CN114565883A - 一种设备的运行故障用图形识别算法 - Google Patents

一种设备的运行故障用图形识别算法 Download PDF

Info

Publication number
CN114565883A
CN114565883A CN202110032285.7A CN202110032285A CN114565883A CN 114565883 A CN114565883 A CN 114565883A CN 202110032285 A CN202110032285 A CN 202110032285A CN 114565883 A CN114565883 A CN 114565883A
Authority
CN
China
Prior art keywords
equipment
fault
image
images
signals
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
Application number
CN202110032285.7A
Other languages
English (en)
Inventor
俞力珉
陈亦寒
王铮
王雨
徐强
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.)
Wuxi Guangying Group Co ltd
Wuxi Power Supply Co of State Grid Jiangsu Electric Power Co Ltd
Original Assignee
Wuxi Power Supply Co of State Grid Jiangsu Electric Power 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 Wuxi Power Supply Co of State Grid Jiangsu Electric Power Co Ltd filed Critical Wuxi Power Supply Co of State Grid Jiangsu Electric Power Co Ltd
Priority to CN202110032285.7A priority Critical patent/CN114565883A/zh
Publication of CN114565883A publication Critical patent/CN114565883A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/02—Preprocessing
    • G06F2218/04—Denoising
    • 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
    • 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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/12—Classification; Matching
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Data Mining & Analysis (AREA)
  • Artificial Intelligence (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Signal Processing (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Image Analysis (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及设备故障检测技术领域，且公开了一种设备的运行故障用图形识别算法，包括以下步骤：步骤一、收集设备的图像，并对收集到的设备图像进行整理，步骤二、对设备采集到的待识别图像进行预处理，得到预处理后待识别图像，步骤三、通过***，把***中所存储的设备正常运行图像与步骤二中的预处理图像进行对比，进行初步判断其故障原因。该设备的运行故障用图形识别算法，通过在设备运转的周边搭建成像设备，采集高清图像，采用图像识别技术和Sift算法，对图像中的设备故障进行识别，使用图像识别技术和Sift算法和人工识别方法对识别到的故障进行验证，判断其是否为设备故障，从而能够给予维修人员能够及时的对设备进行检修。

Description

一种设备的运行故障用图形识别算法
技术领域
本发明涉及设备故障检测技术领域，具体为一种设备的运行故障用图形识别算法。
背景技术
设备故障是指设备失去或降低其规定功能的事件或现象。表现为设备的某些零件失去原有的精度或性能，使设备不能正常运行、技术性能降低，致使设备中断生产或效率降低而影响生产。
传统的检测方法是通过人工实地检查以及根据拍摄的图像进行排查，由于排查人员在工作过程中极易出现疲劳、遗漏等情况，造成人为的误判、漏判，从而影响设备的正确运行，同时投入大量的人力和物力进行图片的排查给用户造成了极大地资源浪费
发明内容
本发明提供了一种设备的运行故障用图形识别算法，具备能够有效的进行设备故障的排查，减少人力的浪费，提高对设备故障甄别的正确率的优点，解决了背景技术中提出的问题。
本发明提供如下技术方案：一种设备的运行故障用图形识别算法，包括以下步骤：
步骤一、收集设备的图像，并对收集到的设备图像进行整理。
步骤二、对设备采集到的待识别图像进行预处理，得到预处理后待识别图像。
步骤三、通过***，把***中所存储的设备正常运行图像与步骤二中的预处理图像进行对比，进行初步判断其故障原因。
步骤四、通过调取所采集设备运行状态的数据和调度监控信息的数据。
步骤五、分析故障原因和设备状态，再结合步骤三中，***所判定的故障原因，进行设备故障原因由人工进行结合判断，进而提供解决方案帮助处理人员进行处理。
优选的，所述步骤一中采集设备图像包括包括设备正常状态下的图像和设备非正常状态下的图像以及正常状态下设备主要零件的位置和非正常状态下的设备主要零件的位置。
优选的，所述步骤一中确定需要识别设备的种类和型号，将不同的样本图像进行归类，利用图像识别的Sift算法对设备的图形识别进行训练，每次随机选取样本，将验证准确率靠前的模型作为候选，并将采集新的样本进行检验，取准确率最高的模型为最终判定结果，模拟现场环境采集图像并进行测试，得出准确率，进行评估；并且将识别错误的结果进行纠正和新的样本加入训练库，重新进行训练，反复多次，从而提高准确率。
优选的，所述调度监控信息包括监控信息表和设备运行状态。
优选的，所述将需要的设备名称、连接关系、设备状态信息存入***数据库中，根据以往人工经验对出现故障的信号进行总结，将每一个故障出现的信号进行归纳，做出每个故障所响应信号的模型，通过对监控信号以及图像进行匹配得出其所包含的设备故障；针对各种设备故障模型的特点，总结故障信号的特征，对信号进行对比和匹配，找出对应的设备故障模型；根据设备故障模型的结构判断并确认符合的设备故障模型，从而得到故障原因，并将故障信号的特征提取出来，用于维修人员进行维修。
优选的，所述步骤四中监控信号进行文件化，对每个信号进行顺序上的排列整理，过滤掉影响信号，从而便于提供信号存在的问题以及故障原因，再通过***以及人工分析得出故障的原因，从而能够有效的提出更为准确的故障处理方案。
优选的，所述将采集到的待识别图像进行高斯滤波及灰度均衡化操作，去除噪声，便于***能够更为精确的对图像上的信息进行甄别，从而能够更为精确的判断出故障的原因。
本发明具备以下有益效果：
该设备的运行故障用图形识别算法，通过在设备运转的周边搭建成像设备，采集高清图像，采用图像识别技术和Sift算法，对图像中的设备故障进行识别，使用图像识别技术和Sift算法和人工识别方法对识别到的故障进行验证，判断其是否为设备故障，从而能够给予维修人员能够及时的对设备进行检修，提高维修人员的检修效率，通过图像识别技术、Sift算法和人工智能不断发展，在技术上不断成熟，因而，使用图像识别技术、Sift算进行设备故障识别代替人工检测，提高故障检测的效率、准确率，较大程度的节约人工成本，实现减员增效，并结合人工进行进一步的确认，使得对于设备的故障的检测效率更高，能够有效的保证设备的正常运行，同时也减少所需要的人工，可以有效减少设备故障的安全隐患，推动了设备故障检测自动化的进程，使设备故障检测的准确率近乎达到100％，而且漏检率却几乎为0，达到精确检测的效果。
附图说明
图1为本发明方法流程示意图。
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。
请参阅图1，一种设备的运行故障用图形识别算法，包括以下步骤：
步骤一、收集设备的图像，并对收集到的设备图像进行整理。
步骤二、对设备采集到的待识别图像进行预处理，得到预处理后待识别图像。
步骤三、通过***，把***中所存储的设备正常运行图像与步骤二中的预处理图像进行对比，进行初步判断其故障原因。
步骤四、通过调取所采集设备运行状态的数据和调度监控信息的数据。
步骤五、分析故障原因和设备状态，再结合步骤三中，***所判定的故障原因，进行设备故障原因由人工进行结合判断，进而提供解决方案帮助处理人员进行处理。
其中，步骤一中采集设备图像包括包括设备正常状态下的图像和设备非正常状态下的图像以及正常状态下设备主要零件的位置和非正常状态下的设备主要零件的位置，从而能够更为精确的判断出设备工作时的状态信息，使得***能够更为精确的确认设备是否出现故障。
其中，步骤一中确定需要识别设备的种类和型号，将不同的样本图像进行归类，利用图像识别的Sift算法对设备的图形识别进行训练，每次随机选取样本，将验证准确率靠前的模型作为候选，并将采集新的样本进行检验，取准确率最高的模型为最终判定结果，模拟现场环境采集图像并进行测试，得出准确率，进行评估；并且将识别错误的结果进行纠正和新的样本加入训练库，重新进行训练，反复多次，从而提高准确率，进行反复确认，从而提高***的检测精确率。
其中，调度监控信息包括监控信息表和设备运行状态，便于人工进行辅助确认。
其中，将需要的设备名称、连接关系、设备状态信息存入***数据库中，根据以往人工经验对出现故障的信号进行总结，将每一个故障出现的信号进行归纳，做出每个故障所响应信号的模型，通过对监控信号以及图像进行匹配得出其所包含的设备故障；针对各种设备故障模型的特点，总结故障信号的特征，对信号进行对比和匹配，找出对应的设备故障模型；根据设备故障模型的结构判断并确认符合的设备故障模型，从而得到故障原因，并将故障信号的特征提取出来，用于维修人员进行维修。
其中，步骤四中监控信号进行文件化，对每个信号进行顺序上的排列整理，过滤掉影响信号，从而便于提供信号存在的问题以及故障原因，再通过***以及人工分析得出故障的原因，从而能够有效的提出更为准确的故障处理方案。
其中，将采集到的待识别图像进行高斯滤波及灰度均衡化操作，去除噪声，便于***能够更为精确的对图像上的信息进行甄别，从而能够更为精确的判断出故障的原因。
其中，通过在设备运转的周边搭建成像设备，采集高清图像，采用图像识别技术和Sift算法，对图像中的设备故障进行识别，使用图像识别技术和Sift算法和人工识别方法对识别到的故障进行验证，判断其是否为设备故障，从而能够给予维修人员能够及时的对设备进行检修，提高维修人员的检修效率，通过图像识别技术、Sift算法和人工智能不断发展，在技术上不断成熟，因而，使用图像识别技术、Sift算进行设备故障识别代替人工检测，提高故障检测的效率、准确率，较大程度的节约人工成本，实现减员增效，并结合人工进行进一步的确认，使得对于设备的故障的检测效率更高，能够有效的保证设备的正常运行，同时也减少所需要的人工，可以有效减少设备故障的安全隐患。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。
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 (7)

1.一种设备的运行故障用图形识别算法，其特征在于：包括以下步骤：
步骤一、收集设备的图像，并对收集到的设备图像进行整理。
步骤二、对设备采集到的待识别图像进行预处理，得到预处理后待识别图像。
步骤三、通过***，把***中所存储的设备正常运行图像与步骤二中的预处理图像进行对比，进行初步判断其故障原因。
步骤四、通过调取所采集设备运行状态的数据和调度监控信息的数据。
步骤五、分析故障原因和设备状态，再结合步骤三中，***所判定的故障原因，进行设备故障原因由人工进行结合判断，进而提供解决方案帮助处理人员进行处理。
2.根据权利要求1所述的一种设备的运行故障用图形识别算法，其特征在于：所述步骤一中采集设备图像包括包括设备正常状态下的图像和设备非正常状态下的图像以及正常状态下设备主要零件的位置和非正常状态下的设备主要零件的位置。
3.根据权利要求1所述的一种设备的运行故障用图形识别算法，其特征在于：所述步骤一中确定需要识别设备的种类和型号，将不同的样本图像进行归类，利用图像识别的Sift算法对设备的图形识别进行训练，每次随机选取样本，将验证准确率靠前的模型作为候选，并将采集新的样本进行检验，取准确率最高的模型为最终判定结果，模拟现场环境采集图像并进行测试，得出准确率，进行评估；并且将识别错误的结果进行纠正和新的样本加入训练库，重新进行训练，反复多次，从而提高准确率。
4.根据权利要求1所述的一种设备的运行故障用图形识别算法，其特征在于：所述调度监控信息包括监控信息表和设备运行状态。
5.根据权利要求1所述的一种设备的运行故障用图形识别算法，其特征在于：所述将需要的设备名称、连接关系、设备状态信息存入***数据库中，根据以往人工经验对出现故障的信号进行总结，将每一个故障出现的信号进行归纳，做出每个故障所响应信号的模型，通过对监控信号以及图像进行匹配得出其所包含的设备故障；针对各种设备故障模型的特点，总结故障信号的特征，对信号进行对比和匹配，找出对应的设备故障模型；根据设备故障模型的结构判断并确认符合的设备故障模型，从而得到故障原因，并将故障信号的特征提取出来，用于维修人员进行维修。
6.根据权利要求1所述的一种设备的运行故障用图形识别算法，其特征在于：所述步骤四中监控信号进行文件化，对每个信号进行顺序上的排列整理，过滤掉影响信号，从而便于提供信号存在的问题以及故障原因，再通过***以及人工分析得出故障的原因，从而能够有效的提出更为准确的故障处理方案。
7.根据权利要求1所述的一种设备的运行故障用图形识别算法，其特征在于：所述将采集到的待识别图像进行高斯滤波及灰度均衡化操作，去除噪声，便于***能够更为精确的对图像上的信息进行甄别，从而能够更为精确的判断出故障的原因。
CN202110032285.7A 2021-01-11 2021-01-11 一种设备的运行故障用图形识别算法 Pending CN114565883A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110032285.7A CN114565883A (zh) 2021-01-11 2021-01-11 一种设备的运行故障用图形识别算法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110032285.7A CN114565883A (zh) 2021-01-11 2021-01-11 一种设备的运行故障用图形识别算法

Publications (1)

Publication Number Publication Date
CN114565883A true CN114565883A (zh) 2022-05-31

Family

ID=81711087

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110032285.7A Pending CN114565883A (zh) 2021-01-11 2021-01-11 一种设备的运行故障用图形识别算法

Country Status (1)

Country Link
CN (1) CN114565883A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115307725A (zh) * 2022-10-11 2022-11-08 中国船舶重工集团公司第七一九研究所 根据声波图像变化实时播报船舶振动噪声异常分析***

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115307725A (zh) * 2022-10-11 2022-11-08 中国船舶重工集团公司第七一九研究所 根据声波图像变化实时播报船舶振动噪声异常分析***
CN115307725B (zh) * 2022-10-11 2022-12-30 中国船舶重工集团公司第七一九研究所 根据声波图像变化实时播报船舶振动噪声异常分析***

Similar Documents

Publication Publication Date Title
US11029260B2 (en) Solder paste printing quality inspection system and method
KR102141391B1 (ko) 군집 평가에 기반한 고장 데이터의 관리 방법
KR102123522B1 (ko) 고장 데이터의 군집에 기반한 고장 진단 방법
CN112660745A (zh) 托辊故障智能诊断方法、***及可读存储介质
CN114842273B (zh) Pcb缺陷检测模型的评估方法、评估装置及训练方法
CN117057644A (zh) 一种基于特性匹配的设备生产质量检测方法及***
CN111754737A (zh) 一种计量装置安装验收在线识别评价装置及评价方法
CN117630800A (zh) 一种电能表自动检定装置故障诊断方法及***
CN114565883A (zh) 一种设备的运行故障用图形识别算法
CN112985515B (zh) 一种产品紧固件装配合格性检测方法、***及存储介质
CN116957612B (zh) 一种纺织品出货的检验***
CN112215307B (zh) 一种应用机器学习自动检测地震仪器信号异常的方法
CN116380496B (zh) 一种汽车车门疲劳耐久测试方法、***及介质
CN112199295A (zh) 一种基于频谱的深度神经网络缺陷定位方法及***
CN112699609B (zh) 一种基于振动数据的柴油机可靠性模型构建方法
CN109975686B (zh) 一种基于红外图像处理的电路板短路自动识别方法
CN117654907B (zh) 用于带料检测机的自动剔除方法及***
CN111367789A (zh) 静态报告合并分析技术
CN112660746A (zh) 基于大数据技术的托辊故障诊断方法、***及存储介质
KR20210106038A (ko) 딥러닝 기반의 ai 기술을 활용한 2차전지 분리막 자동 검사장치
CN117250201B (zh) 一种泳池砖层缺陷检测方法及***
CN115659188B (zh) 一种基于事件关联的装备健康管理异常定位方法
CN111160454B (zh) 一种速变信号检测方法和装置
Tscheliesnig et al. Inspection of flat-bottomed storage tanks by acoustical methods; classification of corrosion related signals
CN116992437A (zh) 一种人工智能的应用软件异常检测***

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20220601

Address after: 214100 No. 18, Xichang Road, Yanqiao street, Huishan District, Wuxi City, Jiangsu Province

Applicant after: Wuxi Guangying Group Co.,Ltd.

Applicant after: STATE GRID JIANGSU ELECTRIC POWER CO., LTD. WUXI POWER SUPPLY Co.

Address before: 214000 No.12 Liangxi Road, Wuxi City, Jiangsu Province

Applicant before: STATE GRID JIANGSU ELECTRIC POWER CO., LTD. WUXI POWER SUPPLY Co.

SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination