[发明专利]一种电力设备检测云平台及检测方法在审
| 申请号: | 202010498546.X | 申请日: | 2020-06-04 |
| 公开(公告)号: | CN112067632A | 公开(公告)日: | 2020-12-11 |
| 发明(设计)人: | 苟先太;曾德华;胡永佳;苟瀚文;胡梦;陶明江;康立烨;李高云;钱照国;周维超 | 申请(专利权)人: | 西南交通大学;四川赛康智能科技股份有限公司 |
| 主分类号: | G01N23/00 | 分类号: | G01N23/00;G01N21/95;G01N29/04;G06K9/62 |
| 代理公司: | 广州三环专利商标代理有限公司 44202 | 代理人: | 肖宇扬 |
| 地址: | 610000 四*** | 国省代码: | 四川;51 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 一种 电力设备 检测 平台 方法 | ||
本发明公开了一种电力设备缺陷检测云平台及检测方法,其包括:输入模块、分类模块、检测模块以及输出模块。电力设备的数据通过所述输入模块输入至所述云平台;所述分类模块对输入至所述云平台的数据进行识别并根据所述数据所对应的缺陷检测方法对所述数据进行分类;所述检测模块同时对经所述分类模块分类后的数据按照对应的缺陷检测方法进行检测并产生相应的检测结果;所述输出模块接收所述检测结果并将所述检测结果输出。通过使用上述云平台对电力设备的缺陷进行检测,能够同时对电力设备进行多种检测,检测周期短且检测可靠性强。
技术领域
本发明涉及设备检测领域,具体涉及一种电力设备检测云平台及检测方法。
背景技术
近年来,电力设备缺陷识别检测技术的研究取得了较大进展,国内外研发了多种针对电力设备的缺陷检测方法,例如X光检测法(使用X光对电力设备进行扫描,根据扫描结果确定缺陷类型以及缺陷位置)、红外检测法(采用红外相机对电力设备进行扫描,根据扫描结果确定缺陷类型以及缺陷位置)以及声纹检测法(使用声纹采集设备对电力设备进行扫描,根据扫描结果确定缺陷类型以及缺陷位置)等。
虽然现在有很多电力设备缺陷检测技术,但是每种检测方法均是独立的,即若需要对同一电力设备进行X光检测、红外检测以及声纹检测时,操作人员需要使用三套设备对同一电力设备分别进行检测,全面检测的周期长。并且随着电力设备数量的增加,电力设备缺陷识别检测过程中产生的数据成几何性增长,传统的电力检测系统难以处理越来越庞大的数据。
发明内容
本发明的目的是提供一种电力设备检测云平台及检测方法,云平台能够同时对同一设备进行多种检测,检测周期短且运行可靠性高。
为实现上述目的,本发明公开了一种电力设备缺陷检测云平台,其包括:输入模块、分类模块、检测模块以及输出模块。电力设备的数据通过所述输入模块输入至所述云平台;所述分类模块对输入至所述云平台的数据进行识别并根据所述数据所对应的缺陷检测方法对所述数据进行分类;所述检测模块同时对经所述分类模块分类后的数据按照对应的缺陷检测方法进行检测并产生相应的检测结果;所述输出模块接收所述检测模块的检测结果并将所述检测结果输出。
优选地,所述云平台还包括平台支撑模块,所述平台支撑模块保障所述输入模块、所述分类模块、所述检测模块以及所述输出模块稳定运行。
优选地,所述分类模块包括用于对操作人员人工通过所述输入模块输入的数据进行分类的第一分类单元以及用于对其他设备通过所述输入模块输入的数据进行分类的第二分类单元。
优选地,所述第一分类单元将所述操作人员输入的数据划分为第一X光数据、第一红外数据以及第一声纹数据;所述第二分类单元将所述其他设备输入的数据划分为第二X光数据、第二红外数据以及第二声纹数据。
优选地,所述第一分类单元包括第一存储构件,所述第一存储构件存储供所述第一分类单元使用的分类规则;所述第二分类单元包括第二存储构件,所述第二存储构件存储供所述第二分类单元使用的分类规则。
优选地,所述检测模块包括X光检测单元,所述X光检测单元检测所述第一X光数据以及所述第二X光数据;红外检测单元,所述红外检测单元检测所述第一红外数据以及所述第二红外数据;以及声纹检测单元,所述声纹检测单元检测所述第一声纹数据以及所述第二声纹数据。
优选地,所述X光检测单元包括用于对所述第一X光数据以及所述第二X光数据进行X光故障检测及故障定位的第一检测构件;所述红外检测单元包括用于对所述第一红外数据以及所述第二红外数据进行红外故障检测及故障定位的第二检测构件;所述声纹检测单元包括对所述第一声纹数据以及所述第二声纹数据进行声纹故障检测及故障定位的第三检测构件。
优选地,所述检测模块包括至少两个所述X光检测单元、至少两个所述红外检测单元以及至少两个所述声纹检测单元。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于西南交通大学;四川赛康智能科技股份有限公司,未经西南交通大学;四川赛康智能科技股份有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202010498546.X/2.html,转载请声明来源钻瓜专利网。





