一种预警监控系统、方法及装置与流程

本发明属于预警监控，特别是一种预警监控系统、方法及装置。

背景技术：

1、工业设备类指的是例如空调主机、水泵、空压机、电机设备等公用能耗设备，由于工业设备在长期运行过程中会导致设备元件出现不同程度的损耗，因工业设备众多且分散，难以及时高效对设备元件进行全面监控。且在工业设备工作过程中，由于缺乏技术人员的实时看管，导致一旦出现易燃障碍物长期堆积在工业设备周围不及时清理，则可能造成一定的安全隐患，例如工业设备在工作过程中产生热量与易燃障碍物发生接触时则可能引发火灾。

技术实现思路

1、本发明的目的是提供一种预警监控系统、方法及装置，以解决现有技术中的不足，它通过提出包含预警监控模块、预警反馈模块以及自适应学习模块的预警监控系统,极大的提高工业设备的安全性，并提升了危险预警的准确性。

2、本申请的一个实施例提供了一种预警监控系统，应用于工业设备，所述工业设备设备内包括多个设备元件，所述系统包括：

3、通信连接的预警监控模块、预警反馈模块以及自适应学习模块，其中，

4、所述预警监控模块用于监控所述设备元件的状态信息以及所述工业设备的实时工作环境信息；

5、所述预警反馈模块用于分析所述设备元件的状态信息以及所述工业设备的实时工作环境信息，并输出对应的预警反馈值；

6、所述自适应学习模块用于接收并存储所述预警反馈值，并通过自适应神经网络模型动态确定所述工业设备的正常工作状态和预警状态之间的界限。

7、可选的，所述预警监控模块包括：

8、设备信息采集单元和环境信息采集单元，其中，

9、所述设备信息采集单元用于采集并分析预设时间内工业设备的设备元件信息，并确定与所述设备元件当前工作状态对应的磨损程度；

10、所述环境信息采集单元用于实时采集所述工业设备的运行信息以及感知范围内的障碍物信息；其中，所述运行信息包括工业设备的动力设备运行信息数据。

11、可选的，所述确定与所述设备元件当前工作状态对应的磨损程度，包括：

12、通过以下算式确定设备元件当前工作状态对应的磨损程度：

13、

14、其中，y表示磨损程度的量化值，t表示累积工作时间，表示工业设备磨损率，ei表示工业设备状态误差参数，θ表示设备元件与水平面的角度值，e0表示固有磨损率。

15、可选的，所述预警反馈模块包括：

16、障碍物确定单元、第一预警标识单元和第二预警标识单元，其中，

17、所述障碍物确定单元用于根据预先存储的电子地图、所述环境信息，通过三维成像技术生成数字孪生场景模型，所述数字孪生场景模型包含所述工业设备及所述工业设备感知范围内的障碍物信息；

18、所述第一预警标识单元用于将所述设备元件当前工作状态转化为对应的磨损程度值，并根据所述磨损程度值进行第一预警标识显示；

19、所述第二预警标识单元用于根据所述工业设备的工作监控信息，查找预先建立的数字孪生场景模型状态显示映射关系表，所述数字孪生场景模型采用与所述工业设备的工作监控信息中每一数据对应的数字孪生场景的状态显示方式进行第二预警标识。

20、可选的，所述自适应神经网络模型包括：

21、数据输入层、特征提取层、决策层和自我学习与优化层，其中，

22、所述数据输入层用于接收所述设备信息采集单元发送的采集数据；

23、所述特征提取层用于通过深度学习技术，接收所述数据输入层中的采集数据并自动提取数据特征；

24、所述决策层用于根据提取出的数据特征结合循环神经网络和/或长短时记忆网络进行决策，确定设备元件或工业设备的当前状态；

25、所述自我学习与优化层用于通过自适应粒子群算法动态调整工作环境中所述工业设备的正常工作状态和预警状态之间的界限，以获得最优预警监控反馈结果。

26、可选的，所述自我学习与优化层包括：

27、动态权重确定子单元以及粒子更新子单元，其中，

28、所述动态权重确定子单元用于通过以下算式动态确定工作环境中所述工业设备的正常工作状态和预警状态之间的预设权重值：

29、

30、其中，wi为预设权重，fi、fmax、fave分别表示粒子的当前适应度、最大适应度和平均适应度；

31、所述粒子更新子单元用于通过以下算式更新粒子速度和位置信息：

32、vi+1＝wi×vi+c1×r1×(pbesti-xi)+c2×r2×(gbesti-xi)

33、xi+1＝xi+vi

34、其中，c1、c2分别为个体学习因子和群体学习因子，r1、r2为0到1之间的随机数，pbesti与gbesti分别是个体最优预警监控反馈结果和群体最优预警监控反馈结果。

35、本申请的又一实施例提供了一种预警监控方法，应用于工业设备，所述工业设备设备内包括多个设备元件，所述方法包括：

36、接收预设时段内采集到的所述设备元件的状态信息以及所述工业设备的实时工作环境信息；

37、对预设时段内所述状态信息以及所述环境信息进行分析得到对应的预警反馈值；

38、基于所述预警反馈值，并通过自适应神经网络模型动态确定所述工业设备的正常工作状态和预警状态之间的界限，生成预警信息。

39、本申请的又一实施例提供了一种预警监控装置，应用于工业设备，所述工业设备设备内包括多个设备元件，所述装置包括：

40、接收模块，用于接收预设时段内采集到的所述设备元件的状态信息以及所述工业设备的实时工作环境信息；

41、分析模块，用于对预设时段内所述状态信息以及所述环境信息进行分析得到对应的预警反馈值；

42、确定模块，用于基于所述预警反馈值，并通过自适应神经网络模型动态确定所述工业设备的正常工作状态和预警状态之间的界限，生成预警信息。

43、本申请的又一实施例提供了一种存储介质，所述存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时实现上述所述的方法。

44、本申请的又一实施例提供了一种电子设备，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以实现上述所述的方法。

45、与现有技术相比，本发明提供一种预警监控系统，系统包括通信连接的预警监控模块、预警反馈模块以及自适应学习模块，其中，预警监控模块用于监控设备元件的状态信息以及工业设备的实时工作环境信息；预警反馈模块用于分析设备元件的状态信息以及工业设备的实时工作环境信息，并输出对应的预警反馈值；自适应学习模块用于接收并存储预警反馈值，并通过自适应神经网络模型动态确定工业设备的正常工作状态和预警状态之间的界限，极大提高了安全性。

技术特征：

1.一种预警监控系统，应用于工业设备，所述工业设备包括多个设备元件，其特征在于，所述系统包括：

2.根据权利要求1所述的系统，其特征在于，所述预警监控模块包括：

3.根据权利要求2所述的系统，其特征在于，所述确定与所述设备元件当前工作状态对应的磨损程度，包括：

4.根据权利要求1或3所述的系统，其特征在于，所述预警反馈模块包括：

5.根据权利要求4所述的系统，其特征在于，所述自适应神经网络模型包括：

6.根据权利要求5所述的系统，其特征在于，所述自我学习与优化层包括：

7.一种预警监控方法，应用于工业设备，所述工业设备设备内包括多个设备元件，其特征在于，所述方法包括：

8.一种预警监控装置，应用于工业设备，所述工业设备设备内包括多个设备元件，其特征在于，所述装置包括：

9.一种存储介质，其特征在于，所述存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时实现所述权利要求7中所述的方法。

10.一种电子设备，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以实现所述权利要求7中所述的方法。

技术总结
本发明公开了一种预警监控系统、方法及装置，系统包括通信连接的预警监控模块、预警反馈模块以及自适应学习模块，其中，预警监控模块用于监控设备元件的状态信息以及工业设备的实时工作环境信息；预警反馈模块用于分析设备元件的状态信息以及工业设备的实时工作环境信息，并输出对应的预警反馈值；自适应学习模块用于接收并存储预警反馈值，并通过自适应神经网络模型动态确定工业设备的正常工作状态和预警状态之间的界限，极大提高了安全性。

技术研发人员：董建,夏小平,陈小冬,王廷伟,尧德华,张正松,林尉铭
受保护的技术使用者：广州智业节能科技有限公司
技术研发日：
技术公布日：2024/3/21