CN117010197A - 基于数字孪生的设备检测方法及装置 - Google Patents
基于数字孪生的设备检测方法及装置 Download PDFInfo
- Publication number
- CN117010197A CN117010197A CN202310991850.1A CN202310991850A CN117010197A CN 117010197 A CN117010197 A CN 117010197A CN 202310991850 A CN202310991850 A CN 202310991850A CN 117010197 A CN117010197 A CN 117010197A
- Authority
- CN
- China
- Prior art keywords
- instrument
- pointer
- image
- determining
- value
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 83
- 238000012544 monitoring process Methods 0.000 claims abstract description 26
- 238000000034 method Methods 0.000 claims abstract description 18
- 238000007689 inspection Methods 0.000 claims description 33
- 239000000498 cooling water Substances 0.000 claims description 16
- 238000012549 training Methods 0.000 claims description 16
- 238000003860 storage Methods 0.000 claims description 14
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 11
- 230000002159 abnormal effect Effects 0.000 claims description 7
- 230000006870 function Effects 0.000 description 18
- 238000004891 communication Methods 0.000 description 14
- 238000010586 diagram Methods 0.000 description 12
- 230000003993 interaction Effects 0.000 description 8
- 238000012545 processing Methods 0.000 description 7
- 239000000872 buffer Substances 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 238000001816 cooling Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 210000001503 joint Anatomy 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/774—Generating sets of training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Economics (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- General Health & Medical Sciences (AREA)
- Strategic Management (AREA)
- Software Systems (AREA)
- Multimedia (AREA)
- Entrepreneurship & Innovation (AREA)
- Health & Medical Sciences (AREA)
- Computer Hardware Design (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Geometry (AREA)
- Game Theory and Decision Science (AREA)
- General Engineering & Computer Science (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本申请提供了一种基于数字孪生的设备检测方法及装置,可用于金融领域或其他领域,该方法包括:获取目标数据中心冷源站对应的数字孪生模型和各个设备的运行参数;应用数字孪生模型以及各个设备的运行参数,确定设置在设备处的指针仪表的模拟指针数值;获取目标数据中心冷源站中的巡检机器人采集的指针仪表的仪表图像,监测仪表图像是否为模糊仪表图像,若是,则确定指针仪表为抖动仪表,根据模糊仪表图像确定抖动仪表的数值范围;检测模拟指针数值是否在数值范围内,若否,则确定设有指针仪表的设备存在故障风险。本申请能够避免指针仪表抖动导致设备检测结果不准确,提高设备检测的可靠性,进而能够提高数据中心冷源站的安全性。
Description
技术领域
本申请涉及巡检技术领域,尤其涉及一种基于数字孪生的设备检测方法及装置。
背景技术
目前巡检机器人通过搭载的可见光相机对巡检点位拍照获取样本,并对照片中的巡检点进行图像识别,该技术手段可对设备运行指示灯的亮灭进行识别、对设备机械开关状态进行识别、对指针仪表及数字类仪表进行识别,根据识别结果判断是否有异常情况。
由于有些指针仪表存在抖动的情况,比如冷却水管道内流速过快导致测量管道压力与温度的压力表和温度表存在抖动的问题。抖动的仪表一直处于晃动状态,单纯通过巡检机器人的可见光相机拍摄一张照片,难以准确读取指针仪表的数值,导致设备检测的准确性较低。
发明内容
针对现有技术中的至少一个问题,本申请提出了一种基于数字孪生的设备检测方法及装置,能够避免指针仪表抖动导致设备检测结果不准确,提高设备检测的可靠性,进而能够提高数据中心冷源站的安全性。
为了解决上述技术问题,本申请提供以下技术方案:
第一方面,本申请提供一种基于数字孪生的设备检测方法,包括:
获取目标数据中心冷源站对应的数字孪生模型以及各个设备的运行参数;
应用所述数字孪生模型以及各个设备的运行参数,确定设置在所述设备处的指针仪表的模拟指针数值;
获取所述目标数据中心冷源站中的巡检机器人采集的所述指针仪表的仪表图像,监测所述仪表图像是否为模糊仪表图像,若是,则确定所述指针仪表为抖动仪表,根据所述模糊仪表图像确定所述抖动仪表的数值范围;
检测所述模拟指针数值是否在所述数值范围内,若否,则确定设有所述指针仪表的设备存在故障风险。
在一个实施例中,所述的基于数字孪生的设备检测方法,还包括:
若所述仪表图像为清晰仪表图像,则将该清晰仪表图像的指针数值确定为所述指针仪表的真实指针数值;
判断所述模拟指针数值与所述真实指针数值是否相同,若否,则判定设有所述指针仪表的设备存在故障风险。
在一个实施例中,在所述检测所述模拟指针数值是否在所述数值范围内之后,还包括:
若所述模拟指针数值在所述数值范围内,则确定所述指针仪表的模拟指针数值为真实指针数值;
判断所述真实指针数值是否超出预设的数值范围,若是,则确定设有所述指针仪表的设备存在异常风险。
在一个实施例中,在所述检测所述模拟指针数值是否在所述数值范围内之后,还包括:
根据各个设备的运行状态判断各个设备的运行参数是否正常,若是,则判定设有所述指针仪表的设备存在故障风险。
在一个实施例中,所述监测所述仪表图像是否为模糊仪表图像,若是,则确定所述指针仪表为抖动仪表,根据所述模糊仪表图像确定所述抖动仪表的数值范围,包括:
应用所述仪表图像和预设的图像识别模型,确定所述仪表图像为模糊仪表图像;
应用所述模糊仪表图像和预设的预测模型,确定所述指针仪表的数值范围;
所述预设的图像识别模型是基于第一图像识别算法预先训练得到的,所述预设的预测模型是基于第二图像识别算法预先训练得到的。
在一个实施例中,在所述确定设有所述指针仪表的设备存在故障风险之后,还包括:
将设有所述指针仪表的设备对应的告警信息输出显示。
在一个实施例中,所述设备包括:冷水机组、冷却水管道、冷冻水泵以及冷却水泵。
第二方面,本申请提供一种基于数字孪生的设备检测装置,包括:
获取模块,用于获取目标数据中心冷源站对应的数字孪生模型以及各个设备的运行参数;
应用模块,用于应用所述数字孪生模型以及各个设备的运行参数,确定设置在所述设备处的指针仪表的模拟指针数值;
监测模块,用于获取所述目标数据中心冷源站中的巡检机器人采集的所述指针仪表的仪表图像,监测所述仪表图像是否为模糊仪表图像,若是,则确定所述指针仪表为抖动仪表,根据所述模糊仪表图像确定所述抖动仪表的数值范围;
检测模块,用于检测所述模拟指针数值是否在所述数值范围内,若否,则确定设有所述指针仪表的设备存在故障风险。
在一个实施例中,所述的基于数字孪生的设备检测装置还包括:
第一确定模块,用于若所述仪表图像为清晰仪表图像,则将该清晰仪表图像的指针数值确定为所述指针仪表的真实指针数值;
第一判断模块,用于判断所述模拟指针数值与所述真实指针数值是否相同,若否,则判定设有所述指针仪表的设备存在故障风险。
在一个实施例中,所述的基于数字孪生的设备检测装置还包括:
第二确定模块,用于若所述模拟指针数值在所述数值范围内,则确定所述指针仪表的模拟指针数值为真实指针数值;
第二判断模块,用于判断所述真实指针数值是否超出预设的数值范围,若是,则确定设有所述指针仪表的设备存在异常风险。
在一个实施例中,所述的基于数字孪生的设备检测装置还包括:
判定模块,用于根据各个设备的运行状态判断各个设备的运行参数是否正常,若是,则判定设有所述指针仪表的设备存在故障风险。
在一个实施例中,所述监测模块包括:
第一应用单元,用于应用所述仪表图像和预设的图像识别模型,确定所述仪表图像为模糊仪表图像;
第二应用单元,用于应用所述模糊仪表图像和预设的预测模型,确定所述指针仪表的数值范围;
所述预设的图像识别模型是基于第一图像识别算法预先训练得到的,所述预设的预测模型是基于第二图像识别算法预先训练得到的。
在一个实施例中,所述的基于数字孪生的设备检测装置还包括:
输出模块,用于将设有所述指针仪表的设备对应的告警信息输出显示。
在一个实施例中,所述设备包括:冷水机组、冷却水管道、冷冻水泵以及冷却水泵。
第三方面,本申请提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现所述的基于数字孪生的设备检测方法。
第四方面,本申请提供一种计算机可读存储介质,其上存储有计算机指令,所述指令被处理器执行时实现所述的基于数字孪生的设备检测方法。
由上述技术方案可知,本申请提供一种基于数字孪生的设备检测方法及装置。其中,该方法包括:获取目标数据中心冷源站对应的数字孪生模型以及各个设备的运行参数;应用所述数字孪生模型以及各个设备的运行参数,确定设置在所述设备处的指针仪表的模拟指针数值;获取所述目标数据中心冷源站中的巡检机器人采集的所述指针仪表的仪表图像,监测所述仪表图像是否为模糊仪表图像,若是,则确定所述指针仪表为抖动仪表,根据所述模糊仪表图像确定所述抖动仪表的数值范围;检测所述模拟指针数值是否在所述数值范围内,若否,则确定设有所述指针仪表的设备存在故障风险,能够避免指针仪表抖动导致设备检测结果不准确,提高设备检测的可靠性,进而能够提高数据中心冷源站的安全性;具体地,可以通过数字孪生系统与巡检机器人的相互配合,综合分析模拟运行数据与实际采集模糊样本,从而得出抖动仪表的数值,可以解决巡检机器人无法识别抖动仪表的问题,可以提高巡检机器人系统的智能化程度和巡检效率,使巡检机器人可以更加全面的对冷源站设备进行检测。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,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申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本申请实施例中的基于数字孪生的设备检测方法的第一流程示意图;
图2是本申请实施例中的基于数字孪生的设备检测方法的第二流程示意图;
图3是本申请实施例中的基于数字孪生的设备检测方法的第三流程示意图;
图4是本申请实施例中的基于数字孪生的设备检测方法的第四流程示意图;
图5是本申请实施例中的基于数字孪生的设备检测装置的结构示意图;
图6为本申请实施例的电子设备的系统构成示意框图。
具体实施方式
为了使本技术领域的人员更好地理解本说明书中的技术方案,下面将结合本申请实施例中的附图,对本申请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申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,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,都属于本申请保护的范围。
随着数据中心建设步伐不断的加快,运行在数据中心的信息数量和规模呈逐年上升的趋势。这也相应的增加了数据中心的运维管理工作量,对运维管理提出了更高的要求。轨道式巡检机器人通过图像识别技术实现对各类配电柜、设备表计数据的识别;通过BPS导航等定位技术实现机器人的精准定位;通过自身搭载红外热像仪、局放检测、温湿度、气体检测等传感器实现对机房设备、环境的监测巡视,可替代人工完成对数据中心日常巡检工作。然而,巡检机器人目前还不能对抖动的仪表进行识别。现有解决方案主要是通过技术人员日常巡检时对抖动的指针仪表进行判断是否正常,机器人巡检时只能通过上下端温度表与压力表来判断中间段是否运行正常。现有的巡检机器人系统通过对设备上下端温度表与压力表进行识别,判断该部分是否运行正常存在误差大,局限性强的特点,使得机器人系统的智能化程度较低。因此,本方案提出一种基于数字孪生的设备检测方法及装置,可以基于数字孪生识别抖动仪表,解决在机器人巡检过程中无法对抖动仪表进行识别的问题。冷源站中冷却管道内冷却水流速较快,从而导致用于测量冷却管道的压力表和温度表产生抖动。巡检机器人通过可见光相机对指针仪表拍照进行识别,但抖动的仪表存在无法获取清晰指针仪表样本的问题。
需要说明的是,本申请公开的基于数字孪生的设备检测方法及装置可用于金融技术领域,也可用于除金融技术领域之外的任意领域,本申请公开的基于数字孪生的设备检测方法及装置的应用领域不做限定。本申请各实施例的技术方案中对数据的获取、存储、使用、处理等均符合法律法规的相关规定。
具体通过下述各个实施例进行说明。
为了避免指针仪表抖动导致设备检测结果不准确,提高设备检测的可靠性,进而提高数据中心冷源站的安全性,本实施例提供一种执行主体是基于数字孪生的设备检测装置的基于数字孪生的设备检测方法,该基于数字孪生的设备检测装置包括但不限于服务器,如图1所示,该方法具体包含有如下内容:
步骤101:获取目标数据中心冷源站对应的数字孪生模型以及各个设备的运行参数。
具体地,所述数字孪生模型,即数字孪生系统需要一对一建立实体间的关系构成对目标数据中心冷源站的描述,与实体连接,实时获取实体状态、指标和告警等多级数据,数字孪生模型具备模拟推演实体行为能力,在本实施例中,实体可以表示目标数据中心冷源站内的设备;设备可以包括:冷水机组、冷却水管道、冷冻水泵以及冷却水泵;运行参数可以包括:运行负载率、冷却水进水温度、冷却水出水温度、流速和压力等。
步骤102:应用所述数字孪生模型以及各个设备的运行参数,确定设置在所述设备处的指针仪表的模拟指针数值。
具体地,所述目标数据中心冷源站中存在设有指针仪表的设备,可以应用数字孪生模型以及各个设备的运行参数,推演得到各个指针仪表的模拟指针数值;模拟指针数值可以表示应用数字孪生模型以及各个设备的运行参数,推演得到的指针数值;所述指针仪表可以包括:设置在设备外壁上的压力表和温度表等。
步骤103:获取所述目标数据中心冷源站中的巡检机器人采集的所述指针仪表的仪表图像,监测所述仪表图像是否为模糊仪表图像,若是,则确定所述指针仪表为抖动仪表,根据所述模糊仪表图像确定所述抖动仪表的数值范围。
步骤104:检测所述模拟指针数值是否在所述数值范围内,若否,则确定设有所述指针仪表的设备存在故障风险。
具体地,所述故障风险可以为设备本体的故障风险,也可以是设置在设备处的指针仪表的故障风险。为了及时对存在故障风险的设备进行维护,在所述确定设有所述指针仪表的设备存在故障风险之后,还包括:将设有所述指针仪表的设备对应的告警信息输出显示。
为了在指针仪表正常状态下,提高设备检测的可靠性,如图2所示,在一个实施例中,所述的基于数字孪生的设备检测方法,还包括:
步骤201:若所述仪表图像为清晰仪表图像,则将该清晰仪表图像的指针数值确定为所述指针仪表的真实指针数值。
具体地,若各张仪表图像中的指针数值相同,则可以确定指针仪表未抖动。
步骤202:判断所述模拟指针数值与所述真实指针数值是否相同,若否,则判定设有所述指针仪表的设备存在故障风险。
具体地,所述故障风险可以为设备本体的故障风险,也可以是设置在设备处的指针仪表的故障风险。
为了实现对设备异常风险的检测,如图3所示,在一个实施例中,在步骤103之后还包括:
步骤301:若所述模拟指针数值在所述数值范围内,则确定所述指针仪表的模拟指针数值为真实指针数值。
步骤302:判断所述真实指针数值是否超出预设的数值范围,若是,则确定设有所述指针仪表的设备存在异常风险。
具体地,所述预设的数值范围可以根据实际情况进行设置,本申请对此不作限制。例如,若所述抖动指针仪表为压力表,则所述真实指针数值为压力值,若压力值超出预设的压力值上限,则可以确定设有该压力表的设备存在压力过大的风险。
为了避免由于数据交互异常导致模拟指针数值未在所述数值范围内,提高设备检测的准确性,在一个实施例中,在所述检测所述模拟指针数值是否在所述数值范围内之后,还包括:根据各个设备的运行状态判断各个设备的运行参数是否正常,若是,则判定设有所述指针仪表的设备存在故障风险。
具体地,各个设备的运行状态可以包括:启动或关闭等。若一设备处于启动状态,但是该设备的运行参数为空值即未获取到该设备的运行参数,则可以确定该设备与基于数字孪生的设备检测装置之间的通信异常,可以在修复该设备与基于数字孪生的设备检测装置之间的通信之后,再次检测所述模拟指针数值是否在所述数值范围内。也就是说,可以检查数字孪生系统与冷源站设备监控系统的实时数据交互是否正常,若异常则修复数据交互,冷源站设备监控系统实现的功能可以相当于所述设备检测装置实现的功能。
为了提高确定指针仪表数值范围的准确性,如图4所示,在一个实施例中,所述监测所述仪表图像是否为模糊仪表图像,若是,则确定所述指针仪表为抖动仪表,根据所述模糊仪表图像确定所述抖动仪表的数值范围,包括:
步骤401:应用所述仪表图像和预设的图像识别模型,确定所述仪表图像为模糊仪表图像。
步骤402:应用所述模糊仪表图像和预设的预测模型,确定所述指针仪表的数值范围;所述预设的图像识别模型是基于第一图像识别算法预先训练得到的,所述预设的预测模型是基于第二图像识别算法预先训练得到的。
具体地,可以获取第一训练样本集,第一训练样本集可以包括:批量仪表图像及其各自对应的真实图像类型标签,应用第一训练样本集对第一图像识别算法训练,得到预设的图像识别模型,真实图像类型标签包括:模糊图像标签和真实图像标签;可以获取第二训练样本集,第二训练样本集可以包括:批量模糊仪表图像及其各自对应的人工标注的真实数值范围,应用第二训练样本集对第二图像识别算法训练,得到预设的预测模型。所述第一图像识别算法和第二图像识别算法可以是相同的图像识别算法,也可以是不同的图像识别算法,如卷积神经网络算法、YOLO算法、SSD算法等。在仪表抖动时可以确定仪表的指针数值范围。
为了进一步说明本方案,本申请提供一种基于数字孪生的巡检方法的应用实例,具体描述如下:
步骤1、数字孪生系统实时获取冷源站内冷水机组、冷冻水泵、冷却水泵的各项运行参数(如压力、温度等)。
步骤2、数字孪生系统模拟冷源站机房运行,获得各设备的模拟参数。
具体地,数字孪生需要一对一建立实体间的关系构成对真实机房的描述,与实体连接(集中监控系统对接),实时获取实体状态、指标和告警等多级数据,具备数字孪生系统模拟推演实体行为能力。
步骤3、巡检机器人对抖动仪表进行巡检(样本采集)。
具体地,巡检机器人后台监控系统通过和车载系统的数据交互,完成实时监控、单站巡检任务派发、视频存储、图像智能识别、红外分析、数据报表分析、数据检索及用户交互。巡检机器人后台监控系统是基于B/S架构设计、开发的web端管理系统,在电脑可上网的前提下,可以在任何操作系统上使用,不需要安装专门的软件。巡检机器人后台监控系统实现的功能可以相当于所述设备检测装置实现的功能。
步骤4、机器人系统初步判断仪表指针所在区域范围。
步骤5、结合数字孪生系统模拟该仪表数值综合分析。
步骤6、若数字孪生系统模拟该仪表数值与巡检模糊样本指针所在区域一致则判定该抖动仪表数字。
步骤7、若数字孪生系统模拟该仪表数值与巡检模糊样本指针所在区域不一致,则检查数字孪生系统与冷源站设备监控的实时数据交互是否正常(若异常则修复数据交互)。
步骤8、若交互正常则判定设备故障。机器人本体通过无线网络将识别结果传输至巡检机器人后台监控系统,并将异常结果以告警方式告知值班人员进行现场处理。
从软件层面来说,为了避免指针仪表抖动导致设备检测结果不准确,提高设备检测的可靠性,进而提高数据中心冷源站的安全性,本申请提供一种用于实现所述基于数字孪生的设备检测方法中全部或部分内容的基于数字孪生的设备检测装置的实施例,参见图5,所述基于数字孪生的设备检测装置具体包含有如下内容:
获取模块51,用于获取目标数据中心冷源站对应的数字孪生模型以及各个设备的运行参数;
应用模块52,用于应用所述数字孪生模型以及各个设备的运行参数,确定设置在所述设备处的指针仪表的模拟指针数值;
监测模块53,用于获取所述目标数据中心冷源站中的巡检机器人采集的所述指针仪表的仪表图像,监测所述仪表图像是否为模糊仪表图像,若是,则确定所述指针仪表为抖动仪表,根据所述模糊仪表图像确定所述抖动仪表的数值范围;
检测模块54,用于检测所述模拟指针数值是否在所述数值范围内,若否,则确定设有所述指针仪表的设备存在故障风险。
具体地,所述设备可以包括:冷水机组、冷却水管道、冷冻水泵以及冷却水泵。
在一个实施例中,所述的基于数字孪生的设备检测装置还包括:
第一确定模块,用于若所述仪表图像为清晰仪表图像,则将该清晰仪表图像的指针数值确定为所述指针仪表的真实指针数值;
第一判断模块,用于判断所述模拟指针数值与所述真实指针数值是否相同,若否,则判定设有所述指针仪表的设备存在故障风险。
在一个实施例中,所述的基于数字孪生的设备检测装置还包括:
第二确定模块,用于若所述模拟指针数值在所述数值范围内,则确定所述指针仪表的模拟指针数值为真实指针数值;
第二判断模块,用于判断所述真实指针数值是否超出预设的数值范围,若是,则确定设有所述指针仪表的设备存在异常风险。
在一个实施例中,所述的基于数字孪生的设备检测装置还包括:
判定模块,用于根据各个设备的运行状态判断各个设备的运行参数是否正常,若是,则判定设有所述指针仪表的设备存在故障风险。
在一个实施例中,所述监测模块包括:
第一应用单元,用于应用所述仪表图像和预设的图像识别模型,确定所述仪表图像为模糊仪表图像;
第二应用单元,用于应用所述模糊仪表图像和预设的预测模型,确定所述指针仪表的数值范围;
所述预设的图像识别模型是基于第一图像识别算法预先训练得到的,所述预设的预测模型是基于第二图像识别算法预先训练得到的。
在一个实施例中,所述的基于数字孪生的设备检测装置还包括:
输出模块,用于将设有所述指针仪表的设备对应的告警信息输出显示。
本说明书提供的基于数字孪生的设备检测装置的实施例具体可以用于执行上述基于数字孪生的设备检测方法的实施例的处理流程,其功能在此不再赘述,可以参照上述基于数字孪生的设备检测方法实施例的详细描述。
从硬件层面来说,为了避免指针仪表抖动导致设备检测结果不准确,提高设备检测的可靠性,进而提高数据中心冷源站的安全性,本申请提供一种用于实现所述基于数字孪生的设备检测方法中的全部或部分内容的电子设备的实施例所述电子设备具体包含有如下内容:
处理器(processor)、存储器(memory)、通信接口(Communications Interface)和总线;其中,所述处理器、存储器、通信接口通过所述总线完成相互间的通信;所述通信接口用于实现所述基于数字孪生的设备检测装置以及用户终端等相关设备之间的信息传输;该电子设备可以是台式计算机、平板电脑及移动终端等,本实施例不限于此。在本实施例中,该电子设备可以参照实施例用于实现所述基于数字孪生的设备检测方法的实施例及用于实现所述基于数字孪生的设备检测装置的实施例进行实施,其内容被合并于此,重复之处不再赘述。
图6为本申请实施例的电子设备9600的系统构成的示意框图。如图6所示,该电子设备9600可以包括中央处理器9100和存储器9140;存储器9140耦合到中央处理器9100。值得注意的是,该图6是示例性的;还可以使用其他类型的结构,来补充或代替该结构,以实现电信功能或其他功能。
在本申请一个或多个实施例中,基于数字孪生的设备检测功能可以被集成到中央处理器9100中。其中,中央处理器9100可以被配置为进行如下控制:
步骤101:获取目标数据中心冷源站对应的数字孪生模型以及各个设备的运行参数。
步骤102:应用所述数字孪生模型以及各个设备的运行参数,确定设置在所述设备处的指针仪表的模拟指针数值。
步骤103:获取所述目标数据中心冷源站中的巡检机器人采集的所述指针仪表的仪表图像,监测所述仪表图像是否为模糊仪表图像,若是,则确定所述指针仪表为抖动仪表,根据所述模糊仪表图像确定所述抖动仪表的数值范围。
步骤104:检测所述模拟指针数值是否在所述数值范围内,若否,则确定设有所述指针仪表的设备存在故障风险。
从上述描述可知,本申请的实施例提供的电子设备,能够避免指针仪表抖动导致设备检测结果不准确,提高设备检测的可靠性,进而提高数据中心冷源站的安全性。
在另一个实施方式中,基于数字孪生的设备检测装置可以与中央处理器9100分开配置,例如可以将基于数字孪生的设备检测装置配置为与中央处理器9100连接的芯片,通过中央处理器的控制来实现基于数字孪生的设备检测功能。
如图6所示,该电子设备9600还可以包括:通信模块9110、输入单元9120、音频处理器9130、显示器9160、电源9170。值得注意的是,电子设备9600也并不是必须要包括图6中所示的所有部件;此外,电子设备9600还可以包括图6中没有示出的部件,可以参考现有技术。
如图6所示,中央处理器9100有时也称为控制器或操作控件,可以包括微处理器或其他处理器装置和/或逻辑装置,该中央处理器9100接收输入并控制电子设备9600的各个部件的操作。
其中,存储器9140,例如可以是缓存器、闪存、硬驱、可移动介质、易失性存储器、非易失性存储器或其它合适装置中的一种或更多种。可储存上述与失败有关的信息,此外还可存储执行有关信息的程序。并且中央处理器9100可执行该存储器9140存储的该程序,以实现信息存储或处理等。
输入单元9120向中央处理器9100提供输入。该输入单元9120例如为按键或触摸输入装置。电源9170用于向电子设备9600提供电力。显示器9160用于进行图像和文字等显示对象的显示。该显示器例如可为LCD显示器,但并不限于此。
该存储器9140可以是固态存储器,例如,只读存储器(ROM)、随机存取存储器(RAM)、SIM卡等。还可以是这样的存储器,其即使在断电时也保存信息,可被选择性地擦除且设有更多数据,该存储器的示例有时被称为EPROM等。存储器9140还可以是某种其它类型的装置。存储器9140包括缓冲存储器9141(有时被称为缓冲器)。存储器9140可以包括应用/功能存储部9142,该应用/功能存储部9142用于存储应用程序和功能程序或用于通过中央处理器9100执行电子设备9600的操作的流程。
存储器9140还可以包括数据存储部9143,该数据存储部9143用于存储数据,例如联系人、数字数据、图片、声音和/或任何其他由电子设备使用的数据。存储器9140的驱动程序存储部9144可以包括电子设备的用于通信功能和/或用于执行电子设备的其他功能(如消息传送应用、通讯录应用等)的各种驱动程序。
通信模块9110即为经由天线9111发送和接收信号的发送机/接收机9110。通信模块(发送机/接收机)9110耦合到中央处理器9100,以提供输入信号和接收输出信号,这可以和常规移动通信终端的情况相同。
基于不同的通信技术,在同一电子设备中,可以设置有多个通信模块9110,如蜂窝网络模块、蓝牙模块和/或无线局域网模块等。通信模块(发送机/接收机)9110还经由音频处理器9130耦合到扬声器9131和麦克风9132,以经由扬声器9131提供音频输出,并接收来自麦克风9132的音频输入,从而实现通常的电信功能。音频处理器9130可以包括任何合适的缓冲器、解码器、放大器等。另外,音频处理器9130还耦合到中央处理器9100,从而使得可以通过麦克风9132能够在本机上录音,且使得可以通过扬声器9131来播放本机上存储的声音。
上述描述可知,本申请的实施例提供的电子设备,能够避免指针仪表抖动导致设备检测结果不准确,提高设备检测的可靠性,进而提高数据中心冷源站的安全性。
本申请的实施例还提供能够实现上述实施例中的基于数字孪生的设备检测方法中全部步骤的一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,该计算机程序被处理器执行时实现上述实施例中的基于数字孪生的设备检测方法的全部步骤,例如,所述处理器执行所述计算机程序时实现下述步骤:
步骤101:获取目标数据中心冷源站对应的数字孪生模型以及各个设备的运行参数。
步骤102:应用所述数字孪生模型以及各个设备的运行参数,确定设置在所述设备处的指针仪表的模拟指针数值。
步骤103:获取所述目标数据中心冷源站中的巡检机器人采集的所述指针仪表的仪表图像,监测所述仪表图像是否为模糊仪表图像,若是,则确定所述指针仪表为抖动仪表,根据所述模糊仪表图像确定所述抖动仪表的数值范围。
步骤104:检测所述模拟指针数值是否在所述数值范围内,若否,则确定设有所述指针仪表的设备存在故障风险。
从上述描述可知,本申请实施例提供的计算机可读存储介质,能够避免指针仪表抖动导致设备检测结果不准确,提高设备检测的可靠性,进而提高数据中心冷源站的安全性。
本申请中上述方法的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。相关之处参见方法实施例的部分说明即可。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
本申请中应用了具体实施例对本申请的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请的方法及其核心思想;同时,对于本领域的一般技术人员,依据本申请的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本申请的限制。
Claims (10)
1.一种基于数字孪生的设备检测方法,其特征在于,包括:
获取目标数据中心冷源站对应的数字孪生模型以及各个设备的运行参数;
应用所述数字孪生模型以及各个设备的运行参数,确定设置在所述设备处的指针仪表的模拟指针数值;
获取所述目标数据中心冷源站中的巡检机器人采集的所述指针仪表的仪表图像,监测所述仪表图像是否为模糊仪表图像,若是,则确定所述指针仪表为抖动仪表,根据所述模糊仪表图像确定所述抖动仪表的数值范围;
检测所述模拟指针数值是否在所述数值范围内,若否,则确定设有所述指针仪表的设备存在故障风险。
2.根据权利要求1所述的基于数字孪生的设备检测方法,其特征在于,还包括:
若所述仪表图像为清晰仪表图像,则将该清晰仪表图像的指针数值确定为所述指针仪表的真实指针数值;
判断所述模拟指针数值与所述真实指针数值是否相同,若否,则判定设有所述指针仪表的设备存在故障风险。
3.根据权利要求1所述的基于数字孪生的设备检测方法,其特征在于,在所述检测所述模拟指针数值是否在所述数值范围内之后,还包括:
若所述模拟指针数值在所述数值范围内,则确定所述指针仪表的模拟指针数值为真实指针数值;
判断所述真实指针数值是否超出预设的数值范围,若是,则确定设有所述指针仪表的设备存在异常风险。
4.根据权利要求1所述的基于数字孪生的设备检测方法,其特征在于,在所述检测所述模拟指针数值是否在所述数值范围内之后,还包括:
根据各个设备的运行状态判断各个设备的运行参数是否正常,若是,则判定设有所述指针仪表的设备存在故障风险。
5.根据权利要求1所述的基于数字孪生的设备检测方法,其特征在于,所述监测所述仪表图像是否为模糊仪表图像,若是,则确定所述指针仪表为抖动仪表,根据所述模糊仪表图像确定所述抖动仪表的数值范围,包括:
应用所述仪表图像和预设的图像识别模型,确定所述仪表图像为模糊仪表图像;
应用所述模糊仪表图像和预设的预测模型,确定所述指针仪表的数值范围;
所述预设的图像识别模型是基于第一图像识别算法预先训练得到的,所述预设的预测模型是基于第二图像识别算法预先训练得到的。
6.根据权利要求1所述的基于数字孪生的设备检测方法,其特征在于,在所述确定设有所述指针仪表的设备存在故障风险之后,还包括:
将设有所述指针仪表的设备对应的告警信息输出显示。
7.根据权利要求1所述的基于数字孪生的设备检测方法,其特征在于,所述设备包括:冷水机组、冷却水管道、冷冻水泵以及冷却水泵。
8.一种基于数字孪生的设备检测装置,其特征在于,包括:
获取模块,用于获取目标数据中心冷源站对应的数字孪生模型以及各个设备的运行参数;
应用模块,用于应用所述数字孪生模型以及各个设备的运行参数,确定设置在所述设备处的指针仪表的模拟指针数值;
监测模块,用于获取所述目标数据中心冷源站中的巡检机器人采集的所述指针仪表的仪表图像,监测所述仪表图像是否为模糊仪表图像,若是,则确定所述指针仪表为抖动仪表,根据所述模糊仪表图像确定所述抖动仪表的数值范围;
检测模块,用于检测所述模拟指针数值是否在所述数值范围内,若否,则确定设有所述指针仪表的设备存在故障风险。
9.一种电子设备,包括存储器、处理器及存储在存储器上并可在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程序时实现权利要求1至7任一项所述的基于数字孪生的设备检测方法。
10.一种计算机可读存储介质,其上存储有计算机指令,其特征在于,所述指令被处理器执行时实现权利要求1至7任一项所述的基于数字孪生的设备检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310991850.1A CN117010197A (zh) | 2023-08-08 | 2023-08-08 | 基于数字孪生的设备检测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310991850.1A CN117010197A (zh) | 2023-08-08 | 2023-08-08 | 基于数字孪生的设备检测方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117010197A true CN117010197A (zh) | 2023-11-07 |
Family
ID=88565219
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310991850.1A Pending CN117010197A (zh) | 2023-08-08 | 2023-08-08 | 基于数字孪生的设备检测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117010197A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117558072A (zh) * | 2024-01-12 | 2024-02-13 | 优铸科技(北京)有限公司 | 一种基于激光定位的车间仪表巡检方法及系统 |
-
2023
- 2023-08-08 CN CN202310991850.1A patent/CN117010197A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117558072A (zh) * | 2024-01-12 | 2024-02-13 | 优铸科技(北京)有限公司 | 一种基于激光定位的车间仪表巡检方法及系统 |
CN117558072B (zh) * | 2024-01-12 | 2024-04-19 | 优铸科技(北京)有限公司 | 一种基于激光定位的车间仪表巡检方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3055976B1 (en) | Methods and systems for a universal wireless platform for asset monitoring | |
US20210174086A1 (en) | Ar gauge scanner using a mobile device application | |
EP2860987B1 (en) | Methods and systems for dynamic workflow prioritization and tasking | |
CN101999101B (zh) | 系统运行预测的确定方法 | |
CN117010197A (zh) | 基于数字孪生的设备检测方法及装置 | |
CN109359032B (zh) | 测试数据收集方法、装置、系统和电子设备 | |
CN110780347B (zh) | 基于循环神经网络的地震破坏力预测装置及方法 | |
CN111950577A (zh) | 一种点检方法及装置 | |
CN115145788A (zh) | 一种针对智能运维系统的检测数据生成方法和装置 | |
KR102323228B1 (ko) | 드론을 이용하는 구조물 안전점검 유지관리 방법 및 시스템 | |
JP2014002430A (ja) | 設備点検システム及びその計測器 | |
CN114896168B (zh) | 用于自动驾驶算法开发的快速调试系统、方法以及存储器 | |
CN114034972B (zh) | 基于图像数据的智能电缆故障确定方法和装置 | |
CN115293735A (zh) | 一种无人工厂工业互联网平台监测管理方法及系统 | |
CN114371076A (zh) | 工件应力值的测试方法、系统、电子设备及存储介质 | |
CN114004138A (zh) | 基于大数据人工智能的建筑监测方法、系统及存储介质 | |
CN113639418A (zh) | 空调调试方法、空调调试装置及相关设备 | |
CN113704368A (zh) | 检验信息追溯方法、装置、计算机设备和存储介质 | |
CN117333075A (zh) | 混凝土浇筑过程的监管方法、装置、设备和存储介质 | |
CN118097913B (zh) | 预警探测装置的灵敏度检测方法及装置 | |
CN115292146B (zh) | 一种系统容量预估方法、系统、设备及存储介质 | |
CN118561118B (zh) | 一种电梯运行状态判定方法、系统、介质及电子设备 | |
CN112905416B (zh) | 一种基于物联网的消防设施检测方法、装置及介质 | |
CN117499621A (zh) | 视频采集设备的检测方法、装置、设备及介质 | |
CN118641083A (zh) | 基于大数据的实时桥梁应力检测方法及系统 |
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 |