CN109800895A - 一种基于增强现实技术在计量自动化流水线故障预警和维护的方法 - Google Patents
一种基于增强现实技术在计量自动化流水线故障预警和维护的方法 Download PDFInfo
- Publication number
- CN109800895A CN109800895A CN201910085066.8A CN201910085066A CN109800895A CN 109800895 A CN109800895 A CN 109800895A CN 201910085066 A CN201910085066 A CN 201910085066A CN 109800895 A CN109800895 A CN 109800895A
- Authority
- CN
- China
- Prior art keywords
- data
- augmented reality
- early warning
- pipeline stall
- metering
- 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
- 238000000034 method Methods 0.000 title claims abstract description 27
- 238000012423 maintenance Methods 0.000 title claims abstract description 23
- 230000003190 augmentative effect Effects 0.000 title claims abstract description 20
- 238000013135 deep learning Methods 0.000 claims abstract description 15
- 238000005516 engineering process Methods 0.000 claims abstract description 15
- 238000012544 monitoring process Methods 0.000 claims abstract description 15
- 238000012795 verification Methods 0.000 claims abstract description 13
- 238000010801 machine learning Methods 0.000 claims abstract description 9
- 230000007257 malfunction Effects 0.000 claims abstract description 6
- 238000005259 measurement Methods 0.000 claims abstract description 4
- 238000013473 artificial intelligence Methods 0.000 claims description 5
- 230000008859 change Effects 0.000 claims description 4
- 238000007405 data analysis Methods 0.000 claims description 4
- 238000013527 convolutional neural network Methods 0.000 claims description 3
- 238000003066 decision tree Methods 0.000 claims description 3
- 238000003745 diagnosis Methods 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 3
- 230000006870 function Effects 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 238000013528 artificial neural network Methods 0.000 claims description 2
- 238000001093 holography Methods 0.000 claims description 2
- 238000001514 detection method Methods 0.000 abstract description 2
- 238000004458 analytical method Methods 0.000 description 5
- 239000000284 extract Substances 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 230000002708 enhancing effect Effects 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明涉及流水线故障检测领域,且公开了一种基于增强现实技术在计量自动化流水线故障预警和维护的方法,首先引入大数据机器学习、深度学习的技术,再基于全息监控数据,全息监控数据即计量检定中心单相电能表、三相电能表、低压电流互感器和采集终端自动检定流水线的各种传感设备采集的数据,将全息监控数据保存至数据仓库内,并将这些数据构建成计量自动检定***的故障特征工程。本发明为基于增强现实技术在计量自动化流水线故障预警和维护的方法,再通过使用大数据的数据分析,来对整个流水线上的故障进行预警,同时能够通过增强现实技术,将将整个流水线的故障状态通过三维模型展示开来,以便于后续的维护工作。
Description
技术领域
本发明涉及流水线故障检测领域,具体为一种基于增强现实技术在计量自动化流水线故障预警和维护的方法。
背景技术
目前国内各地检定流水线这些智能化检定环节通过各种传感器技术、报文等方式收集***运行数据,***通过收集单个硬件设备的数据,由硬件设备报错的方式进行故障的报警,由于流水线越趋于复杂,产生了大量数据,硬件流水线厂商主要关注于硬件设备,对于流水线的历史的数据并不做保存,使得大数据的分析挖掘工作无法开展。
现有技术中,由于没有保存历史数据,不能使用大数据的方式对自动化流水线进行大数据的分析,分析不出影响流水线的关键点和产生影响的重要特征,同时在计量自动化流水线中,各个设备通过单个硬件报错,并没有从整个流水线和流水线相互之间的影响去考虑和分析,整体诊断效果不好。
发明内容
本发明的目的在于克服现有技术的不足,提供一种基于增强现实技术在计量自动化流水线故障预警和维护的方法。
为解决上述技术问题,本发明采用的技术方案包括以下步骤:
S1:首先引入大数据机器学习、深度学习的技术,采用SparkMlib,TensorFlow机器学习和深度学习的框架;
S2:将全息监控数据保存至数据仓库内,并将这些数据构建成计量自动检定***的故障特征工程,所述故障特征工程作为算法模型的输入变量;
S3:通过采用人工智能深度学习技术,自动提取计量故障异常特征,构建动态的计量运行故障特征分类库;
S4:通过采用强化学习的策略,选择合适的故障诊断模型,根据故障情况不断的自动优化和迭代找出最影响流水线的特征值;
S5:通过增强现实的技术,将整个流水线的故障状态通过三维模型展示开来,以便于后续的维护工作。
优选地,在所述步骤S2中,所述全息监控数据为计量检定中心单相电能表、三相电能表、低压电流互感器和采集终端自动检定流水线的各种传感器设备采集的数据。
优选地,所述数据主要来源于智能设备、传感器采集的数据、***运行的日志数据和外部工业大数据。
优选地,所述算法包括决策树法、SDG模型、堆叠自动编码器、卷积神经网络、递归神经网络、深度置信网络、对抗网络。
优选地,对所述数据仓库内保存的全息监控数据进行标准化处理,利用标准化后的全息监控数据进行数据分析。
优选地,所述数据仓库采用hive构架构成,所述hive构架是基于Hadoop的数据仓库工具,将结构化的数据文件映射为一张数据库表,并提供简单的sql查询功能,将sql语句转换为MapReduce任务进行运行。
优选地,所述故障特征工程将数据属性转换为数据特征的过程,属性代表了数据的所有维度。
优选地,所述故障特征工程的方法包括时间戳处理、分解类别属性、分箱/分区、交叉特征、特征选择、特征缩放、特征提取。
与现有技术相比,本发明的有益效果是:
本发明为基于增强现实技术在计量自动化流水线故障预警和维护的方法,通过设有的机器学习、深度学习的各种算法模型,再通过将自动检定流水线的各种传感设备采集的数据,并保存至数据仓库内,并将这些数据构建成计量自动检定***的故障特征工程,故障特征工程作为算法模型的输入变量,再通过采用人工智能深度学习技术,自动提取计量故障异常特征,根据故障情况不断的自动优化和迭代找出最影响流水线的特征值,再通过增强现实的技术,将整个流水线的故障状态通过三维模型展示开来,以便于后续的维护工作。
实施例
一种基于增强现实技术在计量自动化流水线故障预警和维护的方法,首先引入大数据机器学习、深度学习的技术,采用SparkMlib,TensorFlow机器学习和深度学习的框架,再基于全息监控数据,全息监控数据即计量检定中心单相电能表、三相电能表、低压电流互感器和采集终端自动检定流水线的各种传感设备采集的数据,将全息监控数据保存至数据仓库内,并将这些全息监控数据构建成计量自动检定***的故障特征工程,故障特征工程作为算法模型的输入变量,再通过采用人工智能深度学习技术,自动提取计量故障异常特征,构建动态的计量运行故障特征分类库,再通过采用强化学习的策略,选择合适的故障诊断模型,根据故障情况不断的自动优化和迭代找出最影响流水线的特征值,再通过增强现实的技术,将整个流水线的故障状态通过三维模型展示开来,以便于后续的维护工作。
其中,数据主要来源于智能设备、传感器采集的数据、***运行的日志数据和外部的工业大数据数据。
另外,算法包括决策树法、SDG模型、堆叠自动编码器、卷积神经网络、递归神经网络、深度置信网络、对抗网络等。
其中,对数据仓库内保存的数据进行标准化处理,利用标准化后的数据进行数据分析,数据的质量决定了***最后分析的准确率,在自动检定***中有不同厂商的各种智能设备,所产生的数据存在多少的区别,为了保证结果的可靠性,需要对原始指标数据进行标准化处理。另一方面,在范围过大的数据中,将数据按比例缩放,使之落入一个小的特定区间。防止在深度学习时,模型梯度***出现,所以在数据分析之前,我们需要先将数据标准化,利用标准化后的数据进行数据分析。
另外,数据仓库采用hive构架构成,hive构架是基于Hadoop的数据仓库工具,可以将结构化的数据文件映射为一张数据库表,并提供简单的sql查询功能,可以将sql语句转换为MapReduce任务进行运行,可以通过类SQL语句快速实现简单的MapReduce统计,不必开发专门的MapReduce应用,十分适合作为数据仓库,对数据进行统计分析。
其中,特征工程是将数据属性转换为数据特征的过程,属性代表了数据的所有维度,在数据建模时,如果对原始数据的所有属性进行学习,并不能很好的找到数据的潜在趋势,而通过特征工程对你的数据进行预处理的话,算法模型能够减少受到噪声的干扰,这样能够更好的找出趋势。事实上,好的特征甚至能够帮你实现使用简单的模型达到很好的效果,特征工程的方法包括时间戳处理、分解类别属性、分箱/分区、交叉特征、特征选择、特征缩放、特征提取等。
综上所述,该基于增强现实技术在计量自动化流水线故障预警和维护的方法,通过机器学习、深度学习的各种算法模型,再通过将自动检定流水线的各种传感设备采集的数据,并保存至数据仓库内,并将这些数据构建成计量自动检定***的故障特征工程,故障特征工程作为算法模型的输入变量,再通过采用人工智能深度学习技术,自动提取计量故障异常特征,根据故障情况不断的自动优化和迭代找出最影响流水线的特征值,再通过增强现实的技术,将整个流水线的故障状态通过三维模型展示开来,以便于后续的维护工作。
显然,本发明的上述实施例仅仅是为清楚地说明本发明所作的举例,而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明权利要求的保护范围之内。
Claims (8)
1.一种基于增强现实技术在计量自动化流水线故障预警和维护的方法,其特征在于,包括以下步骤:
S1:首先引入大数据机器学习、深度学习的技术,采用SparkMlib,TensorFlow机器学习和深度学习的框架;
S2:将全息监控数据保存至数据仓库内,并将这些数据构建成计量自动检定***的故障特征工程,所述故障特征工程作为算法模型的输入变量;
S3:通过采用人工智能深度学习技术,自动提取计量故障异常特征,构建动态的计量运行故障特征分类库;
S4:通过采用强化学习的策略,选择合适的故障诊断模型,根据故障情况不断的自动优化和迭代找出最影响流水线的特征值;
S5:通过增强现实的技术,将整个流水线的故障状态通过三维模型展示开来,以便于后续的维护工作。
2.根据权利要求1所述的一种基于增强现实技术在计量自动化流水线故障预警和维护的方法,其特征在于:在所述步骤S2中,所述全息监控数据为计量检定中心单相电能表、三相电能表、低压电流互感器和采集终端自动检定流水线的各种传感器设备采集的数据。
3.根据权利要求2所述的一种基于增强现实技术在计量自动化流水线故障预警和维护的方法,其特征在于:所述数据主要来源于智能设备、传感器采集的数据、***运行的日志数据和外部工业大数据。
4.根据权利要求1所述的一种基于增强现实技术在计量自动化流水线故障预警和维护的方法,其特征在于:所述算法包括决策树法、SDG模型、堆叠自动编码器、卷积神经网络、递归神经网络、深度置信网络、对抗网络。
5.根据权利要求1所述的一种基于增强现实技术在计量自动化流水线故障预警和维护的方法,其特征在于:对所述数据仓库内保存的全息监控数据进行标准化处理,利用标准化后的全息监控数据进行数据分析。
6.根据权利要求1所述的一种基于增强现实技术在计量自动化流水线故障预警和维护的方法,其特征在于:所述数据仓库采用hive构架构成,所述hive构架是基于Hadoop的数据仓库工具,将结构化的数据文件映射为一张数据库表,并提供简单的sql查询功能,将sql语句转换为MapReduce任务进行运行。
7.根据权利要求1所述的一种基于增强现实技术在计量自动化流水线故障预警和维护的方法,其特征在于:所述故障特征工程将数据属性转换为数据特征的过程,属性代表了数据的所有维度。
8.根据权利要求7所述的一种基于增强现实技术在计量自动化流水线故障预警和维护的方法,其特征在于:所述故障特征工程的方法包括时间戳处理、分解类别属性、分箱/分区、交叉特征、特征选择、特征缩放、特征提取。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910085066.8A CN109800895A (zh) | 2019-01-18 | 2019-01-18 | 一种基于增强现实技术在计量自动化流水线故障预警和维护的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910085066.8A CN109800895A (zh) | 2019-01-18 | 2019-01-18 | 一种基于增强现实技术在计量自动化流水线故障预警和维护的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109800895A true CN109800895A (zh) | 2019-05-24 |
Family
ID=66559079
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910085066.8A Pending CN109800895A (zh) | 2019-01-18 | 2019-01-18 | 一种基于增强现实技术在计量自动化流水线故障预警和维护的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109800895A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110516408A (zh) * | 2019-09-23 | 2019-11-29 | 中国能源建设集团广东省电力设计研究院有限公司 | 一种基于Demo3D仿真的四线一库设计管理*** |
CN110716501A (zh) * | 2019-11-18 | 2020-01-21 | 康美包(苏州)有限公司 | 一种数据传输方法、设备、装置及计算机可存储介质 |
CN111240279A (zh) * | 2019-12-26 | 2020-06-05 | 浙江大学 | 一种面向工业不平衡数据的对抗增强故障分类方法 |
CN113110385A (zh) * | 2021-04-16 | 2021-07-13 | 广东电网有限责任公司计量中心 | 基于决策树的计量自动化检定***的启停预警方法及装置 |
CN113156529A (zh) * | 2021-05-07 | 2021-07-23 | 广东电网有限责任公司计量中心 | 计量检定流水线的启停控制方法、***、终端和存储介质 |
CN113866698A (zh) * | 2021-09-09 | 2021-12-31 | 国网河北省电力有限公司营销服务中心 | 计量装置检定流水线的检测***、检测方法和服务器 |
CN115327469A (zh) * | 2022-08-09 | 2022-11-11 | 国网冀北电力有限公司计量中心 | 电能表检定数据的监控方法以及*** |
CN117233540A (zh) * | 2023-11-15 | 2023-12-15 | 广东电网有限责任公司江门供电局 | 一种基于深度学习的计量流水线故障检测方法及*** |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140188433A1 (en) * | 2011-05-31 | 2014-07-03 | Christian Erath | Method and diagnostic system for supporting the controlled fault detection in technical systems |
CN104317855A (zh) * | 2014-10-15 | 2015-01-28 | 江苏瑞中数据股份有限公司 | 一种基于实时数据库的计量生产实时监控方法 |
CN105974356A (zh) * | 2016-07-22 | 2016-09-28 | 国网浙江省电力公司电力科学研究院 | 一种电力计量自动化检定流水线故障诊断方法 |
CN106019195A (zh) * | 2016-07-22 | 2016-10-12 | 国网浙江省电力公司电力科学研究院 | 一种电力计量自动化检定流水线故障诊断*** |
CN106340217A (zh) * | 2016-10-31 | 2017-01-18 | 华中科技大学 | 基于增强现实技术的制造装备智能***及其实现方法 |
CN107817787A (zh) * | 2017-11-29 | 2018-03-20 | 华南理工大学 | 一种基于机器学习的智能产线机械手故障诊断方法 |
CN107967485A (zh) * | 2017-11-16 | 2018-04-27 | 国网冀北电力有限公司电力科学研究院 | 用电计量设备故障分析方法及装置 |
CN108645637A (zh) * | 2018-04-25 | 2018-10-12 | 刘翠先 | 一种基于增强现实技术应用的设备异响检测*** |
CN109190304A (zh) * | 2018-10-16 | 2019-01-11 | 南京航空航天大学 | 一种航空发动机全包线内气路部件故障特征提取及故障识别方法 |
-
2019
- 2019-01-18 CN CN201910085066.8A patent/CN109800895A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140188433A1 (en) * | 2011-05-31 | 2014-07-03 | Christian Erath | Method and diagnostic system for supporting the controlled fault detection in technical systems |
CN104317855A (zh) * | 2014-10-15 | 2015-01-28 | 江苏瑞中数据股份有限公司 | 一种基于实时数据库的计量生产实时监控方法 |
CN105974356A (zh) * | 2016-07-22 | 2016-09-28 | 国网浙江省电力公司电力科学研究院 | 一种电力计量自动化检定流水线故障诊断方法 |
CN106019195A (zh) * | 2016-07-22 | 2016-10-12 | 国网浙江省电力公司电力科学研究院 | 一种电力计量自动化检定流水线故障诊断*** |
CN106340217A (zh) * | 2016-10-31 | 2017-01-18 | 华中科技大学 | 基于增强现实技术的制造装备智能***及其实现方法 |
CN107967485A (zh) * | 2017-11-16 | 2018-04-27 | 国网冀北电力有限公司电力科学研究院 | 用电计量设备故障分析方法及装置 |
CN107817787A (zh) * | 2017-11-29 | 2018-03-20 | 华南理工大学 | 一种基于机器学习的智能产线机械手故障诊断方法 |
CN108645637A (zh) * | 2018-04-25 | 2018-10-12 | 刘翠先 | 一种基于增强现实技术应用的设备异响检测*** |
CN109190304A (zh) * | 2018-10-16 | 2019-01-11 | 南京航空航天大学 | 一种航空发动机全包线内气路部件故障特征提取及故障识别方法 |
Non-Patent Citations (1)
Title |
---|
常峰等: "基于强化学习和蚁群算法的WSN节点故障诊断", 《计算机测量与控制》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110516408A (zh) * | 2019-09-23 | 2019-11-29 | 中国能源建设集团广东省电力设计研究院有限公司 | 一种基于Demo3D仿真的四线一库设计管理*** |
CN110516408B (zh) * | 2019-09-23 | 2023-03-31 | 中国能源建设集团广东省电力设计研究院有限公司 | 一种基于Demo3D仿真的四线一库设计管理*** |
CN110716501A (zh) * | 2019-11-18 | 2020-01-21 | 康美包(苏州)有限公司 | 一种数据传输方法、设备、装置及计算机可存储介质 |
CN111240279A (zh) * | 2019-12-26 | 2020-06-05 | 浙江大学 | 一种面向工业不平衡数据的对抗增强故障分类方法 |
CN113110385A (zh) * | 2021-04-16 | 2021-07-13 | 广东电网有限责任公司计量中心 | 基于决策树的计量自动化检定***的启停预警方法及装置 |
CN113156529A (zh) * | 2021-05-07 | 2021-07-23 | 广东电网有限责任公司计量中心 | 计量检定流水线的启停控制方法、***、终端和存储介质 |
CN113866698A (zh) * | 2021-09-09 | 2021-12-31 | 国网河北省电力有限公司营销服务中心 | 计量装置检定流水线的检测***、检测方法和服务器 |
CN115327469A (zh) * | 2022-08-09 | 2022-11-11 | 国网冀北电力有限公司计量中心 | 电能表检定数据的监控方法以及*** |
CN117233540A (zh) * | 2023-11-15 | 2023-12-15 | 广东电网有限责任公司江门供电局 | 一种基于深度学习的计量流水线故障检测方法及*** |
CN117233540B (zh) * | 2023-11-15 | 2024-02-20 | 广东电网有限责任公司江门供电局 | 一种基于深度学习的计量流水线故障检测方法及*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109800895A (zh) | 一种基于增强现实技术在计量自动化流水线故障预警和维护的方法 | |
CN111262722B (zh) | 一种用于工业控制***网络的安全监测方法 | |
Wilson et al. | Deep learning-aided cyber-attack detection in power transmission systems | |
CN101945009B (zh) | 基于案例和模式匹配的电力通信网故障定位方法及装置 | |
CN109193650B (zh) | 一种基于高维随机矩阵理论的电网薄弱点评估方法 | |
CN110909811A (zh) | 一种基于ocsvm的电网异常行为检测、分析方法与*** | |
CN107992746A (zh) | 恶意行为挖掘方法及装置 | |
CN106371986A (zh) | 一种日志处理运维监控*** | |
CN107340766B (zh) | 基于相似度的电力调度告警信号文本归类及故障诊断方法 | |
Wu et al. | A genetic-algorithm support vector machine and DS evidence theory based fault diagnostic model for transmission line | |
CN109501834A (zh) | 一种道岔转辙机故障预测方法及装置 | |
Liu et al. | A novel intrusion detection algorithm for industrial control systems based on CNN and process state transition | |
CN109389325B (zh) | 基于小波神经网络的变电站电子式互感器状态评估方法 | |
CN105306463A (zh) | 基于支持向量机的Modbus TCP入侵检测方法 | |
CN104155580A (zh) | 一种关联分析与电力计算相结合的电压暂降源定位方法 | |
CN109993189A (zh) | 一种网络故障预警方法、装置和介质 | |
CN107124325A (zh) | 一种电力通信网运行安全评估方法及*** | |
CN110011990A (zh) | 内网安全威胁智能分析方法 | |
CN115222303B (zh) | 基于大数据的行业风险数据分析方法、***及存储介质 | |
Hong et al. | Towards accurate and efficient classification of power system contingencies and cyber-attacks using recurrent neural networks | |
CN108399579A (zh) | 变电站设备监控数据信号的智能解析*** | |
CN106526465A (zh) | 一种基于改进的模糊Petri网络的高压断路器故障智能诊断方法 | |
CN116827764B (zh) | 一种基于神经网络的物联网故障检测控制方法及*** | |
CN113848471A (zh) | 继电保护***的故障智能定位方法及*** | |
CN103529337A (zh) | 设备故障与电气量信息间非线性相关关系的识别方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190524 |
|
RJ01 | Rejection of invention patent application after publication |