CN117610971A - 一种高速公路机电系统健康指数评估方法 - Google Patents
一种高速公路机电系统健康指数评估方法 Download PDFInfo
- Publication number
- CN117610971A CN117610971A CN202410074918.4A CN202410074918A CN117610971A CN 117610971 A CN117610971 A CN 117610971A CN 202410074918 A CN202410074918 A CN 202410074918A CN 117610971 A CN117610971 A CN 117610971A
- Authority
- CN
- China
- Prior art keywords
- monitoring
- data
- node
- monitoring system
- health index
- 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
- 230000036541 health Effects 0.000 title claims abstract description 206
- 238000011156 evaluation Methods 0.000 title claims abstract description 41
- 238000012544 monitoring process Methods 0.000 claims abstract description 921
- 241000272194 Ciconiiformes Species 0.000 claims abstract description 30
- 238000000034 method Methods 0.000 claims abstract description 27
- 238000012545 processing Methods 0.000 claims abstract description 6
- 238000001514 detection method Methods 0.000 claims description 20
- 238000007781 pre-processing Methods 0.000 claims description 16
- 238000010224 classification analysis Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 4
- 238000011161 development Methods 0.000 claims description 3
- 230000009467 reduction Effects 0.000 claims description 3
- 230000000007 visual effect Effects 0.000 abstract description 3
- 238000005457 optimization Methods 0.000 abstract 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 241000251468 Actinopterygii Species 0.000 description 4
- 241000577457 Lestidae Species 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- 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
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/10—Pre-processing; Data cleansing
-
- 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
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Strategic Management (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Evolutionary Biology (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Software Systems (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Biophysics (AREA)
- Mathematical Physics (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Biomedical Technology (AREA)
- Testing And Monitoring For Control Systems (AREA)
- Testing Or Calibration Of Command Recording Devices (AREA)
Abstract
本发明涉及设备状态数据处理的技术领域,且公开了一种高速公路机电系统健康指数评估方法,所述方法的系统包括监控系统评估采集模块、监控系统运行状态分析模块、监控系统硬件结构健康评估分析模块;通过采用鹈鹕优化算法精准识别搜索出标准监控节点监控特征数据中的错误特征数据并总监控特征数据计算占比,实现监控设备的运行错误率直观量化呈现,实现高效、可靠评估高速公路机电系统健康指数;利用监控节点运行的错误率与预设监控系统运行状态健康指数进行数值区间科学分类判断出监控设备的健康指数结果,实现监控系统健康状态的精确判断,保障了高速公路机电系统运行稳定性,提升高速公路交通安全性。
Description
技术领域
本发明涉及设备状态数据处理的技术领域,具体为一种高速公路机电系统健康指数评估方法。
背景技术
高速公路机电系统主要包括“三大系统”,其中“三大系统”包括监控系统、收费系统、通信系统;监控系统一般由监控中心和外场设备两部分组成。监控中心由计算机系统、闭路电视监视控制设备、投影设备、不间断电源系统等组成。监控中心计算机系统采用局域网结构,能接入视频、数据和语音信息,构成一个多媒体的信息平台,具备方便的扩展性。计算机系统具有每天24h连续工作的能力。监控软件工程是交通监控系统的灵魂工程,它采集外场设备检测到的信息,进行分析处理,生成相应的控制方案,通过外场的情报板等设备发布路况信息。高速公路收费系统是高速公路建设费用回收的途径,收费系统一般采用“收费车道—收费站—各运营公司收费中心—收费结算中心”的四级收费体制。各级站点的核心都为计算机设备,这些设备通过以太网交换机连成网络。收费车道采集的原始收费数据,通过计算机网络实时传送到收费站,收费站将采集的数据集中后发送给收费结算中心和相应的运营公司的收费中心。在收费结算中心,对每次出口的收费按照该车辆的车型和实际行驶所通过的路段、里程进行分割计算,得出各路段的应收款,然后存入收费结算中心的数据库,并将清算的结果送给相应的运营公司的收费中心。高速公路通信系统是高速公路现代化管理的重要支撑系统,它要准确及时的传输监控系统和收费系统的语音、数据和图像等信息,保持高速公路各管理部门之间业务联络通讯的畅通,并要为高速公路内部各部门和外界建立必要的联系;同时高速公路通信系统作为交通专用通信网的重要组成部分,是交通信息的主要传输载体,为各种网络服务及会议电视系统提供传输通道,其中监控系统作为高速公路机电系统的监测车辆行驶状态的安全保障系统,保证监控系统稳定运行是十分重要的,现有的高速公路机电系统中监控系统的运行状态主要依赖人工定期监测或者监控系统无法正常运行才能确定,高速公路机电系统缺少对监控系统运行状态进行实时运行状态评估的功能,造成监控系统的运行稳定性不可控,这样会给高速公路机电系统运行带来严重影响,降低高速公路的安全性。
公开号为CN115795907A的中国发明专利申请公开了一种机电设备的可靠性评估方法、系统、设备及介质,基于历史工作台账数据获取设备故障样本数据和故障发生时间;根据所述设备故障样本数据和故障发生时间,确定设备可靠度因子;利用所述设备可靠度因子和设备故障样本数据构建设备可靠性分析模型;实时获取机电设备工作状态数据,将所述机电设备工作状态数据输入至所述可靠性分析模型内,得到生命状态预测结果。本申请具有提高机电设备可靠性评估结果的准确性的效果,然而单独依靠机电设备运行故障结果和可靠性分析模型只能对机电设备运行状态进行概率性预测,机电设备的运行不仅与运行状态有关,也与机电设备的电气机械硬件机构有关,不管模型预测的结果如何,如果机电设备的电气机械机构损坏,会导致机电设备立即无法正常运行。
发明内容
为解决上述现有的高速公路机电系统中监控系统的运行状态主要依赖人工定期监测或者监控系统无法正常运行才能确定,高速公路机电系统缺少对监控系统运行状态进行实时运行状态评估的功能,造成监控系统的运行稳定性不可控,这样会给高速公路机电系统运行带来严重影响,降低高速公路的安全性的问题,实现以上监控系统健康指数分类评估、电气机械硬件统筹智能评估、提升监控系统评估结果精度的目的。
本发明通过以下技术方案予以实现:一种高速公路机电系统健康指数评估方法,所述方法包括如下步骤:
S1、采集监控节点监控特征数据、监控节点空间坐标数据;
S2、对所述监控节点监控特征数据和所述监控节点空间坐标数据进行数据预处理,并生成标准监控节点监控特征数据和标准监控节点空间坐标数据;
S3、将所述标准监控节点监控特征数据与监控节点监控错误特征数据进行监控特征数据识别匹配,并提取出匹配成功的所述标准监控节点监控特征数据并生成标准监控节点错误监控特征数据;
S4、计量所述标准监控节点错误监控特征数据与所述标准监控节点监控特征数据的数据个数比值并构建为监控节点监控错误率;
S5、将所述监控节点监控错误率与监控系统运行状态健康指数数据进行数值大小比对,分析出监控节点对应的监控系统运行状态健康指数结果;
S6、当监控系统运行状态健康指数结果为待确认时,获取所述标准监控节点空间坐标数据控制检测设备到达监控节点位置,采集监控系统硬件结构特征图像数据,将所述监控系统硬件结构特征图像数据与监控系统硬件结构故障特征图像数据进行故障特征图像匹配,分析出监控系统硬件结构健康分析结果;
S7、依据所述监控系统运行状态健康指数结果、所述监控系统硬件结构健康分析结果进行分类分析生成监控系统健康指数结果并输出。
优选的,所述采集监控节点监控特征数据、监控节点空间坐标数据的操作步骤如下:
S11、通过高速公路机电系统中监控设备采集监控节点监控特征数据并建立监控节点监控特征数据集合,所述监控设备包括闭路电视监视控制设备、投影设备、速度监控设备、拍摄设备中一种或多种;
通过位置传感器采集监控节点空间坐标数据,所述空间坐标包括监控节点所在位置的经度、纬度和海拔高度。
优选的,所述对所述监控节点监控特征数据和所述监控节点空间坐标数据进行数据预处理,并生成标准监控节点监控特征数据和标准监控节点空间坐标数据的操作步骤如下:
S21、采用指数滑动平均法对所述监控节点监控特征数据集合和所述监控节点空间坐标数据/>进行数据降噪处理,并分别生成标准监控节点监控特征数据集合/>和所述标准监控节点空间坐标数据/>;
其中标准监控节点监控特征数据集合,/>;/>表示采集的第/>个标准监控节点监控特征数据,/>表示标准监控节点监控特征数据数量的最大值。
优选的,所述将所述标准监控节点监控特征数据与监控节点监控错误特征数据进行监控特征数据识别匹配,并提取出匹配成功的所述标准监控节点监控特征数据并生成标准监控节点错误监控特征数据的操作步骤如下:
S31、建立监控节点监控错误特征数据集合,/>;/>表示第/>个监控节点监控错误特征数据,/>表示监控节点监控错误特征数据数量的最大值,所述监控错误特征数据包括采集高速公路行驶车辆的速度监控错误数据、车辆行驶违规行为监控错误数据中一种或多种;
S32、将所述标准监控节点监控特征数据集合中标准监控节点监控特征数据/>与所述监控节点监控错误特征数据集合/>中监控节点监控错误特征数/>进行监控特征数据识别匹配,具体数据识别匹配步骤如下:
S321、初始化,更新最大迭代次数T以及更新错误特征识别鹈鹕种群位置,更新错误特征识别鹈鹕种群位置的公式为,其中/>为第/>个错误特征识别鹈鹕在第/>维的位置,即第/>个错误特征识别鹈鹕在维度为/>监控节点监控错误特征数据集合搜索空间中的位置,/>表示位置调整随机整数,rand是[0,1]范围内的随机数,/>和/>表示在第/>维求解问题的上下边界,即在维度为/>监控节点监控错误特征数据集合/>搜索空间中搜索与标准监控节点监控特征数据/>匹配的监控节点监控错误特征数据/>的数量上下边界;
S322、勘探阶段,错误特征识别鹈鹕确定猎物的位置,即在监控节点监控错误特征数据集合搜索空间中的搜索与标准监控节点监控特征数据/>匹配的监控节点监控错误特征数据/>,然后向这个确定的区域移动,对错误特征识别鹈鹕逼近猎物策略进行建模,使得算法可以对搜索空间进行扫描,进而增加算法在搜索空间中的不同区域的勘探范围,在算法中,猎物监控节点监控错误特征数据/>的位置在监控节点监控错误特征数据集合/>搜索空间中随机生成。
S323、开发阶段,当错误特征识别鹈鹕到达水面后飞行,它们在水面上展开翅膀,将鱼向上移动,然后把猎物放在它们的喉咙袋里,错误特征识别鹈鹕水面飞行的这种策略使得它们在被攻击区域内狩猎更多的鱼,即在监控节点监控错误特征数据集合搜索空间中搜索更多与标准监控节点监控特征数据/>匹配的监控节点监控错误特征数据/>,对错误特征识别鹈鹕的这种狩猎行为过程进行建模,使得算法收敛到狩猎区域更好的位置,所述算法必须检查错误特征识别鹈鹕位置附近的位置,使得算法收敛到更好的位置,错误特征识别鹈鹕狩猎行为计算公式为:
;其中/>表示开发阶段更新后第/>个错误特征识别鹈鹕在第/>维的位置,即开发阶段更新后第/>个错误特征识别鹈鹕在维度为/>监控节点监控错误特征数据集合/>搜索空间中的位置,rand是[0,1]范围内的随机数;/>为0或2的随机整数;t为当前迭代次数;T为最大迭代次数;
S324、当算法满足最大迭代次数,输出在监控节点监控错误特征数据集合中与监控节点监控错误特征数据/>匹配成功的所有标准监控节点监控特征数据/>,并按照序号的数值大小顺序建立标准监控节点错误监控特征数据集合/>,其中,/>表示第/>个标准监控节点错误监控特征数据,/>表示第/>个标准监控节点错误监控特征数据。
优选的,所述计量所述标准监控节点错误监控特征数据与所述标准监控节点监控特征数据的数据个数比值并构建为监控节点监控错误率的操作步骤如下:
S41、获取标准监控节点错误监控特征数据集合中所有的标准监控节点错误监控特征数据个数并设为/>,标准监控节点监控特征数据个数为/>;
S42、计算监控节点监控错误率,/>表示采集标准监控节点监控特征数据中存在错误的标准监控节点监控特征数据/>的占比,占比数值大小与监控节点监控设备的运行状态呈负相关。
优选的,所述将所述监控节点监控错误率与监控系统运行状态健康指数数据进行数值大小比对,分析出监控节点对应的监控系统运行状态健康指数结果的操作步骤如下:
S51、建立监控系统运行状态健康指数数据,其中/>表示监控节点监控错误率/></>时,此时监控系统运行状态为差;表示监控节点监控错误率/>≤/>≤/>时,此时监控系统运行状态为待确认需要结合监控系统硬件结构特征进行监控系统运行状态确认;/>表示监控节点监控错误率/>>/>时,此时监控系统运行状态为好;
S52、将监控节点监控错误率与监控系统运行状态健康指数数据进行数值大小比对并判断出监控系统运行状态健康指数结果;
当满足</>时,则输出监控系统运行状态健康指数结果为差;
当满足≤/>≤/>时,则输出监控系统运行状态健康指数结果为待确认;
当满足>/>时,则输出监控系统运行状态健康指数结果为好。
优选的,所述当监控系统运行状态健康指数结果为待确认时,获取所述标准监控节点空间坐标数据控制检测设备到达监控节点位置,采集监控系统硬件结构特征图像数据,将所述监控系统硬件结构特征图像数据与监控系统硬件结构故障特征图像数据进行故障特征图像匹配,分析出监控系统硬件结构健康分析结果的操作步骤如下:
S61、当输出监控系统运行状态健康指数结果为待确认时,获取标准监控节点空间坐标数据输入检测设备并控制检测设备到达监控节点位置,检测设备使用拍摄镜头拍摄采集监控设备内部电气线路和机械结构的特征图像并生成监控系统硬件结构特征图像数据集合/>,/>;/>表示采集监控设备的第/>个监控系统硬件结构特征图像数据,/>表示监控系统硬件结构特征图像数据数量的最大值,所述检测设备包括检修无人机、检修机器人中至少一种;
S62、建立监控系统硬件结构故障特征图像数据集合,;/>表示第/>个监控系统硬件结构故障特征图像数据,/>表示监控系统硬件结构故障特征图像数据数量的最大值;
S63、采用如S32步骤中数据识别匹配步骤将监控系统硬件结构特征图像数据集合中监控系统硬件结构特征图像数/>与监控系统硬件结构故障特征图像数据集合/>中监控系统硬件结构故障特征图像数据/>进行故障特征图像匹配并输出监控系统硬件结构健康分析结果;
当与/>匹配成功,则输出监控系统硬件结构健康分析结果为监控节点的监控设备硬件结构存在故障;
当与/>匹配未成功,则输出监控系统硬件结构健康分析结果为监控节点的监控设备硬件结构不存在故障。
优选的,所述依据所述监控系统运行状态健康指数结果、所述监控系统硬件结构健康分析结果进行分类分析生成监控系统健康指数结果并输出的操作步骤如下:
S71、获取所述监控系统运行状态健康指数结果、所述监控系统硬件结构健康分析结果;
S72、分析并输出监控系统健康指数结果;
当监控系统运行状态健康指数结果为差,则输出监控系统健康指数结果为差;
当监控系统运行状态健康指数结果为好,则输出监控系统健康指数结果为好;
当监控系统运行状态健康指数结果为待确认,且监控系统硬件结构健康分析结果为监控节点的监控设备硬件结构存在故障,则输出监控系统健康指数结果为差;
当监控系统运行状态健康指数结果为待确认,且输出监控系统硬件结构健康分析结果为监控节点的监控设备硬件结构不存在故障,则输出监控系统健康指数结果为好。
一种实现所述高速公路机电系统健康指数评估方法的系统,所述系统包括监控系统评估采集模块、监控系统运行状态分析模块、监控系统硬件结构健康评估分析模块、监控系统健康指数结果分析输出模块;
所述监控系统评估采集模块包括监控节点监控特征采集单元、监控节点空间坐标采集单元、采集数据预处理单元;
所述监控节点监控特征采集单元,通过监控设备采集监控节点监控特征数据;所述监控节点空间坐标采集单元,通过位置传感器采集监控节点空间坐标数据;所述采集数据预处理单元,对所述监控节点监控特征数据和所述监控节点空间坐标数据进行数据预处理,并生成标准监控节点监控特征数据和标准监控节点空间坐标数据;
所述监控系统运行状态分析模块包括监控节点监控错误特征存储单元、监控节点监控错误特征搜索单元、监控节点监控错误率计量单元、监控系统运行状态健康指数存储单元、监控系统运行状态健康指数判断单元;
所述监控节点监控错误特征存储单元,用于存储监控节点监控错误特征数据;所述监控节点监控错误特征搜索单元,将所述标准监控节点监控特征数据与监控节点监控错误特征数据进行监控特征数据识别匹配,并提取出匹配成功的所述标准监控节点监控特征数据并生成标准监控节点错误监控特征数据;所述监控节点监控错误率计量单元,用于计量所述标准监控节点错误监控特征数据与所述标准监控节点监控特征数据的数据个数比值并构建为监控节点监控错误率;所述监控系统运行状态健康指数存储单元,用于存储监控系统运行状态健康指数数据;所述监控系统运行状态健康指数判断单元,将所述监控节点监控错误率与监控系统运行状态健康指数数据进行数值大小比对,分析出监控节点对应的监控系统运行状态健康指数结果;
所述监控系统硬件结构健康评估分析模块包括监控系统硬件结构特征图像采集单元、监控系统硬件结构故障特征图像存储单元、监控系统硬件结构故障特征识别单元;
所述监控系统硬件结构特征图像采集单元,当监控系统运行状态健康指数结果为待确认时,获取所述标准监控节点空间坐标数据控制检测设备到达监控节点位置,采集监控系统硬件结构特征图像数据;所述监控系统硬件结构故障特征图像存储单元,用于存储监控系统硬件结构故障特征图像数据;所述监控系统硬件结构故障特征识别单元,将所述监控系统硬件结构特征图像数据与监控系统硬件结构故障特征图像数据进行故障特征图像匹配,分析出监控系统硬件结构健康分析结果;
所述监控系统健康指数结果分析输出模块,依据所述监控系统运行状态健康指数结果、所述监控系统硬件结构健康分析结果进行分类分析生成监控系统健康指数结果并输出。
本发明提供了一种高速公路机电系统健康指数评估方法。具备以下有益效果:
一、通过监控节点监控特征采集单元通过实时采集监控设备运行状态下的监控特征数据为后续科学分析监控设备运行状态提供数据支撑,保证高速公路机电系统健康指数评估结果的真实性;监控节点空间坐标采集单元通过采集监控设备的位置坐标,为后续运行健康状态无法直接确认的监控设备采集硬件结构特征提供精确定位信息,提升高速公路机电系统健康指数评估的效率和精度,采集数据预处理单元保证采集监控特征数据和监控设备的位置数据的可信度,增加高速公路机电系统健康指数评估结果的准确性。
二、通过监控节点监控错误特征搜索单元和监控节点监控错误率计量单相互配合采用鹈鹕优化算法精准识别搜索出标准监控节点监控特征数据中的错误特征数据并总监控特征数据计算占比,实现监控设备的运行错误率直观量化呈现,实现高效、可靠评估高速公路机电系统健康指数;监控系统运行状态健康指数判断单元利用监控节点运行的错误率与预设监控系统运行状态健康指数进行数值区间科学分类判断出监控设备的健康指数结果,实现监控系统健康状态的精确判断,保障了高速公路机电系统运行稳定性,提升高速公路交通安全性。
三、监控系统硬件结构特征图像采集单元和监控系统硬件结构故障特征识别单元相互配合对健康指数结果为待确认的监控系统,统筹分析监控系统的电气机械硬件结构是否完好,实现监控系统健康指数评估分析过程更加全面和科学,监控系统健康指数结果分析输出模块综合全面分析输出监控系统的运行健康指数评估结果,提高了高速公路机电系统健康指数评估结果质量,实现精准测量高速公路机电系统的运行健康状态。
附图说明
图1为本发明提供的一种高速公路机电系统健康指数评估方法的流程图;
图2为本发明提供的一种高速公路机电系统健康指数评估系统的模块示意图。
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。
该一种高速公路机电系统健康指数评估方法的实施例如下:
请参阅图1、图2,一种高速公路机电系统健康指数评估方法,方法包括如下步骤:
S1、采集监控节点监控特征数据、监控节点空间坐标数据;
S2、对监控节点监控特征数据和监控节点空间坐标数据进行数据预处理,并生成标准监控节点监控特征数据和标准监控节点空间坐标数据;
S3、将标准监控节点监控特征数据与监控节点监控错误特征数据进行监控特征数据识别匹配,并提取出匹配成功的标准监控节点监控特征数据并生成标准监控节点错误监控特征数据;
S4、计量标准监控节点错误监控特征数据与标准监控节点监控特征数据的数据个数比值并构建为监控节点监控错误率;
S5、将监控节点监控错误率与监控系统运行状态健康指数数据进行数值大小比对,分析出监控节点对应的监控系统运行状态健康指数结果;
S6、当监控系统运行状态健康指数结果为待确认时,获取标准监控节点空间坐标数据控制检测设备到达监控节点位置,采集监控系统硬件结构特征图像数据,将监控系统硬件结构特征图像数据与监控系统硬件结构故障特征图像数据进行故障特征图像匹配,分析出监控系统硬件结构健康分析结果;
S7、依据监控系统运行状态健康指数结果、监控系统硬件结构健康分析结果进行分类分析生成监控系统健康指数结果并输出。
进一步的,请参阅图1、图2,采集监控节点监控特征数据、监控节点空间坐标数据的操作步骤如下:
S11、通过高速公路机电系统中监控设备采集监控节点监控特征数据并建立监控节点监控特征数据集合,所述监控设备包括闭路电视监视控制设备、投影设备、速度监控设备、拍摄设备中一种或多种;
通过位置传感器采集监控节点空间坐标数据,所述空间坐标包括监控节点所在位置的经度、纬度和海拔高度。
对监控节点监控特征数据和监控节点空间坐标数据进行数据预处理,并生成标准监控节点监控特征数据和标准监控节点空间坐标数据的操作步骤如下:
S21、采用指数滑动平均法对所述监控节点监控特征数据集合和所述监控节点空间坐标数据/>进行数据降噪处理,并分别生成标准监控节点监控特征数据集合/>和所述标准监控节点空间坐标数据/>;
其中标准监控节点监控特征数据集合,/>;/>表示采集的第/>个标准监控节点监控特征数据,/>表示标准监控节点监控特征数据数量的最大值。
通过监控节点监控特征采集单元通过实时采集监控设备运行状态下的监控特征数据为后续科学分析监控设备运行状态提供数据支撑,保证高速公路机电系统健康指数评估结果的真实性;监控节点空间坐标采集单元通过采集监控设备的位置坐标,为后续运行健康状态无法直接确认的监控设备采集硬件结构特征提供精确定位信息,提升高速公路机电系统健康指数评估的效率和精度,采集数据预处理单元保证采集监控特征数据和监控设备的位置数据的可信度,增加高速公路机电系统健康指数评估结果的准确性。
进一步的,请参阅图1、图2,将标准监控节点监控特征数据与监控节点监控错误特征数据进行监控特征数据识别匹配,并提取出匹配成功的标准监控节点监控特征数据并生成标准监控节点错误监控特征数据的操作步骤如下:
S31、建立监控节点监控错误特征数据集合,/>;/>表示第/>个监控节点监控错误特征数据,/>表示监控节点监控错误特征数据数量的最大值,监控错误特征数据包括采集高速公路行驶车辆的速度监控错误数据、车辆行驶违规行为监控错误数据中一种或多种;
S32、将标准监控节点监控特征数据集合中标准监控节点监控特征数据/>与监控节点监控错误特征数据集合/>中监控节点监控错误特征数据/>进行监控特征数据识别匹配,具体数据识别匹配步骤如下:
S321、初始化,更新最大迭代次数T以及更新错误特征识别鹈鹕种群位置,更新错误特征识别鹈鹕种群位置的公式为:
;其中/>为第/>个错误特征识别鹈鹕在第/>维的位置,即第/>个错误特征识别鹈鹕在维度为/>监控节点监控错误特征数据集合/>搜索空间中的位置,/>表示位置调整随机整数,rand是[0,1]范围内的随机数,/>和/>表示在第/>维求解问题的上下边界,即在维度为/>监控节点监控错误特征数据集合/>搜索空间中搜索与标准监控节点监控特征数据/>匹配的监控节点监控错误特征数据/>的数量上下边界;
S322、勘探阶段,错误特征识别鹈鹕确定猎物的位置,即在监控节点监控错误特征数据集合搜索空间中的搜索与标准监控节点监控特征数据/>匹配的监控节点监控错误特征数据/>,然后向这个确定的区域移动,对错误特征识别鹈鹕逼近猎物策略进行建模,使得算法可以对搜索空间进行扫描,进而增加算法在搜索空间中的不同区域的勘探范围,在算法中,猎物监控节点监控错误特征数据/>的位置在监控节点监控错误特征数据集合/>搜索空间中随机生成,即逼近猎物策略公式为:
;其中/>为探勘阶段更新后第/>个错误特征识别鹈鹕在第/>维的位置,即探勘阶段更新后第/>个错误特征识别鹈鹕在维度为/>监控节点监控错误特征数据集合/>搜索空间中的位置,/>为猎物在第/>维的位置,即猎物在维度为/>监控节点监控错误特征数据集合/>搜索空间中的位置,/>为猎物的目标函数值,/>为第/>个错误特征识别鹈鹕的目标函数值;
S323、开发阶段,当错误特征识别鹈鹕到达水面后飞行,它们在水面上展开翅膀,将鱼向上移动,然后把猎物放在它们的喉咙袋里,错误特征识别鹈鹕水面飞行的这种策略使得它们在被攻击区域内狩猎更多的鱼,即在监控节点监控错误特征数据集合搜索空间中搜索更多与标准监控节点监控特征数据/>匹配的监控节点监控错误特征数据/>,对错误特征识别鹈鹕的这种狩猎行为过程进行建模,使得算法收敛到狩猎区域更好的位置,所述算法必须检查错误特征识别鹈鹕位置附近的位置,使得算法收敛到更好的位置,错误特征识别鹈鹕狩猎行为计算公式为:
;其中/>表示开发阶段更新后第/>个错误特征识别鹈鹕在第/>维的位置,即开发阶段更新后第/>个错误特征识别鹈鹕在维度为/>监控节点监控错误特征数据集合/>搜索空间中的位置,rand是[0,1]范围内的随机数;/>为0或2的随机整数;t为当前迭代次数;T为最大迭代次数;
S324、当算法满足最大迭代次数,输出在监控节点监控错误特征数据集合中与监控节点监控错误特征数据/>匹配成功的所有标准监控节点监控特征数据/>,并按照序号/>的数值大小顺序建立标准监控节点错误监控特征数据集合/>,其中,/>表示第/>个标准监控节点错误监控特征数据,/>表示第/>个标准监控节点错误监控特征数据。
计量标准监控节点错误监控特征数据与标准监控节点监控特征数据的数据个数比值并构建为监控节点监控错误率的操作步骤如下:
S41、获取标准监控节点错误监控特征数据集合中所有的标准监控节点错误监控特征数据个数并设为/>,标准监控节点监控特征数据个数为/>;
S42、计算监控节点监控错误率,/>表示采集标准监控节点监控特征数据中存在错误的标准监控节点监控特征数据/>的占比,占比数值大小与监控节点监控设备的运行状态呈负相关。
将监控节点监控错误率与监控系统运行状态健康指数数据进行数值大小比对,分析出监控节点对应的监控系统运行状态健康指数结果的操作步骤如下:
S51、建立监控系统运行状态健康指数数据,其中/>表示监控节点监控错误率/></>时,此时监控系统运行状态为差;表示监控节点监控错误率/>≤/>≤/>时,此时监控系统运行状态为待确认需要结合监控系统硬件结构特征进行监控系统运行状态确认;/>表示监控节点监控错误率/>>/>时,此时监控系统运行状态为好;
S52、将监控节点监控错误率与监控系统运行状态健康指数数据进行数值大小比对并判断出监控系统运行状态健康指数结果;
当满足</>时,则输出监控系统运行状态健康指数结果为差;
当满足≤/>≤/>时,则输出监控系统运行状态健康指数结果为待确认;
当满足>/>时,则输出监控系统运行状态健康指数结果为好。
通过监控节点监控错误特征搜索单元和监控节点监控错误率计量单相互配合采用鹈鹕优化算法精准识别搜索出标准监控节点监控特征数据中的错误特征数据并总监控特征数据计算占比,实现监控设备的运行错误率直观量化呈现,实现高效、可靠评估高速公路机电系统健康指数;监控系统运行状态健康指数判断单元利用监控节点运行的错误率与预设监控系统运行状态健康指数进行数值区间科学分类判断出监控设备的健康指数结果,实现监控系统健康状态的精确判断,保障了高速公路机电系统运行稳定性,提升高速公路交通安全性。
进一步的,请参阅图1、图2,当监控系统运行状态健康指数结果为待确认时,获取标准监控节点空间坐标数据控制检测设备到达监控节点位置,采集监控系统硬件结构特征图像数据,将监控系统硬件结构特征图像数据与监控系统硬件结构故障特征图像数据进行故障特征图像匹配,分析出监控系统硬件结构健康分析结果的操作步骤如下:
S61、当输出监控系统运行状态健康指数结果为待确认时,获取标准监控节点空间坐标数据输入检测设备并控制检测设备到达监控节点位置,检测设备使用拍摄镜头拍摄采集监控设备内部电气线路和机械结构的特征图像并生成监控系统硬件结构特征图像数据集合/>,/>;/>表示采集监控设备的第/>个监控系统硬件结构特征图像数据,/>表示监控系统硬件结构特征图像数据数量的最大值,检测设备包括检修无人机、检修机器人中至少一种;
S62、建立监控系统硬件结构故障特征图像数据集合,;/>表示第/>个监控系统硬件结构故障特征图像数据,/>表示监控系统硬件结构故障特征图像数据数量的最大值;
S63、采用如S32步骤中数据识别匹配步骤将监控系统硬件结构特征图像数据集合中监控系统硬件结构特征图像数/>与监控系统硬件结构故障特征图像数据集合/>中监控系统硬件结构故障特征图像数据/>进行故障特征图像匹配并输出监控系统硬件结构健康分析结果;
当与/>匹配成功,则输出监控系统硬件结构健康分析结果为监控节点的监控设备硬件结构存在故障;
当与/>匹配未成功,则输出监控系统硬件结构健康分析结果为监控节点的监控设备硬件结构不存在故障。
依据监控系统运行状态健康指数结果、监控系统硬件结构健康分析结果进行分类分析生成监控系统健康指数结果并输出的操作步骤如下:
S71、获取监控系统运行状态健康指数结果、监控系统硬件结构健康分析结果;
当监控系统运行状态健康指数结果为好,则输出监控系统健康指数结果为好;
当监控系统运行状态健康指数结果为待确认,且监控系统硬件结构健康分析结果为监控节点的监控设备硬件结构存在故障,则输出监控系统健康指数结果为差;
当监控系统运行状态健康指数结果为待确认,且输出监控系统硬件结构健康分析结果为监控节点的监控设备硬件结构不存在故障,则输出监控系统健康指数结果为好。
监控系统硬件结构特征图像采集单元和监控系统硬件结构故障特征识别单元相互配合对健康指数结果为待确认的监控系统,统筹分析监控系统的电气机械硬件结构是否完好,实现监控系统健康指数评估分析过程更加全面和科学,监控系统健康指数结果分析输出模块综合全面分析输出监控系统的运行健康指数评估结果,提高了高速公路机电系统健康指数评估结果质量,实现精准测量高速公路机电系统的运行健康状态。
一种实现高速公路机电系统健康指数评估方法的系统,系统包括监控系统评估采集模块、监控系统运行状态分析模块、监控系统硬件结构健康评估分析模块、监控系统健康指数结果分析输出模块;
监控系统评估采集模块包括监控节点监控特征采集单元、监控节点空间坐标采集单元、采集数据预处理单元;
监控节点监控特征采集单元,通过监控设备采集监控节点监控特征数据;监控节点空间坐标采集单元,通过位置传感器采集监控节点空间坐标数据;采集数据预处理单元,对监控节点监控特征数据和监控节点空间坐标数据进行数据预处理,并生成标准监控节点监控特征数据和标准监控节点空间坐标数据;
监控系统运行状态分析模块包括监控节点监控错误特征存储单元、监控节点监控错误特征搜索单元、监控节点监控错误率计量单元、监控系统运行状态健康指数存储单元、监控系统运行状态健康指数判断单元;
监控节点监控错误特征存储单元,用于存储监控节点监控错误特征数据;监控节点监控错误特征搜索单元,将标准监控节点监控特征数据与监控节点监控错误特征数据进行监控特征数据识别匹配,并提取出匹配成功的标准监控节点监控特征数据并生成标准监控节点错误监控特征数据;监控节点监控错误率计量单元,用于计量标准监控节点错误监控特征数据与标准监控节点监控特征数据的数据个数比值并构建为监控节点监控错误率;监控系统运行状态健康指数存储单元,用于存储监控系统运行状态健康指数数据;监控系统运行状态健康指数判断单元,将监控节点监控错误率与监控系统运行状态健康指数数据进行数值大小比对,分析出监控节点对应的监控系统运行状态健康指数结果;
监控系统硬件结构健康评估分析模块包括监控系统硬件结构特征图像采集单元、监控系统硬件结构故障特征图像存储单元、监控系统硬件结构故障特征识别单元;
监控系统硬件结构特征图像采集单元,当监控系统运行状态健康指数结果为待确认时,获取标准监控节点空间坐标数据控制检测设备到达监控节点位置,采集监控系统硬件结构特征图像数据;监控系统硬件结构故障特征图像存储单元,用于存储监控系统硬件结构故障特征图像数据;监控系统硬件结构故障特征识别单元,将监控系统硬件结构特征图像数据与监控系统硬件结构故障特征图像数据进行故障特征图像匹配,分析出监控系统硬件结构健康分析结果;
监控系统健康指数结果分析输出模块,依据监控系统运行状态健康指数结果、监控系统硬件结构健康分析结果进行分类分析生成监控系统健康指数结果并输出。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。
Claims (9)
1.一种高速公路机电系统健康指数评估方法,其特征在于,所述方法包括如下步骤:
S1、采集监控节点监控特征数据、监控节点空间坐标数据;
S2、对所述监控节点监控特征数据和所述监控节点空间坐标数据进行数据预处理,并生成标准监控节点监控特征数据和标准监控节点空间坐标数据;
S3、将所述标准监控节点监控特征数据与监控节点监控错误特征数据进行监控特征数据识别匹配,并提取出匹配成功的所述标准监控节点监控特征数据并生成标准监控节点错误监控特征数据;
S4、计量所述标准监控节点错误监控特征数据与所述标准监控节点监控特征数据的数据个数比值并构建为监控节点监控错误率;
S5、将所述监控节点监控错误率与监控系统运行状态健康指数数据进行数值大小比对,分析出监控节点对应的监控系统运行状态健康指数结果;
S6、当监控系统运行状态健康指数结果为待确认时,获取所述标准监控节点空间坐标数据控制检测设备到达监控节点位置,采集监控系统硬件结构特征图像数据,将所述监控系统硬件结构特征图像数据与监控系统硬件结构故障特征图像数据进行故障特征图像匹配,分析出监控系统硬件结构健康分析结果;
S7、依据所述监控系统运行状态健康指数结果、所述监控系统硬件结构健康分析结果进行分类分析生成监控系统健康指数结果并输出。
2.根据权利要求1所述的一种高速公路机电系统健康指数评估方法,其特征在于:所述S1包括以下步骤:
S11、通过高速公路机电系统中监控设备采集监控节点监控特征数据并建立监控节点监控特征数据集合,所述监控设备包括闭路电视监视控制设备、投影设备、速度监控设备、拍摄设备中一种或多种;
通过位置传感器采集监控节点空间坐标数据,所述空间坐标包括监控节点所在位置的经度、纬度和海拔高度。
3.根据权利要求2所述的一种高速公路机电系统健康指数评估方法,其特征在于:所述S2包括以下步骤:
S21、采用指数滑动平均法对所述监控节点监控特征数据集合和所述监控节点空间坐标数据/>进行数据降噪处理,并分别生成标准监控节点监控特征数据集合/>和所述标准监控节点空间坐标数据/>;
其中标准监控节点监控特征数据集合,/>;/>表示采集的第个标准监控节点监控特征数据,/>表示标准监控节点监控特征数据数量的最大值。
4.根据权利要求3所述的一种高速公路机电系统健康指数评估方法,其特征在于:所述S3包括以下步骤:
S31、建立监控节点监控错误特征数据集合,/>;/>表示第/>个监控节点监控错误特征数据,/>表示监控节点监控错误特征数据数量的最大值,所述监控错误特征数据包括采集高速公路行驶车辆的速度监控错误数据、车辆行驶违规行为监控错误数据中一种或多种;
S32、将所述标准监控节点监控特征数据集合中标准监控节点监控特征数据/>与所述监控节点监控错误特征数据集合/>中监控节点监控错误特征数据/>进行监控特征数据识别匹配,具体数据识别匹配步骤如下:
S321、初始化,更新最大迭代次数T以及更新错误特征识别鹈鹕种群位置;
S322、勘探阶段,错误特征识别鹈鹕确定猎物的位置,即在监控节点监控错误特征数据集合搜索空间中的搜索与标准监控节点监控特征数据/>匹配的监控节点监控错误特征数据/>,然后向这个确定的区域移动,对错误特征识别鹈鹕逼近猎物策略进行建模,猎物监控节点监控错误特征数据/>的位置在监控节点监控错误特征数据集合/>搜索空间中随机生成;
S323、开发阶段,在监控节点监控错误特征数据集合搜索空间中搜索更多与标准监控节点监控特征数据/>匹配的监控节点监控错误特征数据/>,对错误特征识别鹈鹕的这种狩猎行为过程进行建模;
S324、当算法满足最大迭代次数,输出在监控节点监控错误特征数据集合中与监控节点监控错误特征数据/>匹配成功的所有标准监控节点监控特征数据/>,并按照序号/>的数值大小顺序建立标准监控节点错误监控特征数据集合/>,其中/>,表示第/>个标准监控节点错误监控特征数据,/>表示第/>个标准监控节点错误监控特征数据。
5.根据权利要求4所述的一种高速公路机电系统健康指数评估方法,其特征在于:所述S4包括以下步骤:
S41、获取标准监控节点错误监控特征数据集合中所有的标准监控节点错误监控特征数据个数并设为/>,标准监控节点监控特征数据个数为/>;
S42、计算监控节点监控错误率,/>表示采集标准监控节点监控特征数据/>中存在错误的标准监控节点监控特征数据/>的占比,占比数值大小与监控节点监控设备的运行状态呈负相关。
6.根据权利要求5所述的一种高速公路机电系统健康指数评估方法,其特征在于:所述S5包括以下步骤:
S51、建立监控系统运行状态健康指数数据,其中/>表示监控节点监控错误率/></>时,此时监控系统运行状态为差;表示监控节点监控错误率/>≤/>≤/>时,此时监控系统运行状态为待确认需要结合监控系统硬件结构特征进行监控系统运行状态确认;/>表示监控节点监控错误率/>>/>时,此时监控系统运行状态为好;
S52、将监控节点监控错误率与监控系统运行状态健康指数数据进行数值大小比对并判断出监控系统运行状态健康指数结果;
当满足</>时,则输出监控系统运行状态健康指数结果为差;
当满足≤/>≤/>时,则输出监控系统运行状态健康指数结果为待确认;
当满足>/>时,则输出监控系统运行状态健康指数结果为好。
7.根据权利要求6所述的一种高速公路机电系统健康指数评估方法,其特征在于:所述S6包括以下步骤:
S61、当输出监控系统运行状态健康指数结果为待确认时,获取标准监控节点空间坐标数据输入检测设备并控制检测设备到达监控节点位置,检测设备使用拍摄镜头拍摄采集监控设备内部电气线路和机械结构的特征图像并生成监控系统硬件结构特征图像数据集合/>,/>;/>表示采集监控设备的第/>个监控系统硬件结构特征图像数据,/>表示监控系统硬件结构特征图像数据数量的最大值,所述检测设备包括检修无人机、检修机器人中至少一种;
S62、建立监控系统硬件结构故障特征图像数据集合,/>;/>表示第/>个监控系统硬件结构故障特征图像数据,/>表示监控系统硬件结构故障特征图像数据数量的最大值;
S63、采用如S32步骤中数据识别匹配步骤将监控系统硬件结构特征图像数据集合中监控系统硬件结构特征图像数/>与监控系统硬件结构故障特征图像数据集合/>中监控系统硬件结构故障特征图像数据/>进行故障特征图像匹配并输出监控系统硬件结构健康分析结果;
当与/>匹配成功,则输出监控系统硬件结构健康分析结果为监控节点的监控设备硬件结构存在故障;
当与/>匹配未成功,则输出监控系统硬件结构健康分析结果为监控节点的监控设备硬件结构不存在故障。
8.根据权利要求7所述的一种高速公路机电系统健康指数评估方法,其特征在于:所述S7包括以下步骤:
S71、获取所述监控系统运行状态健康指数结果、所述监控系统硬件结构健康分析结果;
S72、分析并输出监控系统健康指数结果;
当监控系统运行状态健康指数结果为差,则输出监控系统健康指数结果为差;
当监控系统运行状态健康指数结果为好,则输出监控系统健康指数结果为好;
当监控系统运行状态健康指数结果为待确认,且监控系统硬件结构健康分析结果为监控节点的监控设备硬件结构存在故障,则输出监控系统健康指数结果为差;
当监控系统运行状态健康指数结果为待确认,且输出监控系统硬件结构健康分析结果为监控节点的监控设备硬件结构不存在故障,则输出监控系统健康指数结果为好。
9.一种实现如根据权利要求1-8中任意一项所述的高速公路机电系统健康指数评估方法的系统,其特征在于:所述系统包括监控系统评估采集模块、监控系统运行状态分析模块、监控系统硬件结构健康评估分析模块、监控系统健康指数结果分析输出模块;
所述监控系统评估采集模块包括监控节点监控特征采集单元、监控节点空间坐标采集单元、采集数据预处理单元;
所述监控节点监控特征采集单元,通过监控设备采集监控节点监控特征数据;所述监控节点空间坐标采集单元,通过位置传感器采集监控节点空间坐标数据;所述采集数据预处理单元,对所述监控节点监控特征数据和所述监控节点空间坐标数据进行数据预处理,并生成标准监控节点监控特征数据和标准监控节点空间坐标数据;
所述监控系统运行状态分析模块包括监控节点监控错误特征存储单元、监控节点监控错误特征搜索单元、监控节点监控错误率计量单元、监控系统运行状态健康指数存储单元、监控系统运行状态健康指数判断单元;
所述监控节点监控错误特征存储单元,用于存储监控节点监控错误特征数据;所述监控节点监控错误特征搜索单元,将所述标准监控节点监控特征数据与监控节点监控错误特征数据进行监控特征数据识别匹配,并提取出匹配成功的所述标准监控节点监控特征数据并生成标准监控节点错误监控特征数据;所述监控节点监控错误率计量单元,用于计量所述标准监控节点错误监控特征数据与所述标准监控节点监控特征数据的数据个数比值并构建为监控节点监控错误率;所述监控系统运行状态健康指数存储单元,用于存储监控系统运行状态健康指数数据;所述监控系统运行状态健康指数判断单元,将所述监控节点监控错误率与监控系统运行状态健康指数数据进行数值大小比对,分析出监控节点对应的监控系统运行状态健康指数结果;
所述监控系统硬件结构健康评估分析模块包括监控系统硬件结构特征图像采集单元、监控系统硬件结构故障特征图像存储单元、监控系统硬件结构故障特征识别单元;
所述监控系统硬件结构特征图像采集单元,当监控系统运行状态健康指数结果为待确认时,获取所述标准监控节点空间坐标数据控制检测设备到达监控节点位置,采集监控系统硬件结构特征图像数据;所述监控系统硬件结构故障特征图像存储单元,用于存储监控系统硬件结构故障特征图像数据;所述监控系统硬件结构故障特征识别单元,将所述监控系统硬件结构特征图像数据与监控系统硬件结构故障特征图像数据进行故障特征图像匹配,分析出监控系统硬件结构健康分析结果;
所述监控系统健康指数结果分析输出模块,依据所述监控系统运行状态健康指数结果、所述监控系统硬件结构健康分析结果进行分类分析生成监控系统健康指数结果并输出。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410074918.4A CN117610971B (zh) | 2024-01-18 | 2024-01-18 | 一种高速公路机电系统健康指数评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410074918.4A CN117610971B (zh) | 2024-01-18 | 2024-01-18 | 一种高速公路机电系统健康指数评估方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117610971A true CN117610971A (zh) | 2024-02-27 |
CN117610971B CN117610971B (zh) | 2024-04-12 |
Family
ID=89960118
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410074918.4A Active CN117610971B (zh) | 2024-01-18 | 2024-01-18 | 一种高速公路机电系统健康指数评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117610971B (zh) |
Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070174732A1 (en) * | 2006-01-24 | 2007-07-26 | International Business Machines Corporation | Monitoring system and method |
US20110060569A1 (en) * | 2009-09-04 | 2011-03-10 | Ridgetop Group, Inc. | Real-Time, Model-Based Autonomous Reasoner and Method of Using the Same |
CN102043396A (zh) * | 2009-10-22 | 2011-05-04 | 东典科技股份有限公司 | 错误诊断与分类监控系统 |
US20150088463A1 (en) * | 2013-09-20 | 2015-03-26 | Fujitsu Limited | Measurement data processing method and apparatus |
CN105914881A (zh) * | 2016-05-13 | 2016-08-31 | 国网辽宁省电力有限公司电力科学研究院 | 一种智能变电站高级应用系统 |
CN108170110A (zh) * | 2017-12-26 | 2018-06-15 | 中交机电工程局有限公司 | 城市轨道交通机电设备监控系统 |
CN111274087A (zh) * | 2020-01-15 | 2020-06-12 | 国网湖南省电力有限公司 | 一种it集中监控的业务系统的健康度评估方法 |
CN111708665A (zh) * | 2020-05-29 | 2020-09-25 | 苏州浪潮智能科技有限公司 | 一种存储集群系统全面监控的方法、装置、设备和介质 |
CN112036771A (zh) * | 2020-09-27 | 2020-12-04 | 中国商用飞机有限责任公司北京民用飞机技术研究中心 | 一种飞机健康管理系统 |
CN112115022A (zh) * | 2020-08-27 | 2020-12-22 | 北京航空航天大学 | 基于aadl的ima系统健康监控的测试方法 |
CN113193616A (zh) * | 2021-04-07 | 2021-07-30 | 山东理工大学 | 一种用于输电通道监拍设备的健康状态评估方法 |
CN114239377A (zh) * | 2021-11-10 | 2022-03-25 | 合肥赛为智能有限公司 | 一种城轨机电设备健康状态评估方法、系统及存储介质 |
CN218825580U (zh) * | 2022-10-21 | 2023-04-07 | 广东新粤交通投资有限公司 | 高速公路机电系统运行状态监测系统 |
CN116775406A (zh) * | 2023-06-16 | 2023-09-19 | 苏宁易购集团股份有限公司 | 一种分布式存储系统的磁盘状态监控方法及装置 |
CN116861793A (zh) * | 2023-07-14 | 2023-10-10 | 哈尔滨理工大学 | 一种鹈鹕算法优化长短期记忆网络主轴热误差建模方法 |
CN117273528A (zh) * | 2023-09-21 | 2023-12-22 | 江西睿构科技有限公司 | 高速公路机电系统健康指数评估方法及系统 |
-
2024
- 2024-01-18 CN CN202410074918.4A patent/CN117610971B/zh active Active
Patent Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070174732A1 (en) * | 2006-01-24 | 2007-07-26 | International Business Machines Corporation | Monitoring system and method |
US20110060569A1 (en) * | 2009-09-04 | 2011-03-10 | Ridgetop Group, Inc. | Real-Time, Model-Based Autonomous Reasoner and Method of Using the Same |
CN102043396A (zh) * | 2009-10-22 | 2011-05-04 | 东典科技股份有限公司 | 错误诊断与分类监控系统 |
US20150088463A1 (en) * | 2013-09-20 | 2015-03-26 | Fujitsu Limited | Measurement data processing method and apparatus |
CN105914881A (zh) * | 2016-05-13 | 2016-08-31 | 国网辽宁省电力有限公司电力科学研究院 | 一种智能变电站高级应用系统 |
CN108170110A (zh) * | 2017-12-26 | 2018-06-15 | 中交机电工程局有限公司 | 城市轨道交通机电设备监控系统 |
CN111274087A (zh) * | 2020-01-15 | 2020-06-12 | 国网湖南省电力有限公司 | 一种it集中监控的业务系统的健康度评估方法 |
CN111708665A (zh) * | 2020-05-29 | 2020-09-25 | 苏州浪潮智能科技有限公司 | 一种存储集群系统全面监控的方法、装置、设备和介质 |
CN112115022A (zh) * | 2020-08-27 | 2020-12-22 | 北京航空航天大学 | 基于aadl的ima系统健康监控的测试方法 |
CN112036771A (zh) * | 2020-09-27 | 2020-12-04 | 中国商用飞机有限责任公司北京民用飞机技术研究中心 | 一种飞机健康管理系统 |
CN113193616A (zh) * | 2021-04-07 | 2021-07-30 | 山东理工大学 | 一种用于输电通道监拍设备的健康状态评估方法 |
CN114239377A (zh) * | 2021-11-10 | 2022-03-25 | 合肥赛为智能有限公司 | 一种城轨机电设备健康状态评估方法、系统及存储介质 |
CN218825580U (zh) * | 2022-10-21 | 2023-04-07 | 广东新粤交通投资有限公司 | 高速公路机电系统运行状态监测系统 |
CN116775406A (zh) * | 2023-06-16 | 2023-09-19 | 苏宁易购集团股份有限公司 | 一种分布式存储系统的磁盘状态监控方法及装置 |
CN116861793A (zh) * | 2023-07-14 | 2023-10-10 | 哈尔滨理工大学 | 一种鹈鹕算法优化长短期记忆网络主轴热误差建模方法 |
CN117273528A (zh) * | 2023-09-21 | 2023-12-22 | 江西睿构科技有限公司 | 高速公路机电系统健康指数评估方法及系统 |
Non-Patent Citations (2)
Title |
---|
孙有琴;: "江苏省高速公路机电工程设备监测系统研究", 科技信息, no. 03, 25 January 2011 (2011-01-25) * |
魏丽彬;: "基于BIM技术的高速公路隧道安全运营管理应用研究", 公路交通科技(应用技术版), no. 11, 15 November 2019 (2019-11-15) * |
Also Published As
Publication number | Publication date |
---|---|
CN117610971B (zh) | 2024-04-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Aboah | A vision-based system for traffic anomaly detection using deep learning and decision trees | |
CN111079640B (zh) | 一种基于自动扩增样本的车型识别方法及系统 | |
GB2582531A (en) | Method for detecting traffic anomally of urban road with equidistant spatial-temporal division | |
CN109285376A (zh) | 一种基于深度学习的公交车客流统计分析系统 | |
CN112434566B (zh) | 客流统计方法、装置、电子设备及存储介质 | |
CN111458721B (zh) | 一种暴露垃圾的识别定位方法、装置及系统 | |
CN113205116B (zh) | 输电线路无人机巡检拍摄目标点自动提取及航迹规划方法 | |
CN108389421A (zh) | 基于图像再识别的停车场精确诱导系统及方法 | |
CN107516417A (zh) | 一种挖掘时空关联关系的实时高速公路流量估计方法 | |
CN113436433B (zh) | 一种高效的城市交通离群值检测方法 | |
CN112149887A (zh) | 一种基于数据时空特征的pm2.5浓度预测方法 | |
CN112233428B (zh) | 车流量预测方法、装置、存储介质及设备 | |
CN113487877A (zh) | 一种道路车辆违规停车监控方法 | |
CN113361825A (zh) | 一种踩踏事故早期预警方法及系统 | |
Minnikhanov et al. | Detection of traffic anomalies for a safety system of smart city | |
CN116631186A (zh) | 基于危险驾驶事件数据的高速公路交通事故风险评估方法、系统 | |
CN116993681A (zh) | 一种变电站巡检缺陷检测方法及系统 | |
CN115409992A (zh) | 一种远程驾驶巡逻车系统 | |
CN116823572B (zh) | 人口流动数据的获取方法、装置及计算机可读存储介质 | |
Chen et al. | A Novel Background Filtering Method with Automatic Parameter Adjustment for Real-Time Roadside LiDAR Sensing System | |
CN117610971B (zh) | 一种高速公路机电系统健康指数评估方法 | |
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 | |
CN116845863A (zh) | 基于时空轨迹的末端电网异常设备接入告警方法及装置 | |
CN116071935A (zh) | 一种基于机器学习的交通信号自控制方法 | |
Di et al. | An automatic and integrated self-diagnosing system for the silting disease of drainage pipelines based on SSAE-TSNE and MS-LSTM |
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 |