一种基于5G的设备运维管理用多参量测量光栅传感系统的制作方法

本发明涉及设备运维管理，具体为一种基于5g的设备运维管理用多参量测量光栅传感系统。

背景技术：

1、设备运维管理需要对设备的运行环境、运行温度、电力输送、设备振动等一系列参量进行监控。目前一些设备间的环境比较复杂，电气设备的状态变化会带来瞬时电磁场的变化。传统的电学传感器和红外测温等技术易受电磁干扰和环境影响，效果不理想。光纤光栅传感具有抗电磁干扰、耐高温、绝缘、体积小、可靠性高等优点，根据应用的需求，光纤光栅传感可以设计成各种用于感知压力压强、拉力、振动、电磁、电流等需求的传感器，满足设备运维管理的多传感参量感知技术要求。

2、光纤光栅（fbg）的主要参量是谐振波长，光源在光纤中传输遇到栅区时，满足相位匹配条件的部分光会反射，称之为布拉格波长，其定义中心波长λb满足公式：

3、；

4、其中，neff为纤芯有效折射率，λ为光纤光栅周期。光纤光栅传感系统是由光纤传感器和解调系统组成。光纤光栅传感器为无源器件，外界温度、应力条件改变时，其中心波长发生偏移。光纤光栅波长的解调技术通过检测光纤光栅反射谱中心波长的漂移量计算被测量的变化。

5、光纤光栅传感器的安装位置对温度、应力有很大的影响，现有的光纤光栅传感器都是根据工作人员的经验来进行安装，这对工作人员的专业经验要求很高，不同人员的安装位置之间存在着差异，使得对同一监测量的监测值之间也会存在误差。为了对设备各参量进行更加准确的监测，需要对用于各参量测量的光栅传感器的安装位置进行更加准确的定位。

技术实现思路

1、本发明的目的在于提供一种基于5g的设备运维管理用多参量测量光栅传感系统，能够对光栅传感器的安装位置进行准确的定位，提高传感器对设备各参量的监测准确率。

2、为实现上述目的，本发明提供如下技术方案：一种基于5g的设备运维管理用多参量测量光栅传感系统，所述系统包括：

3、数字孪生模型构建模块，用于根据设备实体部件的尺寸参数和实体所处空间位置在5g网络空间内构建设备的数字孪生模型；将数字孪生模型放置于一个三维坐标空间内，基于设备所需要检测的部位，在数字孪生模型内构建光栅传感器的模糊安装空间；在所述模糊安装空间内构建虚拟光栅传感器模型；统计虚拟光栅传感器模型中心点在所述模糊安装空间内每次移动后的空间位置坐标集合a；

4、位置预测模型构建模块，用于通过卷积神经网络训练传感器安装位置和传感器监测值之间映射关系的安装位置预测模型；将虚拟光栅传感器模型中心点的空间位置坐标集合a输入到所述安装位置预测模型，得到虚拟光栅传感器模型的预测监测值集合b，对所述预测监测值集合b按照最优值在先原则进行排序，同时将对应预测监测值的虚拟光栅传感器模型中心点的空间位置坐标进行排序；

5、位置判断模块，用于对排序后的虚拟光栅传感器模型中心点的空间位置坐标进行筛选，并输出最佳安装坐标；

6、数据采集模块，包括用于根据设备监测需求布置在设备各个最佳安装坐标的用于监测温度、压力压强、拉力、振动、电磁、电流的若干种类型的光纤光栅传感器；

7、数据分析处理模块，用于对数据采集模块所采集数据进行分析处理；

8、设备运维模块，用于与数据分析处理模块无线通信，进行主动查询设备运行数据或接受预警信息。

9、优选的，模糊安装空间构建方法如下：

10、s101，从数据库内调取若干个光栅传感器的历史空间位置坐标作为训练集；

11、s102，构建距离预测模型，该模型使用高斯函数作为距离衰减函数，公式如下：

12、；

13、其中，p（a）为在点a处安装的概率，0<p（a）<1，d（a，a0）为点a和安装点a0之间的距离，σ为距离衰减参数，控制衰减速度；

14、s103，通过训练集对距离预测模型进行训练，使模型学习距离衰减参数σ；

15、s104，给定一个新的安装点，使用距离预测模型式计算其周围空间中每个点的安装可能性；

16、s105，通过对p（a）设定一个阈值，确定存在安装可能性的几何空间即为模糊安装空间。

17、进一步的，在s105中，将p（a）的阈值设置为大于等于0.5。

18、优选的，空间位置坐标集合a的获取方法如下：使虚拟光栅传感器模型在所述模糊安装空间内的横向、纵向以及竖直方向上移动，横向每次移动距离为△x，纵向每次移动距离为△y，竖向每次移动距离为△z，使虚拟光栅传感器模型的移动轨迹遍历模糊安装空间，统计虚拟光栅传感器模型中心点每次移动后的空间位置坐标，得到虚拟光栅传感器模型中心点的空间位置坐标集合a，其中：

19、；

20、其中，x0是虚拟光栅传感器模型中心点在横向上的初始位置，y0是虚拟光栅传感器模型中心点在纵向上的初始位置，z0是虚拟光栅传感器模型中心点在竖向上的初始位置，a是虚拟光栅传感器模型中心点在横向上的移动次数，b是虚拟光栅传感器模型中心点在纵向上的移动次数，c是虚拟光栅传感器模型中心点在竖向上的移动次数。

21、优选的，所述安装位置预测模型的构建方法如下：

22、s201，从服务器内调取同一监测点不同安装位置的若干个光栅传感器的型号参数数据、安装位置数据和历史监测数据；

23、s202，将s201中调取的若干个光栅传感器数据分为训练集和测试集；

24、s203，以安装位置数据和传感器型号参数数据作为输入量，以历史监测数据作为输出量，使用训练集数据训练卷积神经网络训练模型，模型会学习数据特征并建立预测模型；

25、s204，使用测试集对预测模型进行性能评估。

26、优选的，最佳安装坐标的判断方法如下：

27、s301，将排序后的虚拟光栅传感器模型中心点的空间位置坐标依次代入到设备的数字孪生模型内；

28、s302，判断当虚拟光栅传感器模型安装在所选的空间坐标时是否会与设备的数字孪生模型产生干涉或不存在安装支撑点；

29、s303，若存在干涉或不存在安装支撑点，则自动判断下一个空间坐标；

30、s304，直到所选空间坐标能够安装虚拟光栅传感器模型，停止筛选，并输出当前空间坐标作为虚拟光栅传感器模型的最佳安装坐标。

31、优选的，一种多参量测量光栅传感系统构建方法如下：

32、s401，构建设备的数字孪生模型，在设备的数字孪生模型上构建用于各参量测量的光栅传感器的模糊安装空间，在模糊安装空间内构建虚拟光栅传感器模型，统计虚拟光栅传感器模型中心点每次移动后在模糊安装空间内的空间位置坐标集合a；

33、s402，训练安装位置预测模型，将虚拟光栅传感器模型中心点的空间位置坐标集合a输入到所述安装位置预测模型，得到虚拟光栅传感器模型的预测监测值集合b，对所述预测监测值集合b按照最优值在先原则进行排序，同时将对应预测监测值的虚拟光栅传感器模型中心点的空间位置坐标进行排序；

34、s403，通过位置判断模块对排序后的虚拟光栅传感器模型中心点的空间位置坐标按顺序进行筛选，筛选出顺序在前且能够与设备的数字孪生模型匹配的虚拟光栅传感器模型的最佳安装坐标；

35、s404，将s403中得到的虚拟光栅传感器模型的最佳安装坐标输出作为光栅传感器安装位置坐标，根据设备监测需求在设备各个监测区域坐标安装光栅传感器；

36、s405，通过数据分析处理模块对s404中各个光栅传感器所采集数据进行分析处理；通过设备运维模块与数据分析处理模块无线通信，进行主动查询设备运行数据或接受预警信息。

37、与现有技术相比，本发明的有益效果如下：

38、本发明通过在5g空间内构建设备的数字孪生模型和虚拟光栅传感器模型；基于设备所需要检测的部位，在数字孪生模型内构建光栅传感器的模糊安装空间；通过位置预测模型获取虚拟光栅传感器模型在模糊安装空间内的预测监测值集合；将预测监测值集合按照最优值在先原则排序；根据预测监测值排序结果将对应的虚拟光栅传感器模型中心点的空间位置坐标进行排序；然后通过位置判断模块进行筛选，输出光栅传感器的最佳安装坐标。本发明能够提高设备运维管理过程中对温度、压力压强、拉力、振动、电磁、电流等参量测量的光栅传感器监测值的准确性。