CN108491357A - 一种稳态检测的方法以及相关设备 - Google Patents
一种稳态检测的方法以及相关设备 Download PDFInfo
- Publication number
- CN108491357A CN108491357A CN201810274902.2A CN201810274902A CN108491357A CN 108491357 A CN108491357 A CN 108491357A CN 201810274902 A CN201810274902 A CN 201810274902A CN 108491357 A CN108491357 A CN 108491357A
- Authority
- CN
- China
- Prior art keywords
- object time
- data segment
- data
- stable state
- curve
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/15—Correlation function computation including computation of convolution operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computing Systems (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本申请实施例公开了一种稳态检测的方法以及相关设备,用于基于高斯函数对时间序列数据进行稳态检测,可以克服噪声影响,降低稳态检测的复杂度,提高稳态检测的准确性,以及提高稳态检测的效率。本申请实施例方法包括:获取目标时间序列数据;将该目标时间序列数据分为预置数量的数据段,该预置数量的数据段中的每个数据段包括与相邻的数据段重叠的部分;对该预置数量的数据段中的每个数据段通过高斯函数获取目标拟合曲线;判断该目标拟合曲线中的目标时刻点是否满足预置条件;若该目标时刻点满足该预置条件,则确定该目标时刻点处于稳态。
Description
技术领域
本申请涉及计算机领域,特别涉及一种稳态检测的方法以及相关设备。
背景技术
在进行数据驱动的系统建模、过程辨识以及性能评估时,根据时间序列数据检验目标对象是否处于稳定状态是一项重要的工作。例如,为优化火电机组控制系统中的前馈策略时,需要建立相关变量的静态模型,而该静态模型以稳态时间序列数据即稳定状态下的时间序列数据为基础,因此需要进行稳态检测。再例如,为优化火电机组控制系统的反馈策略,需要辨识过程中的动态模型,尽管辨识过程中的动态模型是以动态时间序列数据为基础,但要求时间序列数据在开始时处于稳定状态,即零稳态,因此,也需要进行稳态检测。
在进行稳态检测时,所获取到的时间序列数据中往往包括未知的扰动以及噪声,未知的扰动以及噪声越显著、越复杂,就越能掩盖目标对象的真实状态,造成稳态检测的误差大,检测结果不准确等。时间序列数据的稳态检测的方法包括,基于统计分析、基于小波变换或基于模糊集等多种方法,然而,这些方法或过于复杂,或对信号噪声过于敏感,因此限制了这些方法的适用范围。
现有方案中基于分段多项式函数拟合的稳态检测方法,即用多条多项式曲线去拟合时间序列数据,并将多项式曲线光滑拼接起来,根据拟合曲线的导数判断各时刻点的状态,以确定目标对象是否处于稳定状态。但当目标对象的变化特性复杂时,该基于分段多项式函数拟合的稳态检测方法对复杂的变化特性拟合效果差,影响了该基于分段多项式函数拟合的稳态检测方法的稳态检测效果,因此,如何实现准确稳定地稳态检测成为亟待解决的问题。
发明内容
本申请实施例提供了一种稳态检测的方法以及相关设备,用于基于高斯函数对时间序列数据进行稳态检测,可以克服噪声影响,降低稳态检测的复杂度,提高稳态检测的准确性,以及提高稳态检测的效率。
本申请第一方面提供一种稳态检测的方法,包括:
获取目标时间序列数据;
将该目标时间序列数据分为预置数量的数据段,该预置数量的数据段中的每个数据段包括与相邻的数据段重叠的部分;
对该预置数量的数据段中的每个数据段通过高斯函数拟合获取目标拟合曲线;
判断该目标拟合曲线中的目标时刻点是否满足预置条件;
若该目标时刻点满足该预置条件,则确定该目标时刻点处于稳态。
可选地,该对该预置数量的数据段中的每个数据段通过高斯函数拟合获取目标拟合曲线,可以包括:
对该预置数量的数据段中的每个数据段通过高斯函数进行曲线拟合,以得到预置数量的高斯曲线;
对该预置数量的高斯曲线中相邻的高斯曲线间的重叠部分进行加权处理,以使该预置数量的高斯曲线中相邻的高斯曲线连接为该目标拟合曲线。
可选地,该判断目标拟合曲线中的目标时刻点是否满足预置条件,可以包括:
获取该目标时刻点的一阶导数与二阶导数;
若该目标时刻点的一阶导数与二阶导数都为0,则确定该目标拟合曲线中的目标时刻点满足预置条件。
可选地,该获取目标时间序列数据,可以包括:
获取原始时间序列数据;
对该时间序列数据进行野值处理,以得到该目标时间序列数据。
本申请第二方面提供一种稳态检测装置,包括:
获取单元,用于获取目标时间序列数据;
切分单元,用于将该目标时间序列数据分为预置数量的数据段,该预置数量的数据段中的每个数据段包括与相邻的数据段重叠的部分;
计算单元,对该预置数量的数据段中的每个数据段通过高斯函数拟合获取目标拟合曲线;
判断单元,用于判断该目标拟合曲线中的目标时刻点是否满足预置条件;
确定单元,若该目标时刻点满足该预置条件,用于确定该目标时刻点处于稳态。
可选地,
该计算单元,具体用于对该预置数量的数据段中的每个数据段通过高斯函数进行曲线拟合,以得到预置数量的高斯曲线;
该计算单元,具体用于对该预置数量的高斯曲线中相邻的高斯曲线间的重叠部分进行加权处理,以使该预置数量的高斯曲线中相邻的高斯曲线连接为该目标拟合曲线。
可选地,
该判断单元,具体用于获取该目标时刻点的一阶导数与二阶导数;
该判断单元,具体用于若该目标时刻点的一阶导数与二阶导数都为0,则确定该目标拟合曲线中的目标时刻点满足预置条件。
可选地,
该获取单元,具体用于获取原始时间序列数据;
该获取单元,具体用于对该时间序列数据进行野值处理,以得到该目标时间序列数据。
本申请第三方面提供一种计算机装置,可以包括:
处理器、存储器、总线以及输入输出接口,该处理器、该存储器与该输入输出接口通过该总线连接;
该存储器,用于存储程序代码;
该处理器调用该存储器中的程序代码时执行本申请第一方面提供的方法的步骤。
本申请实施例第四方面提供一种存储介质,需要说明的是,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产口的形式体现出来,该计算机软件产品存储在一个存储介质中,用于储存为上述设备所用的计算机软件指令,其包含用于执行上述第一方面为稳态检测装置所设计的程序。
该存储介质包括:U盘、移动硬盘、只读存储器(英文缩写ROM,英文全称:Read-OnlyMemory)、随机存取存储器(英文缩写:RAM,英文全称:Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
本申请实施例第五方面提供了一种计算机程序产品,该计算机程序产品包括计算机软件指令,该计算机软件指令可通过处理器进行加载来实现上述第一方面中任意一项的稳态检测的方法中的流程。
从以上技术方案可以看出,本申请实施例具有以下优点:
在本申请实施例中,首先对获取目标时间序列数据,之后对目标时间序列数据进行分段,分为预置数量的数据段,且相邻数据段之间包括重叠的部分,然后对该预置数量的数据段通过高斯函数进行曲线拟合,以得到目标拟合曲线,得到的目标拟合曲线可以降低噪声的干扰,然后对目标拟合曲线中的时刻点的稳态进行判定,若该时刻点满足预置条件,则可以确定该时刻点处于稳态。因此,本申请实施例可以更好地反映出时间序列数据的变化趋势,具有更高的拟合精度,从而提高了稳态检测的准确度和可靠性。
附图说明
图1为本申请实施例中稳态检测的方法的一种实施例示意图;
图2为本申请实施例中稳态检测的方法的另一种实施例示意图;
图3为本申请实施例中稳态检测的方法的另一种实施例示意图;
图4为本申请实施例中稳态检测装置的一种实施例示意图;
图5为本申请实施例中稳态检测装置的另一种实施例示意图。
具体实施方式
本申请实施例提供了一种稳态检测的方法以及相关设备,用于基于高斯函数对时间序列数据进行稳态检测,可以克服噪声影响,降低稳态检测的复杂度,提高稳态检测的准确性以及提高稳态检测的效率。
下面对本申请实施提供的一种稳态检测的方法进行详细阐述,请参阅图1,本申请实施例中稳态检测的方法的一种实施例示意图,包括:
101、获取原始时间序列数据;
首先获取原始时间序列数据,该原始时间序列数据为采集得到的时间序列数据。
102、对时间序列数据进行野值处理,以得到目标时间序列数据;
因采集得到的时间序列数据中包括噪声以及其他扰动,因此还需要对原始时间序列数据进行野值处理,以得到野值处理后的目标时间序列数据。即去掉原始时间序列数据中突变的数据,且对原始时间序列中突变的数据进行修正,例如,以一组数据为例,该数据为【5,6,7,15,4,6,6】,正常范围为4-7,那么第4位明显为突变数据,那么可以对第4位数据进行野值处理,可以将该第4位删除,且将第4位调整至正常范围内,可以降低原始时间序列中的明显的噪声影响或其他干扰。
103、将目标时间序列数据分为预置数量的数据段;
将目标时间序列数据切分为预置数量的数据段,相邻的数据段之间包括重叠的部分,例如,将目标时间序列数据分为若干个数据段,其中,第一数据段为第1-5位,第二数据段为第4-8位,即第一数据段与第二数据段重叠了第4位与第5位,以此类推。
104、对预置数量的数据段中的每个数据段通过高斯函数进行曲线拟合,以得到预置数量的高斯曲线;
对该预置数量中的每个数据段通过高斯函数进行曲线拟合,得到预置数量段相互重叠的高斯曲线,可以通过改变高斯函数的阶次与参数得到合适的拟合效果。在本申请实施例中,将目标时间序列数据分为若干个数据段,该若干个数据段中相邻数据段之间重叠,然后对该若干数据段中的每个数据段通过高斯函数进行曲线拟合,可以得到若干个包括重叠部分的高斯曲线,能够更好地反映出目标时间序列数据的变化趋势。
105、对相邻的高斯曲线间的重叠部分进行加权处理,以使相邻的高斯曲线连接为目标拟合曲线;
在对目标时间序列进行切分为预置数量的数据段时,每个相邻数据段之间有重叠的部分,因此在通过高斯函数进行曲线拟合时,还需要对该重叠的部分进行加权处理,使相邻的高斯曲线可以拼接起来,连接为完整的目标拟合曲线,且使拼接后的目标拟合曲线满足连续性和光滑性。
106、判断目标时刻点的一阶导数与二阶导数是否都为0,若是,执行步骤107,若否,执行步骤108;
在得到目标拟合曲线后,可以判断目标拟合曲线中目标时刻点是否满足预置条件,该目标时刻点可以是该目标拟合曲线中的任一时刻点,该预置条件可以是,该目标时刻点的一阶导数与二阶导数是否都为0,若该目标时刻点的一阶导数与二阶导数都为0,则可以确定该目标时刻点处于稳态,若该目标时刻点的一阶导数与二阶导数不都为0,则可以确定该目标时刻点不处于稳态。
107、确定目标时刻点处于稳态;
若目标时刻点的一阶导数与二阶导数都为0,则可以确定该目标时刻点处于稳态。
108、执行其他步骤。
若该目标时刻点的一阶导数与二阶导数不都为0,则可以确定该目标时刻点不处于稳态。
在本申请实施例中,首先对原始时间序列数据进行野值处理,可以滤除原始时间序列数据中的部分噪声以及其他干扰,得到目标时间序列数据,之后对目标时间序列数据进行分段,分为预置数量的数据段,且相邻数据段之间包括重叠的部分,然后对该预置数量的数据段通过高斯函数进行曲线拟合,得到预置数量的高斯曲线,并对该预置数量的高斯曲线之间重叠的部分进行加权计算,加权处理后的各条高斯曲线可以拼接为光滑的目标拟合曲线,得到的目标拟合曲线可以降低噪声的干扰,且可以更好地反映出时间序列数据的变化趋势,具有更高的拟合精度,从而提高了稳态检测的准确度和可靠性。通过目标拟合曲线中目标时刻点的一阶导数与二阶导数是否都为0来判断该时刻点是否处于稳定,能提高判稳的准确度。
下面以一个具体的实施场景进行说明,采集一个600MW火电机组生产过程的机组负荷信号的时间序列数据,该时间序列数据共有85895组数据,是对火电机组负荷按1秒一个点的方式采集得到,在该时间序列数据所覆盖的时间范围内,该火电机组进行了几次较大幅度的负荷变动以及多次小幅度的负荷变动,具体的稳态检测过程如下:
首先对该时间序列数据进行野值处理,可以滤除突变较大的数据及其他干扰,得到目标时间序列数据。
然后将该目标时间序列数据进行分段,每100组数据为一段,且每两段数据间有25组重合数据,然后分别对每段数据进行6阶高斯函数拟合,得到高斯拟合曲线。该6阶高斯函数可以为:其中,aj、bj以及cj分别为高斯函数的参数值,x为时间序列数据,t为时间。
对各段数据重叠的部分进行加权处理,实现分段曲线的光滑拼接,以得到目标拟合曲线。具体可以是,对上一数据段的后25组重叠数据加权值从1变化到0,下一数据段的前25组重叠数据加权值从0变化到1,使拟合曲线满足连续性和平滑性。例如,如图2所示,该曲线为针对一段离散时间序列数据通过高斯函数进行曲线拟合后的目标拟合曲线,可以使拟合后的曲线更具有连续性和光滑性。
计算目标拟合曲线中每个时刻点的一阶导数与二阶导数,并进行稳态判定,该一阶导数可以是该二阶导数可以是若其中一个时刻点的一阶导数与二阶导数都为0,则可以确定该时刻点处于稳态。可以将稳态指数设置为1,非稳态指数设置为0,稳态检测的结果可以如图3所示。
对比图2和图3可知,本申请实施例提供的稳态检测的方法可以准确地刻画时间序列数据的复杂变化趋势,并检测出时间序列中的稳定状态。可以在工业以及其他行业中广泛应用。
前述对本申请实施例提供的稳态检测的方法进行了详细说明,下面对本申请实施例提供的装置进行阐述,请参阅图4,本申请实施例中稳态检测装置的一个实施例示意图,包括:
获取单元401,用于获取目标时间序列数据;
切分单元402,用于将该目标时间序列数据分为预置数量的数据段,该预置数量的数据段中的每个数据段包括与相邻的数据段重叠的部分;
计算单元403,对该预置数量的数据段中的每个数据段通过高斯函数拟合获取目标拟合曲线;
判断单元404,用于判断该目标拟合曲线中的目标时刻点是否满足预置条件;
确定单元405,若该目标时刻点满足该预置条件,用于确定该目标时刻点处于稳态。
可选地,在一些可能的实施方式中,
该计算单元,具体用于对该预置数量的数据段中的每个数据段通过高斯函数进行曲线拟合,以得到预置数量的高斯曲线;
该计算单元,具体用于对该预置数量的高斯曲线中相邻的高斯曲线间的重叠部分进行加权处理,以使该预置数量的高斯曲线中相邻的高斯曲线连接为该目标拟合曲线。
可选地,在一些可能的实施方式中,
该判断单元,具体用于获取该目标时刻点的一阶导数与二阶导数;
该判断单元,具体用于若该目标时刻点的一阶导数与二阶导数都为0,则确定该目标拟合曲线中的目标时刻点满足预置条件。
可选地,在一些可能的实施方式中,
该获取单元,具体用于获取原始时间序列数据;
该获取单元,具体用于对该时间序列数据进行野值处理,以得到该目标时间序列数据。
请参阅图5,本申请实施例中稳态检测装置的另一个实施例示意图,包括:
中央处理器(central processing units,CPU)501,存储介质502,电源503,存储器504,输入输出接口505,应理解,本申请实施例中的CPU可以是一个,也可以是多个,输入输出接口可以是一个,也可以是多个,具体此处不作限定。电源503可以为稳态检测装置提供工作电源,存储器504和存储介质503可以是短暂存储或持久存储,存储介质中存储了指令,当CPU可以根据该存储器中的指令执行如下步骤:获取目标时间序列数据;将该目标时间序列数据分为预置数量的数据段,该预置数量的数据段中的每个数据段包括与相邻的数据段重叠的部分;对该预置数量的数据段中的每个数据段通过高斯函数拟合获取目标拟合曲线;判断该目标拟合曲线中的目标时刻点是否满足预置条件;若该目标时刻点满足该预置条件,则确定该目标时刻点处于稳态。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请图1至图3各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,以上实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。
Claims (10)
1.一种稳态检测的方法,其特征在于,包括:
获取目标时间序列数据;
将所述目标时间序列数据分为预置数量的数据段,所述预置数量的数据段中的每个数据段包括与相邻的数据段重叠的部分;
对所述预置数量的数据段中的每个数据段通过高斯函数获取目标拟合曲线;
判断所述目标拟合曲线中的目标时刻点是否满足预置条件;
若所述目标时刻点满足所述预置条件,则确定所述目标时刻点处于稳态。
2.根据权利要求1所述的方法,其特征在于,所述对所述预置数量的数据段中的每个数据段通过高斯函数获取目标拟合曲线,包括:
对所述预置数量的数据段中的每个数据段通过高斯函数进行曲线拟合,以得到预置数量的高斯曲线;
对所述预置数量的高斯曲线中相邻的高斯曲线间的重叠部分进行加权处理,以使所述预置数量的高斯曲线中相邻的高斯曲线连接为所述目标拟合曲线。
3.根据权利要求1或2所述的方法,其特征在于,所述判断所述目标拟合曲线中的目标时刻点是否满足预置条件,包括:
获取所述目标时刻点的一阶导数与二阶导数;
若所述目标时刻点的一阶导数与二阶导数都为0,则确定所述目标拟合曲线中的目标时刻点满足预置条件。
4.根据权利要求1或2所述的方法,其特征在于,所述获取目标时间序列数据,包括:
获取原始时间序列数据;
对所述时间序列数据进行野值处理,以得到所述目标时间序列数据。
5.一种稳态检测装置,其特征在于,包括:
获取单元,用于获取目标时间序列数据;
切分单元,用于将所述目标时间序列数据分为预置数量的数据段,所述预置数量的数据段中的每个数据段包括与相邻的数据段重叠的部分;
计算单元,对所述预置数量的数据段中的每个数据段通过高斯函数获取目标拟合曲线;
判断单元,用于判断所述目标拟合曲线中的目标时刻点是否满足预置条件;
确定单元,若所述目标时刻点满足所述预置条件,用于确定所述目标时刻点处于稳态。
6.根据权利要求5所述的稳态检测装置,其特征在于,
所述计算单元,具体用于对所述预置数量的数据段中的每个数据段通过高斯函数进行曲线拟合,以得到预置数量的高斯曲线;
所述计算单元,具体用于对所述预置数量的高斯曲线中相邻的高斯曲线间的重叠部分进行加权处理,以使所述预置数量的高斯曲线中相邻的高斯曲线连接为所述目标拟合曲线。
7.根据权利要求5或6所述的稳态检测装置,其特征在于,
所述判断单元,具体用于获取所述目标时刻点的一阶导数与二阶导数;
所述判断单元,具体用于若所述目标时刻点的一阶导数与二阶导数都为0,则确定所述目标拟合曲线中的目标时刻点满足预置条件。
8.根据权利要求5或6所述的稳态检测装置,其特征在于,
所述获取单元,具体用于获取原始时间序列数据;
所述获取单元,具体用于对所述时间序列数据进行野值处理,以得到所述目标时间序列数据。
9.一种计算机装置,其特征在于,包括:
处理器、存储器、总线以及输入输出接口;
所述存储器中存储有程序代码;
所述处理器调用所述存储器中的程序代码时执行权利要求1至4中任一项所述方法的步骤。
10.一种计算机可读存储介质,包括指令,当所述指令在计算机上运行时,使得计算机执行如权利要求1至4中任意一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810274902.2A CN108491357A (zh) | 2018-03-29 | 2018-03-29 | 一种稳态检测的方法以及相关设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810274902.2A CN108491357A (zh) | 2018-03-29 | 2018-03-29 | 一种稳态检测的方法以及相关设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108491357A true CN108491357A (zh) | 2018-09-04 |
Family
ID=63317527
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810274902.2A Pending CN108491357A (zh) | 2018-03-29 | 2018-03-29 | 一种稳态检测的方法以及相关设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108491357A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109545347A (zh) * | 2018-11-13 | 2019-03-29 | 广州金域医学检验中心有限公司 | 检测系统的稳态能力评估方法及装置 |
CN111775309A (zh) * | 2020-06-18 | 2020-10-16 | 中建西部建设湖南有限公司 | 一种实时检测搅拌机内混凝土塑性粘度的方法 |
CN112465404A (zh) * | 2020-12-22 | 2021-03-09 | 国网山东省电力公司电力科学研究院 | 用于多时间窗口的光伏发电系统运行状态评估方法及系统 |
CN117609881A (zh) * | 2023-11-29 | 2024-02-27 | 阿童木(广州)智能科技有限公司 | 一种基于人工智能的金属重叠检测方法及系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101158623A (zh) * | 2007-09-29 | 2008-04-09 | 南京航空航天大学 | 获取系统特征函数和信号特征值的方法 |
CN104680010A (zh) * | 2015-02-13 | 2015-06-03 | 河北省电力建设调整试验所 | 一种汽轮机组稳态运行数据筛选方法 |
-
2018
- 2018-03-29 CN CN201810274902.2A patent/CN108491357A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101158623A (zh) * | 2007-09-29 | 2008-04-09 | 南京航空航天大学 | 获取系统特征函数和信号特征值的方法 |
CN104680010A (zh) * | 2015-02-13 | 2015-06-03 | 河北省电力建设调整试验所 | 一种汽轮机组稳态运行数据筛选方法 |
Non-Patent Citations (2)
Title |
---|
吕游 等: "基于分段曲线拟合的稳态检测方法", 《仪器仪表学报》 * |
王振龙: "《应用时间序列分析》", 31 May 2010, 中国统计出版社 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109545347A (zh) * | 2018-11-13 | 2019-03-29 | 广州金域医学检验中心有限公司 | 检测系统的稳态能力评估方法及装置 |
CN111775309A (zh) * | 2020-06-18 | 2020-10-16 | 中建西部建设湖南有限公司 | 一种实时检测搅拌机内混凝土塑性粘度的方法 |
CN112465404A (zh) * | 2020-12-22 | 2021-03-09 | 国网山东省电力公司电力科学研究院 | 用于多时间窗口的光伏发电系统运行状态评估方法及系统 |
CN112465404B (zh) * | 2020-12-22 | 2023-04-07 | 国网山东省电力公司电力科学研究院 | 用于多时间窗口的光伏发电系统运行状态评估方法及系统 |
CN117609881A (zh) * | 2023-11-29 | 2024-02-27 | 阿童木(广州)智能科技有限公司 | 一种基于人工智能的金属重叠检测方法及系统 |
CN117609881B (zh) * | 2023-11-29 | 2024-04-30 | 阿童木(广州)智能科技有限公司 | 一种基于人工智能的金属重叠检测方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108491357A (zh) | 一种稳态检测的方法以及相关设备 | |
CN111428733A (zh) | 基于语义特征空间转换的零样本目标检测方法及系统 | |
CN113408634A (zh) | 模型推荐方法及装置、设备、计算机存储介质 | |
CN108205580A (zh) | 一种图像检索方法、装置及计算机可读存储介质 | |
CN112365070B (zh) | 一种电力负荷预测方法、装置、设备及可读存储介质 | |
CN106910101A (zh) | 群体虚假交易识别方法及装置 | |
Pan et al. | Identifying protein complexes from protein-protein interaction networks based on fuzzy clustering and GO semantic information | |
CN106607720A (zh) | 刀具量测装置、刀具量测方法 | |
CN112182406A (zh) | 机械设计方案推荐方法及装置 | |
CN109144871B (zh) | 一种自动化测试元素的识别方法及装置 | |
CN107818051B (zh) | 一种测试用例的跳转分析方法、装置及服务器 | |
CN114168318A (zh) | 存储释放模型的训练方法、存储释放方法及设备 | |
EP3699615A1 (en) | Method, system and apparatus for detecting polarity of component, and computer-readable storage medium | |
CN112214978A (zh) | 一种数据处理方法及相关设备 | |
CN112100400A (zh) | 基于知识图谱的节点推荐方法及装置 | |
CN114416458B (zh) | 测试方法、装置、设备及存储介质 | |
JP6512032B2 (ja) | スタブ化対象判定装置、方法、及びプログラム | |
US11886842B2 (en) | Development assistance device, development assistance system, and development assistance method | |
CN106547759A (zh) | 用于选择增量备份方式的方法和装置 | |
CN113901648A (zh) | 一种编制零件工艺规程的方法及装置 | |
JPS6126112A (ja) | システムの異常診断方式 | |
CN114817209A (zh) | 监控规则的处理方法和装置、处理器及电子设备 | |
CN114238623A (zh) | 异构文本数据处理方法及装置 | |
Shimomura et al. | Hgraph: a connected-partition approach to proximity graphs for similarity search | |
CN109284328B (zh) | 一种关系型数据的处理方法、装置、服务器及介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180904 |
|
RJ01 | Rejection of invention patent application after publication |