一种便携式低电压设备接触性故障监测预警系统的制作方法

本发明涉及低电压设备故障监测，尤其涉及一种便携式低电压设备接触性故障监测预警系统。

背景技术：

1、便携式低电压设备在服役过程中不仅会因频繁插拔、线缆弯折、接口磨损等因素导致接触界面逐步劣化，接触电阻增大、接触温升加剧、微振动引发间歇性断连等隐患随之累积；而且，设备在实际使用中往往需要在室内静止桌面、室内手持移动、户外高温高湿、户外低温低气压、强振动冲击等差异悬殊的应用场景之间频繁切换，场景转换带来的环境突变和运动状态突变会对本已劣化的接触界面施加额外的耦合应力，进一步加速接触失效进程。若未能及时发现接触性故障的演变趋势并预警，则可能引发设备突然断电、数据传输中断、控制指令丢失等异常事件，不仅造成作业中断和经济损失，更可能危及关键任务的完成质量与安全性。近年来，部分现有技术尝试在设备中嵌入传感器以实现接触状态的在线监测，在一定程度上提升了故障发现的及时性。

2、然而，现有技术在对便携式低电压设备进行接触性故障监测时，缺乏基于场景切换过程的故障风险动态预测机制，仅在当前时刻或当前场景下对接触状态进行静态评估，未能利用设备的场景状态切换轨迹图谱来预测即将发生的场景切换概率，更未将场景切换概率与接触状态数据进行关联融合分析。例如，当设备即将从室内静止桌面场景切换到户外高温高湿场景时，若仅依据当前室内环境下的接触电阻和温升数据进行故障判断，而不考虑切换后环境温度骤升、湿度剧增对接触界面的热膨胀效应和氧化腐蚀加速作用，则很难准确预判接触故障在场景切换过程中的演化趋势与突发风险，从而导致对故障严重性的误判或漏判。

技术实现思路

1、为了克服现有技术存在的缺陷与不足，本发明提供一种便携式低电压设备接触性故障监测预警系统，通过利用场景识别模型识别当前场景并构建场景状态切换轨迹图谱以预测场景切换概率，将接触状态数据与场景切换概率融合进行接触性故障风险预测，进而基于调度适应匹配程度分析结果实施差异化调度干预。

2、为了达到上述目的，本发明采用以下技术方案：

3、本发明实施例提供一种便携式低电压设备接触性故障监测预警系统，包括下述模块：

4、数据采集模块，用于通过部署于便携式低电压设备的多源传感器阵列，同步采集设备的接触状态数据、场景环境数据与运动状态数据；

5、场景切换判断模块，用于基于场景环境数据与运动状态数据，识别便携式低电压设备当前所处应用场景，并构建基于时间序列的场景状态切换轨迹图谱，基于场景状态切换轨迹图谱，预测便携式低电压设备即将发生的场景切换概率；

6、故障预测模块，用于结合便携式低电压设备即将发生的场景切换概率和接触状态数据，对便携式低电压设备在切换到下一应用场景过程中的接触性故障风险进行预测分析；

7、调度适应分析模块，用于根据切换到下一应用场景过程中的接触性故障风险预测分析结果，对便携式低电压设备调度到下一应用场景的调度适应匹配程度进行分析；

8、调度干预模块，用于基于便携式低电压设备调度到下一应用场景的调度适应匹配程度分析结果，进行差异化调度干预。

9、结合上述技术方案，本发明实施例还提供上述技术方案的第一种实施方式，基于场景环境数据与运动状态数据，识别便携式低电压设备当前所处应用场景，具体包括以下内容：

10、对场景环境数据与运动状态数据进行滑动窗口计算，得到当前滑动窗口下便携式低电压设备的环境变化剧烈程度、运动振动强度和空间取向变化程度；

11、将当前滑动窗口下便携式低电压设备的环境变化剧烈程度、运动振动强度和空间取向变化程度，组成环境运动特征向量，输入预先训练的场景识别机器学习模型，输出当前滑动窗口下便携式低电压设备的当前应用场景概率向量；所述当前应用场景概率向量中包括当前滑动窗口下便携式低电压设备与每个预设应用场景之间的匹配概率；

12、将当前应用场景概率向量中匹配概率最大的对应预设应用场景确定为当前滑动窗口下便携式低电压设备的主场景。

13、结合上述技术方案，本发明实施例还提供上述技术方案的第二种实施方式，构建基于时间序列的场景状态切换轨迹图谱；具体包括以下内容：

14、以每一种预设应用场景作为图谱中的一个节点；以两个不同场景节点之间的有向连接作为图谱中对应节点间的边，其中，边方向表示从第一场景切换到第二场景的方向，边权重表示对应切换方向上的历史转移频率；以平均驻留时间作为对应场景节点的驻留时间属性，用于反映设备在该场景下连续停留的平均时长；以场景参考特征向量作为对应场景节点的环境运动特征中心属性，用于反映设备处于该场景时环境运动特征向量的典型值；以协方差矩阵作为对应场景节点的环境运动特征分布属性，用于反映设备处于该场景时环境运动特征向量的离散程度；得到场景状态切换轨迹图谱。

15、结合上述技术方案，本发明实施例还提供上述技术方案的第三种实施方式，基于场景状态切换轨迹图谱，预测便携式低电压设备即将发生的场景切换概率；具体过程如下：

16、从场景状态切换轨迹图谱中获取主场景对应的节点的场景参考特征向量和协方差矩阵；将主场景对应的环境运动特征向量与对应节点的场景参考特征向量和协方差矩阵进行马氏距离计算，得到主场景的马氏距离标准值；将主场景的马氏距离标准值与预设马氏距离标准上限进行比较并取较小值，作为主场景的特征马氏距离标准值；

17、从场景状态切换轨迹图谱中获取主场景对应的节点的平均驻留时间；将当前滑动窗口的时间窗步长除以对应的平均驻留时间，对所得比值进行负指数运算，得到主场景的驻留时间衰减因子；

18、从当前应用场景概率向量中取出主场景与对应节点的匹配概率；将对应匹配概率、驻留时间衰减因子、以及数值一与特征马氏距离标准值的差值相乘，得到主场景保持概率；用数值一减去主场景保持概率，得到原始场景切换概率；

19、从场景状态切换轨迹图谱中获取主场景对应的节点到场景状态切换轨迹图谱中其他所有场景节点的边权重，进行求和得到主场景到其他场景的历史转移概率和；

20、将原始场景切换概率与历史转移概率和进行加权平均运算，得到当前滑动窗口下便携式低电压设备即将发生的场景切换概率。

21、结合上述技术方案，本发明实施例还提供上述技术方案的第四种实施方式，对便携式低电压设备在切换到下一应用场景过程中的接触性故障风险进行预测分析；具体过程如下：

22、将主场景在当前应用场景概率向量中对应的概率值分别乘以主场景节点到其他各场景节点的边权重，得到主场景节点到其他各场景节点的初始转移概率；将数值一与主场景到其他场景的历史转移概率和之间的差值乘以主场景节点在当前应用场景概率向量中对应的匹配概率得到主场景节点的初始保持概率；对其他各场景节点的初始转移概率和主场景节点的初始保持概率进行归一化处理，得到下一场景概率分布；

23、从接触状态数据中获取各滑动窗口的接触电阻；将当前滑动窗口的接触电阻与上一滑动窗口的接触电阻之差除以时间窗长度，得到当前滑动窗口的接触电阻变化率；将当前滑动窗口的接触电阻变化率的绝对值与接触电阻变化率历史最大绝对值作比，将比值与数值一比较并取较小值，得到接触电阻归一化变化率；

24、从接触状态数据中获取各滑动窗口的接触界面温度；从场景环境数据中获取各滑动窗口的环境温度；将当前滑动窗口的接触界面温度与环境温度之差作为接触温升；将当前滑动窗口的接触界面温度与上一滑动窗口的接触界面温度之差除以时间窗长度作为接触温升变化率；将接触温升除以接触部位允许最高温度和环境温度之差所得比值，加上接触温升变化率的绝对值除以预设允许最大温升速率所得比值，得到接触温升指数；

25、从接触状态数据中获取各滑动窗口的接触微振动加速度；对接触微振动加速度进行高通滤波得到高频分量；将高频分量的平方在滑动窗口内积分，得到高频微振动能量；将高频微振动能量与历史正常接触状态下的高频微振动能量均值的差值除以历史正常接触状态下的高频微振动能量均值，得到接触微振动能量异常度；

26、从接触状态数据中获取当前滑动窗口的接触压力、接触间隙；将接触电阻归一化变化率、接触温升指数、接触微振动能量异常度、接触压力与额定接触压力的偏差比例、接触间隙与额定接触间隙的偏差比例组合为接触故障基础特征向量；将接触故障基础特征向量输入预先训练的接触故障风险基础预测模型，得到当前滑动窗口的基础接触故障风险。

27、结合上述技术方案，本发明实施例还提供上述技术方案的第五种实施方式，对便携式低电压设备在切换到下一应用场景过程中的接触性故障风险进行预测分析；具体还包括以下过程：

28、基于下一场景概率分布，对各预设应用场景的场景参考特征向量按下一场景概率分布进行加权求和，得到预测的下一场景环境运动特征；计算预测的下一场景环境运动特征向量与当前滑动窗口的环境运动特征向量中各分量的差值绝对值，作为各分量的场景切换绝对差值；将各分量的场景切换绝对差值分别除以对应分量的历史最大变化幅度，所得相除结果求平均，得到当前滑动窗口的场景切换附加应力状态；得到当前滑动窗口的场景切换附加应力状态；

29、将当前滑动窗口的接触电阻归一化变化率、接触温升指数、接触微振动能量异常度进行加权求和，用数值一与加权求和结果作差，取作差结果与数值0之间的最大值作为当前滑动窗口的接触安全裕度；

30、将当前滑动窗口的场景切换概率、基础接触故障风险、场景切换附加应力状态和接触安全裕度组合为故障风险特征向量；将故障风险特征向量输入预先训练的故障风险预测模型，得到当前滑动窗口下便携式低电压设备在切换到下一应用场景过程中的接触性故障风险。

31、结合上述技术方案，本发明实施例还提供上述技术方案的第六种实施方式，对便携式低电压设备调度到下一应用场景的调度适应匹配程度进行分析；具体包括：

32、根据下一场景概率分布，将下一场景概率分布中概率最大的预设应用场景确定为下一应用场景状态；

33、基于当前滑动窗口下便携式低电压设备在切换到下一应用场景过程中的接触性故障风险和场景状态切换轨迹图谱，计算调度适应匹配程度。

34、结合上述技术方案，本发明实施例还提供上述技术方案的第七种实施方式，基于当前滑动窗口下便携式低电压设备在切换到下一应用场景过程中的接触性故障风险和场景状态切换轨迹图谱，计算调度适应匹配程度，具体包括：

35、从所述场景状态切换轨迹图谱中获取主场景节点到下一应用场景状态对应节点的边权重，作为场景转移边权重；将场景转移边权重与场景状态切换轨迹图谱中边权重的最大值的比值作为场景转移匹配度；

36、从所述场景状态切换轨迹图谱中获取下一应用场景状态对应节点的平均驻留时间，作为下一场景停留时长；将下一场景停留时长与场景状态切换轨迹图谱中最大平均驻留时间的比值作为场景停留稳定度；

37、用数值一减去当前滑动窗口下便携式低电压设备在切换到下一应用场景过程中的接触性故障风险，得到当前滑动窗口下便携式低电压设备在切换到下一应用场景过程中的接触稳定度；

38、用数值一减去场景切换概率与接触安全裕度补数的乘积，得到场景切换安全度；

39、将接触稳定度、场景切换安全度、场景转移匹配度、场景停留稳定度进行加权求和，得到当前滑动窗口下便携式低电压设备调度到下一应用场景的适应匹配程度。

40、结合上述技术方案，本发明实施例还提供上述技术方案的第八种实施方式，基于便携式低电压设备调度到下一应用场景的调度适应匹配程度分析结果，进行差异化调度干预；具体包括：

41、预设调度适应匹配阈值，当当前滑动窗口下便携式低电压设备调度到下一应用场景的适应匹配程度大于等于调度适应匹配阈值时，判定便携式低电压设备调度到下一应用场景的适应匹配程度满足要求，允许设备正常调度至下一应用场景，不进行额外干预；

42、当当前滑动窗口下便携式低电压设备调度到下一应用场景的适应匹配程度小于调度适应匹配阈值时，判定便携式低电压设备调度到下一应用场景的适应匹配程度不足，执行调度干预措施，并发出接触性故障预警。

43、根据上述技术方案，本发明与现有技术的核心区别在于：现有技术通常将场景识别作为独立的环境感知功能，将接触状态监测作为独立的故障诊断功能，两者之间缺乏有机的信息交互。即使部分现有技术能够识别当前场景，其识别结果也仅用于记录设备的工作环境，并未将场景的动态切换过程作为接触故障的诱发因素加以量化考虑，更未将场景切换概率与接触状态数据进行深层次的融合推理。本发明的核心发明构思在于：利用场景状态切换轨迹图谱实时预测场景切换概率，并将该概率作为动态调制因子，与接触状态的多维退化特征进行融合分析，从而构建耦合故障预测模型。具体而言，场景切换概率决定了设备所处的环境运动状态是否处于剧烈变动期，而接触状态数据反映了接触界面自身的劣化进程。本发明将两者融合后，能够识别出以下两种不同的高风险情形：其一，接触状态已严重劣化但当前场景稳定，此时风险主要来自接触自身退化，需采取维护性干预；其二，接触状态虽处于可接受范围但场景切换概率很高，此时风险主要来自切换过程中的附加应力冲击，需采取场景过渡保护性干预。上述两种情形在现有技术中无法区分，而本发明通过融合分析实现了对接触性故障致因机制的精细辨识，从而为后续的差异化调度干预提供了科学依据。本发明将上述场景切换预测功能与接触状态监测功能按照上述耦合逻辑进行有机组合，并基于场景切换概率与接触状态数据的动态融合进行故障风险预测，整体上构成了区别于现有技术的完整技术方案。

44、本发明与现有技术相比，具有如下优点和有益效果：

45、1、本发明通过构建基于时间序列的场景状态切换轨迹图谱，实现对便携式低电压设备当前所处应用场景的精准识别和即将发生的场景切换概率的提前预测，为后续故障风险分析提供了时序动态依据，使得故障预测不再局限于单一时刻的静态状态；

46、2、本发明通过将预测的场景切换概率与实时采集的接触状态数据进行关联融合分析，弥补了现有技术将场景切换过程与接触性故障割裂处理的不足，使故障预测能够充分考虑场景转换带来的环境突变（如温湿度跃升）和运动突变（如加速度冲击）对接触界面的附加应力影响；

47、3、本发明有效提升了接触性故障在场景动态变化过程中的预测准确性与时效性，能够在场景切换发生前及时识别高风险转移路径并发出预警，为后续差异化调度干预提供可靠决策支撑，从而降低突发接触失效的概率。

48、本发明的其他特征和优点将在随后的说明书中阐述，或者，部分特征和优点可以从说明书推知或毫无疑义地确定，或者通过实施本发明的上述技术即可得知。

49、为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施方式，并配合所附附图，作详细说明如下。