[发明专利]一种基于人工智能的冲压成型生产车间安全监控系统有效
申请号: | 202010354718.6 | 申请日: | 2020-04-29 |
公开(公告)号: | CN111537022B | 公开(公告)日: | 2021-04-20 |
发明(设计)人: | 钟丽芳;聂顺新;姚文涛 | 申请(专利权)人: | 江西天境精藏科技有限公司 |
主分类号: | G01D21/02 | 分类号: | G01D21/02;G01N15/06 |
代理公司: | 南昌卓尔精诚专利代理事务所(普通合伙) 36133 | 代理人: | 徐柳华 |
地址: | 336000 江西*** | 国省代码: | 江西;36 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 人工智能 冲压 成型 生产 车间 安全 监控 系统 | ||
1.一种基于人工智能的冲压成型生产车间安全监控系统,其特征是,包括安全监控模块、安全信息收集模块和安全管理中心,所述安全监控模块采用传感器组件采集车间环境参数数据,包括监控初始阶段和监控稳定阶段,在监控初始阶段,安全监控模块采用传感器组件采集车间环境参数数据,并将采集得到的车间环境参数数据传输至安全信息收集模块,在监控稳定阶段,安全监控模块采用传感器组件采集车间环境参数数据,并在传感器组件中选取簇首组件将其采集得到的车间环境参数数据传输至安全信息收集模块,所述安全信息收集模块将接收到的车间环境参数数据转发至安全管理中心,安全管理中心将接收到的车间环境参数数据和给定的安全阈值进行比较,当所述车间环境参数数据高于给定的安全阈值时进行预警;所述安全管理中心根据接收到的传感器组件在监控初始阶段采集得到的车间环境参数数据对安全监控模块中的传感器组件进行分簇,包括数据预处理单元和分簇单元,所述数据预处理单元用于去除接收到的传感器组件在监控初始阶段采集得到的车间环境参数数据中的噪声数据,所述分簇单元用于根据预处理后的车间环境参数数据对安全监控模块中的传感器组件进行分簇,并将分簇结果传输至安全信息收集模块,由安全信息收集模块将分簇结果转发给安全监控模块中的传感器组件;所述数据预处理单元用于去除接收到的传感器组件在监控初始阶段采集得到的车间环境参数数据中的噪声数据,设ci表示安全监控模块中的第i个传感器组件,表示传感器组件ci中用于采集第r个车间环境参数的传感器节点,i=1,2,…,N(c),其中,N(c)表示安全监控模块中的传感器组件数,设表示传感器节点在监控初始阶段采集得到的第r个车间环境参数的数据序列,且其中,表示数据序列中的第1个数据,表示数据序列中的第2个数据,表示数据序列中的第个数据,表示数据序列中的数据量;
对数据序列中的数据进行依次处理,设表示数据序列中的第j个数据,对数据建立长度为l1的第一数据序列和第二数据序列且其中,l1为小于的正整数,且l1可以被3整除,和分别为数据序列中的第(j-l1+1)和(j-l1+2)个数据,和分别为数据序列中的第和个数据,和分别为数据序列中的第和第个数据;定义数据对应的异常检测因子为且的计算公式为:
式中,表示数据序列中的第p个数据,且为数据在第一数据序列中的检测因子,表示数据序列中的第l个数据,且表示数据序列中的第(j-1)个数据,表示数据序列中的第k个数据,且表示对数据建立的长度为l1的第一数据序列,且
当数据对应的异常检测因子时,则数据为异常数据,当数据对应的异常检测因子时,则数据为正常数据,其中,为给定的异常检测阈值,且其中,和分别表示数据序列中的第a和第b个数据,和分别表示取中值;
当为异常数据时,对异常数据进行二次检测,设表示传感器节点的相邻传感器组件中用来采集第r个车间环境参数的传感器节点集合,且其中,表示集合中的第d个传感器节点,表示集合中的传感器节点数,设传感器节点采集异常数据对应的时间为定义异常数据对应的二次检测因子为且的计算公式为:
式中,表示传感器节点在时刻采集得到的第r个车间环境参数的数据,表示判断函数,当数据为正常数据时,则当数据为异常数据时,
当异常数据对应的二次检测因子时,则判定异常数据为正常数据,当异常数据对应的二次检测因子时,则判定异常数据为噪声数据,并令
其中,表示数据序列中的第(j-o)个数据,为异常数据对应的二次检测阈值,设表示集合中的传感器节点在时刻采集得到的第r个车间环境参数的正常数据集合,且其中,和分别表示集合中的第1、第2和第f个正常数据,f表示集合中的数据量,则其中,为集合中的第g个正常数据,表示集合中的第s个正常数据;
按照上述方法去除传感器组件ci在监控初始阶段采集的其他车间环境参数的数据序列中的噪声数据。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于江西天境精藏科技有限公司,未经江西天境精藏科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202010354718.6/1.html,转载请声明来源钻瓜专利网。