本發(fā)明涉及車間安全管理，具體為基于多源環(huán)境參數(shù)動態(tài)關(guān)聯(lián)的車間協(xié)同異常預(yù)警系統(tǒng)。

背景技術(shù)：

1、車間管理是對生產(chǎn)現(xiàn)場各要素的系統(tǒng)管控，涵蓋人員、設(shè)備、物料、工藝、環(huán)境等。通過制定標(biāo)準(zhǔn)化流程，優(yōu)化產(chǎn)能配置，監(jiān)控進(jìn)度與成本，確保生產(chǎn)高效有序。

2、申請?zhí)枮?02310024270.5的發(fā)明專利申請中公開了一種車間生產(chǎn)安全預(yù)警系統(tǒng)，包括：多個監(jiān)控終端和監(jiān)控平臺，且每個所述監(jiān)控終端均與所述監(jiān)控平臺無線通信；所述監(jiān)控終端，用于獲取不同區(qū)域與車間生產(chǎn)安全狀況相關(guān)的各安全指標(biāo)對應(yīng)的實(shí)時時域數(shù)據(jù)和不同區(qū)域的實(shí)時圖像數(shù)據(jù)；所述監(jiān)控平臺，用于將不同區(qū)域發(fā)生安全事故時與車間生產(chǎn)安全狀況相關(guān)的各安全指標(biāo)對應(yīng)的時域數(shù)據(jù)和不同區(qū)域發(fā)生安全事故時的原始圖像數(shù)據(jù)構(gòu)成訓(xùn)練集：用于構(gòu)建安全預(yù)警模型：及用于將實(shí)時時域數(shù)據(jù)和實(shí)時圖像數(shù)據(jù)輸入至通過訓(xùn)練集訓(xùn)練后的安全預(yù)警模型中，獲得安全預(yù)警信息；其中，所述安全預(yù)警模型包括：特征提取模塊、區(qū)域數(shù)據(jù)修正模塊、區(qū)域融合模塊、目標(biāo)分割模塊和報(bào)警模塊；所述特征提取模塊，用于從不同區(qū)域的實(shí)時圖像數(shù)據(jù)中提取煙霧特征數(shù)據(jù)，同時從不同區(qū)域各安全指標(biāo)對應(yīng)的實(shí)時時域數(shù)據(jù)中提取指標(biāo)特征數(shù)據(jù)；所述區(qū)域數(shù)據(jù)修正模塊，用于根據(jù)多個指標(biāo)特征數(shù)據(jù)對煙霧特征數(shù)據(jù)進(jìn)行修正補(bǔ)償，獲得完整的區(qū)域煙霧特征數(shù)據(jù)；所述區(qū)域融合模塊，用于將區(qū)域煙霧特征數(shù)據(jù)還原至原始圖像數(shù)據(jù)中，并對各區(qū)域的圖像數(shù)據(jù)進(jìn)行拼接融合；所述目標(biāo)分割模塊，用于從拼接融合后的圖像數(shù)據(jù)中分割出完整的全域煙霧目標(biāo)圖像數(shù)據(jù)，并獲取全域煙霧目標(biāo)圖像數(shù)據(jù)的新煙霧特征數(shù)據(jù)，該申請旨在解決“如何在不影響車間正常運(yùn)行的前提下，能夠獲得火災(zāi)剛開始的準(zhǔn)確小煙霧濃度數(shù)據(jù)”的問題。

3、然而，針對車間生產(chǎn)場景，其環(huán)境信息體量龐大，現(xiàn)有技術(shù)大都針對一項(xiàng)環(huán)境信息實(shí)施監(jiān)控，從而對車間開展分布式安全管控，此種方式，對于車間預(yù)警效果覆蓋不全面，監(jiān)控結(jié)果獨(dú)立，導(dǎo)致難以綜合評估車間異常問題；

4、為此，提出了基于多源環(huán)境參數(shù)動態(tài)關(guān)聯(lián)的車間協(xié)同異常預(yù)警系統(tǒng)。

技術(shù)實(shí)現(xiàn)思路

1、針對現(xiàn)有技術(shù)所存在的上述缺點(diǎn)，本發(fā)明提供了基于多源環(huán)境參數(shù)動態(tài)關(guān)聯(lián)的車間協(xié)同異常預(yù)警系統(tǒng)，能夠有效地解決現(xiàn)有技術(shù)的問題。

2、為實(shí)現(xiàn)以上目的，本發(fā)明通過以下技術(shù)方案予以實(shí)現(xiàn)；

3、本發(fā)明公開了基于多源環(huán)境參數(shù)動態(tài)關(guān)聯(lián)的車間協(xié)同異常預(yù)警系統(tǒng)，包括：

4、采集模塊，用于采集車間環(huán)境參數(shù)，對車間環(huán)境參數(shù)進(jìn)行儲存；可視化模塊，用于接收采集模塊運(yùn)行采集的車間環(huán)境參數(shù)，基于車間環(huán)境參數(shù)分別生成表示各類型車間環(huán)境參數(shù)的變化趨勢圖形；診斷模塊，用于遍歷可視化模塊運(yùn)行生成的變化趨勢圖形，為每一變化趨勢圖形配置預(yù)警界值，基于各變化趨勢圖形配置的預(yù)警界值，監(jiān)測各對應(yīng)變化趨勢圖形，在變化趨勢圖形中表示的數(shù)值超出相應(yīng)預(yù)警界值時，判定車間存在運(yùn)行風(fēng)險(xiǎn)；分析模塊，用于接收可視化模塊中生成的變化趨勢圖形，基于變化趨勢圖形分析車間運(yùn)行故障傾向；判定模塊，用于接收分析模塊中分析的車間運(yùn)行故障傾向，設(shè)定運(yùn)行故障判定閾值，基于車間運(yùn)行故障傾向與運(yùn)行故障判定閾值比對，在車間運(yùn)行故障傾向大于運(yùn)行故障判定閾值時，判定車間運(yùn)行存在故障；報(bào)文模塊，用于獲取診斷模塊、分析模塊及判定模塊運(yùn)行結(jié)果數(shù)據(jù)，組合各模塊運(yùn)行結(jié)果數(shù)據(jù)生成系統(tǒng)運(yùn)行報(bào)文，并向系統(tǒng)端用戶反饋。

5、更進(jìn)一步地，所述采集模塊由能夠感知的車間粉塵含量、溫度、濕度、車間內(nèi)設(shè)備振動信號、空氣中有害氣體成分比例的傳感設(shè)備所集成，車間粉塵含量、溫度、濕度、車間內(nèi)設(shè)備振動信號、空氣中有害氣體成分比例即車間環(huán)境參數(shù)，所述采集模塊對車間環(huán)境參數(shù)進(jìn)行儲存時，對每一環(huán)境參數(shù)進(jìn)行采集時間戳標(biāo)記，并基于環(huán)境參數(shù)類型，對環(huán)境參數(shù)進(jìn)行區(qū)分儲存；

6、其中，采集模塊設(shè)置有若干個，若干個采集模塊呈矩陣狀分布于車間內(nèi)部空間，各采集模塊間距相等，運(yùn)行頻率相同且同步。

7、更進(jìn)一步地，若干組所述采集模塊在運(yùn)行過程中，運(yùn)行頻率在預(yù)設(shè)的變更范圍內(nèi)參照車間內(nèi)設(shè)備振動信號持續(xù)發(fā)生變更，變更過程服從：

8、基于預(yù)設(shè)的初始運(yùn)行頻率連續(xù)運(yùn)行，在連續(xù)運(yùn)行不少于兩次后，獲取各次運(yùn)行感知的車間內(nèi)設(shè)備振動信號，始終應(yīng)用最新兩組車間內(nèi)設(shè)備振動信號識別振動信號差異性，控制采集模塊運(yùn)行頻率隨差異性增大而增大，隨差異性減小而減?。?/p>

9、其中，車間內(nèi)設(shè)備不唯一時，用于控制采集模塊運(yùn)行頻率的振動信號差異性，為各設(shè)備振動信號差異性的均值。

10、更進(jìn)一步地，所述車間內(nèi)設(shè)備振動信號差異性表示為：

11、；

12、式中：為振動信號x與振動信號y的差異性；為采樣點(diǎn)數(shù)；為信號x在第i個采樣點(diǎn)的幅值、信號y在第i個采樣點(diǎn)的幅值；為信號x的頻譜中第j個頻率分量的幅值、信號y的頻譜中第j個頻率分量的幅值；、為信號x在第i個采樣點(diǎn)的相位、信號y在第i個采樣點(diǎn)的相位；

13、其中，信號x的頻譜中正頻率部分記作，信號y的頻譜中正頻率部分記作。

14、更進(jìn)一步地，所述可視化模塊運(yùn)行階段，生成的變化趨勢圖形與各類型車間環(huán)境參數(shù)一一對應(yīng)，且表示各類型車間環(huán)境參數(shù)的變化趨勢圖形為折線圖，且折線圖中表示的車間環(huán)境參數(shù)基于采集模塊運(yùn)行新采集的車間環(huán)境參數(shù)實(shí)時更新。

15、更進(jìn)一步地，所述診斷模塊在未判定到變化趨勢圖形中表示的數(shù)值超出相應(yīng)預(yù)警界值時，判定車間運(yùn)行安全，同步刷新系統(tǒng)運(yùn)行；

16、所述診斷模塊下級設(shè)置有監(jiān)測單元及拾取單元，監(jiān)測單元用于監(jiān)測診斷模塊運(yùn)行階段判定車間存在運(yùn)行風(fēng)險(xiǎn)時，超出相應(yīng)預(yù)警界值的數(shù)值來源變化趨勢圖形是否唯一；

17、唯一：觸發(fā)拾取單元運(yùn)行，對超出預(yù)警界值的數(shù)值來源變化趨勢圖形最相似的變化趨勢圖形進(jìn)行拾?。?/p>

18、不唯一：車間停運(yùn)，對車間內(nèi)環(huán)境及設(shè)備進(jìn)行協(xié)調(diào)及維護(hù)，使車間內(nèi)環(huán)境及設(shè)備恢復(fù)至預(yù)設(shè)狀態(tài)；

19、其中，拾取單元運(yùn)行階段，拾取目標(biāo)為超出預(yù)警界值的數(shù)值來源變化趨勢圖形、表示車間內(nèi)設(shè)備振動信號的變化趨勢圖形、與超出預(yù)警界值的數(shù)值來源變化趨勢圖形最相似的變化趨勢圖形；

20、拾取目標(biāo)為超出預(yù)警界值的數(shù)值來源變化趨勢圖形與表示車間內(nèi)設(shè)備振動信號的變化趨勢圖形相同時，拾取單元拾取的變化趨勢圖形僅兩組，拾取單元運(yùn)行拾取的變化趨勢圖形同步向分析模塊轉(zhuǎn)發(fā)。

21、更進(jìn)一步地，所述變化趨勢圖形的相似性計(jì)算邏輯表示為：

22、；

23、式中：為變化趨勢圖形a與變化趨勢圖形b的相似性；、為變化趨勢圖形a與變化趨勢圖形b中表示數(shù)值的多段折線上節(jié)點(diǎn)總量；為協(xié)調(diào)因子；為從變化趨勢圖形的原點(diǎn)向橫軸方向開始，變化趨勢圖形a與變化趨勢圖形b中表示數(shù)值的多段折線上交集節(jié)點(diǎn)的總量；、為變化趨勢圖形a中q節(jié)點(diǎn)至q+1節(jié)點(diǎn)的表示線段的長度、變化趨勢圖形b中q節(jié)點(diǎn)至q+1節(jié)點(diǎn)的表示線段的長度；、為變化趨勢圖形a中q節(jié)點(diǎn)至q+1節(jié)點(diǎn)的表示線段的斜率、變化趨勢圖形b中q節(jié)點(diǎn)至q+1節(jié)點(diǎn)的表示線段的斜率；

24、其中，表示對的求均值操作，協(xié)調(diào)因子取值為1或-1，協(xié)調(diào)因子所在分式的分子小于等于分母，則協(xié)調(diào)因子取值為1，反之，協(xié)調(diào)因子取值為-1。

25、更進(jìn)一步地，所述分析模塊中車間運(yùn)行故障傾向分析邏輯表示為：

26、；

27、式中：為車間運(yùn)行故障傾向；為超出預(yù)警界值的數(shù)值來源變化趨勢圖形中參數(shù)的差異性；為與超出預(yù)警界值的數(shù)值來源變化趨勢圖形最相似的變化趨勢圖形中參數(shù)的差異性；為除與指向的變化趨勢圖形外，變化趨勢圖形中節(jié)點(diǎn)的總量；為除與指向的變化趨勢圖形外，變化趨勢圖形配置的預(yù)警界值；為第v個節(jié)點(diǎn)的表示值；

28、所述拾取單元拾取的變化趨勢圖形僅兩組時，求取的邏輯公式中第三個乘積項(xiàng)以常數(shù)1替換，式中差異性計(jì)算目標(biāo)為非車間內(nèi)設(shè)備振動信號時，其差異性計(jì)算邏輯表示為：

29、獲取變化趨勢圖形中最新兩個值，基于兩個值的大小記作max（i）、min（i），則差異性計(jì)算邏輯表示為；

30、其中，判定模塊中設(shè)定的故障判定閾值與各車間環(huán)境參數(shù)一一對應(yīng)，判定模塊在應(yīng)用故障判定閾值與車間運(yùn)行故障傾向比對時，選取診斷模塊運(yùn)行階段，超出預(yù)警界值的數(shù)值來源變化趨勢圖形所屬車間環(huán)境參數(shù)對應(yīng)故障判定閾值執(zhí)行比對操作。

31、更進(jìn)一步地，所述判定模塊在判定車間運(yùn)行存在故障時，車間停運(yùn)，對車間內(nèi)環(huán)境及設(shè)備進(jìn)行協(xié)調(diào)及維護(hù)，使車間內(nèi)環(huán)境及設(shè)備恢復(fù)至預(yù)設(shè)狀態(tài)；

32、所述判定模塊在判定車間運(yùn)行不存在故障時，將拾取單元拾取的超出預(yù)警界值的數(shù)值來源變化趨勢圖形對應(yīng)車間環(huán)境參數(shù)管理設(shè)備作為維護(hù)目標(biāo)，進(jìn)行線下維護(hù)。

33、更進(jìn)一步地，所述采集模塊通過無線網(wǎng)絡(luò)與可視化模塊及診斷模塊交互連接，所述診斷模塊下級通過無線網(wǎng)絡(luò)交互連接有監(jiān)測單元及拾取單元，所述診斷模塊通過無線網(wǎng)絡(luò)與分析模塊判定模塊交互連接，所述判定模塊通過無線網(wǎng)絡(luò)與報(bào)文模塊交互連接。

34、采用本發(fā)明提供的技術(shù)方案，與已知的現(xiàn)有技術(shù)相比，具有如下有益效果：

35、本發(fā)明提供基于多源環(huán)境參數(shù)動態(tài)關(guān)聯(lián)的車間協(xié)同異常預(yù)警系統(tǒng)，該系統(tǒng)在運(yùn)行過程中，通過多類型環(huán)境參數(shù)的動態(tài)采集與關(guān)聯(lián)分析，可實(shí)時捕捉車間環(huán)境與設(shè)備運(yùn)行的細(xì)微變化，突破傳統(tǒng)單一參數(shù)監(jiān)測的局限性，提升異常識別的全面性與準(zhǔn)確性，通過運(yùn)行頻率動態(tài)調(diào)整機(jī)制，能根據(jù)設(shè)備振動信號差異性智能優(yōu)化數(shù)據(jù)采集密度，確保在復(fù)雜工況下精準(zhǔn)獲取關(guān)鍵信息，且以相似性計(jì)算與故障傾向分析模型，可深入挖掘參數(shù)間潛在關(guān)聯(lián)，提前預(yù)判故障發(fā)展趨勢，實(shí)現(xiàn)從風(fēng)險(xiǎn)預(yù)警到故障判定的全流程智能化管理，系統(tǒng)不僅能在風(fēng)險(xiǎn)發(fā)生時快速定位異常來源并觸發(fā)分級響應(yīng)，還可基于分析結(jié)果制定針對性維護(hù)策略，有效減少非必要停機(jī)，提升車間運(yùn)行的安全性、穩(wěn)定性與維護(hù)效率。