一种基于边缘计算的消防设备智能巡检系统的制作方法

本发明涉及消防设备状态监测领域，具体为一种基于边缘计算的消防设备智能巡检系统。

背景技术：

1、消防泵组是建筑消防给水系统的核心动力装备，依据消防规范需定期开展启停自检与法定周期检验。当前业内普遍布设多类传感装置采集泵组运行参数，以固定阈值触发异常报警，部分系统将数据上传云端做统计分析，日常依靠定期启停自检验证设备可启动性。

2、但消防泵组长期待机、仅自检时短时运行的特性，使有效数据高度集中于启动瞬态；该时段内正常工况冲击与早期退化的信号特征高度耦合，现有判定方式无法在极短瞬态过程中区分瞬时扰动、启动冲击与设备持续性退化异常，漏判与误判难以兼顾。同时，离散分布的历次自检瞬态数据无法直接形成连续状态演化序列，现有技术若要量化法定检验周期内的设备退化趋势，要么全量上传数据推高带宽与部署成本，要么仅传报警点位而无法支撑连续退化速率评估，始终无法在低传输成本下实现设备长期健康状态的精准量化。

技术实现思路

1、为实现以上目的，本发明通过以下技术方案予以实现：一种基于边缘计算的消防设备智能巡检系统，包括：

2、数据采集终端，包含多源传感器集群和数据接口，所述数据接口连接各传感器，配置为按统一时间戳封装多源传感数据帧并发送；

3、数据处理模块，包含边缘计算网关和云端服务器，所述边缘计算网关部署于消防设备现场，接收多源传感数据帧；

4、所述边缘计算网关包含第一处理单元、第二处理单元和健康度融合输出单元；

5、第一处理单元，配置为以第一时间窗口为单位提取多源传感数据帧的时域统计特征和频域特征，生成短时特征向量；

6、第二处理单元，连接第一处理单元，配置为累积连续n个第一时间窗口的短时特征向量，计算该n个短时特征向量之间的时序一致性系数，当该系数低于预设阈值时判定存在持续异常，将对应多源传感数据帧缓存至本地存储器，并生成第一健康度调整信号；

7、所述云端服务器包含第三处理单元，连接边缘计算网关，配置为按预设周期接收本地存储器中缓存的持续异常所对应的多源传感数据帧，将多个第一健康度调整信号拼接为健康度时序曲线，将健康度时序曲线与预存的历史健康度基准曲线对齐，计算累积偏离量；根据累积偏离量和法定检验周期剩余天数计算设备退化速率，并根据设备退化速率生成第二健康度调整信号并下发；

8、所述健康度融合输出单元，接收第一健康度调整信号和第二健康度调整信号，加权融合后输出综合健康度评分并以此巡检设备。

9、优选的，所述多源传感器集群包括安装于消火栓泵组或喷淋泵组轴承座的振动加速度传感器、安装于泵组出口管网的动态压力传感器以及安装于泵组电机绕组的温度传感器；数据接口在同一采样周期内，将振动加速度传感器的采样率配置为动态压力传感器采样率的整数倍，将温度传感器的采样率配置为动态压力传感器采样率的1/m，其中m为大于等于10的整数，并以动态压力传感器的采样时刻为基准时间戳，对振动加速度与温度传感器的采样数据进行线性插值对齐，封装为包含泵组启停状态标识位、管网稳态/瞬态流态标识位的多源传感数据帧；通过差异化采样率配置兼顾快变故障特征提取与慢变参数监测效率，配合插值对齐机制消除多源数据的时序偏差，为多维度特征融合提供统一的时序基准；

10、优选的，第一处理单元针对振动加速度信号进行小波包分解与子频带能量计算，提取泵组轴承故障特征频带能量占比与叶轮气蚀特征频带能量占比，特征频带能量占比满足公式，式中为目标特征频带内的信号能量，为振动信号全频带总能量；针对动态压力信号进行经验模态分解，提取压力脉动主频及其谐波能量分布；结合温度信号计算得到的窗口内温升速率，共同构成短时特征向量；其中叶轮气蚀特征频带由离线标定的气蚀初生试验频谱确定，标定过程为在泵组额定转速工况下逐步降低进口压力，监测到叶轮表面产生初生空泡时记录对应振动频谱，将频谱中能量集中度高于预设能量阈值且频率范围处于叶轮叶片通过频率±5%内的区间确定为气蚀特征频带，叶轮叶片通过频率满足公式，式中z为叶轮叶片数，n为泵组额定转速；标定完成的气蚀特征频带存储于边缘计算网关的非易失性存储器中，在线监测过程中可直接调用，无需重复在线标定，在保障气蚀识别准确性的同时降低边缘侧运算负载。

11、优选的，第二处理单元通过启动瞬态时段的多源特征关联分析计算时序一致性系数：边缘计算网关识别多源传感数据帧中的泵组启停状态标识位，捕捉由定期自检触发的泵组启动过程，截取从电机得电时刻至管网压力达到稳态值的启动瞬态时段，将该时段内连续n个第一时间窗口的短时特征向量构建为瞬态特征矩阵；对振动加速度对应的特征子矩阵与动态压力对应的特征子矩阵进行典型相关分析，提取最大典型相关系数作为时序一致性系数；典型相关分析通过构建广义特征值问题求解，式中、分别为两组特征的协方差矩阵，为两组特征的互协方差矩阵，a、b分别为两组特征的线性组合系数向量，求解得到的最大特征值的平方根即为时序一致性系数；时序一致性系数的预设阈值由额定工况下正常启动样本的95%分位值离线标定得到，时序一致性系数低于阈值时判定存在持续异常，生成随时序一致性系数降低线性减小的第一健康度调整信号；同时根据异常等级与泵组工况类型为缓存数据分配三级存储优先级，本地存储容量不足时按优先级由低到高依次覆盖历史数据，在有限存储资源下优先保留高价值异常数据。

12、优选的，第三处理单元将健康度时序曲线与法定检验周期内的历史健康度基准曲线进行动态时间规整对齐，计算两者的累积偏离量，再结合法定检验周期剩余天数计算设备退化速率，以此生成第二健康度调整信号；动态时间规整通过构建累积距离矩阵求解两条曲线的最优对齐路径，累积偏离量为最优对齐路径上所有采样点的距离之和，满足，其中单点距离采用欧氏距离计算，即，分别对应健康度时序序列与基准序列的对应采样点；设备退化速率计算引入时间加速系数修正设备非线性退化过程，截取单次泵组启动过程的健康度子序列作为监测子周期，经对齐映射至基准曲线后得到等效历史时间跨度，时间加速系数满足，式中teq为等效历史时间跨度，tact为监测子周期实际时长；经修正后的等效累积偏离量，设备退化速率，式中tremain为法定检验周期剩余天数；将实际退化速率与由法定检验要求推导的正常退化速率进行对比，经线性映射得到第二健康度调整信号，实现设备长期退化趋势的精准量化。

13、优选的，健康度融合输出单元基于d-s证据理论实现两路健康度信号的融合评估，构建识别框架{正常，注意，异常，严重}，将第一健康度调整信号与第二健康度调整信号分别作为独立证据体，按照预设映射规则生成各状态的基本概率分配；计算两个证据体之间的冲突系数，式中a为第一健康度调整信号对应证据体的焦元，b为第二健康度调整信号对应证据体的焦元，二者均为识别框架的子集，求和范围覆盖所有交集为空的焦元对；当冲突系数超过预设阈值时，判定边缘侧短时判定结果与云端长期趋势存在证据冲突，此时提升第二健康度调整信号的权重、降低第一健康度调整信号的权重，同时触发第三处理单元扩展健康度时序的统计时长，重新校核设备退化速率与第二健康度调整信号后下发；当冲突系数未超过预设阈值时，采用dempster组合规则进行置信度合成，以各状态的最终置信度为权重加权计算，得到取值范围明确的综合健康度评分，支撑后续分级运维决策。

14、本发明提供了一种基于边缘计算的消防设备智能巡检系统。具备以下有益效果：

15、1、本发明采用边缘计算网关与云端服务器分层协同的计算架构，边缘侧完成实时数据处理、特征提取与异常初判，仅将异常数据上传云端，大幅降低数据传输带宽占用与云端运算压力，同时保障现场异常响应的实时性。

16、2、本发明基于泵组启动瞬态过程的多源特征时序一致性判定替代传统单参数阈值报警，融合振动、压力、温度多维度信息，有效滤除传感器瞬时扰动与工况波动导致的误报警，提升异常识别的准确率与可靠性。

17、3、本发明能够更精准地量化设备退化速率，同时为法定检验提供全周期运行数据佐证，为消防设备全生命周期智能化管理提供完整的技术支撑。