CN108764802A - 一种适于储粮数字监管的abc策略方法 - Google Patents
一种适于储粮数字监管的abc策略方法 Download PDFInfo
- Publication number
- CN108764802A CN108764802A CN201810572534.XA CN201810572534A CN108764802A CN 108764802 A CN108764802 A CN 108764802A CN 201810572534 A CN201810572534 A CN 201810572534A CN 108764802 A CN108764802 A CN 108764802A
- Authority
- CN
- China
- Prior art keywords
- grain
- max
- indicate
- temperature
- parameter
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 29
- 230000008569 process Effects 0.000 title claims abstract description 24
- 230000002159 abnormal effect Effects 0.000 claims abstract description 39
- 238000004458 analytical method Methods 0.000 claims abstract description 9
- 238000012360 testing method Methods 0.000 claims description 24
- 238000005259 measurement Methods 0.000 claims description 2
- 235000013339 cereals Nutrition 0.000 description 96
- 238000004364 calculation method Methods 0.000 description 8
- 238000012544 monitoring process Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 241000208340 Araliaceae Species 0.000 description 2
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 2
- 235000003140 Panax quinquefolius Nutrition 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 235000008434 ginseng Nutrition 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 241000196324 Embryophyta Species 0.000 description 1
- 240000007594 Oryza sativa Species 0.000 description 1
- 235000007164 Oryza sativa Nutrition 0.000 description 1
- 229910000831 Steel Inorganic materials 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 238000012887 quadratic function Methods 0.000 description 1
- 235000009566 rice Nutrition 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/087—Inventory or stock management, e.g. order filling, procurement or balancing against orders
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Business, Economics & Management (AREA)
- Economics (AREA)
- Engineering & Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Primary Health Care (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Storage Of Harvested Produce (AREA)
Abstract
本发明公开了一种适于储粮数字监管的ABC策略方法,包括:步骤一、确定所述储粮仓储的采样范围、测温点,确定所述采样范围内的测温传感器位置以及所述测温传感器所测试的粮温;步骤二、建立所述测温传感器位置和所述粮温的拟合函数为:F(i,j,k,d)=A(i,j,k,d)j2+B(i,j,k,d)j+C(i,j,k,d);步骤三、计算所述拟合函数在所述测温传感器空间位置的偏差以及使所述偏差和达到最小值时的拟合函数的系数A(i,j,k,d)、B(i,j,k,d)和C(i,j,k,d),并且计算参数D(i,j,k,d)和参数F(i,j,k,d);步骤四、对所述系数和所述参数进行判断分析,步骤五、对所述步骤四中出现的异常情况进行汇总,分别计算在粮仓中某一截面的异常比例和整个粮仓的异常比例并将数据进行输出。
Description
技术领域
本发明涉及粮仓粮情监测领域,具体涉及一种适于储粮数字监管的ABC策略方法。
背景技术
从中央到地方,均有一整套规范的粮食流通管理规定,主要通过进出仓的作业记录以及人工排查来判断粮仓库存信息,这种方式耗时耗力,同时管理工作中的疏忽会造成对库存信息的错误判断。
近期出现了以图像识别和视频监控为主的方法,主要存在以下3个缺陷:
1)需要在粮仓中增加新硬件,成本高,安装不方便
2)使用过程中一旦出现停电、设备维护等问题会造成关键信息的丢失而造成粮情监测的中断。
3)存在人为暂停、破坏监管系统,让监管失效的现象。
发明内容
本发明设计开发了一种适于储粮数字监管的ABC策略方法,本发明的发明目的是充分利用历史粮温数据,不增加新的硬件系统直接利用粮仓的粮温数据实现对粮仓的粮情监管。
本发明提供的技术方案为:
一种适于储粮数字监管的ABC策略方法,包括如下步骤:
步骤一、确定所述储粮仓储的采样范围、测温点,确定所述采样范围内的测温传感器位置以及所述测温传感器所测试的粮温;
步骤二、建立所述测温传感器位置和所述粮温的拟合函数为:
F(i,j,k,d)=A(i,j,k,d)j2+B(i,j,k,d)j+C(i,j,k,d);
式中,i,j,k分别表示所述测温传感器的位置参数,d表示第d天测试的粮温;
步骤三、计算所述拟合函数在所述测温传感器空间位置的偏差以及使所述偏差和达到最小值时的拟合函数的系数A(i,j,k,d)、B(i,j,k,d)和C(i,j,k,d),并且计算参数D(i,j,k,d)和参数F(i,j,k,d);
其中,
步骤四、对所述系数和所述参数进行判断分析,包括:
当|A(i,j,k,d)|<Aem时,判断为无粮或者新进粮;
当A(i,j,k,d)>Amax(m)或者A(i,j,k,d)<Amin(m)时,判断测试点处的粮情异常;
当ΔA(d)>ΔAmax时,判断测试点处储粮发生异常移动或者发生通风作业;
当D(i,j,k,d)>Dmax或者D(i,j,k,d)<Dmin时,判断测试点处的粮情异常;
当|ΔD(d)|>ΔDmax时,判断测试点处储粮发生异常移动或者发生通风作业;
当F(i,j,k,d)>Fmax时,判断测试点处的粮情异常;
当|ΔF(d)|>ΔFmax时,判断测试点处储粮发生异常移动或者发生通风作业;
其中,Aem,Amax(m),Amin(m),ΔAmax,Dmax,Dmin,ΔDmax,Fmax,ΔFmax分别为设定值;式中,ΔA(d)=A(i,j,k,d)-A(i,j,k,d-1),ΔD(d)=D(i,j,k,d)-D(i,j,k,d-1),ΔF(d)=F(i,j,k,d)-F(i,j,k,d-1);
步骤五、对所述步骤四中出现的异常情况进行汇总,分别计算在粮仓中某一截面的异常比例和整个粮仓的异常比例并将数据进行输出。
优选的是,在所述步骤一中,对单个测试方向测试点的数据选择过程包括:
分别确定第一方向、第二方向和第三方向;其中,所述第一方向、所述第二方向和所述第三方向分别相互垂直;
在所述第一方向、所述第二方向和所述第三方向中分别确定位置参数,固定任意两个方向的参数,将另一个方向的参数依次增加作为测试点进行测试。
优选的是,在所述步骤一中,对单个测试面中测试点的数据选择过程包括:
确定采样范围内的第一方向、第二方向和第三方向,由所述第一方向和所述第二方向组成第一平面,所述第一方向和所述第三方向组成第二平面,由所述第二方向和所述第三方向组成第三平面;其中,所述第一方向、所述第二方向和所述第三方向分别相互垂直,所述第一平面、所述第二平面和所述第三平面分别相互垂直;
在所述第一方向、所述第二方向和所述第三方向中分别确定位置参数,固定任意一个方向的参数,确定其余两个方向中的一个方向的全部参数,将剩余的一个方向的参数依次增加作为测试点进行测试。
优选的是,在所述步骤三中确定所述系数采用最小二乘法。
优选的是,在所述步骤五中,某一截面的异常比例计算过程为
式中,QSi W表示某一截面异常所占比例,NSi W表示该截面异常出现次数,LSi表示该截面点集个数,W表示异常种类,i表示截面编号。
优选的是,在所述步骤五中,整个粮仓的异常比例计算过程为
式中,QAW表示整仓异常所占比例,NAW表示整仓异常出现次数,LA表示整仓点集个数,W表示异常种类。
本发明与现有技术相比较所具有的有益效果:
1、具有容断性:储粮监管系统的有意和无意的“停电”造成的数据不连续,不能破坏监管连续性,因为中断前后粮情数据依然保持着高度相关性和延续性;
2、不需要增加硬件设备,只需对现有系统增加软件分析模块,即可实现对储粮的监管,通过分析统计粮温变化规律即可实现对粮仓粮情的监管;
对于某一储藏时刻,通过与历史粮温数据A值对比,能判断粮温线的形态是否正常,A值越大粮温极差越大,符合夏季和冬季粮仓内外温差较大的特征,A值为正说明符合夏季“热包冷”的粮温特征,A值为负说明符合冬天“冷包热”的粮温特征;通过D值能得到粮温拟合曲线极值的坐标信息,可以判断粮温线是否两侧对称,如果过度偏离,属于不正常现象,应该报警处理;通过F值能得到粮温线的极值温度,能为判断粮堆极值温度是否超过安全值提供参考;
对于两个储藏时刻,通过A值的变化,极值坐标D的变化,粮温拟合极值F的变化,能判断粮温在两个时刻之间分布情况如何变化,进而判断粮食出现何种异常;
对于一段储藏时间,通过统计A值的数值范围并与历史粮温数据在同一时间段求的A值数值范围对比,可以判断粮食在该段时间是否出现异常操作。
附图说明
图1为本发明所述的策略方法流程图。
图2为本发明所述的网络化粮情温度监测系统示意图。
图3为本发明所述的测温电缆的三维示意图。
图4为本发明所述的测温电缆的左视图。
图5为本发明所述的测温电缆的俯视图。
图6为本发明所述的纵中截面传感器分布示意图。
图7为本发明所述的纵中截面第二层拟合A值。
图8为本发明所述的纵中截面第二层拟合D值。
图9为本发明所述的纵中截面第二层拟合F值。
图10为本发明实施例中2014年5月8日纵中截面粮温线云图。
图11为本发明实施例中2014年5月9日纵中截面粮温线云图。
图12为本发明实施例中2014年12月8日纵中截面粮温线云图。
图13为本发明实施例中2014年12月9日纵中截面粮温线云图。
图14为本发明实施例中2014年12月13日纵中截面粮温线云图。
图15为本发明实施例中2014年12月14日纵中截面粮温线云图。
具体实施方式
下面结合附图对本发明做进一步的详细说明,以令本领域技术人员参照说明书文字能够据以实施。
如图1所示,利用现有粮情监测系统数据,特别在沿仓房坐标轴方向成线阵列测温传感器的数据,利用最小二乘法求解关于温度与坐标轴位置关系的一元二次方程的二次项系数A、一次项系数B和常数项系数C,最后通过这些系数特性来分析储粮状态,并对异常进行记录和报警,基于上述理论,本发明提出了一种适用于储粮数字监管的ABC策略方法,主要包括如下步骤:
步骤一、为粮情监测系统增加数字监管模块;原有传感器网络示意图如图2,X、Y、Z轴上分别依次均匀分布m,n,k个传感器,坐标原点为(1.1.1);
步骤二、采集原始网络数据;
步骤三、去除干扰及非正常数据;
步骤四、T(i,j,k,d)表示第d天空间坐标为(i,j,k)的传感器温度值;单个数据线阵点集选取规则为:z,x,y固定任意两个参数,另一个参数依次增加的一系列传感器点;在本实施例中,作为一种优选,点集P(1,1~n,1)表示x值为1,z值为l,y值从1依次增加到n的一系列传感器点{(1,1,1),(1,2,1)…(1,n,l)};同一截面多个线阵点集选取规则是:x,y,z三个参数其中1个参数固定,另2个参数依次增加,平行于XOY平面为SPk,平行于XOZ平面为SHj,平行于YOZ平面为SZi;例如截面SZi,选取点位空间坐标中x值固定在i的所有点,按z值依次分成h个点集,P(i,1~n,1),P(i,1~n,2),…,P(i,1~n,h);
步骤五、利用最小二乘法求解A、B、C以及R2值,并计算D=-B/2A,F=(4AC-B2)/(4A);
在本实施例中,作为一种优选,传感器线阵点集P(i,1~n,k),表示X坐标固定在i,Z坐标固定在k,Y坐标从1依次增加至n的一系列点,选取该点集在d天的粮温数据T(i,j,k,d),j=1,2,3…n,设定粮温与传感器空间位置的拟合函数为:F(i,j,k,d)=A(i,1~n,k,d)j2+B(i,1~n,k,d)j+C(i,1~n,k,d)j=1,2,3…n;拟合函数在空间点(i,j,k)的偏差为εj=T(i,j,k,d)-F(i,j,k,d),为了让拟合函数更好的反映数据点的变化趋势,拟合函数在一系列空间点的偏差和应当达到最小;即达到最小,因此为了求得A(i,1~n,k,d),B(i,1~n,k,d),C(i,1~n,k,d)的值,等式两边分别对A(i,1~n,k,d),B(i,1~n,k,d),C(i,1~n,k,d)求偏导得:
将等式左边化简得:
将等式转变成矩阵形式:
通过解上式矩阵,可求出A(i,1~n,k,d),B(i,1~n,k,d),C(i,1~n,k,d)的值,即可得到粮温拟合函数,为了判断拟合函数拟合程度的好坏,使用可决系数R2来衡量拟合程度的优劣,计算公式如下:
表示拟合函数在空间坐标为(i,j,k)处的传感器的拟合粮温数值;
由二次函数的性质得:
A(i,1~n,k,d)的正负表示函数的开口方向,绝对值大小表示开口大小;
表示函数对称轴的X坐标;
表示函数在对称轴上的值,即为极值;
在本实施例中,对于单个点集P(1,1~n,1),空间坐标为{(1,1,1),(1,2,1)…(1,n,l)},选择传感器点集在d天,d-1天的温度数据利用上式计算出A(i,1~n,k,d),B(i,1~n,k,d),C(i,1~n,k,d)和A(i,1~n,k,d-1),B(i,1~n,k,d-1),C(i,1~n,k,d-1);求 的值,并计算ΔD、ΔF的值;
步骤六、统计分析步骤五中求得的参数值,判断是否符合预设条件,以下分析均建立在R2大于0.5情况下。
1、对A(i,1~n,k,d)而言:
(1)如果A(i,1~n,k,d)绝对值小于Aem,说明该参数对应的传感点集在d天粮温基本一致,判断为无粮或者新进粮,将此类情况标记为WA1;
(2)通过A(i,1~n,k,d)的正负,能判断出粮温在该参数对应的点集处温度分布情况,如果A(i,1~n,k,d)大于零,说明中间粮温低于两侧粮温,属于夏季典型粮温分布,属于‘热皮冷芯’现象;反之,如果A(i,1~n,k,d)小于零,说明出现冬季典型粮温分布,属于‘冷皮热芯’现象;如果A(i,1~n,k,d)值大于Amax(m)值或者小于Amin(m),d天在m月内,m表示月份,m=1~12,说明该参数对应的传感器点集粮温出现异常,将此类情况标记为WA2;
(3)ΔA(d)表示A(i,1~n,k,d)-A(i,1~n,k,d-1),如果ΔA(d)大于ΔAmax,说明该参数对应的传感器点集粮温在d-1天与d天之间发生大幅变动,储粮发生异常移动或发生通风作业,将此类情况标记为WA3;
2、D(i,1~n,k,d)表示对D(i,1~n,k,d)而言:
(1)如果D(i,1~n,k,d)不在Dmin与Dmax之间,说明该参数对应的传感器点集粮温中心轴位置偏离过大,粮情异常,将此类情况标记为WD1;
(2)ΔD(d)表示D(i,1~n,k,d)-D(i,1~n,k,d-1),如果ΔD(d)的绝对值大于ΔDmax,说明该参数对应的传感器点集处储粮发生异常移动或发生通风作业,将此类情况标记为WD2;
3、F(1,1~n,1,d)表示对F(i,1~n,k,d)而言:
(1)如果F(i,1~n,k,d)大于Fmax说明拟合函数粮温极值超过最高安全粮温,将此类情况标记为WF1;
(2)ΔF(d)表示F(i,1~n,k,d)-F(i,1~n,k,d-1),如果ΔF(d)绝对值超过ΔFmax,说明储粮发生异常移动或发生通风作业,将此类情况标记为WF2;
在本实施例中,将异常情况汇总如表1所示;
表1异常情况
以上Aem,Amax(m),Amin(m),ΔAmax,Dmax,Dmin,ΔDmax,Fmax,ΔFmax,均由所在库历史粮温数据统计分析而得;
步骤七、按照步骤四中规定的点集、截面点集选取规则,重复步骤五、步骤六,拟合分析各截面上的各点集,计算各个截面异常比例以及整个粮仓的异常比例;
在本实施例中,作为一种优选,某一截面异常比例计算公式:以截面SZi为例,依次扫描截面SZi的h个点集,i=1,2,3…m,记录出现W异常的数量NSW,异常比例QSi W计算公式为:式中,QSi W表示某一截面W异常所占比例,NSi W表示该截面W异常出现次数,LSi表示该截面点集个数,W表示异常种类,包括WA1,WA2,WA3,WD1,WD2,WF1,WF2,i表示截面编号。
整个粮仓异常比例计算公式:依次扫描SZi截面,i=1,2,3…m,记录出现某种异常情况的数量NAW,异常比例QAw计算公式为QAW表示整仓W异常所占比例,NAW表示整仓W异常出现次数,LA表示整仓点集个数,W表示异常种类,包括WA1,WA2,WA3,WD1,WD2,WF1,WF2;
生成异常报表;
步骤八、审核报表,与人工操作记录对比,排除其中误报的异常;
步骤九、输出报表;
本发明中是以粮库中常见的平房仓为例进行异常分析判定的,同样在本发明中的ABC策略方法也适用于对浅圆仓或立筒仓的储粮数字监管,在这两种类型的粮仓内测温电缆是以一组同心圆的形式均匀分布于粮仓中,每根测温电缆由上而下依次布置h个传感器,将粮仓分成h层传感器组,以旋转剖的方式将传感器网络展开,形成新的与平房仓一致的传感器网络标号,可以利用本发明进行相同策略的分析。
实施例
以黑龙江某粮库为例,粮仓详细信息如下:
粮仓采用钢板结构;其尺寸为长47.5米,宽26米,粮面高6米,仓房高8米,测温电缆共78根,南北方向6根,n=6,间距5米,两侧离墙面0.5米;东西方向13根,m=13,间距3.75米,两侧离墙面1.25米;测温点共分四层,k=4,第一层测温点距粮面高度为0.3米,第四层测温点距底面0.5米,层与层之间相距约1.7米;测温电缆分布如下图3~5所示:
数据起始时间为2014年5月6日,编号为储藏第一天,终止时间为2015年2月6日,编号为储藏第271天,共有271天粮温数据。
步骤一、为粮情监测系统增加数字监管模块。
步骤二、采集原始网络数据;
步骤三、去除干扰及非正常数据;
步骤四、选取截面,按坐标轴方向及粮情传感器排布线阵列划分点集;选取粮仓纵中截面第二层作为分析对象,纵中截面传感器分布示意图6如下:
步骤五、利用最小二乘法拟合纵中截面第二层的粮温函数,求出A、B、C以及R2值,并计算
步骤六、判断A、D、F数值及其变化率是否处于阈值表的正常范围内;
由历史数据统计分析各项阈值如下表2;Amax(m),Amin(m)见表3,m=1~12;
表2各项阈值
Aem | ΔAmax | Dmax | Dmin | ΔDmax | Fmax | ΔFmax | |
阈值 | 0.06 | 0.1 | 4.2 | 2.8 | 0.5 | 20℃ | 0.8℃ |
表3Amax(m)和Amin(m)阈值
如图7~9所示,对于单个点集P(7,1~6,3),利用上文公式计算出纵中截面第二层粮温拟合曲线的A(7,1~6,3),B(7,1~6,3),C(7,1~6,3);Q1,Q2,Q3,Q4,分别代表四种典型异常;4种典型异常储粮日期及各项判断指标如下表4:
表4问题日期各项判断指标数值
由表4和表2,表3可得:
Q1:
2014年5月6日到2014年5月7日,R2>0.5,A值均小于Aem,其它判断指标正常,标记为WA1。
2014年5月8日,R2>0.5,A值小于Aem,标记为WA1,D值大于Dmax标记为WD1异常,ΔD值大于ΔDmax,标记为WD2,其它判断指标正常。
2014年5月9日,R2>0.5,ΔA,D,ΔD,ΔF异常,标记为WA3,WD1,WD2,WF2。
如图10、图11所示,以2014年5月8日和5月9日纵中截面粮温线云图为例:由5月8日粮温线可以看出各层粮温基本一致,说明粮仓该截面处于无粮状态;对比5月8日和5月9日粮温线云图,可以明显看出5月9日纵中截面状态为新入粮。
Q2.1:
2014年7月23日,ΔA异常,标记为WA3。
Q2.2:
2014年9月7日,ΔA,ΔF异常,标记为WA3,WF2。
Q2.3:
2014年12月9日,ΔA,D,ΔD,ΔF异常,标记为WA3,WD1,WD2,WF2。
如图12、图13所示,以2014年12月8日和12月9日纵中截面粮温线云图为例:比较2天粮温线云图可以看出纵中截面第2层粮温明显下降,粮温线形状变动。
Q3:
2014年12月14日,A,ΔA,ΔF异常,标记为WA2,WA3,WF1。
2014年12月13日与12月14日纵中截面粮温线如下图:
比较图14和图15,14日相对于13日粮温大幅下降,第二层两侧降温幅度大于中间部分。
步骤七、按照步骤四中规定的点集、截面点集选取规则,重复步骤五、步骤六,拟合分析各截面上的各点集,计算各个截面异常比例以及整个粮仓的异常比例。某一截面异常比例计算公式:以截面SZi为例,依次扫描截面SZi的h个点集,i=1,2,3…m,记录出现某种异常情况的数量NSi W,异常比例QSi w计算公式为QSi W表示某一截面W异常所占比例,NSi W表示该截面W异常出现次数,LSi表示该截面点集个数,W表示异常种类,i表示截面编号。
整个粮仓异常比例计算公式:依次扫描SZi截面,i=1,2,3…m,记录出现某种异常情况的数量NW,异常比例QAw计算公式为QAW表示整仓W异常所占比例,NAW表示整仓W异常出现次数,LA表示整仓点集个数,W表示异常种类,W为WA1,WA2,WA3,WD1,WD2,WF1,WF2,并生成异常报表。
步骤八、审核报表,与人工操作记录对比,排除其中误报的异常。
步骤九、输出报表。
尽管本发明的实施方案已公开如上,但其并不仅仅限于说明书和实施方式中所列运用,它完全可以被适用于各种适合本发明的领域,对于熟悉本领域的人员而言,可容易地实现另外的修改,因此在不背离权利要求及等同范围所限定的一般概念下,本发明并不限于特定的细节和这里示出与描述的图例。
Claims (6)
1.一种适于储粮数字监管的ABC策略方法,其特征在于,包括如下步骤:
步骤一、确定所述储粮仓储的采样范围、测温点,确定所述采样范围内的测温传感器位置以及所述测温传感器所测试的粮温;
步骤二、建立所述测温传感器位置和所述粮温的拟合函数为:
F(i,j,k,d)=A(i,j,k,d)j2+B(i,j,k,d)j+C(i,j,k,d);
式中,i,j,k分别表示所述测温传感器的位置参数,d表示第d天测试的粮温;
步骤三、计算所述拟合函数在所述测温传感器空间位置的偏差以及使所述偏差和达到最小值时的拟合函数的系数A(i,j,k,d)、B(i,j,k,d)和C(i,j,k,d),并且计算参数D(i,j,k,d)和参数F(i,j,k,d);
其中,
步骤四、对所述系数和所述参数进行判断分析,包括:
当|A(i,j,k,d)|<Aem时,判断为无粮或者新进粮;
当A(i,j,k,d)>Amax(m)或者A(i,j,k,d)<Amin(m)时,判断测试点处的粮情异常;
当ΔA(d)>ΔAmax时,判断测试点处储粮发生异常移动或者发生通风作业;
当D(i,j,k,d)>Dmax或者D(i,j,k,d)<Dmin时,判断测试点处的粮情异常;
当|ΔD(d)|>ΔDmax时,判断测试点处储粮发生异常移动或者发生通风作业;
当F(i,j,k,d)>Fmax时,判断测试点处的粮情异常;
当|ΔF(d)|>ΔFmax时,判断测试点处储粮发生异常移动或者发生通风作业;
其中,Aem,Amax(m),Amin(m),ΔAmax,Dmax,Dmin,ΔDmax,Fmax,ΔFmax分别为设定值;式中,ΔA(d)=A(i,j,k,d)-A(i,j,k,d-1),ΔD(d)=D(i,j,k,d)-D(i,j,k,d-1),ΔF(d)=F(i,j,k,d)-F(i,j,k,d-1);
步骤五、对所述步骤四中出现的异常情况进行汇总,分别计算在粮仓中某一截面的异常比例和整个粮仓的异常比例并将数据进行输出。
2.如权利要求1所述的适于储粮数字监管的ABC策略方法,其特征在于,在所述步骤一中,对单个测试方向测试点的数据选择过程包括:
分别确定第一方向、第二方向和第三方向;其中,所述第一方向、所述第二方向和所述第三方向分别相互垂直;
在所述第一方向、所述第二方向和所述第三方向中分别确定位置参数,固定任意两个方向的参数,将另一个方向的参数依次增加作为测试点进行测试。
3.如权利要求2所述的适于储粮数字监管的ABC策略方法,其特征在于,在所述步骤一中,对单个测试面中测试点的数据选择过程包括:
确定采样范围内的第一方向、第二方向和第三方向,由所述第一方向和所述第二方向组成第一平面,所述第一方向和所述第三方向组成第二平面,由所述第二方向和所述第三方向组成第三平面;其中,所述第一方向、所述第二方向和所述第三方向分别相互垂直,所述第一平面、所述第二平面和所述第三平面分别相互垂直;
在所述第一方向、所述第二方向和所述第三方向中分别确定位置参数,固定任意一个方向的参数,确定其余两个方向中的一个方向的全部参数,将剩余的一个方向的参数依次增加作为测试点进行测试。
4.如权利要求3所述的适于储粮数字监管的ABC策略方法,其特征在于,在所述步骤三中确定所述系数采用最小二乘法。
5.如权利要求4所述的适于储粮数字监管的ABC策略方法,其特征在于,在所述步骤五中,某一截面的异常比例计算过程为
式中,QSi W表示某一截面异常所占比例,NSi W表示该截面异常出现次数,LSi表示该截面点集个数,W表示异常种类,i表示截面编号。
6.如权利要求5所述的适于储粮数字监管的ABC策略方法,其特征在于,在所述步骤五中,整个粮仓的异常比例计算过程为
式中,QAW表示整仓异常所占比例,NAW表示整仓异常出现次数,LA表示整仓点集个数,W表示异常种类。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810572534.XA CN108764802B (zh) | 2018-06-06 | 2018-06-06 | 一种适于储粮数字监管的abc策略方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810572534.XA CN108764802B (zh) | 2018-06-06 | 2018-06-06 | 一种适于储粮数字监管的abc策略方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108764802A true CN108764802A (zh) | 2018-11-06 |
CN108764802B CN108764802B (zh) | 2021-05-25 |
Family
ID=64000011
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810572534.XA Active CN108764802B (zh) | 2018-06-06 | 2018-06-06 | 一种适于储粮数字监管的abc策略方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108764802B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110631721A (zh) * | 2019-09-20 | 2019-12-31 | 辽宁省粮食科学研究所 | 一种基于粮情大数据的粮仓保温性判断方法 |
CN110686371A (zh) * | 2019-10-24 | 2020-01-14 | 辽宁省粮食科学研究所 | 一种基于温度场云图的粮仓空调自动控温方法 |
CN110704512A (zh) * | 2019-10-22 | 2020-01-17 | 吉林大学 | 一种基于历史粮情数据的粮仓通风时段判断方法 |
CN110766791A (zh) * | 2019-10-31 | 2020-02-07 | 吉林大学 | 一种粮仓信息的三维云图生成方法 |
CN111512798A (zh) * | 2020-04-20 | 2020-08-11 | 湖州市储备粮管理有限公司 | 一种仓外制冷控温的粮仓以及控温方法 |
CN113303107A (zh) * | 2021-05-24 | 2021-08-27 | 中国储备粮管理集团有限公司吉林分公司 | 一种粮仓内环流均温通风系统及控制方法 |
CN114113216A (zh) * | 2020-08-26 | 2022-03-01 | 宝山钢铁股份有限公司 | 带钢板卷库结露预警方法 |
CN116773046A (zh) * | 2023-08-21 | 2023-09-19 | 中储粮成都储藏研究院有限公司 | 一种基于粮仓温度的发热判定方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4699519A (en) * | 1985-04-08 | 1987-10-13 | Performance Technology, Inc. | Grain temperature monitor |
CN102176274A (zh) * | 2011-02-14 | 2011-09-07 | 国家粮食局科学研究院 | 粮情报警系统、粮情控制系统及粮堆安全状态判别方法 |
CN104007776A (zh) * | 2014-05-23 | 2014-08-27 | 国家粮食局科学研究院 | 一种基于温度湿度场耦合的粮堆结露预警防控系统及方法 |
CN104737707A (zh) * | 2015-03-04 | 2015-07-01 | 江苏大学 | 一种联合收获机清选含杂率自适应控制装置及自适应清洗方法 |
CN204965121U (zh) * | 2015-09-29 | 2016-01-13 | 吉林省粮油科学研究设计院 | 基于三维激光扫描的粮食仓储智能监控系统 |
CN108040622A (zh) * | 2017-12-15 | 2018-05-18 | 天津市明伦电子技术股份公司 | 储粮仓降温通风控制系统及其方法 |
-
2018
- 2018-06-06 CN CN201810572534.XA patent/CN108764802B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4699519A (en) * | 1985-04-08 | 1987-10-13 | Performance Technology, Inc. | Grain temperature monitor |
CN102176274A (zh) * | 2011-02-14 | 2011-09-07 | 国家粮食局科学研究院 | 粮情报警系统、粮情控制系统及粮堆安全状态判别方法 |
CN104007776A (zh) * | 2014-05-23 | 2014-08-27 | 国家粮食局科学研究院 | 一种基于温度湿度场耦合的粮堆结露预警防控系统及方法 |
CN104737707A (zh) * | 2015-03-04 | 2015-07-01 | 江苏大学 | 一种联合收获机清选含杂率自适应控制装置及自适应清洗方法 |
CN204965121U (zh) * | 2015-09-29 | 2016-01-13 | 吉林省粮油科学研究设计院 | 基于三维激光扫描的粮食仓储智能监控系统 |
CN108040622A (zh) * | 2017-12-15 | 2018-05-18 | 天津市明伦电子技术股份公司 | 储粮仓降温通风控制系统及其方法 |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110631721A (zh) * | 2019-09-20 | 2019-12-31 | 辽宁省粮食科学研究所 | 一种基于粮情大数据的粮仓保温性判断方法 |
CN110704512A (zh) * | 2019-10-22 | 2020-01-17 | 吉林大学 | 一种基于历史粮情数据的粮仓通风时段判断方法 |
CN110704512B (zh) * | 2019-10-22 | 2022-05-24 | 吉林大学 | 一种基于历史粮情数据的粮仓通风时段判断方法 |
CN110686371B (zh) * | 2019-10-24 | 2021-03-26 | 辽宁省粮食科学研究所 | 一种基于温度场云图的粮仓空调自动控温方法 |
CN110686371A (zh) * | 2019-10-24 | 2020-01-14 | 辽宁省粮食科学研究所 | 一种基于温度场云图的粮仓空调自动控温方法 |
CN110766791A (zh) * | 2019-10-31 | 2020-02-07 | 吉林大学 | 一种粮仓信息的三维云图生成方法 |
CN110766791B (zh) * | 2019-10-31 | 2021-04-02 | 吉林大学 | 一种粮仓信息的三维云图生成方法 |
CN111512798A (zh) * | 2020-04-20 | 2020-08-11 | 湖州市储备粮管理有限公司 | 一种仓外制冷控温的粮仓以及控温方法 |
CN111512798B (zh) * | 2020-04-20 | 2023-10-24 | 湖州市储备粮管理有限公司 | 一种仓外制冷控温的粮仓以及控温方法 |
CN114113216A (zh) * | 2020-08-26 | 2022-03-01 | 宝山钢铁股份有限公司 | 带钢板卷库结露预警方法 |
CN114113216B (zh) * | 2020-08-26 | 2023-10-13 | 宝山钢铁股份有限公司 | 带钢板卷库结露预警方法 |
CN113303107A (zh) * | 2021-05-24 | 2021-08-27 | 中国储备粮管理集团有限公司吉林分公司 | 一种粮仓内环流均温通风系统及控制方法 |
CN113303107B (zh) * | 2021-05-24 | 2022-07-19 | 中国储备粮管理集团有限公司吉林分公司 | 一种粮仓内环流均温通风系统及控制方法 |
CN116773046A (zh) * | 2023-08-21 | 2023-09-19 | 中储粮成都储藏研究院有限公司 | 一种基于粮仓温度的发热判定方法 |
CN116773046B (zh) * | 2023-08-21 | 2023-11-07 | 中储粮成都储藏研究院有限公司 | 一种基于粮仓温度的发热判定方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108764802B (zh) | 2021-05-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108764802A (zh) | 一种适于储粮数字监管的abc策略方法 | |
US7523016B1 (en) | Detecting anomalies | |
Yang et al. | A novel model-based fault detection method for temperature sensor using fractal correlation dimension | |
CN107544477A (zh) | 基于核主元分析的非线性工业过程故障检测方法 | |
CN109858140B (zh) | 一种基于信息熵离散型贝叶斯网络冷水机组故障诊断方法 | |
CN108805501A (zh) | 一种基于相关性统计的粮仓储粮状态监管方法 | |
Zhou et al. | Anomaly detection method of daily energy consumption patterns for central air conditioning systems | |
CN108710689A (zh) | 一种风电场气象数据管理系统及方法 | |
CN102339347A (zh) | 用于技术系统的计算机辅助分析的方法 | |
CN116541678A (zh) | 一种气站安全管道压力监测方法、装置 | |
CN115185012A (zh) | 管道堵塞预警系统 | |
CN113029234B (zh) | 用于数据中心的机房温湿度环境检测方法及系统 | |
CN116398868B (zh) | 一种基于火电站炉管虚拟分区的壁温异常识别方法及系统 | |
Li et al. | Transfer learning strategy for data-driven correction of wind measurement around buildings using cup anemometers | |
CN116703158A (zh) | 一种关于进口食品风险预警的风险评估模型构建方法 | |
CN108122059A (zh) | 一种药品生产企业的生产风险识别的方法及自动预警系统 | |
Hao et al. | Application of visual analytics for thermal state management in large data centres | |
CN110455399A (zh) | 用分布式光纤对建筑结构振动进行全局预警的方法 | |
CN112732773B (zh) | 一种继电保护缺陷数据的唯一性校核方法及系统 | |
CN113327044B (zh) | 一种能量枢纽的协同运行质量分析系统 | |
CN116773046B (zh) | 一种基于粮仓温度的发热判定方法 | |
CN110631721B (zh) | 一种基于粮情大数据的粮仓保温性判断方法 | |
Zhang et al. | Intelligent investigating technology for abnormal operation of wiring terminals of electric energy metering device based on deep learning | |
CN117220417B (zh) | 消费端电负荷动态监测方法及系统 | |
Li et al. | Health Monitoring Framework for Weather Radar Based on Long Short‐Term Memory Network with a Real Case Study |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |