一种雷达机构与计算设备联合健康监测方法与流程

摘要: 本发明属于设备健康监测与故障预测,具体涉及一种雷达机构与计算设备联合健康监测方法。背景技术:1、随着移动雷达应急指挥车所承担的感知、识别和应急处置任务不断增加,...
一种雷达机构与计算设备联合健康监测方法与流程

本发明属于设备健康监测与故障预测,具体涉及一种雷达机构与计算设备联合健康监测方法。

背景技术:

1、随着移动雷达应急指挥车所承担的感知、识别和应急处置任务不断增加,雷达展开、倒伏、扫描等机械机构与gpu、npu等计算设备通常需要在同一车载环境下持续运行。车辆行驶振动、环境温度变化、供电波动和计算负载变化均可能影响雷达机构及计算设备的运行状态,因而需要对二者进行健康监测和故障预测。

2、现有技术通常分别监测雷达机构和计算设备。对于雷达机构,多采用振动、电流、温度、转速或限位状态进行阈值判断,或者提取时域、频域及包络特征识别机械异常;对于计算设备,多根据负载、功耗和温度进行过载或过热告警,并在异常时执行任务迁移或散热控制。部分方案还利用时序卷积网络预测设备健康状态或剩余使用时间,并利用能够处理动态状态的神经网络识别时序异常。

3、上述技术通常缺少统一时间基准,雷达机构遥测数据与计算设备遥测数据相互独立,难以关联机械卡滞、电流升高、温度变化及计算设备降频等连续故障过程。不同遥测量的采样频率和采样间隔存在差异,单一时序模型难以同时表示短时故障模式与长期健康状态。固定阈值也难以适应行驶、展开、扫描和待机等工况变化,容易造成判定偏差。此外,设备故障样本相对有限,单一诊断输出难以兼顾故障类别、健康程度和剩余安全时间。

4、现有方案在产生诊断结果后,通常仅进行告警,未将诊断结果、控制动作、执行校验和异常回退形成完整闭环。因此,需要建立雷达机构与计算设备的统一多源时序数据,在适应不同工况和实际采样间隔的基础上进行联合健康监测,并根据监测结果执行和校验相应控制动作。

技术实现思路

1、为了解决现有技术中雷达机构与计算设备分离监测、不同工况下判定适应性不足以及诊断结果难以形成安全控制闭环的问题,本发明提出了以下方案:

2、一种雷达机构与计算设备联合健康监测方法,所述方法包括:

3、s1、在统一时钟下采集移动雷达应急指挥车的雷达机构遥测数据和计算设备遥测数据,按照时间戳将两类遥测数据对齐为多源时序数据,并标记行驶、展开、扫描或待机工况;

4、s2、从所述多源时序数据中提取雷达机构短时特征和计算资源趋势特征,根据工况标记对所述特征进行归一化;

5、s3、将归一化后的特征序列及相邻采样时刻的实际采样间隔输入健康监测模型,通过时序卷积网络提取短时故障模式,通过液态状态单元按照所述实际采样间隔更新长期健康状态;

6、s4、融合所述短时故障模式与长期健康状态,输出故障类别、故障概率、健康指数和剩余安全时间;

7、s5、根据所述故障类别以及由故障概率和剩余安全时间确定的故障等级,从雷达降速、人工智能任务迁移、风扇增强和禁止展开中确定并执行控制动作;

8、s6、校验所述控制动作的执行结果,不满足预设安全要求时执行安全回退,并记录触发原因和执行结果。

9、进一步地,s1所述雷达机构遥测数据包括振动信号、电机电流和支路电流、机械温度、限位状态及转速,所述计算设备遥测数据包括机柜温度、风扇运行状态以及gpu或npu的负载和功耗;各遥测记录包括时间戳、来源节点、版本号、有效标志和校验字段。

10、进一步地,s2所述雷达机构短时特征包括振动频带能量、振动包络和电流变化率,所述计算资源趋势特征包括温度趋势和负载突变特征。

11、进一步地,s4所述输出由共享融合特征分别经故障分类头、健康指数回归头和剩余安全时间回归头获得,并按照对所述健康监测模型进行联合训练,其中,、和依次为故障分类损失、健康指数损失和剩余安全时间损失,和为损失权重。

12、进一步地,所述健康监测模型的训练包括:采用正常样本进行自监督预训练,采用故障样本进行监督微调,并按照井场或采集日期隔离训练集、验证集和测试集。

13、进一步地,s5所述故障等级包括预警级和严重级;当或时确定为严重级;当不满足严重级条件且时,或者当不满足严重级条件且时,确定为预警级;其中,为故障概率,为剩余安全时间,、、和由独立标定集确定。

14、进一步地,s5所述人工智能任务迁移包括将人工智能任务迁移至备用计算节点,并记录迁移前后的模型哈希、接口版本和任务执行节点。

15、进一步地,s6所述不满足预设安全要求包括传感器状态冲突、模型输出不一致、计算设备温度或功率越限、通信中断或人工智能任务迁移所用检查点损坏中的至少一种;所述安全回退包括重新采集、重新执行健康监测模型推理、备用节点接管、回退至上一稳定模型版本和接口版本或人工复核中的至少一种。

16、进一步地,s3所述健康监测模型部署于gpu或npu加速节点,s1所述多源时序数据构建、s2所述工况归一化、s5所述控制动作生成以及s6所述安全回退由arm控制节点执行,所述arm控制节点与所述gpu或npu加速节点通过版本化数据接口连接。

17、基于同一发明构思,本发明还提出一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时,实现上述方法。

18、与现有技术相比,本发明具有以下有益效果:

19、通过在统一时钟下对齐雷达机构遥测数据和计算设备遥测数据并标记工况,使两类设备在同一时间轴上形成关联,从而保持联合健康监测数据的时序一致性。

20、通过提取雷达机构短时特征和计算资源趋势特征并按工况归一化,能够减小工况变化对特征分布的影响,从而提高不同运行工况下健康状态判定的适应性。

21、通过时序卷积网络提取短时故障模式,并由液态状态单元按照实际采样间隔更新长期健康状态,能够兼顾瞬态异常与长期变化,从而形成连续的设备健康状态表征。

22、通过多任务输出及联合训练,并结合正常样本自监督预训练和故障样本监督微调,能够同时获得故障类别、健康指数和剩余安全时间,从而提高有限故障样本条件下输出信息的完整性。

23、通过故障分级执行雷达降速、人工智能任务迁移、风扇增强或禁止展开,并采用arm控制节点与gpu或npu加速节点协同运行,能够将健康监测结果转换为对应控制动作。

24、通过校验控制动作的执行结果,并在状态冲突、越限或通信异常时执行安全回退,能够避免未经确认的结果继续参与控制,从而保持控制过程的安全性和可追溯性。

25、本发明具有雷达机构与计算设备联合监测、工况适应和异常安全回退能力,能够对移动雷达应急指挥车的机械状态与计算资源状态进行连续监测和控制,适用于油田井场、罐区、长输管线及复杂野外环境中的移动雷达应急指挥车健康监测等领域。

1.一种雷达机构与计算设备联合健康监测方法,其特征在于,所述方法包括:

2.根据权利要求1所述的方法,其特征在于,s1所述雷达机构遥测数据包括振动信号、电机电流和支路电流、机械温度、限位状态及转速,所述计算设备遥测数据包括机柜温度、风扇运行状态以及gpu或npu的负载和功耗;各遥测记录包括时间戳、来源节点、版本号、有效标志和校验字段。

3.根据权利要求1所述的方法,其特征在于,s2所述雷达机构短时特征包括振动频带能量、振动包络和电流变化率,所述计算资源趋势特征包括温度趋势和负载突变特征。

4.根据权利要求1所述的方法,其特征在于,s4所述输出由共享融合特征分别经故障分类头、健康指数回归头和剩余安全时间回归头获得,并按照对所述健康监测模型进行联合训练,其中,、和依次为故障分类损失、健康指数损失和剩余安全时间损失,和为损失权重。

5.根据权利要求1所述的方法,其特征在于,所述健康监测模型的训练包括:采用正常样本进行自监督预训练,采用故障样本进行监督微调,并按照井场或采集日期隔离训练集、验证集和测试集。

6.根据权利要求1所述的方法,其特征在于,s5所述故障等级包括预警级和严重级;当或时确定为严重级;当不满足严重级条件且时,或者当不满足严重级条件且时,确定为预警级;其中,为故障概率,为剩余安全时间,、、和由独立标定集确定。

7.根据权利要求1所述的方法,其特征在于,s5所述人工智能任务迁移包括将人工智能任务迁移至备用计算节点,并记录迁移前后的模型哈希、接口版本和任务执行节点。

8.根据权利要求1所述的方法,其特征在于,s6所述不满足预设安全要求包括传感器状态冲突、模型输出不一致、计算设备温度或功率越限、通信中断或人工智能任务迁移所用检查点损坏中的至少一种;所述安全回退包括重新采集、重新执行健康监测模型推理、备用节点接管、回退至上一稳定模型版本和接口版本或人工复核中的至少一种。

9.根据权利要求1所述的方法,其特征在于,s3所述健康监测模型部署于gpu或npu加速节点,s1所述多源时序数据构建、s2所述工况归一化、s5所述控制动作生成以及s6所述安全回退由arm控制节点执行,所述arm控制节点与所述gpu或npu加速节点通过版本化数据接口连接。

10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时,实现权利要求1至9任一项所述的方法。