(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111219875.7 (22)申请日 2021.10.20 (71)申请人 山东联安信息科技有限责任公司 地址 250031 山东省济南市天桥区和信城 市广场2号楼190 6 (72)发明人 方宇　邓国强　李现州　 (74)专利代理 机构 北京嘉途睿知识产权代理事 务所(普通 合伙) 11793 代理人 彭成 (51)Int.Cl. G06F 30/27(2020.01) G06V 10/764(2022.01) G06V 10/82(2022.01) G06K 9/62(2022.01) G06N 3/04(2006.01)G06N 3/08(2006.01) G06F 119/02(2020.01) (54)发明名称 一种基于人工智能的飞轮储能发电车健康 状况预警系统及方法 (57)摘要 本发明公开了一种基于人工智能的飞轮储 能发电车健康状况预警系统及方法， 系统包括： 深度学习模型模块， 图像采集模块， 数据处理模 块， 数据拟合模块， 数据 报告模块； 利用人工智能 技术实现无人值守的对飞轮储能发电车运行状 态进行全面自动判断， 自动生成健康状态报告， 并结合人为的主动判断因素， 形成对飞轮储能储 能发电车健康状态的全 方位的评估， 有利于管理 人员做出在最短的时间内做出判断， 早发现问题 准确解决， 提高效率， 从而更好的确保不发生反 送电情况发生。 权利要求书2页 说明书4页 附图1页 CN 113987926 A 2022.01.28 CN 113987926 A 1.一种基于人工智能的飞轮储能发电车健康状况预警系统， 其特征在于， 该系统包括： 深度学习模型模块， 用于根据飞轮储能发电车图像构建卷积神经网络识别模型； 图像采集模块， 用于采集飞轮储能发电车内部和外 部的实时图像； 数据处理模块， 将采集到所述图像输入所述卷积神经网络识别模型进行识别， 提取评 估参数； 数据拟合模块， 将所述评估参数以及历史数据输入到健康评估模型中， 得到衰老曲线， 报废指标； 数据报告模块， 根据所述评估参数， 衰老曲线以及报废指标生成飞轮储能发电车健康 状态报告。 2.根据权利要求1所述基于人工智能的飞轮储能发电车健康状况预警系统， 其特征在 于： 所述卷积神经网络模型依次包括： 输入层， 卷积层， 非线性激励层， 池化层， 全连接层， S o f t m a x 损 失 层 ，分 类 层 ；其 中 所 述 卷 积 神 经 网 络 模 型 表 达 式 为 ： 其中W＝(W1,...,WL)为权重参数， X为输入图像的长 ×宽 ×深度构成的向量。 3.根据权利要求2所述基于人工智能的飞轮储能发电车健康状况预警系统， 其特征在 于： 所述损失层的表达式为： N为训练样本个数， M为识别目标类型数， t为目标输出， 表第n个样本的第k维 实际输出。 4.根据权利要求3所述基于人工智能的飞轮储能发电车健康状况预警系统， 其特征在 于： 当对一辆飞轮储能发电车的图像进行分析时， 损失层表示 为 M为识别目标类型数， t为目标输出， 表第n个样本的第k 维 实际输出。 5.根据权利要求1所述基于人工智能的飞轮储能发电车健康状况预警系统， 其特征在 于： 所述评估参数包括径向轴承偏移 距离， 温度真空度。 6.根据权利要求1所述基于人工智能的飞轮储能发电车健康状况预警系统， 其特征在 于： 所述健康评估 模型为： 其中， x表示运行健康状态， y表示待评估状态， Cx,y( τ )表示x (t)与y(t)之间的正斜方差函数， δx表示健康状态下轴向距离， δy表示待评估轴向距离， λl为 设备灵敏系数， λl∈(0,1]， H(Cx,y( τ ))∈(0,1)。 7.根据权利要求1所述基于人工智能的飞轮储能发电车健康状况预警系统， 其特征在 于： 所述数据拟合模块， 将所述评估参数以及历史数据输入到健康评估模型中， 得到衰 老曲 线， 报废指标具体包括： 首先， 根据历史数据获得衰 老曲线， 然后， 根据评估参数输入到健康 评估模型中， 得到优化后的衰老曲线以及报 废参考数据。 8.一种基于人工智能的飞轮储能发电车健康状况预警方法， 其特征在于： 该方法包括 如下步骤：权　利　要　求　书 1/2 页 2 CN 113987926 A 2S1、 定义深度学习平台的架构， 构建深度学习模型的网络和架构， 根据飞轮储能发电车 图像构建卷积神经网络识别模型； S2、 采集飞轮储能发电车内部和外 部的实时图像； S3、 将采集到所述图像输入所述卷积神经网络识别模型进行识别， 提取评估参数； S4、 将所述评估参数以及历史数据输入到健康评估 模型中， 得到 衰老曲线， 报 废指标； S5、 根据所述评估参数， 衰老曲线以及报 废指标生成飞轮储能发电车健康状态报告。 9.根据权利要求7所述基于人工智能的飞轮储能发电车健康状况预警方法， 其特征在 于： 所述飞轮储能发电车健康状态报告根据预设报告模板， 对预设字段进行自动填充。 10.根据权利要求7所述基于人工智能的飞轮储能发电车健康状况预警方法， 其特征在 于： 通过之前配置好的车辆对应的责任人， 后台服务器将飞轮储能发电车健康状态报告推 送至负责人的移动设备。权　利　要　求　书 2/2 页 3 CN 113987926 A 3