CN117113017B - 工程机械维修过程中电气数据优化采集方法及相关装置 - Google Patents

工程机械维修过程中电气数据优化采集方法及相关装置 Download PDF

Info

Publication number
CN117113017B
CN117113017B CN202311376474.1A CN202311376474A CN117113017B CN 117113017 B CN117113017 B CN 117113017B CN 202311376474 A CN202311376474 A CN 202311376474A CN 117113017 B CN117113017 B CN 117113017B
Authority
CN
China
Prior art keywords
electrical
data
engineering machinery
change
moment
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
Application number
CN202311376474.1A
Other languages
English (en)
Other versions
CN117113017A (zh
Inventor
王济宇
王济焜
王金勇
赵秦锐
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Dalian Deyulong Electromechanical Engineering Technology Co ltd
Original Assignee
Dalian Deyulong Electromechanical Engineering Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Dalian Deyulong Electromechanical Engineering Technology Co ltd filed Critical Dalian Deyulong Electromechanical Engineering Technology Co ltd
Priority to CN202311376474.1A priority Critical patent/CN117113017B/zh
Publication of CN117113017A publication Critical patent/CN117113017A/zh
Application granted granted Critical
Publication of CN117113017B publication Critical patent/CN117113017B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/10—Pre-processing; Data cleansing
    • G06F18/15—Statistical pre-processing, e.g. techniques for normalisation or restoring missing data
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01K—MEASURING TEMPERATURE; MEASURING QUANTITY OF HEAT; THERMALLY-SENSITIVE ELEMENTS NOT OTHERWISE PROVIDED FOR
    • G01K13/00—Thermometers specially adapted for specific purposes
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R19/00—Arrangements for measuring currents or voltages or for indicating presence or sign thereof
    • G01R19/0092—Arrangements for measuring currents or voltages or for indicating presence or sign thereof measuring current only
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/243—Classification techniques relating to the number of classes
    • G06F18/2433—Single-class perspective, e.g. one-against-all classification; Novelty detection; Outlier detection
    • 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
    • G06Q10/20—Administration of product repair or maintenance
    • 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
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/04—Manufacturing
    • 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
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Business, Economics & Management (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Strategic Management (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Testing And Monitoring For Control Systems (AREA)
  • Probability & Statistics with Applications (AREA)
  • Manufacturing & Machinery (AREA)
  • Quality & Reliability (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • Operations Research (AREA)

Abstract

本发明提供一种工程机械维修过程中电气数据优化采集方法及相关装置，涉及数据处理领域，包括：采集工程机械运动过程中每一时刻对应的电气数据，所述电气数据包括电流数据以及温度数据；基于所述电流数据以及所述温度数据计算工程机械在每一时刻对应的电气变化特征；基于工程机械在每一时刻对应的电气变化特征构建电气变化密度分布图；基于所述电气变化密度分布图确定工程机械动态变化距离；基于所述动态变化距离对局部离群因子算法进行优化，利用优化后的局部离群因子算法对所述工程机械运动进行检测，确定异常变化点。方案能够提高工程机械运动的异常检测准确性。

Description

工程机械维修过程中电气数据优化采集方法及相关装置
技术领域
本发明涉及数据处理领域，具体涉及一种工程机械维修过程中电气数据优化采集方法及相关装置。
背景技术
工程机械是一种常见的工程工业搬运车辆，广泛应用于港口、机场、工厂物流车间等多种不同的生活应用场景中，主要承载货物的装卸、搬运等工程作业，是一种货物物流传输过程中必要的工程车辆。由于工程机械长时间工作，导致某个电气部件出现老化磨损从而影响工程机械的电气系统的正常工作，对物流仓库车间货物的及时搬运传输造成较大的影响。
传统局部离群因子算法LOF算法中使用欧氏距离对数据点分布特征进行计算，导致对工程机械电气数据分布变化特点表征不清晰，对工程机械工程机械维修过程中异常电气数据采集精确性产生较大的影响。
发明内容
本发明提供一种工程机械维修过程中电气数据优化采集方法及相关装置，该方案能够提高工程机械运动的异常检测准确性。
第一方面，本申请提供一种工程机械维修过程中电气数据优化采集方法，包括：采集工程机械运动过程中每一时刻对应的电气数据，所述电气数据包括电流数据以及温度数据；基于所述电流数据以及所述温度数据计算工程机械在每一时刻对应的电气变化特征；基于工程机械在每一时刻对应的电气变化特征构建电气变化密度分布图；基于所述电气变化密度分布图确定工程机械动态变化距离；基于所述动态变化距离对局部离群因子算法进行优化，利用优化后的局部离群因子算法对所述工程机械运动进行检测，确定异常变化点。
在一可选实施例中，基于所述电流数据以及所述温度数据计算工程机械在每一时刻对应的电气变化特征，包括：基于当前时刻对应的电气数据的二元组数据、当前时刻对应的电气数据切片中某一时刻的电气数据的二元组数据的相似度确定工程机械在每一时刻对应的电气变化特征；其中，所述当前时刻对应的电气数据切片为所述当前时刻向前预设数量的时刻对应的电气数据。
在一可选实施例中，利用如下公式（1）计算工程机械在每一时刻对应的电气变化特征：
（1）；
其中，T为电气数据切片，表示以当前时刻向前/>个时刻对应的电气数据，/>表示在电气数据切片中第/>个时刻的电气数据的二元组数据，/>表示当前时刻/>的电气数据的二元组数据，/>表示相似度计算函数，/>表示当前时刻/>对应的电气变化特征。
在一可选实施例中，所述基于工程机械在每一时刻对应的电气变化特征构建电气变化密度分布图，包括：所述电气变化密度分布图中，所述电流数据作为纵轴，所述温度数据作为横轴，横坐标和纵坐标指向的数据点的值为对应的电气变化特征。
在一可选实施例中，基于所述电气变化密度分布图确定工程机械动态变化距离，包括：计算电气可达密度距离；利用当前时刻对应的电气变化特征以及所述电气可达密度距离确定当前时刻对应的可达密度区域；基于所述可达密度区域中所有电气变化特征计算得到第一熵权系数，以及基于所述可达密度区域外的所有电气变化特征计算得到第二熵权系数；基于所述第一熵权系数以及所述第二熵权系数计算所述动态变化距离。
在一可选实施例中，计算电气可达密度距离，包括：利用如下公式（2）计算电气可达密度距离：
（2）；
其中，表示电气变化密度分布图中电气变化特征的数量，/>分别表示了电气变化密度分布图中对应第/>个和第/>个时刻处的坐标信息。
在一可选实施例中，基于所述第一熵权系数以及所述第二熵权系数计算所述动态变化距离，包括：利用如下公式（3）计算所述动态变化距离：
（3）；
其中，表示以时刻/>对应的电气变化特征为中心的可达密度区域中电气变化特征的数量，/>表示以时刻/>对应的电气变化特征为中心的可达密度区域之外的电气变化特征的个数，/>表示电气变化密度分布图中对应第s时刻处的坐标信息；/>分别表示了电气变化密度分布图中对应第/>个和第/>个时刻处的坐标信息；/>为以数据点i可达密度区域中/>个数据点构成的集合可以计算得到的第一熵权系数；/>为以数据点i可达密度区域之外/>数据点构成的集合可以计算得到的第二熵权系数。
第二方面，本申请提供一种工程机械维修过程中电气数据优化采集装置，包括：采集模块，用于采集工程机械运动过程中每一时刻对应的电气数据，所述电气数据包括电流数据以及温度数据；特征计算模块，用于基于所述电流数据以及所述温度数据计算工程机械在每一时刻对应的电气变化特征；构建模块，用于基于工程机械在每一时刻对应的电气变化特征构建电气变化密度分布图；距离计算模块，用于基于所述电气变化密度分布图确定工程机械动态变化距离；检测模块，用于基于所述动态变化距离对局部离群因子算法进行优化，利用优化后的局部离群因子算法对所述工程机械运动进行检测，确定异常变化点。
第三方面，本申请提供一种电子设备，包括相互藕接的处理器及存储器，其中，所述存储器用于存储实现上述任意一项所述的方法的程序指令；所述处理器用于执行所述存储器存储的所述程序指令。
第四方面，本申请提供一种存储介质，存储有程序文件，所述程序文件能够被执行以实现上述任意一项所述的方法。
本发明的有益效果是：区别于现有技术，本发明提出的工程机械维修过程中电气数据优化采集方法，包括：采集工程机械运动过程中每一时刻对应的电气数据，所述电气数据包括电流数据以及温度数据；基于所述电流数据以及所述温度数据计算工程机械在每一时刻对应的电气变化特征；基于工程机械在每一时刻对应的电气变化特征构建电气变化密度分布图；基于所述电气变化密度分布图确定工程机械动态变化距离；基于所述动态变化距离对局部离群因子算法进行优化，利用优化后的局部离群因子算法对所述工程机械运动进行检测，确定异常变化点。方案能够提高工程机械运动的异常检测准确性。
附图说明
图1是本发明工程机械维修过程中电气数据优化采集方法的一实施例的流程示意图；
图2电气变化密度分布图的一实施例的示意图；
图3是本发明工程机械维修过程中电气数据优化采集装置的一实施例的结构示意图；
图4是本发明电子设备的一实施例的结构示意图；
图5是本发明存储介质的结构示意图。
具体实施方式
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，所描述的实施例仅是本申请的一部分实施例，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。
下面结合附图和实施例对本发明进行详细的说明。
请参见图1，为本申请工程机械维修过程中电气数据优化采集方法的第一实施例的流程示意图，具体包括：
步骤S11：采集工程机械运动过程中每一时刻对应的电气数据，所述电气数据包括电流数据以及温度数据。
工程机械工作过程中电气数据反映了当前工程机械运行的工况，因此通过相应的传感器对工程机械工作过程中的电气数据信号进行采集获取，针对工程机械运行工作状态可以采集获取得到工程机械工作过程中的电流数据和温度数据作为工程机械工作状态特征数据信息。为了及时的获取得到工程机械运行异常变化状态，取工程机械电气数据采样间隔为，其中/>取经验值为/>。工程机械例如可以为叉车。
步骤S12：基于所述电流数据以及所述温度数据计算工程机械在每一时刻对应的电气变化特征。
在一实施例中，通过上述步骤S11可以采集获取得到工程机械电流数据和温度数据，当工程机械部分电气元件出现异常故障时，此时电流数据变化特点会较为明显，瞬间增大电流又会引起电气元件的温度异常变化。因此，对某个时刻下采集得到工程机械电流数据和温度数据可以联合电流温度变化特征对当前时刻下的工程机械运行状态进行计算。假设当前时刻为，当前时刻的电流数据和温度数据经过量化得到数据分别记为/>, />，基于该时刻的电流数据和温度数据构成相应的二元组数据/>。
具体的，基于当前时刻对应的电气数据的二元组数据、当前时刻对应的电气数据切片中某一时刻的电气数据的二元组数据的相似度确定工程机械在每一时刻对应的电气变化特征；其中，所述当前时刻对应的电气数据切片为所述当前时刻向前预设数量的时刻对应的电气数据。
在一实施例中，利用如下公式（1）计算工程机械在每一时刻对应的电气变化特征：
（1）；
其中，T为电气数据切片，表示以当前时刻向前/>个时刻对应的电气数据，T取经验值为7，/>表示在电气数据切片中第/>个时刻的电气数据的二元组数据，/>表示当前时刻/>的电气数据的二元组数据，/>表示相似度计算函数，/>表示当前时刻/>对应的电气变化特征。相似度计算采用欧式距离进行计算。
通过上述公式（1）可以计算得到工程机械运行第个时刻下的对应的电气变化特征/>的数值大小。当时刻/>工程机械电气故障导致工程机械运行异常，则当前时刻/>下的工程机械电气特征二元组数据相对于其他时刻会存在较大的差异，计算得到的电气变化特征数值也会相应增大。
步骤S13：基于工程机械在每一时刻对应的电气变化特征构建电气变化密度分布图。
将采集获取得到的不同时刻下的电流数据和温度数据量化到同一数据空间中，避免不同的量纲对后续进一步计算时造成的误差影响。对于量化后的电流和温度数据，构成工程机械电气数据密度特征空间即电气变化密度分布图。
电气变化密度分布图中，所述电流数据作为纵轴，所述温度数据作为横轴，横坐标和纵坐标指向的数据点的值为对应的电气变化特征，具体请参见图2。
具体的，横轴表示温度数值，纵轴表示工程机械电流数据大小。对于不同时刻下采集得到工程机械电气数据按照电流数据和温度数值大小纳入工程机械电气数据密度特征空间中，且令该点的数值大小为计算的电气变化特征数值大小。从而可以构建得到工程机械电气变化密度分布图。通过对采集获取和计算得到的工程机械电气数据可以构建得到工程机械电气变化密度分布图，在该图像中可以对采集过程中出现的异常离群变化数据点进行凸显，当工程机械运行工况出现异常时，工程机械电气变化密度分布图中对应的电气变化特征也会出现相应的异常离群点变化，这种变化特征相对于一维工程机械电气序列更容易表征和计算。
步骤S14：基于所述电气变化密度分布图确定工程机械动态变化距离。
通过上述步骤分析计算，得到电气变化密度分布图，若当前工程机械处于正常运行工作状态下，此时采集获取得到不同时刻下的工程机械电气数据的变化差异特点应相差不大，在工程机械电气变化密度分布图中，不同时刻的电气变化特征分布相对聚集；反之若某个时刻工程机械运行工况出现异常变化，在工程机械电气变化密度分布图中，会出现异常分布的离群点。
因此，需要计算电气可达密度距离。利用如下公式（2）计算电气可达密度距离：
（2）；
其中，表示电气变化密度分布图中电气变化特征的数量，/>分别表示了电气变化密度分布图中对应第/>个和第/>个时刻处的坐标信息。/>为相似度计算函数，实际上是工程机械电气变化密度分布图中两个不同时刻的电气变化特征的距离差值大小，本发明实施例使用欧氏距离进行计算。
需要说明的是，根据前述 计算分析我们构建得到了相应的电气变化密度分布图，该分布图是一个二维图像，横纵坐标对应了当前时刻点的电气变化特征，横轴坐标就是温度 纵轴就是电流，每个时刻的数据点在该图上都有一个横纵坐标，这个我们称为坐标信息dot。类似于单通道灰度图像中，像素点分别具有坐标分布属性和相应的灰度值大小属性用于反应图像中不同的特点。在电气变化密度分布图中，数据点也相应具有坐标分布特点和电气变化特征lc的属性，用于反应采集得到的工程机械电气异常变化数据点的特征。
通过上述公式可以计算得到工程机械电气可达密度距离的数值大小，当时刻对应的电气变化特征与其他时刻对应的电气变化特征的差异越大时，即当前状态工程机械电气状态处于异常状态时，工程机械电气变化密度分布图中电气变化特征分布位置相对离散，计算得到的工程机械电气可达密度距离数值也会相应变大。
具体的，利用当前时刻对应的电气变化特征以及所述电气可达密度距离确定当前时刻对应的可达密度区域。以时刻对应的电气变化特征为中心，以可达密度距离/>为半径可以构建得到时刻/>对应的电气变化特征的可达密度区域，认为该区域中分布的电气变化特征与时刻/>对应的电气变化特征具有相同变化分布性质；在可达密度区域外的电气变化特征与时刻/>对应的电气变化特征变化分布差别较大，定义为异常离群数据点，这些点表征了工程机械电气异常变化特征。
基于所述可达密度区域中所有电气变化特征计算得到第一熵权系数，以及基于所述可达密度区域外所有电气变化特征计算得到第二熵权系数。具体的，第一熵权系数和第二熵权系数/>计算方式为：
；
；
上述公式中，假设以时刻对应的电气变化特征为中心的可达密度区域内的电气变化特征的个数为/>，以时刻/>对应的电气变化特征为中心的可达密度区域之外的电气变化特征的个数为/>；/>为对应时刻/>的电气变化特征处的信息熵数值大小；以工程机械电气特征二元组数据的分布分情况进行计算。/>为归一化函数，将数据归一化到区间/>上。
第一熵权系数和第二熵权系数/>的计算区域不同，第一熵权系数计算的是可达密度区域内的电气变化特征，第二熵权系数计算的是可达密度区域外的电气变化特征。这是考虑到在电气变化密度分布图中，电气变化特征i所处的可达密度区域中与不可达密度区不同位置处的数据点对数据点点i的距离评价贡献应有所差异。通过上述公式对电气变化密度分布图中不同像素点的密度贡献情况进行自适应计算，提高后续进一步计算判别的精确性效果。
通过上述公式可以计算得到时刻对应的电气变化特征的熵权距离系数/>的数值大小，当工程机械正常工作时，落入可达密度区域内的电气变化特征，此时计算得到的时刻对应的电气变化特征的熵权距离系数/>的数值会相对较大。通过对时刻/>对应的电气变化特征的熵权距离系数进行计算可以较为有效的获取得到时刻/>对应的电气变化特征分布情况。以时刻/>对应的电气变化特征的可达密度区域中所有电气变化特征可以计算得到第一熵权系数/>，以及利用可达密度区域外所有电气变化特征/>计算得到第二熵权系数/>。
基于所述第一熵权系数以及所述第二熵权系数计算所述动态变化距离。具体的，利用如下公式（3）计算所述动态变化距离：
（3）；
其中，表示以时刻/>对应的电气变化特征为中心的可达密度区域中电气变化特征的数量，/>表示以时刻/>对应的电气变化特征为中心的可达密度区域之外的电气变化特征的个数，/>表示电气变化密度分布图中对应第s时刻处的坐标信息；/>分别表示了电气变化密度分布图中对应第/>个和第/>个时刻处的坐标信息；/>为以数据点i可达密度区域中/>个数据点构成的集合可以计算得到的第一熵权系数；/>为以数据点i可达密度区域之外/>个数据点构成的集合可以计算得到的第二熵权系数。
通过上述公式（3）可以计算得到工程机械电气特征动态变化距离的数值大小，随着工程机械电气变化密度分布图中不同类电气变化特征分布情况计算得到工程机械电气特征动态变化距离，规避了传统欧氏距离对工程机械电气异常数据点进行计算表征时只考虑了工程机械电气数据点的空间距离信息导致后续对工程机械电气异常离群数据点采集记录过程中较大的误差影响。
步骤S15：基于所述动态变化距离对局部离群因子算法进行优化，利用优化后的局部离群因子算法对所述工程机械运动进行检测，确定异常变化点。
具体的，针对局部离群因子(Local Outlier Factor，LOF)算法在计算数据点距离特征使用欧氏距离导致对工程机械电气数据点分布特征表征较差的缺陷，使用动态变化距离对局部离群因子算法进行优化。并使用优化后的算法对工程机械电气数据的异常变化点进行提取计算，并对异常变化的工程机械电气数据点对应时刻进行记录，为后续过程中工程机械工程机械的维修提供相应的判断依据。
本发明实施例根据传感器采集得到的工程机械电气数据构建计算得到工程机械电气特征二元组数据和工程机械电气变化特征的数值大小，并根据构建得到的工程机械电气数据特点进一步计算得到工程机械电气变化密度分布图。通过该特征图对工程机械电气数据的异常变化点进行表征，相较于一维数据序列更好的凸显处工程机械电气异常变化数据点。进一步地，本发明实施例结合该工程机械电气变化密度分布图中数据点分布情况对欧氏距离进行优化计算，并使用优化后的距离计算方法对传统局部离群因子算法中数据点欧氏距离计算方法进行优化改进。提高了工程机械维修过程中工程机械电气异常电气数据采集记录的准确性效果，有效地规避了传统基于欧氏距离进行计算时工程机械异常数据点捕获采集准确程度较差的影响。
请参见图3，为本发明工程机械维修过程中电气数据优化采集装置的一实施例的结构示意图，具体包括：采集模块21、特征计算模块22、构建模块23、距离计算模块24以及检测模块25。
其中，采集模块21用于采集工程机械运动过程中每一时刻对应的电气数据，所述电气数据包括电流数据以及温度数据。特征计算模块22用于基于所述电流数据以及所述温度数据计算工程机械在每一时刻对应的电气变化特征。构建模块23用于基于工程机械在每一时刻对应的电气变化特征构建电气变化密度分布图。距离计算模块24用于基于所述电气变化密度分布图确定工程机械动态变化距离。检测模块25用于基于所述动态变化距离对局部离群因子算法进行优化，利用优化后的局部离群因子算法对所述工程机械运动进行检测，确定异常变化点。
请参见图4，为本发明电子设备的一实施例的结构示意图。电子设备包括相互连接的存储器52和处理器51。
存储器52用于存储实现上述任意一项的方法的程序指令。
处理器51用于执行存储器52存储的程序指令。
其中，处理器51还可以称为CPU（Central Processing Unit，中央处理单元）。处理器51可能是一种集成电路芯片，具有信号的处理能力。处理器51还可以是通用处理器、数字信号处理器（DSP）、专用集成电路（ASIC）、现成可编程门阵列（FPGA）或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器52可以为内存条、TF卡等，可以存储电子设备中全部信息，包括输入的原始数据、计算机程序、中间运行结果和最终运行结果都保存在存储器中。它根据控制器指定的位置存入和取出信息。有了存储器，电子设备才有记忆功能，才能保证正常工作。电子设备中的存储器按用途存储器可分为主存储器(内存)和辅助存储器(外存),也有分为外部存储器和内部存储器的分类方法。外存通常是磁性介质或光盘等，能长期保存信息。内存指主板上的存储部件，用来存放当前正在执行的数据和程序，但仅用于暂时存放程序和数据，关闭电源或断电，数据会丢失。
在本申请所提供的几个实施例中，应该理解到，所揭露的方法和装置，可以通过其它的方式实现。例如，以上所描述的装置实施方式仅仅是示意性的，例如，模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施方式方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，系统服务器，或者网络设备等）或处理器（processor）执行本申请各个实施方式方法的全部或部分步骤。
请参阅图5，为本发明存储介质的结构示意图。本申请的存储介质存储有能够实现上述所有方法的程序文件61，其中，该程序文件61可以以软件产品的形式存储在上述存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）或处理器（processor）执行本申请各个实施方式方法的全部或部分步骤。而前述的存储装置包括：U盘、移动硬盘、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、磁碟或者光盘等各种可以存储程序代码的介质，或者是计算机、服务器、手机、平板等终端设备。
以上仅为本发明的实施方式，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (8)

1.一种工程机械维修过程中电气数据优化采集方法，其特征在于，包括：
采集工程机械运动过程中每一时刻对应的电气数据，所述电气数据包括电流数据以及温度数据；
基于所述电流数据以及所述温度数据计算工程机械在每一时刻对应的电气变化特征；
基于工程机械在每一时刻对应的电气变化特征构建电气变化密度分布图；
基于所述电气变化密度分布图确定工程机械动态变化距离；
基于所述动态变化距离对局部离群因子算法进行优化，利用优化后的局部离群因子算法对所述工程机械运动进行检测，确定异常变化点；
其中，基于所述电气变化密度分布图确定工程机械动态变化距离，包括：计算电气可达密度距离；利用当前时刻对应的电气变化特征以及所述电气可达密度距离确定当前时刻对应的可达密度区域；基于所述可达密度区域中所有电气变化特征计算得到第一熵权系数，以及基于所述可达密度区域外所有电气变化特征计算得到第二熵权系数；基于所述第一熵权系数以及所述第二熵权系数计算所述动态变化距离；
其中，基于所述第一熵权系数以及所述第二熵权系数计算所述动态变化距离，包括：
利用如下公式（3）计算所述动态变化距离：
（3）；
其中，表示以时刻/>对应的电气变化特征为中心的可达密度区域中电气变化特征的数量，/>表示以时刻/>对应的电气变化特征为中心的可达密度区域之外的电气变化特征的个数，/>表示可达密度区域内/>时刻对应的电气变化特征/>为时刻/>处的气变化特征的信息熵数值大小，/>表示电气变化密度分布图中对应第s时刻处的坐标信息；/>分别表示了电气变化密度分布图中对应第/>个和第/>个时刻处的坐标信息；/>为以数据点i可达密度区域中所有数据点/>构成的集合可以计算得到第一熵权系数；/>为以数据点i可达密度区域中所有数据点/>构成的集合可以计算得到第一熵权系数。
2.根据权利要求1所述的方法，其特征在于，基于所述电流数据以及所述温度数据计算工程机械在每一时刻对应的电气变化特征，包括：
基于当前时刻对应的电气数据的二元组数据、当前时刻对应的电气数据切片中某一时刻的电气数据的二元组数据的相似度确定工程机械在每一时刻对应的电气变化特征；其中，所述当前时刻对应的电气数据切片为所述当前时刻向前预设数量的时刻对应的电气数据。
3.根据权利要求2所述的方法，其特征在于，利用如下公式（1）计算工程机械在每一时刻对应的电气变化特征：
（1）；
其中，T为电气数据切片，表示以当前时刻向前/>个时刻对应的电气数据，/>表示在电气数据切片中第/>个时刻的电气数据的二元组数据，/>表示当前时刻/>的电气数据的二元组数据，/>表示相似度计算函数，/>表示当前时刻/>对应的电气变化特征。
4.根据权利要求1所述的方法，其特征在于，所述基于工程机械在每一时刻对应的电气变化特征构建电气变化密度分布图，包括：
所述电气变化密度分布图中，所述电流数据作为纵轴，所述温度数据作为横轴，横坐标和纵坐标指向的数据点的值为对应的电气变化特征。
5.根据权利要求1所述的方法，其特征在于，计算电气可达密度距离，包括：
利用如下公式（2）计算电气可达密度距离：
（2）；
其中，表示电气变化密度分布图中电气变化特征的数量，/>表示电气变化密度分布图中第/>个时刻的电气变化特征，/>分别表示了电气变化密度分布图中对应第/>个和第/>个时刻处的坐标信息。
6.一种工程机械维修过程中电气数据优化采集装置，其特征在于，包括：
采集模块，用于采集工程机械运动过程中每一时刻对应的电气数据，所述电气数据包括电流数据以及温度数据；
特征计算模块，用于基于所述电流数据以及所述温度数据计算工程机械在每一时刻对应的电气变化特征；
构建模块，用于基于工程机械在每一时刻对应的电气变化特征构建电气变化密度分布图；
距离计算模块，用于基于所述电气变化密度分布图确定工程机械动态变化距离；
其中，基于所述电气变化密度分布图确定工程机械动态变化距离，包括：计算电气可达密度距离；利用当前时刻对应的电气变化特征以及所述电气可达密度距离确定当前时刻对应的可达密度区域；基于所述可达密度区域中所有电气变化特征计算得到第一熵权系数，以及基于所述可达密度区域外所有电气变化特征计算得到第二熵权系数；基于所述第一熵权系数以及所述第二熵权系数计算所述动态变化距离；
其中，基于所述第一熵权系数以及所述第二熵权系数计算所述动态变化距离，包括：
利用如下公式（3）计算所述动态变化距离：
（3）；
其中，表示以时刻/>对应的电气变化特征为中心的可达密度区域中电气变化特征的数量，/>表示以时刻/>对应的电气变化特征为中心的可达密度区域之外的电气变化特征的个数，/>表示可达密度区域内/>时刻对应的电气变化特征/>为时刻/>处的气变化特征的信息熵数值大小，/>表示电气变化密度分布图中对应第s时刻处的坐标信息；/>分别表示了电气变化密度分布图中对应第/>个和第/>个时刻处的坐标信息；/>为以数据点i可达密度区域中所有数据点/>构成的集合可以计算得到第一熵权系数；/>为以数据点i可达密度区域中所有数据点/>构成的集合可以计算得到第一熵权系数；
检测模块，用于基于所述动态变化距离对局部离群因子算法进行优化，利用优化后的局部离群因子算法对所述工程机械运动进行检测，确定异常变化点。
7.一种电子设备，其特征在于，所述电子设备包括：相互耦接的处理器及存储器；
所述存储器用于存储实现如权利要求1~5任意一项所述的方法的程序指令；
所述处理器用于执行所述存储器存储的所述程序指令。
8.一种存储介质，其特征在于，存储有程序文件，所述程序文件能够被执行以实现如权利要求1~5任意一项所述的方法。
CN202311376474.1A 2023-10-24 2023-10-24 工程机械维修过程中电气数据优化采集方法及相关装置 Active CN117113017B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311376474.1A CN117113017B (zh) 2023-10-24 2023-10-24 工程机械维修过程中电气数据优化采集方法及相关装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311376474.1A CN117113017B (zh) 2023-10-24 2023-10-24 工程机械维修过程中电气数据优化采集方法及相关装置

Publications (2)

Publication Number Publication Date
CN117113017A CN117113017A (zh) 2023-11-24
CN117113017B true CN117113017B (zh) 2024-01-26

Family

ID=88811386

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311376474.1A Active CN117113017B (zh) 2023-10-24 2023-10-24 工程机械维修过程中电气数据优化采集方法及相关装置

Country Status (1)

Country Link
CN (1) CN117113017B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5255202A (en) * 1990-01-16 1993-10-19 Hitachi, Ltd. Digital signal processing method and system, electric power system signal processing system and electric power control system
CN106373025A (zh) * 2016-08-22 2017-02-01 重庆邮电大学 基于离群点检测的用电信息采集系统实时防窃电监测方法
CN114418378A (zh) * 2022-01-17 2022-04-29 国网江苏省电力有限公司扬州供电分公司 基于lof离群因子检测算法的光伏发电上网数据校核方法
CN114956360A (zh) * 2022-08-02 2022-08-30 江苏莱通环境科技有限公司 一种基于爬山算法的污水处理曝气充氧控制方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5255202A (en) * 1990-01-16 1993-10-19 Hitachi, Ltd. Digital signal processing method and system, electric power system signal processing system and electric power control system
CN106373025A (zh) * 2016-08-22 2017-02-01 重庆邮电大学 基于离群点检测的用电信息采集系统实时防窃电监测方法
CN114418378A (zh) * 2022-01-17 2022-04-29 国网江苏省电力有限公司扬州供电分公司 基于lof离群因子检测算法的光伏发电上网数据校核方法
CN114956360A (zh) * 2022-08-02 2022-08-30 江苏莱通环境科技有限公司 一种基于爬山算法的污水处理曝气充氧控制方法

Also Published As

Publication number Publication date
CN117113017A (zh) 2023-11-24

Similar Documents

Publication Publication Date Title
JP6121425B2 (ja) ラスタ画像のエッジ検出によるベルト摩耗の測定
CN110335204B (zh) 一种热成像图像增强方法
US10481195B2 (en) Distributed IoT based sensor analytics for power line diagnosis
US11341124B2 (en) Missing data compensation method, missing data compensation system, and non-transitory computer-readable medium
CN103606221B (zh) 清分机故障自动诊断方法以及装置
CN108334652B (zh) 机台的预诊断方法及预诊断装置
US20200082297A1 (en) Inspection apparatus and machine learning method
CN111830439A (zh) 一种变压器故障检测方法及变压器
US11682112B2 (en) Inspection device and machine learning method
CN112307827B (zh) 对象识别装置，系统和方法
CN117113017B (zh) 工程机械维修过程中电气数据优化采集方法及相关装置
CN113673454A (zh) 遗留物检测方法、相关设备和存储介质
CN114077919A (zh) 用于预测加工异常的系统
CN117408835A (zh) 一种自动化配电设施巡检方法、装置及电子设备及介质
CN111403318A (zh) 工艺腔室内晶圆状态的检测方法及装置
US11928823B2 (en) Transient sensor monitoring definitions for edge computing devices
CN115795350A (zh) 一种血流变测试杯生产过程中异常数据信息处理方法
US10372719B2 (en) Episode mining device, method and non-transitory computer readable medium of the same
CN110716099A (zh) 一种多针玻璃封接光电子管的检测系统及方法
CN117237336B (zh) 一种金属化陶瓷环缺陷检测方法、系统和可读存储介质
CN117873007B (zh) 基于工业物联网的制造流程管理方法、系统、设备及介质
CN113848079B (zh) Ct旋转角度信息系统的故障检测方法、装置和计算机设备
US20230376713A1 (en) Image processing for scanning devices based on laser aimer position
CN116468351B (zh) 一种基于大数据的智慧物流管理方法、系统以及存储介质
CN115287381B (zh) 一种高炉出铁中计算铁水流速的方法、装置及存储介质

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