一种工业摄像装置的维护方法及系统与流程

1.本发明涉及工业电视系统的维护技术，更具体地说，涉及一种工业摄像装置的维护方法及系统。


背景技术：

2.工业电视系统归属视频监控范畴，应用在工业领域，主要由摄像装置、镜头、防护罩、云台、支架、现场接线箱、控制箱等组成。
3.工业电视系统主要用于现场生产状态的实时信息掌握管理并作为生产操作的辅助手段，实现对整个工业生产过程的实时监控，其摄像装置遍布生产现场的各个角落。
4.工业电视系统除了具备视频监控系统的通用性外，还具有自己的独特性，具体体现在摄像装置大多处在高腐蚀、重油污、高粉尘、电磁干扰严重、强震动、高低温、易燃易爆、安全隐患复杂的恶劣的生产现场环境中。
5.工业电视设备经过长期运行的性能不断劣化，但是目前在工业电视领域，由于工业电视系统的独特性，设备维护采用事后维修的方式。
6.设备维护一般有三种模式：事后维修、预防性维修和预知状态维修，事后维修和预防性维修往往存在维修不足和维修过度的问题，预知状态维修能根据设备的实际工作情况，通过一定的算法对设备的运行状态进行分析、判断，预测设备状态发展趋势，在此基础上制定维修计划，可以有效地节约成本、提高效率。
7.目前主流的预知状态维护方法多基于设备状态监测大数据，对设备状态进行分析和评估后，进一步采用机器学习的方法，选用智能算法进行建模后进行设备状态的预测。这种方法依赖于海量的设备数据进行建模，对于价格昂贵的设备来说，花费大量的人力物力来布设大量的监测装置能满足要求，但是并不适用于众多的小型设备。
8.安防领域对摄像头的维护多采用事后维修的方式，也有部分采用预知状态维修的方式，如中国专利公告的摄像头故障智能预测方法、装置和摄像头管理服务器(授权公告号cn108810526 b)，使用传感器来采集故障前摄像头的状态序列信息，根据相应故障前的历史故障信息建立深度学习的故障预测模型。
9.对于工业摄像装置，这种方法有以下缺点：
10.1)准确性不足：这些算法对输入数据的要求较高，对设备数据数量需求较大、对数据的准确性要求较高。但由于现有的工业摄像装置数量众多且分布在各处，对摄像装置布设数量众多的传感器来获取设备状态数据缺乏现实性，因而缺乏足够的可用数据会导致机器学习的结论存在着很大的误差；
11.2)落地性差：工业摄像装置故障具有复杂性、多样性、易受外界因素影响等特点，由于现有的方法缺乏对预测结果的准确性评测和对模型参数的适应性动态调整，因此预测结果的准确性无法保证。


技术实现要素：

12.针对现有技术中存在的上述缺陷，本发明的目的是提供一种工业摄像装置的维护方法及系统，通过对摄像装置分解量化、动态修正的状态量化评价、结合故障数据计算摄像装置的故障率、基于帕累托法则策略的工业摄像装置的维护方法及系统。
13.为实现上述目的，本发明采用如下技术方案：
14.一方面，一种工业摄像装置的维护方法，通过对所述工业摄像装置进行分解量化、动态修正的状态量化评价，结合故障数据计算出所述工业摄像装置的故障率，最后基于帕累托法则策略以实现所述工业摄像装置的预知状态维修。
15.较佳的，所述维护方法进一步包括以下步骤：
16.1)将所述工业摄像装置分解成能反映其故障趋势的特征量并进行量化，将所述工业摄像装置进行分层，分解成多个部件，每个所述部件又分成各种状态量，依据对所述工业摄像装置的影响程度，对各分层根据所述状态量的不同赋予相应的权重和分值，计算出所述工业摄像装置的状态指数；
17.2)结合所述工业摄像装置的运行和故障情况，对所述工业摄像装置的状态设定修正系数；
18.3)设定动态的所述工业摄像装置运行环境修正因子，计算出所述工业摄像装置的动态状态指数；
19.4)利用计算出的所述工业摄像装置的动态状态指数，结合所述工业摄像装置的故障统计数据，计算出所述工业摄像装置的故障率；
20.5)通过关注计算出的故障率最高的所述工业摄像装置，动态调整该工业摄像装置的点检周期，并制定针对性的措施；
21.6)通过基于帕累托法则策略的维护模型，将计算出的故障率与后期实际发生的故障进行数据比较分析，对所述维护模型参数进行适应性动态调整，用于今后所述工业摄像装置故障率的计算。
22.较佳的，所述步骤1)中，计算出所述工业摄像装置的状态指数，计算公式如下：
[0023][0024]
公式1中，st表示工业摄像装置状态指数；n表示工业摄像装置的某个部件，值为1～n，n表示工业摄像装置的部件数；sn为各部件的状态系数；wn为各部件的权重系数。
[0025]
较佳的，所述步骤2)中，所述工业摄像装置的修正系数包括运行年限修正系数x
1b
、运行环境修正系数x
2c
、故障次数修正系数x
3d
。
[0026]
较佳的，所述步骤3)中，所述工业摄像装置运行环境修正因子包括运行环境动态修正系数x
4c
。
[0027]
较佳的，所述步骤3)中，计算出所述工业摄像装置的动态状态指数，计算公式如下：
[0028]
a2＝x
3d
ꢀꢀꢀ
公式2
[0029]dst
＝sta1a2ꢀꢀꢀꢀꢀꢀ
公式3
[0030]
公式2和公式3中，d
st
是工业摄像装置的动态状态指数；a1和a2分别为运行和故障
修正因子。
[0031]
较佳的，所述步骤4)中，计算出所述工业摄像装置的故障率，具体如下：
[0032]
收集两年的所述工业摄像装置的年度故障统计数据，计算出2个年故障发生概率p：
[0033][0034]
公式4中，n表示故障工业摄像装置数量；n工业摄像装置总数量；
[0035]
利用所述工业摄像装置的动态状态指数d
st
的年度均值，结合所述年故障发生概率p，代入公式5中，推算出比例系数k1和k2：
[0036][0037]
再根据公式6计算出每一个所述工业摄像装置的故障率fr：
[0038][0039]
较佳的，所述步骤5)中，关注计算出的故障率最高的所述工业摄像装置为关注17％至22％的工业摄像装置。
[0040]
另一方面，一种工业摄像装置的维护系统，包括：
[0041]
量化评价模块，用以对工业摄像装置的状态进行量化评价；
[0042]
故障率计算模块，用以计算出工业摄像装置的故障率；
[0043]
维护模型，基于帕累托法则策略实现工业摄像装置预知状态维修；
[0044]
所述维护系统用以执行所述的工业摄像装置的维护方法。
[0045]
本发明所提供的一种工业摄像装置的维护方法及系统，对于现有的数量众多且分布广泛的工业摄像装置，不需要花费大量人力物力来专门对摄像装置布设数量众多的传感器，就能实现工业摄像装置的预知状态维修，可以有效地节约成本、提高效率。
附图说明
[0046]
图1是本发明工业摄像装置的维护系统的框架示意图。
具体实施方式
[0047]
为了能更好地理解本发明的上述技术方案，下面结合附图和实施例进一步说明本发明的技术方案。
[0048]
本发明所提供的一种工业摄像装置的维护方法，通过对工业摄像装置进行分解量化、动态修正的状态量化评价，结合故障数据计算出工业摄像装置的故障率，最后基于帕累托法则策略以实现工业摄像装置的预知状态维修。
[0049]
本发明维护方法进一步包括以下步骤：
[0050]
1)将工业摄像装置分解成能反映其故障趋势的特征量并进行量化，将工业摄像装置进行分层，分解成多个部件，每个部件又分成各种状态量，依据对工业摄像装置的影响程度，对各分层根据状态量的不同赋予相应的权重和分值，计算出工业摄像装置的状态指数；
[0051]
2)结合工业摄像装置的运行和故障情况，对工业摄像装置的状态设定修正系数；
[0052]
3)设定动态的工业摄像装置运行环境修正因子，计算出工业摄像装置的动态状态
指数；
[0053]
4)利用计算出的工业摄像装置的动态状态指数，结合工业摄像装置的故障统计数据，计算出工业摄像装置的故障率；
[0054]
5)通过计算出的故障率最高的工业摄像装置，动态调整该工业摄像装置的点检周期，并制定针对性的措施；
[0055]
6)通过基于帕累托法则策略的维护模型，将计算出的故障率与后期实际发生的故障进行数据比较分析，对维护模型参数进行适应性动态调整，用于今后工业摄像装置故障率的计算。
[0056]
上述步骤1)中，首先将工业摄像装置进行分层，分解成多个部件，每个部件又分成各种状态量，见下表1：
[0057]
表1工业摄像装置的层次结构
[0058][0059]
依据对工业摄像装置的影响程度，对各分层根据状态量的不同赋予相应的权重和分值，见下表2：
[0060]
表2工业摄像装置的部件状态及权重表
[0061][0062][0063]
计算出工业摄像装置的状态指数，计算公式如下：
[0064][0065]
公式1中，st表示工业摄像装置状态指数；n表示工业摄像装置的某个部件，值为1～n，n表示工业摄像装置的部件数；sn为各部件的状态系数；wn为各部件的权重系数。
[0066]
上述步骤2)中，结合工业摄像装置的运行和故障等情况，对工业摄像装置的状态
设定修正系数，见下表3：
[0067]
表3工业摄像装置的修正系数
[0068][0069][0070][0071]
上述步骤3)中，设定工业摄像装置运行环境修正因子，见下表4：
[0072]
表4工业摄像装置的运行环境动态修正系数
[0073][0074]
计算出工业摄像装置的动态状态指数，计算公式如下：
[0075]
a2＝x
3d
ꢀꢀꢀꢀ
公式2
[0076]dst
＝sta1a2ꢀꢀꢀꢀꢀꢀ
公式3
[0077]
公式2和公式3中，d
st
是工业摄像装置的动态状态指数；a1和a2分别为运行和故障修正因子。
[0078]
上述步骤4)中，计算出工业摄像装置的故障率，具体如下：
[0079]
收集两年的工业摄像装置的年度故障统计数据，计算出2个年故障发生概率p：
[0080][0081]
公式4中，n表示故障工业摄像装置数量；n工业摄像装置总数量；
[0082]
利用工业摄像装置的动态状态指数d
st
的年度均值，结合年故障发生概率p，代入公式5中，推算出比例系数k1和k2：
[0083][0084]
再根据公式6计算出每一个工业摄像装置的故障率fr：
[0085][0086]
上述步骤5)6)中，通过对计算出的故障率与后期实际发生的故障进行数据分析比较，实际发生的故障与计算出的故障率之间的关系比较符合帕累托法则，因此对工业摄像装置故障的维护采取符合帕累托法则策略：通过重点关注计算出的故障率最高的约20％的工业摄像装置，动态调整这些工业摄像装置的点检周期，并制定针对性的措施，可以实现工业摄像装置的预知状态维修。
[0087]
将计算出的故障率与后期实际发生的故障进行数据比较分析，对模型参数进行适应性动态调整，用于今后工业摄像装置故障率的计算。
[0088]
请结合图1所示，本发明还提供了一种工业摄像装置的维护系统，包括：
[0089]
量化评价模块1，用以对工业摄像装置的状态进行量化评价；
[0090]
故障率计算模块2，用以计算出工业摄像装置的故障率；
[0091]
维护模型3，基于帕累托法则策略实现工业摄像装置预知状态维修；
[0092]
本发明维护系统用以执行本发明工业摄像装置的维护方法。
[0093]
实施例1
[0094]
1)将工业摄像装置分解成能反映其故障趋势的特征量并进行量化，将工业摄像装置进行分层，分解成多个部件，每个部件又分成各种状态量，依据对工业摄像装置的影响程度，对各分层根据状态量的不同赋予相应的权重和分值，计算出工业摄像装置的状态指数；
[0095]
首先将工业摄像装置进行分层，分解成多个部件，每个部件又分成各种状态量，见下表1：
[0096]
表1工业摄像装置的层次结构
[0097][0098]
依据对工业摄像装置的影响程度，对各分层根据状态量的不同赋予相应的权重和分值，见下表2’：
[0099]
表2’工业摄像装置的部件状态及权重表
[0100][0101]
现场工业摄像装置的部件状态见下表2-1：
[0102]
表2-1工业摄像装置的部件状态
[0103]
[0104]
[0105]
[0106][0107]
计算出工业摄像装置的状态指数，计算公式如下：
[0108][0109]
公式1中，st表示工业摄像装置状态指数；n表示工业摄像装置的某个部件，值为1～n，n表示工业摄像装置的部件数；sn为各部件的状态系数；wn为各部件的权重系数。
[0110]
2)结合工业摄像装置的运行和故障情况，对工业摄像装置的状态设定修正系数，见下表3’：
[0111]
表3’工业摄像装置的修正系数
[0112][0113][0114][0115]
现场工业摄像装置的运行年限、运行环境、故障次数见下表3-1：
[0116]
表3-1现场工业摄像装置的运行年限、运行环境、故障次数
[0117]
[0118]
[0119]
[0120]
[0121]
[0122][0123]
3)设定动态的工业摄像装置运行环境修正因子，计算出工业摄像装置的动态状态指数，见下表4’：
[0124]
表4’工业摄像装置的运行环境动态修正系数
[0125][0126]
计算出工业摄像装置的动态状态指数，计算公式如下：
[0127]
a2＝x
3d
ꢀꢀꢀꢀꢀ
公式2
[0128]dst
＝sta1a2ꢀꢀꢀꢀꢀ
公式3
[0129]
公式2和公式3中，d
st
是工业摄像装置的动态状态指数；a1和a2分别为运行和故障修正因子。
[0130]
4)利用计算出的工业摄像装置的动态状态指数，结合工业摄像装置的故障统计数据，计算出工业摄像装置的故障率，具体如下：
[0131]
收集2018年、2019年的工业摄像装置的年度故障统计数据，计算出2个年故障发生概率p：
[0132][0133]
公式4中，n表示故障工业摄像装置数量；n工业摄像装置总数量；
[0134]
利用工业摄像装置的动态状态指数d
st
的年度均值，结合年故障发生概率p，代入公式5中，推算出比例系数k1和k2：
[0135][0136]
再根据公式6计算出每一个工业摄像装置的故障率fr：
[0137][0138]
计算出的现场工业摄像装置的状态指数st、动态状态指数d
st
、比例系数k1和k2、故障率fr见下表5-1：
[0139]
表5-1状态指数st、动态状态指数d
st
、比例系数k1和k2、故障率fr
[0140]
[0141]
[0142]
[0143]
[0144][0145]
5)通过计算出的故障率最高的工业摄像装置，动态调整该工业摄像装置的点检周期，并制定针对性的措施；
[0146]
6)对计算出的故障率与后期实际发生的故障进行数据分析比较。
[0147]
2020年现场工业摄像装置实际发生的故障情况见下表6-1：
[0148]
表6-1 2020年现场工业摄像装置实际发生的故障
[0149][0150]
本实施例中，比较表5-1和表6-1，在105个工业摄像装置中，重点关注故障率最高的20％(105个
×
20％＝21个)的工业摄像装置，可以在所有7个故障中提前预知其中4个故障，占比为57.14％(4/7＝57.14％)。
[0151]
实施例2
[0152]
1)将工业摄像装置分解成能反映其故障趋势的特征量并进行量化，将工业摄像装置进行分层，分解成多个部件，每个部件又分成各种状态量，依据对工业摄像装置的影响程
度，对各分层根据状态量的不同赋予相应的权重和分值，计算出工业摄像装置的状态指数；
[0153]
现场工业摄像装置的部件状态见下表2-2：
[0154]
表2-2工业摄像装置的部件状态
[0155]
[0156]
[0157]
[0158][0159]
计算出工业摄像装置的状态指数，计算公式如下：
[0160][0161]
2)结合工业摄像装置的运行和故障情况，对工业摄像装置的状态设定修正系数。
[0162]
现场工业摄像装置的运行年限、运行环境、故障次数见下表3-2：
[0163]
表3-2现场工业摄像装置的运行年限、运行环境、故障次数
[0164]
[0165]
[0166]
[0167]
[0168][0169]
3)设定动态的工业摄像装置运行环境修正因子，计算出工业摄像装置的动态状态指数。
[0170]
计算出工业摄像装置的动态状态指数，计算公式如下：
[0171]
a2＝x
3d
ꢀꢀꢀꢀꢀ
公式2
[0172]dst
＝sta1a2ꢀꢀꢀꢀ
公式3
[0173]
4)利用计算出的工业摄像装置的动态状态指数，结合工业摄像装置的故障统计数据，计算出工业摄像装置的故障率，具体如下：
[0174]
收集两年的工业摄像装置的年度故障统计数据，计算出2个年故障发生概率p：
[0175][0176]
公式4中，n表示故障工业摄像装置数量；n工业摄像装置总数量；
[0177]
利用工业摄像装置的动态状态指数d
st
的年度均值，结合年故障发生概率p，代入公式5中，推算出比例系数k1和k2：
[0178][0179]
再根据公式6计算出每一个工业摄像装置的故障率fr：
[0180]
[0181]
计算出的现场工业摄像装置的状态指数st、动态状态指数d
st
、比例系数k1和k2、故障率fr见下表5-2：
[0182]
表5-2状态指数st、动态状态指数d
st
、比例系数k1和k2、故障率fr
[0183]
[0184]
[0185]
[0186][0187]
5)通过计算出的故障率最高的工业摄像装置，动态调整该工业摄像装置的点检周期，并制定针对性的措施；
[0188]
6)对计算出的故障率与后期实际发生的故障进行数据分析比较。
[0189]
2020年现场工业摄像装置实际发生的故障情况见下表6-2：
[0190]
表6-2 2020年现场工业摄像装置实际发生的故障
[0191][0192]
本实施例中，比较表5-2和表6-2，在97个工业摄像装置中，重点关注故障率最高的21％(97个
×
21％＝20个)的工业摄像装置，可以在所有11个故障中提前预知其中5个故障，占比为45.45％(5/11＝45.45％)。
[0193]
本技术领域中的普通技术人员应当认识到，以上的实施例仅是用来说明本发明，而并非用作为对本发明的限定，只要在本发明的实质精神范围内，对以上所述实施例的变化、变型都将落在本发明的权利要求书范围内。

技术特征：
1.一种工业摄像装置的维护方法，其特征在于：通过对所述工业摄像装置进行分解量化、动态修正的状态量化评价，结合故障数据计算出所述工业摄像装置的故障率，最后基于帕累托法则策略以实现所述工业摄像装置的预知状态维修。2.根据权利要求1所述的工业摄像装置的维护方法，其特征在于，所述维护方法进一步包括以下步骤：1)将所述工业摄像装置分解成能反映其故障趋势的特征量并进行量化，将所述工业摄像装置进行分层，分解成多个部件，每个所述部件又分成各种状态量，依据对所述工业摄像装置的影响程度，对各分层根据所述状态量的不同赋予相应的权重和分值，计算出所述工业摄像装置的状态指数；2)结合所述工业摄像装置的运行和故障情况，对所述工业摄像装置的状态设定修正系数；3)设定动态的所述工业摄像装置运行环境修正因子，计算出所述工业摄像装置的动态状态指数；4)利用计算出的所述工业摄像装置的动态状态指数，结合所述工业摄像装置的故障统计数据，计算出所述工业摄像装置的故障率；5)通过关注计算出的故障率最高的所述工业摄像装置，动态调整该工业摄像装置的点检周期，并制定针对性的措施；6)通过基于帕累托法则策略的维护模型，将计算出的故障率与后期实际发生的故障进行数据比较分析，对所述维护模型参数进行适应性动态调整，用于今后所述工业摄像装置故障率的计算。3.根据权利要求2所述的工业摄像装置的维护方法，其特征在于，所述步骤1)中，计算出所述工业摄像装置的状态指数，计算公式如下：公式1中，st表示工业摄像装置状态指数；n表示工业摄像装置的某个部件，值为1～n，n表示工业摄像装置的部件数；s
n
为各部件的状态系数；w
n
为各部件的权重系数。4.根据权利要求3所述的工业摄像装置的维护方法，其特征在于，所述步骤2)中，所述工业摄像装置的修正系数包括运行年限修正系数x
1b
、运行环境修正系数x
2c
、故障次数修正系数x
3d
。5.根据权利要求4所述的工业摄像装置的维护方法，其特征在于，所述步骤3)中，所述工业摄像装置运行环境修正因子包括运行环境动态修正系数x
4c
。6.根据权利要求5所述的工业摄像装置的维护方法，其特征在于，所述步骤3)中，计算出所述工业摄像装置的动态状态指数，计算公式如下：d
st
＝sta1a2ꢀꢀꢀꢀꢀꢀꢀꢀ
公式3公式2和公式3中，d
st
是工业摄像装置的动态状态指数；a1和a2分别为运行和故障修正因子。7.根据权利要求6所述的工业摄像装置的维护方法，其特征在于，所述步骤4)中，计算
出所述工业摄像装置的故障率，具体如下：收集两年的所述工业摄像装置的年度故障统计数据，计算出2年故障发生概率p：公式4中，n表示故障工业摄像装置数量；n工业摄像装置总数量；利用所述工业摄像装置的动态状态指数d
st
的年度均值，结合所述年故障发生概率p，代入公式5中，推算出比例系数k1和k2：再根据公式6计算出每一个所述工业摄像装置的故障率fr：8.根据权利要求7所述的工业摄像装置的维护方法，其特征在于，所述步骤5)中，关注计算出的故障率最高的所述工业摄像装置为关注17％至22％的工业摄像装置。9.一种工业摄像装置的维护系统，其特征在于，包括：量化评价模块，用以对工业摄像装置的状态进行量化评价；故障率计算模块，用以计算出工业摄像装置的故障率；维护模型，基于帕累托法则策略实现工业摄像装置预知状态维修；所述维护系统用以执行如权利要求1-8任一项所述的工业摄像装置的维护方法。

技术总结
本发明公开了一种工业摄像装置的维护方法及系统，通过对所述工业摄像装置进行分解量化、动态修正的状态量化评价，结合故障数据计算出所述工业摄像装置的故障率，最后基于帕累托法则策略以实现所述工业摄像装置的预知状态维修。本发明通过对摄像装置分解量化、动态修正的状态量化评价、结合故障数据计算摄像装置的故障率、基于帕累托法则策略的工业摄像装置的维护方法及系统。置的维护方法及系统。置的维护方法及系统。


技术研发人员：张东昕 胡访林
受保护的技术使用者：宝山钢铁股份有限公司
技术研发日：2022.01.26
技术公布日：2023/8/4