CN116986246A - 一种用于对输煤皮带进行智能巡检系统及巡检方法 - Google Patents
一种用于对输煤皮带进行智能巡检系统及巡检方法 Download PDFInfo
- Publication number
- CN116986246A CN116986246A CN202311195871.9A CN202311195871A CN116986246A CN 116986246 A CN116986246 A CN 116986246A CN 202311195871 A CN202311195871 A CN 202311195871A CN 116986246 A CN116986246 A CN 116986246A
- Authority
- CN
- China
- Prior art keywords
- data
- module
- conveying belt
- coal conveying
- group
- 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.)
- Pending
Links
- 239000003245 coal Substances 0.000 title claims abstract description 69
- 238000007689 inspection Methods 0.000 title claims abstract description 38
- 238000000034 method Methods 0.000 title claims abstract description 16
- 238000012545 processing Methods 0.000 claims abstract description 28
- 238000004458 analytical method Methods 0.000 claims abstract description 22
- 238000012423 maintenance Methods 0.000 claims abstract description 18
- 238000003860 storage Methods 0.000 claims abstract description 15
- 230000003993 interaction Effects 0.000 claims abstract description 10
- 238000007726 management method Methods 0.000 claims abstract description 7
- 238000013500 data storage Methods 0.000 claims abstract description 4
- 238000013527 convolutional neural network Methods 0.000 claims description 13
- 230000002159 abnormal effect Effects 0.000 claims description 12
- 238000012549 training Methods 0.000 claims description 12
- 238000001514 detection method Methods 0.000 claims description 10
- 238000012360 testing method Methods 0.000 claims description 8
- 239000011159 matrix material Substances 0.000 claims description 7
- 238000007781 pre-processing Methods 0.000 claims description 7
- 230000009466 transformation Effects 0.000 claims description 7
- 230000004913 activation Effects 0.000 claims description 6
- 238000012544 monitoring process Methods 0.000 claims description 6
- 238000013508 migration Methods 0.000 claims description 4
- 230000005012 migration Effects 0.000 claims description 4
- 230000008439 repair process Effects 0.000 claims description 4
- 239000013598 vector Substances 0.000 claims description 4
- 230000010485 coping Effects 0.000 claims description 3
- 238000009826 distribution Methods 0.000 claims description 3
- 238000005265 energy consumption Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 claims description 3
- 238000011156 evaluation Methods 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 230000007246 mechanism Effects 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 230000003449 preventive effect Effects 0.000 claims description 3
- 230000000007 visual effect Effects 0.000 claims description 3
- 230000000903 blocking effect Effects 0.000 claims description 2
- 238000010276 construction Methods 0.000 claims description 2
- 238000012216 screening Methods 0.000 claims description 2
- 230000001131 transforming effect Effects 0.000 claims description 2
- 238000000605 extraction Methods 0.000 abstract description 3
- 230000002349 favourable effect Effects 0.000 abstract 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000001550 time effect Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
- B65G—TRANSPORT OR STORAGE DEVICES, e.g. CONVEYORS FOR LOADING OR TIPPING, SHOP CONVEYOR SYSTEMS OR PNEUMATIC TUBE CONVEYORS
- B65G43/00—Control devices, e.g. for safety, warning or fault-correcting
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
- B65G—TRANSPORT OR STORAGE DEVICES, e.g. CONVEYORS FOR LOADING OR TIPPING, SHOP CONVEYOR SYSTEMS OR PNEUMATIC TUBE CONVEYORS
- B65G2201/00—Indexing codes relating to handling devices, e.g. conveyors, characterised by the type of product or load being conveyed or handled
- B65G2201/04—Bulk
- B65G2201/045—Sand, soil and mineral ore
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
- B65G—TRANSPORT OR STORAGE DEVICES, e.g. CONVEYORS FOR LOADING OR TIPPING, SHOP CONVEYOR SYSTEMS OR PNEUMATIC TUBE CONVEYORS
- B65G2203/00—Indexing code relating to control or detection of the articles or the load carriers during conveying
- B65G2203/04—Detection means
- B65G2203/042—Sensors
Landscapes
- Control Of Conveyors (AREA)
Abstract
本发明公开了一种用于对输煤皮带进行智能巡检系统及巡检方法，属于智能巡检技术领域，包括传感器模块、影像采集模块、中央处理模块、存储数据库、追踪分析模块、人机交互模块、计划维护模块、数据安全模块以及能源管理模块；本发明能够更好地捕捉各组数据之间的关联性，提高特征提取质量，能够同时关注局部和全局信息，有利于理解输煤皮带系统的复杂性，实现准确地识别潜在的故障和问题，降低误报率，有助于保护数据免受意外损坏或丢失的影响，能够提高数据的可靠性，能够支持跨地理位置的数据存储和访问，方便进行数据共享以及同步，提高系统的稳定性和可用性。
Description
技术领域
本发明涉及智能巡检技术领域，尤其涉及一种用于对输煤皮带进行智能巡检系统及巡检方法。
背景技术
输煤皮带作为矿山和工业生产中重要的物料输送工具，扮演着关键的角色。然而，输煤皮带的正常运行和维护需要定期巡检，以确保系统的可靠性和安全性。传统的巡检方法通常依赖于人工巡查，存在效率低、成本高、容易遗漏问题的问题。因此，针对输煤皮带的智能巡检系统应运而生。
经检索，中国专利号CN111432179A公开了基于计算机视觉的输煤皮带智能巡检系统及方法，该发明虽然具有普适性，适用于各种皮带运输场景，帮助操作维护人员更快掌握现场实际情况，减少人工对现有检测传感器的定时效对操作，防范由于设备故障导致事故的进一步扩大从而确保作业安全，同时减少人力、时间的浪费，但是无法捕捉各组数据之间的关联性，降低特征提取质量，且无法同时关注局部和全局信息，不利于系统理解输煤皮带系统的复杂性；此外，现有的对输煤皮带进行智能巡检系统及巡检方法数据容易受意外损失或丢失影响，数据可靠性差，且不方便进行数据共享与同步，为此，我们提出一种用于对输煤皮带进行智能巡检系统及巡检方法。
发明内容
本发明的目的是为了解决现有技术中存在的缺陷，而提出的一种用于对输煤皮带进行智能巡检系统及巡检方法。
为了实现上述目的，本发明采用了如下技术方案：
一种用于对输煤皮带进行智能巡检系统，包括传感器模块、影像采集模块、中央处理模块、存储数据库、追踪分析模块、人机交互模块、计划维护模块、数据安全模块以及能源管理模块；
所述传感器模块用于实时监测输煤皮带的各项参数；
所述影像采集模块用于捕捉输煤皮带的图像或视频；
所述中央处理模块用于接收传感器模块以及影像采集模块的数据，并进行数据处理；
所述存储数据库用于将处理后的数据进行存储；
所述追踪分析模块用于对输煤皮带的异常信息进行检测追踪；
所述人机交互模块用于提供用户友好的交互界面，使操作人员可以实时监测系统状态、查看警报信息和执行必要的操作；
所述计划维护模块用于根据系统分析和故障预测生成预防性维护计划，并管理维护工单；
所述数据安全模块用于检测和应对潜在的安全威胁，并管理用户访问权限；
所述能源管理模块用于监测输煤皮带系统的能源消耗，并提供节能建议。
作为本发明的进一步方案，所述输煤皮带参数具体包括温度、振动、张力、速度、位置、电流、压力、湿度以及电压。
作为本发明的进一步方案，所述中央处理模块数据处理具体步骤如下：
步骤一：中央处理模块对接收到的参数信息进行解析，并将其转换成可处理的数字格式，再通过高斯滤波去除数据中的噪声并平滑数据，之后计算参数信息的标准偏差，之后依据计算出的标准偏差分别对异常数据进行检测并筛除；
步骤二：检测是否存在重复的数据记录，若存在重复数据，则将其删除，检测各组数据中存在的缺失值，并标记各缺失值在对应数据中的所在位置，对各组数据中存在的缺失值进行统计和可视化分析以获取缺失值的分布情况和影响范围，并计算KNN算法找到的相应的K组数据点的平均值或中位数来替代异常值或缺失值；
步骤三：依据各图像数据显示比列进行分块处理，之后对分块后的各组图像数据通过傅里叶变换对数据中高频成分进行分析提取，通过图像金字塔对处理后的图像数据进行尺度归一化处理，并提取各组图像数据的特征；
步骤四：使用规定像素的窗口在各组图像数据中移动，每移动一次计算此时窗口下的灰度共生矩阵，从灰度共生矩阵中计算相关图像数据中的纹理特征，并记录采集到的各组特征数据。
作为本发明的进一步方案，所述存储数据库数据存储具体步骤如下：
步骤1：存储数据库按照预设的时间区间对各组数据进行分割，以获形成多组数据块，之后通过哈希算法自动为每组数据块生成一个唯一的标识；
步骤2：收集各组节点信息，并依据数据块划分规则以及节点负载情况，并通过负载均衡算法选择合适的节点来存储每组数据块，数据块存储完成后，根据系统的要求和可用资源进行配置复制规定数量的数据块到多组节点上；
步骤3：当节点存储的数据发生变化时，通过数据同步算法将数据更新从一个节点传播到其他节点，之后自动检测节点运行情况，并对故障节点进行数据迁移或修复。
作为本发明的进一步方案，所述追踪分析模块检测追踪具体步骤如下：
步骤Ⅰ：追踪分析模块从存储数据库采集输煤皮带历史运行数据，之后各组历史运行数据进行预处理后，将历史运行数据随机划分为训练集与测试集，并初始化卷积神经网络的权重和参数，将多组注意力层导入卷积神经网络中，并拼接多组注意力层以获取对应多头注意力机制；
步骤Ⅱ：将训练集输入卷积神经网络中，并通过多组注意力层从不同角度对相同输入进行线性变换以提取训练集中的各组重要特征，将多组注意力头的输出进行融合，将融合后的特征向量输入到全连接层以获取检测结果以及输煤皮带运行预测数据；
步骤Ⅲ：通过二元交叉熵损失函数来计算模型输出值与实际标签之间的损失值，并通过反向传播算法来更新损失值不达标模型的权重，当损失值满足预设条件时，使用测试集对训练好的卷积神经网络进行评估，根据评估结果对模型进行调整和超参数优化以获取巡检网络模型；
步骤Ⅳ：将最新采集的参数信息信息以及图像数据作为输入数据导入巡检网络模型中，输入数据从巡检网络模型输入层开始经过模型的各隐藏层，各隐藏层分别对输入数据进行一次线性变换和非线性激活，并将处理后的数据通过各层之间的权重和激活函数进行逐层传递，之后输出层输出最终检测结果，并通过可视化展示。
一种用于对输煤皮带进行智能巡检方法，该巡检方法具体如下：
(1)安装传感器以及摄像头并检测各设备连接情况；
(2)采集并预处理输煤皮带参数信息以及图像数据；
(3)分布式存储处理后的各组数据并构建状态知识图谱；
(4)构建并更新巡检网络模型以对输煤皮带进行智能分析；
(5)检测异常信息并生成警报并发送给操作人员；
(6)定期预测输煤皮带的未来性能以指导维护计划。
作为本发明的进一步方案，所述状态知识图谱具体构建步骤如下：
步骤①：从专家知识、文献资料、互联网以及输煤皮带资源数据库中收集与输煤皮带运行状态相关的各种知识和信息，并对收集到的输煤皮带运行状态进行分类、去重以及筛选处理；
步骤②：通过NLP技术识别和抽取出处理后的输煤皮带运行状态中的实体，再从相关的知识信息中提取每个实体的对应属性，并建立实体之间的关系，形成状态知识图谱的连接；
步骤③：采用三元组的形式将实体、属性和关系处理成对应图状结构，选择合适的图数据库来存储和管理状态知识图谱，并对状态知识图谱进行不断地更新和维护。
相比于现有技术，本发明的有益效果在于：
1、本发明系统通从存储数据库采集输煤皮带历史运行数据进行预处理后，随机将数据划分为训练集与测试集，将训练集输入卷积神经网络中，并通过多组注意力层从不同角度对相同输入进行线性变换以提取训练集中的各组重要特征，并将其融合，将融合后的特征向量输入到全连接层输出检测结果，使用测试集进行评估以及优化以获取巡检网络模型，将最新采集的参数信息信息以及图像数据作为输入数据导入巡检网络模型中，输入数据从巡检网络模型输入层开始经过模型的各隐藏层，各隐藏层分别对输入数据进行一次线性变换和非线性激活，并将处理后的数据通过各层之间的权重和激活函数进行逐层传递，之后输出层输出最终检测结果，并通过可视化展示，能够更好地捕捉各组数据之间的关联性，提高特征提取质量，能够同时关注局部和全局信息，有利于理解输煤皮带系统的复杂性，实现准确地识别潜在的故障和问题，降低误报率。
2、本发明通过按照预设的时间区间对各组数据进行分割，以获形成多组数据块，之后通过哈希算法自动为每组数据块生成一个唯一的标识，收集各组节点信息，并依据数据块划分规则以及节点负载情况，并通过负载均衡算法选择合适的节点来存储每组数据块，数据块存储完成后，根据系统的要求和可用资源进行配置复制规定数量的数据块到多组节点上，当节点存储的数据发生变化时，通过数据同步算法将数据更新从一个节点传播到其他节点，之后自动检测节点运行情况，并对故障节点进行数据迁移或修复，有助于保护数据免受意外损坏或丢失的影响，能够提高数据的可靠性，能够支持跨地理位置的数据存储和访问，方便进行数据共享以及同步，提高系统的稳定性和可用性。
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。
图1为本发明提出的一种用于对输煤皮带进行智能巡检系统的系统框图；
图2为本发明提出的一种用于对输煤皮带进行智能巡检方法的流程框图。
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。
实施例1
参照图1，一种用于对输煤皮带进行智能巡检系统，包括传感器模块、影像采集模块、中央处理模块、存储数据库、追踪分析模块、人机交互模块、计划维护模块、数据安全模块以及能源管理模块；
传感器模块用于实时监测输煤皮带的各项参数；影像采集模块用于捕捉输煤皮带的图像或视频；中央处理模块用于接收传感器模块以及影像采集模块的数据，并进行数据处理。
具体的，中央处理模块对接收到的参数信息进行解析，并将其转换成可处理的数字格式，再通过高斯滤波去除数据中的噪声并平滑数据，之后计算参数信息的标准偏差，之后依据计算出的标准偏差分别对异常数据进行检测并筛除，检测是否存在重复的数据记录，若存在重复数据，则将其删除，检测各组数据中存在的缺失值，并标记各缺失值在对应数据中的所在位置，对各组数据中存在的缺失值进行统计和可视化分析以获取缺失值的分布情况和影响范围，并计算KNN算法找到的相应的K组数据点的平均值或中位数来替代异常值或缺失值，依据各图像数据显示比列进行分块处理，之后对分块后的各组图像数据通过傅里叶变换对数据中高频成分进行分析提取，通过图像金字塔对处理后的图像数据进行尺度归一化处理，并提取各组图像数据的特征，使用规定像素的窗口在各组图像数据中移动，每移动一次计算此时窗口下的灰度共生矩阵，从灰度共生矩阵中计算相关图像数据中的纹理特征，并记录采集到的各组特征数据。
本实施例中，输煤皮带参数具体包括温度、振动、张力、速度、位置、电流、压力、湿度以及电压。
存储数据库用于将处理后的数据进行存储。
具体的，存储数据库按照预设的时间区间对各组数据进行分割，以获形成多组数据块，之后通过哈希算法自动为每组数据块生成一个唯一的标识，收集各组节点信息，并依据数据块划分规则以及节点负载情况，并通过负载均衡算法选择合适的节点来存储每组数据块，数据块存储完成后，根据系统的要求和可用资源进行配置复制规定数量的数据块到多组节点上，当节点存储的数据发生变化时，通过数据同步算法将数据更新从一个节点传播到其他节点，之后自动检测节点运行情况，并对故障节点进行数据迁移或修复。
追踪分析模块用于对输煤皮带的异常信息进行检测追踪。
具体的，追踪分析模块从存储数据库采集输煤皮带历史运行数据，之后各组历史运行数据进行预处理后，将历史运行数据随机划分为训练集与测试集，并初始化卷积神经网络的权重和参数，将多组注意力层导入卷积神经网络中，并拼接多组注意力层以获取对应多头注意力机制，将训练集输入卷积神经网络中，并通过多组注意力层从不同角度对相同输入进行线性变换以提取训练集中的各组重要特征，将多组注意力头的输出进行融合，将融合后的特征向量输入到全连接层以获取检测结果以及输煤皮带运行预测数据，通过二元交叉熵损失函数来计算模型输出值与实际标签之间的损失值，并通过反向传播算法来更新损失值不达标模型的权重，当损失值满足预设条件时，使用测试集对训练好的卷积神经网络进行评估，根据评估结果对模型进行调整和超参数优化以获取巡检网络模型，将最新采集的参数信息信息以及图像数据作为输入数据导入巡检网络模型中，输入数据从巡检网络模型输入层开始经过模型的各隐藏层，各隐藏层分别对输入数据进行一次线性变换和非线性激活，并将处理后的数据通过各层之间的权重和激活函数进行逐层传递，之后输出层输出最终检测结果，并通过可视化展示。
人机交互模块用于提供用户友好的交互界面，使操作人员可以实时监测系统状态、查看警报信息和执行必要的操作；计划维护模块用于根据系统分析和故障预测生成预防性维护计划，并管理维护工单；数据安全模块用于检测和应对潜在的安全威胁，并管理用户访问权限；能源管理模块用于监测输煤皮带系统的能源消耗，并提供节能建议。
实施例2
参照图2，一种用于对输煤皮带进行智能巡检方法，该巡检方法具体如下：
安装传感器以及摄像头并检测各设备连接情况。
采集并预处理输煤皮带参数信息以及图像数据。
分布式存储处理后的各组数据并构建状态知识图谱。
具体的，从专家知识、文献资料、互联网以及输煤皮带资源数据库中收集与输煤皮带运行状态相关的各种知识和信息，并对收集到的输煤皮带运行状态进行分类、去重以及筛选处理，通过NLP技术识别和抽取出处理后的输煤皮带运行状态中的实体，再从相关的知识信息中提取每个实体的对应属性，并建立实体之间的关系，形成状态知识图谱的连接，采用三元组的形式将实体、属性和关系处理成对应图状结构，选择合适的图数据库来存储和管理状态知识图谱，并对状态知识图谱进行不断地更新和维护。
构建并更新巡检网络模型以对输煤皮带进行智能分析。
检测异常信息并生成警报并发送给操作人员。
定期预测输煤皮带的未来性能以指导维护计划。
Claims (7)
1.一种用于对输煤皮带进行智能巡检系统，其特征在于，包括传感器模块、影像采集模块、中央处理模块、存储数据库、追踪分析模块、人机交互模块、计划维护模块、数据安全模块以及能源管理模块；
所述传感器模块用于实时监测输煤皮带的各项参数；
所述影像采集模块用于捕捉输煤皮带的图像或视频；
所述中央处理模块用于接收传感器模块以及影像采集模块的数据，并进行数据处理；
所述存储数据库用于将处理后的数据进行存储；
所述追踪分析模块用于对输煤皮带的异常信息进行检测追踪；
所述人机交互模块用于提供用户友好的交互界面，使操作人员可以实时监测系统状态、查看警报信息和执行必要的操作；
所述计划维护模块用于根据系统分析和故障预测生成预防性维护计划，并管理维护工单；
所述数据安全模块用于检测和应对潜在的安全威胁，并管理用户访问权限；
所述能源管理模块用于监测输煤皮带系统的能源消耗，并提供节能建议。
2.根据权利要求1所述的一种用于对输煤皮带进行智能巡检系统，其特征在于，所述输煤皮带参数具体包括温度、振动、张力、速度、位置、电流、压力、湿度以及电压。
3.根据权利要求2所述的一种用于对输煤皮带进行智能巡检系统，其特征在于，所述中央处理模块数据处理具体步骤如下：
步骤一：中央处理模块对接收到的参数信息进行解析，并将其转换成可处理的数字格式，再通过高斯滤波去除数据中的噪声并平滑数据，之后计算参数信息的标准偏差，之后依据计算出的标准偏差分别对异常数据进行检测并筛除；
步骤二：检测是否存在重复的数据记录，若存在重复数据，则将其删除，检测各组数据中存在的缺失值，并标记各缺失值在对应数据中的所在位置，对各组数据中存在的缺失值进行统计和可视化分析以获取缺失值的分布情况和影响范围，并计算KNN算法找到的相应的K组数据点的平均值或中位数来替代异常值或缺失值；
步骤三：依据各图像数据显示比列进行分块处理，之后对分块后的各组图像数据通过傅里叶变换对数据中高频成分进行分析提取，通过图像金字塔对处理后的图像数据进行尺度归一化处理，并提取各组图像数据的特征；
步骤四：使用规定像素的窗口在各组图像数据中移动，每移动一次计算此时窗口下的灰度共生矩阵，从灰度共生矩阵中计算相关图像数据中的纹理特征，并记录采集到的各组特征数据。
4.根据权利要求3所述的一种用于对输煤皮带进行智能巡检系统，其特征在于，所述存储数据库数据存储具体步骤如下：
步骤1：存储数据库按照预设的时间区间对各组数据进行分割，以获形成多组数据块，之后通过哈希算法自动为每组数据块生成一个唯一的标识；
步骤2：收集各组节点信息，并依据数据块划分规则以及节点负载情况，并通过负载均衡算法选择合适的节点来存储每组数据块，数据块存储完成后，根据系统的要求和可用资源进行配置复制规定数量的数据块到多组节点上；
步骤3：当节点存储的数据发生变化时，通过数据同步算法将数据更新从一个节点传播到其他节点，之后自动检测节点运行情况，并对故障节点进行数据迁移或修复。
5.根据权利要求4所述的一种用于对输煤皮带进行智能巡检系统，其特征在于，所述追踪分析模块检测追踪具体步骤如下：
步骤Ⅰ：追踪分析模块从存储数据库采集输煤皮带历史运行数据，之后各组历史运行数据进行预处理后，将历史运行数据随机划分为训练集与测试集，并初始化卷积神经网络的权重和参数，将多组注意力层导入卷积神经网络中，并拼接多组注意力层以获取对应多头注意力机制；
步骤Ⅱ：将训练集输入卷积神经网络中，并通过多组注意力层从不同角度对相同输入进行线性变换以提取训练集中的各组重要特征，将多组注意力头的输出进行融合，将融合后的特征向量输入到全连接层以获取检测结果以及输煤皮带运行预测数据；
步骤Ⅲ：通过二元交叉熵损失函数来计算模型输出值与实际标签之间的损失值，并通过反向传播算法来更新损失值不达标模型的权重，当损失值满足预设条件时，使用测试集对训练好的卷积神经网络进行评估，根据评估结果对模型进行调整和超参数优化以获取巡检网络模型；
步骤Ⅳ：将最新采集的参数信息信息以及图像数据作为输入数据导入巡检网络模型中，输入数据从巡检网络模型输入层开始经过模型的各隐藏层，各隐藏层分别对输入数据进行一次线性变换和非线性激活，并将处理后的数据通过各层之间的权重和激活函数进行逐层传递，之后输出层输出最终检测结果，并通过可视化展示。
6.一种用于对输煤皮带进行智能巡检方法，其特征在于，该巡检方法具体如下：
(1)安装传感器以及摄像头并检测各设备连接情况；
(2)采集并预处理输煤皮带参数信息以及图像数据；
(3)分布式存储处理后的各组数据并构建状态知识图谱；
(4)构建并更新巡检网络模型以对输煤皮带进行智能分析；
(5)检测异常信息并生成警报并发送给操作人员；
(6)定期预测输煤皮带的未来性能以指导维护计划。
7.根据权利要求6所述的一种用于对输煤皮带进行智能巡检方法，其特征在于，所述状态知识图谱具体构建步骤如下：
步骤①：从专家知识、文献资料、互联网以及输煤皮带资源数据库中收集与输煤皮带运行状态相关的各种知识和信息，并对收集到的输煤皮带运行状态进行分类、去重以及筛选处理；
步骤②：通过NLP技术识别和抽取出处理后的输煤皮带运行状态中的实体，再从相关的知识信息中提取每个实体的对应属性，并建立实体之间的关系，形成状态知识图谱的连接；
步骤③：采用三元组的形式将实体、属性和关系处理成对应图状结构，选择合适的图数据库来存储和管理状态知识图谱，并对状态知识图谱进行不断地更新和维护。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311195871.9A CN116986246A (zh) | 2023-09-15 | 2023-09-15 | 一种用于对输煤皮带进行智能巡检系统及巡检方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311195871.9A CN116986246A (zh) | 2023-09-15 | 2023-09-15 | 一种用于对输煤皮带进行智能巡检系统及巡检方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116986246A true CN116986246A (zh) | 2023-11-03 |
Family
ID=88530380
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311195871.9A Pending CN116986246A (zh) | 2023-09-15 | 2023-09-15 | 一种用于对输煤皮带进行智能巡检系统及巡检方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116986246A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117557967A (zh) * | 2024-01-11 | 2024-02-13 | 陕西开来机电设备制造有限公司 | 带式输送机安全保护智能管理系统 |
| CN117851954A (zh) * | 2024-03-06 | 2024-04-09 | 大连海泰轴承制造有限公司 | 基于数据分析的轴承加工设备运行质量检测系统和方法 |
| CN117930742A (zh) * | 2024-03-21 | 2024-04-26 | 山西坚科控制技术有限公司 | 一种基于plc的自动控制系统 |
-
2023
- 2023-09-15 CN CN202311195871.9A patent/CN116986246A/zh active Pending
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117557967A (zh) * | 2024-01-11 | 2024-02-13 | 陕西开来机电设备制造有限公司 | 带式输送机安全保护智能管理系统 |
| CN117557967B (zh) * | 2024-01-11 | 2024-03-29 | 陕西开来机电设备制造有限公司 | 带式输送机安全保护智能管理系统 |
| CN117851954A (zh) * | 2024-03-06 | 2024-04-09 | 大连海泰轴承制造有限公司 | 基于数据分析的轴承加工设备运行质量检测系统和方法 |
| CN117851954B (zh) * | 2024-03-06 | 2024-05-24 | 大连海泰轴承制造有限公司 | 基于数据分析的轴承加工设备运行质量检测系统和方法 |
| CN117930742A (zh) * | 2024-03-21 | 2024-04-26 | 山西坚科控制技术有限公司 | 一种基于plc的自动控制系统 |
| CN117930742B (zh) * | 2024-03-21 | 2024-05-31 | 山西坚科控制技术有限公司 | 一种基于plc的自动控制系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116986246A (zh) | 一种用于对输煤皮带进行智能巡检系统及巡检方法 | |
| CN115578015A (zh) | 基于物联网的污水处理全过程监管方法、系统及存储介质 | |
| CN105574593B (zh) | 基于云计算和大数据的轨道状态静态检控系统及方法 | |
| CN113325153A (zh) | 水质多参数监测综合信息管理系统 | |
| CN115150589A (zh) | 一种用于煤矿企业的视频监控运维管理系统 | |
| CN115471625A (zh) | 一种云机器人平台大数据智能决策方法和系统 | |
| CN117035419B (zh) | 企业项目实施智能管理系统及方法 | |
| CN110690699A (zh) | 一种基于泛在电力物联网的变电站智慧检测系统 | |
| CN117422938B (zh) | 基于三维分析平台的坝坡混凝土结构异常分析方法 | |
| CN117041312A (zh) | 基于物联网的企业级信息技术监控系统 | |
| CN112687022A (zh) | 一种基于视频的智能楼宇巡检方法及系统 | |
| CN113938306B (zh) | 一种基于数据清洗规则的可信认证方法及系统 | |
| CN116976318A (zh) | 基于深度学习和模型推理的电网倒闸操作票智能审核系统 | |
| CN117235169A (zh) | 一种智慧运维数据存储平台 | |
| CN117523451A (zh) | 一种基于智慧安防技术的视频数据分析系统及方法 | |
| CN117114420B (zh) | 一种基于图像识别的工贸安全事故风险管控系统和方法 | |
| Bhargava et al. | A study on potential of big visual data analytics in construction Arena | |
| CN113869589A (zh) | 一种基于知识图谱的输电线路事故预测方法及巡检系统 | |
| CN116579601B (zh) | 矿山安全生产风险监测预警系统及方法 | |
| CN106022311A (zh) | 基于城市监控视频识别的应急事件发现方法及系统 | |
| CN113033443A (zh) | 一种基于无人机的行人过街设施全路网自动化排查方法 | |
| CN115187884A (zh) | 一种高空抛物识别方法、装置、电子设备及存储介质 | |
| CN112732773B (zh) | 一种继电保护缺陷数据的唯一性校核方法及系统 | |
| CN113691390A (zh) | 一种云端协同的边缘节点报警系统及方法 | |
| CN113850144A (zh) | 一种基于图像识别的视频可靠性自动巡检系统 |
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 |