一种风机运行多模态监测系统及方法与流程

1.本发明属于风力发电检测技术领域，具体涉及一种风机运行多模态监测系统及方法。


背景技术：

2.每一台风机巨大而构造复杂，各方面成本很高，所以对于安全性要求非常严苛，否则后果严重，因此在风机运行中的故障监测和实时预警是风机安全生产的重中之重，风机故障类型繁多，原因也很复杂，风机的种类、工作条件不同，所发生的故障也不尽相同，但概括起来一般有以下几种故障：(1)机械产生严重摩擦、振动撞击等异常响声，地脚螺丝断裂，台板产生裂纹；(2)润滑油溢出、变质或有焦味，冒烟；电动机冒烟或有焦味、电源开关跳闸等；(3)气温低时风机叶片结冰，其次，在风机日常运行过程中，风机塔筒也存在以下问题：(1)外来人员进入塔筒；(2)运维人员安全保护装备没有穿戴整齐；(3)运维人员机舱内开展检修维护过程中，存在私自打开天窗，并出到机舱外；(4)检修人员误打开逃生孔，造成人员高处跌落；(5)检修人员在机舱内进入风机轮毂作业前，没有锁定机械锁；(6)检修人员检查齿轮箱时，打开齿轮箱时没有佩戴护目镜，被齿轮箱的热蒸汽灼伤。


技术实现要素：

3.为解决上述背景技术中提出的问题。本发明提供了一种风机运行多模态监测系统及方法，具有多模态监测，边缘计算及ai深度学习算法的实时分析预警的特点。
4.为实现上述目的，本发明提供如下技术方案：一种风机运行多模态监测系统，包括设置在风机上的多个信息采集模块，其包括气味信号采集单元、声音信号采集单元和图像信号采集单元；与多个信息采集模块连接的信息分析处理模块，其包括气味信号处理单元、声音信号处理单元和图像信号处理单元，以及数据比对单元，气味信号处理单元、声音信号处理单元和图像信号处理单元用于接收处理多个信息采集模块发出信息，并将处理信息发送至数据比对单元，数据比对单元用于接收气味信号处理单元、声音信号处理单元和图像信号处理单元发出信息，并比对分析；与信息分析处理模块连接的警报模块，其包括报警中心管理平台，用于接收数据比对单元的比对分析结果并发出警报。
5.优选的，信息采集模块由摄像头集成气味传感器和声音传感器组成，且图像信号采集单元连接有一视觉识别aiot盒子，安装在风机运行现场多个区域。
6.优选的，气味信号处理单元包括气味信号分类网络和数值化建模，声音信号处理系统包括波形处理与异常检测和滤波，图像信号处理单元包括异构网络学习模型和不安全行为智能分析系统。
7.优选的，数据比对单元包括先验知识和模糊神经网络网络推理网络。
8.优选的，信息采集模块与信息分析处理模块之间通过5g网络或以太网连接。
9.一种风机运行多模态监测方法，包括：信息采集模块对风机运行现场状态及环境进行实时监测，并将实时监测数据发送至信息分析处理模块；信息分析处理模块对实时监测数据进行分析处理并比对，将正常或不正常信号发送至警报模块；警报模块将比对后结果显示，并将不正常信息推送至设备、手机、电脑，进行警报。
10.与现有技术相比，本发明的有益效果是：1、本发明所描述的风机运行多模态监测系统，通过由摄像头集成气味传感器和声音传感器，安装在风机运行现场多个区域，同时摄像头连接有视觉识别aiot盒子，其搭载了集成嵌入式工控主板和神经网络加速芯片，并且集成了以太网、usb和gpio等常用接口。软件上采用linux操作系统，上层集成c++运行环境和神经网络推理引擎，通过在应用中加载训练好的深度学习模型（训练模型需要在深度学习工作站进行）完成对监控视频的智能分析任务，分别对人脸检测并识别（从监控画面中自动检测出人脸，并进行人脸识别），烟火检则（检测风机机舱等是否有火情火警），叶片检测（检测风机叶是否有损伤或结冰等），安全帽检测（自动检测行人是否佩戴了安全帽），服装检测（工作服、生产安全个人防护配饰等），情绪识别（微表情分析，识别人的情绪状态），入侵检测（检测行人是否闯入禁止区域、攀基爬围墙等，支持设置电子围栏、虚拟墙等），跌倒行为检测（检测是否发生行人跌倒事件），行为分析（识别操作规范、特定动作(例如、抛丢废物、拉动物体行为分析等)、异常事件(如非法入侵、碰撞、打架斗殴、跌倒、小群粗分散逃散、打群架等)），暴力事件检测（检测监控视频中是否发生暴力事件），以此达到边缘计算的效果，减少信息分析处理模块的计算比对量。
11.2、本发明所描述的风机运行多模态监测系统，通过多个信息采集模块将声音信息采集，然后通过信息分析处理模块计算出其声音信号在时域的有效值，峰值因子，峰效值比，峭度等参数。在频域内通过观察不同样本的频谱，挖掘正常与故障的核心重要设备信号的谱分布所存在的一些典型的差异。最后利用人工神经网络对样本数据进行非线性映射，解决特征参数的空间划分问题，从而从声音信号中对正常和异常信息进行分类，以此监测风机运行过程中，出现的异响问题。
12.3、本发明所描述的风机运行多模态监测系统，通过多个信息采集模块自主采集图像、声音和气味信息，并信息分析处理模块通过进行实时智能分析，主动上报设备健康状况，从而提升设备检修的效率和效果。
附图说明
13.图1为本发明的系统框架示意图；图2为本发明的声音检测网络示意图；图3为本发明的声音波形频域图；
实施方式
14.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他
实施例，都属于本发明保护的范围。
15.请参阅图1-3，本发明提供以下技术方案：一种风机运行多模态监测系统，包括设置在风机上的多个信息采集模块，其包括气味信号采集单元、声音信号采集单元和图像信号采集单元；与多个信息采集模块连接的信息分析处理模块，其包括气味信号处理单元、声音信号处理单元和图像信号处理单元，以及数据比对单元，气味信号处理单元、声音信号处理单元和图像信号处理单元用于接收处理多个信息采集模块发出信息，并将处理信息发送至数据比对单元，数据比对单元用于接收气味信号处理单元、声音信号处理单元和图像信号处理单元发出信息，并比对分析；与信息分析处理模块连接的警报模块，其包括报警中心管理平台，用于接收数据比对单元的比对分析结果并发出警报。
16.具体的，信息采集模块由摄像头集成气味传感器和声音传感器组成，且图像信号采集单元连接有一视觉识别aiot盒子，安装在风机运行现场多个区域。
17.具体的，气味信号处理单元包括气味信号分类网络和数值化建模，声音信号处理系统包括波形处理与异常检测和滤波，图像信号处理单元包括异构网络学习模型和不安全行为智能分析系统。
18.具体的，数据比对单元包括先验知识和模糊神经网络网络推理网络。
19.具体的，信息采集模块与信息分析处理模块之间通过5g网络或以太网连接。
20.一种风机运行多模态监测方法，包括：信息采集模块对风机运行现场状态及环境进行实时监测，并将实时监测数据发送至信息分析处理模块；信息分析处理模块对实时监测数据进行分析处理并比对，将正常或不正常信号发送至警报模块；警报模块将比对后结果显示，并将不正常信息推送至设备、手机、电脑，进行警报。
21.其中，声音的采集matlab函数库中的analoginput（）函数可以实现对模拟信号的采集，这种模拟信号可以是声音信号，电压、电流信号等。通过定义ai=analoginput(
‘
adaptor’),可以建立模拟信号采集的对象，其中adaptor=’winsound’，即建立了声音信号采集的对象。
22.对建立的声音信号采集对象要进行声音采集的属性参数设置。addchannel（ai,1）设置采集声音的通道数，1表示单声道，【1 2】则表示立体声道。set（ai,’samplesrate’,value）设置声音信号采集的采样频率，value的取值根据实际情况进行确定，但必须满足采样定理，通常的取值有value=8000、16000、44100等；set（ai,’samplespertrigger’,value）设置采集声音信号的长度；set(ai,’triggertype’,’value’)设置声音信号采集的触发方式，触发方式主要有三种：立即触发、手工触发和软件触发，软件触发有可以分为信号上升沿触发、下降沿触发等，需要根据不同的实际情况选择合适的触发方式。
23.执行stare（ai）函数打开声音信号采集的对象，一旦满足触发条件就立即采集声音信号，函数getdata（ai）可持续进行采集声音信号的是与特征值，delete（ai）函数删除声音信号采集的对象。一次执行上面的函数就能实现对声音的采集声音采集的程序：
ai=analoginput('winsound');addchannel(ai,1);ai.samplerate=8000;ai.samplespertrigger=30000;ai.triggertype='immediate';start(ai);[data,time] = getdata(ai);plot(data);title('shiyu');xlabel('time');ylabel('data');grid on；2.风机运行声音信号的频谱分析将时域信号进行fft分析，fft即为快速傅氏变换的快速算法，它是根据离散傅氏变换的特性对离散傅里叶变换进行改进获得的。
[0024]
在matlab的信号处理工具箱中函数fft和ifft用于快速福利叶变换和逆变换。函数fft用于序列的快速福利叶变换，其中点用的格式是y=fft(x),其中x为一向量，y是x的fft且和x长度相同；若x为一矩阵，则y是对矩阵的每一列向量进行fft。
[0025]
对声音信号进行频谱分析的程序：f=fft(data);f1=angle(data);n=length(time);w=[1:n].*5/n;plot(w,abs(f));3.对声音信号的滤波处理滤波器是一种用来消除干扰杂讯的器件，将输入或输出经过过滤而得到纯净的交流电。您可以通过基本的滤波器积木块
‑‑‑‑
二阶通用滤波器传递函数，推导出最通用的滤波器类型：低通、带通、高通、帯阻和椭圆型滤波器。本次设计采用巴特沃斯iir滤波器对声音信号进行滤波。
[0026]
其中：wp表示通带截止频率；ws表示阻带截止频率，rp表示通带纹波系数；rs表示阻带纹波系数；n表示滤波器最小阶数；wn表示截止频率。b，a分别表示阶次为n+1的数字滤波器系统传递函数的分子和分母多项式系数向量；fs为采样频率；n为在区间[o fs]频率范围内选取的频率点数；f记录频率点数。n取2的幂次方，可以提高运算的速度，因为freqz函数采用基2的fft算法。ftype=high时，为高通滤波器；ftype=bandpass时，为带通滤波器；ftype=stop时，为带阻滤波器。
[0027]
4.总程序：ai=analoginput('winsound');addchannel(ai,1);ai.samplerate=8000;
ai.samplespertrigger=30000;ai.triggertype='immediate';start(ai);[data,time] = getdata(ai);figure;plot(data);title('shiyu');xlabel('time');ylabel('data');grid onf=fft(data);f1=angle(data);n=length(time);w=[1:n].*5/n;figure;plot(w,abs(f));fp=1200;%阻带截止频率fs=1100;%通带截止频率ft=8000;%采集频率as=20;ap=1;wp=2*pi*fp/ft;ws=2*pi*fs/ft;fp=2*ft*tan(wp/2);fs=2*ft*tan(ws/2);[n,wn]=buttord(wp,ws,ap,as,'s');[b,a]=butter(n,wn,'s');[num,den]=bilinear(b,a,1);[h,w]=freqz(num,den);bu=filter(b,a,f);figure;plot(time,bu);grid;xlabel('频率');ylabel('频率响应幅度');title('滤波器滤波');运行后的波形：见图3；将采集的风机运行声音当做一种特殊的信号，即一种“复杂向量”来看待。把风机运行声音做为存储于计算机中的语音信号，其本身就是离散化了的向量，将这些离散的量
提取出来，对其进行处理。这一过程的实现，用到了处理数字信号的强有力工具matlab。通过matlab里几个命令函数的调用，在采集到的异常声音与数字信号处理之间建立了通道；1）声音采集系统硬件介绍该硬件系统主要应用于工业生产中，通过采集的声音信号与数据库中的数据相比较，来检测风机设备的运行状态等。本系统主要分为以下几个部分：电平转换电路、 ad转换电路、静态存储与动态存储、usb接口以及 jtag部分。
[0028]
该硬件系统通过采集声音信号来检测风机叶片等部件设备的裂纹、密合度等。将 dsp高速处理数字信号的能力与 usb高速传输数据的能力结合起来，使其服务于风机运维工作，是该硬件系统的主要工作内容。系统考虑选用 ti公司的tms320vc5402作为该块 pcb的 cpu，并将 philips公司的 pdiusbd12作为接口芯片，使用 usb1.1协议进行 dsp与电脑的通信。
[0029]
2）声音采集系统硬件设计方案人类可以听到的声音信号是范围在 20-20khz的模拟信号，所以首先需要传感器接收该声音信号，接着需要进行转换，使声音信号由模拟信号变为数字信号。之后通过分析噪声产生的原因和规律，利用被测信号的特点和相干性，检测被覆盖的声音信号。在检测方法上有频域信号的相干检测、时域信号的积累平均、离散信号的计数技术、并行检测等方法。
[0030]
由于 5402片内的 rom和 dram资源有限，所以声音采集系统需要外部存储设备，本系统选择一片 sram作为静态存储器，一片 flash作为动态存储设备。5402的 cpu电压为 3.3伏，外设电压为 1.8伏，所以该系统还需要一个供电的电源模块，可以将一般的输入电压 5伏转化为 3.3与 1.8伏的电压为 dsp供电，该 5v电压还可为除 dsp以外的其他设备供电。
[0031]
基于tms320vc5502的声音信号采集系统采用修正的哈佛结构，包括12组独立总线，即1组程序读总线，1组程序地址总线，3组数据读总线，2组数据写总线，5组数据地址总线。这种结构允许同时执行程序指令和对数据操作， 运行速度快，单周期定点指令执行时间为10ns。在声音信号采集中, 模拟信号向数字信号转换（adc)的精度和实时性对后续信号处理过程起到了重要作用。设计中采用tlc320ad50完成声音信号的a/d转换。tlc320ad50是ti公司提供的一款32 bit同步串口a/d和d/a转换芯片，adc之后有1个抽取滤波器以提高输入信号的信噪比, 其采样频率最高可达22.5 kb/s，满足声音信号处理关于采样频率的要求。
[0032]
dsp与计算机的通信，采用 usb方式，利用 usb接口芯片直接与 dsp相连，通过 dsp的程序实现 usb的协议，最大的优点就是可以保障数据交换的速度。
[0033]
综上，在本系统中，几个基本环节就是：电平转换电路：将 5v电源转换为 3.3v与 1.8v，分别为 dsp芯片的片上外设以及 cpu供电； ad信号转换电路：将传感器接收到的模拟信号转换为数字信号，供 dsp进行处理；信号的存储电路：储存 dsp处理的信号；信号传输电路：将经过处理的信号上传至服务器；3）模块介绍3.1 dspdsp技术简介
数字信号处理器，简称 dsp，是专业进行信号处理的芯片，目前在通信、自控领域具有广泛的应用。在信息资源大大丰富的今天，数字化程度已经越来越高。而 dsp作为这一技术的重要组成部分，对我们的生活已经产生了越来越深刻的影响。自从 1978年 ami公司发布了“单处理设备”开始，从基于 harvard结构但使用不同数据与程序总线的第一代通用dsp，到进行了改进的第二代增强型通用dsp，再到包含了 gpp结构的第三代dsp，今天的dsp的发展趋势已经趋向于混合结构，dsp产品与计算机之间的差别已经越来越模糊。在数字化时代背景下，dsp已成为各种电子产品等领域的基础器件，而其在电机控制、声音识别与图像识别领域中的应用则是更为广泛。
[0034]
声音采集系统中采用的 dsp本声音采集硬件系统中 dsp采用的是 ti公司的 tms320vc5402（以下简称 5402），其操作速率达 100 mips，由于其具有改进的哈佛结构，所以它可以在一个指令周期内完成 32x32bit的乘法，亦可以迅速完成数学运算最常用的乘加运算。它有 4条地址总线、3条 16位数据存储器总线和 1条程序存储器总线， 40位算术逻辑单元 (aiu)，一个 17
×
17乘法器和一个 40位专用加法器。8个辅助寄存器及一个软件栈，允许使用最先进的定点 dsp的 c 语言编译器，内置可编程等待状态发生器、锁相环(pll)时钟产生器、两个多通道缓冲串行口、一个 8位并行与外部处理器通信的 hpi口、2个 16位定时器以及 6通道 dma控制器，特别适合电池供电设备．3.2电平转换电路电平转换电路，顾名思义，就是将电源供电的电压转换为适合芯片工作的电压。由于 5402的核电压与片上外设电压不同，而且整个电路需要的电压并不能由电源直接提供，所以电平转换电路可以说是整个电路工作的动力，为各个元器件提供适合其工作的条件。
[0035]
在该电路中，电源芯片使用的是 ti公司的 tps767d301(以下简称 d301)。d301是一款可以使不同电压分别输出的芯片，可输出 3.3v和介于 1.5-5.5v之间的某一调整后的电压。因为 5402的外设电压是 3.3v，核电压为 1.8v，所以在此设计中，将该芯片的输出设定为3.3v和 1.8v，与 5402匹配。
[0036]
在 1out的输出部分 vo="vref"
×
（1+r1/r2），在 d301中，vredf=1.1834v，所以 vo="1".1834v
×
（1+15.8/30.1）=1.8v。
[0037] 3.3 ad转换本设计中选用的 ad转换芯片是 ti公司的tlc320ad50c。该芯片的采样采用σδ技术，即将一个抽样滤波器放置于 adc后，将一个差值滤波器放置在 dac前。这种结构的最大特点就是使系统可同时进行接收、发送任务。 tlc320ad50c可实现高采样率（最高可达 22.5kb/s）的 ad/da转换，该功能由 2个 16位的同步串行转换通道实现，可直接和 dsp连接进行通信。
[0038]
tlc320ad50c中的可选项和电路配置可以通过串行口进行编程，该芯片对掉电、复位、信号采样率、串行时钟率、增益控制、通信协议、测试模式等可通过串行口进行编程和电路配置。
[0039]
片外复位电路提供上电复位，晶振电路可提供 10mhz的主时钟频率，数据采样频率和其他时钟信号均由此频率分配。5402与 ad50c之间的通信格式为主串行通信格式：接收和发送转换信号。
[0040]
3.4 存储采集到声音信号后，一个很重要的环节就是声音信号的存储，本系统中我们采用的是sst公司的 flash存储器： sst39vf400a。该器件存储容量按实际采集配置，采用 3.3 v单电源供电，对各个子模块的读写和擦除，可通过一些特殊的命令字序列来实现且无需额外提供高电压。在此设计中我们利用 dsp编程实现对该存储器的读写操作。
[0041]
dsp主要通过外部存储器接口 (emif)访问片外存储器。它不仅具有很强的接口能力(可以和各种存储器直接接口)，而且具有很高的数据吞吐能力。 5402与 sst39vf400的接口电路设计如图 1所示。该电路主要通过 dsp的相关输出管脚来控制 flash的擦除和读写。其中，a0～a19为地址线，dq0～dq15为数据线，oe和 we分别为输出使能和写使能， ce1为片使能。
[0042]
声音信号经过 ad转换器以后传输给 dsp，由 dsp的 ps和 ds引脚通过逻辑开关来分别控制 flash和 sram的使能端，由 dsp的 rw和 mstrb控制位通过逻辑电路分别控制读和写。
[0043]
在本方案中，sram使用的是 gs1117：64k
×
16的 1mb异步静态随机存储器。 gs71116是一个由高速的互补性金属氧化物半导体晶体管（ cmos）组成的静态随机存储器，不需要外部时钟或时间频闪观测器。 3.3v的操作电压，所有的输入输出均兼容晶体管逻辑电路（ttl）。它的快速通道时间小于 15ns，操作电流小于 100ma。
[0044]
3.5 usbpdiusbd12是一款带并行总线的 usb 接口器件，它符合通用串行总线 usb 1.1 版规范，集成了 sie、fifo、存储器收发器以及电压调整器等，可与任何外部微控制器或微处理器实现高速并行接口 2m字节/秒，且在批量模式和同步模式下均可实现 1m字节/秒的数据传输速率，可通过软件控制与 usb 的连接，采用 goodlink技术的连接指示器 ,在通讯时使 led 闪烁，具有可编程的时钟频率输出，内部上电复位和低电压复位电路，为双电源操作，在 3.3
±
0.3v或扩展的 5v电源下均可使用，可实现多中断模式的批量和同步传输。
[0045]
3.6 jtagjtag是 joint test action group的简称，是用来调试 dsp的仿真部分，其连接部分要和仿真器上的引脚一致。ti公司的dsp5000系列专门预留有jtag管脚，共14个， 4,8,10,12引脚均接地，6引脚悬空，5接高平电压3.3v，所有的仿真引脚均使用 ieee1149.1标准，其余的引脚含义为【5】：1、tms：输入引脚，选择测试方式；2、trst：输入引脚，测试复位；3、tdi：输入引脚，测试数据输入；7、tdo：输出引脚，在 tck的下降沿时输出数据，其余时间呈高阻态；9、tck_ret：输入引脚，在板子与仿真器的连接电缆不小于 6英寸的时候，接法与 tck相同，大于 6英寸的时候，需另加驱动；11、tck：输入引脚，测试时钟，一般为占空比为50%的固有时钟信号；13、emu0：仿真中断引脚0，可用作输入或输出；14、emu1：仿真中断引脚1，可用作输入或输出，当 trst为低电平、emu0为高电平时，emu1为低电平，所有输出禁止。
[0046]
4）结论通过这个声音采集系统，将无形的声音信号转化为图形进行处理，可以观察它的波形特点进行分析。
[0047]
2.风机运行异常声音数据的处理软硬件系统
通过异常声音数据处理，可以实时监测风机运行状态。
[0048]
matlab语言是一种数据分析和处理功能十分强大的计算机应用软件，它可以将声音文件变换为离散的数据文件,然后利用其强大的矩阵运算能力处理数据,如数字滤波、傅里叶变换、时域和频域分析、声音回放以及各种图的呈现等，它的信号处理与分析工具箱为声音信号分析提供了十分丰富的功能函数，利用这些功能函数可以快捷而又方便地完成声音信号的处理和分析以及信号的可视化，使人机交互更加便捷。
[0049]
系统运用数字信号学基本原理实现风机运行异常声音信号的处理，在matlab7.0环境下综合运用信号提取，幅频变换以及傅里叶变换、滤波等技术来进行声音信号的处理。
[0050]
采集设备抗电磁干扰设计：由于声音传感器体积小、集成度高、封装密集，容易受到各种干扰。将干扰来源分为：系统内部和系统外部。内部的干扰主要包括不同电源电压的互扰、信号间的互扰、电源电压对信号的干扰等；外部的干扰有机载二次电源、整机电缆网、工作环境中的电气设备干扰等。该系统采用以下基本方式进行电磁干扰的处理。
[0051]
1)光电隔离是典型的信号隔离技术，可避免交流与直流、强电与弱电的相互干扰等。系统中对dio通道使用光电隔离，使得很大一部分干扰被阻挡；2)滤波有电感滤波和电容滤波两种方式，可有效抑制来自公共电源的传导干扰。系统中在控制器底板和插板上都有电源与地之间的滤波设计，及各种信号的整形和滤波等；3)设备外壳设计时，选择高可靠性接插件，紧固安装。而且为有效抑制外部辐射干扰，采用屏蔽壳体，传输电缆采用高性能屏蔽导线。
[0052]
数据传输4.5.1数据传输主要包括监控视频和预处理结果的传输，其传输方式包括有线光纤和无线5g网络传输。5g网络的性能目标是高数据速率、减少延迟、节省能源、降低成本、提高系统容量和大规模设备连接，因此依托于5g技术的优势，监控视频可以稳定快速地传输到后端服务器，实现快速地分析处理并做出响应，提高了不安全行为检测及预警指挥平台的可用性和可靠性。
[0053]
①
数据分析与处理该部分包括传统的监控平台和基于人工智能的智能分析算法服务器，其中传统的监控平台可以使用市面上成熟的软件产品，如：海康威视的ivms平台、大华的监控软件平台、宇视imos平台科和达监kdm系列监控平台等。通过使用对应平台提供的sdk可以与安全生成管理和预警系统进行集成。
[0054]
智能分析算法服务器是一个基于gpu高性能计算、分布式系统和深度学习的人工智能系统，可以从监控视频中进行实时的智能分析，实现对大规模监控摄像头自动实时地进行不安全行为检测与分析的智能视觉计算任务。该平台通过开放api可以实现与安全生成管理和预警系统进行以及其它管理系统进行集成，实现整个系统的联动。
[0055]
②
结果展示与管理系统集成该部分主要是对智能分析结果的处理，如结果展示、触发报警、设备锁定等。同时可与其它的安全生成管理系统和指挥平台集成，处理生产过程的业务流程。
[0056]
其中，气味的采集
传感器的感烟时当火灾场所发生的烟雾进入到监测电离室，位于电离室中的检测源镅241放射a射线，使电离室内的空气离成正负离子。当烟雾进入时，内外电离室因极性相反，所产生的离子电流保持相对稳定，处于平衡状态；火灾发生初期释放的气溶胶亚微粒子及可见烟雾大量进入检测电离室，吸附并中和正负离子，使电离电流急剧减少，改变电离平衡状态而输出检测电信号，经后级电路处理识别后，发出报警，并向配套监控系统输出报警开关信号。
[0057]
程序如下：#include 《reg51.h》#define uchar unsigned charsbit s1=p1^0;sbit d1=p1^1;sbit beep=p2^3;void delay (uchar x){uchar a,b;for(a=x;a》0;a
‑‑
) for(b=100;b》0;b
‑‑
);}void main(){s1=1;d1=1;delay(100);while(1){if(s1==1)d1=0,beep=0;elsed1=1,beep=1;}}单限比较器通过调节滑动变阻器来改变阈值电压，使输入电压改变时（即传感器报警器工作时），输出不同的电压，通过p1^0控制p1^1和蜂鸣器的工作状态！2、 声光报警电路通过51单片机控制，当p1^0口输入低电平时，p1^1和蜂鸣器处于低电平状态，不工作；当p1^0口输入高电平时，p1^1和蜂鸣器处于高电平，正常工作，即报警！通过采用上述技术方案，本发明所描述的风机运行多模态监测系统及方法，通过信息采集模块对风机运行现场状态及环境进行实时监测，并将实时监测数据发送至信息分析处理模块；
信息分析处理模块对实时监测数据进行分析处理并比对，将正常或不正常信号发送至警报模块；警报模块将比对后结果显示，并将不正常信息推送至设备、手机、电脑，进行警报；达到通过多个信息采集模块自主采集图像、声音和气味信息，并信息分析处理模块通过进行实时智能分析，主动上报设备健康状况，从而提升设备检修的效率和效果。
[0058]
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

技术特征：
1.一种风机运行多模态监测系统，其特征在于：包括设置在风机上的多个信息采集模块，其包括气味信号采集单元、声音信号采集单元和图像信号采集单元；与多个所述信息采集模块连接的信息分析处理模块，其包括气味信号处理单元、声音信号处理单元和图像信号处理单元，以及数据比对单元，所述气味信号处理单元、声音信号处理单元和图像信号处理单元用于接收处理多个所述信息采集模块发出信息，并将处理信息发送至所述数据比对单元，所述数据比对单元用于接收所述气味信号处理单元、声音信号处理单元和图像信号处理单元发出信息，并比对分析；与所述信息分析处理模块连接的警报模块，其包括报警中心管理平台，用于接收所述数据比对单元的比对分析结果并发出警报。2.根据权利要求1所述的一种风机运行多模态监测系统，其特征在于：所述信息采集模块由摄像头集成气味传感器和声音传感器组成，且所述图像信号采集单元连接有一视觉识别aiot盒子，安装在风机运行现场多个区域。3.根据权利要求1所述的一种风机运行多模态监测系统，其特征在于：所述气味信号处理单元包括气味信号分类网络和数值化建模，所述声音信号处理系统包括波形处理与异常检测和滤波处理，所述图像信号处理单元包括异构网络学习模型和不安全行为智能分析系统。4.根据权利要求1所述的一种风机运行多模态监测系统，其特征在于：所述数据比对单元包括先验知识和模糊神经网络网络推理网络。5.根据权利要求1所述的一种风机运行多模态监测系统，其特征在于：所述信息采集模块与所述信息分析处理模块之间通过5g网络或以太网连接。6.一种风机运行多模态监测方法，其特征在于，包括：信息采集模块对风机运行现场状态及环境进行实时监测，并将实时监测数据发送至信息分析处理模块；信息分析处理模块对实时监测数据进行分析处理并比对，将正常或不正常信号发送至警报模块；警报模块将比对后结果显示，并将不正常信息推送至设备、手机、电脑，进行警报。

技术总结
本发明公开了一种风机运行多模态监测系统及方法，属于风力发电检测技术领域,多个信息采集模块，包括气味信号采集单元、声音信号采集单元和图像信号采集单元，信息分析处理模块，其包括气味信号处理单元、声音信号处理单元和图像信号处理单元，以及数据比对单元，气味信号处理单元、声音信号处理单元和图像信号处理单元用于接收处理多个信息采集模块发出信息，并将处理信息发送至数据比对单元，数据比对单元用于接收气味信号处理单元、声音信号处理单元和图像信号处理单元发出信息，并比对分析，与信息分析处理模块连接的警报模块，用于接收数据比对单元的比对分析结果并发出警报，解决了对风机运行中的故障监测和实时预警的问题。的问题。的问题。


技术研发人员：邓东 张文斌 邓伏文 钟自禄 涂世武
受保护的技术使用者：吉水县中广核新能源有限公司
技术研发日：2023.02.21
技术公布日：2023/5/23