本发明涉及隧道照明,尤其涉及一种隧道照明系统的故障诊断方法及系统。
背景技术:
1、隧道是一段半封闭的空间,自然光无法照射其中,为了保证行驶的连贯性及行车人的生命安全,即便是白天其内部全程也需要人工照明,隧道照明是隧道建设中不可或缺的一部分。
2、隧道照明可以改善隧道内路面状况,改善隧道内视觉享受,减轻驾驶员疲劳,有利于提高隧道通行能力保证交通安全。在古代,火把作为最常用的照明工具被运用到了隧道照明中,照明设施非常简陋且十分不方便。此后,随着我国工业化社会的到来,隧道照明领域的发展有了长足的进步。
3、近年来,随着物联网技术的快速发展,隧道照明领域更是有了翻天覆地的变化,在确保了正常照明的同时,也能节省电力,还能对隧道内的照明设施进行人性化控制和管理。隧道照明系统是现代交通工程的重要组成部分,主要用于保障隧道内车辆和行人的安全行驶。然而,在隧道照明系统的运行过程中,常常会出现各种故障,如灯具故障、电源故障、电路故障等,这些故障严重影响了隧道照明系统的稳定性和可靠性。
4、传统的隧道照明系统故障诊断方法主要依靠人工巡检和故障定位,但这种方法需要耗费大量的时间和人力,而且容易受到人为因素的干扰,无法保证诊断的准确性和时效性。
技术实现思路
1、本发明提供一种隧道照明系统的故障诊断方法及系统,用于解决上述技术问题。
2、为了实现上述目的,本发明实施例提供如下技术方案:
3、本发明提供了一种隧道照明系统的故障诊断方法,包括如下步骤:
4、s1.采集隧道照明系统的工作状态数据,对采集到的工作状态数据进行预处理;
5、s2.对预处理后的工作状态数据进行故障诊断,判断故障是否存在;
6、s3.对故障诊断进行分析,确认故障类型;
7、s4.对故障类型进行二次确认并给出解决方案,查询能否自主维修。
8、进一步的,采集隧道照明系统的工作状态数据,对采集到的工作状态数据进行预处理,包括:采集隧道照明系统的工作状态数据,对有具体数值的设备按实际数值统计,对没有具体数值的设备,用0、1来表示其是否可以正常工作,1表示故障,0表示正常,其中,隧道照明系统的工作状态数据至少包括如下一种数据:
9、灯具亮度、电源电压、电源电流和控制器状态。
10、进一步的,采集隧道照明系统的工作状态数据,对采集到的工作状态数据进行预处理,还包括:数据清洗,其中,数据清洗包括去除噪声和去除异常采集的数据。
11、进一步的,对预处理后的工作状态数据进行故障诊断,判断故障是否存在,包括:
12、将预处理后的工作状态数据导入故障诊断系统;
13、根据预设的规则来判断可能的故障类型;
14、根据采集到的隧道照明系统的工作状态数据进行分析,判断是否存在故障,并进一步判断可能的故障类型。
15、进一步的,预设的规则至少包括如下一种规则:
16、基于经验的规则、基于专家知识的规则。
17、进一步的,对故障诊断进行分析,确认故障类型,包括:
18、对采集到的隧道照明系统的工作状态数据进行训练,建立隧道照明系统故障类型分类模型;
19、对采集到的隧道照明系统的工作状态数据进行分析和分类,得到最终的故障类型。
20、进一步的,隧道照明系统故障类型分类模型的构建采用监督学习方法,使用历史故障数据和对应的修复方案作为训练数据,其实现过程具体如下:
21、s701.数据预处理:将采集到的历史故障数据进行清洗、去噪和缺失值处理等操作,得到干净的数据集;
22、s702.特征工程:根据故障类型的特点,从数据集中提取出对分类有影响的特征,如温度、电流和电压;
23、s703.模型训练:使用多种监督学习算法,如决策树、逻辑回归、支持向量机等,对提取出的特征进行训练,并根据测试集的评估结果选择最优的算法和参数;
24、s704.模型评估:使用测试集对训练好的机器学习模型进行评估,评估指标包括:准确率、召回率、精度和f1分数;
25、s705.模型优化:根据评估结果对模型进行优化,包括:参数调整、特征选择和数据扩增。
26、进一步的,对故障类型进行二次确认并给出解决方案,查询能否自主维修,包括:
27、根据知识库和规则来进一步判断故障类型,并给出修复建议;
28、专家系统模块根据规则引擎模块和机器学习模块判断出的故障类型,从知识库中查找相应的故障修复方案;
29、专家系统模块根据知识库中的故障修复方案,给出最终的修复建议。
30、进一步的,对故障类型进行二次确认并给出解决方案,查询能否自主维修,包括:根据专家系统给出的修复建议,对隧道照明系统进行修复,可以实现自动化修复,也可以通过提供修复指南的方式,协助操作人员进行手动修复。
31、进一步的,一种隧道照明系统的故障诊断系统,包括:
32、数据采集模块,用于采集隧道照明系统的工作状态数据;
33、规则引擎模块,用于判断基础故障;
34、机器学习模块,用于确定故障类型;
35、专家系统模块,用于实现故障诊断结果校准,并给出解决方案;
36、修复控制模块,用于根据专家系统模块给出的修复建议,对隧道照明系统进行修复。
37、本申请发明的有益效果:数据采集模块、规则引擎模块、机器学习模块和专家系统模块互相配合完成故障诊断任务,故障发生后,通过数据采集模块采集隧道照明系统的工作状态数据,通过规则引擎模块来判断基础故障,然后通过机器学习模块确定故障类型,最后通过专家系统模块实现故障诊断结果校准并给出解决方案,无需耗费大量的时间和人力,保证了诊断的准确性和时效性,提高隧道照明系统故障的自动化和智能化诊断水平,为隧道照明系统的安全稳定运行提供保障。
38、本发明的这些和其它目的、特点和优势,通过下述的详细说明,得以充分体现。
1.一种隧道照明系统的故障诊断方法,其特征在于,故障诊断方法包括如下步骤:
2.如权利要求1所述的一种隧道照明系统的故障诊断方法,其特征在于,采集隧道照明系统的工作状态数据,对采集到的工作状态数据进行预处理,包括:采集隧道照明系统的工作状态数据,对有具体数值的设备按实际数值统计,对没有具体数值的设备,用0、1来表示其是否可以正常工作,1表示故障,0表示正常,其中,隧道照明系统的工作状态数据至少包括如下一种数据:
3.如权利要求2所述的一种隧道照明系统的故障诊断方法,其特征在于,采集隧道照明系统的工作状态数据,对采集到的工作状态数据进行预处理,还包括:数据清洗,其中,数据清洗包括去除噪声和去除异常采集的数据。
4.如权利要求1所述的一种隧道照明系统的故障诊断方法,其特征在于,对预处理后的工作状态数据进行故障诊断,判断故障是否存在,包括:
5.如权利要求4所述的一种隧道照明系统的故障诊断方法,其特征在于,预设的规则至少包括如下一种规则:
6.如权利要求5所述的一种隧道照明系统的故障诊断方法,其特征在于,对故障诊断进行分析,确认故障类型,包括:
7.如权利要求6所述的一种隧道照明系统的故障诊断方法,其特征在于,隧道照明系统故障类型分类模型的构建采用监督学习方法,使用历史故障数据和对应的修复方案作为训练数据,其实现过程具体如下:
8.如权利要求7所述的一种隧道照明系统的故障诊断方法,其特征在于,对故障类型进行二次确认并给出解决方案,查询能否自主维修,包括:
9.如权利要求8所述的一种隧道照明系统的故障诊断方法,其特征在于,对故障类型进行二次确认并给出解决方案,查询能否自主维修,包括:根据专家系统给出的修复建议,对隧道照明系统进行修复,可以实现自动化修复,也可以通过提供修复指南的方式,协助操作人员进行手动修复。
10.一种隧道照明系统的故障诊断系统,其特征在于,所述故障诊断系统包括: