[发明专利]一种基于机器学习的异常故障检测装置在审

专利信息
申请号: 202210400764.4 申请日: 2022-04-17
公开(公告)号: CN114689099A 公开(公告)日: 2022-07-01
发明(设计)人: 刘成 申请(专利权)人: 江苏经贸职业技术学院
主分类号: G01D11/00 分类号: G01D11/00;H05K5/02;G05B19/04
代理公司: 重庆知虫专利代理事务所(普通合伙) 50288 代理人: 张思龙
地址: 221000 江苏*** 国省代码: 江苏;32
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 机器 学习 异常 故障 检测 装置
【说明书】:

发明公开的属于机器学习技术领域,具体一种基于机器学习的异常故障检测装置,包括巡检机器和检测系统;固定盒,所述固定盒靠近所述巡检机器的一侧与所述巡检机器固定连接;装置本体,通过设置读取机构,在巡检机器出现故障并传输给装置本体时,可通过电机带动螺杆转动,使螺纹块在螺杆的表面移动,并通过连接杆带动移动杆移动,通过移动杆与收卷机构的传动连接,将接线从收卷机构内移出并与巡检机器进行连接,使装置本体能够与巡检机器进行数据连接,使装置本体对巡检机构出现的故障件读取,并作出判断故障的具体信息,便于工作人员针对性的对故障进行检修或维护工作,提高工作效率。

技术领域

本发明涉及机器学习技术领域,具体为一种基于机器学习的异常故障检测装置。

背景技术

机器学习是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科,专门研究计算机怎样模拟或实现人类的学习行为,以获取新的知识或技能,重新组织已有的知识结构使之不断改善自身的性能。

机器学习是人工智能核心,是使计算机具有智能的根本途径,现有的对于机器异常故障检测的时候,只能通过工作人员携带大量设备进行逐个盘查,检测过程繁琐且耗费劳动力及时间成本较高,智能化程度较低,检测时长提高,延误机器的后续使用效率,现有技术在对于检修过程中,故障内容较为模糊,且维修人员无法及时接收故障信息并且得出判断,降低了对于检修过程中的工作效率。

发明内容

本部分的目的在于概述本发明的实施方式的一些方面以及简要介绍一些较佳实施方式,在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊,而这种简化或省略不能用于限制本发明的范围。

鉴于现有机器学习中存在的问题,提出了本发明。

为解决上述技术问题,根据本发明的一个方面,本发明提供了如下技术方案:一种基于机器学习的异常故障检测装置,包括巡检机器和检测系统;

固定盒,所述固定盒靠近所述巡检机器的一侧与所述巡检机器固定连接;

装置本体,所述装置本体固定连接在所述固定盒的内部,所述装置本体用于所述巡检机器人故障检测;

接线,所述接线靠近所述装置本体的一端与所述装置本体电性连接,所述接线用于所述装置本体的故障检测;

收卷机构,所述收卷机构固定连接在所述固定盒的内部,所述收卷机构的内壁与所述接线的表面接触,所述收卷机构用于所述接线的收卷;

读取机构,所述读取机构固定连接在所述固定盒的内部,所述读取机构的靠近所述接线的一侧与所述接线固定连接,所述读取机构与所述收卷机构传动连接,所述读取机构用于所述接线与所述巡检机器连接;

防护机构,所述防护机构活动连接在所述固定盒的内部,所述防护机构用于所述固定盒的防护。

作为本发明所述的一种基于机器学习的异常故障检测装置的一种优选方案,其中:所述读取机构包括固定块、电机、螺杆、螺纹块、连接杆、移动杆和齿板,所述固定块靠近所述固定盒内壁的一侧与所述固定盒固定连接,所述电机靠近所述固定块内壁的一侧与所述固定块固定连接,所述螺杆靠近所述电机输出端的一侧与所述电机固定连接,所述螺纹块螺纹连接在所述螺杆的表面,所述连接杆靠近所述移动杆和所述螺纹块的一侧分别与所述移动杆和所述螺纹块固定连接,所述齿板的顶部与所述移动杆的底部固定连接,所述齿板与所述收卷机构传动连接。

作为本发明所述的一种基于机器学习的异常故障检测装置的一种优选方案,其中:所述收卷机构包括固定架、壳体、转杆、导向盒和齿轮,所述固定架固定在所述固定盒的内部,所述壳体靠近所述固定架内壁的一侧与所述固定架固定连接,所述转杆贯穿所述壳体的内部并与所述固定架的内壁活动连接,所述导向盒靠近所述壳体的一侧与所述壳体固定连通,所述转杆的表面与所述齿轮的内壁固定连接,所述齿轮与所述齿板相啮合,所述转杆的表面与所述接线的表面接触。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

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苏经贸职业技术学院,未经江苏经贸职业技术学院许可,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/202210400764.4/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top