[发明专利]一种用于风车发电状态监测的KVM系统及方法

权利要求书

1.一种用于风车发电状态监测的KVM方法，应用于一电子设备，其特征在于：所述方法包括

S1：对采集到的图像进行预处理；

S2：通过BP神经网络算法对图像处理进行风车发电状态监测；

所述神经网络算法对图像处理进行风车发电状态监测步骤包括：

S101：神经网络初始化：设定四层神经网络，分别为输入层、两层隐含层以及输出层，并对链接权重矩阵赋初值；

S102：信号传播：将摄像头拍摄的监测开关图像的像素点从输入层，根据连接权重矩阵传递到隐含层，再传递到输出层；

S103：误差反向传播：获得输出层的误差后，利用反向传输方式由输出层传递到隐含层再到输入层；

S104：更新链接权重矩阵：采用梯度下降的方法，不断修正各单元之间的权值。

S105：状态分析：从输出层得到开和关的概率，从而判断每个风车发电机的状态情况。

2.根据权利要求1所述的一种用于风车发电状态监测的KVM装置的方法，其特征在于：所述步骤S1对采集到的图像进行预处理包括：

S201：色彩空间变化：利用伽马校正将RGB色彩空间原始图像变换为YCbCr色彩空间，公式如下所示：

S202：中值滤波：通过窗口对二维图像数组取值，用窗口中所有像素的中值代替窗口中心点处的值，从而消除噪声；

S103：边缘检测：采用Sobel边缘检测方法，减少冗余信息。

3.根据权利要求1所述的一种用于风车发电状态监测的KVM装置的方法，其特征在于：所述步骤S201中的输出层，共有两个输出，分别为与风车发电机相连的监测开关的开的概率和关的概率。

4.根据权利要求1所述的一种用于风车发电状态监测的KVM装置的方法，其特征在于：所述步骤S203中输出层的误差，是由之前每一层之间的链接权重矩阵产生。

5.根据权利要求2所述的一种用于风车发电状态监测的KVM装置的方法，其特征在于：所述步骤S204中的链接权重矩阵是通过对大量样本的训练和测试获得。

6.根据权利要求4所述的样本量，其特征在于：其获取通过对每一个开关从8个角度拍照，获取大量开关作为样本。

7.根据权利要求3所述的一种用于风车发电状态监测的KVM装置的方法，其特征在于：所述步骤S205中的状态分析，在判断每个风车发电机是否正常运行后，如果遇到故障时能够给出报警提示信息。

8.一种用于风车发电状态监测的KVM方法系统，包括处理器和FPGA芯片及存储在FPGA芯片上并可在处理器上运行的计算机程序，执行所述程序时实现以下步骤：

S1：对采集到的图像进行预处理；

S2：通过BP神经网络算法对图像处理进行风车发电状态监测；

所述神经网络算法对图像处理进行风车发电状态监测步骤包括：

S101：神经网络初始化：设定四层神经网络，分别为输入层、两层隐含层以及输出层，并对链接权重矩阵赋初值；

S102：信号传播：将摄像头拍摄的监测开关图像的像素点从输入层，根据连接权重矩阵传递到隐含层，再传递到输出层；

S103：误差反向传播：获得输出层的误差后，利用反向传输方式由输出层传递到隐含层再到输入层；

S104：更新链接权重矩阵：采用梯度下降的方法，不断修正各单元之间的权值。

S105：状态分析：从输出层得到开和关的概率，从而判断每个风车发电机的状态情况。

所述对采集到的图像进行预处理包括：

S201：色彩空间变化：利用伽马校正将RGB色彩空间原始图像变换为YCbCr色彩空间，公式如下所示：

S202：中值滤波：通过窗口对二维图像数组取值，用窗口中所有像素的中值代替窗口中心点处的值，从而消除噪声；

S103：边缘检测：采用Sobel边缘检测方法，减少冗余信息。