CN108764088A - 一种基于证据k-nn分类器的设备状态检测及预警方法 - Google Patents
一种基于证据k-nn分类器的设备状态检测及预警方法 Download PDFInfo
- Publication number
- CN108764088A CN108764088A CN201810478420.9A CN201810478420A CN108764088A CN 108764088 A CN108764088 A CN 108764088A CN 201810478420 A CN201810478420 A CN 201810478420A CN 108764088 A CN108764088 A CN 108764088A
- Authority
- CN
- China
- Prior art keywords
- noise
- control signal
- early warning
- signal
- sensor
- 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
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/12—Classification; Matching
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R29/00—Arrangements for measuring or indicating electric quantities not covered by groups G01R19/00 - G01R27/00
- G01R29/26—Measuring noise figure; Measuring signal-to-noise ratio
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2413—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on distances to training or reference patterns
- G06F18/24147—Distances to closest patterns, e.g. nearest neighbour classification
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Signal Processing (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明公开了一种基于证据K‑NN分类器的设备状态检测及预警方法,涉及最邻近分类器技术领域,本发明使用处理器接收传感器控制信号和过程中的噪声相关的传感器信号,识别所述传感器控制信号的频率特性,别传感器控制信号中与传感器控制信号的频率特性足够近而导致测量不准确的噪声频率,检测在传感器信号中出现噪声的噪声频率,处理器发出控制信号使警报器发出预警警报,本发明通过对传感器控制信号和噪声信号进行区分和存储,并通过检测比较做出判断,一旦产生噪声影响就发出预警,能够在进行训练时提供噪声检测,既不会对训练产生影响,又同时可以区分噪声,并及时产生预警警报,使训练工作可以及时中断,免得造成大量的时间浪费。
Description
技术领域
本发明属于最邻近分类器技术领域,特别是涉及一种基于证据K-NN分类器的设备状态检测及预警方法。
背景技术
K-NN分类器又称最近邻分类器,其将学习与分类过程融为一起,在分类过程中需要保护所有训练集样本,对于未知样本X,首先需要利用某种相似度评价标准,从训练集中获取与其最相似的K个样本,再利用k个样本的类别预测预测样本X的类别,因此K-NN算法没有单独的学习阶段,是一种在分类过程中实现学习的监督分类方法,近邻法分类,对被识别样本某个给定近邻域中的已知类别的学习样本数量进行统计,并以其中数量最多的那一类作为分类结果的分类方法。最近邻分类器把每个训练样例看做d维空间上的一个点,其中d是属性个数,给定一个测试样例z,计算z与每个训练样例的邻近度,找出与之最近的k个训练样例,将这k个训练样例中出现最多的类标号赋给z,显然,这里k的取值对分类结果的影响很大:如果kk太小,最近邻分类器容易受到训练样例中的噪声而产生过拟合的影响;如果kk太大,最近邻分类器容易误分类,因为最近邻列表中可能包含远离近邻的数据点。因此最近领分类器的最大缺点就是容易受噪声影响,目前最近领分类器在训练时,并没有噪声检测和预警功能,一旦发生噪声影响,训练用的大量时间就都被白白浪费了。
发明内容
本发明的目的在于提供一种基于证据K-NN分类器的设备状态检测及预警方法,通过对传感器控制信号和噪声信号进行区分和存储,并通过检测比较做出判断,一旦产生噪声影响就发出预警,解决了现有的最近领分类器在训练时,并没有噪声检测和预警功能,一旦发生噪声影响,训练用的大量时间就都被白白浪费了问题。
为解决上述技术问题,本发明是通过以下技术方案实现的:
本发明为一种基于证据K-NN分类器的设备状态检测及预警方法,所述方法包括:
SS01
使用处理器接收传感器控制信号和过程中的噪声相关的传感器信号;
SS02
识别所述传感器控制信号的频率特性;
SS03
识别传感器控制信号中与传感器控制信号的频率特性足够近而导致测量不准确的噪声频率;
SS04
检测在所述传感器信号中出现噪声的噪声频率;
SS05
处理器发出控制信号使警报器发出预警警报。
进一步地,所述方法还包括:
所述传感器将传感器控制信号发送给处理器,所述传感器为声音传感器,所述处理器包括输入 / 输出 (I/O) 电路,或者,可以分离地提供 I/O 电路,I/O 电路通过控制电流,以数字格式或者以模拟格式来发送信息,在识别所述传感器控制信号的频率特性之后,处理器将所述传感器控制信号的频率特性存储于数据存储器中,所述所述数据存储器为非易失性存储器。
进一步地,所述方法还包括:
所述传感器中将导致测量不准确的噪声信号发送给处理器,在识别出所述导致测量不准确的噪声频率之后,处理器将所述导致测量不准确的噪声频率特性存储于数据存储器中。
进一步地,所述方法还包括:
在检测所述噪声频率时,所述传感器将信号发送给处理器,处理器将信号发送给数据比较器,处理器通过数据比较器将所述传感器信号与数据存储器中的所述传感器控制信号的频率特性和所述导致测量不准确的噪声频率特性进行比较。
进一步地,所述方法还包括:
通过所述数据比较器比较后,若所述噪声频率与所述传感器控制信号的频率特性相同,则数据比较器不发送信号,若所述噪声频率与所述导致测量不准确的噪声频率特性足够接近,则数据比较器发出信号给处理器。
进一步地,所述方法还包括:
所述处理器只有在接收到数据比较器发出的信号后,才会发出控制信号使警报器发出预警警报。
进一步地,所述传感器包括噪声传感器,在传感器信号中检测具有噪声频率的噪声。
本发明具有以下有益效果:
本发明通过对传感器控制信号和噪声信号进行区分和存储,并通过检测比较做出判断,一旦产生噪声影响就发出预警,能够在最近领分类器进行训练时提供噪声检测,既不会对训练产生影响,又同时可以区分噪声,并及时产生预警警报,使训练工作可以及时中断,免得造成大量的时间浪费。
当然,实施本发明的任一产品并不一定需要同时达到以上所述的所有优点。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明处理器识别频率信号的操作流程图;
图2为本发明的系统原理框图;
图3为本发明检测噪声的操作流程图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
请参阅图1-3所示,本发明为一种基于证据K-NN分类器的设备状态检测及预警方法,所述方法包括:
SS01
使用处理器接收传感器控制信号和过程中的噪声相关的传感器信号;
SS02
识别传感器控制信号的频率特性;
SS03
识别传感器控制信号中与传感器控制信号的频率特性足够近而导致测量不准确的噪声频率;
SS04
检测在传感器信号中出现噪声的噪声频率;
SS05
处理器发出控制信号使警报器发出预警警报。
其中,传感器将传感器控制信号发送给处理器,传感器为声音传感器,处理器包括输入 / 输出 (I/O) 电路,或者,可以分离地提供 I/O 电路,I/O 电路通过控制电流,以数字格式或者以模拟格式来发送信息,在识别传感器控制信号的频率特性之后,处理器将传感器控制信号的频率特性存储于数据存储器中,数据存储器为非易失性存储器。
其中,传感器中将导致测量不准确的噪声信号发送给处理器,在识别出导致测量不准确的噪声频率之后,处理器将导致测量不准确的噪声频率特性存储于数据存储器中。
其中,在检测噪声频率时,传感器将信号发送给处理器,处理器将信号发送给数据比较器,处理器通过数据比较器将传感器信号与数据存储器中的传感器控制信号的频率特性和导致测量不准确的噪声频率特性进行比较。
其中,通过数据比较器比较后,若噪声频率与传感器控制信号的频率特性相同,则数据比较器不发送信号,若噪声频率与导致测量不准确的噪声频率特性足够接近,则数据比较器发出信号给处理器。
其中,处理器只有在接收到数据比较器发出的信号后,才会发出控制信号使警报器发出预警警报。
其中,传感器包括噪声传感器,在传感器信号中检测具有噪声频率的噪声。
在本说明书的描述中,参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节,也不限制该发明仅为所述的具体实施方式。显然,根据本说明书的内容,可作很多的修改和变化。本说明书选取并具体描述这些实施例,是为了更好地解释本发明的原理和实际应用,从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。
Claims (7)
1.一种基于证据K-NN分类器的设备状态检测及预警方法,其特征在于:所述方法包括:
SS01
使用处理器接收传感器控制信号和过程中的噪声相关的传感器信号;
SS02
识别所述传感器控制信号的频率特性;
SS03
识别传感器控制信号中与传感器控制信号的频率特性足够近而导致测量不准确的噪声频率;
SS04
检测在所述传感器信号中出现噪声的噪声频率;
SS05
处理器发出控制信号使警报器发出预警警报。
2.根据权利要求1所述的一种基于证据K-NN分类器的设备状态检测及预警方法,其特征在于,所述方法还包括:
在识别所述传感器控制信号的频率特性之后,处理器将所述传感器控制信号的频率特性存储于数据存储器中。
3.根据权利要求1所述的一种基于证据K-NN分类器的设备状态检测及预警方法,其特征在于,所述方法还包括:
在识别出所述导致测量不准确的噪声频率之后,处理器将所述导致测量不准确的噪声频率特性存储于数据存储器中。
4.根据权利要求1所述的一种基于证据K-NN分类器的设备状态检测及预警方法,其特征在于,所述方法还包括:
在检测所述噪声频率时,处理器通过数据比较器将所述传感器信号与数据存储器中的所述传感器控制信号的频率特性和所述导致测量不准确的噪声频率特性进行比较。
5.根据权利要求4所述的一种基于证据K-NN分类器的设备状态检测及预警方法,其特征在于,所述方法还包括:
通过所述数据比较器比较后,若所述噪声频率与所述传感器控制信号的频率特性相同,则数据比较器不发送信号,若所述噪声频率与所述导致测量不准确的噪声频率特性足够接近,则数据比较器发出信号给处理器。
6.根据权利要求1所述的一种基于证据K-NN分类器的设备状态检测及预警方法,其特征在于,所述方法还包括:
所述处理器只有在接收到数据比较器发出的信号后,才会发出控制信号使警报器发出预警警报。
7.根据权利要求1所述的一种基于证据K-NN分类器的设备状态检测及预警方法,其特征在于,所述传感器包括噪声传感器,在传感器信号中检测具有噪声频率的噪声。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810478420.9A CN108764088A (zh) | 2018-05-18 | 2018-05-18 | 一种基于证据k-nn分类器的设备状态检测及预警方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810478420.9A CN108764088A (zh) | 2018-05-18 | 2018-05-18 | 一种基于证据k-nn分类器的设备状态检测及预警方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108764088A true CN108764088A (zh) | 2018-11-06 |
Family
ID=64006926
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810478420.9A Pending CN108764088A (zh) | 2018-05-18 | 2018-05-18 | 一种基于证据k-nn分类器的设备状态检测及预警方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108764088A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112200323A (zh) * | 2019-07-08 | 2021-01-08 | Abb瑞士股份有限公司 | 评估工业设备和过程的状态 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101308180A (zh) * | 2007-05-14 | 2008-11-19 | 通用电气公司 | 电弧检测器 |
CN101784870A (zh) * | 2007-07-10 | 2010-07-21 | 罗斯蒙德公司 | 电磁流量计的操作条件的噪声诊断 |
CN103267569A (zh) * | 2013-06-12 | 2013-08-28 | 西安费斯达自动化工程有限公司 | 环境噪声栅格适应性检测估计方法 |
CN102410847B (zh) * | 2010-08-11 | 2015-05-20 | 罗斯蒙特公司 | 噪声检测和避免 |
CN107273914A (zh) * | 2017-05-17 | 2017-10-20 | 西北工业大学 | 基于信源自适应动态选择的高效融合识别方法 |
-
2018
- 2018-05-18 CN CN201810478420.9A patent/CN108764088A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101308180A (zh) * | 2007-05-14 | 2008-11-19 | 通用电气公司 | 电弧检测器 |
CN101784870A (zh) * | 2007-07-10 | 2010-07-21 | 罗斯蒙德公司 | 电磁流量计的操作条件的噪声诊断 |
CN102410847B (zh) * | 2010-08-11 | 2015-05-20 | 罗斯蒙特公司 | 噪声检测和避免 |
CN103267569A (zh) * | 2013-06-12 | 2013-08-28 | 西安费斯达自动化工程有限公司 | 环境噪声栅格适应性检测估计方法 |
CN107273914A (zh) * | 2017-05-17 | 2017-10-20 | 西北工业大学 | 基于信源自适应动态选择的高效融合识别方法 |
Non-Patent Citations (1)
Title |
---|
侯平智 等: "基于K近邻证据融合的故障诊断方法", 《控制与决策》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112200323A (zh) * | 2019-07-08 | 2021-01-08 | Abb瑞士股份有限公司 | 评估工业设备和过程的状态 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US7969296B1 (en) | Method and system for fire detection | |
CN107230329B (zh) | 一种火灾探测器的标定方法、装置及设备 | |
CN109871730A (zh) | 一种目标识别方法、装置及监控设备 | |
Funch et al. | Detecting glass and metal in consumer trash bags during waste collection using convolutional neural networks | |
CN106796747A (zh) | 用于确定传感器状况的系统 | |
ATE434246T1 (de) | Fehlererkennung in einem luftverkehr- verwaltungssystem | |
EP2937689A1 (en) | Adaptive baseline damage detection system and method | |
CN108460397A (zh) | 设备故障类型的分析方法、装置、储存介质和电子设备 | |
CN108764088A (zh) | 一种基于证据k-nn分类器的设备状态检测及预警方法 | |
CN109848070B (zh) | 一种产品分拣系统及方法 | |
EP3100021B1 (en) | In-liquid detection | |
CN106652393A (zh) | 假警报确定方法及装置 | |
CN112948765A (zh) | 用于确定在第一组分和第二组分之间的水平延伸界面的竖直位置的方法和设备 | |
KR20140072442A (ko) | 차량 검지 장치 및 방법 | |
JP4559974B2 (ja) | 管理装置及び管理方法及びプログラム | |
CN115346357B (zh) | 光缆防外破预警方法、装置、设备及存储介质 | |
US20240071147A1 (en) | Event detection device and method therefor | |
JP5175881B2 (ja) | 監視装置 | |
CN113255771B (zh) | 基于多维异构差异分析的故障诊断方法及系统 | |
CN114858675A (zh) | 烟雾探测方法、模型训练方法、装置及烟雾探测设备 | |
US6819230B2 (en) | Target track crossing prediction/detection | |
CN111883226A (zh) | 一种信息处理和模型训练方法、装置、设备及存储介质 | |
JP2007299059A (ja) | 信号識別方法 | |
US10921167B1 (en) | Methods and apparatus for validating event scenarios using reference readings from sensors associated with predefined event scenarios | |
JPH0341879B2 (zh) |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181106 |