[发明专利]一种基于FINFLO算法的设备高温故障预测性维护方法

说明书

本发明涉及一种基于FINFLO算法的设备高温故障预测性维护方法，通过对获取监控区域的监控设备采集图像信息，并对图像信息进行包括灰度转换、去噪和滤波的矫正后，使用k‑means算法对矫正后的图像进行分割处理，得到分割后若干个离散的区域，对比分析不同区域的灰度直方图，基于相对温差判别法与同类对比判别法对监测设备进行故障诊断，判断监控设备温度是否处于正常区间，并根据不同温度生成不同等级的警报响应，最终统计数据，采用FINFLO快速局部异常点监测算法保留有意义的报警信息。本发明能及时发现翻车机底层区域设备异常发热、机损及火灾隐患，满足远期无人化改造需求，保障翻车作业设备的运行稳定。

技术领域

本发明属于机电设备监控技术领域，尤其是一种基于FINFLO算法的设备高温故障预测性维护方法。

背景技术

翻车机是广泛运用于运输量大的电力、港口、热电、煤炭、化工等行业的大型机械设备。目前，大部分翻车机因设备安装范围较大，存在部分盲区，尤其在廊道内，没有有效的手段对设备的异常温升进行监测。大多翻车机底层、廊道及转接塔等区域的设备仍然采取依靠现场值岗人员定期巡视的模式来发现故障，人力消耗大，安全保障程度有限，尤其是局部过热等隐患并不能及时有效的发现。

发明内容

本发明的目的在于克服现有技术的不足，提出一种基于FINFLO算法的设备高温故障预测性维护方法，能够利用清晰可靠的实时红外热成像视频及异常温升报警机制加强设备运行过程中的状态监控，及时发现并有效控制潜在隐患；为即将发生的异常状况处置提供判断依据；在设备故障处理或事故原因分析过程中提供历史查询档案，保障设备和人员安全。

本发明解决其技术问题是采取以下技术方案实现的：

一种基于FINFLO算法的设备高温故障预测性维护方法，包括以下步骤：

步骤1、获取监控区域的监控设备采集图像信息，将采集图像中的光信号输入光电转换器并以数字信号形式输出；

步骤2、将数字信号通过微波及有线网络将图像传到监控中心进行灰度转换、去噪和滤波处理，生成矫正后的图像；

步骤3、以相邻区域像素高度差异性原则，利用k-means算法对矫正后的图像进行分割处理，使其分割为若干个离散的区域；

步骤4、对比分析不同区域的灰度直方图，基于相对温差判别法与同类对比判别法对监测设备进行故障诊断，判断监控设备温度是否处于正常区间，并根据不同温度生成不同等级的警报响应；

步骤5、采集步骤1至步骤4的数据集进行对比分析，采用FINFLO快速局部异常点监测算法保留有意义的报警信息。

而且，所述步骤1中监控区域包括翻车机底层电缆汇集区和底层皮带机廊道，采集图像信息包括可见光图像、热成像图像、监控区域对应的摄像头编号。

而且，所述步骤2中灰度转换的具体实现方法为：从图像信息中进行抽帧处理且对其进行图像识别，将图像转变为灰度图像，逐帧分解RGB红外图像，并采用加权平均值法得到更清晰的灰度图像：

Gray_(i，j)＝0.299×R_(i，j)+0.578×G_(i，j)+0.114×B_(i,j)

其中，Gray_(i,j)表示灰度图像的第x行、y列点处像素的灰度值，R_(i，j)、G_(i，j)、B_(i，j)分别表示RGB图像中第x行、y列点处像素的红、绿、蓝三个颜色分量值。

而且，所述步骤2中滤波的具体实现方法为：采用极值中值滤波法对图像信号进行处理，将由信号传输过程中产生的高斯噪声和脉冲噪声过滤：