【】本發(fā)明涉及工業(yè)互聯(lián)網(wǎng),尤其涉及一種基于工業(yè)互聯(lián)網(wǎng)的數(shù)據(jù)處理方法及系統(tǒng)。
背景技術(shù)
0、
背景技術(shù):
1、隨著工業(yè)互聯(lián)網(wǎng)的發(fā)展,生產(chǎn)線的智能化和自動(dòng)化程度不斷提高,如何有效地管理和監(jiān)控生產(chǎn)過程中各個(gè)環(huán)節(jié)的狀態(tài),成為了現(xiàn)代制造業(yè)面臨的重大挑戰(zhàn)。工業(yè)生產(chǎn)線通常包括多種復(fù)雜設(shè)備、人員流動(dòng)以及物料管理,各類數(shù)據(jù)的實(shí)時(shí)采集、分析和處理對(duì)于確保生產(chǎn)的順利進(jìn)行和安全生產(chǎn)具有重要意義。
2、然而,現(xiàn)有的生產(chǎn)監(jiān)控系統(tǒng)在處理這些多源數(shù)據(jù)時(shí),往往面臨以下幾個(gè)主要問題:數(shù)據(jù)采集和處理的多樣性和復(fù)雜性;實(shí)時(shí)風(fēng)險(xiǎn)識(shí)別和響應(yīng)的不足;智能決策能力的局限;多輸入數(shù)據(jù)的融合與分析困難。
3、因此,如何設(shè)計(jì)一種基于工業(yè)互聯(lián)網(wǎng)的智能數(shù)據(jù)處理方法,使其能夠?qū)Χ嘣磾?shù)據(jù)進(jìn)行有效采集、處理、分析,并通過先進(jìn)的算法實(shí)現(xiàn)綜合風(fēng)險(xiǎn)識(shí)別和智能決策,成為了當(dāng)前技術(shù)領(lǐng)域的一個(gè)重要研究方向。
技術(shù)實(shí)現(xiàn)思路
0、
技術(shù)實(shí)現(xiàn)要素:
1、有鑒于此,本發(fā)明實(shí)施例提供了一種基于工業(yè)互聯(lián)網(wǎng)的數(shù)據(jù)處理方法及系統(tǒng)。
2、第一方面,本發(fā)明實(shí)施例提供了一種基于工業(yè)互聯(lián)網(wǎng)的數(shù)據(jù)處理方法,所述方法包括:
3、s1、通過藍(lán)牙aoa定位系統(tǒng)采集生產(chǎn)線各個(gè)環(huán)節(jié)的人員、設(shè)備和物料的定位數(shù)據(jù),通過設(shè)備狀態(tài)傳感器采集設(shè)備的運(yùn)行狀態(tài)數(shù)據(jù)和/或電參數(shù),通過環(huán)境傳感器采集生產(chǎn)場(chǎng)所的溫度、濕度和/或氣體濃度參數(shù),通過攝像頭采集生產(chǎn)場(chǎng)所的監(jiān)控視頻數(shù)據(jù);
4、s2、將采集的數(shù)據(jù)通過工業(yè)互聯(lián)網(wǎng)設(shè)備傳輸至大數(shù)據(jù)中心服務(wù)器,并進(jìn)行清洗和預(yù)處理;
5、s3、根據(jù)設(shè)備的定位數(shù)據(jù)、運(yùn)行狀態(tài)數(shù)據(jù)和電參數(shù),識(shí)別設(shè)備的故障風(fēng)險(xiǎn),根據(jù)物料的定位數(shù)據(jù),識(shí)別物料異常狀況,根據(jù)環(huán)境傳感器提供的環(huán)境參數(shù),識(shí)別環(huán)境異常狀況,根據(jù)監(jiān)控視頻數(shù)據(jù)識(shí)別異常事件,向維護(hù)人員發(fā)送一級(jí)預(yù)警通知或者通過報(bào)警設(shè)備進(jìn)行一級(jí)報(bào)警;
6、s4、通過預(yù)先訓(xùn)練的卷積神經(jīng)網(wǎng)絡(luò)對(duì)多源化數(shù)據(jù)進(jìn)行分析,進(jìn)行綜合風(fēng)險(xiǎn)識(shí)別,輸出識(shí)別結(jié)果;
7、s5、將識(shí)別結(jié)果轉(zhuǎn)化為向量形式,執(zhí)行融合智能決策,所述智能決策包括向維護(hù)人員發(fā)送一級(jí)預(yù)警通知或者通過報(bào)警設(shè)備進(jìn)行一級(jí)報(bào)警、執(zhí)行二級(jí)報(bào)警、停機(jī)和/或者向管理者的管理端上報(bào)。
8、如上所述的方面和任一可能的實(shí)現(xiàn)方式,進(jìn)一步提供一種實(shí)現(xiàn)方式,所述s1具體包括:
9、預(yù)先在生產(chǎn)場(chǎng)所布置藍(lán)牙aoa定位基站,用于收集設(shè)置在生產(chǎn)線各個(gè)環(huán)節(jié)人員、設(shè)備和物料上藍(lán)牙標(biāo)簽發(fā)送的定位信號(hào);
10、預(yù)先在設(shè)備上安裝設(shè)備狀態(tài)傳感器,所述設(shè)備狀態(tài)傳感器包括震動(dòng)傳感器、壓力傳感器、電流傳感器和/或電壓傳感器,以監(jiān)控設(shè)備的震動(dòng)、內(nèi)部的壓力、電流和/或電壓數(shù)據(jù);
11、預(yù)先在生產(chǎn)場(chǎng)所布置環(huán)境傳感器,所述環(huán)境傳感器包括溫度傳感器、濕度傳感器和/或氣體傳感器,用于收集生產(chǎn)場(chǎng)所的溫度、濕度和/或目標(biāo)氣體濃度參數(shù);
12、預(yù)先在生產(chǎn)場(chǎng)所布置攝像頭,用于通過攝像頭采集生產(chǎn)場(chǎng)所的監(jiān)控視頻數(shù)據(jù);
13、預(yù)先為維護(hù)人員配置移動(dòng)端;
14、所述工業(yè)互聯(lián)網(wǎng)設(shè)備用于接收藍(lán)牙aoa定位基站、設(shè)備狀態(tài)傳感器、環(huán)境傳感器、攝像頭和移動(dòng)端傳輸?shù)臄?shù)據(jù)。
15、如上所述的方面和任一可能的實(shí)現(xiàn)方式,進(jìn)一步提供一種實(shí)現(xiàn)方式,所述s3中根據(jù)設(shè)備的定位數(shù)據(jù)、運(yùn)行狀態(tài)數(shù)據(jù)和電參數(shù),識(shí)別設(shè)備的故障風(fēng)險(xiǎn),具體包括:
16、對(duì)采集到的數(shù)據(jù)進(jìn)行清洗和歸一化處理,去除噪聲和異常值,將清洗后的數(shù)據(jù)進(jìn)行融合,形成設(shè)備的綜合運(yùn)行數(shù)據(jù)集;
17、對(duì)設(shè)備的綜合運(yùn)行數(shù)據(jù)集進(jìn)行特征提取,提取關(guān)鍵特征值,包括移動(dòng)頻率、震動(dòng)幅度、壓力變化、電流波動(dòng)和電壓波動(dòng)關(guān)鍵特征;
18、根據(jù)故障風(fēng)險(xiǎn)評(píng)分公式計(jì)算設(shè)備的故障風(fēng)險(xiǎn),所述故障風(fēng)險(xiǎn)的評(píng)分公式如下:
19、r=w1·fm+w2·fs+w3·p+w4·c+w5·v+w6·he-λt,
20、w1+w2+w3+w4+w5+w6=1,
21、
22、其中,r為設(shè)備故障風(fēng)險(xiǎn)評(píng)分,fm為設(shè)備的移動(dòng)頻率,fs為設(shè)備的震動(dòng)特征值,p為壓力特征值,c為電流特征值,v為電壓特征值,h為設(shè)備維護(hù)歷史評(píng)分,e為自然常數(shù),λ為時(shí)間衰減系數(shù),t為距離上次維護(hù)的時(shí)間,w1、w2、w3、w4、w5和w6分別為特征值的權(quán)重系數(shù),mi為第i次維護(hù)后的設(shè)備運(yùn)行天數(shù),qi為表示第i次維護(hù)的質(zhì)量評(píng)分,由維護(hù)人員打分得出,n為總的維護(hù)次數(shù);
23、將獲取的故障風(fēng)險(xiǎn)與預(yù)先設(shè)定的風(fēng)險(xiǎn)閾值進(jìn)行比較,當(dāng)故障風(fēng)險(xiǎn)評(píng)分超過風(fēng)險(xiǎn)閾值時(shí),生成故障預(yù)警信息,向維護(hù)人員的維護(hù)端發(fā)送設(shè)備一級(jí)預(yù)警通知,所述設(shè)備一級(jí)預(yù)警通知包括設(shè)備位置、id和故障類型;
24、獲取維護(hù)人員和故障風(fēng)險(xiǎn)設(shè)備的定位數(shù)據(jù),當(dāng)兩者在預(yù)設(shè)時(shí)間內(nèi)未完成定位接觸,則通過報(bào)警設(shè)備進(jìn)行一級(jí)報(bào)警;
25、獲取維護(hù)人員的維護(hù)端發(fā)送的維護(hù)記錄和質(zhì)量評(píng)分,更新設(shè)備維護(hù)歷史數(shù)據(jù)庫。
26、如上所述的方面和任一可能的實(shí)現(xiàn)方式,進(jìn)一步提供一種實(shí)現(xiàn)方式,所述s3中根據(jù)物料的定位數(shù)據(jù),識(shí)別物料異常狀況,具體包括:
27、對(duì)采集到的物料定位數(shù)據(jù)進(jìn)行清洗和歸一化處理,去除噪聲和異常值;
28、對(duì)物料的定位數(shù)據(jù)進(jìn)行軌跡分析,提取物料的移動(dòng)路徑和停留點(diǎn);
29、根據(jù)物料的歷史定位數(shù)據(jù),設(shè)定物料的正常移動(dòng)模式,包括正常的移動(dòng)路徑、停留時(shí)間和移動(dòng)頻率;
30、將當(dāng)前物料的移動(dòng)路徑和停留點(diǎn)與設(shè)定的正常移動(dòng)模式進(jìn)行比較,識(shí)別物料異常狀況;
31、如果識(shí)別到路徑異常,生成路徑異常預(yù)警信息;如果識(shí)別到停留時(shí)間異常,生成停留時(shí)間異常預(yù)警信息;如果識(shí)別到移動(dòng)頻率異常,生成移動(dòng)頻率異常預(yù)警信息;
32、向維護(hù)人員的維護(hù)端發(fā)送物料一級(jí)預(yù)警通知,所述物料一級(jí)預(yù)警通知包括物料位置、id和異常類型;
33、獲取相關(guān)人員和異常物料的定位數(shù)據(jù),監(jiān)控相關(guān)人員和異常物料的位置關(guān)系,當(dāng)相關(guān)人員在預(yù)設(shè)時(shí)間內(nèi)未完成定位接觸,則通過報(bào)警設(shè)備進(jìn)行一級(jí)報(bào)警;
34、獲取維護(hù)人員的維護(hù)端發(fā)送的維護(hù)記錄,更新物料異常處理數(shù)據(jù)庫。
35、如上所述的方面和任一可能的實(shí)現(xiàn)方式,進(jìn)一步提供一種實(shí)現(xiàn)方式,所述s3中根據(jù)環(huán)境傳感器提供的環(huán)境參數(shù),識(shí)別環(huán)境異常狀況,具體包括:
36、通過環(huán)境傳感器獲取生產(chǎn)場(chǎng)所的溫度、濕度和/或目標(biāo)氣體濃度參數(shù),對(duì)采集到的環(huán)境參數(shù)數(shù)據(jù)進(jìn)行清洗和歸一化處理,去除噪聲和異常值;
37、根據(jù)歷史環(huán)境數(shù)據(jù)和標(biāo)準(zhǔn)操作規(guī)程,設(shè)定各環(huán)境參數(shù)的正常范圍;
38、實(shí)時(shí)監(jiān)測(cè)環(huán)境參數(shù),將實(shí)時(shí)環(huán)境參數(shù)與設(shè)定的正常范圍進(jìn)行比較,識(shí)別是否存在環(huán)境異常狀況;
39、當(dāng)識(shí)別到環(huán)境異常狀況時(shí),生成異常預(yù)警信息,向維護(hù)人員的維護(hù)端發(fā)送環(huán)境一級(jí)預(yù)警通知,所述環(huán)境一級(jí)預(yù)警通知包括異常環(huán)境參數(shù)、位置和異常類型;
40、獲取維護(hù)人員的維護(hù)端和異常環(huán)境參數(shù)的定位數(shù)據(jù);
41、監(jiān)控相關(guān)人員和異常環(huán)境傳感器的位置關(guān)系,當(dāng)維護(hù)人員在預(yù)設(shè)時(shí)間內(nèi)未完成預(yù)設(shè)范圍內(nèi)的定位接觸,則通過報(bào)警設(shè)備進(jìn)行一級(jí)報(bào)警;
42、獲取維護(hù)人員的維護(hù)端發(fā)送的維護(hù)記錄,更新環(huán)境參數(shù)異常處理數(shù)據(jù)庫。
43、如上所述的方面和任一可能的實(shí)現(xiàn)方式,進(jìn)一步提供一種實(shí)現(xiàn)方式,所述s3中根據(jù)監(jiān)控視頻數(shù)據(jù)識(shí)別異常事件,具體包括:
44、獲取攝像頭的安裝參數(shù),在攝像頭視角范圍內(nèi)選擇多個(gè)固定的參考點(diǎn),所述參考點(diǎn)坐標(biāo)通過藍(lán)牙標(biāo)簽獲取,基于參考點(diǎn)的物理空間坐標(biāo),在視頻圖像中建立二維監(jiān)控坐標(biāo)系,將所述參考點(diǎn)的物理空間坐標(biāo)映射到視頻圖像中形成監(jiān)控坐標(biāo)系,完成視頻與物理空間的坐標(biāo)映射與定位;
45、從生產(chǎn)場(chǎng)所的攝像頭獲取實(shí)時(shí)監(jiān)控視頻數(shù)據(jù),將采集到的監(jiān)控視頻數(shù)據(jù)進(jìn)行預(yù)處理,所述預(yù)處理包括視頻去噪和圖像增強(qiáng);
46、分析視頻數(shù)據(jù),檢測(cè)是否存在疑似火焰;
47、當(dāng)確認(rèn)存在疑似火焰后,向維護(hù)人員的移動(dòng)端發(fā)送火災(zāi)預(yù)警一級(jí)通知,所述火災(zāi)預(yù)警一級(jí)通知包括疑似火焰監(jiān)控圖像、發(fā)生時(shí)間和定位;
48、獲取維護(hù)人員的維護(hù)端和疑似火焰的定位數(shù)據(jù);
49、監(jiān)控相關(guān)人員和疑似火焰的位置關(guān)系,當(dāng)維護(hù)人員在預(yù)設(shè)時(shí)間內(nèi)未完成預(yù)設(shè)范圍內(nèi)的定位接觸,則通過報(bào)警設(shè)備進(jìn)行一級(jí)報(bào)警,并根據(jù)疑似火焰的定位數(shù)據(jù)打開其預(yù)設(shè)范圍內(nèi)的消防噴淋頭;
50、獲取維護(hù)人員的維護(hù)端發(fā)送的維護(hù)記錄,更新監(jiān)控視頻異常處理數(shù)據(jù)庫。
51、如上所述的方面和任一可能的實(shí)現(xiàn)方式,進(jìn)一步提供一種實(shí)現(xiàn)方式,所述檢測(cè)是否存在疑似火焰,具體包括:
52、在視頻圖像中提取每個(gè)像素的顏色信息,將rgb顏色空間轉(zhuǎn)換為hsv顏色空間;定義火焰的顏色范圍,設(shè)置h通道在0%-50%,s通道在50%-100%,v通道在在50%-100%;對(duì)每一幀圖像進(jìn)行顏色檢測(cè),識(shí)別符合火焰顏色特征的像素,并生成一個(gè)二值化的火焰候選區(qū)域圖像;
53、分析視頻幀之間的差異,通過光流法分析火焰候選區(qū)域內(nèi)的像素運(yùn)動(dòng),檢測(cè)火焰的隨機(jī)閃爍和邊緣跳動(dòng),使用背景減除算法識(shí)別火焰的動(dòng)態(tài)變化,縮小火焰候選區(qū)域圖像的火焰候選區(qū)域,排除非火焰的顏色匹配對(duì)象;
54、使用sift相似性匹配算法將當(dāng)前檢測(cè)到的火焰候選區(qū)域與歷史火焰圖像庫進(jìn)行比對(duì),判斷是否與之前的火焰事件特征匹配;
55、為顏色檢測(cè)、動(dòng)態(tài)模式識(shí)別和歷史數(shù)據(jù)核對(duì)結(jié)果分配不同權(quán)值,并基于權(quán)重計(jì)算火焰疑似值,將得到的火焰疑似值與預(yù)先設(shè)定的可信度閾值進(jìn)行比較,當(dāng)火焰疑似值超過可信度閾值時(shí),則判斷存在疑似火焰。
56、如上所述的方面和任一可能的實(shí)現(xiàn)方式,進(jìn)一步提供一種實(shí)現(xiàn)方式,所述當(dāng)確認(rèn)存在疑似火焰后還包括:
57、在確認(rèn)存在疑似火焰后,獲取疑似火焰的定位,生成一個(gè)覆蓋預(yù)設(shè)半徑的范圍區(qū)域作為危險(xiǎn)區(qū)域;
58、基于藍(lán)牙aoa定位系統(tǒng)確定定位在當(dāng)前危險(xiǎn)區(qū)域內(nèi)的人員名單,并根據(jù)人員的歷史移動(dòng)數(shù)據(jù)篩選曾途徑當(dāng)前危險(xiǎn)區(qū)域的人員,更新人員名單生成危險(xiǎn)人員名單;
59、向維護(hù)人員的移動(dòng)端發(fā)送危險(xiǎn)人員名單和撤離通知,并通過報(bào)警設(shè)備播報(bào)危險(xiǎn)人員名單人名的火災(zāi)告警信息。
60、如上所述的方面和任一可能的實(shí)現(xiàn)方式,進(jìn)一步提供一種實(shí)現(xiàn)方式,所述s4具體包括:
61、獲取采集到的定位數(shù)據(jù)、運(yùn)行狀態(tài)數(shù)據(jù)和/或電參數(shù)、溫度、濕度和/或氣體濃度參數(shù)以及監(jiān)控視頻數(shù)據(jù)對(duì)不同數(shù)據(jù)源的時(shí)間戳進(jìn)行同步,通過特征提取工具對(duì)不同類型的數(shù)據(jù)進(jìn)行初步處理,形成適于基于多輸入結(jié)構(gòu)的卷積神經(jīng)網(wǎng)絡(luò)模型輸入格式的多源化數(shù)據(jù)集;
62、加載預(yù)先訓(xùn)練的基于多輸入結(jié)構(gòu)的卷積神經(jīng)網(wǎng)絡(luò)模型;
63、將處理后的多源化數(shù)據(jù)集作為輸入數(shù)據(jù),輸入到基于多輸入結(jié)構(gòu)的卷積神經(jīng)網(wǎng)絡(luò)模型中;
64、在基于多輸入結(jié)構(gòu)的卷積神經(jīng)網(wǎng)絡(luò)模型中通過多層卷積操作對(duì)輸入數(shù)據(jù)進(jìn)行特征提取,通過基于多輸入結(jié)構(gòu)的卷積神經(jīng)網(wǎng)絡(luò)模型的全連接層將提取的特征進(jìn)行整合和分類;
65、根據(jù)基于多輸入結(jié)構(gòu)的卷積神經(jīng)網(wǎng)絡(luò)模型的輸出,生成風(fēng)險(xiǎn)識(shí)別結(jié)果。
66、第二方面,本發(fā)明實(shí)施例提供了一種利用上述方法的基于工業(yè)互聯(lián)網(wǎng)的數(shù)據(jù)處理系統(tǒng),包括:
67、生產(chǎn)數(shù)據(jù)采集模塊,用于通過藍(lán)牙aoa定位系統(tǒng)采集生產(chǎn)線各個(gè)環(huán)節(jié)的人員、設(shè)備和物料的定位數(shù)據(jù),通過設(shè)備狀態(tài)傳感器采集設(shè)備的運(yùn)行狀態(tài)數(shù)據(jù)和/或電參數(shù),通過環(huán)境傳感器采集生產(chǎn)場(chǎng)所的溫度、濕度和/或氣體濃度參數(shù),通過攝像頭采集生產(chǎn)場(chǎng)所的監(jiān)控視頻數(shù)據(jù);;
68、數(shù)據(jù)處理模塊,用于將采集的數(shù)據(jù)通過工業(yè)互聯(lián)網(wǎng)設(shè)備傳輸至大數(shù)據(jù)中心服務(wù)器,并進(jìn)行清洗和預(yù)處理;
69、風(fēng)險(xiǎn)緊急識(shí)別模塊,用于根據(jù)設(shè)備的定位數(shù)據(jù)、運(yùn)行狀態(tài)數(shù)據(jù)和電參數(shù),識(shí)別設(shè)備的故障風(fēng)險(xiǎn),根據(jù)物料的定位數(shù)據(jù),識(shí)別物料異常狀況,根據(jù)環(huán)境傳感器提供的環(huán)境參數(shù),識(shí)別環(huán)境異常狀況,根據(jù)監(jiān)控視頻數(shù)據(jù)識(shí)別異常事件,向維護(hù)人員發(fā)送一級(jí)預(yù)警通知或者通過報(bào)警設(shè)備進(jìn)行一級(jí)報(bào)警;
70、風(fēng)險(xiǎn)綜合識(shí)別模塊,用于通過預(yù)先訓(xùn)練的卷積神經(jīng)網(wǎng)絡(luò)對(duì)多源化數(shù)據(jù)進(jìn)行分析,進(jìn)行綜合風(fēng)險(xiǎn)識(shí)別,輸出識(shí)別結(jié)果;
71、智能決策模塊,用于將識(shí)別結(jié)果轉(zhuǎn)化為向量形式,執(zhí)行融合智能決策,所述智能決策包括向維護(hù)人員發(fā)送一級(jí)預(yù)警通知或者通過報(bào)警設(shè)備進(jìn)行一級(jí)報(bào)警、執(zhí)行二級(jí)報(bào)警、停機(jī)和/或者向管理者的管理端上報(bào)。
72、上述技術(shù)方案中的一個(gè)技術(shù)方案具有如下有益效果:
73、本發(fā)明實(shí)施例的方法中,提出了一種基于工業(yè)互聯(lián)網(wǎng)的數(shù)據(jù)處理方法及系統(tǒng),通過引入藍(lán)牙aoa定位系統(tǒng)、設(shè)備狀態(tài)傳感器、環(huán)境傳感器和監(jiān)控視頻采集系統(tǒng),本發(fā)明實(shí)現(xiàn)了對(duì)生產(chǎn)線各個(gè)環(huán)節(jié)的人員、設(shè)備和物料的全面監(jiān)控,并通過工業(yè)互聯(lián)網(wǎng)平臺(tái)將這些多源化數(shù)據(jù)實(shí)時(shí)傳輸至大數(shù)據(jù)中心進(jìn)行清洗和預(yù)處理,利用算法和模型對(duì)多源化數(shù)據(jù)進(jìn)行深度分析和特征提取,能夠有效識(shí)別設(shè)備故障、物料異常、環(huán)境異常以及火災(zāi)等潛在風(fēng)險(xiǎn),并通過智能決策模塊對(duì)這些識(shí)別結(jié)果進(jìn)行綜合分析,生成相應(yīng)的報(bào)警和應(yīng)急處理措施,不僅提升了工業(yè)互聯(lián)網(wǎng)系統(tǒng)的智能化水平,而且增強(qiáng)了生產(chǎn)線在復(fù)雜環(huán)境下的安全性和穩(wěn)定性,具有廣泛的應(yīng)用前景和實(shí)用價(jià)值。