一种特种设备现场维保监控方法及系统与流程

本发明涉及设备维护保养技术领域，具体涉及一种特种设备现场维保监控方法及系统。

背景技术

特种设备是指涉及生命安全、危险性较大的锅炉、压力容器、压力管道、电梯、起重机械、客运索道、大型游乐设施和场内专用机动车辆。由于特种设备在出现故障时，极易带来不确定人员的人身伤害，严重的还会带来人员死亡事故。因而需要确保特种设备的安全稳定运行。为此，国家对各类特种设备，从生产、使用、检验检测三个环节都有严格规定，实行全程监管和强制维护。目前特种设备在生产阶段的质检较为完善。但是，我国特种设备维护保养机构存在较多问题，后期使用和维护检验环节比较薄弱。目前特种设备80%的故障及事故是由于后期维护保养不到位所导致。目前限制特种设备维保品质的主要问题是维保人员业务水平和业务素质参差不齐。在维保工作中虚假维保、出人不出力等现象非常严重，导致特种设备长期几乎无维保运行，安全隐患极大。因此市场上逐渐出现监督现场维保的方法及产品。在已有产品中，最为成熟的方案为，通过gps定位维保作业人员位置以及音视频全程录像的方式达成一定的监督效果，但需要大量事后音视频人工分析以及监督，人力投入巨大，但是收效甚微。因而急需研发行之有效的有针对性的维保监控方法。

中国专利cn203366378u，公开日2013年12月25日，一种特种设备移动维保系统，包括服务器、管理终端、前置机、路由器、物联网智能终端和手持打印机；所述服务器分别与管理终端和前置机无线网络连接，所述路由器分别与前置机和物联网智能终端无线网络连接，所述手持打印机通过近距离无线通讯技术连接至物联网智能终端；所述物联网智能终端上设置有身份验证模块、电子标签自动识别模块、定位模块和现场数据录入模块。采用本实用新型可实现特种设备维保工作的电子派单、维保人员身份验证、维保工作实时监管等功能，提高了特种设备维保工作的效率和对维保工作人员的监管力度。其虽然能够对维保人员进行身份验证和电子派单，并且能够在现场进行文字录入子、声音录入子和图像录入，但是监管缺乏针对性，导致维保过程中产生大量无用信息，后期无法及时处理分析，仍然存在监管不到位的问题。

中国专利cn105173929a，公开日2015年12月23号，电梯数据收集系统及其运行方法包括：电梯数据收集终端，用于收集电梯的运行状态数据并发送至数据后台服务器，运行状态数据包括以下数据中的一种或多种：运行速度、震荡幅度、制动能力、故障信号和维修数据；数据后台服务器，用于对运行状态数据进行分析和存储，生成电梯数据库；以及将电梯数据库内的数据发送至电梯对应的终端设备，终端设备包括以下中的一种或多种：电梯的监管机构的终端设备、电梯的维保单位的终端设备以及电梯业主的终端设备。本发明能够收集电梯的运行状态数据并进行分析和整理，并将分析整理后的运行状态数据提供给电梯的各有关部门，方便电梯的各有关部门管理和控制电梯。其通过传感器数据能够判断电梯整体是否存在异常及故障，但不能指出是电梯哪个部位哪些零件存在异常及故障，不能为电梯维保提供有效参考。其数据采集仅用于消息分发，数据采集无针对性。

技术实现要素：

本发明要解决的技术问题是：目前特种设备现场维保缺乏有效的监控方法，监控精准度差导致维保品质难以保证的技术问题。提出了一种监控精准度高、能够进行项目级维保监控的特种设备现场维保监控方法及系统。

为解决上述技术问题，本发明所采取的技术方案为：一种特种设备现场维保监控方法，适用于包括大数据服务器和现场设备的监控系统，包括以下步骤：a1）同步目标特种设备档案数据到现场设备；a2）开启维保项目监控，现场设备开始收集现场数据，现场设备根据收集到的现场数据识别出正在进行的维保项目，根据目标特种设备档案数据判断正在进行的维保项目是否为流程正确的维保项目，若是，则继续收集现场数据直到维保项目完成，若否，则发出警告并重新开始本步骤；a3）现场设备与大数据服务器进行数据交互。现场设备具有视频录制、人机交互、存储和运算功能。现场设备采集到的项目维保现场数据，是经过有针对性触发开启和结束采集的，大幅度减少了无用信息量，使后续分析和监督十分便捷，能够有效提高现场监控对维保人员的威慑作用。在采集现场数据的过程中，现场设备同时进行维保项目识别，承担了部分后续分析的工作，进一步减轻了后续现场数据分析和监督的工作量，提高监督威慑和监督效果。

作为优选，所述目标特种设备档案数据包括目标特种设备的标识信息和维保项目的识别特征集。通过标识信息可以允许现场设备标记多台特种设备的现场信息，能够同时处理多个特种设备的维保，通过维保项目识别特征集，可以提高现场设备识别维保项目的准确率和效率。

作为优选，所述维保项目的识别特征集包括设备特征集和维保动作特征集。设备特征集用于识别维保人员是否位于正确的维保项目部位，维保动作特征集能够判断维保人员是否正在进行维保动作以及维保动作是否不合理。

作为优选，所述设备特征集包括设备静态特征集和设备运行动态特征集。通过设备静态特征集能够判断维保人员是否位于正确的维保位置，以及特征设备部件是否有损坏。设备运行动态特征集能够判断维保人员在进行需要动态检验的维保项目时，是否进行了动态检验。

此技术方案中，静态特征的提取主要包括以下步骤：静态图形获取、静态图形中的特征点提取，静态图形中的特征点与设定的需要进行维保的项目的标准静态特征点进行对比，并确定符合要求的当前静态特征为本次维保项目的基准静态特征，本技术方案中，静态图形是瞬时完成的，完成静态图形的输入后，静态特征点的对比也是能够快速完成的，在维保项目开始时，即可通过这些静态特征点判断当前维保人员是否到达正确的位置进行维保，也就是对业内所称的维保到位率进行监控，在一个极短的时间内判断当前维保人员到位后，可以以此静态特征作为基准静态特征实行动态特征的提取，在进行动态特征提取的时候，可以对当前的静态特征进行更进一步的分析，一般来说，在完成动态特征提取的时候，就可以完成静态特征的进一步分析，得出当前维保项目初步的一些维保数据或结果；在实际应用中，的维保员工使用时只需采用现场设备进行拍照录像，录像完成时就可以得出当前维保项目初步的一些维保数据或结果，结合了原有维保人员的工作流程，不对维保流程做出改动即可获取初步的维保数据或结果；本技术方案合理利用了静态特征提取的数据，一方面将之作为维保项目识别的特征用来监控维保人员的到位率；另一方面，静态特征提取数据判断完成后也就是动态特征提取的时间轴基准点，节约了整体时间，结合了原有维保人员的工作流程，不对维保流程做出改动；最后，利用了静态特征进行了项目维保的初步判断，又作为基准静态特征实行动态特征的提取，提高了现场监控数据的精准度。

作为优选，所述开启维保项目监控的方法包括以下步骤：b1）现场设备采集现场数据，并间歇性提取采集到的现场数据特征；b2）将现场数据特征与全部维保项目的识别特征集比对，若有至少一个维保项目的识别特征集与现场数据特征匹配，则开启维保项目监控，反之，则重新执行步骤b1；b3）将匹配成功与匹配成功的前一次匹配之间的现场数据并入维保项目现场数据，并标记匹配成功的数据。在维保过程中，维保人员双手动作繁忙或沾有污垢，采用现场数据自动识别，并开启维保项目监控的方式可以减轻维保人员操作负担。

作为优选，所述现场信息包括维保人员声音和/或图像信息。在现场数据识别的过程中，同时可以进行人员身份识别，例如当检测到两个不同声纹特征的声音，或图片显示交互中出现无关人员的画面时，进行标记并提示维保人员按照维保规程操作。

作为优选，所述现场设备识别出正在进行的维保项目的方法包括以下步骤：c1）提取现场数据的特征；c2）将现场数据特征与全部维保项目的识别特征集比对，若有且仅有一个维保项目的识别特征集与现场数据特征匹配，则将该维保项目作为正在进行的维保项目，反之，则重新执行步骤c1。

作为优选，所述现场数据为现场图像和/或现场视频，所述现场数据的特征为图像色块轮廓特征，所述维保项目的识别特征集为根据维保项目规程制定的图像色块轮廓特征集。

作为优选，所述目标特种设备档案数据包括维保项目表，所述现场设备与大数据服务器进行数据交互前，判断本次维保是否按维保项目表完成全部维保项目，若是，则与大数据服务器进行数据交互，若否，则执行步骤a2。当本次维保任务不止一项维保项目时，能够根据项目表判断是否有维保项目遗漏，或者存在维保项目顺序错误，承担了该部分后期数据分析和监督的工作，提高监控力度和效果。

作为优选，所述目标特种设备档案包括目标特种设备传感器监测数据，所述维保项目表根据传感器监测数据和/或目标特种设备维保规程制定。通过传感器检测到异常或故障时，可以自动添加相关维保项目或者将相关维保项目进行标记，如标记成重点维保项目，提示维保人员进行重点维护检查。

作为优选，所述目标特种设备档案包括目标特种设备传感器监测数据、传感器监测数据分析结果，所述传感器监测数据处于正常范围足够时长时，去除下次维保任务时相关维保任务项目。

作为优选，所述传感器包括目标特种设备自有传感器和/或增设的传感器。增设传感器能够更加精细化的监控特种设备，获得更准确的故障或异常预测，指导维保人员提高维保效率。获得大量自有和/或增设的传感器数据样本，经人工标记后作为人工智能模型学习的数据基础，进行人工智能训练，提高故障监测能力，减轻维保及检测人员工作量，为后续引入人工智能自动进行特种设备维保和故障预警提供基础。

作为优选，所述维保项目表的制定方法为：跟踪传感器监测数据，当检测到故障特征时，将故障涉及的维保项目按目标特种设备维保规程顺序作为维保项目表。

作为优选，所述维保项目表的制定方法为：根据目标特种设备维保规程制定维保项目表，跟踪传感器监测数据，当检测到异常特征时，标记异常涉及的维保项目。

作为优选，所述目标特种设备档案包括历史维保数据，所述维保项目表根据历史维保数据和/或目标特种设备维保规程制定。当历史维保数据出现异常时，将相关维保项目单独制定一次维保任务或在下次维保任务中标记相关维保项目，提示维保人员重点维护检查。

作为优选，所述维保项目表的制定方法为：跟踪历史维保数据，当检测到故障特征时，将故障涉及的维保项目按目标特种设备维保规程顺序作为维保项目表。

作为优选，所述维保项目表的制定方法为：根据目标特种设备维保规程制定维保项目表，跟踪历史维保数据，当检测到异常特征时，标记异常涉及的维保项目。

作为优选，传感器监测数据的故障特征建立方法为：在特种设备上设置模拟故障，读取传感器的数据，作为传感器数据的故障特征。

作为优选，传感器监测数据的异常特征建立方法为：在特种设备上设置干扰因素，读取传感器的数据，作为传感器数据的异常特征。

作为优选，所述跟踪传感器监测数据检测异常特征的方法为：根据历史传感器监测数据，建立某个传感器监测数据随其他传感器数据变化而变化的趋势函数，若检测到传感器数据符合异常特征或超出历史监测数据平均值依照趋势函数的修正值，则判断传感器监测数据符合异常特征。

作为优选，所述历史维保数据的故障特征及异常特征的检测方法为：建立神经网络模型，将经人工标记故障或异常信息的历史维保数据供神经网络模型学习后，将待识别维保数据导入神经网络模型进行故障特征或异常特征识别。

作为优选，所述神经网络模型在积累的样本数据数量达到设定值时，自动添加若干个设定特征值节点，所述设定特征值节点在神经网络模型建立时由人工设定。所述设定特征值节点在学习数据样本时即进行学习，但在样本数据数量未达到设定值时不参与结果的判断，当样本数据数量达到设定值时，若干个设定特征值节点均参与结果的判断。

作为优选，所述维保数据包括标准现场数据和增设现场数据，所述标准现场数据为根据特种设备维保规程制定的维保项目维保过程中现场设备采集到的现场数据，所述增设现场数据为根据特种设备故障症状和/或故障征兆设置的现场数据采集项目所采集到的现场数据。

作为优选，在维保项目完成时，现场设备根据现场数据判断所完成的维保项目品质是否达标，若是，则将该维保项目标注为已达标，若否，则发出信号并重新开始本维保项目。通过现场数据分析维保项目是否已达标，承担部分后期现场数据分析和监控的工作，提高监控效果。

作为优选，所述目标特种设备档案包括维保项目验证特征集，现场设备根据现场数据判断所完成的维保项目品质是否达标的方法包括以下步骤：d1）根据维保项目制定现场数据采集增设项目；d2）判断所完成的维保项目是否属于后台判定项目，若是，则标记该维保项目已达标，若否，则进入步骤d3，所述后台判定项目由人工根据维保项目复杂度设定，后台判定项目由大数据服务器进行维保项目品质达标判断；d3）提取现场数据采集增设项目所采集现场数据特征，与维保项目验证特征集比对，若存在匹配特征则标记该维保项目已达标，若否，则发出信号并重新开始该维保项目。现场设备运算能力有限，可以进行较为简单的维保项目是否达标，复杂的维保项目由大数据服务器进行判断。

作为优选，所述维保项目验证特征集的建立方法为：在正常运行的特种设备中进行增设现场数据采集项目的数据采集，提取增设现场数据采集项目所采集现场数据的特征作为维保项目验证特征集。

作为优选，所述增设现场数据采集项目的现场数据采集包括维保项目开始前和维保项目结束后的现场数据采集。通过采集项目维保前及项目维保后的现场数据，进行对比，可以降低维保项目是否达标的难度，抵消不同规格的数据跳动误差，同时作为训练人工智能模型的数据样本。

作为优选，所述维保数据包括标准现场数据和增设现场数据，所述标准现场数据为根据特种设备维保规程制定的维保项目维保过程中现场设备采集到的现场数据，所述增设现场数据为根据特种设备故障症状和/或故障征兆设置的现场数据采集项目所采集到的现场数据。

作为优选，所述现场设备与大数据服务器进行数据交互时，将采集到的现场数据以及现场数据的标记信息上传到大数据服务器；所述标记信息包括目标特种设备标识信息、维保项目、维保项目结果和维保结果；大数据服务器更新目标特种设备档案，根据最新档案生成特种设备的健康报告和故障预测。

一种特种设备现场维保监控系统，适用于如前述的一种特种设备现场维保监控方法，包括大数据服务器和现场设备；所述大数据服务器执行以下步骤：d1）存储目标特种设备档案数据；d2）维保结束后与现场设备进行数据交互；所述现场设备执行以下步骤：e1）维保开始前同步目标特种设备档案数据到现场设备；e2）开启维保项目监控，现场设备开始收集现场数据，现场设备根据收集到的现场数据识别出正在进行的维保项目，根据目标特种设备档案数据判断正在进行的维保项目是否为流程正确的维保项目，若是，则继续收集现场数据直到维保项目完成，若否，则发出警告并重新开始本步骤；e3）维保结束后现场设备与大数据服务器进行数据交互。所述现场设备具有采集现场音频、视频以及图像中的一种或多种的功能，现场设备具有显示、存储和运算功能。

本发明的实质性效果是：1、能够对维保过程进行项目级的监控，减少监控数据需分析量，提高监控精准度和效率；2、在维保项目监控中增加设定现场数据采集项目，为神经网络模型提供训练数据，帮助后续监控的精准度的进一步提高。

附图说明

图1为维保项目监控系统结构图。

图2为维保项目监控方法流程框图。

其中：100、大数据服务器，200、现场设备，201、数据交互模块，202、处理器，203、存储器，204、音频录制模块，205、视频录制模块，206、显示模块。

具体实施方式

下面通过具体实施例，并结合附图，对本发明的具体实施方式作进一步具体说明。

如图1所示，为维保项目监控系统结构图，包括大数据服务器100和现场设备200，现场设备200包括处理器202、存储器203、数据交换模块201、音频录制模块204、视频录制模块205和显示模块206，数据交换模块201与大数据服务器100连接，数据交换模块201、存储器203、音频录制模块204、视频录制模块205和显示模块206均与处理器202连接。其中显示模块206可以由语言提示模块替代。大数据服务器100执行以下步骤：d1）存储目标特种设备档案数据；d2）维保结束后与现场设备200进行数据交互；现场设备200执行以下步骤：e1）维保开始前同步目标特种设备档案数据到现场设备200；e2）开启维保项目监控，现场设备200开始收集现场数据，现场设备200根据收集到的现场数据识别出正在进行的维保项目，根据目标特种设备档案数据判断正在进行的维保项目是否为流程正确的维保项目，若是，则继续收集现场数据直到维保项目完成，若否，则发出警告并重新开始本步骤；e3）维保结束后现场设备200与大数据服务器100进行数据交互。

如图2所示，为维保项目监控方法流程框图，包括以下步骤：a1）同步目标特种设备档案数据到现场设备200；a2）开启维保项目监控，现场设备200开始收集现场数据，现场设备200根据收集到的现场数据识别出正在进行的维保项目，根据目标特种设备档案数据判断正在进行的维保项目是否为流程正确的维保项目，若是，则继续收集现场数据直到维保项目完成，若否，则发出警告并重新开始本步骤；a3）现场设备200与大数据服务器100进行数据交互。

目标特种设备档案数据包括目标特种设备的标识信息和维保项目的识别特征集。维保项目的识别特征集包括设备特征集和维保动作特征集。设备特征集包括设备静态特征集和设备运行动态特征集。

开启维保项目监控的方法为通过非接触式人机交互开启。非接触式人机交互为声音输入交互、场景识别交互以及视频识别交互中的一种或两种以上的结合。其中，场景识别交互开启维保项目监控的方法包括以下步骤：b1）现场设备200采集现场数据，并间歇性提取采集到的现场数据特征；b2）将现场数据特征与全部维保项目的识别特征集比对，若有至少一个维保项目的识别特征集与现场数据特征匹配，则开启维保项目监控，反之，则重新执行步骤b1；b3）将匹配成功与匹配成功的前一次匹配之间的现场数据并入维保项目现场数据，并标记匹配成功的数据。

现场设备200识别出正在进行的维保项目的方法包括以下步骤：c1）提取现场数据的特征；c2）将现场数据特征与全部维保项目的识别特征集比对，若有且仅有一个维保项目的识别特征集与现场数据特征匹配，则将该维保项目作为正在进行的维保项目，反之，则重新执行步骤c1。

目标特种设备档案数据包括维保项目表，现场设备200与大数据服务器100进行数据交互前，判断本次维保是否按维保项目表完成全部维保项目，若是，则与大数据服务器100进行数据交互，若否，则执行步骤a2。如对电梯轿门开/关项目的维保结束后，若在维保任务中还有其他项目尚未完成，则现场设备200提示维保人员进行下一个项目的维保。

目标特种设备档案包括目标特种设备传感器监测数据，维保项目表根据传感器监测数据和/或目标特种设备维保规程制定。目标特种设备档案包括目标特种设备传感器监测数据，传感器监测数据处于正常范围足够时长时，去除下次维保任务时相关维保任务项目。传感器包括目标特种设备自有传感器和/或增设的传感器。维保项目表的制定方法为：跟踪传感器监测数据，当检测到故障特征时，将故障涉及的维保项目按目标特种设备维保规程顺序作为维保项目表。维保项目表的制定方法为：根据目标特种设备维保规程制定维保项目表，跟踪传感器监测数据，当检测到异常特征时，标记异常涉及的维保项目。

目标特种设备档案包括历史维保数据，维保项目表根据历史维保数据和/或目标特种设备维保规程制定。当历史维保数据出现异常时，将相关维保项目单独制定一次维保任务或在下次维保任务中标记相关维保项目，提示维保人员重点维护检查。如实施例一中，若设置在轿门上的速度传感器监测数据出现异常，则标记轿门开/关维保项目进行重点维保。对已上传的维保数据提取轿门开/关特征，得到轿门开/关函数曲线，若发现维保结束后，轿门开/关曲线函数出现超过阈值的跳动，则标记轿门开/关维保项目，提示维保人员重点维护检查。

维保项目表的制定方法为：跟踪历史维保数据，当检测到故障特征时，将故障涉及的维保项目按目标特种设备维保规程顺序作为维保项目表。维保项目表的制定方法为：根据目标特种设备维保规程制定维保项目表，跟踪历史维保数据，当检测到异常特征时，标记异常涉及的维保项目。

传感器监测数据的故障特征建立方法为：在特种设备上设置模拟故障，读取传感器的数据，作为传感器数据的故障特征。传感器监测数据的异常特征建立方法为：在特种设备上设置干扰因素，读取传感器的数据，作为传感器数据的异常特征。

跟踪传感器监测数据检测异常特征的方法为：根据历史传感器监测数据，建立某个传感器监测数据随其他传感器数据变化而变化的趋势函数，若检测到传感器数据符合异常特征或超出历史监测数据平均值依照趋势函数的修正值，则判断传感器监测数据符合异常特征。

历史维保数据的故障特征及异常特征的检测方法为：建立神经网络模型，将经人工标记故障或异常信息的历史维保数据供神经网络模型学习后，将最新维保数据导入神经网络模型进行故障特征或异常特征识别。

维保数据包括标准现场数据和增设现场数据，标准现场数据为根据特种设备维保规程制定的维保项目维保过程中现场设备200采集到的现场数据，增设现场数据为根据特种设备故障症状和/或故障征兆设置的现场数据采集项目所采集到的现场数据。

在维保项目完成时，现场设备200根据现场数据判断所完成的维保项目品质是否达标，若是，则将该维保项目标注为已达标，若否，则发出信号并重新开始本维保项目。通过现场数据分析维保项目是否已达标，承担部分后期现场数据分析和监控的工作，提高监控效果。

目标特种设备档案包括维保项目验证特征集，现场设备200根据现场数据判断所完成的维保项目品质是否达标的方法包括以下步骤：d1）根据维保项目制定现场数据采集增设项目；d2）判断所完成的维保项目是否属于后台判定项目，若是，则标记该维保项目已达标，若否，则进入步骤d3，后台判定项目由人工根据维保项目复杂度设定，后台判定项目由大数据服务器100进行维保项目品质达标判断；d3）提取现场数据采集增设项目所采集现场数据特征，与维保项目验证特征集比对，若存在匹配特征则标记该维保项目已达标，若否，则发出信号并重新开始该维保项目。现场设备200运算能力有限，可以进行较为简单的维保项目是否达标，复杂的维保项目由大数据服务器100进行判断。

维保项目验证特征集的建立方法为：在正常运行的特种设备中进行增设现场数据采集项目的数据采集，提取增设现场数据采集项目所采集现场数据的特征作为维保项目验证特征集。

增设现场数据采集项目的现场数据采集包括维保项目开始前和维保项目结束后的现场数据采集。通过采集项目维保前及项目维保后的现场数据，进行对比，可以降低维保项目是否达标的难度，抵消不同规格的数据跳动误差，同时作为训练人工智能模型的数据样本，项目开始前的现场数据可以经人工标记后，作为故障预判的神经网络模型学习的数据样本。

维保数据包括标准现场数据和增设现场数据，标准现场数据为根据特种设备维保规程制定的维保项目维保过程中现场设备200采集到的现场数据，增设现场数据为根据特种设备故障症状和/或故障征兆设置的现场数据采集项目所采集到的现场数据。

现场设备200与大数据服务器100进行数据交互时，将采集到的现场数据以及现场数据的标记信息上传到大数据服务器100；标记信息包括目标特种设备标识信息、维保项目、维保项目结果和维保结果；大数据服务器100更新目标特种设备档案，根据最新档案生成特种设备的健康报告和故障预测。

实施例一，以电梯轿门开/关的项目维保为例进行举例，电梯轿门开/关的项目维保按以下方法进行：e1、在大数据服务器100上至少存储有目标特种设备的以下数据，作为目标特种设备的档案数据：a)电梯型号、b)电梯轿门的型号、c)轿门的图像特征数据、d)与轿门开/关相关的器件的图像特征数据、e)轿门正常开关的速度曲线、f)与轿门开/关相关的器件正常运动速度曲线（以函数形式或函数的参数形式）、g)安装在轿门上的加速度传感器的数据、h)大数据服务器100的故障预判结果（由现场已传回的数据进行的判断）、i)上次维保时间、维保结果以及器件更换记录；其中图像特征数据包括：门的形状、门边长相对比例、门的颜色和纹理、开/关过程中门是否沿中间对称、门框形状、门框边长相对比例、门框的颜色和纹理；e2、维保人员携带现场设备200到达目标特种设备后，发出语音控制指令或手势指令后，开启“现在开始轿门是否正常开关维保项目”的维保项目监控，即现场设备200开启视频录入模块205进行现场图像的录入，同时处理器202提取录入的图像信息的特征，图像信息的特征为轿门的当前静态特征，并与下载的目标特种设备档案数中的图像特征数据对比，判断维保工人的维保器件是否是本次维保目标电梯的轿门，若是则提示验证通过，并确定当前静态特征为本次维保项目的基准静态特征，反之，则发出错误提示并重新开始本步骤；e3、维保人员通过声音或手势发出“检测轿门开启”指令，现场设备200开始录像并进行维保项目识别，判断维保人员是否正在进行轿门开的项目维保，处理器采集到维保时图像信息中设定帧（或每一帧，设定方式由人工进行确定）的静态特征并与维保时的时间进行关联，将关联后静态特征与基准静态特征相对比，以此获得当前轿门维保时的动态特征，通过对动态特征中设定参数的提取，获取轿门开过程中轿门的速度曲线（可以是函数形式或函数的参数形式，形式与档案数据相适应），将之与下载的档案数据对比，根据函数的差异度，判断轿门开过程是否正常，此次判断可以是通过隶属度函数的形式，也可以是阈值对比或者是加权函数对比的形式来进行，以阈值形式来对比最为简单，只要在阈值范围内即可认定为正常，则现场设备200发出“检测正常”，反之超出阈值范围，则发出“检测异常”的信号；当维保人员通过声音或手势发出“检测轿门关闭”指令时，现场设备200开始录像并进行维保项目识别，判断维保人员是否正在进行轿门关闭的项目维保，同时采集轿门关闭过程中轿门的速度曲线与下载的档案数据对比（此方法与上述内容相同，不再赘述），判断轿门关闭过程是否正常，若正常，现场设备200发出“检测正常”，反之，发出“检测异常”；e4、该维保项目完成后，安装在轿门的加速度传感器会实时将采集数据上传大数据服务器100，大数据服务器100会比对之前的数据或状态，如开关门功能、加速度及速度曲线，同时现场设备200录制的视频数据也将上传到大数据服务器100；大数据服务器100更新目标特种设备的档案数据；若在维保前大数据服务器100发现传感器数据异常，则根据维保后传感器数据或维保过程中采集的现场数据，判断征兆是否消失，若没有消失，则提交人工标记，并将标记后的数据归入有效样本，作为后续的神经网络学习判断的样本数据，其中神经网络学习的样本数据来源还包括经人工标记的未出现故障的维保实例；大数据服务器100的故障预判结果由神经网络根据a)电梯型号、b)电梯轿门的型号、c)轿门的图像特征数据、d)与轿门开/关相关的器件的图像特征数据、e)轿门正常开关的速度曲线、f)与轿门开/关相关的器件正常运动速度曲线（以函数形式或函数的参数形式）、g)安装在轿门上的加速度传感器的数据、i)上次维保时间、维保结果以及器件更换记录进行综合判断。神经网络的建设参考现有的维保神经网络；作为改进，神经网络模型在积累的样本数据数量达到设定值时，自动添加若干个设定特征值节点，设定特征值节点在神经网络模型建立时由人工设定，设定特征值节点在学习数据样本时即进行学习，但在样本数据数量未达到设定值时不参与结果的判断，当样本数据数量达到设定值时，设定特征值节点参与结果的判断。

实施例二，对起重机械拽引轮的项目维保，采用现场维保监控按以下方法进行：f1、在大数据服务器100上存储目标特种设备的以下数据，作为目标特种设备的档案数据：a)起重机械型号、b)拽引轮的型号、c)拽引轮的图像特征数据、d)与拽引轮运行相关的器件的图像特征数据、e)拽引轮正常运行的速度曲线、f)与拽引轮运行相关的器件正常运动速度曲线、f)大数据服务器100的故障预判结果、g)上次维保时间、维保结果以及器件更换记录；其中图像特征数据包括：拽引轮颜色、拽引轮纹理、多边形拽引轮轮廓的拐角数量、多边形拽引轮轮廓的拐角平滑度、多边形轮廓的拐角相对位置的全部或部分，但至少包括两项；拽引轮正常运行的速度曲线包括拽引时的角速度及角加速度曲线以及刹车时拽引轮的角速度及角加速度曲线；f2、维保人员携带现场设备200到达目标特种设备后，现场设备200通过采集现场图像信息，并提取现场图像静态特征（可以是联系采集并提取现场图像特征，也可以是间歇性的采集并提取现场图像特征），与下载的档案数据中拽引轮维保项目的静态特征对比，若匹配则开启维保项目监控，现场设备200开启视频录入模块205进行现场图像的录入，同时处理器202提取录入的图像信息的特征，图像信息的特征为拽引轮的静态特征，并与下载的目标特种设备档案数中的图像特征数据对比，判断维保工人的维保器件是否是本次维保目标起重机的拽引轮，若是则提示验证通过，并确定当前静态特征为本次维保项目的基准静态特征，反之，则发出错误提示并重新开始本步骤；f3、现场设备200间歇性录制视频并提取动态特征，与下载的档案数据进行对比（动态特征提取方法同实施例一），当提取到的现场动态信息拽引轮拽引的项目维保匹配时，判定维保人员正在进行拽引轮拽引的项目维保，现场设备200开始录像并采集拽引轮拽引过程中的角速度曲线与下载的档案数据对比（可以是函数形式或函数的参数形式，形式与档案数据相适应），判断拽引轮拽引过程是否正常，若正常，现场设备200发出“检测正常”，反之，发出“检测异常”，当现场信息动态特征与下载的检测拽引轮刹车动态特征匹配时，判定维保人员正在进行拽引轮刹车的项目维保，现场设备200开始录像并采集拽引轮刹车过程中拽引轮的速度曲线与下载的档案数据对比，判断拽引轮刹车过程是否正常，若正常，现场设备200发出“检测正常”，反之，发出“检测异常”，判断方法与上述实施例一相同，不再赘述；f4、该维保项目完成后，安装在拽引轮的角速度及角加速度传感器会实时将采集数据上传大数据服务器100，大数据服务器100会比对之前的数据或状态，同时现场设备200录制的视频数据也将上传到大数据服务器100；大数据服务器100更新目标特种设备的档案数据；若在维保前大数据服务器100发现传感器数据异常，则根据维保后传感器数据或维保过程中采集的现场数据，判断征兆是否消失，若没有消失，则提交人工标记，并将标记后的数据归入有效样本，作为后续的神经网络学习判断的样本数据。

以上所述的实施例只是本发明的一种较佳的方案，并非对本发明作任何形式上的限制，在不超出权利要求所记载的技术方案的前提下还有其它的变体及改型。