禁系统的负荷时长,并通过历史数据下的故障维修数据输出测温门禁系统负荷时长预测值,所述故障维修指自然使用故障,不包括外力因素造成的故障;所述性能监测分析模块用于设置判断时间周期,获取判断时间周期下当前测温门禁系统的液晶显示屏显示时间曲线与辅助判断曲线,构建性能监测模型;所述预警模块用于设置性能监测阈值,若存在性能监测模型输出值超出性能监测阈值,则生成性能警告信息至管理端口;
所述测温门禁系统采集模块的输出端与所述数据曲线分析模块的输入端相连接;所述数据曲线分析模块的输出端与所述负荷时长判断模块的输入端相连接;所述负荷时长判断模块的输出端与所述性能监测分析模块的输入端相连接;所述性能监测分析模块的输出端与所述预警模块的输入端相连接。
根据上述技术方案,所述测温门禁系统包括红外体温检测模块、LED补光灯、摄像头、人脸识别区域模块、液晶显示屏、通行状态显示屏、金属外壳、网络连接指示区;所述红外体温检测模块用于实现对通过测温门禁系统的人员进行体温检测;所述LED补光灯与摄像头配合实现人员检测;所述人脸识别区域模块用于在测温门禁系统上创建人脸识别的区域;所述液晶显示屏用于显示人员温度;所述通行状态显示屏用于输出显示通行状态;所述网络连接指示区用于实现网络连接,支持公网、局域网使用部署方式。
根据上述技术方案,所述数据曲线分析模块包括显示时间曲线分析单元、辅助判断曲线分析单元;
所述显示时间曲线分析单元用于设置采集时间周期,获取历史数据下的液晶显示屏显示时间曲线,所述液晶显示屏显示时间曲线中任相邻两点的时间差值不超过采集时间周期;所述辅助判断曲线分析单元用于获取历史数据下未被采集的液晶显示屏显示时间点位,生成辅助判断曲线;
所述显示时间曲线分析单元、辅助判断曲线分析单元的输出端均连接至负荷时长判断模块的输入端。
根据上述技术方案,所述负荷时长判断模块包括负荷时长计算单元、预测单元;
所述负荷时长计算单元用于获取历史数据下的液晶显示屏在出现故障维修时,采集到的所有液晶显示屏显示时间曲线上的所有点位,获取对应点位所在时间点,计算测温门禁系统在液晶显示屏显示时间曲线下的使用时长,标记为负荷时长;所述预测单元用于构建时长预警模型,输出测温门禁系统负荷时长预测值;
所述负荷时长计算单元的输出端与所述预测单元的输入端相连接。
根据上述技术方案,所述性能监测分析模块包括判断时间周期设置单元、性能监测单元;
所述判断时间周期设置单元用于设置判断时间周期,获取判断时间周期下当前测温门禁系统的液晶显示屏显示时间曲线与辅助判断曲线;所述性能监测单元用于构建性能监测模型,进行曲线对比;
所述判断时间周期设置单元的输出端与所述性能监测单元的输入端相连接。
根据上述技术方案,所述预警模块包括阈值设置单元、警告单元;
所述阈值设置单元用于设置性能监测阈值;所述警告单元用于若存在性能监测模型输出值超出性能监测阈值,则生成性能警告信息至管理端口;
所述阈值设置单元的输出端与所述警告单元的输入端相连接。
与现有技术相比,本发明所达到的有益效果是:
本发明提出了全新的显示设备监测方式,对测温门禁系统的性能故障进行分析,利用数据曲线分析和测温门禁系统的负荷时长,并通过历史数据下的故障维修数据输出测温门禁系统负荷时长预测值,对自然使用故障输出性能警告信息;本发明能够通过分析手段对显示设备的故障情况进行分析,利用不同的趋势曲线判断设备元器件的损坏,检测结果精准,并且能够防患于未然。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1是本发明一种基于大数据的显示设备性能监测系统及方法的流程示意图。
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。
请参阅图1,在本实施例一中:设置测温门禁系统,所述测温门禁系统包括红外体温检测模块、LED补光灯、摄像头、人脸识别区域模块、液晶显示屏、通行状态显示屏、金属外壳、网络连接指示区;
所述红外体温检测模块用于实现对通过测温门禁系统的人员进行体温检测;所述LED补光灯与摄像头配合实现人员检测;所述人脸识别区域模块用于在测温门禁系统上创建人脸识别的区域;所述液晶显示屏用于显示人员温度;所述通行状态显示屏用于输出显示通行状态;所述网络连接指示区用于实现网络连接,支持公网、局域网使用部署方式。
获取历史数据下的液晶显示屏在出现故障维修时,采集到的所有液晶显示屏显示时间曲线上的所有点位,获取对应点位所在时间点,计算测温门禁系统在液晶显示屏显示时间曲线下的使用时长,标记为负荷时长;
构建集合B的白化微分方程为:
其中,v为发展灰数;c为内生控制灰数;fb代表集合B中第b个数据;
对集合B中数据作加权邻值计算,生成集合C:
zr=dxr+(1-d)xr-1
其中,zr代表集合C中的第r个数据;d代表权值比例;1<r≤m-1;
将集合A、B、C写成矩阵,利用最小二乘法计算得出发展灰数与内生控制灰数,生成待估参数向量,所述待估参数向量代表发展灰数与内生控制灰数的比值;
输出测温门禁系统负荷时长预测值:
其中,Lθ代表在下一组测温门禁系统负荷时长预测值。
设置判断时间周期,获取判断时间周期下当前测温门禁系统的液晶显示屏显示时间曲线与辅助判断曲线;
记所述判断时间周期下当前测温门禁系统的液晶显示屏显示时间曲线中的点位为H;在历史数据的测温门禁系统的液晶显示屏显示时间曲线中任意截取一段时长等于判断时间周期的曲线,点位记为G;
构建一个H*G的矩阵M,表示两组曲线上各个点之间的距离,即M(i,j)等于当前测温门禁系统的液晶显示屏显示时间曲线的第i个点和历史数据的测温门禁系统的液晶显示屏显示时间曲线中任意截取一段时长等于判断时间周期的曲线的第j个点之间的距离;1≤i≤H,1≤j≤G;
计算矩阵M从左上角到右下角的路径,使得路径上的元素和最小,具体方法为:
起始条件:Smin(1,1)=M(1,1);
利用递推算法得:
Smin(i,j)=min{Smin(i,j-1)、Smin(i-1,j)、Smin(i-1,j-1)}+M(i,j)
其中,Smin(i,j)代表矩阵M从左上角到右下角的最小路径值;
利用动态时间规整的方式,获取判断时间周期下当前测温门禁系统的液晶显示屏显示时间曲线与在历史数据的测温门禁系统的液晶显示屏显示时间曲线中任意截取一段时长等于判断时间周期的曲线的点位对应,利用欧几里得公式进行数据规约,输出两组曲线的相似度D0;
通过历史数据,系统预设一个辅助判断曲线的液晶显示屏显示时间阈值,获取当前辅助判断曲线中的点位超出液晶显示屏显示时间阈值的点位数量,记为E0;
构建性能监测模型:
P0=[(Lθ-Tvc)*k1*a1+(Dvc-Do)*k2*a2]*a3+(Eo-Evc)*a4
其中,P0代表性能监测模型输出值,a1、a2分别代表负荷时长、液晶显示屏显示时间曲线的影响权重;k1、k2分别代表负荷时长差值、相似度差值的影响系数;a3、a4分别代表性能监测模型输出值的权重比例分配值;Tvc代表负荷时长历史数据平均值;Dvc指系统预设的相似度阈值;Evc代表辅助判断曲线中的点位超出液晶显示屏显示时间阈值的点位数量阈值,系统设置;
设置性能监测阈值,若存在性能监测模型输出值超出性能监测阈值,则生成性能警告信息至管理端口。
在本实施例二中,提供一种基于大数据的显示设备性能监测系统,该系统包括:测温门禁系统采集模块、数据曲线分析模块、负荷时长判断模块、性能监测分析模块、预警模块;
所述测温门禁系统采集模块用于采集测温门禁系统的历史数据,所述测温门禁系统历史数据包括故障维修数据、使用时间数据;所述数据曲线分析模块用于获取历史数据下的液晶显示屏显示时间曲线与辅助判断曲线,所述液晶显示屏显示时间指摄像头采集到人员进入系统预设位置后到液晶显示屏显示出人员温度的时长,所述辅助判断曲线指通过历史数据下未被采集的液晶显示屏显示时间点位生成的曲线;所述负荷时长判断模块用于通过液晶显示屏显示时间曲线计算测温门禁系统的负荷时长,并通过历史数据下的故障维修数据输出测温门禁系统负荷时长预测值,所述故障维修指自然使用故障,不包括外力因素造成的故障;所述性能监测分析模块用于设置判断时间周期,获取判断时间周期下当前测温门禁系统的液晶显示屏显示时间曲线与辅助判断曲线,构建性能监测模型;所述预警模块用于设置性能监测阈值,若存在性能监测模型输出值超出性能监测阈值,则生成性能警告信息至管理端口;
所述测温门禁系统采集模块的输出端与所述数据曲线分析模块的输入端相连接;所述数据曲线分析模块的输出端与所述负荷时长判断模块的输入端相连接;所述负荷时长判断模块的输出端与所述性能监测分析模块的输入端相连接;所述性能监测分析模块的输出端与所述预警模块的输入端相连接。
所述测温门禁系统包括红外体温检测模块、LED补光灯、摄像头、人脸识别区域模块、液晶显示屏、通行状态显示屏、金属外壳、网络连接指示区;所述红外体温检测模块用于实现对通过测温门禁系统的人员进行体温检测;所述LED补光灯与摄像头配合实现人员检测;所述人脸识别区域模块用于在测温门禁系统上创建人脸识别的区域;所述液晶显示屏用于显示人员温度;所述通行状态显示屏用于输出显示通行状态;所述网络连接指示区用于实现网络连接,支持公网、局域网使用部署方式。
所述数据曲线分析模块包括显示时间曲线分析单元、辅助判断曲线分析单元;
所述显示时间曲线分析单元用于设置采集时间周期,获取历史数据下的液晶显示屏显示时间曲线,所述液晶显示屏显示时间曲线中任相邻两点的时间差值不超过采集时间周期;所述辅助判断曲线分析单元用于获取历史数据下未被采集的液晶显示屏显示时间点位,生成辅助判断曲线;
所述显示时间曲线分析单元、辅助判断曲线分析单元的输出端均连接至负荷时长判断模块的输入端。
所述负荷时长判断模块包括负荷时长计算单元、预测单元;
所述负荷时长计算单元用于获取历史数据下的液晶显示屏在出现故障维修时,采集到的所有液晶显示屏显示时间曲线上的所有点位,获取对应点位所在时间点,计算测温门禁系统在液晶显示屏显示时间曲线下的使用时长,标记为负荷时长;所述预测单元用于构建时长预警模型,输出测温门禁系统负荷时长预测值;
所述负荷时长计算单元的输出端与所述预测单元的输入端相连接。
所述性能监测分析模块包括判断时间周期设置单元、性能监测单元;
所述判断时间周期设置单元用于设置判断时间周期,获取判断时间周期下当前测温门禁系统的液晶显示屏显示时间曲线与辅助判断曲线;所述性能监测单元用于构建性能监测模型,进行曲线对比;
所述判断时间周期设置单元的输出端与所述性能监测单元的输入端相连接。
所述预警模块包括阈值设置单元、警告单元;
所述阈值设置单元用于设置性能监测阈值;所述警告单元用于若存在性能监测模型输出值超出性能监测阈值,则生成性能警告信息至管理端口;
所述阈值设置单元的输出端与所述警告单元的输入端相连接。
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。
最后应说明的是:以上所述仅为本发明的优选实施例而已,并不用于限制本发明,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,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。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于大数据的显示设备性能监测方法,其特征在于:该方法包括以下步骤:
S1、获取测温门禁系统历史数据,所述测温门禁系统历史数据包括故障维修数据、使用时间数据;所述测温门禁系统包括红外体温检测模块、LED补光灯、摄像头、人脸识别区域模块、液晶显示屏、通行状态显示屏、金属外壳、网络连接指示区;
S2、获取历史数据下的液晶显示屏显示时间曲线,所述液晶显示屏显示时间指摄像头采集到人员进入系统预设位置后到液晶显示屏显示出人员温度的时长;
S3、构建采集时间周期,所述液晶显示屏显示时间曲线中任相邻两点的时间差值不超过采集时间周期;
S4、获取历史数据下未被采集的液晶显示屏显示时间点位,生成辅助判断曲线;
S5、获取历史数据下的液晶显示屏在出现故障维修时,采集到的所有液晶显示屏显示时间曲线上的所有点位,获取对应点位所在时间点,计算测温门禁系统在液晶显示屏显示时间曲线下的使用时长,标记为负荷时长;所述故障维修指自然使用故障,不包括外力因素造成的故障;构建时长预警模型,输出测温门禁系统负荷时长预测值;
S6、设置判断时间周期,获取判断时间周期下当前测温门禁系统的液晶显示屏显示时间曲线与辅助判断曲线,构建性能监测模型,设置性能监测阈值,若存在性能监测模型输出值超出性能监测阈值,则生成性能警告信息至管理端口。
2.根据权利要求1所述的一种基于大数据的显示设备性能监测方法,其特征在于:所述红外体温检测模块用于实现对通过测温门禁系统的人员进行体温检测;所述LED补光灯与摄像头配合实现人员检测;所述人脸识别区域模块用于在测温门禁系统上创建人脸识别的区域;所述液晶显示屏用于显示人员温度;所述通行状态显示屏用于输出显示通行状态;所述网络连接指示区用于实现网络连接,支持公网、局域网使用部署方式。
3.根据权利要求2所述的一种基于大数据的显示设备性能监测方法,其特征在于:所述构建时长预警模型包括:
获取历史数据下的液晶显示屏在出现故障维修时,采集到的所有液晶显示屏显示时间曲线上的所有点位,获取对应点位所在时间点,计算测温门禁系统在液晶显示屏显示时间曲线下的使用时长,标记为负荷时长;
构建集合B的白化微分方程为:
其中,v为发展灰数;c为内生控制灰数;fb代表集合B中第b个数据;
对集合B中数据作加权邻值计算,生成集合C:
zr=dxr+(1-d)xr-1
其中,zr代表集合C中的第r个数据;d代表权值比例;1<r≤m-1;
将集合A、B、C写成矩阵,利用最小二乘法计算得出发展灰数与内生控制灰数,生成待估参数向量,所述待估参数向量代表发展灰数与内生控制灰数的比值;
输出测温门禁系统负荷时长预测值:
其中,Lθ代表在下一组测温门禁系统负荷时长预测值。
4.根据权利要求3所述的一种基于大数据的显示设备性能监测方法,其特征在于:所述构建性能监测模型包括:
设置判断时间周期,获取判断时间周期下当前测温门禁系统的液晶显示屏显示时间曲线与辅助判断曲线;
记所述判断时间周期下当前测温门禁系统的液晶显示屏显示时间曲线中的点位为H;在历史数据的测温门禁系统的液晶显示屏显示时间曲线中任意截取一段时长等于判断时间周期的曲线,点位记为G;
构建一个H*G的矩阵M,表示两组曲线上各个点之间的距离,即M(i,j)等于当前测温门禁系统的液晶显示屏显示时间曲线的第i个点和历史数据的测温门禁系统的液晶显示屏显示时间曲线中任意截取一段时长等于判断时间周期的曲线的第j个点之间的距离;1≤i≤H,1≤j≤G;
计算矩阵M从左上角到右下角的路径,使得路径上的元素和最小,具体方法为:
起始条件:Smin(1,1)=M(1,1);
利用递推算法得:
Smin(i,j)=min{Smin(i,j-1)、Smin(i-1,j)、Smin(i-1,j-1)}+M(i,j)
其中,Smin(i,j)代表矩阵M从左上角到右下角的最小路径值;
利用动态时间规整的方式,获取判断时间周期下当前测温门禁系统的液晶显示屏显示时间曲线与在历史数据的测温门禁系统的液晶显示屏显示时间曲线中任意截取一段时长等于判断时间周期的曲线的点位对应,利用欧几里得公式进行数据规约,输出两组曲线的相似度D0;
通过历史数据,系统预设一个辅助判断曲线的液晶显示屏显示时间阈值,获取当前辅助判断曲线中的点位超出液晶显示屏显示时间阈值的点位数量,记为E0;
构建性能监测模型:
P0=[(Lθ-Tvc)*k1*a1+(Dvc-D0)*k2*a2]*a3+(E0-Evc)*a4
其中,Po代表性能监测模型输出值,a1、a2分别代表负荷时长、液晶显示屏显示时间曲线的影响权重;k1、k2分别代表负荷时长差值、相似度差值的影响系数;a3、a4分别代表性能监测模型输出值的权重比例分配值;Tvc代表负荷时长历史数据平均值;DVC指系统预设的相似度阈值;Evc代表辅助判断曲线中的点位超出液晶显示屏显示时间阈值的点位数量阈值,系统设置;
设置性能监测阈值,若存在性能监测模型输出值超出性能监测阈值,则生成性能警告信息至管理端口。
5.一种基于大数据的显示设备性能监测系统,其特征在于:该系统包括:测温门禁系统采集模块、数据曲线分析模块、负荷时长判断模块、性能监测分析模块、预警模块;
所述测温门禁系统采集模块用于采集测温门禁系统的历史数据,所述测温门禁系统历史数据包括故障维修数据、使用时间数据;所述数据曲线分析模块用于获取历史数据下的液晶显示屏显示时间曲线与辅助判断曲线,所述液晶显示屏显示时间指摄像头采集到人员进入系统预设位置后到液晶显示屏显示出人员温度的时长,所述辅助判断曲线指通过历史数据下未被采集的液晶显示屏显示时间点位生成的曲线;所述负荷时长判断模块用于通过液晶显示屏显示时间曲线计算测温门禁系统的负荷时长,并通过历史数据下的故障维修数据输出测温门禁系统负荷时长预测值,所述故障维修指自然使用故障,不包括外力因素造成的故障;所述性能监测分析模块用于设置判断时间周期,获取判断时间周期下当前测温门禁系统的液晶显示屏显示时间曲线与辅助判断曲线,构建性能监测模型;所述预警模块用于设置性能监测阈值,若存在性能监测模型输出值超出性能监测阈值,则生成性能警告信息至管理端口;
所述测温门禁系统采集模块的输出端与所述数据曲线分析模块的输入端相连接;所述数据曲线分析模块的输出端与所述负荷时长判断模块的输入端相连接;所述负荷时长判断模块的输出端与所述性能监测分析模块的输入端相连接;所述性能监测分析模块的输出端与所述预警模块的输入端相连接。
6.根据权利要求5所述的一种基于大数据的显示设备性能监测系统,其特征在于:所述测温门禁系统包括红外体温检测模块、LED补光灯、摄像头、人脸识别区域模块、液晶显示屏、通行状态显示屏、金属外壳、网络连接指示区;所述红外体温检测模块用于实现对通过测温门禁系统的人员进行体温检测;所述LED补光灯与摄像头配合实现人员检测;所述人脸识别区域模块用于在测温门禁系统上创建人脸识别的区域;所述液晶显示屏用于显示人员温度;所述通行状态显示屏用于输出显示通行状态;所述网络连接指示区用于实现网络连接,支持公网、局域网使用部署方式。
7.根据权利要求5所述的一种基于大数据的显示设备性能监测系统,其特征在于:所述数据曲线分析模块包括显示时间曲线分析单元、辅助判断曲线分析单元;
所述显示时间曲线分析单元用于设置采集时间周期,获取历史数据下的液晶显示屏显示时间曲线,所述液晶显示屏显示时间曲线中任相邻两点的时间差值不超过采集时间周期;所述辅助判断曲线分析单元用于获取历史数据下未被采集的液晶显示屏显示时间点位,生成辅助判断曲线;
所述显示时间曲线分析单元、辅助判断曲线分析单元的输出端均连接至负荷时长判断模块的输入端。
8.根据权利要求5所述的一种基于大数据的显示设备性能监测系统,其特征在于:所述负荷时长判断模块包括负荷时长计算单元、预测单元;
所述负荷时长计算单元用于获取历史数据下的液晶显示屏在出现故障维修时,采集到的所有液晶显示屏显示时间曲线上的所有点位,获取对应点位所在时间点,计算测温门禁系统在液晶显示屏显示时间曲线下的使用时长,标记为负荷时长;所述预测单元用于构建时长预警模型,输出测温门禁系统负荷时长预测值;
所述负荷时长计算单元的输出端与所述预测单元的输入端相连接。
9.根据权利要求5所述的一种基于大数据的显示设备性能监测系统,其特征在于:所述性能监测分析模块包括判断时间周期设置单元、性能监测单元;
所述判断时间周期设置单元用于设置判断时间周期,获取判断时间周期下当前测温门禁系统的液晶显示屏显示时间曲线与辅助判断曲线;所述性能监测单元用于构建性能监测模型,进行曲线对比;
所述判断时间周期设置单元的输出端与所述性能监测单元的输入端相连接。
10.根据权利要求5所述的一种基于大数据的显示设备性能监测系统,其特征在于:所述预警模块包括阈值设置单元、警告单元;
所述阈值设置单元用于设置性能监测阈值;所述警告单元用于若存在性能监测模型输出值超出性能监测阈值,则生成性能警告信息至管理端口;
所述阈值设置单元的输出端与所述警告单元的输入端相连接。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211545877.XA CN115830757B (zh) | 2022-12-02 | 2022-12-02 | 一种基于大数据的显示设备性能监测系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211545877.XA CN115830757B (zh) | 2022-12-02 | 2022-12-02 | 一种基于大数据的显示设备性能监测系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115830757A true CN115830757A (zh) | 2023-03-21 |
CN115830757B CN115830757B (zh) | 2023-11-17 |
Family
ID=85545021
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211545877.XA Active CN115830757B (zh) | 2022-12-02 | 2022-12-02 | 一种基于大数据的显示设备性能监测系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115830757B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116628561A (zh) * | 2023-07-25 | 2023-08-22 | 江苏嘉杨机电配件有限公司 | 一种电子水泵智能测试系统及方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103310051A (zh) * | 2013-06-05 | 2013-09-18 | 天泽信息产业股份有限公司 | 一种全寿命周期内的车载信息终端故障率预测方法 |
CN106201849A (zh) * | 2016-07-01 | 2016-12-07 | 南京航空航天大学 | 一种有限数据驱动的长寿命部件余寿预测方法 |
CN107038500A (zh) * | 2017-04-10 | 2017-08-11 | 国网江西省电力公司经济技术研究院 | 一种中长期日负荷曲线的预测方法 |
CN113094981A (zh) * | 2021-03-28 | 2021-07-09 | 西北工业大学 | 基于灰色神经网络模型和自助方法的锂离子电池可靠性评估方法 |
CN114565578A (zh) * | 2022-03-01 | 2022-05-31 | 人民百业科技有限公司 | 一种高色域显示屏质量智能检测系统及方法 |
CN114579380A (zh) * | 2022-03-02 | 2022-06-03 | 淮北仕欧网络科技有限公司 | 一种计算机系统故障的人工智能检测系统及方法 |
CN114708927A (zh) * | 2022-03-09 | 2022-07-05 | 北京理工大学 | 基于灰色预测和lstm的高温合金疲劳性能预测方法 |
WO2022166919A1 (zh) * | 2021-02-08 | 2022-08-11 | 中国农业大学 | 一种畜禽舍养殖环境温度预测控制系统及其调控方法 |
-
2022
- 2022-12-02 CN CN202211545877.XA patent/CN115830757B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103310051A (zh) * | 2013-06-05 | 2013-09-18 | 天泽信息产业股份有限公司 | 一种全寿命周期内的车载信息终端故障率预测方法 |
CN106201849A (zh) * | 2016-07-01 | 2016-12-07 | 南京航空航天大学 | 一种有限数据驱动的长寿命部件余寿预测方法 |
CN107038500A (zh) * | 2017-04-10 | 2017-08-11 | 国网江西省电力公司经济技术研究院 | 一种中长期日负荷曲线的预测方法 |
WO2022166919A1 (zh) * | 2021-02-08 | 2022-08-11 | 中国农业大学 | 一种畜禽舍养殖环境温度预测控制系统及其调控方法 |
CN113094981A (zh) * | 2021-03-28 | 2021-07-09 | 西北工业大学 | 基于灰色神经网络模型和自助方法的锂离子电池可靠性评估方法 |
CN114565578A (zh) * | 2022-03-01 | 2022-05-31 | 人民百业科技有限公司 | 一种高色域显示屏质量智能检测系统及方法 |
CN114579380A (zh) * | 2022-03-02 | 2022-06-03 | 淮北仕欧网络科技有限公司 | 一种计算机系统故障的人工智能检测系统及方法 |
CN114708927A (zh) * | 2022-03-09 | 2022-07-05 | 北京理工大学 | 基于灰色预测和lstm的高温合金疲劳性能预测方法 |
Non-Patent Citations (2)
Title |
---|
余健明, 燕飞, 杨文宇, 夏超: "中长期电力负荷的变权灰色组合预测模型", 电网技术, no. 17 * |
朱晓翠: "基于灰色理论的数控机床可靠性及维修性分析技术", 中国博士学位论文全文库 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116628561A (zh) * | 2023-07-25 | 2023-08-22 | 江苏嘉杨机电配件有限公司 | 一种电子水泵智能测试系统及方法 |
CN116628561B (zh) * | 2023-07-25 | 2023-09-29 | 江苏嘉杨机电配件有限公司 | 一种电子水泵智能测试系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN115830757B (zh) | 2023-11-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106022592B (zh) | 一种用电行为异常检测与治安风险预警方法及装置 | |
KR101081051B1 (ko) | 퍼지 유한상태 오토마타를 이용한 화재 불꽃 감지 방법 | |
KR20220143954A (ko) | 광 발전 어레이의 작동 상태를 결정하기 위한 방법 및 장치와, 디바이스 및 저장매체 | |
CN114966467A (zh) | 一种基于数字孪生的输电线路状态评估方法 | |
CN115830757A (zh) | 一种基于大数据的显示设备性能监测系统及方法 | |
CN104780361A (zh) | 一种城市视频监控系统的质量评价方法 | |
US20130103213A1 (en) | System and method for operating a turbine farm | |
CN116048235B (zh) | 基于双向gru和曼-肯德尔法的温感未来趋势检测方法 | |
CN117078017A (zh) | 一种用于电力电网设备监控智能化决策分析系统 | |
CN115883779B (zh) | 一种基于大数据的智慧园区信息安全管理系统 | |
CN109584232A (zh) | 基于图像识别的设备使用状态在线监测方法、系统及终端 | |
KR102105275B1 (ko) | 태양광발전의 인버터 보호모니터링 시스템 | |
WO2023120811A1 (ko) | 실시간 강우패턴 반응형 집중호우 예측시스템 | |
CN116796043A (zh) | 一种智能园区数据可视化方法及系统 | |
CN102542673A (zh) | 基于计算机视觉的atm机预警方法及系统 | |
CN114821483A (zh) | 应用于监控视频的可测温的监视方法及系统 | |
CN117238226B (zh) | 一种led显示屏故障自检方法及系统 | |
CN117093822B (zh) | 基于产业知识图谱的产业大脑数据分析平台 | |
CN114169797A (zh) | 一种能源管理系统及方法 | |
CN114095335B (zh) | 一种网络告警处理方法、装置和电子设备 | |
WO2021141219A1 (ko) | 주가 예측 장치 및 방법 | |
JP2020071698A (ja) | 火災検知装置、火災検知方法及び火災監視システム | |
CN116388685B (zh) | 一种太阳能电池板运行控制系统 | |
WO2023229192A1 (ko) | 디지털 트윈 모델의 데이터에 대해 정상 여부를 판단하는 장치, 방법 및 컴퓨터 프로그램 | |
CN116413545A (zh) | 直流配电网电能质量评估方法及系统 |
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 |