[发明专利]一种特种设备现场维保监控方法及系统

权利要求书

1.一种特种设备现场维保监控方法，适用于包括大数据服务器和现场设备的监控系统，其特征在于，

包括以下步骤：

A1）同步目标特种设备档案数据到现场设备；

A2）开启维保项目监控，现场设备开始收集现场数据，现场设备根据收集到的现场数据识别出正在进行的维保项目，根据目标特种设备档案数据判断正在进行的维保项目是否为流程正确的维保项目，若是，则继续收集现场数据直到维保项目完成，若否，则发出警告并重新开始本步骤；

A3）现场设备与大数据服务器进行数据交互；

步骤A2）中进行的维保项目为电梯轿门开/关的项目维保，

电梯轿门开/关的项目维保按以下方法进行：

E1、在大数据服务器上至少存储有目标特种设备的以下数据，作为目标特种设备的档案数据：a)电梯型号、b)电梯轿门的型号、c)轿门的图像特征数据、d)与轿门开/关相关的器件的图像特征数据、e)轿门正常开关的速度曲线、f)与轿门开/关相关的器件正常运动速度曲线，以函数形式或函数的参数形式、g)安装在轿门上的加速度传感器的数据、h)大数据服务器的故障预判结果，由现场已传回的数据进行的判断、i)上次维保时间、维保结果以及器件更换记录；其中图像特征数据包括：门的形状、门边长相对比例、门的颜色和纹理、开/关过程中门是否沿中间对称、门框形状、门框边长相对比例、门框的颜色和纹理；

E2、维保人员携带现场设备到达目标特种设备后，发出语音控制指令或手势指令后，开启“现在开始轿门是否正常开关维保项目”的维保项目监控，即现场设备开启视频录入模块进行现场图像的录入，同时现场设备的处理器提取录入的图像信息的特征，图像信息的特征为轿门的当前静态特征，并与下载的目标特种设备档案数中的图像特征数据对比，判断维保工人的维保器件是否是本次维保目标电梯的轿门，若是则提示验证通过，并确定当前静态特征为本次维保项目的基准静态特征，反之，则发出错误提示并重新开始本步骤；

E3、维保人员通过声音或手势发出“检测轿门开启”指令，现场设备开始录像并进行维保项目识别，判断维保人员是否正在进行轿门开的项目维保，现场设备的处理器采集到维保时图像信息中设定帧，或每一帧，设定方式由人工进行确定，的静态特征并与维保时的时间进行关联，将关联后静态特征与基准静态特征相对比，以此获得当前轿门维保时的动态特征，通过对动态特征中设定参数的提取，获取轿门开过程中轿门的速度曲线，函数形式或函数的参数形式，形式与档案数据相适应，将之与下载的档案数据对比，根据函数的差异度，判断轿门开过程是否正常，此次判断可以是通过隶属度函数的形式，也可以是阈值对比或者是加权函数对比的形式来进行，以阈值形式来对比最为简单，只要在阈值范围内即可认定为正常，则现场设备发出“检测正常”，反之超出阈值范围，则发出“检测异常”的信号；当维保人员通过声音或手势发出“检测轿门关闭”指令时，现场设备开始录像并进行维保项目识别，判断维保人员是否正在进行轿门关闭的项目维保，同时采集轿门关闭过程中轿门的速度曲线与下载的档案数据对比，判断轿门关闭过程是否正常，若正常，现场设备发出“检测正常”，反之，发出“检测异常”；

E4、该维保项目完成后，安装在轿门的加速度传感器会实时将采集数据上传大数据服务器，大数据服务器会比对之前的数据或状态，包括开关门功能、加速度及速度曲线，同时现场设备录制的视频数据也将上传到大数据服务器；大数据服务器更新目标特种设备的档案数据；若在维保前大数据服务器发现传感器数据异常，则根据维保后传感器数据或维保过程中采集的现场数据，判断征兆是否消失，若没有消失，则提交人工标记，并将标记后的数据归入有效样本，作为后续的神经网络学习判断的样本数据，其中神经网络学习的样本数据来源还包括经人工标记的未出现故障的维保实例；大数据服务器的故障预判结果由神经网络根据a)电梯型号、b)电梯轿门的型号、c)轿门的图像特征数据、d)与轿门开/关相关的器件的图像特征数据、e)轿门正常开关的速度曲线、f)与轿门开/关相关的器件正常运动速度曲线，以函数形式或函数的参数形式、g)安装在轿门上的加速度传感器的数据、i)上次维保时间、维保结果以及器件更换记录进行判断。

2.根据权利要求1所述的一种特种设备现场维保监控方法，其特征在于，

所述目标特种设备档案数据包括目标特种设备的标识信息和维保项目的识别特征集。