CN106716074B - 探测装置 - Google Patents
探测装置 Download PDFInfo
- Publication number
- CN106716074B CN106716074B CN201580049988.3A CN201580049988A CN106716074B CN 106716074 B CN106716074 B CN 106716074B CN 201580049988 A CN201580049988 A CN 201580049988A CN 106716074 B CN106716074 B CN 106716074B
- Authority
- CN
- China
- Prior art keywords
- information
- codes
- controller
- code
- measurement information
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D18/00—Testing or calibrating apparatus or arrangements provided for in groups G01D1/00 - G01D15/00
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/18—Water
- G01N33/1886—Water using probes, e.g. submersible probes, buoys
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Medicinal Chemistry (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- Food Science & Technology (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Testing Or Calibration Of Command Recording Devices (AREA)
- Arrangements For Transmission Of Measured Signals (AREA)
- Theoretical Computer Science (AREA)
- Evolutionary Computation (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
装置可以包括控制器;存储器,控制器可访问;总线,可操作地耦合到控制器;传感器电路,可操作地耦合到总线,其中传感器电路生成表示环境条件的测量信息;以及其中控制器确定代码,所述代码中的每一个表示装置的自身操作状态,并且其中控制器在存储器中将测量信息的至少一部分与所述代码中的至少一个相关联。
Description
相关申请
本申请要求于2014年7月23日提交的序列号为62/027,943的美国临时专利申请以及于2015年7月21日提交的序列号为14/804,798的美国专利申请的优先权和权益,以上两者通过引用并入本文。
技术领域
本申请涉及一种探测装置。
背景技术
探测装置或探头可以包用于括监视与水有关的属性的一个或多个传感器和相关联的电路。例如,探测装置可以包括用于监视温度、电导率、盐度、溶解氧、pH、浊度和深度的传感器。探测装置可以包括可以存储信息的存储器、用于传输信息的接口等。对通过探测装置获取的信息的分析可以指示环境(例如,水性环境等)的状态。
发明内容
本申请提供了一种用于确定装置的环境的环境条件的装置,包括:控制器;存储器,控制器可访问;总线,可操作地耦合到控制器;传感器电路,可操作地耦合到所述总线,其中所述传感器电路生成表示所述装置的环境的环境条件并与水的属性相关的测量信息,并且其中根据所述环境条件来确定情境信息;以及其中所述控制器确定代码,所述代码中的每一个表示所述装置的自身操作状态,自身操作状态根据情境信息来确定并指示所述装置的组件的操作状态,并且其中所述代码中的每一个基于所述控制器在所述存储器中将使用所述测量信息的至少一部分确定的组件的操作状态与所述代码中的至少一个相关联来确定,其中基于所述代码中的至少一个,所述控制器确定所述测量信息是否可接受以包括在确定所述装置的所述环境的所述环境条件中。
附图说明
通过参考结合附图的以下描述,可以更容易地理解所描述的实现的特征和优点。
图1是包括环境的示例和装备的示例的一系列图。
图2是装备的示例的一系列图。
图3是系统的示例的图。
图4是信息分析的示例的图。
图5是包括一个或多个人工神经网络的图3的系统的示例的图。
图6是系统的示例的图。
图7是方法的示例的图。
图8是电路的示例和场景的示例的图。
图9是包括环境的示例和方法的示例的一系列图。
图10是方法的示例的图。
图11是设备的示例、信息的示例、状态机的示例和一个或多个预测算法的示例的一系列图。
图12是系统的示例和方法的示例的一系列图。
图13是架构的示例和装备的示例的一系列图。
图14是可以存储为数据结构的信息的示例的一系列图。
图15是数据结构的示例和信息的示例的一系列图。
图16是包括示例信息的数据结构的图。
图17是包括装备的环境的示例和可以与装备相关联的信息的示例的一系列图。
图18是方法的示例的图。
图19是包括多个站点的环境的示例的图。
图20是包括多个站点的环境的示例的图。
图21是信息的图表的示例的图。
图22是信息的图表的示例的图。
图23是模块的示例和图形用户界面的示例的图。
图24是模块的示例和图形用户界面的示例的图。
图25是模块的示例和图形用户界面的示例的图。
图26是方法的示例的图。
具体实施方式
以下描述包括目前预期用于实践所描述的实现的最佳模式。该描述不应理解为限制性的意义,而是仅用于描述实现的一般原理的目的。所描述的实现的范围应当参考所发布的权利要求来确定。
图1示出了包括可以被实现用于监视环境100的装备的环境100的示例。如所示出的,装备可以包括网络101、可以可操作地耦合到网络101的电子装备105-1和105-2以及可以可操作地耦合到电子装备105-1和105-2的探测装置110-1和110-2。作为示例,探测装置110-1和110-2中的一个或多个可以包括可以可操作地耦合到电子装备(例如,电子装备105-1和105-2)、网络(例如,网络101)等的一个接口或多个接口。
在图1的示例中,探测装置110-1实现为监视基于陆地的条件,而探测装置110-2实现为监视基于海洋的条件。作为示例,基于陆地的实现可以监视从水箱、管道、河流、溪流、湖泊等的泄漏。
环境监视可能涉及旨在表征和/或监视环境质量的过程和活动。环境监视可以发生在环境影响评估的准备之前、期间或之后。可以实施环境监视以建立环境的当前状态或建立一个或多个环境参数中的趋势。可以对监视结果进行回顾、统计分析和报告。监视程序可以在监视之前考虑使用数据。监视可能受制于规则、法令等。
图1示出了探测装置110的示例,其可以包括一种或多种类型的电路120。作为示例,探测装置110可以包括控制器122、存储器124和一个或多个接口126。在这样的示例中,控制器122可以是可以由电源(例如,电池、电力电缆等)供电的微控制器(例如,ARM、ARC等)。这样的控制器可以与其他电路(例如pH电路132、电阻率电路134、盐度电路136、压力电路142、氧还原电位(ORP)电路144、溶解氧(DO)电路146、参考电位(RP)电路152、时钟电路154、电力/电池电路156,比电导率(SC)电路162、比重(SG)电路164、总溶解固体(TDS)电路166、深度电路172、温度电路174和其他电路176中的一种或多种)相互作用。
诸如例如探测装置110的探测装置可以提供可以描述环境的特性的测量值。与测量值相关联的信息可以提供可以帮助评估环境、探测装置的操作、探测装置的性能、数据的质量等的情境。相对于测量数据,情境信息可以被称为例如元数据(例如,关于测量数据的数据)。作为示例,情境信息可以是定量和/或定性的。
情境信息可以证明有时在帮助注意问题、判断数据质量、确定数据集之间的可比性并在测量结果中建立可信度方面是有用的。例如,情境信息可以帮助回答关于水文、生态等的问题。
作为示例,探测装置可以存储和/或生成情境信息。作为示例,可以例如亲自在现场(例如,通过视觉或其他检查)和/或使用现场装备(例如,远程相机、无人机等)来检查探测装置。这种检查可以生成情境信息。
作为示例,探测装置可以存储与测量值相关联的情境信息(例如,元数据)。在这样的示例中,元数据可以存在以用于测量数据(例如,测量值)。情境信息的一些示例包括生成数据的用户名、关于何处收集数据的位置信息、何时收集数据的日期、时间和时区、探测装置设置(如测量期间使用的传感器预热时间、测量期间传感器是否稳定、传感器校准和维护是否过期、测量期间的传感器和探测装置状态)。作为示例,探测装置可以存储作为文件(诸如例如日志文件)的一部分的情境信息。
在获取测量之后,用户可以询问由此导出的测量或结果是否可用(例如,由于不良的准确性、空间和时间取向或与所考虑的问题的相关性)。作为示例,在关于测量获取、在测量期间的仪器的功能状态、数据的创建者以及数据创建的时间、日期和位置的信息可用的情况下,可以减少关于一个或多个测量的不确定性(例如,并且避免了误导性结论)。随着经由情境信息的数据质量的增加,可以实现各种好处(例如,报告中的信心,现场操作中的信心等)。
作为示例,情境信息可以帮助生成关于随时间的传感器和系统性能、校准和维护过程的及时性和有效性以及修理和更换计划效率的答案。作为示例,可以分析情境信息以确定传感器的电路、探测装置的电路等的操作状态。作为示例,操作状态可以被表示为代码(例如,或多个代码)。例如,操作状态可以被编码,并且可以是由一个或多个代码表示的特定状态(例如,考虑每个传感器的代码等)。作为示例,代码可以是关于测量信息的一个或多个方面(例如,关于测量值是否可接受以包括在环境评估中(例如,可选地关于一个或多个统计、规则、法令等))的信息。
图2示出了可以在包括一个或多个探测装置210-1和210-2的一个或多个系统中实现的装备205-1、205-2、205-3、206、208、212、214-1、214-2、214-3的示例。装备205-1、205-2和205-3可以可操作地耦合到一个探测装置或多个探测装置以用于接收信息、发送信息、发送电力、接收电力等(例如,经由一个或多个接口)。作为示例,装备205-1可以包括处理器和存储器,装备205-2可以包括处理器和存储器,并且装备205-3可以包括处理器和存储器。
图3示出了系统300的示例的框图,该系统300包括数据存储块302、数据分析块304和输出块306(例如用于输出信息,例如至少部分地基于对数据的分析的一个结果或多个结果)。
如图3的示例中所示,数据可以包括诸如配置信息310、测量信息320和电路信息380的信息。配置信息310可以包括装备生成的信息和/或人输入信息。测量信息320可以包括表示一个或多个环境条件的测量(例如,关于一个或多个环境参数的值)。电路信息380可以包括诸如序列号382、固件版本384、制造数据386、(例如,电路设备、组件等的)设备状态388、一个或多个诊断代码390和/或其他信息392的信息。
作为示例,数据分析块304可以在作为探测装置的一部分的电路中实现(例如,经由控制器和控制器可执行指令等)。作为示例,数据分析块304可以在作为计算设备的一部分的电路中实现(例如,经由处理器和处理器可执行指令等)。作为示例,数据分析块304可以在作为本地装备的一部分和/或作为远程设备的一部分的电路中实现。
作为示例,配置信息可以包括输入的信息(例如,用户输入)和/或可以包括生成的信息(例如,系统生成的信息)。例如,GPS电路可以确定探测装置的位置(例如,坐标)和/或用户可以输入探测装置的位置。作为示例,探测装置可以包括可以生成时间信息(例如,时间戳等)的时钟电路。作为示例,一个或多个事件、相互作用等可以根据探测装置的时钟电路用时间戳来标记。作为示例,探测装置可以包括可以经由与广播设备的无线通信来更新时钟电路的电路。
图4示出了其中配置信息310包括具有在初始时间处的值的配置参数C1至CN的示例场景,其中测量信息320包括具有在各种时间(例如,时间间隔)处的值的测量参数S1至SN,并且其中电路信息380包括具有在各种时间(例如,时间间隔)处的针对对应的各个测量参数S1到SN的值(例如,考虑电路参数值的阵列)的电路参数P1到PN。
在图4中,数据分析块304可以分析信息的至少一部分以生成输出信息306(例如,作为一个或多个结果)。例如,输出信息306可以被构造为在各种时间处的S1到SN的输出参数。这样的输出参数可以以一个或多个代码(例如,代码1、代码2……代码N)的形式。这样的代码可以提供关于设备的状态、一个探测装置或多个探测装置的状态等的信息。这样的代码可以指示设备、探测装置等被如何被配置、取向等。作为示例,代码可以是关于测量信息的一个或多个方面(例如,关于测量值是否可接受以包括在环境评估中(例如,可选地关于一个或多个统计、规则、法令等))的信息。
作为示例,代码可以是警告状态代码,其可以指示关注的级别。例如,考虑指示电路应尽可能快地掉电以避免对这种电路的可能损坏的代码。其他代码示例可以包括电池更换、一个或多个传感器窗口的清洁、泄漏检查、用滑脂重新包装一个或多个密封件、更换一个或多个组件、重新取向传感器(例如,探测装置)等。
图5示出了系统300,其中数据分析块304可以包括技术305或至少部分基于技术305。在图5的示例中,所示的技术305是包括至少一个输入层、至少一个隐藏层和至少一个输出层的人工神经网络(ANN)。
ANN在诸如用于确定各个字符的手写识别和用于确定各个声音和单词等的语音识别的识别场景中得到使用。在图5的示例中,技术305可以基于输入识别状态,输入可以包括配置信息310、测量信息320和电路信息380中的一个或多个。作为示例,技术305可以涉及例如使用实际信息和/或合成信息进行训练。
例如,技术305可以由可以通过接收信息来激活的一组输入神经元来限定。在通过一个函数或多个函数(例如,如可以通过历史分析、训练等确定)加权和变换之后,这些神经元的“激活”然后被传递到其他神经元。这样的过程可以重复,直到最后,“激活”输出神经元。输出神经元可以对应于状态,其可以可选地被表示为代码。
作为示例,可以至少部分地基于ANN的输入和输出来限定一个或多个算法。例如,考虑包括变量的算法,其中变量的值可以与输出相关联。这种方法可以可选地通过查找(例如在查找表(LUT)中)来操作。作为示例,LUT方法可以使用存储器和可以执行指令的控制器来实现。
作为示例,可以至少部分地基于历史信息来生成预测模型。可以使用预测分析(例如,考虑结合机器学习和数据挖掘使用一个或多个统计技术)来生成预测模型。作为示例,方法可以包括使用历史信息来构建预测模型,并且然后使用预测模型对未来或者另外的未知的事件、状态等做出预测(例如,基于当前信息和/或历史信息)。
作为示例,预测模型的训练可以正在进行(例如,至少部分地基于数据的获取,无论是定量和/或定性的)。这样的数据可以是经由现场操作、实验室测试、制造商信息等的。作为示例,可以使用来自一个探测装置或多个探测装置的传感器的测量值并使用如可能与一个或多个探测装置相关联的情境信息来训练预测模型。
作为示例,预测模型可以部分地是诸如探测装置的设备的虚拟机。例如,可以在软件(例如,探测装置的软件仿真)中对探测装置的特性进行建模。在这样的示例中,可以加速时间,使得虚拟机执行可以建立状态的各种动作,这些状态可以是真实机器(例如,探测装置)的可能状态。在揭露可能有问题的可能状态的情况下,方法可包括采取一个或多个校正动作。例如,信号可以被发送到探测装置以调整一个或多个设置、对固件进行更新等。作为示例,警报可以发送到设备、帐户等(例如,考虑电子邮件警报、文本警报等)。这种警报可以包括到与警报相关联的指令(例如,检索探测装置、检查X、更换Z等)的链接(例如,URL)。
作为示例,探测装置可以包括一个或多个安全机制(例如可以加密信息的加密机制)。探测装置可以以加密形式在探测装置的存储器中存储信息的至少一部分。例如,可以保留某些信息(例如,配置信息、电路信息、代码等)供制造商使用。作为示例,方法可以包括将加密信息发送到远程位置并对该信息进行解密和分析所解密的信息。
作为示例,基于代码的系统可以减少传输带宽。例如,配置为生成代码(例如,经由控制器和固件等)的探测装置可以经由诸如文本消息发送之类的通信技术来发送代码。例如,在探测装置包括或可操作地耦合到蜂窝电路的情况下,探测装置可以将SMS发送到蜂窝号码。在这样的示例中,探测装置可以被编程为响应于通过SMS等发送的一个或多个代码的接收。例如,探测装置可以针对代码解析SMS,并且然后至少部分地基于代码(例如,通过改变一个或多个设置等)来改变其操作状态。
作为示例,探测装置可以包括存储器、控制器和存储在存储器中的以使探测装置分析输入并确定一个或多个输出的可执行指令。在这样的示例中,输入可以包括诸如配置信息、测量信息和电路信息中的一个或多个的信息,并且输出可以包括代码。
作为示例,图5的人工神经网络305可以在系统300中实现以至少部分地基于输入信息来输出预测。例如,考虑包括对探测装置的传感器执行校准的方法,其中校准的结果被输入到系统300。作为示例,输出可以是指示校准结果不足以匹配预期的校准结果的信息。这样的输出可以指示失败的校准和/或一个或多个电路未按预期执行。在这样的示例中,一个或多个推荐的动作方针可以被输出并且针对补救动作等可选地被采取。
图6示出了包括数据存储块602、数据分析块604和输出块606的系统600的示例。输出信息608的示例可以包括与训练、固件、电源(例如,电池等)、密封件故障、污染、接地问题、(一个或多个)不适当的设置、(一个或多个)膜相关的信息和/或一种或多种其他类型的信息。
作为示例,可以生成一个或多个报告610(例如内部报告612、客户报告614和/或法律报告616)。作为示例,法律报告可以被格式化并且可选地被传送到一个或多个监管实体、客户端等。作为示例,可以在报告中标识一个或多个质量相关问题。
图7示出了方法700的示例,其包括用于接收配置信息、测量信息和/或电路信息的接收块710、用于分析接收到的信息的至少一部分的分析块720以及用于输出测量相关和/或其它信息(可选地作为一个或多个代码、报告等)的输出块730。
在图7的示例中,块710、720和730被示出为具有计算机可读介质(CRM)块711、721和731。CRM块可以包括可由控制器、处理器等执行以使设备、系统等执行一个或多个动作(诸如方法700的动作中的一个或多个)的指令。
图8示出了电路820的示例,其包括总线821、控制器822、存储器824、固件825、一个或多个接口826、时钟电路854、模数转换器(ADC)878、电源879和总溶解固体(TDS)电路866。作为示例,电路820可以至少部分地在诸如探测装置的设备中。
图8示出了针对时间X、时间Y和时间Z的三个示例场景。时间X场景示出了指示在TDS测量时电压下降的电源代码。由于电源可为ADC供电,所以代码可以被生成并存储在存储器中、被发送等,其中代码与TDS测量相关联(例如,在表格或其他一个数据结构或多个数据结构中)。
时间Y场景示出了指示在TDS测量时令牌故障的总线代码。由于总线可以携带来自TDS电路的测量以用于存储在存储器中,所以代码可以被生成并存储在存储器中、被发送等,其中代码与TDS测量相关联(例如,在表格或其他一个数据结构或者多个数据结构中)。
时间Z场景示出了指示在TDS测量时挂起(例如,控制器挂起)的固件代码。由于控制器可以根据固件操作以处理来自TDS电路的测量,所以代码可以被生成并存储在存储器中、被发送等,其中代码与TDS测量相关联(例如,在表格或其他一个数据结构或者多个数据结构中)。
图9示出了包括网络901、装备905、传感器设备910-1和910-2以及远程装备915的环境900的示例。图9还示出了方法950,其包括用于接收设备的信息的接收块952、用于分析信息的分析块954和用于输出信息的输出块956。在图9的示例中示出了输出信息的类型的各种示例,包括:传感器910-1性能/传感器910-2性能、取向报告、测量报告、校准的及时性报告、校准的有效性报告、维护过程计划、修理推荐计划、更换推荐计划等。
图10示出了方法1000的示例,其包括用于接收与多个装置的操作状态相关联的信息的接收块1010,其中装置中的每一个包括:控制器,控制器可访问的存储器,可操作地耦合到控制器的总线以及可操作地耦合到总线的传感器电路,其中传感器电路生成表示环境条件的测量信息;生成块1020,用于至少部分地基于信息生成模型;和导出块1030,用于至少部分地基于模型导出代码,其中代码中的每一个与装置可检测的自身操作状态相对应。在这样的示例中,模型可以包括人工神经网络。作为示例,生成块1020可以包括通过训练人工神经网络来生成模型以生成经训练的人工神经网络(例如,作为模型)。
作为示例,方法1000的接收块1010可以包括接收与各个装置相对应的配置信息的集合。在这样的示例中,配置信息的集合中的每一个可以包括由各个装置生成的配置信息。作为示例,配置信息的集合可以包括输入到各个装置的配置信息。作为示例,接收到的信息可以包括与各个装置相对应的电路信息的集合(例如,考虑诸如制造信息之类的静态信息,诸如动态状态信息之类的动态信息等)。
在图10的示例中,块1010、1020和1030被示出为具有计算机可读介质(CRM)块1011、1021和1031。CRM块可以包括可由控制器、处理器等执行以使设备、系统等执行一个或多个动作(诸如方法1000的动作中的一个或多个)的指令。
图11示出了设备1100的示例,其包括:控制器1122;存储器1124,可由控制器1122访问;总线1128,可操作地耦合到控制器1122;传感器电路1130,可操作地耦合到总线1128,其中传感器电路1130生成表示环境条件的测量信息;以及其中控制器1122确定代码,代码中的每一个表示设备的自身操作状态,并且其中控制器1122在存储器1124中将测量信息的至少一部分与代码中的至少一个相关联。
作为示例,代码可以包括从历史自身操作状态的分析导出的代码。作为示例,一个或多个代码可以与自身操作状态(诸如总线错误、传感器电路的校准错误、控制器指令错误、模数转换错误、存储器错误、复位错误、时钟错误等)相对应。
图11还示出了信息1125,其可以是存储在设备1110的存储器1124中的信息。作为示例,信息1127可以在本地和/或远程可用于使代码与操作状态相关联。作为示例,设备1110可以至少部分地被建模为状态机1111。在这样的示例中,状态机1111可以包括可以发生(可选地具有相关联的概率)转变的各个状态。作为示例,一个或多个预测算法1113可用于在给定特定状态下预测未来状态。作为示例,考虑接收与设备相关联的一个或多个代码,将所述一个或多个代码转换到操作状态,然后使用状态机和预测算法来预测未来状态,未来状态可以是设备的可能的未来状态。根据未来状态的性质,方法可以包括生成警报、采取一个校正动作或者多个校正动作等。
图12示出了系统1200的示例,系统1200包括设备1201、存储装备1202、设备1203、网络1205和设备1210,其可以是传感器设备或可操作地耦合到传感器设备的设备。作为示例,设备1210可以包括图11的设备1110的特征。
图12还示出了方法1250的示例,方法1250包括:接收块1252,用于从设备接收测量信息和相关联的代码,所述设备包括包含控制器可访问的存储器的控制器;总线,可操作地耦合到控制器;传感器电路,可操作地耦合到总线;其中传感器电路生成表示环境条件的测量信息,其中控制器确定代码,代码中的每一个表示设备的自身操作状态;分析块1254,用于分析所接收的测量信息和相关联的代码;以及传输块1256,用于至少部分地基于分析来向设备发送至少一个指令。在这样的示例中,分析可以包括将接收到的代码的至少一部分输入到模型中,其中模型可以包括或者可以是预测模型。在这样的示例中,方法1250可以包括经由预测模型预测故障模式(例如,设备的故障模式),并且例如发送至少一个指令,其可以是旨在避免预测的故障模式(例如,在实现时的设备的故障模式)的校正指令。
在图12的示例中,块1252、1254和1256被示出为具有计算机可读介质(CRM)块1253、1255和1257。CRM块可以包括可由控制器、处理器等执行以使设备、系统等执行一个或多个动作(诸如方法1250的动作中的一个或多个)的指令。作为示例,服务器可以包括作为CRM的存储器,其包括诸如块1253、1255和1257中的一个或多个的指令之类的指令。
作为示例,系统1200可以包括一个或多个通信网络、一个或多个远程服务器(例如,具有相关联的一个处理器或多个处理器、存储器、指令、网络接口等)、用于预测处理的处理器可执行指令、用于生成警报的处理器可执行指令、以及用于发出警报(例如,通知一个或多个个人即将来临的维护或问题)的电路等。
图13示出了架构1300的示例,其包括具有主装备1310的主级别、具有从装备1320-1、1320-2……1320-N的从级别以及具有从设备装备1330-1、1330-2……1330-N的从设备级别。图13中还示出了装备1380的一些示例。例如,考虑如图1或图2中的装备。
作为示例,一个模型或多个模型可以包括针对诸如图13的架构1300之类的架构中的一个或多个实体的代表性方程、参数、变量等。作为示例,模型可以包括可以进行训练(例如,通过机器学习)的一个或多个人工神经网络。作为示例,模型可以接收一个或多个输入并且生成一个或多个输出,其中这样的一个或多个输出可以表示一个或多个可能状态(例如,系统的操作状态)。
作为示例,主装备可以包括由电路系统(例如,电路、固件、软件等)指示的计算机。作为示例,从装备可以是能够执行各种任务(诸如例如,与感测相关联的任务)的探头(例如,探测装置)。作为示例,从设备可以是包括在一片从装备中、附接到该一片从装备等的传感器或设备。作为示例,从设备可以包括身份。作为示例,从设备可以包括允许从设备标识自身以被寻址等(例如,用于通信等)的电路。因为探测装置可以是包括多个从设备的从装备,例如,其中从设备中的一个或多个可以是可配置的并且例如可选地经由相应的地址(例如,身份等)可寻址。
作为示例,架构可以包括包含一个或多个组件的组件级别。作为示例,组件可以是从设备的子系统。例如,将探测装置考虑为从装备,其包括从设备,诸如例如pH传感器,其中pH传感器包括作为相关联的子系统组件的次级ORP选项。作为示例,作为从设备的通信模块还可以包括多于一个组件。例如,考虑包括通信电路和GPS电路、气压传感器等中的一个或多个的通信模块。
作为示例,架构可以包括针对信息传输的一个或多个协议。例如,主装备可以实现可以对从装备、从设备和可选的组件进行寻址的协议(例如用于信息传输)。这样的信息可以包括呼叫信息、配置信息等。作为示例,在实体使用可执行代码(例如,软件、固件等)操作的情况下,可以发送这样的可执行代码和/或指令,所述指令可以指示这样的可执行代码。
作为示例,从设备可以被配置为发起传输。例如,考虑配置为发起向架构中的可以处于相同级别、较低级别、较高级别等的实体的信息传输的从设备。
作为示例,架构可以指定装备特征,诸如一个时钟或多个时钟、用于处理部署记录的特征、文件系统特征、聚集特征(例如,针对参数、数据等)、调度特征(例如,针对要运行的服务和活动)、系统睡眠/唤醒特征、通信特征等。
作为示例,从设备可以包括用来取得传感器测量,执行功能,执行活动,提供反映传感器测量和/或活动状态的参数,提供校准程序和/或记录(例如,针对一个传感器或多个传感器),执行服务,执行设置,实现功能,执行诊断(例如,针对其硬件),处理应用下载,实现(一个或多个)应用等的特征。
作为示例,装备可以包括例如可以被提供以指示一个或多个状态的状态信息。例如,考虑以下项中的一项或多项:0成功、1失败、2等待、3无效命令查询、4无效数据查询、5设备不可用、6组件不可用、7参数不可用、8服务不可用、9调度服务不可用、10日志不可用、11文件不可用、12CRC错误、13缓冲区溢出、14设置不可用、15不正确的访问权限、16设备错误、17数据未就绪、18总线超时、19重复日志名称、20日志介质故障、21日志介质坏格式/未格式化等。
作为示例,装备可以包括例如可以被提供以指示一个或多个状态的状态信息。例如,考虑以下项中的一项或多项:0参数读取不稳定、1相关性默认警告、2参数默认警告、3校准警告、4维护警告、5范围错误、6硬件故障、7硬件错误等。
作为示例,从设备可以被配置为执行一个或多个计算。作为示例,这样的从设备可以从另一设备/组件接收参数以用于计算参数值。例如,考虑配置为至少部分地基于流体温度来测量流体电导率(例如,取决于温度的电导率,或者以其他方式规定的,温度是针对电导率的相关性)的从设备。在这样的示例中,如果未安装温度传感器,则温度参数可以是外部相关性,其中从外部源接收值。作为示例,在从设备建立外部相关性的存在的情况下,其可以设置供使用的参数值(例如,估计的温度)和/或发出关于外部相关性的存在的信号(例如,以搜索温度信息的源)。
例如,从设备可以包括DO传感器。在这种设备包括用于计算百分比饱和度参数值的电路的情况下,其可以至少部分地基于大气压力来这样做。作为示例,用户配置信息可以包括设置为传感器正被使用(例如,以实现期望的结果)的位置的平均读数的外部相关性。作为示例,当其使用默认相关性来计算一个或多个参数时,可以对参数进行标记(例如,通过状态位)。
作为示例,各种命令可以是可用的,其可以在架构的一个级别处、跨多个级别等传送。作为示例,一个或多个命令可以与诸如从设备的日志之类的日志相关联。作为示例,设备命令的集合可以可用于对附接到从装备或包括在从装备中的各个从设备进行寻址。例如,这样的命令可以包括用来处理从设备的活动的命令,例如传感器设置、服务、校准、维护和诊断。作为示例,这样的命令可以由主装备发出例如以配置和/或标识(例如,发现等)从装备、从设备等。作为示例,配置信息可以包括生成的和/或用户输入的信息。作为示例,时间戳可以被生成(例如,经由一个或多个时钟)并且与配置信息、发现信息等一起存储。
作为示例,从装备的组件可以是包括传感器电路的传感器,所述传感器电路可以输出指示环境条件的电压。这样的电压可以被施加到模数转换器以生成可以存储在存储器中的数字值。作为示例,可以使用数字值(可选地结合一个或多个其他值)进行计算,一个或多个其他值可以是来自相同传感器、来自不同传感器和/或来自用于执行功能(例如,考虑电机、擦拭器等)的电路的值。在计算涉及一个或多个值的情况下,该计算可以分类为具有相关性。作为示例,日志可以存储一个或多个值的信息,其中该信息与一个或多个组件的状态有关。这样的信息可以与表示环境条件的所计算的值相关联。这样的信息可以可选地存储为一个代码或多个代码,其中代码可以表示装置(例如,从装备、一个或多个从设备等)的操作状态。
作为示例,方法可以包括在一个或多个记录间隔期间检查从装备(例如,从设备等)并且例如可选地切换记录间隔(例如,记录间隔时间,用于记录的触发事件等)。例如,探测装置可以一天采样两次,其中在采样间隔期间,发现升高的浊度(例如,检查大于某个固定值)。在这样的示例中,探测装置(例如,作为从装备)可以切换到每15分钟的采样间隔以在事件期间获得测量的更好的分辨率。在这样的示例中,如果浊度回落下来,则采样间隔可以返回到一天两次的间隔。间隔中的这种改变可以存储到日志并且可用作与从装备的电路(例如,从设备电路)有关的信息。作为示例,方法可以包括结合其他信息来分析这样的日志信息。作为示例,一个或多个测量可以标记为与间隔、间隔变化等相对应。作为示例,一个或多个测量可以与可以指示电路状态等的一个标签或多个标签相关联地存储在存储器中。作为示例,标签可以是一个代码或多个代码,其中代码可以表示装置(例如,从装备、一个或多个从设备等)的操作状态。
作为示例,方法可以包括接收信息并且至少部分地基于对信息的分析而发出命令。例如,命令可以是可以旨在导致从设备的复位(例如,重新启动,清除相关性,清除设置,清除序列号,清除日期等)的从设备复位命令。
作为示例,信息可以是以报告的形式。例如,考虑可以存储与从装备自身有关(并且更具体地与包括在从装备中和/或附接到从装备的一个或多个从设备有关)的一个或多个报告的从装备。作为示例,报告可以包括诸如例如设备系列、模型、代码修订、序列号、维护信息、校准信息、设置信息等的信息。
作为示例,信息可以包括校准信息。校准信息可以包括关于一个或多个校准的定时的信息。这样的信息可以用于评估测量信息。例如,校准可能干扰从装备、一个或多个从设备等的一个或多个其他操作(例如,校准的持续时间)。作为示例,校准信息可以包括校准的一个或多个结果(例如,值、成功、失败、持续时间等)。
作为示例,校准日志可以存储在存储器中,该存储器可以包括用于校准的多个实体。作为示例,传感器可以包括存储校准日志的存储器。校准日志可以包括例如以下项中的一项或多项:组件编号、校准编号、校准日志编号、校准诊断代码、校准参数、时间戳、校准间隔、操作者标识符、操作者注释、校准输入(每次校准动作一个)、校准结果(例如原始传感器读数和/或校准读数和/或最终校准斜率/截取值等)等。
作为示例,可以由指示电路执行一个或多个诊断过程的主装备、从装备、从设备等发出命令。在这样的示例中,可以生成一个或多个诊断结果,其可以被存储、传送等。作为示例,诊断结果可以是可以代表电路的状态等的一个代码或多个代码。
作为示例,与系统相关联的信息可以包括以以下项中的一项或多项的形式的信息:扩展诊断报告、设备校准、设备校准结果、设备校准存储、设备服务、设备设置的序列号、设备设置的出生日期、设备设置的维护日期、设备诊断、设备组件状态、设备校准检查、设备相关性默认值写入、设备校准日志、设备校准日志报告、设备设置的校准间隔等。
作为示例,从装备(例如,探测装置、探头等)可以包括诸如例如EEPROM的存储器。作为示例,从装备可以包括诸如例如I2C总线的总线。作为示例,从装备可以经由总线将信息引导到存储器并且经由总线从存储器引导信息。作为示例,从装备可以包括可以操作以生成时间信息的时钟,时间信息例如可以是用于存储在从装备的存储器中的时间戳。作为示例,从装备可以可选地结合时间信息存储位置信息、取向信息等。
作为示例,架构可以指定日志文件格式。例如,日志文件可以包括一系列日志条目,其中日志条目的至少一部分包括各个时间戳。作为示例,考虑包括信息的时间戳分组和可选地包括信息的一个或多个附加分组的日志条目。作为示例,扩展日志可以是可用的例如以存储附加信息(例如,其可以与特定时间、事件等相关联)。作为示例,日志条目可以与校验和值一起分组。
图14示出了信息1410和1430的示例,其可以是可选地链接在数据库(例如,关系数据库等)中的数据结构。作为示例,信息可以包括配置信息。作为示例,配置信息可以包括用户输入信息、默认信息和/或装备生成的信息(例如,关于装备)。作为示例,输入机制可以以图形用户界面(GUI)的形式,其允许用户导航字段和控件以输入信息,选择一个或多个选项(例如,默认信息)等。作为示例,GUI可以包括特征,诸如多语言支持、用户访问级别、设备和组件描述、校准描述、设置描述、服务描述、对文本翻译的枚举(例如,关于代码等)等。
作为示例,与架构相关联的规范可以包括包含组织的级别的一个或多个协议例如以描述从装备的部分。例如,考虑信息1410,其包括设备系列、设备模型和组件。在这样的示例中,“设备系列”可以对报告常见类型的数据的设备进行分组,“设备模型”可以以常见的方式对报告常见类型的数据的设备进行分组。例如,设备模型可以具有报告不同数据的多个组件。例如,用于溶解氧(DO)的设备系列可以具有deviceFamily.id=5(装备系列.id=5)。作为示例,在存在两种不同类型的DO传感器的情况下,每个DO设备可以包括用来在主程序中区分它们的不同的型号。
在图14的示例中,信息1410和1430可以包括参数(例如,组件可以返回的参数)。例如,参数表格可以为各个parameter_id提供名称、缩写和单位字符串。作为示例,可以根据如由规范限定的loggable,raw_value、类别和数量来计算parameter_id。作为示例,accessConfig_enum_id可以允许程序员限制对用于生产或服务的参数的访问。
作为示例,组件可以支持多个参数,并且作为示例,每个参数可以存在于多于一个组件中。作为示例,组件参数(componentParameter)表可以用于组合两个表格之间的引用。例如,每个组件参数对可以包括给定参数的不同范围(例如,各自报告深度参数但具有不同深度范围的多个深度传感器)。
作为示例,设置可以用于改变组件操作的方式。例如,各个组件可以支持多个设置,其中例如每个设置可以包括多个输入。作为示例,标志可以是帮助用户应用以逻辑方式显示输入的提示。
作为示例,电导率组件可以包括多个设置。例如,考虑设置#1,其配置使用哪一种温度补偿方法;考虑设置#2,其允许定制的温度补偿;考虑设置#3,其使得用户能够改变平均样本计数;以及考虑设置#4,其允许用来设置高和低增益偏移的生产。
作为示例,设置可以包括一个或多个输入。在这样的示例中,输入可以包括由参数dataType_enum_id限定的数据类型。可选地,可以设置最小和最大值。作为示例,在dataType_enum_id='enum'的情况下,然后,程序员可以使用“枚举”('enum')字段来查找与该输入相关联的枚举。
作为示例,组件可以包括一个或多个服务,其可以是用户可请求的。作为示例,服务可以指示组件做某事(例如,执行清洁循环等)。作为示例,多个标志可以与服务相关联。例如,“corrupts_readings”标志可以指示该服务将导致组件在服务正在运行时读取不正确的数据。作为示例,“scheduling_allowed”标志可以指示可以调度服务以进行周期性执行。作为另一示例,“logging_allowed”标志可以指示服务将在数据日志中示出。
作为示例,组件-参数对可以包括一个或多个校准。作为示例,校准可以包括一个或多个步骤(例如,在步骤包括输入的情况下)。作为示例,在校准结束时,用户(例如,或应用)可以请求校准结果例如被使用结果表中的数据来显示。
作为示例,枚举可以是到字符串的枚举阵列中的索引,例如,其给出要放入GUI界面的下拉框或选择框中的文本描述。这样的列表可以包括在“枚举”表格中、在文件中的枚举信息。作为示例,枚举可以包括可以用于描述枚举的键/值对。
作为示例,考虑以下枚举:值轨低、值轨高、参考电压无效、参数无法稳定、无值读取、看门狗复位错误、EEPROM错误、循环器故障、浊度电机故障、校准步骤错误、设备发现错误、总线错误、TOKEN总线故障、发生的硬件复位、看门狗定时器故障、代码软件陷阱触发、主电池电量低、待机电池电量低、上电或掉电复位、日志介质有过多错误、日志介质写入错误、日志存储介质故障(例如,无法记录)等。
图15示出了包括数据字段的数据结构1502的示例。作为示例,考虑设备诊断代码字段1503、设备代码和UI修订字段1504、设备出生日期(DOB)字段1505和一个或多个其他字段1506。
如图15中所示,信息1510可以包括设备状态、设备系列、设备模型、设备代码和UI修订、设备制造日期(DOM)、设备序列号等。信息1510可以是以数据结构(例如可存储在装备的存储器中)的形式。
图16示出了信息1610,信息1610可以是组件等的列出以及这些是否在一个设备、多个设备等中的指示。例如,信息1610可以与探测装置有关。信息1610可以被指定为诸如例如图13的架构1300的架构的一部分。这样的信息可以是与一片或多片装备(例如,组件、设备等)相关联的配置信息。
图17示出了可以包括根据架构指定的装备的环境1700的示例。作为示例,环境1700可以包括网络1701、主装备1705、从装备1710-1和1710-2以及远程装备1715。
在图17中,示出了示例信息1750,示例信息1750可以与环境1700中的装备相关联。
信息的示例可以包括例如生成数据的用户名、关于数据被在何处收集的位置信息、何时数据被收集的日期、时间和时区、如在测量期间使用的传感器预热时间的探测装置设置、传感器在测量期间是否稳定、传感器校准和维护是否过期、在测量期间的传感器和探测装置状态。作为示例,操作状态可以是稳定状态或不稳定状态。这样的状态可以与一个或多个电路(例如传感器电路(例如,传感器电路系统))有关。
图18示出了方法1800的示例,其包括用于从一个或多个探测装置接收信息的接收块1810、用于分析信息的至少一部分的分析块1820和用于输出分析的至少一个或多个结果的输出块1830。
作为示例,方法1800的一个或多个探测装置可以是如由诸如图13的架构1300之类的架构指定的从装备。在这样的示例中,主装备可以被配置为接收信息和分析信息。
图19示出了包括多个站点的环境的示例地图1910和1920。地图1920示出如包括数十个站点的切萨皮克湾(Chesapeake Bay),其中每个站点可以包括一个或多个探测装置。作为示例,图形用户界面(GUI)可以呈现这样的地图并允许与其进行相互作用。这种相互作用可以例如允许评估环境条件和/或装备相关条件(例如,探测装置条件)。
图20示出了包括多个站点的环境的示例地图2010和2020。地图2020示出了如包括数十个站点的萨凡纳河(Savannah River),其中每个站点可以包括一个或多个探测装置。作为示例,图形用户界面(GUI)可以呈现这样的地图并允许与其进行相互作用。
作为示例,与探测装置相关联的信息可以包括诸如例如以下表1中呈现的信息的信息。
表1.示例探测装置信息(例如,多传感器探测装置)
在表1中,信息被标记为0-0至0-7,并且探测装置的位置以纬度和经度给出,注意可以可选地限定高度。这样的信息可以例如经由在探测装置内和/或可操作地耦合到探测装置的通信电路(例如,用于有线和/或无线通信)而是可访问的。作为示例,可以实现蜂窝、卫星、WI-FITM、蓝牙TM、ZIGBEE等电路中的一个或多个。ZIGBEE是针对例如可以用于经由数字无线电电路(例如,考虑IEEE 802.15.4标准等)来创建网络的通信协议的规范。
作为示例,设备可以包括用来通过使数据通过中间设备的网格网络以到达更远的设备来传送数据的电路。作为示例,可以实现安全联网(例如,通过多位对称加密密钥等来保护)。作为示例,考虑以大约几百kbit/s的速率进行传输,其中这种传输可以间歇地(例如,根据调度、触发等)发生。
作为示例,探测装置的一个或多个传感器可以与一种或多种类型的情境信息相关联。作为示例,探测装置的传感器可以与制造商信息(例如,SKU、FRU等)相关联,制造商信息可以是一种类型的情境信息。情境信息的示例可以包括例如各种类型的配置信息(参见例如图3的配置信息310)。作为示例,可以例如通过对探测装置的检查(例如,无论由操作者、远程工具等)在现场确定情境信息。作为示例,可以经由一个或多个源确定情境信息。例如,考虑具有定性信息的渔业报告:在特定时间段内河流流量为“高”。
作为示例,可以指定探测装置以在指定的温度下以指定的记录间隔和指定的传感器配置(例如,考虑温度/电导率、pH/ORP、DO、总藻类和浊度传感器)操作多天。作为示例,探测装置可以包括以特定速率(诸如例如记录间隔率)操作的擦拭器。作为示例,在探测装置包括一个或多个电池的情况下,电池寿命(例如,操作的天数等)可以取决于一个或多个因素(例如,传感器配置、记录间隔,擦拭率等)。作为示例,代码可以例如根据预测模型等指示剩余的操作天数。
作为示例,包括由一个或多个电池供电的多个传感器的探测装置可能由于一个或多个条件(例如,探测装置的一个或多个操作状态)而经历加速的电力下降。这种情况可能导致由探测装置的一个或多个传感器进行的一个或多个测量的不确定性。作为示例,参考图8的电路820,在电压调节器879不能提供足够的电压和/或足够稳定的电压的情况下,与TDS电路866相关联的一个或多个组件的操作可能导致测量的TDS值的不确定性。作为示例,诸如例如系统300的系统可以分析所接收的信息(例如,定量和/或定性的),并确定这种情况是否是由于TDS感测电路或与一个或多个其他传感器相关联的电路引起的。在这样的示例中,来自探测装置的测量可以被标记为可靠性、不确定性等。
作为示例,信息可以由推荐维护探测装置(例如,更换一个或多个部件,一个或多个电池,清洁,润滑密封件等)的系统输出。在情况的再次发生可能很可能由于例如环境条件而引起的情况下,系统可以输出旨在增加测量确定性、可靠性等的维护计划、通知等。在这样的示例中,输出可以包括关于在未来环境条件中维护给定的不确定性的不确定性锥区。作为示例,系统可以输出随时间调整的不确定性的“移动”锥区,因为关于环境条件的信息变得已知、更加确定等。
作为示例,诸如例如上述表1的表格可以包括具有可激活链接(例如,控件)的列等,其可以为访问系统(诸如例如图3的系统300)做准备以呈现与传感器中的一个或多个的操作密切相关的信息。这样的信息可以例如包括以下项中的一项或多项:制造商信息、维护信息、可以共享公共代码(例如,SKU、FRU等)的一个或多个其他传感器的历史、测量不确定性信息(例如,可选地条件相关的、每个温度、操作长度、电力级别等)、电力泄露信息(例如,调度间隔以在电池更换之前维持期望的场寿命)等。作为示例,表格可以包括一种或多种类型的情境信息,其可以包括定量和/或定性信息。
作为示例,诸如例如图3的系统300的系统可以接收与一个或多个现场安装相关联的信息,并分析这些信息以训练一个或多个算法。例如,考虑至少部分地基于来自图20的地图2020中所示的萨凡纳河位置的信息来训练的人工神经网络。作为示例,可以制定人工神经网络的网络,例如,其中可以针对各个探测装置或各个探测装置的组存在人工神经网络,并且其中针对萨凡纳河位置存在总体人工神经网络。在这样的示例中,在更换特定探测装置(例如,可选地使用不同的探测装置)的情况下,可以针对系统更换特定的子网络(例如,针对人工神经网络的模块化方法)。
作为示例,可以使用探测装置数据和可选地定量的定性数据来训练人工神经网络。例如,在定性数据表明例如由于泄漏指示而润滑的密封O形环的情况下,这种条件可以量化为可以训练人工神经网络的条件。在这样的示例中,在数据输入到训练的人工神经网络的情况下,可以确定关于一个或多个条件的发生的可能性的概率。在概率超过阈值的情况下,系统可以输出维护如果在一段时间内执行则可以避免探测装置经历条件(例如,有害条件)的信息。尽管提及了泄漏,但是这是一个示例,因为条件可以包括例如在一定水平的生物污损、电池更换、(一个或多个)传感器化学品更换等之后的清洁。
对于生物污损条件,系统可以包括接收与可以参与可能影响传感器的操作、感测数据的可靠性等的生物污损的一个或多个生物体的生物生长模型密切相关的信息。在这样的示例中,系统可以包括训练一个或多个预测模型(例如,神经网络等)、接收信息、使用一个或多个预测模型中的至少一个来分析信息、并且输出与一个探测装置(例如,或多个探测装置)的操作和/或性能密切相关的信息。作为示例,系统可以输出清洁推荐。在这样的示例中,在清洁通过访问探测装置的站点来实现的情况下,系统可以做出一个或多个附加的推荐,例如,如果电力级别正在降低,则附加的推荐可以更换一个或多个电池(例如,或检查可能导致电力泄露的电路等)。
图21示出了与被识别为图20的地图2020中的STM150探测装置站点的站点相关联的信息的图表2110的示例。具体地,图表2110包括关于在约一个月的跨度上的温度、电导率、氧饱和度和电力的信息(参见例如表1的传感器)。
图表2110包括可以被标识为具有可疑质量(例如,不确定、不可靠等)的数据。例如,在大约5月10日,温度值增加,电力值增加,氧饱和度值增加,并且电导率值减小。作为示例,这样的信息可以在数据分析中标记(例如,由探测装置的操作者等)为排除。例如,诸如例如图3的系统300的系统可以接收与生成图表2110的数据的探测装置相关联的信息并且分析信息(可选地经由一个或多个训练的模型以输出与数据质量、探测装置的操作、探测装置的性能、探测装置的维护等密切相关的信息)。在这样的示例中,系统可以可选地将测量(例如,测量值)与指示探测装置的电路(例如,传感器电路、电力电路、控制器电路、存储器电路等)的一个或多个操作状态的一个或多个代码相关联。
在图21的示例中,关于为什么大约5月10日处的值与大约5月10日之前和之后的值基本上不同的原因的信息可以是可用的。例如,例如来自维护人员的定性信息可以是可用的,例如“电池更换”、“进行的例行维护”、“探测装置和浮标两者都被污染”、“使用分组#6进行的传感器交换”以及“天气:晴朗、热、有风、平均水位和当前水位”。
这种定性信息可以基于直接由维护人员对装备、天气等的视觉观察。作为示例,方法可以包括发送信息,例如诸如,如图3中所示的配置信息、测量信息和电路信息中的一个或多个。在这样的示例中,可以执行数据分析,其旨在输出可能与在图21的图表2110中的大约5月10日处的一个事件或多个事件之前的一个或多个条件密切相关的结果。作为示例,可以至少部分地基于输出结果来采取一个或多个动作,其可以例如旨在解决一个传感器或多个传感器等的污损。例如,考虑对更换部件进行排序和调度维护以安装更换部件、更新固件(例如,本地或远程地)、重新启动电路(例如,本地或远程地)等。作为示例,这样的一个或多个动作可以包括标注(例如,用一个代码或多个代码标记)数据,排除可能被例如与在大约5月10日处的一个事件或多个事件相关联的一个或多个条件损害的数据等。通过标注(例如,用一个代码或多个代码标记)数据,排除数据等,探测装置的操作者可以增加其自己的数据分析和报告能力。
图22示出了与标识为图20的地图2020中的STM 150探测装置站点的站点相关联的信息的图表2210的另一个示例。具体地,图表2210包括关于在小于约一个月的跨度上的温度、电导率、氧饱和度和电力的信息(参见例如表1的传感器)。
在示例图表2210中,电力随时间的推移在大约4月15日处减小到大约为零的值。在图22的示例中,关于为什么电力值正在减小的原因的信息可以是可用的。例如,诸如来自维护人员的定性信息可以是可用的,例如“电池更换”、“进行的例行维护”、“更换探测装置电池并现场校准探测装置深度传感器”、“装备非常污损”、“进行的传感器交换”和“天气:多云、冷、有风、平均水位和当前水位”)。
这种定性信息可以基于直接由维护人员对装备、天气等的视觉观察。作为示例,方法可以包括发送信息,例如诸如,如图3中所示的配置信息、测量信息和电路信息中的一个或多个。在这样的示例中,可以执行数据分析,其旨在输出可能与在图22的图表2210中一直到并且包括4月15日的一个事件或多个事件之前的一个或多个条件密切相关的结果。这样的一个条件或多个条件可以包括例如在特定电路可能负责不期望的电力泄露级别(例如,由于故障、过度采样,由于严重的生物污损等导致的擦拭器上的负载等)的情况下相关联的电路。作为示例,可以至少部分地基于输出结果来采取一个或多个动作,其可以例如旨在解决一个传感器或多个传感器等的污损。例如,考虑对更换部件进行排序和调度维护以安装更换部件、更新固件(例如,本地或远程地)、重新启动电路(例如,本地或远程地)等。作为示例,这样的一个或多个动作可以包括标注(例如,用一个或多个代码标记)数据,排除可能被例如与在4月15日之前并且包括4月15日的一个事件或多个事件相关联的一个或多个条件损害的数据等。
图23示出了模块2320的示例和图形用户界面2340的示例。如所示的,模块2320可以包括用于选择环境的选择模块2322、用于选择分析的选择模块2324、用于选择一个或多个参数的选择模块2326以及用于可视化一个或多个参数(例如,参数值等)的可视化模块2328。
GUI 2340将萨凡纳河与各个站点一起示为所选择的环境。在图23的示例中,选择和执行电力分析,例如,可以经由电力分析(参见例如图22的图表2210)来确定电力稳定性。作为示例,GUI 2340可以呈现指示哪些站点可能经历恶化的电力稳定性(参见例如图22的图表2210)以及例如可能没有恶化的其他站点(例如,在适当的限度内)的可视化。
作为示例,GUI 2340可以允许相互作用(例如,经由触摸、鼠标、语音命令、触笔等)。如所示的,可以选择站点以呈现附加信息,例如用来至少部分地基于站点处恶化的电力稳定性在站点处执行的维护制度。例如,考虑电池更换、检查连接、检查生物污损和检查密封件(例如,关于泄漏等)。作为示例,进一步的相互作用可以允许一个或多个部件的排序,并且例如调度这样的一个或多个部件的安装(例如,基于可用性的定时等)。
图24示出了示例模块2320和图形用户界面2440的示例。在图24中,GUI 2440将萨凡纳河与各个站点一起示出为所选择的环境。在图24的示例中,选择并执行维护分析,例如,可以通过维护分析来确定传感器清洁度(例如,生物污损的程度等)。作为示例,GUI2440可以呈现指示哪些站点可以针对传感器清洁进行调度以及例如利用关于一个或多个维护人员行进以服务于特定站点的路径的物流进行调度的可视化。
作为示例,GUI 2440可以允许相互作用(例如,经由触摸、鼠标、语音命令、触笔等)。例如,可以选择站点以呈现附加信息,例如用来至少部分地基于站点的维护分析在站点处执行的维护制度。
图25示出了示例模块2320和图形用户界面2540的示例。在图25中,GUI 2540将萨凡纳河与各个站点一起示出为所选择的环境。在图25的示例中,选择和执行游钓分析,例如,可以通过游钓分析确定大嘴鲈鱼的钓鱼时间。这样的分析可以至少部分地基于来自安装在站点中的一个或多个处的一个或多个探测装置的信息。作为示例,GUI2540可以呈现指示哪些站点对于大嘴鲈鱼的游钓(例如,在可能可用于游钓的时间帧内)可能是最佳的可视化。作为示例,进一步的相互作用可以访问和呈现信息,诸如例如前景信息(例如,“大嘴鲈鱼种群在该站点继续是健康的”)和关于一种或多种技术的游钓信息(例如,“人工诱饵(塑料蠕虫等))。
作为示例,GUI可以经由“应用”来实现,例如,考虑基于移动电话的应用(例如,ANDROIDTM OS、iOSTM OS等)。例如,渔民可以在移动电话上例示应用(例如,“应用”),其中应用可以向移动电话的显示器呈现GUI。在这样的示例中,移动电话可以接收输入,并且继而生成结果(例如,本地和/或远程地)并且向显示器呈现信息,例如与钓鱼密切相关的信息(参见例如图25的GUI 2540)。
图26示出了方法2600的示例,方法2600包括用于接收信息的接收块2610、用于至少部分地基于信息的一部分来训练一个或多个预测模型的训练块2620、用于经由至少一个训练的预测模型来预测一个或多个状态的预测块2630以及用于至少部分地基于至少一个预测模型的预测来输出信息的输出块2640。
在图26的示例中,接收块2610可以从一个或多个远程源接收信息。例如,考虑经由互联网接收关于多个探测装置的安装的信息(例如,考虑可允许经由网络从一个或多个数据库访问信息的应用编程接口(API))。在这样的示例中,定性信息可以与测量信息以及例如关于探测装置、传感器等的类型的制造商信息一起可用。作为示例,这样的信息可以用于训练一个或多个预测模型。例如,考虑图22的图表2210的信息。在这样的示例中,测量信息可以用于训练关于指示恶化的电力稳定性(例如,经由定量和/或定性信息)的结果状态(例如,操作状态)的预测模型,其可以例如要求一个或多个补救动作(例如,检查、电池更换、维修等)。在这样的示例中,可以利用经训练的预测模型来分析与一个或多个其他探测装置有关的所接收的信息(例如,基于安装站点、环境条件、制造商等中的一个或多个)。经训练的预测模型可以输出信息例如以通知操作者、制造商等操作状态存在或者对于一个或多个探测装置具有存在的概率。进而,可以推荐补救动作来解决操作状态,其可以由代码和例如相关联的文本描述来表示。作为示例,针对探测装置的一个或多个传感器的测量值可以用代码标记,代码可以指示测量值应当例如从环境的评估中排除(例如,由于一个传感器、多个传感器、探测装置等的特定操作状态)。如所解释的,输出信息可以包括与测量值(例如,质量等)密切相关的信息和与装备(例如,一个或多个传感器、探测装置等)的操作密切相关的信息。这样的输出信息可以证明增强了数据完整性和依赖于这样的数据的评估的完整性。
作为示例,环境可以包括多个探测装置,其可以位于陆地、水等上。作为示例,分析可以指示例如为了考虑一个或多个条件(例如,新工厂、新的排放源等)而增加探测装置的密度。作为示例,分析可以包括推荐将一个或多个探测装置进行重定位和/或将一个或多个新探测装置安装在环境中。作为示例,重定位推荐可以基于一个或多个条件(例如电磁干扰等)。
作为示例,可以执行输出与采样率(例如,测量频率)密切相关的信息的分析。例如,在发现变量相对于时间基本上恒定的情况下,可以减少频率,这又可以节省电力和/或探测装置的一个或多个其他资源(例如,或维护人员、数据存储等)。
作为示例,系统可以接收针对不同类型的传感器、探测装置等的信息。作为示例,系统可以向传感器、探测装置等的制造商发送例如尤其关于测量、性能、更换、固件升级等的质量的信息。
作为示例,系统可以配置为处理和分析与诸如能够至少测量温度、电导率、pH和溶解氧(例如,还考虑浊度)的探测装置之类的水质测量设备相关联的信息。作为示例,分析可以包括将信息输入到一个或多个人工神经网络并至少部分地基于该分析输出信息。这样的信息可以包括例如与基础关系密切相关的信息,例如,可以关于它们的相关性分析温度和DO。
作为示例,系统可以输出关于水质指数的信息,其可以例如基于多个不同类型的测量。在这样的示例中,考虑基于四种基础测量类型的水质指数。在分析指示基础测量类型中的一中或多种的质量可能受损害(参见例如图表2120和2220)的情况下,可以利用关于其不确定性的指示符(例如,“具有不确定pH的水质指数”)使水质指数得到呈现、存储等。
作为示例,分析可以考虑一个或多个生物过程。例如,考虑可能生成氧气然后死亡和消耗氧气的藻类,其可以由此改变水中的DO水平。这样的信息可以与一个或多个模型(诸如例如,光合作用模型、天气模型、夜间/白天模型等)相关联。作为示例,关于一个或多个生物循环的信息可以用于预测探测装置的一个或多个组件的性能、寿命等。例如,在存在可能污染探测装置的一个或多个传感器的生物生长的条件的情况下,可以在分析和预测探测装置的性能、探测装置的维护等时考虑这些条件。
作为示例,系统可以包括生态系统模型。作为示例,这样的模型可以对水、昆虫和鱼之间的关系进行建模。作为示例,系统可以包括关于水质的模型以用于游泳、钓鱼和饮用中的一个或多个的目的。作为示例,生态系统模型可以对来自一个或多个设施(诸如例如,废水处理设施)的排放进行建模。在这样的示例中,系统可以输出关于可能位于受这种排放影响的区域中的人群(例如,可以与生态系统相互作用的人群)的游泳、钓鱼和饮用中的一个或多个的信息。
作为示例,装置可以包括控制器;存储器,控制器可访问;总线,可操作地耦合到控制器;传感器电路,可操作地耦合到总线,其中传感器电路生成表示环境条件的测量信息;以及其中控制器确定代码,代码中的每一个表示装置的自身操作状态,并且其中控制器在存储器中将测量信息的至少一部分与代码中的至少一个相关联。在这样的示例中,代码可以包括从历史自身操作状态的分析导出的代码。作为示例,代码可以包括以下项中的一项或多项:总线错误代码、传感器电路的校准错误代码、控制器指令错误代码、模数转换错误代码、存储器错误代码、复位错误代码、时钟错误或一种或多种其他类型的代码。
作为示例,一种方法可以包括接收与多个装置的操作状态相关联的信息,其中装置中的每一个包括控制器、控制器可访问的存储器、可操作地耦合到控制器的总线以及可操作地耦合到总线的传感器电路,其中传感器电路生成表示环境条件的测量信息;至少部分基于信息生成模型;以及至少部分基于模型导出代码,其中代码中的每一个与装置可检测的自身操作状态相对应。在这样的示例中,该方法可以包括训练人工神经网络以生成经训练的人工神经网络模型。
作为示例,一种方法可以包括接收包括与各个装置相对应的配置信息的集合的信息,其中配置信息的集合中的每一个可以包括由各个装置生成的配置信息和输入到各个装置的配置信息。作为示例,信息可以包括与各个装置相对应的电路信息的集合,其中电路信息的这些集合可以包括静态信息和/或动态信息(例如,针对装置的电路)。
作为示例,一种方法可以包括:从装置接收测量信息和相关联的代码,其包括控制器,其包括控制器可访问的存储器、可操作地耦合到控制器的总线、可操作地耦合到总线的传感器电路,其中传感器电路生成表示环境条件的测量信息,其中控制器确定代码,代码中的每一个表示装置的自身操作状态;分析所接收的测量信息和相关联的代码;以及至少部分地基于所述分析将至少一个指令发送到所述装置。在这样的示例中,分析可以包括将接收到的代码的至少一部分输入到预测模型中。作为示例,考虑经由预测模型预测装置的故障模式以及发送至少一个指令作为旨在避免所预测的装置的故障模式的校正指令。
作为示例,服务器可以包括:处理器;存储器,可由处理器访问;网络接口;以及处理器可执行指令,其存储在所述存储器中并且可由处理器执行以指示服务器执行操作,所述操作包括:经由网络接口从装置接收测量信息和相关联的代码;分析所接收的测量信息和相关联的代码;以及经由网络接口至少部分地基于分析来发送信息。在这样的示例中,发送可以至少部分地基于分析向装置发送至少一个指令和/或可以至少部分地基于分析来发送至少一个警报(例如,考虑与装置的操作条件相关联的警报)。
系统可以包括:处理器;存储器,可由处理器访问;网络接口;以及处理器可执行指令,其存储在存储器中并且可由处理器执行以指示系统,其中指令包括执行以下步骤的指令:经由所述网络接口从装置接收测量信息和至少一个相关联的代码;执行对所接收的测量信息和至少一个相关联的代码的分析;以及至少部分地基于对所接收的测量信息和所述至少一个相关联的代码的所述分析经由所述网络接口发送信息。在这样的示例中,进行发送的指令可以包括执行以下步骤的指令:用于至少部分地基于分析来向装置发送至少一个指令。
作为示例,系统可以包括用于至少部分地基于分析来发送至少一个警报的指令,其中至少一个警报包括与装置的操作条件相关联的警报。
作为示例,系统可以包括服务器和探测装置,所述服务器包括处理器、可由处理器访问的存储器和网络接口;所述探测装置包括控制器、控制器可访问的存储器、可操作地耦合到控制器的总线、通信接口和可操作地耦合到总线的传感器电路,其中传感器电路生成测量信息,其中控制器确定代码,代码中的每一个表示探测装置的自身操作状态,其中控制器在探测装置的存储器中将测量信息的至少一部分与代码中的至少一个相关联,并且其中通信接口将测量信息的至少一部分和至少一个相关联的代码发送到服务器(例如,用于由服务器经由网络接口接收)。
作为示例,系统可以包括探测装置和服务器,该探测装置包括控制器、控制器可访问的存储器、可操作地耦合到控制器的总线、通信接口和可操作地耦合到总线的传感器电路,其中传感器电路生成表示环境条件的测量信息,其中控制器确定代码,代码中的每一个表示探测装置的自身操作状态,并且其中控制器在存储器中将测量信息的至少一部分与代码中的至少一个相关联;所述服务器包括处理器、可由处理器访问的存储器、通信接口和存储在存储器中并且可由处理器执行以指示所述服务器执行操作的处理器可执行指令,所述操作包括:经由通信接口从探测装置接收测量信息和相关联的代码,分析所接收的测量信息和相关联的代码,并且至少部分地基于所述分析经由服务器的通信接口发送信息(例如,警报、指令等)。
尽管已经以对结构特征和/或方法动作特定的语言描述了方法、设备、系统等的各种示例,但是应当理解,所附权利要求中限定的主题不一定限于所描述的特定特征或动作。相反,特定特征和动作公开为实现所要求保护的方法、设备、系统等的形式的示例。
Claims (20)
1.一种用于确定装置的环境的环境条件的装置,包括:
控制器;
存储器,控制器可访问;
总线,可操作地耦合到控制器;
传感器电路,可操作地耦合到所述总线,其中所述传感器电路生成表示所述装置的环境的环境条件并与水的属性相关的测量信息,并且其中根据所述环境条件来确定情境信息;以及
其中所述控制器确定代码,所述代码中的每一个表示所述装置的自身操作状态,自身操作状态根据情境信息来确定并指示所述装置的组件的操作状态,并且其中所述代码中的每一个基于所述控制器在所述存储器中将使用所述测量信息的至少一部分确定的组件的操作状态与所述代码中的至少一个相关联来确定,其中基于所述代码中的至少一个,所述控制器确定所述测量信息是否可接受以包括在确定所述装置的所述环境的所述环境条件中。
2.根据权利要求1所述的装置,其中所述代码包括从历史自身操作状态的分析导出的代码。
3.根据权利要求1所述的装置,其中所述代码中的至少一个与包括总线错误的自身操作状态相对应。
4.根据权利要求1所述的装置,其中所述代码中的至少一个与包括所述传感器电路的校准错误的自身操作状态相对应。
5.根据权利要求1所述的装置,其中所述代码中的至少一个与包括控制器指令错误的自身操作状态相对应。
6.根据权利要求1所述的装置,其中所述代码中的至少一个与包括模数转换错误的自身操作状态相对应。
7.根据权利要求1所述的装置,其中所述代码中的至少一个与包括存储器错误的自身操作状态相对应。
8.根据权利要求1所述的装置,其中所述代码中的至少一个与包括复位错误的自身操作状态相对应。
9.根据权利要求1所述的装置,其中所述代码中的至少一个与包括时钟错误的自身操作状态相对应。
10.根据权利要求1所述的装置,其中所述传感器电路包括氧传感器电路。
11.根据权利要求1所述的装置,其中所述传感器电路包括溶解固体传感器电路。
12.一种用于确定装置的环境的环境条件的方法,包括:
接收与多个装置的操作状态相关联的信息,其中所述装置中的每一个包括控制器、控制器可访问的存储器、可操作地耦合到控制器的总线以及可操作地耦合到总线的传感器电路,其中所述传感器电路生成表示所述装置中的每一个的环境的环境条件并与水的属性相关的测量信息,并且其中根据所述环境条件来确定情境信息;
至少部分地基于所述测量信息和所述情境信息生成模型;
至少部分地基于所述模型导出代码,其中所述代码中的每一个与装置可检测的自身操作状态相对应,自身操作状态根据情境信息来确定并指示所述装置的组件的操作状态,并且其中所述代码中的每一个基于将使用所述测量信息的至少一部分确定的组件的操作状态与所述代码中的至少一个相关联来确定,其中基于所述代码中的至少一个,确定所述测量信息是否可接受以包括在确定所述环境的所述环境条件中;以及
向所述装置中的一个发送至少一个指令,其中所述至少一个指令基于分析代码。
13.根据权利要求12所述的方法,其中生成模型包括训练人工神经网络以生成经训练的人工神经网络模型。
14.根据权利要求12所述的方法,其中与多个装置的操作状态相关联的信息包括与各个装置相对应的配置信息的集合,其中配置信息的集合中的每一个包括由各个装置生成的配置信息和输入到各个装置的配置信息。
15.根据权利要求12所述的方法,其中与多个装置的操作状态相关联的信息包括与各个装置相对应的电路信息的集合,其中电路信息的集合包括静态信息和动态信息。
16.一种用于确定装置的环境的环境条件的方法,包括:
从装置接收测量信息和相关联的代码,所述装置包括控制器,所述装置包括控制器可访问的存储器、可操作地耦合到控制器的总线、可操作地耦合到总线的传感器电路,其中所述传感器电路生成表示所述装置的环境的环境条件并与水的属性相关的测量信息,并且其中根据所述环境条件来确定情境信息,其中所述控制器确定代码,所述代码中的每一个表示装置的自身操作状态,所述自身操作状态根据情境信息来确定并指示所述装置的组件的操作状态,并且其中所述代码中的每一个基于将使用所述测量信息的至少一部分确定的组件的操作状态与所述代码中的至少一个相关联来确定;
分析所接收的测量信息和相关联的代码,其中所述分析包括将所接收的代码的至少一部分输入到预测模型中,其中所述分析包括基于所述代码中的至少一个,确定所述测量信息是否可接受以包括在确定所述环境的所述环境条件中;
经由所述预测模型并基于相关联的代码预测所述装置的故障模式,以及
至少部分地基于所述分析将至少一个指令发送到所述装置,其中所述至少一个指令包括旨在避免所预测的所述装置的故障模式的校正指令。
17.一种用于确定装置的环境的环境条件的系统,包括:
处理器;
存储器,可由处理器访问;
网络接口;以及
处理器可执行指令,其存储在所述存储器中并且可由所述处理器执行以指示所述系统,其中所述指令包括执行以下步骤的指令:
经由所述网络接口从装置接收测量信息和至少一个相关联的代码,所述测量信息表示所述装置的环境的环境条件并与水的属性相关,并且其中根据所述环境条件来确定情境信息,其中所述至少一个代码包括表示所述装置的自身操作状态的代码,所述自身操作状态根据情境信息来确定并指示所述装置的组件的操作状态,并且其中所述至少一个相关联的代码基于将使用所述测量信息的至少一部分确定的组件的操作状态与代码中的至少一个相关联来确定;
执行对所接收的测量信息和所述至少一个相关联的代码的分析,其中所述分析相对于表示所述装置的自身操作状态的代码执行上述测量信息的至少一部分的评估,其中所述分析确定所述测量信息是否可接受以包括在确定所述环境的所述环境条件中;以及
至少部分地基于对所接收的测量信息和所述至少一个代码的所述分析经由所述网络接口发送信息。
18.根据权利要求17所述的系统,其中进行发送的指令包括执行以下步骤的指令:至少部分地基于所述分析来向所述装置发送至少一个指令。
19.根据权利要求17所述的系统,其中进行发送的指令包括执行以下步骤的指令:至少部分地基于所述分析来发送至少一个警报,其中所述至少一个警报包括与所述装置的操作条件相关联的警报。
20.根据权利要求17所述的系统,包括:
服务器,所述服务器包括所述处理器、处理器可访问的所述存储器和所述网络接口;以及
所述装置,其中所述装置包括探测装置,所述探测装置包括控制器、控制器可访问的存储器、可操作地耦合到所述控制器的总线、通信接口和可操作地耦合到所述总线的传感器电路,其中所述传感器电路生成测量信息,其中所述控制器确定代码,所述代码中的每一个表示所述探测装置的自身操作状态,其中所述控制器在所述探测装置的所述存储器中将测量信息的至少一部分与所述代码中的至少一个相关联,并且其中所述通信接口将所述测量信息的所述至少一部分和所述至少一个相关联的代码发送到所述服务器。
Applications Claiming Priority (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201462027943P | 2014-07-23 | 2014-07-23 | |
US62/027,943 | 2014-07-23 | ||
US14/804,798 | 2015-07-21 | ||
US14/804,798 US10203231B2 (en) | 2014-07-23 | 2015-07-21 | Sonde |
PCT/US2015/041445 WO2016014610A1 (en) | 2014-07-23 | 2015-07-22 | Sonde |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106716074A CN106716074A (zh) | 2017-05-24 |
CN106716074B true CN106716074B (zh) | 2020-08-04 |
Family
ID=55163664
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201580049988.3A Active CN106716074B (zh) | 2014-07-23 | 2015-07-22 | 探测装置 |
Country Status (4)
Country | Link |
---|---|
US (1) | US10203231B2 (zh) |
EP (2) | EP3172535B1 (zh) |
CN (1) | CN106716074B (zh) |
WO (1) | WO2016014610A1 (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102016120663A1 (de) | 2016-10-28 | 2018-05-03 | Endress+Hauser (Schweiz) AG | Verfahren zur automatisierten in-line Erkennung von Abweichungen eines Ist-Zustands eines Fluides von einem Referenzzustand des Fluides |
CN109660694A (zh) * | 2017-11-19 | 2019-04-19 | 杭州美盛红外光电技术有限公司 | 探测装置、接收装置、访问装置、探测系统和探测加密方法 |
DE102018128254A1 (de) * | 2018-11-12 | 2020-05-14 | Endress+Hauser SE+Co. KG | Verfahren zur Verbesserung derMessperformance eines zu konfigurierenden Feldgeräts der Automatisierungstechnik |
CN117848421B (zh) * | 2024-03-04 | 2024-05-17 | 江苏三工钢桥股份有限公司 | 基于大数据的桥梁工程测量方法 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH05213032A (ja) * | 1992-02-06 | 1993-08-24 | Toyota Motor Corp | 車高センサのための故障診断装置 |
US6021664A (en) | 1998-01-29 | 2000-02-08 | The United States Of America As Represented By The Secretary Of The Interior | Automated groundwater monitoring system and method |
US7181334B2 (en) * | 2003-05-14 | 2007-02-20 | General Motors Corporation | Method and apparatus to diagnose intake airflow |
DE602004009803T2 (de) * | 2003-07-11 | 2008-08-14 | Pda Security Solutions, Inc. | Ferngesteuertes kontaminationsüberwachungssystem für wasserversorgungsnetzwerk |
US7237169B2 (en) * | 2004-07-26 | 2007-06-26 | Bei Technologies, Inc. | Cross-monitoring sensor system and method |
US20080168339A1 (en) | 2006-12-21 | 2008-07-10 | Aquatic Informatics (139811) | System and method for automatic environmental data validation |
US8024610B2 (en) * | 2007-05-24 | 2011-09-20 | Palo Alto Research Center Incorporated | Diagnosing intermittent faults |
US7696866B2 (en) * | 2007-06-28 | 2010-04-13 | Microsoft Corporation | Learning and reasoning about the context-sensitive reliability of sensors |
US8676721B2 (en) * | 2009-09-18 | 2014-03-18 | Apo Offshore, Inc. | Method, system and apparatus for intelligent management of oil and gas platform surface equipment |
KR20130086496A (ko) | 2012-01-25 | 2013-08-02 | 한국전자통신연구원 | 센서 데이터를 사용한 수질 센서 장애 제어 장치 및 방법 |
-
2015
- 2015-07-21 US US14/804,798 patent/US10203231B2/en active Active
- 2015-07-22 WO PCT/US2015/041445 patent/WO2016014610A1/en active Application Filing
- 2015-07-22 EP EP15825573.7A patent/EP3172535B1/en active Active
- 2015-07-22 CN CN201580049988.3A patent/CN106716074B/zh active Active
- 2015-07-22 EP EP21199773.9A patent/EP3951326A1/en active Pending
Also Published As
Publication number | Publication date |
---|---|
US10203231B2 (en) | 2019-02-12 |
US20160025530A1 (en) | 2016-01-28 |
EP3172535A1 (en) | 2017-05-31 |
EP3951326A1 (en) | 2022-02-09 |
EP3172535A4 (en) | 2018-03-14 |
WO2016014610A1 (en) | 2016-01-28 |
EP3172535B1 (en) | 2021-10-27 |
CN106716074A (zh) | 2017-05-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10733536B2 (en) | Population-based learning with deep belief networks | |
CN109891032B (zh) | 用于一流体系统的常规在线水质及安全监测的系统及方法 | |
US11573846B2 (en) | Failure mode specific analytics using parametric models | |
CN106716074B (zh) | 探测装置 | |
EP3183622B1 (en) | Population-based learning with deep belief networks | |
BRPI1101199A2 (pt) | método e sistema computadorizado para monitorar uma rede de distribuição de água, e, método computadorizado para administrar uma rede de distribuição de água | |
US10698371B2 (en) | Systems and methods for classifying in-situ sensor response data patterns representative of grid pathology severity | |
US20210065086A1 (en) | System and method for failure curve analytics | |
Zubair et al. | Characterizing IoT data and its quality for use | |
Skålvik et al. | Challenges, limitations, and measurement strategies to ensure data quality in deep-sea sensors | |
Widhalm et al. | An open-source wireless sensor node platform with active node-level reliability for monitoring applications | |
Bristow et al. | Delay between sensing and response in water contamination events | |
Farhat et al. | Medical equipment efficient failure management in IoT environment | |
Gomes et al. | Managing a coastal sensors network in a nowcast-forecast information system | |
Aman et al. | Addressing data veracity in big data applications | |
Huu et al. | Development of warning and predicting system for quality of air in smart cities using RNN | |
Cho et al. | Real-time experiment of water security measurement sensors in a drinking water system: Case study: The Colorado State University Campus | |
Singh et al. | IoT based Rainfall Surveillance System with Sensor Integrated Infrastructure | |
Nasto et al. | Smart Water Quality Monitoring in Vlora: Design of an expert system for real-time monitoring of drinking water and detection of contamination in the aqueduct of the city of Vlora, Albania | |
US20240095552A1 (en) | Empirical formula-based estimation techniques based on correcting situational bias | |
Porwal et al. | Prediction and Prevention of Water Pollution by Industries using IoT based Monitoring System | |
US20240031437A1 (en) | Distributed Emissions Sensor System | |
Gjosheva et al. | IoT system for monitoring quality of water | |
Bukhair et al. | Development of Cloud-based Water QualityMonitoring System | |
Han | Enabling Resilience in Cyber-Physical-Human Water Infrastructures |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |