大數據下的遠程設備智能檢測系統設計

侯衛衛

(山東經貿職業學院,山東 濰坊 261011)

0 引言

隨著我國信息技術的快速發展,電力、冶金以及能源和化工等領域得到了有效發展,并且自動化程度也逐漸增高,使用人員可以通過遠程監控系統來掌控系統的運行情況。但是在遠程設備的智能檢測和安全運維系統中還存在數據傳輸比較慢的情況,同時在工作的進行中還存在工作效率低下等問題,而這些問題的出現主要是因為采集數據時出現數據孤立的情況,同時還存在數據獨立傳輸、誤碼率較高等原因。對設備采集的視頻幀圖像直接進行傳輸和檢測,可能會出現分辨率較低和故障無法及時檢測的情況。除此之外,已經使用的檢測產品和設備功能相對來說比較孤立,大幅度減少了不同應用領域的通用性,遠程檢測過程中也會出現系統不穩定的情況,需要有效提高遠程智能化檢測系統的能力[1]。

在電力和冶金等領域中,遠程大數據的遠程智能檢測運維系統的研究是國內外研究的重點,也是保證各能源生產企業工作以及應用需求的需要。本文主要根據不同地理位置的視頻監控系統存在效率較低的問題進行研究,在大數據背景下,遠程設備智能檢測系統可以有效地發現網絡和設備等故障,從而及時有效地進行維修,并最大程度降低運維的成本,從而提高公司自動化控制的安全應用和實施。

1 系統設計方案

本次研究主要針對電力和冶金能源以及化工等多個領域的遠程設備智能檢測以及安全運維系統中存在的問題。大數據的遠程智能檢測系統的主系統可以分為6 個系統:視頻監控管理平臺、智能檢測平臺、生產設備運維大數據分析平臺、移動智能監測與虛擬維護平臺、生產設備運行狀態檢測與預報平臺、遠程設備運維服務平臺。

子系統多數采用了構件式設計,并且在平臺統一進行管理,設計的平臺和現有的子系統之間有著緊密的關系,在不同地理位置的監控設備可以根據網絡聯系的方式來搭建視頻云平臺環境,同時設備信息可以有效利用視頻云平臺的方式來進行保存,這樣既可以節省設備的空間,也可以提高視頻檢索的效率,并且平臺具備操作簡單的特點,最大限度地保證遠程設備的故障檢測以及運行的效率。

2 系統功能

本文主要由設計系統和視頻監控管理平臺等多個平臺構建而成,同時各個平臺主要通過“信息”和“集成”的方式來進行彼此聯系。其中系統設備主要包括繼電保護裝置、遠動裝置、測量裝置等,系統集中客戶端主要用來與設備通信進行有效交流,并實現人機交互的應用層面,其中在前端進行的使用主要體現在采集視頻數據、數據處理和智能轉發等方面。

2.1 視頻監控管理平臺

視頻監控設備的集成主要從電力和能源以及礦山等行業的工業智能控制以及信息化產業發展中來進行有效管理,并且給信息的保存以及傳輸帶來了較大的好處,同時有效提高了視頻監控管理平臺的工作效率。系統配置了云硬盤錄像機16 路全D1 設備、云硬盤錄像機4 路全D1 設備、交換機、路由器、分布式存儲等設備。前端網絡電信、聯通、移動和2G、3G 等網絡都可以進行有效使用,同時對最低寬帶進行一定的限制。并且前端在進行使用中占用的是寬帶上的資源。其中主要包含:(1)分布式存儲體系,在分布式存儲體系中還包含:嵌入式云硬盤錄像機硬件和監控專用硬盤錄像存儲。(2)數據加密體系,文件傳輸加密。(3)安全措施,在進行運行中需要安排一名系統管理人員,來對賬號進行限制,如一個賬號在同一時間中,只可以一人登錄[2]。

2.2 智能檢測平臺

智能檢測平臺主要對信息采集、行為分析和報警情況進行有效分析,并對視頻進行有效診斷。本文旨在和智能檢測平臺進行建立聯系,從而可以有效實現以下功能:(1)通過手機和電腦來進行實時檢測。(2)確保水電站和電力系統可以進行實時連接。(3)確保運營設備是否存在問題,如出現CPU 占用等情況。(4)對視頻信息的儲存進行檢測,從而保證每一個通道都可以進行正常的錄像,并且保證連接的信號和硬件是否可以正常使用。(5)確保視頻鏡頭的運行正常。(6)對視頻畫面預覽和輪巡進行檢測。(7)對不同視頻監控畫面的質量來進行檢驗,同時對視頻中存在問題的位置進行改進。(8)確保視頻監控在出現問題時可以及時報警。智能檢測平臺可以對數據采集、數據換算、結果判別和數據管理進行自動處理,從而大幅度提高工作效率,有效保證測試的進度和速度、實驗的準確性以及安全性和可靠性,最大程度提高管理水平。

2.3 設備運維大數據分析平臺

對智能制造的設備進行多維度運行以及對參數和狀態等情況進行有效監管,同時監管的數據可以在每一個節點對數據進行有效處理從而到達數據中心,并對傳輸到數據中心的數據進行保存。另外還需要針對應用深入學習神經網絡,從而對生產設備分類故障進行診斷,并對大數據中得到的信息樣本數據進行有效監管,或者通過半監督的機器學習方式來不斷地對故障診斷模型進行完善,從而更加有效地保障運維大數據的分析。

2.4 移動智能監測與虛擬維護平臺

移動智能檢測主要針對正在進行工作的移動生產設備的特點以及參數和狀態進行有效采集,同時對相關的算法進行數據檢測及數據處理。虛擬維護平臺主要對生產設備零部件和虛擬技術的設備進行研究,通過對運行中的物理設備進行虛擬化的方式來進行測評,從而確保維護的方式更加合理科學,同樣也可以對設備進行維修[3]。

2.5 生產設備運行狀態監測與預報平臺

生產設備運行狀態檢測主要對高端裝備進行在線檢測,同時對設備所具備的特征以及參數和狀態進行圖形化的呈現,以便于使用人員講解、分析和使用,從而幫助使用人員更為直觀地認知運行設備。預報平臺主要對設備的分類運行狀態進行趨勢計算,從而明確預報設備在運行中可能出現的情況,并且在最大程度上保證生產的順利進行,從而有效減少安全事故的出現。

2.6 遠程設備運維服務平臺

遠程設備運維服務平臺主要對Web 服務器以及數據庫服務器的生產和運維服務系統進行有效開發,從而實現生產所具備的設備數字化以及網絡化,同時可以對數據進行及時處理,對本地數據進行提前分析,從而保證生產出現故障之后可以及時報警,在出現緊急情況時可以自動地對設備停止使用。這樣可以進行數據的管理以及對大數據的分析,并根據不同設備和應用的特點,進行數據的深層研究,從而明確顯示出曲線和報表以及地圖位置等。在進行使用中可以采用Web和手機App 等多種方式來進行調整和監管。其中主要進行實時監控以及對設備管理,對使用的設備進行周期性維修,對設備分布以及信息數據進行分析。

系統主要對深度學習的神經網絡數據模型中的設備故障診斷模型進行有效管理和完善,同時對前端時序監控圖像進行增強,并提高監控圖形的分辨率,在系統應用中對設備進行優化。在大數據下對設備故障智能診斷系統進行開發,同時還需要保證分布式網絡的遠程服務系統的完善。

3 結語

本文主要對大數據下的遠程設備智能檢測系統進行設計,同時對系統的視頻監控圖像的收集方式以及傳輸方式進行完善,并對圖像的傳輸時間進行減少。除此之外,在對系統進行及時收集和分析遠程設備過程中,通過大數據來對視頻監控系統進行智能檢測可以有效降低設備故障運營的維護成本。