[发明专利]一种基于光信息的非侵入式设备监测方法在审

专利信息
申请号: 202211610359.1 申请日: 2022-12-14
公开(公告)号: CN115965830A 公开(公告)日: 2023-04-14
发明(设计)人: 薛广涛;李清炀;陈奕超;李熠劼 申请(专利权)人: 上海交通大学
主分类号: G06V10/774 分类号: G06V10/774;G06V10/764;G06V10/82;G06F18/214;G06F18/241
代理公司: 上海科盛知识产权代理有限公司 31225 代理人: 蔡彭君
地址: 200240 *** 国省代码: 上海;31
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 信息 侵入 设备 监测 方法
【说明书】:

发明涉及一种基于光信息的非侵入式设备监测方法,方法包括以下步骤:S1、基于光传感器或相机获取环境中灯源的光信息数据,对数据预处理后得到光信号;S2、基于光信号构建的数据集训练监测模型,得到训练好的监测模型;S3、基于训练好的监测模型监测电网环境中的灯源信号,得到电网环境中各监测对象的工作状态。与现有技术相比,本发明通过监测电网中本身具有的灯源、分析灯源光信息来实现监测环境中电器设备的工作状态,实现非侵入式监测。

技术领域

本发明涉及智能感知领域,一种基于光信息的非侵入式设备监测方法

背景技术

万物互联的时代已经开启,泛在电力物联网充分应用移动互联、人工智能等现代信息技术,为电力系统各环节实现信息化和智能化。其中,作为泛在电力物联网基石的感知层是否能够广泛普及至企业、工业、交通、乃至家庭是其中关键。例如,庞大的工业世界由数百万种机器和设备、上千种复杂的机器网络组成,在这个逐渐信息化的时代,智能化监控、管理机器和设备工作,是保障整个机械集群和机器网络安全可控运行的关键,也是驱动智能制造的内在动力。

在最原始的工业环境,监测电器设备往往需要人工的监测,问题定位难度高、效率低、准确度不足,导致设备工作异常发现不及时,造成重大损失、甚至产生安全事故。为应对此类问题,近年来自动化的设备监控系统已经有较多的研究,但成本低廉、操作简便、普适化程度高的系统仍亟需研究与开发。传统的解决方案往往有以下几种:1)分布式传感器监测:将多个传感器置于不同设备上分别监测,这种方式具有系统安装复杂,成本较高的缺点;2)集中式传感器监测:将传感器置于总电源监测能源总消耗判断设备工作是否异常,这种方式具有需要加装设备,反应慢的缺点;3)侵入式传感器监测:将传感器置入电路内部,监测电流变化,这种方式具有系统安装复杂,需改变电路结构的缺点。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供的一种基于光信息的非侵入式设备监测方法,通过监测电网中本身具有的灯源、分析灯源光信息来实现监测环境中电器设备的工作状态。

本发明的目的可以通过以下技术方案来实现:

一种基于光信息的非侵入式设备监测方法,方法包括以下步骤:

S1、基于光传感器或相机获取环境中灯源的光信息数据,对数据预处理后得到光信号;

S2、基于光信号构建的数据集训练监测模型,得到训练好的监测模型;

S3、基于训练好的监测模型监测电网环境中的灯源信号,得到电网环境中各监测对象的工作状态;

S1的具体步骤包括:

S11、基于光传感器或相机获取环境中灯源的光信息数据,当采用光传感器时,得到的光信息数据为光时域信号,执行S12;当采用相机时,得到的光信息数据为光源图片,对光源图片执行以下步骤得到光时域信号:

S111、获取多张光源图片;

S112、对每张光源图片提取荧光灯区域,并设置边界框,提取图中边界框内的像素的RGB值,对空白区域进行补零,将多张补零后的光源图片拼接,得到光时域信号;

S12、利用傅里叶变换将光时域信号转变为光频域信号,将光频域信号作为光信号。

进一步地,S2的具体步骤包括:

S21、采用有监督学习模式,基于光信号构建带标签的数据集;

S22、基于多属性分类网络对数据集中的样本提取特征数据,根据特征数据和多属性分类网络的多属性分类器得到分类结果;

S23、对分类结果,设计损失函数量化衡量各样本对应标签和分类结果之间的差异,对多属性分类网络进行优化迭代,得到训练好的监测模型。

进一步地,S21的具体步骤包括:

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上海交通大学,未经上海交通大学许可,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/202211610359.1/2.html,转载请声明来源钻瓜专利网。

同类专利
专利分类
×

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