灯具维护装置和方法与流程

本发明涉及灯具维护技术领域，特别是涉及一种灯具维护装置和方法。

背景技术：

随着生活水平及质量的提高，对照明的要求也越来越高，传统的巡检路灯灯具维护模式：即灯具出现故障后才发现、维修更换的模式已经不能满足要求，即使有些单灯控制器远程实时监控替代巡检，也只能对已损坏的故障灯报警。尤其在一些对照明连续性要求比较高的场合，人们更加迫切希望对即将损坏或照度即将不能满足的灯具，能够提前预警，自动告知用户灯具什么时候有问题，有什么问题，以便于提前准备备品备件和制定维护计划。

例如：晚上路灯灯光很大程度上部分决定了地面车辆与行人安全，当前路灯照明系统的故障问题不仅影响系统运行稳定，有些高海拔或沿海路灯照明系统中的线路、灯具暴露在苛刻户外环境当中，经受大量风吹日晒、冷热冲击或盐雾腐蚀，容易出现设备、线路加速老化的情况，同时灯具容易遭受雷击、雾霾和酸雨等多种恶劣天气考验，在经受大型机械设备活动过程中都容易在振动、倾斜或漏水漏电等故障。目前路灯照明系统的维护多采用日检、周检、月检和不定期检查的方式相结合，对灯光系统的巡检主要依靠人工，传统人工巡视方式耗时耗力，无法有效应对灯具设备的运维管理需求。类似的，机场、港口码头等的照明灯具突然故障，可能会导致飞机不能正常起飞、降落、货物不能及时装卸，船舶不能正常进出港口，严重影响机场安全、港口码头的吞吐量，造成重大人生安全、经济损失等。

目前市场上常用的维护方式及不足之处如下：

1、恢复性维护：灯具坏了再修。停机时间无规划，需要大量的备品备件，应急修理费用昂贵、高风险的灾难性故障、连带损坏。

2、预防性维护：根据灯具厂商建议以及现场人员经验，定期维护。维护间隔期间也有故障可能性、设备使用率相对较低、维护率高，维护时可能引发故障。

3、状态性维护：基于设备运行状态的实时监控，结合设备机理模型在发生故障前进行维护。需要精确的故障检测/诊断方法、检测到故障需立即采取措施、很难确定合理的阈值参数。

因此，希望解决如何对灯具进行实时监控，如何实现灯具的预测性维护。

技术实现要素：

鉴于以上所述现有技术的缺点，本发明的目的在于提供一种灯具维护装置和方法，用于解决现有技术中如何对灯具进行实时监控，如何实现灯具的预测性维护的问题。

为实现上述目的及其他相关目的，本发明提供一种灯具维护装置，所述装置包括：电器箱，所述电器箱包括：数字防雷器、照明信息采集器、交流接触器、ac/dc电源；所述数字防雷器用于检测雷击类型、浪涌电流大小和雷击频次；所述数字防雷器与所述照明信息采集器连接，用于提供交流电至所述照明信息采集器；所述照明信息采集器与所述交流接触器连接，用于提供交流电至所述交流接触器；所述ac/dc电源与所述交流接触器连接，用于将交流电转换为直流电；所述照明信息采集器与所述ac/dc电源连接，用于接收所述ac/dc电源提供的直流电；所述照明信息采集器包括：第一温湿度传感器、倾角传感器、第一ntc和第一热电偶；所述第一温湿度传感器用于检测电器箱环境的温湿度；所述倾角传感器用于检测所述灯具及灯杆的倾斜角和振动值；所述第一ntc用于检测所述灯具使用环境的环境温度；所述第一热电偶用于检测ac/dc电源的tc点温度；led光源与所述电器箱连接，所述led光源包括：照明模组、光照度传感器、第二温湿度传感器、第二ntc和第二热电偶；所述第二温湿度传感器用于检测述led光源的环境温度；所述第二ntc用于检测所述照明模组的tp点温度；所述第二热电偶用于检测照明模组的散热器表面温度；所述照明信息采集器还包括：无线模块和继电器开关；所述无线模块用于传输传感器检测到的数据至云端服务器，云端服务器运用人工智能技术进行数据分析，实时监测灯具的健康状况。同时接收云端服务器的指令进行相应的操作。

为实现上述目的，本发明还提供一种灯具维护方法，应用于灯具维护装置，所述灯具维护装置包括：电器箱，照明信息采集器，led光源；所述电器箱包括：数字防雷器、照明信息采集器、交流接触器、ac/dc电源；所述照明信息采集器包括：第一温湿度传感器、倾角传感器、第一ntc和第一热电偶；所述led光源包括：照明模组、光照度传感器、第二温湿度传感器、第二ntc和第二热电偶；所述方法包括：基于数字防雷器检测雷击类型、浪涌电流大小和雷击频次；将所述数字防雷器与所述照明信息采集器连接，基于数字防雷器提供交流电至所述照明信息采集器；将所述照明信息采集器与所述交流接触器连接，基于所述照明信息采集器提供交流电至所述交流接触器；将所述ac/dc电源与所述交流接触器连接，基于所述ac/dc电源将交流电转换为直流电；将所述照明信息采集器与所述ac/dc电源连接，基于所述照明信息采集器接收所述ac/dc电源提供的直流电；基于所述第一温湿度传感器检测电器箱环境的温湿度；基于所述倾角传感器检测所述灯具及灯杆的倾斜角和振动值；基于所述第一ntc检测所述灯具使用环境的环境温度；基于所述第一热电偶检测ac/dc电源的tc点温度；将所述led光源与所述电器箱连接，基于所述第二温湿度传感器检测述led光源的环境温湿度；基于所述第二ntc检测所述照明模组的tp点温度；基于所述第二热电偶检测照明模组散热器表面温度；所述照明信息采集器还包括：无线模块和继电器开关；基于所述无线模块传输传感器检测到的数据至云端服务器，云端服务器运用人工智能技术进行数据分析，实时监测灯具的健康状况。同时接收云端服务器的指令进行相应的操作。

如上所述，本发明的一种灯具维护装置和方法，具有以下有益效果：用于实时监测所述灯具云端服务器、电网及使用环境的各种参数数据，发送到云端服务器，运用人工智能技术进行数据分析，打造高质量、多维度的照明数据集，结合专家经验与数据驱动，形成异常检测、故障诊断、寿命预测等工业智能算法创新，形成照度精准调控、快速精准检修，预测性维护等能力。

附图说明

图1显示为本发明的灯具维护装置于一实施例中的结构示意图；

图2a显示为本发明的灯具维护方法于一实施例中的流程图；

图2b显示为本发明的灯具维护方法于一实施例中的设备健康状况示意图；

图2c显示为本发明的灯具维护方法于一实施例中的傅里叶变换示意图；

图2d显示为本发明的灯具维护方法于一实施例中的小波变换示意图；

图2e显示为本发明的灯具维护方法于一实施例中的深度学习示意图。

元件标号说明

1电器箱

11数字防雷器

12照明信息采集器

121第一温湿度传感器

122倾角传感器

123第一ntc

124第一热电偶

125ac计量传感器

126dc计量传感器

127盐雾度传感器

128酸碱度传感器

13交流接触器

14ac/dc电源

2led光源

21照明模组

22光照度传感器

23第二温湿度传感器

24第二ntc

25第二热电偶

3检修门

31漏电传感器

32水浸传感器

具体实施方式

以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。

需要说明的是，以下实施例中所提供的图示仅以示意方式说明本发明的基本构想，故图式中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。

本发明的灯具维护装置和方法，用于实时监测所述灯具的健康状况，基于云端服务器指令及时进行相应的操作。

如图1所示，于一实施例中，本发明的灯具维护装置，包括：电器箱1，所述电器箱1包括：数字防雷器11、照明信息采集器12、交流接触器13、ac/dc电源14；

所述数字防雷器11用于检测雷击类型、浪涌电流大小和雷击频次；所述数字防雷器11与ac计量传感器125连接，所述ac计量传感器125设置于所述照明信息采集器12。所述数字防雷器11用于检测雷击类型、浪涌电流大小和雷击频次；所述ac(交流)计量传感器用于检测电网输入电压、输入电流、功率因数。；根据雷击类型、浪涌电流大小、雷击频次电网波动和功率因素，以及数字防雷器11实际的抗雷击能力和数字防雷器11的经验数据、实验室数据、历史数据、厂商推荐数据由云端服务器基于预设算法计算出在当前实际使用环境下数字防雷器11的失效时间，从而做到所述数字防雷器11的及时更换。

所述数字防雷器11与所述照明信息采集器12连接，用于提供交流电至所述照明信息采集器12。

所述照明信息采集器12与所述交流接触器13连接，用于提供交流电至所述交流接触器13。

所述ac/dc(交流/直流)电源与所述交流接触器13连接，用于将交流电转换为直流电。

所述照明信息采集器12与所述ac/dc电源14连接，用于接收所述ac/dc电源14提供的直流电；所述照明信息采集器12包括：第一温湿度传感器121、倾角传感器122、第一ntc123和第一热电偶124；ntc：negativetemperaturecoefficient的缩写，就是负温度系数热敏电阻。所述第一温湿度传感器121用于检测电器箱的温湿度；所述倾斜角传感器用于检测所述灯具及灯杆的倾斜角和振动值；所述第一ntc123用于检测所述灯具使用环境1的环境温度；所述第一热电偶124用于检测ac/dc电源的tc点温度。所述tc点是指针对pn结点最有关联性，且最具有热传导稳定性点。具体地，所述倾角传感器122用于检测所述灯具及灯杆的倾斜角和振动值，所述第一温湿度传感器121用于检测所述电器箱1的环境的温湿度，根据灯杆1的倾斜角和振动值、电器箱1的环境的温湿度、以及已知灯具使用的结构件材料、表面处理工艺、固定连接方式，基于已知的灯具结构件的经验数据、实验室数据、历史数据、厂商推荐数据，由云端服务器基于预设算法计算出在当前的倾斜角、振动值和温湿度下所述灯具能够正常工作的预计时间，从而及时安排灯具的维护时间。具体地，所述第一ntc123用于检测所述灯具使用环境的环境温度；所述第一热电偶124用于检测ac/dc电源的tc点温度，所述tc点是指ac/dc电源的与性能热标志类似性的点。以及所述第一温湿度传感器121用于检测电器箱环境的温湿度；根据所述电器箱1实际检测到的环境温度、器件温度以及检测环境的温湿度以及已知的电器箱1的防水等级；所述云端服务器基于经验数据、实验室数据、历史数据基于预设算法计算出在当前条件下，所述灯具的损坏时间，从而及时安排灯具的维护时间。

led光源2与所述电器箱1连接，所述led光源2包括：照明模组21、光照度传感器22、第二温湿度传感器23、第二ntc24和第二热电偶25；所述第二温湿度传感器23用于检测述led光源2的环境温湿度；所述第二ntc24用于检测所述照明模组21的tp点温度；所述tp点是指照明模组的与性能热标志类似性的点。所述第二热电偶25用于检测照明模组21的散热器表面温度。具体地，所述照明模组21用于照明，所述光照度传感器22用于检测所述照明模组21的光照度。具体地，所述第二温湿度传感器23用于检测述led光源2的环境温湿度；所述第二ntc24用于检测所述照明模组21的环境温度；所述第二热电偶25用于检测照明模组21的散热器表面温度；所述照明信息采集器12还包括：dc(直流)计量传感器，所述dc计量传感器126与所述led光源2连接，用于实时监测输出至所述led光源2的电流、电压。基于所述led光源2的电流、电压，照明模组21的环境温度，照明模组21的器件温度，照明模组21的光照度，以及所述照明模组21的芯片、封装方式、支架，结合照明模组21的寿命曲线、实验室数据、厂商推荐数据，基于云端服务器计算出实际使用环境条件下照明模组21的失效时间，这样做到照明模组21的失效时间的预测，可以及时更换照明模组21。

所述照明信息采集器12还包括：无线模块和继电器开关；所述无线模块用于传输传感器检测到的数据至云端服务器，以使云端服务器运用人工智能技术进行数据分析，实时监测灯具的健康状况。同时接收云端服务器的指令进行相应的操作。所述操作包括：开关灯、调光、断电。

具体地，还包括检修门3，所述检修门3包括：漏电传感器31和水浸传感器32；所述漏电传感器31用于检测是否漏电，所述水浸传感器32用于检测是否被水淹。所述漏电传感器31用于检测所述灯具供电线路是否漏电，所述水浸传感器32用于检测所述灯杆设定位置是否被水淹。所述漏电传感器31和所述水浸传感器32检测到的数据上传至云端服务器，以使云端服务器实时监测所述漏电传感器31和水浸传感器32的数据，当所述漏电传感器31和水浸传感器32的数据超过预设阈值时，所述云端服务器发送断电指令至灯具供电端，以使灯具及供电线路断电。

具体地，所述照明信息采集器12还包括：mcu，所述mcu用于控制各个传感器模块的工作。所述照明信息采集器12还包括：eeprom(electricallyerasableprogrammableread-onlymemory)，带电可擦可编程只读存储器--一种掉电后数据不丢失的存储芯片。eeprom可以在照明信息采集器12上擦除已有信息，重新编程，一般即插即用。

具体地，所述照明信息采集器12还包括：盐雾度传感器127，所述盐雾度传感器127用于检测所述灯具使用环境的盐雾浓度。将所述盐雾度传感器127检测到的盐雾浓度上传至云端服务器，以使云端服务器基于所述检测到的盐雾浓度，所述灯具的耐盐雾浓度数据，计算出在当前盐雾浓度下的失效时间，做到灯具壳体等结构件的及时更换。

具体地，所述照明信息采集器12还包括：酸碱度传感器128，所述酸碱度传感器128用于检测所述灯具使用环境的酸碱度。将所述酸碱度传感器128检测到的酸碱度上传至云端服务器，以使云端服务器基于所述检测到的酸碱度，所述灯具的耐酸碱度数据，计算出在当前酸碱度下的失效时间，做到灯具壳体等结构件的及时更换。

具体地，所述照明信息采集器12还包括：调光模块，所述调光模块与所述ac/dc电源14连接，用于调节所述ac/dc电源14的输出电流。

具体地，所述照明信息采集器12还包括：dc计量传感器126，所述dc计量传感器126与ac/dc电源14和led光源2连接，用于检测ac/dc电源14输出至led光源2的电流、电压。

具体地，所述照明信息采集器12还包括：继电器开关，所述继电器开关还用于控制交流接触器13的通断，增大通流量，避免继电器触点损坏。

具体地，所述照明信息采集器12还包括：无线模块，所述无线模块用于上传上述各种传感器检测到的数据至云端服务器、同时接收云端服务器的指令。

如图2a所示，于一实施例中，本发明的灯具维护方法，应用于灯具维护装置，所述灯具维护装置包括：电器箱，照明信息采集器，led光源；所述电器箱包括：数字防雷器、照明信息采集器、交流接触器、ac/dc电源；所述照明信息采集器包括：第一温湿度传感器、倾角传感器、第一ntc和第一热电偶；所述led光源包括：照明模组、光照度传感器、第二温湿度传感器、第二ntc和第二热电偶；所述方法包括以下步骤：

步骤s21、基于数字防雷器检测雷击类型、浪涌电流大小和雷击频次。

步骤s22、将所述数字防雷器与所述照明信息采集器连接，基于数字防雷器提供交流电至所述照明信息采集器。

步骤s23、将所述照明信息采集器与所述交流接触器连接，基于所述照明信息采集器提供交流电至所述交流接触器。

步骤s24、将所述ac/dc电源与所述交流接触器连接，基于所述ac/dc电源将交流电转换为直流电。

步骤s25、将所述照明信息采集器与所述ac/dc电源连接，基于所述照明信息采集器接收所述ac/dc电源提供的直流电；基于所述第一温湿度传感器检测电器箱环境的温湿度；基于所述倾角传感器检测所述灯具及灯杆的倾斜角和振动值；基于所述第一ntc检测所述灯具使用环境环境温度；基于所述第一热电偶检测ac/dc电源的tc点温度。步骤s26、将所述led光源与所述电器箱连接，基于所述第二温湿度传感器检测述led光源的环境温湿度；基于所述第二ntc检测所述照明模组的tp点温度；基于所述第二热电偶检测照明模组的散热器表面温度.

步骤s27、所述照明信息采集器还包括：无线模块和继电器开关；基于所述无线模块传输传感器检测到的数据至云端服务器，云端服务器运用人工智能技术进行数据分析，实时监测灯具的健康状况。同时接收云端服务器的指令进行相应的操作。

具体地，还包括预先对所述传感器检测到的数据进行边缘计算。边缘计算指的就是在数据产生源附近分析、处理数据，没有数据的流转，进而减少网络流量和响应时间。无异常的数据，经过加权等处理后定时上传到云端服务器；有异常的数据实时上传到云端服务器，同时根据异常分类，作出是否立即切断灯具及供电线路电源等操作。具体地，还包括所述云端服务器基于所述数据结合预设算法计算所述灯具维护装置是否需要维护或检修，当需要维护或检修时，所述云端服务器向所述灯具维护装置发出维护或检修指令。所述预设算法包括统计算法、深度学习算法、机器学习算法。

为了做好灯具的可预测性维护，主要分以下几个步骤：

一、异常检测，即有没有问题？

异常检测就是从大量数据中寻找到异常点，通俗地讲就是从茫茫数据中找到那些“长得不一样”的数据。

二、故障诊断，即有什么问题？

当确定灯具发生了问题时，利用故障诊断方法对机器的详细故障情况做出诊断，包括发生故障的具体位置，故障的表现形式，故障形成的原因及故障的严重程度等，并综合以上情况给出维修意见。

故障诊断主要包括:(1)故障定位，定位故障的具体组件或子系统；(2)故障分类，区分已知和未知故障，如果是已知故障，还要确定故障的类型。

三、预测性维护，即什么时候可能有问题？

如图2b所示，在照明灯具中，不同模块具有不同的物理退化机制，例如led灯珠在实验室条件下具有一定的衰老曲线。实际应用的环境往往更为多变和严苛，因此经常出现外界环境变化对系统运行的干扰，从而加速系统部件的寿命损耗。因此单纯使用实验室中的标准曲线是不能有效进行预测性维护的，需要针对实际运行中收集的数据及时调整曲线的预期变化情况，从而实现更加精准有效的预测性维护。

具体的方法是：

1、首先由专业工程师根据灯具的运行机制和设计余量，判断是否异常。

2、基于时间序列建模的单维度异常检测：将检测的各个变量按照时间排序，寻找异常点。

(1)、如图2c所示，傅里叶变换：任何连续测量的时序或信号，都可以表示为不同频率的正弦波信号的无限叠加。而根据该原理创立的傅立叶变换算法利用直接测量到的原始信号，以累加方式来计算该信号中不同正弦波信号的频率、振幅和相位。傅立叶变换将原来难以处理的时域信号转换成了易于分析的频域信号(信号的频谱)。傅里叶变换公式如下：

傅立叶变换对函数作频谱分析，反映了整个信号的时间频谱特性，较好地揭示了平稳信号的特征。傅立叶变换的缺陷，由于正弦波是无限宽度的，这使得被分析的信号也需要具有从负无穷大到正无穷大都有意义的特性，所以傅立叶变换不能很好的处理一些局部信号。比如，一个在局部范围内有非0值而其余所有地方都等于0的函数，它的频谱会呈现出一幅相当混乱的状况。这时，频域的信号反而不如时域的直观，频谱分析变得很艰难。为了克服傅立叶变换的这些缺陷，开发出若干种使用有限宽度基函数进行变换的方法。这些基函数不仅在频率上而且在位置上是变化的，这些有限宽度的波被称为“小波”(wavelet)。

(2)小波变换:继承和发展了短时傅立叶变换局部化的思想，同时又克服了窗口大小不随频率变化等缺点，能够提供一个随频率改变的时间一频率窗口，是进行信号时频分析和处理的理想工具。它的主要特点是通过变换能够充分突出问题某些方面的特征。小波变换原理图如图2d所示，公式如下：

3、基于统计分布的多维度数据异常检测：

(1)统计模型：以数学方程形式表现变量之间关系的程式化表达。统计模型有些过程无法用理论分析方法导出其模型，但可通过试验或直接由工业过程测定数据，经过数理统计法求得各变量之间的函数关系，称为统计模型。

(2)深度学习算法：应用人工神经元、深度神经网络、递归神经网络、人工神经网络、卷积神经网络等技术，通过增加中间隐藏层、反馈环等，不断降低误判率。如图2e所示，为一深度学习算法的例子。

(3)机器学习算法：传统的机器学习技术分为两类:有监督学习和无监督学习。有监督学习只利用标记的样本集进行学习，而无监督学习只利用未标记的样本集进行学习，但在很多实际问题中，有标记样本通常很难收集，而无标记样本很容易得到。有监督的机器学习分类算法对于数据标记样本的需求量往往较大，而且较难解决数据不平衡(正负样本数量差别巨大)的情况，因此很难在少量样本下的异常检测场景中进行使用。无监督学习应用到现实场景的时候会有一定的局限性，导致不同程度的误报(很多正常样本被视作异常点)或漏报(只检测到少部分异常点)情况。本发明采用的是半监督学习，首先用监督学习方法对已标注数据进行训练得到初始分类器，然后用初始分类器预测未标注数据，得到未标注数据属于某一类别的概率值，类别概率越大，则分类取得的置信度越高，将置信度较高的样本添加到已标注数据中得到一个更大、更新的标注训练集，同时未标注数据集中去掉被选中的高置信度样本，继续迭代训练分类器直到全部训练样本都有了标签，此时未标注训练集为空集。

随着上传到云端服务器的数据增多，不断优化算法和机器学习方法和ai模型，运用人工智能的机器学习技术进行数据的分析建模，赋能灯具的维护与运营。

灯具有了故障预警后，能够提前制定维护计划，根据故障原因，利用非运行时间或通过提前统一调度安排出非运行时间，提前快速、精准维护，将故障影响减少到最小甚至是零，确保人们生命、财产安全。可预测性维护不仅能减少计划外停机时间、最小化停机时间内生产损失、最优化备件库存，还能够：

优化下一代产品设计，利用灯具客户端的使用数据与实验室数据比对，可以设计更合理类似灯具的加速寿命试验模型，利用更短时间模拟类似灯具的相关可靠性能。针对不同行业、区域对产品的不同要求，设计估计适合的个性化的灯具。为优化下一代产品设计提供依据。

为后续灯具的led灯珠、安装支架和表面处理等选型和使用提供决策依据，利用不断增多的led灯珠、安装支架和表面处理等实际场景中的实时数据，而不是实验室的静态数据，为不同应用场景下的灯具选用合适的零部件。

为制定行业标准或者国标提供依据。利用不断增多实际场景的在测数据，分析出不同行业、区域对产品的不同要求，提供有参考价值的依据。

这些实际场景数据对于客户与生产厂家可以做很多分析，可以实现具体行业、区域灯具的特别订制，更加符合当地环境与使用习惯，更好服务实际应用。

综上所述，本发明灯具维护装置和方法，用于实时监测所述灯具维护装置的各种参数数据，基于云端服务器指令及时进行相应的操作。所以，本发明有效克服了现有技术中的种种缺点而具高度产业利用价值。

上述实施例仅例示性说明本发明的原理及其功效，而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下，对上述实施例进行修饰或改变。因此，举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本发明的权利要求所涵盖。