CN117761570A - 一种防爆灯的性能检测方法及系统 - Google Patents
一种防爆灯的性能检测方法及系统 Download PDFInfo
- Publication number
- CN117761570A CN117761570A CN202310182277.XA CN202310182277A CN117761570A CN 117761570 A CN117761570 A CN 117761570A CN 202310182277 A CN202310182277 A CN 202310182277A CN 117761570 A CN117761570 A CN 117761570A
- Authority
- CN
- China
- Prior art keywords
- explosion
- proof lamp
- performance
- information
- application
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 74
- 238000004458 analytical method Methods 0.000 claims abstract description 117
- 230000007547 defect Effects 0.000 claims abstract description 76
- 238000004519 manufacturing process Methods 0.000 claims abstract description 55
- 230000000694 effects Effects 0.000 claims abstract description 12
- 238000013139 quantization Methods 0.000 claims abstract description 8
- 238000012360 testing method Methods 0.000 claims description 29
- 238000000034 method Methods 0.000 claims description 28
- 238000004364 calculation method Methods 0.000 claims description 23
- 230000002159 abnormal effect Effects 0.000 claims description 18
- 238000004880 explosion Methods 0.000 claims description 14
- 238000005457 optimization Methods 0.000 claims description 14
- 230000008569 process Effects 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 9
- 238000004140 cleaning Methods 0.000 claims description 8
- 238000010606 normalization Methods 0.000 claims description 8
- 238000001914 filtration Methods 0.000 claims description 6
- 238000011002 quantification Methods 0.000 claims description 6
- 230000006835 compression Effects 0.000 claims description 5
- 238000007906 compression Methods 0.000 claims description 5
- 230000017525 heat dissipation Effects 0.000 claims description 5
- 238000011056 performance test Methods 0.000 claims description 5
- 238000012216 screening Methods 0.000 claims description 5
- 230000007797 corrosion Effects 0.000 claims description 4
- 238000005260 corrosion Methods 0.000 claims description 4
- 238000011156 evaluation Methods 0.000 claims description 4
- 238000007781 pre-processing Methods 0.000 claims description 4
- 230000035939 shock Effects 0.000 claims description 4
- 238000012549 training Methods 0.000 claims description 4
- 238000013433 optimization analysis Methods 0.000 claims description 3
- 239000002245 particle Substances 0.000 description 10
- 238000005286 illumination Methods 0.000 description 5
- 239000000428 dust Substances 0.000 description 3
- 239000003208 petroleum Substances 0.000 description 3
- 239000003245 coal Substances 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000001174 ascending effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000001066 destructive effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000004512 die casting Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000002360 explosive Substances 0.000 description 1
- 229910052736 halogen Inorganic materials 0.000 description 1
- 150000002367 halogens Chemical class 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 239000007769 metal material Substances 0.000 description 1
- 238000005272 metallurgy Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000007789 sealing Methods 0.000 description 1
- 238000009987 spinning Methods 0.000 description 1
- 238000011425 standardization method Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Landscapes
- Testing Of Optical Devices Or Fibers (AREA)
- Circuit Arrangement For Electric Light Sources In General (AREA)
Abstract
本发明提供了一种防爆灯的性能检测方法及系统,涉及防爆灯技术领域,获取防爆灯应用场景信息,进行应用要素提取,获得应用场景参数信息,确定防爆灯应用性能指标,对应用场景参数信息进行标准量化,获得防爆灯应用性能标准,进行性能检测,获得防爆灯性能检测数据,通过防爆灯性能分析模型,获得防爆灯性能分析信息,进行缺陷性能标记,并根据所述缺陷性能对防爆灯进行生产参数调整。本发明解决了现有技术由于对防爆灯与应用场景没有进行融合,使得无法构建标准的性能检测指标,使得防爆灯性能检测准确率低的技术问题,实现了对于防爆灯应用场景和防爆灯应用性能指标的合理化精准掌控,达到提升性能检测准确性的技术效果。
Description
技术领域
本发明涉及防爆灯技术领域,具体涉及一种防爆灯的性能检测方法及系统。
背景技术
目前,我国的防爆灯产品分为煤矿用和工厂用两类,工厂用又分为气体环境用防爆灯和粉尘环境用防爆灯,工厂用防爆灯在我国国民经济发展中起到很大作用,极大地推动了石油、化工、冶金、轻纺、军工等工业的健康、安全发展。但防爆灯产品,与国际发达国家相比,还存在着很多不足。主要反映在:第一,现有灯具亮度不能满足工作需要,存在安全隐患;第二,野外作业环境恶劣,搬迁频繁,大修作业震动力大,所以灯具损坏率高;第三,整体照明没有系统的照明设计方案,造成照明效果差,影响工人工作效率,给生产安全带来隐患;第四,没有采用低能耗、高光效气体放电光源,达不到高效节能目的。因此对于防爆灯产品的性能检测显得尤为重要。
现有技术存在由于对防爆灯与应用场景没有进行融合,使得无法构建标准的性能检测指标,使得防爆灯性能检测准确率低的技术问题。
发明内容
本申请实施例提供了一种防爆灯的性能检测方法及系统,用于针对解决现有技术由于对防爆灯与应用场景没有进行融合,使得无法构建标准的性能检测指标,使得防爆灯性能检测准确率低的技术问题。
鉴于上述问题,本申请实施例提供了一种防爆灯的性能检测方法及系统。
第一方面,本申请实施例提供了一种防爆灯的性能检测方法,所述方法包括:获取防爆灯应用场景信息;对所述防爆灯应用场景信息进行应用要素提取,获得应用场景参数信息;根据防爆灯应用性能属性,确定防爆灯应用性能指标;按照所述防爆灯应用性能指标对所述应用场景参数信息进行标准量化,获得防爆灯应用性能标准;基于所述应用场景参数信息进行防爆灯性能检测,获得防爆灯性能检测数据;将所述防爆灯应用性能标准和所述防爆灯性能检测数据输入至防爆灯性能分析模型中,获得防爆灯性能分析信息;基于所述防爆灯性能分析信息进行缺陷性能标记,并根据所述缺陷性能对防爆灯进行生产参数调整。
第二方面,本申请实施例提供了一种防爆灯的性能检测系统,所述系统包括:应用场景信息获取模块,所述应用场景信息获取模块用于获取防爆灯应用场景信息;参数信息获取模块,所述参数信息获取模块用于对所述防爆灯应用场景信息进行应用要素提取,获得应用场景参数信息;应用性能指标获取模块,所述应用性能指标获取模块用于根据防爆灯应用性能属性,确定防爆灯应用性能指标;应用性能标准获取模块,所述应用性能标准获取模块用于按照所述防爆灯应用性能指标对所述应用场景参数信息进行标准量化,获得防爆灯应用性能标准;性能检测数据获取模块,所述性能检测数据获取模块用于基于所述应用场景参数信息进行防爆灯性能检测,获得防爆灯性能检测数据;性能分析信息获取模块,所述性能分析信息获取模块用于将所述防爆灯应用性能标准和所述防爆灯性能检测数据输入至防爆灯性能分析模型中,获得防爆灯性能分析信息;生产参数调整模块,所述生产参数调整模块用于基于所述防爆灯性能分析信息进行缺陷性能标记,并根据所述缺陷性能对防爆灯进行生产参数调整。
本申请实施例中提供的一个或多个技术方案,至少具有如下技术效果或优点:
本申请实施例提供的一种防爆灯的性能检测方法,涉及防爆灯技术领域,获取防爆灯应用场景信息,进行应用要素提取,获得应用场景参数信息,确定防爆灯应用性能指标,对所述应用场景参数信息进行标准量化,获得防爆灯应用性能标准,进行防爆灯性能检测,获得防爆灯性能检测数据,通过防爆灯性能分析模型,获得防爆灯性能分析信息,进行缺陷性能标记,并根据所述缺陷性能对防爆灯进行生产参数调整。解决了现有技术由于对防爆灯与应用场景没有进行融合,使得无法构建标准的性能检测指标,使得防爆灯性能检测准确率低的技术问题,实现了对于防爆灯应用场景和防爆灯应用性能指标的合理化精准掌控,达到提升性能检测准确性的技术效果。
上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,而可依照说明书的内容予以实施,并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂,以下特举本申请的具体实施方式。
附图说明
图1为本申请实施例提供了一种防爆灯的性能检测方法流程示意图;
图2为本申请实施例提供了一种防爆灯的性能检测方法中获得防爆灯应用性能指标流程示意图;
图3为本申请实施例提供了一种防爆灯的性能检测方法中获得防爆灯性能检测数据流程示意图;
图4为本申请实施例提供了一种防爆灯的性能检测系统结构示意图。
附图标记说明:应用场景信息获取模块10,参数信息获取模块20,应用性能指标获取模块30,应用性能标准获取模块40,性能检测数据获取模块50,性能分析信息获取模块60,生产参数调整模块70。
具体实施方式
本申请实施例通过提供一种防爆灯的性能检测方法,用于针对解决现有技术由于对防爆灯与应用场景没有进行融合,使得无法构建标准的性能检测指标,使得防爆灯性能检测准确率低的技术问题。
实施例一
如图1所示,本申请实施例提供了一种防爆灯的性能检测方法,所述方法包括:
步骤S100:获取防爆灯应用场景信息;
具体而言,本申请实施例提供的一种防爆灯的性能检测方法应用于防爆灯的性能检测系统。首先,不管是防爆灯还是普通灯均是灯具,在生产、仓储、救援中都作为照明使用。与普通灯不同的是,防爆灯是具有防爆性能的一类照明灯具,按光源种类有防爆荧光灯、防爆LED灯和金卤灯三种,用于可燃性气体和粉尘存在的危险场所,能防止灯内部可能产生的电弧、火花和高温引燃周围环境里的可燃性气体和粉尘,从而达到防爆要求。防爆灯具的密封性能,其防尘能力至少为4级以上,对水的防护能力分为0-8级,在结构上进一步采取保护措施等等。因此基于防爆灯的特殊性能,防爆灯被广泛应用于煤矿、石油等行业,具体应用于石化装置、石油平台、加油站、油泵房等易燃易爆炸场所做照明。对防爆灯的上述应用场所进行信息采集,获取防爆灯应用场景信息。
步骤S200:对所述防爆灯应用场景信息进行应用要素提取,获得应用场景参数信息;
具体而言,通过数据采集设备对述防爆灯应用场景内的与防爆灯性能相关的应用信息进行采集,示例性地,通过设置多个温度采集点,采用温度传感器对应用场景的温度数据进行采集,获取应用场景内不同位置的多个温度,将最高温度、最低温度、平均温度作为应用场景的温度参数信息,将温度参数信息添加至应用场景参数信息。应用场景参数信息包括应用场景的温度、湿度、碰撞、爆炸冲击参数等,其中爆炸冲击参数为当应用场景发生爆炸时,爆炸释放的能量对防爆灯造成的冲击和破坏。
步骤S300:根据防爆灯应用性能属性,确定防爆灯应用性能指标;
进一步而言,如图2所示,本申请步骤S300还包括:
步骤S310:获得防爆灯应用性能属性,所述防爆灯应用性能属性包括防爆性能、结构性能、散热性能、抗压抗冲击性能、光效性能、耐腐蚀性能;
步骤S320:根据所述防爆灯应用性能属性,构建泛化应用性能指标;
步骤S330:对所述泛化应用性能指标中的各指标信息进行关联度量化,获得指标关联度信息;
步骤S340:对所述指标关联度信息在预设关联度阈值之内的指标进行筛选,获得所述防爆灯应用性能指标。
具体而言,防爆性能是指能够抵抗爆炸的冲击力和热量而不受损失仍能正常工作的性能,结构性能为防爆灯结构构件的承载力、挠度、抗裂控制性能等,散热性能为过风扇等散热设备将防爆灯工作过程中发出的热量带走的能力;抗压抗冲击性能为防爆灯的抵抗压力和冲击的能力,包括它的脆性、韧性程度;光效性能指灯具将电能转换成光线的能力;耐腐蚀性能指防爆灯中金属材料抵抗周围介质腐蚀破坏作用的能力。根据防爆灯的结构、材料等获取防爆灯的上述性能参数,获取防爆灯应用性能属性。
泛化应用性能指标即防爆灯应用性能属性对应的所有性能指标,如对于结构性能还包括高温下的强度、韧性、延性、抗热疲劳性、抗热震性等。将单个泛化应用性能指标作为一个项,即分析对象;将多个泛化应用性能指标的集合作为项集,即若干项构成的集合,如{强度,韧性,延性}是一个三项集。
计算支持度,即某项集在数据集中出现的频率,也就是包含该项集的应用性能属性与总应用性能属性的比例,如P(A)表示项集A的比例,P(A∩B)表示项集A和项集B同时出现的比例;计算置信度,置信度即当A项出现时B项同时出现的频率,记作{A→B},换言之,置信度指同时包含A项和B项的应用性能属性与包含A项的应用性能属性只比,置信度公式为Con{A→B}=P(B|A)=P(A∩B)/P(A);最后计算提升度,即A项和B项一同出现的频率,{A→B}的提升度公式为提升度反映了关联规则中A与B的相关性,提升度大于1且越高则表明正相关性越高,提升度小于1且越低则表明负相关性越高,负相关性表明A与B之间具有互相排斥的作用。
以支持度、置信度和提升度三个指标进行度量关联计算,得到泛化应用性能指标中的各指标信息之间的关联度,设定最小支持度Supmin,作为预设关联度阈值,最小支持度是一个阈值参数,用于标识数据集的最低支持度,对于出现次数不多的组合,不需要去关注,将满足阈值的组合作为所述防爆灯应用性能指标。通过关联度量化,剔除了与冗余性能指标,实现了数据的精简。
步骤S400:按照所述防爆灯应用性能指标对所述应用场景参数信息进行标准量化,获得防爆灯应用性能标准;
具体而言,获取任一防爆灯应用性能指标,以此指标匹配应用场景参数信息中对应的参数,其中,对应的标准为该防爆灯应用性能指标用于针对该应用场景参数进行工作,如根据防爆灯的抗压抗冲击性能匹配应用场景中的爆炸冲击参数,当应用场景保炸时的冲击强度大时,防爆灯也应该具备对应的抗冲击能力,以保障正常工作。
对于应用场景参数信息,其中具有多个场景参数,并且存在n个场景参数共同作用于一个应用性能指标的,由于不同参数的量纲和数量级不同,为实现不同参数的可加性,需要对原始数据进行标准化处理,示例性地,对于第一应用性能指标的对应的多个场景参数信息,通过最小-最大标准化法对数据进行归一化处理,计算公式为其中,x'为归一化后的数据,x为初始数据,xmax为最大的数据,xmin为最小的数据,通过计算将原始数据以线性化的方法转换到[0,1]的范围,计算结果为归一化后的数据,以此对不同的场景参数进行数据标准化处理,以解决场景参数之间的可比性,将得到归一化场景参数进行求和,获取第一应用性能指标的第一应用性能标准,将第一应用性能标准添加至防爆灯应用性能标准。
步骤S500:基于所述应用场景参数信息进行防爆灯性能检测,获得防爆灯性能检测数据;
进一步而言,如图3所示,本申请步骤S500还包括:
步骤S510:基于所述应用场景参数信息进行防爆灯性能测试,获得防爆灯测试数据信息和防爆灯图像采集信息;
具体而言,分别针对每一应用性能标准,获取对应的应用场景参数,根据应用场景参数构建测试场景,将多个防爆灯放置在该场景中,通过数据采集装置采集防爆灯的测试数据,测试数据包括防爆灯的表面温度、介电强度、运行工况等,以此获得防爆灯测试数据信息;通过图像采集装置对测试过程中的防爆灯进行测试图像采集,获取不同时间节点的图像,以此获得防爆灯图像采集信息。
步骤S520:对所述防爆灯测试数据信息进行数据清洗、归一化处理,获得标准防爆灯测试数据信息;
具体而言,数据清理是将数据库精简以除去重复记录,并使剩余部分转换成标准格式的过程,数据清洗通过以下步骤进行处理,第一,根据防爆灯测试数据信息选择第一数据列,第一数据列为需要进行分析的数据,为避免干扰可对其他不参与分析的数列进行隐藏处理,示例性地,选择表面温度作为第一数据列;第二,获取第一数据列中的重复数据值,保留重复数据的第一条数据,删除其他重复数据;第三,原始数据中可能会出现数据值缺失,对缺失值进行删除,数据较少时可对缺失数据进行手动补充,示例性地,计算第一数据列的平均值,将平均值作为第一数据列的缺失值对第一数据列进行补充,或者统计第一数据列中出现频率最高的数据,以此作为缺失值对第一数据列进行补充;第四,当第一数据列中存在数据与标准不一致或命名规则不一致的情况,使用分列功能将不一致的数据列中的数据值进行拆分;第五,对第一数据列中的数据进行筛选排序、升序、降序排列等函数的应用,完成数据清洗。通过数据清洗对数据进行重新审查和校验,进而删除重复数据、纠正错误数据,并提供数据一致性。
归一化处理为与步骤S400完全相同的计算方式,通过归一化处理,将防爆灯测试数据信息映射到指定范围内,使得不同单位或者量级的指标能够进行加权和比较,达到简化计算的效果,通过对防爆灯测试数据信息进行数据清洗、归一化处理,获得标准防爆灯测试数据信息。
步骤S530:对所述防爆灯图像采集信息进行特征点提取,获得防爆灯结构特征信息;
进一步而言,本申请步骤S530还包括:
步骤S531:基于图像滤波算法对所述防爆灯图像采集信息进行图像预处理,获得标准防爆灯图像信息;
步骤S532:根据防爆灯结构应用标准,获得预定结构卷积特征;
步骤S533:基于所述预定结构卷积特征对所述标准防爆灯图像信息进行遍历卷积计算,获得图像卷积计算结果;
步骤S534:基于所述图像卷积计算结果,获得所述防爆灯结构特征信息。
具体而言,图像滤波可以更改或者增强图像,通过滤波,可以强调一些特征或者去除图像中一些不需要的部分,滤波是一个邻域操作算子,利用给定像素周围的像素的值决定此像素的最终的输出值。示例性地,采用中值滤波,选择待处理像素的一个邻域中各像素值的中值来代替待处理的像素,使某像素的灰度值与周围领域内的像素比较接近,从而消除一些孤立的噪声点,以此获取标准防爆灯图像信息。
根据防爆灯结构应用标准,获取标准防爆灯结构统计结果,并对其进行分类,对不同类别的防爆灯结构进行特征提取,根据提取结果获得第一特征,将所述第一特征作为第一卷积特征,以此获得预定结构卷积特征。遍历输入特征图中的每个像素点,对每个步长,通过卷积核与输入特征图出现重合区域,重合区域对应元素相乘、求和再加上偏置项得到输出特征的一个像素点,进行遍历,获得图像卷积计算结果。基于图像卷积计算结果,获得防爆灯结构特征信息。
步骤S540:基于所述标准防爆灯测试数据信息和所述防爆灯结构特征信息,获得所述防爆灯性能检测数据。
具体而言,通过标准防爆灯测试数据信息获取防爆灯在测试场景中正常运行时间、产生异常数据节点、以及对应的异常数据,以此判断防爆灯在该测试场景下是否能正常运行。通过防爆灯结构特征信息判断防爆灯在该测试场景下是否产生形变、炸裂等。根据测试结果获取防爆灯性能检测数据。
步骤S600:将所述防爆灯应用性能标准和所述防爆灯性能检测数据输入至防爆灯性能分析模型中,获得防爆灯性能分析信息;
进一步而言,本申请步骤S600还包括:
步骤S610:搭建防爆灯性能分析模型,所述防爆灯性能分析模型包括输入层、缺陷识别层、缺陷分析层和输出层;
步骤S620:将所述防爆灯应用性能标准和所述防爆灯性能检测数据作为输入层,输入至所述缺陷识别层中,获得防爆灯缺陷识别数据;
步骤S630:基于所述缺陷分析层对所述防爆灯缺陷识别数据进行分析,获得防爆灯性能分析信息;
步骤S640:将所述防爆灯性能分析信息作为输出结果通过所述输出层输出。
具体而言,防爆灯性能分析模型为多层神经网络,从最外面的层开始,算出所有单元的值以后,再继续计算更深一层,只有当前层所有单元的值都计算完毕以后,才会算下一层。所述防爆灯性能分析模型包括输入层、缺陷识别层、缺陷分析层和输出层,其中,缺陷识别层用于进行缺陷识别,获得防爆灯缺陷识别数据,缺陷分析层用于对防爆灯缺陷识别数据进行分析。
在缺陷识别层中,将防爆灯性能检测数据与防爆灯应用性能标准进行匹配,获取对应数据,获取第一防爆灯性能检测数据与第一防爆灯应用性能标准,然后以第一防爆灯应用性能标准对第一防爆灯性能检测数据进行判断,当第一防爆灯性能检测数据满足第一防爆灯应用性能标准时,判断第一防爆灯性能检测数据为正常数据,当不满足时,判断第一防爆灯性能检测数据为异常数据,对所有防爆灯性能检测数据进行判断,获取防爆灯缺陷识别数据。
防爆灯缺陷识别数据输入缺陷分析层,计算防爆灯缺陷识别数据与防爆灯应用性能标准的比值,设定比值等级,如90%以上为A级,说明缺陷数据与标准数据相差不大,60%-90%为B级,说明缺陷数据与标准数据相差较大,60%以下说明缺陷数据过大。对所有防爆灯缺陷识别数据进行计算,获取多个单独计算结果,并将单独计算结果进行加权求和,获得总计算结果。设置单独性能阈值和总性能阈值,当单独计算结果中的其中一项低于单独性能阈值,或者总计算结果低于总性能阈值时,判定该防爆灯不支持在该场景下工作,将判断结果作为防爆灯性能分析信息,作为输出结果通过所述输出层输出。
步骤S700:基于所述防爆灯性能分析信息进行缺陷性能标记,并根据所述缺陷性能对防爆灯进行生产参数调整。
进一步而言,本申请步骤S700包括:
步骤S710:基于所述缺陷性能进行生产数据追溯,获得防爆灯缺陷生产数据;
步骤S720:对所述防爆灯缺陷生产数据进行异常成因分析,获得异常生产成因信息;
步骤S730:将所述防爆灯缺陷生产数据和所述异常生产成因信息输入至工艺优化分析模型中进行分析,输出获得工艺调整参数;
步骤S740:基于所述工艺调整参数对所述防爆灯进行生产参数优化调整。
具体而言,当第一防爆灯性能检测数据不满足第一防爆灯应用性能标准时,判断第一防爆灯性能检测数据为异常数据,对应的性能作为缺陷性能。根据缺陷性能获取其对应的生产工艺,将该生产工艺对应的参数标记为缺陷生产数据。
根据项目、节点对缺陷生产数据进行拆解,对比每个项目、节点的缺陷生产数据对应的防爆灯性能数据,获取异常缺陷生产数据,根据缺陷类型对异常缺陷生产数据进行判断,如照明范围小对应灯丝相关参数、防水性能差对应材料、压铸相关参数,以此获取异常生产成因信息。
根据应用性能标准获取各指标应用性能标准,根据应用性能标准获取标准生产数据,根据性能指标类型-应用性能标准-标准生产数据的映射关系构建所述工艺优化分析模型,异常生产成因信息匹配性能指标类型,根据匹配到的性能指标类型获取该性能指标类型对应的标准生产数据。根据缺陷生产数据与标准生产数据之间的差异对缺陷生产数据进行调整,获取工艺调整参数。基于所述工艺调整参数对所述防爆灯进行生产参数优化调整。
进一步而言,本申请还包括:
步骤S810:对所述防爆灯性能分析模型进行分析效果评估,获得性能分析准确度;
步骤S820:如果所述性能分析准确度未达到预设准确度,将所述性能分析准确度和所述预设准确度的差值,作为模型分析偏差度;
步骤S830:基于PSO算法和所述模型分析偏差度,对所述防爆灯性能分析模型进行优化训练,获得防爆灯性能优化分析模型。
具体而言,获取防爆灯性能分析模型分析后的防爆灯以及模型分析结果,在其中随机抽取n个,示例性地,抽取100个,由专家对这n个防爆灯进行性能分析,获取专家分析结果。将模型分析结果与专家分析结果进行比较,将分析结果一致的作为准确结果,获取模型分析结果的准确率,将准确度作为所述防爆灯性能分析模型的性能分析准确度。
设定预设准确度,示例性地,设置为98%,当性能分析准确度达到预设准确度,说明防爆灯性能分析模型分析准确,可以继续使用;当性能分析准确度未达到预设准确度,说明防爆灯性能分析模型达不到要求,则需要对其进行优化。获取性能分析准确度和所述预设准确度的差值,以此作为模型分析偏差度。
PSO算法为粒子群优化算法,是一种进化计算技术,通过群体中个体之间的协作和信息共享来寻找最优解。将防爆灯性能分析模型中的参数作为粒子,以模型分析偏差度为寻优目标,基于PSO算法,使每个粒子在搜索空间中单独的搜寻最优解,并将其记为当前个体极值,并将个体极值与整个粒子群里的其他粒子共享,找到最优的那个个体极值作为整个粒子群的当前全局最优解,粒子群中的所有粒子根据自己找到的当前个体极值和整个粒子群共享的当前全局最优解来调整自己的速度和位置,以此获取优化参数,根据优化参数获得防爆灯性能优化分析模型。
综上所述,本申请实施例提供的一种防爆灯的性能检测方法及系统具有如下技术效果:
获取防爆灯应用场景信息,进行应用要素提取,获得应用场景参数信息,确定防爆灯应用性能指标,对所述应用场景参数信息进行标准量化,获得防爆灯应用性能标准,进行防爆灯性能检测,获得防爆灯性能检测数据,通过防爆灯性能分析模型,获得防爆灯性能分析信息,进行缺陷性能标记,并根据所述缺陷性能对防爆灯进行生产参数调整。解决了现有技术由于对防爆灯与应用场景没有进行融合,使得无法构建标准的性能检测指标,使得防爆灯性能检测准确率低的技术问题,实现了对于防爆灯应用场景和防爆灯应用性能指标的合理化精准掌控,达到提升性能检测准确性的技术效果。
实施例二
基于与前述实施例中一种防爆灯的性能检测方法相同的发明构思,如图4所示,本申请提供了一种防爆灯的性能检测系统,所述系统包括:
应用场景信息获取模块10,所述应用场景信息获取模块10用于获取防爆灯应用场景信息;
参数信息获取模块20,所述参数信息获取模块20用于对所述防爆灯应用场景信息进行应用要素提取,获得应用场景参数信息;
应用性能指标获取模块30,所述应用性能指标获取模块30用于根据防爆灯应用性能属性,确定防爆灯应用性能指标;
应用性能标准获取模块40,所述应用性能标准获取模块40用于按照所述防爆灯应用性能指标对所述应用场景参数信息进行标准量化,获得防爆灯应用性能标准;
性能检测数据获取模块50,所述性能检测数据获取模块50用于基于所述应用场景参数信息进行防爆灯性能检测,获得防爆灯性能检测数据;
性能分析信息获取模块60,所述性能分析信息获取模块60用于将所述防爆灯应用性能标准和所述防爆灯性能检测数据输入至防爆灯性能分析模型中,获得防爆灯性能分析信息;
生产参数调整模块70,所述生产参数调整模块70用于基于所述防爆灯性能分析信息进行缺陷性能标记,并根据所述缺陷性能对防爆灯进行生产参数调整。
进一步而言,系统还包括:
应用性能属性获取模块,用于获得防爆灯应用性能属性,所述防爆灯应用性能属性包括防爆性能、结构性能、散热性能、抗压抗冲击性能、光效性能、耐腐蚀性能;
泛化应用性能指标构建模块,用于根据所述防爆灯应用性能属性,构建泛化应用性能指标;
关联度量化模块,用于对所述泛化应用性能指标中的各指标信息进行关联度量化,获得指标关联度信息;
筛选模块,用于对所述指标关联度信息在预设关联度阈值之内的指标进行筛选,获得所述防爆灯应用性能指标。
进一步而言,系统还包括:
性能测试模块,用于基于所述应用场景参数信息进行防爆灯性能测试,获得防爆灯测试数据信息和防爆灯图像采集信息;
数据处理模块,用于对所述防爆灯测试数据信息进行数据清洗、归一化处理,获得标准防爆灯测试数据信息;
特征点提取模块,用于对所述防爆灯图像采集信息进行特征点提取,获得防爆灯结构特征信息;
防爆灯性能检测数据获取模块,用于基于所述标准防爆灯测试数据信息和所述防爆灯结构特征信息,获得所述防爆灯性能检测数据。
进一步而言,系统还包括:
图像预处理模块,用于基于图像滤波算法对所述防爆灯图像采集信息进行图像预处理,获得标准防爆灯图像信息;
卷积特征获取模块,用于根据防爆灯结构应用标准,获得预定结构卷积特征;
遍历卷积计算模块,用于基于所述预定结构卷积特征对所述标准防爆灯图像信息进行遍历卷积计算,获得图像卷积计算结果;
防爆灯结构特征信息获取模块,用于基于所述图像卷积计算结果,获得所述防爆灯结构特征信息。
进一步而言,系统还包括:
模型搭建模块,用于搭建防爆灯性能分析模型,所述防爆灯性能分析模型包括输入层、缺陷识别层、缺陷分析层和输出层;
缺陷识别数据获取模块,用于将所述防爆灯应用性能标准和所述防爆灯性能检测数据作为输入层,输入至所述缺陷识别层中,获得防爆灯缺陷识别数据;
数据分析模块,用于基于所述缺陷分析层对所述防爆灯缺陷识别数据进行分析,获得防爆灯性能分析信息;
性能分析信息输出模块,用于将所述防爆灯性能分析信息作为输出结果通过所述输出层输出。
进一步而言,系统还包括:
分析效果评估模块,用于对所述防爆灯性能分析模型进行分析效果评估,获得性能分析准确度;
模型分析偏差度获取模块,用于如果所述性能分析准确度未达到预设准确度,将所述性能分析准确度和所述预设准确度的差值,作为模型分析偏差度;
优化训练模块,用于基于PSO算法和所述模型分析偏差度,对所述防爆灯性能分析模型进行优化训练,获得防爆灯性能优化分析模型。
进一步而言,系统还包括:
生产数据追溯模块,用于基于所述缺陷性能进行生产数据追溯,获得防爆灯缺陷生产数据;
异常成因分析模块,用于对所述防爆灯缺陷生产数据进行异常成因分析,获得异常生产成因信息;
分析模块,用于将所述防爆灯缺陷生产数据和所述异常生产成因信息输入至工艺优化分析模型中进行分析,输出获得工艺调整参数;
生产参数优化调整模块,用于基于所述工艺调整参数对所述防爆灯进行生产参数优化调整。
本说明书通过前述对一种防爆灯的性能检测方法的详细描述,本领域技术人员可以清楚的知道本实施例中一种防爆灯的性能检测方法及系统,对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下,在其它实施例中实现。因此,本申请将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (8)
1.一种防爆灯的性能检测方法,其特征在于,所述方法包括:
获取防爆灯应用场景信息;
对所述防爆灯应用场景信息进行应用要素提取,获得应用场景参数信息;
根据防爆灯应用性能属性,确定防爆灯应用性能指标;
按照所述防爆灯应用性能指标对所述应用场景参数信息进行标准量化,获得防爆灯应用性能标准;
基于所述应用场景参数信息进行防爆灯性能检测,获得防爆灯性能检测数据;
将所述防爆灯应用性能标准和所述防爆灯性能检测数据输入至防爆灯性能分析模型中,获得防爆灯性能分析信息;
基于所述防爆灯性能分析信息进行缺陷性能标记,并根据所述缺陷性能对防爆灯进行生产参数调整。
2.如权利要求1所述的方法,其特征在于,所述确定防爆灯应用性能指标,包括:
获得防爆灯应用性能属性,所述防爆灯应用性能属性包括防爆性能、结构性能、散热性能、抗压抗冲击性能、光效性能、耐腐蚀性能;
根据所述防爆灯应用性能属性,构建泛化应用性能指标;
对所述泛化应用性能指标中的各指标信息进行关联度量化,获得指标关联度信息;
对所述指标关联度信息在预设关联度阈值之内的指标进行筛选,获得所述防爆灯应用性能指标。
3.如权利要求1所述的方法,其特征在于,所述获得防爆灯性能检测数据,包括:
基于所述应用场景参数信息进行防爆灯性能测试,获得防爆灯测试数据信息和防爆灯图像采集信息;
对所述防爆灯测试数据信息进行数据清洗、归一化处理,获得标准防爆灯测试数据信息;
对所述防爆灯图像采集信息进行特征点提取,获得防爆灯结构特征信息;
基于所述标准防爆灯测试数据信息和所述防爆灯结构特征信息,获得所述防爆灯性能检测数据。
4.如权利要求3所述的方法,其特征在于,所述获得防爆灯结构特征信息,包括:
基于图像滤波算法对所述防爆灯图像采集信息进行图像预处理,获得标准防爆灯图像信息;
根据防爆灯结构应用标准,获得预定结构卷积特征;
基于所述预定结构卷积特征对所述标准防爆灯图像信息进行遍历卷积计算,获得图像卷积计算结果;
基于所述图像卷积计算结果,获得所述防爆灯结构特征信息。
5.如权利要求1所述的方法,其特征在于,所述获得防爆灯性能分析信息,包括:
搭建防爆灯性能分析模型,所述防爆灯性能分析模型包括输入层、缺陷识别层、缺陷分析层和输出层;
将所述防爆灯应用性能标准和所述防爆灯性能检测数据作为输入层,输入至所述缺陷识别层中,获得防爆灯缺陷识别数据;
基于所述缺陷分析层对所述防爆灯缺陷识别数据进行分析,获得防爆灯性能分析信息;
将所述防爆灯性能分析信息作为输出结果通过所述输出层输出。
6.如权利要求1所述的方法,其特征在于,所述方法包括:
对所述防爆灯性能分析模型进行分析效果评估,获得性能分析准确度;
如果所述性能分析准确度未达到预设准确度,将所述性能分析准确度和所述预设准确度的差值,作为模型分析偏差度;
基于PSO算法和所述模型分析偏差度,对所述防爆灯性能分析模型进行优化训练,获得防爆灯性能优化分析模型。
7.如权利要求1所述的方法,其特征在于,所述根据所述缺陷性能对防爆灯进行生产参数调整,包括:
基于所述缺陷性能进行生产数据追溯,获得防爆灯缺陷生产数据;
对所述防爆灯缺陷生产数据进行异常成因分析,获得异常生产成因信息;
将所述防爆灯缺陷生产数据和所述异常生产成因信息输入至工艺优化分析模型中进行分析,输出获得工艺调整参数;
基于所述工艺调整参数对所述防爆灯进行生产参数优化调整。
8.一种防爆灯的性能检测系统,其特征在于,所述系统包括:
应用场景信息获取模块,所述应用场景信息获取模块用于获取防爆灯应用场景信息;
参数信息获取模块,所述参数信息获取模块用于对所述防爆灯应用场景信息进行应用要素提取,获得应用场景参数信息;
应用性能指标获取模块,所述应用性能指标获取模块用于根据防爆灯应用性能属性,确定防爆灯应用性能指标;
应用性能标准获取模块,所述应用性能标准获取模块用于按照所述防爆灯应用性能指标对所述应用场景参数信息进行标准量化,获得防爆灯应用性能标准;
性能检测数据获取模块,所述性能检测数据获取模块用于基于所述应用场景参数信息进行防爆灯性能检测,获得防爆灯性能检测数据;
性能分析信息获取模块,所述性能分析信息获取模块用于将所述防爆灯应用性能标准和所述防爆灯性能检测数据输入至防爆灯性能分析模型中,获得防爆灯性能分析信息;
生产参数调整模块,所述生产参数调整模块用于基于所述防爆灯性能分析信息进行缺陷性能标记,并根据所述缺陷性能对防爆灯进行生产参数调整。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310182277.XA CN117761570B (zh) | 2023-03-01 | 2023-03-01 | 一种防爆灯的性能检测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310182277.XA CN117761570B (zh) | 2023-03-01 | 2023-03-01 | 一种防爆灯的性能检测方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117761570A true CN117761570A (zh) | 2024-03-26 |
CN117761570B CN117761570B (zh) | 2024-06-07 |
Family
ID=90320697
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310182277.XA Active CN117761570B (zh) | 2023-03-01 | 2023-03-01 | 一种防爆灯的性能检测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117761570B (zh) |
Citations (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102013003448A1 (de) * | 2013-02-26 | 2014-08-28 | Iav Gmbh Ingenieurgesellschaft Auto Und Verkehr | Vorrichtung und Verfahren zum Testen von Fahrerassistenzsystemen |
CN112277004A (zh) * | 2020-10-27 | 2021-01-29 | 中国计量大学 | 一种巡检机器人性能量化测评方法及系统 |
CN112887626A (zh) * | 2021-01-22 | 2021-06-01 | 北京英泰智科技股份有限公司 | 爆闪灯性能测试方法及电子设备 |
CN113535816A (zh) * | 2021-07-13 | 2021-10-22 | 江苏智多行网联科技有限公司 | 一种智能网联云控车辆的行车性能评价方法及系统 |
CN113724297A (zh) * | 2021-08-31 | 2021-11-30 | 中国科学院长春光学精密机械与物理研究所 | 基于事件相机的跟踪方法 |
CN114065885A (zh) * | 2021-10-29 | 2022-02-18 | 中海油天津化工研究设计院有限公司 | 一种基于防爆rfid标签的防爆电气设备检验整改可追溯系统 |
CN114418218A (zh) * | 2022-01-20 | 2022-04-29 | 苏州斯瑞笙电子科技有限公司 | 一种医疗注塑件生产的智能预警方法及系统 |
CN114441463A (zh) * | 2022-01-25 | 2022-05-06 | 安徽新宇环保科技股份有限公司 | 全光谱水质数据分析方法 |
CN114441139A (zh) * | 2020-11-04 | 2022-05-06 | 中移物联网有限公司 | 一种汽车大灯测试方法和装置 |
CN114493368A (zh) * | 2022-03-15 | 2022-05-13 | 中大检测(湖南)股份有限公司 | 一种应用于环境工程的智慧监测灯杆控制系统及方法 |
CN114722973A (zh) * | 2022-06-07 | 2022-07-08 | 江苏华程工业制管股份有限公司 | 一种钢管热处理的缺陷检测方法及系统 |
CN114998695A (zh) * | 2022-07-18 | 2022-09-02 | 深圳市前海泽金产融科技有限公司 | 一种提高图像识别速度的方法及系统 |
CN115060725A (zh) * | 2022-05-19 | 2022-09-16 | 昆山缔微致精密电子有限公司 | 一种双圆盘外观检测方法及装置 |
CN115144037A (zh) * | 2022-08-30 | 2022-10-04 | 苏州时代华景新能源有限公司 | 一种锂电池防爆性能安全监测方法及系统 |
CN115389045A (zh) * | 2022-08-23 | 2022-11-25 | 中煤科工集团沈阳研究院有限公司 | 防爆灯具最不利条件下温度测试系统及测试方法 |
CN115542986A (zh) * | 2022-11-24 | 2022-12-30 | 南通中铁华宇电气有限公司 | 一种灯具检测的环境模拟试验系统及顺序模型建立方法 |
CN115564337A (zh) * | 2022-10-24 | 2023-01-03 | 南珠建材(清远)有限公司 | 一种混凝土管桩的质量评价方法及系统 |
CN116008852A (zh) * | 2022-12-23 | 2023-04-25 | 中山易事达光电科技有限公司 | 一种车灯的自动测试方法、装置及存储介质 |
CN116563293A (zh) * | 2023-07-11 | 2023-08-08 | 南通玖方新材料科技有限公司 | 一种基于机器视觉的光伏载具生产质量检测方法及系统 |
-
2023
- 2023-03-01 CN CN202310182277.XA patent/CN117761570B/zh active Active
Patent Citations (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102013003448A1 (de) * | 2013-02-26 | 2014-08-28 | Iav Gmbh Ingenieurgesellschaft Auto Und Verkehr | Vorrichtung und Verfahren zum Testen von Fahrerassistenzsystemen |
CN112277004A (zh) * | 2020-10-27 | 2021-01-29 | 中国计量大学 | 一种巡检机器人性能量化测评方法及系统 |
CN114441139A (zh) * | 2020-11-04 | 2022-05-06 | 中移物联网有限公司 | 一种汽车大灯测试方法和装置 |
CN112887626A (zh) * | 2021-01-22 | 2021-06-01 | 北京英泰智科技股份有限公司 | 爆闪灯性能测试方法及电子设备 |
CN113535816A (zh) * | 2021-07-13 | 2021-10-22 | 江苏智多行网联科技有限公司 | 一种智能网联云控车辆的行车性能评价方法及系统 |
CN113724297A (zh) * | 2021-08-31 | 2021-11-30 | 中国科学院长春光学精密机械与物理研究所 | 基于事件相机的跟踪方法 |
CN114065885A (zh) * | 2021-10-29 | 2022-02-18 | 中海油天津化工研究设计院有限公司 | 一种基于防爆rfid标签的防爆电气设备检验整改可追溯系统 |
CN114418218A (zh) * | 2022-01-20 | 2022-04-29 | 苏州斯瑞笙电子科技有限公司 | 一种医疗注塑件生产的智能预警方法及系统 |
CN114441463A (zh) * | 2022-01-25 | 2022-05-06 | 安徽新宇环保科技股份有限公司 | 全光谱水质数据分析方法 |
CN114493368A (zh) * | 2022-03-15 | 2022-05-13 | 中大检测(湖南)股份有限公司 | 一种应用于环境工程的智慧监测灯杆控制系统及方法 |
CN115060725A (zh) * | 2022-05-19 | 2022-09-16 | 昆山缔微致精密电子有限公司 | 一种双圆盘外观检测方法及装置 |
CN114722973A (zh) * | 2022-06-07 | 2022-07-08 | 江苏华程工业制管股份有限公司 | 一种钢管热处理的缺陷检测方法及系统 |
CN114998695A (zh) * | 2022-07-18 | 2022-09-02 | 深圳市前海泽金产融科技有限公司 | 一种提高图像识别速度的方法及系统 |
CN115389045A (zh) * | 2022-08-23 | 2022-11-25 | 中煤科工集团沈阳研究院有限公司 | 防爆灯具最不利条件下温度测试系统及测试方法 |
CN115144037A (zh) * | 2022-08-30 | 2022-10-04 | 苏州时代华景新能源有限公司 | 一种锂电池防爆性能安全监测方法及系统 |
CN115564337A (zh) * | 2022-10-24 | 2023-01-03 | 南珠建材(清远)有限公司 | 一种混凝土管桩的质量评价方法及系统 |
CN115542986A (zh) * | 2022-11-24 | 2022-12-30 | 南通中铁华宇电气有限公司 | 一种灯具检测的环境模拟试验系统及顺序模型建立方法 |
CN116008852A (zh) * | 2022-12-23 | 2023-04-25 | 中山易事达光电科技有限公司 | 一种车灯的自动测试方法、装置及存储介质 |
CN116563293A (zh) * | 2023-07-11 | 2023-08-08 | 南通玖方新材料科技有限公司 | 一种基于机器视觉的光伏载具生产质量检测方法及系统 |
Non-Patent Citations (2)
Title |
---|
黄山石;姜永选;张洁;: "LED防爆灯检测方法的研究", 硅谷, no. 11, 8 June 2013 (2013-06-08) * |
龚范昌;: "防爆灯具与普通灯具的区别", 光源与照明, no. 04, 30 December 2011 (2011-12-30) * |
Also Published As
Publication number | Publication date |
---|---|
CN117761570B (zh) | 2024-06-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108416968B (zh) | 火灾预警方法和装置 | |
CN110427825B (zh) | 基于关键帧与快速支持向量机融合的视频火焰识别方法 | |
CN111275333B (zh) | 污染数据处理方法和装置 | |
CN110163278B (zh) | 一种基于图像识别的火焰稳定性监测方法 | |
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 | |
CN109815904B (zh) | 一种基于卷积神经网络的火灾识别方法 | |
CN108765335B (zh) | 一种基于遥感图像的森林火灾检测方法 | |
CN113283344A (zh) | 一种基于语义分割网络的矿用输送带跑偏检测方法 | |
CN111898647A (zh) | 一种基于聚类分析的低压配电设备误告警识别方法 | |
CN116738552B (zh) | 一种基于物联网的环境检测设备管理方法及系统 | |
CN112171057B (zh) | 基于激光焊接的质量检测方法、装置及存储介质 | |
CN117761570B (zh) | 一种防爆灯的性能检测方法及系统 | |
CN111443091B (zh) | 电缆线路隧道工程缺陷判断方法 | |
CN115081806A (zh) | 一种基于物联网技术的建筑工程施工现场智能监理分析管理系统 | |
CN110826559B (zh) | 基于视觉感知的火炬烟尘监测方法 | |
CN113361420A (zh) | 基于机器人的矿井火灾监测方法、装置、设备及存储介质 | |
CN113392363B (zh) | 一种用于废弃物焚烧处理产生的氧化亚氮排放的核算方法 | |
CN114092478A (zh) | 一种异常检测方法 | |
CN115144548B (zh) | 有害气体成分实时监测系统及其监测方法 | |
CN114998003B (zh) | 一种基于图深度卷积神经网络算法识别洗钱的方法和装置 | |
CN112712109B (zh) | 一种单点信源的分布式检测融合方法 | |
CN115171006A (zh) | 基于深度学习的自动识别人员进入电力危险区的检测方法 | |
CN112598059A (zh) | 一种工人着装检测方法、装置、存储介质及电子设备 | |
CN116798003B (zh) | 一种焚烧炉视觉辅助监控方法 | |
CN116704212B (zh) | 基于机器学习及多光谱影像的林木火灾受损信息提取方法 |
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 |