CN117649099A - 基于异常数据的地磅巡检规划方法及系统 - Google Patents
基于异常数据的地磅巡检规划方法及系统 Download PDFInfo
- Publication number
- CN117649099A CN117649099A CN202410118947.6A CN202410118947A CN117649099A CN 117649099 A CN117649099 A CN 117649099A CN 202410118947 A CN202410118947 A CN 202410118947A CN 117649099 A CN117649099 A CN 117649099A
- Authority
- CN
- China
- Prior art keywords
- abnormal
- inspection
- fault
- wagon balance
- events
- 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
- 230000002159 abnormal effect Effects 0.000 title claims abstract description 261
- 238000007689 inspection Methods 0.000 title claims abstract description 173
- 238000000034 method Methods 0.000 title claims abstract description 43
- 238000012216 screening Methods 0.000 claims abstract description 7
- 238000004364 calculation method Methods 0.000 claims description 9
- 238000012544 monitoring process Methods 0.000 claims description 7
- 238000010219 correlation analysis Methods 0.000 claims description 4
- 238000012423 maintenance Methods 0.000 claims description 3
- 239000000463 material Substances 0.000 abstract description 5
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
Abstract
本发明公开了基于异常数据的地磅巡检规划方法及系统，涉及地磅巡检技术领域，包括：确定历史运行数据中出现异常故障的若干个异常故障时刻；确定异常故障时刻对应的相关事件；得到每个异常故障种类对应的若干个异常故障时刻；确定与每个异常故障种类相关的若干种地磅运行事件；获取实时运行事件；确定当前时刻地磅发生异常故障的风险指标；筛选出高风险异常故障；确定每个高风险异常故障的巡检方式，记为待巡检项目；确定每个待巡检项目的巡检地点；对每个巡检地点附加巡检优先级。本发明的优点在于：可实现智能化规划地磅的巡检计划，实现对于地磅异常隐患的针对化巡检，极大的提高地磅的巡检效率，同时实现人力物力资源的节约。
Description
技术领域
本发明涉及地磅巡检技术领域，具体是涉及基于异常数据的地磅巡检规划方法及系统。
背景技术
地磅，英文为truck scales ，也被称为汽车衡，设置在地面上的大磅秤，通常用来称卡车的载货吨数。是厂矿、商家等用于大宗货物计量的主要称重设备。
为保证地磅的计量准确性，需要对地磅进行巡检，然而现有技术中对于地磅的巡检难以结合地磅的历史运行数据进行智能分析，导致在进行地磅巡检时，无法根据地磅运行历史中的异常数据经验结合地磅的实时运行状态进行综合规划地磅的巡检，导致对于地磅的巡检效率不高，存在人力物力资源的浪费。
发明内容
为解决上述技术问题，提供基于异常数据的地磅巡检规划方法及系统，本技术方案解决了上述的现有技术中对于地磅的巡检难以结合地磅的历史运行数据进行智能分析，导致在进行地磅巡检时，无法根据地磅运行历史中的异常数据经验结合地磅的实时运行状态进行综合规划地磅的巡检，导致对于地磅的巡检效率不高存在人力物力资源的浪费的问题。
为达到以上目的，本发明采用的技术方案为：
一种基于异常数据的地磅巡检规划方法，包括：
从数据库中调取地磅的所有历史运行数据，并确定历史运行数据中出现异常故障的若干个异常故障时刻；
设定一相关时间间隔，确定在异常故障时刻前的所有地磅运行事件，作为异常故障时刻对应的相关事件；
基于异常故障时刻对应的异常故障种类进行分类，得到每个异常故障种类对应的若干个异常故障时刻；
对相关事件进行分析确定与每个异常故障种类相关的若干种地磅运行事件；
实时获取当前时刻前的相关时间间隔内的地磅所有运行事件，记为实时运行事件；
通过异常拟合算法，确定当前时刻地磅发生异常故障的风险指标；
筛选出风险指标大于风险预设值的若干个异常故障，作为高风险异常故障；
确定每个高风险异常故障的巡检方式，记为待巡检项目；
确定每个待巡检项目的巡检地点，并对相同巡检地点的待巡检项目进行合并，获得每个巡检地点对应的若干个待巡检项目；
基于巡检地点对应的若干个待巡检项目，对每个巡检地点附加巡检优先级，按照巡检优先级依次在各个巡检地点执行待巡检项目。
优选的，所述对相关事件进行分析确定与每个异常故障种类相关的若干种地磅运行事件具体为：
确定异常故障种类对应的每一个异常故障时刻的若干个相关事件；
将所有异常故障时刻对应的相关事件进行汇总，得到异常故障种类相关的若干种故障相关事件；
确定每一个故障相关事件对应的异常故障时刻的数量；
计算每一个故障相关事件对应的异常故障时刻的数量和异常故障种类对应的所有异常故障时刻的数量的比值，作为异常故障种类与故障相关事件的数量相关性；
基于所有故障相关事件的数量相关性，确定每一个故障相关事件与异常故障种类的相关权重。
优选的，所述确定每一个故障相关事件与异常故障种类的相关权重具体为：
通过相关权重公式计算故障相关事件与异常故障种类的相关权重；
其中，所述相关权重公式为：
；
式中，第/>个故障相关事件与异常故障种类的相关权重，/>为第/>个故障相关事件与异常故障种类的数量相关性，/>为异常故障种类对应的故障相关事件总数。
优选的，所述异常拟合算法具体包括：
对实时运行事件和异常故障种类相关的若干种地磅运行事件进行求交集和进而求并集运算，得到事件交集和事件并集；
确定事件交集中的元素数量和事件并集中的元素数量；
基于事件交集中的每个元素对应的相关权重、事件交集中的元素数量和事件并集中的元素数量，通过风险公式计算当前时刻地磅发生异常故障的风险指标。
优选的，所述风险公式为：
式中，为风险指标，/>为事件交集中的元素数量，/>为事件并集中的元素数量，为事件交集中的第/>个元素与异常故障的相关权重。
优选的，所述基于巡检地点对应的若干个待巡检项目，对每个巡检地点附加巡检优先级具体包括：
基于每个异常故障种类对应的历史运维事件确定每一个异常故障种类对应造成的地磅损失值；
基于所述异常故障种类对应造成的地磅损失值，计算每一个异常故障种类对应的待巡检项目的优先权重；
将巡检地点对应的若干个待巡检项目的优先权重进行累加，得到巡检地点的巡检优先级。
优选的，所述待巡检项目的优先权重的计算公式为：
；
式中，为第/>个异常故障种类对应的待巡检项目的优先权重，/>为第/>个异常故障种类对应造成的地磅损失值，/>为异常故障种类总数。
进一步的，提出一种基于异常数据的地磅巡检规划系统，用于实现如上述的基于异常数据的地磅巡检规划方法，包括：
历史学习模块，所述历史学习模块用于数据库中调取地磅的所有历史运行数据，并基于历史运行数据中出现异常故障的若干个异常故障时刻，设定一相关时间间隔，确定在异常故障时刻前的所有地磅运行事件，作为异常故障时刻对应的相关事件，基于异常故障时刻对应的异常故障种类进行分类，得到每个异常故障种类对应的若干个异常故障时刻，对相关事件进行分析确定与每个异常故障种类相关的若干种地磅运行事件；
事件监测模块，所示事件监测模块用于实时获取当前时刻前的相关时间间隔内的地磅所有运行事件，记为实时运行事件；
拟合分析模块，所述拟合分析模块与所述历史学习模块和事件监测模块电性连接，所述拟合分析模块用于通过异常拟合算法，确定当前时刻地磅发生异常故障的风险指标，并筛选出风险指标大于风险预设值的若干个异常故障，作为高风险异常故障；
巡检规划模块，所述巡检规划模块与所述拟合分析模块电性连接，所述巡检规划模块用于确定每个高风险异常故障的巡检方式，记为待巡检项目，确定每个待巡检项目的巡检地点，并对相同巡检地点的待巡检项目进行合并，获得每个巡检地点对应的若干个待巡检项目，并基于巡检地点对应的若干个待巡检项目，对每个巡检地点附加巡检优先级，按照巡检优先级依次在各个巡检地点执行待巡检项目。
可选地，所述历史学习模块包括：
历史数据采集单元，所述历史数据采集单元用于从数据库中调取地磅的所有历史运行数据，并确定历史运行数据中出现异常故障的若干个异常故障时刻；
相关事件分析单元，所述相关事件分析单元用于设定一相关时间间隔，确定在异常故障时刻前的所有地磅运行事件，作为异常故障时刻对应的相关事件；
分类单元，所述分类单元用于基于异常故障时刻对应的异常故障种类进行分类，得到每个异常故障种类对应的若干个异常故障时刻；
相关性分析单元，所述相关性分析单元用于对相关事件进行分析确定与每个异常故障种类相关的若干种地磅运行事件。
可选地，所述巡检规划模块包括：
巡检项目确定单元，所述巡检项目确定单元用于确定每个高风险异常故障的巡检方式，记为待巡检项目；
巡检地点分析单元，所述巡检地点分析单元用于确定每个待巡检项目的巡检地点，并对相同巡检地点的待巡检项目进行合并，获得每个巡检地点对应的若干个待巡检项目；
优先规划单元，所述优先规划单元用于基于巡检地点对应的若干个待巡检项目，对每个巡检地点附加巡检优先级，按照巡检优先级依次在各个巡检地点执行待巡检项目。
与现有技术相比，本发明的有益效果在于：
本发明提出一种基于异常数据的地磅巡检规划方案，通过对地磅的历史运行数据进行智能分析，通过对异常故障的相关事件进行分析，在地磅的运行过程中通过对运行事件与异常故障的相关事件进行综合判断当前地磅存在的故障隐患，并基于故障所造成的损失，进行综合规划对于地磅的巡检方案，通过此方式可实现智能化规划地磅的巡检计划，实现对于地磅异常隐患的针对化巡检，可实现精准化的巡检规划，极大的提高地磅的巡检效率，同时实现人力物力资源的节约。
附图说明
图1为本发明提出的基于异常数据的地磅巡检规划方法流程图；
图2为本发明中的确定与每个异常故障种类相关的若干种地磅运行事件的方法流程图；
图3为本发明中的异常拟合算法的方法流程图；
图4为本发明中的对巡检地点附加巡检优先级的方法流程图。
具体实施方式
以下描述用于揭露本发明以使本领域技术人员能够实现本发明。以下描述中的优选实施例只作为举例，本领域技术人员可以想到其他显而易见的变型。
参照图1所示，一种基于异常数据的地磅巡检规划方法，包括：
从数据库中调取地磅的所有历史运行数据，并确定历史运行数据中出现异常故障的若干个异常故障时刻；
设定一相关时间间隔，确定在异常故障时刻前的所有地磅运行事件，作为异常故障时刻对应的相关事件；
基于异常故障时刻对应的异常故障种类进行分类，得到每个异常故障种类对应的若干个异常故障时刻；
对相关事件进行分析确定与每个异常故障种类相关的若干种地磅运行事件；
实时获取当前时刻前的相关时间间隔内的地磅所有运行事件，记为实时运行事件；
通过异常拟合算法，确定当前时刻地磅发生异常故障的风险指标；
筛选出风险指标大于风险预设值的若干个异常故障，作为高风险异常故障；
确定每个高风险异常故障的巡检方式，记为待巡检项目；
确定每个待巡检项目的巡检地点，并对相同巡检地点的待巡检项目进行合并，获得每个巡检地点对应的若干个待巡检项目；
基于巡检地点对应的若干个待巡检项目，对每个巡检地点附加巡检优先级，按照巡检优先级依次在各个巡检地点执行待巡检项目。
本方案通过对地磅的历史运行数据进行智能分析，通过对异常故障的相关事件进行分析，在地磅的运行过程中通过对运行事件与异常故障的相关事件进行综合判断当前地磅存在的故障隐患，并基于故障所造成的损失，进行综合规划对于地磅的巡检方案，通过此方式可实现智能化规划地磅的巡检计划，实现对于地磅异常隐患的针对化巡检。
参照图2所示，对相关事件进行分析确定与每个异常故障种类相关的若干种地磅运行事件具体为：
确定异常故障种类对应的每一个异常故障时刻的若干个相关事件；
将所有异常故障时刻对应的相关事件进行汇总，得到异常故障种类相关的若干种故障相关事件；
确定每一个故障相关事件对应的异常故障时刻的数量；
计算每一个故障相关事件对应的异常故障时刻的数量和异常故障种类对应的所有异常故障时刻的数量的比值，作为异常故障种类与故障相关事件的数量相关性；
基于所有故障相关事件的数量相关性，确定每一个故障相关事件与异常故障种类的相关权重。
确定每一个故障相关事件与异常故障种类的相关权重具体为：
通过相关权重公式计算故障相关事件与异常故障种类的相关权重；
其中，相关权重公式为：
式中，为第/>个故障相关事件与异常故障种类的相关权重，/>为第/>个故障相关事件与异常故障种类的数量相关性，/>为异常故障种类对应的故障相关事件总数。
可以理解的是，异常故障发生时相对应的故障相关事件的出现次数越多，则说明该故障相关事件与异常故障之间的相关联度越高，然而由于每个异常故障的历史发生次数不同，导致以数量直接进行表示故障相关事件与异常故障之间的相关联度会出现不同的异常故障之间的量度不同，不利于后续的故障拟合统一计算，基于此，本方案将事件出现的数量重新映射到0-1的区间内，得到故障相关事件与异常故障种类的相关权重，进而为后续故障拟合统一计算提供统一的量度。
参照图3所示，异常拟合算法具体包括：
对实时运行事件和异常故障种类相关的若干种地磅运行事件进行求交集和进而求并集运算，得到事件交集和事件并集；
确定事件交集中的元素数量和事件并集中的元素数量；
基于事件交集中的每个元素对应的相关权重、事件交集中的元素数量和事件并集中的元素数量，通过风险公式计算当前时刻地磅发生异常故障的风险指标。
风险公式为：
式中，为风险指标，/>为事件交集中的元素数量，/>为事件并集中的元素数量，为事件交集中的第/>个元素与异常故障的相关权重。
例如，在一些实施例中，与某异常故障种类相关的若干种地磅运行事件包括事件1、事件2、事件3、事件4和事件5，事件1、事件2、事件3、事件4和事件5对应的相关权重分别为0.325、0.226、0.425、0.125、0.365，实时运行事件包括事件1、事件2、事件3、事件6、事件7，则通过上述计算公式计算出的风险指标为：
参照图4所示，基于巡检地点对应的若干个待巡检项目，对每个巡检地点附加巡检优先级具体包括：
基于每个异常故障种类对应的历史运维事件确定每一个异常故障种类对应造成的地磅损失值；
基于异常故障种类对应造成的地磅损失值，计算每一个异常故障种类对应的待巡检项目的优先权重；
将巡检地点对应的若干个待巡检项目的优先权重进行累加，得到巡检地点的巡检优先级。
待巡检项目的优先权重的计算公式为：
式中，为第/>个异常故障种类对应的待巡检项目的优先权重，/>为第/>个异常故障种类对应造成的地磅损失值，/>为异常故障种类总数。
可以理解的是，不同的故障所可能造成的地磅损失不尽相同，基于此，对于不同故障的不同损失对其对应的巡检项目进行附加不同的优先权重，通过对每个巡检地点的巡检项目的优先权重累加来进行巡检地点的巡检优先规划，可有效的实现对于地磅异常隐患的针对化巡检，可实现精准化的巡检规划，极大的提高地磅的巡检效率。
进一步的，提出一种基于异常数据的地磅巡检规划系统，用于实现如上述的基于异常数据的地磅巡检规划方法，包括：
历史学习模块，历史学习模块用于数据库中调取地磅的所有历史运行数据，并基于历史运行数据中出现异常故障的若干个异常故障时刻，设定一相关时间间隔，确定在异常故障时刻前的所有地磅运行事件，作为异常故障时刻对应的相关事件，基于异常故障时刻对应的异常故障种类进行分类，得到每个异常故障种类对应的若干个异常故障时刻，对相关事件进行分析确定与每个异常故障种类相关的若干种地磅运行事件；
事件监测模块，所示事件监测模块用于实时获取当前时刻前的相关时间间隔内的地磅所有运行事件，记为实时运行事件；
拟合分析模块，拟合分析模块与历史学习模块和事件监测模块电性连接，拟合分析模块用于通过异常拟合算法，确定当前时刻地磅发生异常故障的风险指标，并筛选出风险指标大于风险预设值的若干个异常故障，作为高风险异常故障；
巡检规划模块，巡检规划模块与拟合分析模块电性连接，巡检规划模块用于确定每个高风险异常故障的巡检方式，记为待巡检项目，确定每个待巡检项目的巡检地点，并对相同巡检地点的待巡检项目进行合并，获得每个巡检地点对应的若干个待巡检项目，并基于巡检地点对应的若干个待巡检项目，对每个巡检地点附加巡检优先级，按照巡检优先级依次在各个巡检地点执行待巡检项目。
历史学习模块包括：
历史数据采集单元，历史数据采集单元用于从数据库中调取地磅的所有历史运行数据，并确定历史运行数据中出现异常故障的若干个异常故障时刻；
相关事件分析单元，相关事件分析单元用于设定一相关时间间隔，确定在异常故障时刻前的所有地磅运行事件，作为异常故障时刻对应的相关事件；
分类单元，分类单元用于基于异常故障时刻对应的异常故障种类进行分类，得到每个异常故障种类对应的若干个异常故障时刻；
相关性分析单元，相关性分析单元用于对相关事件进行分析确定与每个异常故障种类相关的若干种地磅运行事件。
巡检规划模块包括：
巡检项目确定单元，巡检项目确定单元用于确定每个高风险异常故障的巡检方式，记为待巡检项目；
巡检地点分析单元，巡检地点分析单元用于确定每个待巡检项目的巡检地点，并对相同巡检地点的待巡检项目进行合并，获得每个巡检地点对应的若干个待巡检项目；
优先规划单元，优先规划单元用于基于巡检地点对应的若干个待巡检项目，对每个巡检地点附加巡检优先级，按照巡检优先级依次在各个巡检地点执行待巡检项目。
上述基于异常数据的地磅巡检规划系统的使用过程为：
步骤一：历史数据采集单元从数据库中调取地磅的所用历史运行数据，并确定历史运行数据中出现异常故障的若干个异常故障时刻；
步骤二：相关事件分析单元设定一相关时间间隔，确定在异常故障时刻前的所有地磅运行事件，作为异常故障时刻对应的相关事件；
步骤三：分类单元基于异常故障时刻对应的异常故障种类进行分类，得到每个异常故障种类对应的若干个异常故障时刻；
步骤四：相关性分析单元对相关事件进行分析确定与每个异常故障种类相关的若干种地磅运行事件；
步骤五：事件监测模块实时获取当前时刻前的相关时间间隔内的地磅所有运行事件，记为实时运行事件；
步骤六：拟合分析模块通过异常拟合算法，确定当前时刻地磅发生异常故障的风险指标，并筛选出风险指标大于风险预设值的若干个异常故障，作为高风险异常故障；
步骤七：巡检项目确定单元确定每个高风险异常故障的巡检方式，记为待巡检项目；
步骤八：巡检地点分析单元确定每个待巡检项目的巡检地点，并对相同巡检地点的待巡检项目进行合并，获得每个巡检地点对应的若干个待巡检项目；
步骤九：优先规划单元基于巡检地点对应的若干个待巡检项目，对每个巡检地点附加巡检优先级，按照巡检优先级依次在各个巡检地点执行待巡检项目。
综上所述，本发明的优点在于：可实现智能化规划地磅的巡检计划，实现对于地磅异常隐患的针对化巡检，可实现精准化的巡检规划，极大的提高地磅的巡检效率，同时实现人力物力资源的节约。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是本发明的原理，在不脱离本发明精神和范围的前提下本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明的范围内。本发明要求的保护范围由所附的权利要求书及其等同物界定。
Claims (10)
1.一种基于异常数据的地磅巡检规划方法，其特征在于，包括：
从数据库中调取地磅的所有历史运行数据，并确定历史运行数据中出现异常故障的若干个异常故障时刻；
设定一相关时间间隔，确定在异常故障时刻前的所有地磅运行事件，作为异常故障时刻对应的相关事件；
基于异常故障时刻对应的异常故障种类进行分类，得到每个异常故障种类对应的若干个异常故障时刻；
对相关事件进行分析确定与每个异常故障种类相关的若干种地磅运行事件；
实时获取当前时刻前的相关时间间隔内的地磅所有运行事件，记为实时运行事件；
通过异常拟合算法，确定当前时刻地磅发生异常故障的风险指标；
筛选出风险指标大于风险预设值的若干个异常故障，作为高风险异常故障；
确定每个高风险异常故障的巡检方式，记为待巡检项目；
确定每个待巡检项目的巡检地点，并对相同巡检地点的待巡检项目进行合并，获得每个巡检地点对应的若干个待巡检项目；
基于巡检地点对应的若干个待巡检项目，对每个巡检地点附加巡检优先级，按照巡检优先级依次在各个巡检地点执行待巡检项目。
2.根据权利要求1所述的一种基于异常数据的地磅巡检规划方法，其特征在于，所述对相关事件进行分析确定与每个异常故障种类相关的若干种地磅运行事件具体为：
确定异常故障种类对应的每一个异常故障时刻的若干个相关事件；
将所有异常故障时刻对应的相关事件进行汇总，得到异常故障种类相关的若干种故障相关事件；
确定每一个故障相关事件对应的异常故障时刻的数量；
计算每一个故障相关事件对应的异常故障时刻的数量和异常故障种类对应的所有异常故障时刻的数量的比值，作为异常故障种类与故障相关事件的数量相关性；
基于所有故障相关事件的数量相关性，确定每一个故障相关事件与异常故障种类的相关权重。
3.根据权利要求2所述的一种基于异常数据的地磅巡检规划方法，其特征在于，所述确定每一个故障相关事件与异常故障种类的相关权重具体为：
通过相关权重公式计算故障相关事件与异常故障种类的相关权重；
其中，所述相关权重公式为：
；
式中，第/>个故障相关事件与异常故障种类的相关权重，/>为第/>个故障相关事件与异常故障种类的数量相关性，/>为异常故障种类对应的故障相关事件总数。
4.根据权利要求3所述的一种基于异常数据的地磅巡检规划方法，其特征在于，所述异常拟合算法具体包括：
对实时运行事件和异常故障种类相关的若干种地磅运行事件进行求交集和进而求并集运算，得到事件交集和事件并集；
确定事件交集中的元素数量和事件并集中的元素数量；
基于事件交集中的每个元素对应的相关权重、事件交集中的元素数量和事件并集中的元素数量，通过风险公式计算当前时刻地磅发生异常故障的风险指标。
5.根据权利要求4所述的一种基于异常数据的地磅巡检规划方法，其特征在于，所述风险公式为：
；
式中，为风险指标，/>为事件交集中的元素数量，/>为事件并集中的元素数量，/>为事件交集中的第/>个元素与异常故障的相关权重。
6.根据权利要求5所述的一种基于异常数据的地磅巡检规划方法，其特征在于，所述基于巡检地点对应的若干个待巡检项目，对每个巡检地点附加巡检优先级具体包括：
基于每个异常故障种类对应的历史运维事件确定每一个异常故障种类对应造成的地磅损失值；
基于所述异常故障种类对应造成的地磅损失值，计算每一个异常故障种类对应的待巡检项目的优先权重；
将巡检地点对应的若干个待巡检项目的优先权重进行累加，得到巡检地点的巡检优先级。
7.根据权利要求6所述的一种基于异常数据的地磅巡检规划方法，其特征在于，所述待巡检项目的优先权重的计算公式为：
；
式中，为第/>个异常故障种类对应的待巡检项目的优先权重，/>为第/>个异常故障种类对应造成的地磅损失值，/>为异常故障种类总数。
8.一种基于异常数据的地磅巡检规划系统，其特征在于，用于实现如权利要求1-7任一项所述的基于异常数据的地磅巡检规划方法，包括：
历史学习模块，所述历史学习模块用于数据库中调取地磅的所有历史运行数据，并基于历史运行数据中出现异常故障的若干个异常故障时刻，设定一相关时间间隔，确定在异常故障时刻前的所有地磅运行事件，作为异常故障时刻对应的相关事件，基于异常故障时刻对应的异常故障种类进行分类，得到每个异常故障种类对应的若干个异常故障时刻，对相关事件进行分析确定与每个异常故障种类相关的若干种地磅运行事件；
事件监测模块，所示事件监测模块用于实时获取当前时刻前的相关时间间隔内的地磅所有运行事件，记为实时运行事件；
拟合分析模块，所述拟合分析模块与所述历史学习模块和事件监测模块电性连接，所述拟合分析模块用于通过异常拟合算法，确定当前时刻地磅发生异常故障的风险指标，并筛选出风险指标大于风险预设值的若干个异常故障，作为高风险异常故障；
巡检规划模块，所述巡检规划模块与所述拟合分析模块电性连接，所述巡检规划模块用于确定每个高风险异常故障的巡检方式，记为待巡检项目，确定每个待巡检项目的巡检地点，并对相同巡检地点的待巡检项目进行合并，获得每个巡检地点对应的若干个待巡检项目，并基于巡检地点对应的若干个待巡检项目，对每个巡检地点附加巡检优先级，按照巡检优先级依次在各个巡检地点执行待巡检项目。
9.根据权利要求8所述的一种基于异常数据的地磅巡检规划系统，其特征在于，所述历史学习模块包括：
历史数据采集单元，所述历史数据采集单元用于从数据库中调取地磅的所有历史运行数据，并确定历史运行数据中出现异常故障的若干个异常故障时刻；
相关事件分析单元，所述相关事件分析单元用于设定一相关时间间隔，确定在异常故障时刻前的所有地磅运行事件，作为异常故障时刻对应的相关事件；
分类单元，所述分类单元用于基于异常故障时刻对应的异常故障种类进行分类，得到每个异常故障种类对应的若干个异常故障时刻；
相关性分析单元，所述相关性分析单元用于对相关事件进行分析确定与每个异常故障种类相关的若干种地磅运行事件。
10.根据权利要求8所述的一种基于异常数据的地磅巡检规划系统，其特征在于，所述巡检规划模块包括：
巡检项目确定单元，所述巡检项目确定单元用于确定每个高风险异常故障的巡检方式，记为待巡检项目；
巡检地点分析单元，所述巡检地点分析单元用于确定每个待巡检项目的巡检地点，并对相同巡检地点的待巡检项目进行合并，获得每个巡检地点对应的若干个待巡检项目；
优先规划单元，所述优先规划单元用于基于巡检地点对应的若干个待巡检项目，对每个巡检地点附加巡检优先级，按照巡检优先级依次在各个巡检地点执行待巡检项目。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410118947.6A CN117649099B (zh) | 2024-01-29 | 基于异常数据的地磅巡检规划方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410118947.6A CN117649099B (zh) | 2024-01-29 | 基于异常数据的地磅巡检规划方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117649099A true CN117649099A (zh) | 2024-03-05 |
| CN117649099B CN117649099B (zh) | 2024-05-17 |
Family
ID=
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20200231466A1 (en) * | 2017-10-09 | 2020-07-23 | Zijun Xia | Intelligent systems and methods for process and asset health diagnosis, anomoly detection and control in wastewater treatment plants or drinking water plants |
| CN112861631A (zh) * | 2020-12-31 | 2021-05-28 | 南京理工大学 | 一种基于Mask Rcnn以及SSD的地磅人体入侵检测方法 |
| CN113295253A (zh) * | 2020-02-24 | 2021-08-24 | 安徽小眯当家信息技术有限公司 | 一种无感知地磅车辆称重数据异常监控方法及系统 |
| WO2022015488A1 (en) * | 2020-07-16 | 2022-01-20 | Qomplx, Inc. | Event-driven model refinement for insurance and risk management |
| WO2023115486A1 (zh) * | 2021-12-23 | 2023-06-29 | 烟台杰瑞石油服务集团股份有限公司 | 柱塞泵设备的故障预警方法、装置以及柱塞泵设备系统 |
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20200231466A1 (en) * | 2017-10-09 | 2020-07-23 | Zijun Xia | Intelligent systems and methods for process and asset health diagnosis, anomoly detection and control in wastewater treatment plants or drinking water plants |
| CN113295253A (zh) * | 2020-02-24 | 2021-08-24 | 安徽小眯当家信息技术有限公司 | 一种无感知地磅车辆称重数据异常监控方法及系统 |
| WO2022015488A1 (en) * | 2020-07-16 | 2022-01-20 | Qomplx, Inc. | Event-driven model refinement for insurance and risk management |
| CN112861631A (zh) * | 2020-12-31 | 2021-05-28 | 南京理工大学 | 一种基于Mask Rcnn以及SSD的地磅人体入侵检测方法 |
| WO2023115486A1 (zh) * | 2021-12-23 | 2023-06-29 | 烟台杰瑞石油服务集团股份有限公司 | 柱塞泵设备的故障预警方法、装置以及柱塞泵设备系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110097297A (zh) | 一种多维度窃电态势智能感知方法、系统、设备及介质 | |
| CN110864795B (zh) | 一种称重异常报警系统 | |
| CN106338706A (zh) | 一种电能计量装置整体误差检测的方法、装置和系统 | |
| CN107885642A (zh) | 基于机器学习的业务监控方法及系统 | |
| CN106338705A (zh) | 一种用于三相电能计量装置的校验误差的方法和装置 | |
| CN113032454A (zh) | 基于云计算的交互式用户用电异常监测预警管理云平台 | |
| CN105222879B (zh) | 复杂动态称重传感网络的远程自诊断系统及其自诊断方法 | |
| CN105184084A (zh) | 一种电力计量自动化终端故障类型预测方法和系统 | |
| CN110311709B (zh) | 用电信息采集系统故障判别方法 | |
| CN114997682B (zh) | 一种基于大数据的施工现场安全监测系统及方法 | |
| CN103886518A (zh) | 一种基于监测点电能质量数据挖掘的电压暂降预警方法 | |
| CN105022373A (zh) | 基于zigbee技术的港口设备维护系统 | |
| CN113532598A (zh) | 智能水表在线故障检测调节系统 | |
| CN113516313A (zh) | 一种基于用户画像的燃气异常检测方法 | |
| CN207992717U (zh) | 一种水电站闸门在线状态监测系统 | |
| CN109146327B (zh) | 一种地面观测站气温要素的数据质量评估方法和系统 | |
| CN117150418B (zh) | 基于状态特征故障树的变压器运检周期制定方法和系统 | |
| CN117649099B (zh) | 基于异常数据的地磅巡检规划方法及系统 | |
| CN109739197A (zh) | 一种化工废料处理设备的多工况故障预测方法 | |
| CN116882865B (zh) | 一种基于生鲜配送的智能物流装车系统及装车方法 | |
| CN117649099A (zh) | 基于异常数据的地磅巡检规划方法及系统 | |
| CN116433218A (zh) | 基于自组织映射聚类的矿井机械设备在线健康评估方法 | |
| CN115392313A (zh) | 一种屏蔽电机阀门的状态检测和故障智能诊断系统 | |
| CN113807690A (zh) | 区域电网调控系统运行状态在线评估预警方法及系统 | |
| CN107045336A (zh) | 一种燃料全过程在线监督装置及平台 |
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 |