CN116972914B - 变频一体机智能测试方法和系统 - Google Patents
变频一体机智能测试方法和系统 Download PDFInfo
- Publication number
- CN116972914B CN116972914B CN202311226587.3A CN202311226587A CN116972914B CN 116972914 B CN116972914 B CN 116972914B CN 202311226587 A CN202311226587 A CN 202311226587A CN 116972914 B CN116972914 B CN 116972914B
- Authority
- CN
- China
- Prior art keywords
- test
- test material
- integrated machine
- frequency conversion
- preset
- 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
Links
- 238000012360 testing method Methods 0.000 title claims abstract description 266
- 238000006243 chemical reaction Methods 0.000 title claims abstract description 87
- 239000000463 material Substances 0.000 claims abstract description 155
- 239000000498 cooling water Substances 0.000 claims abstract description 36
- 238000012706 support-vector machine Methods 0.000 claims abstract description 25
- 230000001678 irradiating effect Effects 0.000 claims abstract description 5
- 238000003384 imaging method Methods 0.000 claims description 20
- 230000003287 optical effect Effects 0.000 claims description 16
- 239000011800 void material Substances 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000001514 detection method Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 6
- 238000012549 training Methods 0.000 claims description 6
- 238000004458 analytical method Methods 0.000 claims description 4
- 238000000605 extraction Methods 0.000 claims description 2
- 238000000034 method Methods 0.000 abstract description 15
- 238000005516 engineering process Methods 0.000 abstract description 10
- 238000013135 deep learning Methods 0.000 abstract description 6
- 238000010191 image analysis Methods 0.000 abstract description 5
- 239000003245 coal Substances 0.000 description 9
- 230000002159 abnormal effect Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000005286 illumination Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000010998 test method Methods 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000005215 recombination Methods 0.000 description 1
- 230000006798 recombination Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
- Investigating Strength Of Materials By Application Of Mechanical Stress (AREA)
Abstract
本发明涉及一种变频一体机智能测试方法和系统，方法包括：通过变频一体机驱动测试运输车运输测试物料；通过光源照射测试物料；通过摄像头拍摄预设时刻测试物料被光源照射的多帧图像；提取测试物料被光源照射形成的包络线；计算在预设时刻测试物料的垂直截面面积；检测测试运输车在预设时刻的运输速度；计算在预设时刻测试运输车运输测试物料的质量；检测预设时刻变频一体机的电压、电流、温度、压力、冷却水流量，输入经过训练的svm支持向量机；通过svm支持向量机输出变频一体机的测试结果，反映变频一体机是否存在故障。本发明通过图像分析技术计算测试物料质量以及通过深度学习技术分析变频一体机的故障，准确性和效率得到明显提升。
Description
技术领域
本发明涉及计算机分析技术领域，且更为具体地，涉及一种变频一体机智能测试方法和系统。
背景技术
变频一体机是集合变频器与电机于一体的变频电机控制系统，在矿山井下作业环境中，通常采用变频一体机来驱动各种运输工具，实现煤炭或其他类型矿石的运输。
由于矿山井下环境比较复杂，变频一体机产生出厂后难以直接送至井下进行实际作业测试。因此，需要一种新的测试技术方案，能够模拟矿山井下作业环境，准确测试变频一体机是否存在故障。
发明内容
为了解决上述技术问题，提出了本申请，以提供一种能够模拟矿山井下作业环境、准确测试变频一体机是否存在故障的变频一体机智能测试方法和系统。
第一方面，本发明提供了一种变频一体机智能测试方法，包括：通过需进行测试的变频一体机驱动测试运输车，所述测试运输车用于运输测试物料；通过安装在固定位置的光源照射所述测试物料；通过摄像头拍摄预设时刻所述测试物料被所述光源照射的多帧图像；从所述多帧图像中提取所述测试物料被所述光源照射形成的包络线；根据所述测试物料的包络线，计算在所述预设时刻所述测试物料的垂直截面面积；检测所述测试运输车在所述预设时刻的运输速度；根据所述测试运输车在所述预设时刻的运输速度、所述预设时刻所述测试物料的垂直截面面积和所述测试物料的密度，计算在所述预设时刻所述测试运输车运输所述测试物料的质量；检测所述预设时刻所述变频一体机的电压、电流、温度、压力、冷却水流量；将所述变频一体机的电压、电流、温度、压力、冷却水流量与所述测试运输车运输所述测试物料的质量输入经过训练的svm支持向量机，所述svm支持向量机使用发生故障以及未发生故障的变频一体机在历史时刻下的电压、电流、温度、压力、冷却水流量以及驱动运输质量进行训练；通过所述svm支持向量机输出所述变频一体机的测试结果，所述测试结果反映所述变频一体机是否存在故障。
优选地，前述的变频一体机智能测试方法，“根据所述测试物料的包络线，计算在所述预设时刻所述测试物料的垂直截面面积”的步骤包括：从所述多帧图像中检测所述预设时刻所述测试物料的包络线高度；根据所述预设时刻所述测试物料的包络线高度，计算所述预设时刻所述测试物料的厚度，其中，/>为所述摄像头的成像透镜光轴上的等效物距，/>为所述摄像头的成像透镜光轴上的等效像距，为所述摄像头的光束轴心线与成像透镜光轴的夹角，/>为所述摄像头的成像面与成像透镜光轴的夹角，/>为所述预设时刻所述测试物料的包络线高度，/>为所述预设时刻所述测试物料的厚度；根据所述预设时刻所述测试物料的厚度、所述测试运输车的宽度，计算所述预设时刻所述测试物料的垂直截面面积。
优选地，前述的变频一体机智能测试方法，“通过需进行测试的变频一体机驱动测试运输车”的步骤包括：获取所述变频一体机在真实工作环境下驱动运输的多种物体的密度；根据所述真实工作环境下的所述多种物体的密度，计算用于测试所述变频一体机的所述测试物料的密度，其中，/>为所述多种物体中第i种物体的密度，/>为反映所述多种物体中第i种物体在堆积状态下的空隙大小的空隙指数，n为所述多种物体的种类数；根据计算出的所述测试物料的密度，查询供所述测试运输车运输的所述测试物料。
优选地，前述的变频一体机智能测试方法，“通过摄像头拍摄预设时刻所述测试物料被所述光源照射的多帧图像”的步骤包括：根据所述测试运输车的运输速度大小，调节所述摄像头拍摄图像的频率，所述测试运输车在每移动预定长度的距离时所述摄像头即拍摄预定数量的图像。
优选地，前述的变频一体机智能测试方法，“通过摄像头拍摄预设时刻所述测试物料被所述光源照射的多帧图像”的步骤，包括：通过多个所述摄像头对所述测试物料同时进行拍摄，将多个所述摄像头在同一时间拍摄的多个图像进行叠加处理，叠加处理后得到的图像中任一点的像素值为所述多个图像中的对应点的像素平均值。
优选地，前述的变频一体机智能测试方法，还包括：在所述测试结果反映所述变频一体机存在故障时，将所述变频一体机的电压、电流、温度、压力、冷却水流量与所述未发生故障的变频一体机在历史时刻下的电压、电流、温度、压力、冷却水流量以及驱动运输质量的均值进行一一对比，根据对比结果判断所述变频一体机的电压、电流、温度、压力或冷却水流量是否为异常数据。
第二方面，本发明提供了一种变频一体机智能测试系统，包括：测试运输车，通过需进行测试的变频一体机驱动所述测试运输车，所述测试运输车用于运输测试物料；光源，安装在固定位置，用于照射所述测试物料；摄像头，拍摄预设时刻所述测试物料被所述光源照射的多帧图像；图像提取模块，从所述多帧图像中提取所述测试物料被所述光源照射形成的包络线；面积计算模块，根据所述测试物料的包络线，计算在所述预设时刻所述测试物料的垂直截面面积；速度检测模块，检测所述测试运输车在所述预设时刻的运输速度；质量计算模块，根据所述测试运输车在所述预设时刻的运输速度、所述预设时刻所述测试物料的垂直截面面积和所述测试物料的密度，计算在所述预设时刻所述测试运输车运输所述测试物料的质量；特征检测模块，检测所述预设时刻所述变频一体机的电压、电流、温度、压力、冷却水流量；测试输入模块，将所述变频一体机的电压、电流、温度、压力、冷却水流量与所述测试运输车运输所述测试物料的质量输入经过训练的svm支持向量机，所述svm支持向量机使用发生故障以及未发生故障的变频一体机在历史时刻下的电压、电流、温度、压力、冷却水流量以及驱动运输质量进行训练；故障分析模块，通过所述svm支持向量机输出所述变频一体机的测试结果，所述测试结果反映所述变频一体机是否存在故障。
本发明上述一个或多个技术方案，至少具有如下一种或多种有益效果：
本发明的技术方案，对于需要进行测试的变频一体机，使其驱动承载测试物料的测试运输车，以模拟矿山井下的运输煤炭或其他矿石的作业状态，在测试运输车运输过程中，通过光源照射运输的测试物料并拍摄图像，基于图像分析技术从图像中提取测试物料的包络线，进而根据测试物料的包络线实时计算出运输车运输测试物料的质量，将运输车运输测试物料的质量连同变频一体机的电压、电流、温度、压力、冷却水流量等数据一同输入经过训练的svm支持向量机，以通过深度学习技术分析变频一体机是否存在故障，相比于现有技术方案，本发明通过图像分析技术计算测试物料质量以及通过深度学习技术分析变频一体机故障，准确性和效率得到明显提升。
附图说明
通过结合附图对本申请实施例进行更详细的描述，本申请的上述以及其他目的、特征和优势将变得更加明显。附图用来提供对本申请实施例的进一步理解，并且构成说明书的一部分，与本申请实施例一起用于解释本申请，并不构成对本申请的限制。在附图中，相同的参考标号通常代表相同部件或步骤。
图1为根据本申请实施例的一种基于变频一体机智能测试方法的流程图；
图2为根据本申请实施例的一种基于变频一体机智能测试方法的局部流程图；
图3为根据本申请实施例的一种基于变频一体机智能测试方法的局部流程图；
图4为根据本申请实施例的一种基于变频一体机智能测试方法的局部流程图；
图5为根据本申请实施例的一种基于变频一体机智能测试系统的框图。
具体实施方式
下面参照附图来描述本发明的一些实施方式。本领域技术人员应当理解的是，这些实施方式仅仅用于解释本发明的技术原理，并非旨在限制本发明的保护范围。
如图1所示，本发明的一个实施例中提供了一种变频一体机智能测试方法，包括：
步骤S110，通过需进行测试的变频一体机驱动测试运输车，测试运输车用于运输测试物料。
本实施例中，对测试物料的材料不进行限制，其密度接近于煤炭或其他矿石即可。本实施例中，对于需要进行测试的变频一体机，使其驱动承载测试物料的测试运输车，以模拟矿山井下的运输煤炭或其他矿石的作业状态。
步骤S120，通过安装在固定位置的光源照射测试物料。
本实施例中，对光源的类型不进行限制，例如可以采用红外光源。
步骤S130，通过摄像头拍摄预设时刻测试物料被光源照射的多帧图像。
本实施例中，对摄像头拍摄图像的清晰度和帧数不进行限制，例如，拍摄的图像可以是1080P，图像帧数可以是每秒30帧。
步骤S140，从多帧图像中提取测试物料被光源照射形成的包络线。
本实施例中，使用光源照射测试物料时，测试物料的表面被光源的光线所包覆，对光源照射的测试物料进行拍摄后，拍摄的图像上测试物料表面的光照效果呈包络线状，基于图像识别技术可提取测试物料的包络线。
步骤S150，根据测试物料的包络线，计算在预设时刻测试物料的垂直截面面积。
步骤S160，检测测试运输车在预设时刻的运输速度。
步骤S170，根据测试运输车在预设时刻的运输速度、预设时刻测试物料的垂直截面面积和测试物料的密度，计算在预设时刻测试运输车运输测试物料的质量。
步骤S180，检测预设时刻变频一体机的电压、电流、温度、压力、冷却水流量。
步骤S190，将变频一体机的电压、电流、温度、压力、冷却水流量与测试运输车运输测试物料的质量输入经过训练的svm支持向量机，svm支持向量机使用发生故障以及未发生故障的变频一体机在历史时刻下的电压、电流、温度、压力、冷却水流量以及驱动运输质量进行训练。
本实施例中，变频一体机的电压、电流、温度、压力、冷却水流量均为变频一体机的关键工作参数，结合变频一体机的驱动运输质量（即驱动运输工具运输物体的质量）能够反映变频一体机是否存在故障。本实施例中，svm支持向量机是一类按监督学习方式对数据进行二元分类的广义线性分类器，其决策边界是对学习样本求解的最大边距超平面，是深度学习技术领域的常用工具。
步骤S1100，通过svm支持向量机输出变频一体机的测试结果，测试结果反映变频一体机是否存在故障。
进一步地，在测试结果反映变频一体机存在故障时，将变频一体机的电压、电流、温度、压力、冷却水流量与未发生故障的变频一体机在历史时刻下的电压、电流、温度、压力、冷却水流量以及驱动运输质量的均值进行一一对比，根据对比结果判断变频一体机的电压、电流、温度、压力或冷却水流量是否为异常数据。
本实施例中，将变频一体机的电压、电流、温度、压力、冷却水流量等数据与历史数据进行对比，挑选出与历史数据差距较大的一个或多个数据作为异常数据，用于分析变频一体机的故障原因。
根据本实施例的技术方案，在测试运输车运输过程中，通过光源照射运输的测试物料并拍摄图像，基于图像分析技术从图像中提取测试物料的包络线，进而根据测试物料的包络线实时计算出运输车运输测试物料的质量，将运输车运输测试物料的质量连同变频一体机的电压、电流、温度、压力、冷却水流量等数据一同输入经过训练的svm支持向量机，以通过深度学习技术分析变频一体机是否存在故障，相比于现有技术方案，本发明通过图像分析技术计算测试物料质量以及通过深度学习技术分析变频一体机故障，准确性和效率得到明显提升。
如图2所示，本发明的一个实施例中提供了一种变频一体机智能测试方法，相比于前述的实施例，本实施例的变频一体机智能测试方法，步骤S150包括：
步骤S210，从多帧图像中检测预设时刻测试物料的包络线高度。
步骤S220，根据预设时刻测试物料的包络线高度，计算预设时刻测试物料的厚度，其中，/>为摄像头的成像透镜光轴上的等效物距，为摄像头的成像透镜光轴上的等效像距，/>为摄像头的光束轴心线与成像透镜光轴的夹角，/>为摄像头的成像面与成像透镜光轴的夹角，/>为预设时刻测试物料的包络线高度，/>为预设时刻测试物料的厚度。
步骤S230，根据预设时刻测试物料的厚度、测试运输车的宽度，计算预设时刻测试物料的垂直截面面积。
根据本实施例的技术方案，设计了一种根据图像中测试物料的包络线推算测试物料的垂直截面面积的方式，实验证明，通过上述公式能够准确推算出测试物料的垂直截面面积。
如图3所示，本发明的一个实施例中提供了一种变频一体机智能测试方法，相比于前述的实施例，本实施例的变频一体机智能测试方法，步骤S110包括：
步骤S310，获取变频一体机在真实工作环境下驱动运输的多种物体的密度。
步骤S320，根据真实工作环境下的多种物体的密度，计算用于测试变频一体机的测试物料的密度，其中，/>为多种物体中第i种物体的密度，/>为反映多种物体中第i种物体在堆积状态下的空隙大小的空隙指数，n为多种物体的种类数。
步骤S330，根据计算出的测试物料的密度，查询供测试运输车运输的测试物料。
根据本实施例的技术方案，由于测试物料往往摆放整齐，而矿山井下环境中煤炭和其他矿石在堆积状态下往往存在着较大空隙，因此本实施例中考虑了煤炭和其他矿石等物体的密度和空隙，推断出适于模拟煤炭和其他矿石等的物体的密度。
如图4所示，本发明的一个实施例中提供了一种变频一体机智能测试方法，相比于前述的实施例，本实施例的变频一体机智能测试方法，步骤S130包括：
步骤S410，根据测试运输车的运输速度大小，调节摄像头拍摄图像的频率，测试运输车在每移动预定长度的距离时摄像头即拍摄预定数量的图像。
本实施例中，根据测试运输车的运输速度动态调节摄像头拍摄图像的频率，使测试运输车在移动固定长度的距离时摄像头也拍摄固定数量的图像，确保具有稳定数量的图像进行图像分析。
步骤S420，通过多个摄像头对测试物料同时进行拍摄，将多个摄像头在同一时间拍摄的多个图像进行叠加处理，叠加处理后得到的图像中任一点的像素值为多个图像中的对应点的像素平均值。
本实施例中，使用多个摄像头进行拍摄，通过叠加多个摄像头拍摄的图像以提升图像质量。
如图5所示，本发明的一个实施例中提供了一种变频一体机智能测试系统，包括：
测试运输车510，通过需进行测试的变频一体机驱动测试运输车，测试运输车用于运输测试物料。
本实施例中，对测试物料的材料不进行限制，其密度接近于煤炭或其他矿石即可。本实施例中，对于需要进行测试的变频一体机，使其驱动承载测试物料的测试运输车，以模拟矿山井下的运输煤炭或其他矿石的作业状态。
光源520，安装在固定位置，用于照射测试物料。
本实施例中，对光源的类型不进行限制，例如可以采用红外光源。
摄像头530，拍摄预设时刻测试物料被光源照射的多帧图像。
本实施例中，对摄像头拍摄图像的清晰度和帧数不进行限制，例如，拍摄的图像可以是1080P，图像帧数可以是每秒30帧。
图像提取模块540，从多帧图像中提取测试物料被光源照射形成的包络线。
本实施例中，使用光源照射测试物料时，测试物料的表面被光源的光线所包覆，对光源照射的测试物料进行拍摄后，拍摄的图像上测试物料表面的光照效果呈包络线状，基于图像识别技术可提取测试物料的包络线。
面积计算模块550，根据测试物料的包络线，计算在预设时刻测试物料的垂直截面面积。
速度检测模块560，检测测试运输车在预设时刻的运输速度。
质量计算模块570，根据测试运输车在预设时刻的运输速度、预设时刻测试物料的垂直截面面积和测试物料的密度，计算在预设时刻测试运输车运输测试物料的质量。
特征检测模块580，检测预设时刻变频一体机的电压、电流、温度、压力、冷却水流量。
测试输入模块590，将变频一体机的电压、电流、温度、压力、冷却水流量与测试运输车运输测试物料的质量输入经过训练的svm支持向量机，svm支持向量机使用发生故障以及未发生故障的变频一体机在历史时刻下的电压、电流、温度、压力、冷却水流量以及驱动运输质量进行训练。
本实施例中，变频一体机的电压、电流、温度、压力、冷却水流量均为变频一体机的关键工作参数，结合变频一体机的驱动运输质量（即驱动运输工具运输物体的质量）能够反映变频一体机是否存在故障。本实施例中，svm支持向量机是一类按监督学习方式对数据进行二元分类的广义线性分类器，其决策边界是对学习样本求解的最大边距超平面，是深度学习技术领域的常用工具。
故障分析模块5100，通过svm支持向量机输出变频一体机的测试结果，测试结果反映变频一体机是否存在故障。
进一步地，在测试结果反映变频一体机存在故障时，将变频一体机的电压、电流、温度、压力、冷却水流量与未发生故障的变频一体机在历史时刻下的电压、电流、温度、压力、冷却水流量以及驱动运输质量的均值进行一一对比，根据对比结果判断变频一体机的电压、电流、温度、压力或冷却水流量是否为异常数据。
本实施例中，将变频一体机的电压、电流、温度、压力、冷却水流量等数据与历史数据进行对比，挑选出与历史数据差距较大的一个或多个数据作为异常数据，用于分析变频一体机的故障原因。
根据本实施例的技术方案，在测试运输车运输过程中，通过光源照射运输的测试物料并拍摄图像，基于图像分析技术从图像中提取测试物料的包络线，进而根据测试物料的包络线实时计算出运输车运输测试物料的质量，将运输车运输测试物料的质量连同变频一体机的电压、电流、温度、压力、冷却水流量等数据一同输入经过训练的svm支持向量机，以通过深度学习技术分析变频一体机是否存在故障，相比于现有技术方案，本发明通过图像分析技术计算测试物料质量以及通过深度学习技术分析变频一体机故障，准确性和效率得到明显提升。
以上结合具体实施例描述了本申请的基本原理，但是，需要指出的是，在本申请中提及的优点、优势、效果等仅是示例而非限制，不能认为这些优点、优势、效果等是本申请的各个实施例必须具备的。另外，上述公开的具体细节仅是为了示例的作用和便于理解的作用，而非限制，上述细节并不限制本申请为必须采用上述具体的细节来实现。
本申请中涉及的器件、装置、设备、系统的方框图仅作为例示性的例子并且不意图要求或暗示必须按照方框图示出的方式进行连接、布置、配置。如本领域技术人员将认识到的，可以按任意方式连接、布置、配置这些器件、装置、设备、系统。诸如“包括”、“包含”、“具有”等等的词语是开放性词汇，指“包括但不限于”，且可与其互换使用。这里所使用的词汇“或”和“和”指词汇“和/或”，且可与其互换使用，除非上下文明确指示不是如此。这里所使用的词汇“诸如”指词组“诸如但不限于”，且可与其互换使用。
还需要指出的是，在本申请的装置、设备和方法中，各部件或各步骤是可以分解和/或重新组合的。这些分解和/或重新组合应视为本申请的等效方案。
提供所公开的方面的以上描述以使本领域的任何技术人员能够做出或者使用本申请。对这些方面的各种修改对于本领域技术人员而言是非常显而易见的，并且在此定义的一般原理可以应用于其他方面而不脱离本申请的范围。因此，本申请不意图被限制到在此示出的方面，而是按照与在此公开的原理和新颖的特征一致的最宽范围。
为了例示和描述的目的已经给出了以上描述。此外，此描述不意图将本申请的实施例限制到在此公开的形式。尽管以上已经讨论了多个示例方面和实施例，但是本领域技术人员将认识到其某些变型、修改、改变、添加和子组合。
Claims (4)
1.一种变频一体机智能测试方法，其特征在于，包括：
通过需进行测试的变频一体机驱动测试运输车，所述测试运输车用于运输测试物料；
通过安装在固定位置的光源照射所述测试物料；
通过摄像头拍摄预设时刻所述测试物料被所述光源照射的多帧图像；
从所述多帧图像中提取所述测试物料被所述光源照射形成的包络线；
根据所述测试物料的包络线，计算在所述预设时刻所述测试物料的垂直截面面积；
检测所述测试运输车在所述预设时刻的运输速度；
根据所述测试运输车在所述预设时刻的运输速度、所述预设时刻所述测试物料的垂直截面面积和所述测试物料的密度，计算在所述预设时刻所述测试运输车运输所述测试物料的质量；
检测所述预设时刻所述变频一体机的电压、电流、温度、压力、冷却水流量；
将所述变频一体机的电压、电流、温度、压力、冷却水流量与所述测试运输车运输所述测试物料的质量输入经过训练的svm支持向量机，所述svm支持向量机使用发生故障以及未发生故障的变频一体机在历史时刻下的电压、电流、温度、压力、冷却水流量以及驱动运输质量进行训练；
通过所述svm支持向量机输出所述变频一体机的测试结果，所述测试结果反映所述变频一体机是否存在故障，
其中，“根据所述测试物料的包络线，计算在所述预设时刻所述测试物料的垂直截面面积”的步骤包括：
从所述多帧图像中检测所述预设时刻所述测试物料的包络线高度；
根据所述预设时刻所述测试物料的包络线高度，计算所述预设时刻所述测试物料的厚度，其中，/>为所述摄像头的成像透镜光轴上的等效物距，/>为所述摄像头的成像透镜光轴上的等效像距，/>为所述摄像头的光束轴心线与成像透镜光轴的夹角，/>为所述摄像头的成像面与成像透镜光轴的夹角，/>为所述预设时刻所述测试物料的包络线高度，/>为所述预设时刻所述测试物料的厚度；
根据所述预设时刻所述测试物料的厚度、所述测试运输车的宽度，计算所述预设时刻所述测试物料的垂直截面面积，
其中，“通过需进行测试的变频一体机驱动测试运输车”的步骤包括：
获取所述变频一体机在真实工作环境下驱动运输的多种物体的密度；
根据所述真实工作环境下的所述多种物体的密度，计算用于测试所述变频一体机的所述测试物料的密度，其中，/>为所述多种物体中第i种物体的密度，/>为反映所述多种物体中第i种物体在堆积状态下的空隙大小的空隙指数，n为所述多种物体的种类数；
根据计算出的所述测试物料的密度，查询供所述测试运输车运输的所述测试物料。
2.根据权利要求1所述的变频一体机智能测试方法，其特征在于，“通过摄像头拍摄预设时刻所述测试物料被所述光源照射的多帧图像”的步骤包括：
根据所述测试运输车的运输速度大小，调节所述摄像头拍摄图像的频率，所述测试运输车在每移动预定长度的距离时所述摄像头即拍摄预定数量的图像。
3.根据权利要求1所述的变频一体机智能测试方法，其特征在于，“通过摄像头拍摄预设时刻所述测试物料被所述光源照射的多帧图像”的步骤，包括：
通过多个所述摄像头对所述测试物料同时进行拍摄，将多个所述摄像头在同一时间拍摄的多个图像进行叠加处理，叠加处理后得到的图像中任一点的像素值为所述多个图像中的对应点的像素平均值。
4.一种变频一体机智能测试系统，其特征在于，包括：
测试运输车，通过需进行测试的变频一体机驱动所述测试运输车，所述测试运输车用于运输测试物料；
光源，安装在固定位置，用于照射所述测试物料；
摄像头，拍摄预设时刻所述测试物料被所述光源照射的多帧图像；
图像提取模块，从所述多帧图像中提取所述测试物料被所述光源照射形成的包络线；
面积计算模块，根据所述测试物料的包络线，计算在所述预设时刻所述测试物料的垂直截面面积；
速度检测模块，检测所述测试运输车在所述预设时刻的运输速度；
质量计算模块，根据所述测试运输车在所述预设时刻的运输速度、所述预设时刻所述测试物料的垂直截面面积和所述测试物料的密度，计算在所述预设时刻所述测试运输车运输所述测试物料的质量；
特征检测模块，检测所述预设时刻所述变频一体机的电压、电流、温度、压力、冷却水流量；
测试输入模块，将所述变频一体机的电压、电流、温度、压力、冷却水流量与所述测试运输车运输所述测试物料的质量输入经过训练的svm支持向量机，所述svm支持向量机使用发生故障以及未发生故障的变频一体机在历史时刻下的电压、电流、温度、压力、冷却水流量以及驱动运输质量进行训练；
故障分析模块，通过所述svm支持向量机输出所述变频一体机的测试结果，所述测试结果反映所述变频一体机是否存在故障，
其中，“根据所述测试物料的包络线，计算在所述预设时刻所述测试物料的垂直截面面积”的步骤包括：
从所述多帧图像中检测所述预设时刻所述测试物料的包络线高度；
根据所述预设时刻所述测试物料的包络线高度，计算所述预设时刻所述测试物料的厚度，其中，/>为所述摄像头的成像透镜光轴上的等效物距，/>为所述摄像头的成像透镜光轴上的等效像距，/>为所述摄像头的光束轴心线与成像透镜光轴的夹角，/>为所述摄像头的成像面与成像透镜光轴的夹角，/>为所述预设时刻所述测试物料的包络线高度，/>为所述预设时刻所述测试物料的厚度；
根据所述预设时刻所述测试物料的厚度、所述测试运输车的宽度，计算所述预设时刻所述测试物料的垂直截面面积，
其中，“通过需进行测试的变频一体机驱动测试运输车”的步骤包括：
获取所述变频一体机在真实工作环境下驱动运输的多种物体的密度；
根据所述真实工作环境下的所述多种物体的密度，计算用于测试所述变频一体机的所述测试物料的密度，其中，/>为所述多种物体中第i种物体的密度，/>为反映所述多种物体中第i种物体在堆积状态下的空隙大小的空隙指数，n为所述多种物体的种类数；
根据计算出的所述测试物料的密度，查询供所述测试运输车运输的所述测试物料。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311226587.3A CN116972914B (zh) | 2023-09-22 | 2023-09-22 | 变频一体机智能测试方法和系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311226587.3A CN116972914B (zh) | 2023-09-22 | 2023-09-22 | 变频一体机智能测试方法和系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116972914A CN116972914A (zh) | 2023-10-31 |
| CN116972914B true CN116972914B (zh) | 2023-12-26 |
Family
ID=88485323
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311226587.3A Active CN116972914B (zh) | 2023-09-22 | 2023-09-22 | 变频一体机智能测试方法和系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116972914B (zh) |
Citations (21)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH05312819A (ja) * | 1992-05-14 | 1993-11-26 | N T T Data Tsushin Kk | 移動物体の速度検出装置 |
| CN106709511A (zh) * | 2016-12-08 | 2017-05-24 | 华中师范大学 | 基于深度学习的城市轨道交通全景监控视频故障检测方法 |
| CN107037294A (zh) * | 2017-05-25 | 2017-08-11 | 绵阳美菱软件技术有限公司 | 一种上位机、变频一体板的检测方法及检测系统 |
| CN108566051A (zh) * | 2018-06-01 | 2018-09-21 | 孙乃辉 | 一种1140v矿用安全型永磁直驱变频式一体机 |
| CN109934170A (zh) * | 2019-03-13 | 2019-06-25 | 武汉大学 | 一种基于计算机视觉的矿山资源统计方法 |
| KR102039036B1 (ko) * | 2018-06-15 | 2019-11-04 | (주)영일랩스 | 딥러닝 고장예측 분석기반 전동식 조향장치 래틀 검사시스템 |
| CN110824297A (zh) * | 2019-11-19 | 2020-02-21 | 国电南瑞南京控制系统有限公司 | 一种基于svm支持向量机的单相接地故障判别方法和装置 |
| CN111047874A (zh) * | 2019-12-19 | 2020-04-21 | 中科寒武纪科技股份有限公司 | 智能交通违章管理方法及相关产品 |
| CN111144508A (zh) * | 2019-12-30 | 2020-05-12 | 中国矿业大学(北京) | 煤矿副井轨道运输自动控制系统与控制方法 |
| CN112036435A (zh) * | 2020-07-22 | 2020-12-04 | 温州大学 | 一种基于卷积神经网络的无刷直流电机传感器故障检测方法 |
| CN112034278A (zh) * | 2020-07-21 | 2020-12-04 | 山东科技大学 | 一种用于变频调速一体机的电磁信号测试平台 |
| CN112340387A (zh) * | 2020-09-30 | 2021-02-09 | 中煤科工集团上海有限公司 | 基于机器视觉的带式输送机智能控制系统及控制方法 |
| CN112938765A (zh) * | 2020-12-24 | 2021-06-11 | 南京高立工程机械有限公司 | 一种用于施工升降机的智能化变频一体机 |
| CN214114701U (zh) * | 2020-12-24 | 2021-09-03 | 南京高立工程机械有限公司 | 一种用于施工升降机的智能化变频一体机 |
| CN113962259A (zh) * | 2021-10-11 | 2022-01-21 | 燕山大学 | 一种燃料电池系统多模式双层故障诊断方法 |
| CN114359259A (zh) * | 2022-01-18 | 2022-04-15 | 中兴飞流信息科技有限公司 | 一种基于深度学习的变电站光伏板污染检测方法及系统 |
| CN115095384A (zh) * | 2022-07-06 | 2022-09-23 | 深圳奥视得倍科技有限公司 | 一种智能化矿石定位及破碎控制方法与装置 |
| CN115688018A (zh) * | 2023-01-04 | 2023-02-03 | 湖南大学 | 一种多工况下轴承的状态监测与故障诊断方法 |
| CN115877205A (zh) * | 2022-11-30 | 2023-03-31 | 常州富山智能科技有限公司 | 一种伺服电机的故障智能诊断系统及其诊断方法 |
| CN116404945A (zh) * | 2021-12-27 | 2023-07-07 | 中油国家油气钻井装备工程技术研究中心有限公司 | 防爆变频一体机驱动的钻井泵控制系统 |
| CN116704044A (zh) * | 2023-06-08 | 2023-09-05 | 吉林大学 | 一种面向降雨复杂环境智能汽车测试的相机模型构建方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP6772963B2 (ja) * | 2017-06-05 | 2020-10-21 | トヨタ自動車株式会社 | 異常診断装置及び異常診断方法 |
-
2023
- 2023-09-22 CN CN202311226587.3A patent/CN116972914B/zh active Active
Patent Citations (22)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH05312819A (ja) * | 1992-05-14 | 1993-11-26 | N T T Data Tsushin Kk | 移動物体の速度検出装置 |
| CN106709511A (zh) * | 2016-12-08 | 2017-05-24 | 华中师范大学 | 基于深度学习的城市轨道交通全景监控视频故障检测方法 |
| CN107037294A (zh) * | 2017-05-25 | 2017-08-11 | 绵阳美菱软件技术有限公司 | 一种上位机、变频一体板的检测方法及检测系统 |
| CN108566051A (zh) * | 2018-06-01 | 2018-09-21 | 孙乃辉 | 一种1140v矿用安全型永磁直驱变频式一体机 |
| KR102039036B1 (ko) * | 2018-06-15 | 2019-11-04 | (주)영일랩스 | 딥러닝 고장예측 분석기반 전동식 조향장치 래틀 검사시스템 |
| CN109934170A (zh) * | 2019-03-13 | 2019-06-25 | 武汉大学 | 一种基于计算机视觉的矿山资源统计方法 |
| CN110824297A (zh) * | 2019-11-19 | 2020-02-21 | 国电南瑞南京控制系统有限公司 | 一种基于svm支持向量机的单相接地故障判别方法和装置 |
| CN111047874A (zh) * | 2019-12-19 | 2020-04-21 | 中科寒武纪科技股份有限公司 | 智能交通违章管理方法及相关产品 |
| CN111144508A (zh) * | 2019-12-30 | 2020-05-12 | 中国矿业大学(北京) | 煤矿副井轨道运输自动控制系统与控制方法 |
| CN112034278A (zh) * | 2020-07-21 | 2020-12-04 | 山东科技大学 | 一种用于变频调速一体机的电磁信号测试平台 |
| WO2022016693A1 (zh) * | 2020-07-21 | 2022-01-27 | 山东科技大学 | 一种用于变频调速一体机的电磁信号测试平台 |
| CN112036435A (zh) * | 2020-07-22 | 2020-12-04 | 温州大学 | 一种基于卷积神经网络的无刷直流电机传感器故障检测方法 |
| CN112340387A (zh) * | 2020-09-30 | 2021-02-09 | 中煤科工集团上海有限公司 | 基于机器视觉的带式输送机智能控制系统及控制方法 |
| CN112938765A (zh) * | 2020-12-24 | 2021-06-11 | 南京高立工程机械有限公司 | 一种用于施工升降机的智能化变频一体机 |
| CN214114701U (zh) * | 2020-12-24 | 2021-09-03 | 南京高立工程机械有限公司 | 一种用于施工升降机的智能化变频一体机 |
| CN113962259A (zh) * | 2021-10-11 | 2022-01-21 | 燕山大学 | 一种燃料电池系统多模式双层故障诊断方法 |
| CN116404945A (zh) * | 2021-12-27 | 2023-07-07 | 中油国家油气钻井装备工程技术研究中心有限公司 | 防爆变频一体机驱动的钻井泵控制系统 |
| CN114359259A (zh) * | 2022-01-18 | 2022-04-15 | 中兴飞流信息科技有限公司 | 一种基于深度学习的变电站光伏板污染检测方法及系统 |
| CN115095384A (zh) * | 2022-07-06 | 2022-09-23 | 深圳奥视得倍科技有限公司 | 一种智能化矿石定位及破碎控制方法与装置 |
| CN115877205A (zh) * | 2022-11-30 | 2023-03-31 | 常州富山智能科技有限公司 | 一种伺服电机的故障智能诊断系统及其诊断方法 |
| CN115688018A (zh) * | 2023-01-04 | 2023-02-03 | 湖南大学 | 一种多工况下轴承的状态监测与故障诊断方法 |
| CN116704044A (zh) * | 2023-06-08 | 2023-09-05 | 吉林大学 | 一种面向降雨复杂环境智能汽车测试的相机模型构建方法 |
Non-Patent Citations (5)
| Title |
|---|
| EMG-Based Gesture Recognition System and Its Hardware Implementation;Congjie Wang 等;2021 2nd International Conference on Big Data & Artificial Intelligence & Software Engineering (ICBASE);全文 * |
| Machine Learning Based Fault Diagnosis for Single-and Multi-Faults for Induction Motors Fed by Variable Frequency Drives;Mohammad Zawad Ali 等;2019 IEEE Industry Applications Society Annual Meeting;全文 * |
| 列车防滑器主机故障诊断系统设计;夹尚远;姚恩涛;曾九玉;严罡;;计算机测量与控制(第11期);全文 * |
| 矿用刮板输送机变频电动机一体机的工业性试验分析;贾清华;;煤矿机电(第06期);全文 * |
| 船舶推进变频器运行状态预测研究;孙震;高海波;魏绍鹏;;武汉理工大学学报(交通科学与工程版)(第02期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116972914A (zh) | 2023-10-31 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US9846821B2 (en) | Fast object detection method based on deformable part model (DPM) | |
| CN108492291B (zh) | 一种基于cnn分割的太阳能光伏硅片瑕疵检测系统及方法 | |
| CN111753986B (zh) | 面向深度学习模型的动态测试方法及其装置 | |
| CN105044122A (zh) | 一种基于半监督学习模型的铜件表面缺陷视觉检测系统及检测方法 | |
| JP6549396B2 (ja) | 領域検出装置および領域検出方法 | |
| CN110633738B (zh) | 一种用于工业零件图像的快速分类方法 | |
| CN113962274B (zh) | 一种异常识别方法、装置、电子设备及存储介质 | |
| CN113418933B (zh) | 用于检测大尺寸物体的飞拍视觉成像检测系统及方法 | |
| CN103983426A (zh) | 一种基于机器视觉的光纤缺陷检测及分类系统及其方法 | |
| KR20210114383A (ko) | 타이어 측벽 이미징 시스템 | |
| CN116359233A (zh) | 方形电池外观缺陷检测方法、装置、存储介质和电子设备 | |
| CN111144151A (zh) | 一种基于图像识别的高速动态条码实时检测方法 | |
| JP2019184380A (ja) | 撮像装置及び撮像装置を用いた検査システム | |
| CN111551559A (zh) | 一种基于多目视觉系统的lcd液晶屏缺陷检测方法 | |
| CN114742818A (zh) | 一种基于工业面阵摄像头视觉缺陷检测系统及其检测方法 | |
| CN116972914B (zh) | 变频一体机智能测试方法和系统 | |
| CN111311487B (zh) | 一种光伏组件图像的快速拼接方法及系统 | |
| CN113780423A (zh) | 一种基于多尺度融合的单阶段目标检测神经网络及工业品表面缺陷检测模型 | |
| Kostavelis et al. | Supervised traversability learning for robot navigation | |
| CN115818166B (zh) | 轮斗连续系统无人值守自动控制方法及其系统 | |
| CN111611953B (zh) | 一种基于目标特征训练的抽油机识别方法与系统 | |
| CN115272340B (zh) | 工业产品缺陷检测方法和装置 | |
| CN116071365A (zh) | 零件检测方法、装置、设备及存储介质 | |
| KR102527061B1 (ko) | Mes와 연동된 스마트 공장 제조 지능 서비스 시스템 | |
| Arain et al. | Rail surface faults identification from low quality image data using machine learning algorithms |
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 |