申请/专利权人：中冶北方(大连)工程技术有限公司

申请日：2021-08-17

公开（公告）日：2024-04-23

公开（公告）号：CN113591251B

主分类号：G06F30/17

分类号：G06F30/17;G06F30/27;G06F16/51;G06F16/53;G06V10/77;G06V10/774;G06F119/08

优先权：

专利状态码：有效-授权

法律状态：2024.04.23#授权;2021.11.19#实质审查的生效;2021.11.02#公开

摘要：本发明涉及一种设备故障温度分析诊断方法，包括被监控设备和计算机处理系统，其特征在于,包括下列步骤：在监被控设备周边采用温度图像监控仪实时采集设备温度场图像数据；采用3D三维扫描仪获得设备外形三维图像数据，将上述两个数据匹配，构建三维温度数据图库，并对其进行处理，建立三维温度故障数据图库，采用深度学习VGG算法对三维温度故障数据图库进行学习训练，根据训练结果生成分析诊断模型；利用得到的分析诊断模型，对实时温度数据进行设备故障分析与诊断，判断设备运行是否正常并报警。本发明的优点是：能准确的自动在线分析诊断大型设备运行时的声音信息，做到实时分析及报警，避免重大损失发生。

主权项：1.一种设备故障温度分析诊断方法，包括被监控设备和计算机处理系统，其特征在于,包括下列步骤：步骤a：在被监控设备周边安装温度图像监控仪，并将所述的温度图像监控仪与计算机处理系统电性连接，对设备全表面实现无死角温度场采集，实时采集设备温度场图像数据；步骤b：在被监控设备旁布设3D三维扫描仪和工作站，手持3D三维扫描仪对设备进行三维扫描，获得设备外形三维图像数据，采用三维建模技术将设备外形三维图像数据与所采集的设备温度场图像数据匹配，构建三维温度数据图库；所述的步骤b中的构建三维温度数据图库由三维图像与温度场图像结合构成，具体过程如下：b1.计算机系统将采集到的设备外形三维图像数据以.stl形式存储，采用PYTHON中vtk库包实现对.stl读取，过程如下：b11调用vtk库文件；b12采用vtk.vtkSTLReader读取.stl中3D数据信息；b13用vtk.vtkPolyDataMapper将数据存入stlreader中的polydata；b14遍历polydata，将数据信息存储到对应数组变量，以便后续处理；b2..stl文件读取后，将热成像仪采集的设备温度场图像数据按照x，y坐标赋值给三维图的对应位置，并用设备温度场图像数据替代原有设备色彩数据，形成带有温度图像信息的三维温度数据图库，具体包括：b21设置文件目录及文件名称；b22将三维图像信息按x，y坐标映射到二维；b23使用Image.open打开.stl的降维图像数据；b24将温度数据赋值到降维图像中；b25将降维图像恢复到三维图像中；步骤c：通过PYTHON对构建的三维温度数据图库进行处理，建立三维温度故障数据图库，所述的三维温度故障数据图库包括采集并处理得到故障图和经验型故障图,将三维温度故障数据图库作为深度学习的数据；所述的步骤c中建立三维温度故障数据图库，包括如下步骤：c1建立数据库形式三维温度数据格式定义为：{[x,y,z],[R,G,B],[GZ]}其中[x,y,z]为设备的外形三维坐标值的衍生，并将z值设置为1、-1两个值以表示被测设备正反面，[R,G,B]为该坐标值对应的温度图像色值，[GZ]为故障类型代码,初始化阶段为空值，后期补充为具体故障类型;处理后的温度场数据以图形文件形式存入数据库，以供故障数据累积和深度学习使用；c2故障信息的采集设备运行期间，如发现设备出现故障，可作为故障样本存入故障数据图库[GZ]中，具体步骤如下：C21当设备故障发生时，记录下故障类型；C22查询故障时的三维温度数据图库；C23将三维温度数据图库信息与故障数据图库匹配；C24经分析认证，确认故障类型，将故障数据存入三维温度数据图库中；C25将三维温度故障图库数据上传至云端，作为云端数据图库共享;通过上述方式，建立三维温度故障数据图库，并通过不断的积累更新三维温度故障数据图库信息，使被学习数据逐渐完善，达到更高的检测率；步骤d：采用深度学习VGG算法对三维温度故障数据图库进行学习训练，根据训练结果生成分析诊断模型；所述的步骤d、采用深度学习VGG算法对三维温度故障数据图库进行学习训练，根据训练结果生成分析诊断模型，包括如下步骤：d1.启用PYTHON相关codecs、os、random、shutil模块,实现基础功能调用：d2.调取及分配训练集及验证集，将故障温度图随机划分80％为训练集，20％为验证集：d21读取样本总数量，d22随机生成个数为样本数量*20％数量的随机数，d23将此20％数据对应的文件标记为验证样本，d24其余80％标记为训练样本；d3.训练温度场故障数据集：d31用codecs.open打开训练集及验证集，d32遍历故障样本，d33使用os.listdir读取文件信息，d34将Image.open打开训练集，d35使用train_ratio模块开始训练，生成训练模型，d36使用text_ratio模块开始验证，检验正确率，d37如果准确率高于85％，保存模型，否则重新训练；d4.调用训程序模型检测实时数据；采用深度学习VGG算法对三维温度故障数据图库进行分析时，对于实时采集的设备温度场图像数据长期保存，当数据量累积至10TB时自动覆盖最前端数据；步骤e：利用得到的分析诊断模型，对实时温度数据进行设备故障分析与诊断，判断设备运行是否正常，若正常，则继续采集温度信号数据，进入步骤a，若不正常，则输出故障类型并报警。

全文数据：

权利要求：

百度查询： 中冶北方(大连)工程技术有限公司 设备故障温度分析诊断方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD