CN108872029B - 气体浊度处理节点 - Google Patents
气体浊度处理节点 Download PDFInfo
- Publication number
- CN108872029B CN108872029B CN201810992650.7A CN201810992650A CN108872029B CN 108872029 B CN108872029 B CN 108872029B CN 201810992650 A CN201810992650 A CN 201810992650A CN 108872029 B CN108872029 B CN 108872029B
- Authority
- CN
- China
- Prior art keywords
- gas turbidity
- gas
- data
- turbidity
- processing
- 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
- 238000012545 processing Methods 0.000 title claims abstract description 51
- 238000004364 calculation method Methods 0.000 claims abstract description 40
- 230000035945 sensitivity Effects 0.000 claims abstract description 23
- 238000007781 pre-processing Methods 0.000 claims abstract description 19
- 230000008859 change Effects 0.000 claims abstract description 12
- 238000000034 method Methods 0.000 claims abstract description 12
- 238000001514 detection method Methods 0.000 claims abstract description 9
- 238000000605 extraction Methods 0.000 claims description 18
- 238000005070 sampling Methods 0.000 claims description 17
- 239000013598 vector Substances 0.000 claims description 13
- 238000012544 monitoring process Methods 0.000 claims description 12
- 230000005540 biological transmission Effects 0.000 claims description 5
- 230000005856 abnormality Effects 0.000 claims description 3
- 238000012937 correction Methods 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 239000007789 gas Substances 0.000 abstract description 159
- 239000012495 reaction gas Substances 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 5
- 239000002245 particle Substances 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000013618 particulate matter Substances 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000001960 triggered effect Effects 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 1
- 229910002092 carbon dioxide Inorganic materials 0.000 description 1
- 239000001569 carbon dioxide Substances 0.000 description 1
- 238000011109 contamination Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000004907 flux Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000000779 smoke Substances 0.000 description 1
- 239000004071 soot Substances 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Chemical compound O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N2015/0096—Investigating consistence of powders, dustability, dustiness
Landscapes
- Chemical & Material Sciences (AREA)
- Dispersion Chemistry (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明提供气体浊度处理节点，所述气体浊度处理节点包括气体浊度数据采集模块和气体浊度数据预处理模块；所述气体浊度数据采集模块用于获取气体浊度数据；所述气体浊度数据按照采集的时间顺序被按序记录；所述气体浊度数据采集模块包括气体浊度检测模块、气体浊度计算模块、存储器和比较器；所述气体浊度数据预处理模块用于进行气体浊度数据的敏感性处理；所述敏感性处理用于减少数据采集模块采集气体浊度数据的滞后性导致的数据变化过慢，并使得经由敏感性处理后的数据能够更灵敏的反应气体浊度变化。本发明中能够实现气体浊度数据的敏感性及聚类处理，显然气体浊度的自动聚类为后续气体浊度的污染治理提供了一种可靠的指标。
Description
技术领域
本发明涉及环保领域，尤其涉及气体浊度处理节点。
背景技术
在环境研究中，烟尘污染是重要的一环，而烟尘污染中又以亚微米颗粒污染对于人体伤害最明显，因此，有必要对于亚微米颗粒污染进行监控分析。然而现有技术中缺乏对于亚微米颗粒污染的自动监控以及自动分析的相关方案。
此外，由于传感元件的滞后性，使得得到的检测数据无法快速反应烟尘含量的变化，因此，有必要对于数据进行敏感性处理，从而使得得到的检测结果反应更加迅速。
对于亚微米颗粒的污染程度进行聚类有利于根据聚类结果进行后续的污染治理，而现有技术中也没有提供自动聚类的方案。
发明内容
为了解决上述技术问题，本发明提供气体浊度处理节点。
本发明是以如下技术方案实现的：
气体浊度处理节点，所述气体浊度处理节点包括：
气体浊度数据采集模块和气体浊度数据预处理模块；
所述气体浊度数据采集模块用于获取气体浊度数据；所述气体浊度数据按照采集的时间顺序被按序记录；所述气体浊度数据采集模块包括气体浊度检测模块、气体浊度计算模块、存储器和比较器；
所述气体浊度数据预处理模块用于进行气体浊度数据的敏感性处理；所述敏感性处理用于减少数据采集模块采集气体浊度数据的滞后性导致的数据变化过慢，并使得经由敏感性处理后的数据能够更灵敏的反应气体浊度变化。
进一步地，所述气体浊度预处理模块执行下述预处理过程：
对气体浊度数据进行关键信息提取；
对关键信息提取结果进行敏感处理；
对敏感处理结果进行整理输出。
进一步地，所述关键信息提取采用下述公式实现P1(n)＝P1(n-1)×(1-θ)+P(n)×θ，其中，P(n)是第n个采样时刻的气体浊度数据，P1(n-1)是第n-1个采样时刻对应的关键信息提取结果，P1(n)是第n个采样时刻对应的关键信息提取结果，θ是提取算子；
所述预处理采用下述公式实现P2(n)＝P′(n-1)×(1-κ)+[χ×(1+Γ)×P1(n)-χ×P1(n-1)]×κ，其中，P2(n)是第n个采样时刻对应的敏感性校正提取结果，P′(n-1)是第n-1个采样时刻的最终输出结果，κ，χ，Γ均是敏感度处理系数；
所述整理输出采用下述公式实现P′(n)＝P(n)×(1-|P2(n)-P(n)|)+P2(n)×|P2(n)-P(n)|，其中P′(n)是第n个采样时刻的最终输出结果。
进一步地，所述气体浊度检测模块由第一气体浊度检测仪、第二气体浊度检测仪和第三气体浊度检测仪串联构成，所述第一气体浊度检测仪、第二气体浊度检测仪和第三气体浊度检测仪均通过感知光在仪器内部传输过程中的变化来检测气体浊度；
所述第一气体浊度检测仪、第二气体浊度检测仪和第三气体浊度检测仪具备相同的结构；其内部包括光源，在光源出射光传播方向上还设置有光电传感器；所述光电传感器的输出端与高增益运放连接，所述高增益运放与用于将电信号转换为气体浊度的转换器连接，所述转换器与所述气体浊度计算模块连接；所述第一气体浊度检测仪、第二气体浊度检测仪和第三气体浊度检测仪中的光源波长不同。
进一步地，所述气体浊度计算模块包括：
气体浊度获取单元，用于获取第一气体浊度检测仪测得的第一浓度ρ1，第二气体浊度检测仪测得的第一浓度ρ2，第三气体浊度检测仪测得的第一浓度ρ3；
聚类中心计算单元，用于计算第一浓度ρ1、第二浓度ρ2和第三浓度ρ3的聚类中心ρ0；
权重计算单元，用于计算第一浓度ρ1对应的权重值σ1，第二浓度ρ2对应的权重值σ2和第三浓度ρ3对应的权重值σ3；权值的获取函数为
其中|ρ0-ρi|标识浓度与聚类中心的欧氏距离；
计算结果输出单元，用于输出气体浓度计算结果；所述计算结果使用加权平均法得到
进一步地，所述存储器用于存储历次的气体浊度计算结果，所述比较器用于比较最近计算得到的两次气体浊度之间的气体浊度差；若所述气体浊度差的绝对值大于预设的第一阈值，则向服务器发布聚类驱动请求，若所述气体浊度差的绝对值大于预设的第二阈值，则向服务器发布报警指令。
进一步地，所述第一阈值小于所述第二阈值，若所述气体浊度差的绝对值大于预设的第一阈值，则引发服务器对于各个气体浊度监测点处气体浊度的重新采集以及重新聚类；若所述气体浊度差的绝对值大于预设的第二阈值则提示所述气体浊度监测点附近发生异常，向服务器发布报警指令。
在本发明创造的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明创造和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明创造的限制。此外，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”等的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明创造的描述中，除非另有说明，“多个”的含义是两个或两个以上。
在本发明创造的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以通过具体情况理解上述术语在本发明创造中的具体含义。
本发明的有益效果是：
本发明中提供了分布式气体浊度处理节点和服务器构成的气体浊度数据处理系统，所述系统能够实现气体浊度数据的自动控制采集、分布式气体浊度处理节点的自动监控报警、气体浊度数据的敏感性及聚类处理，显然气体浊度的自动聚类为后续气体浊度的污染治理提供了一种可靠的指标。
附图说明
图1是本实施例提供的气体浊度数据预处理模块处理方法流程图；
图2是本实施例提供的气体浊度数据采集模块框图；
图3是本实施例提供的气体浊度计算模块框图；
图4是本实施例提供的气体浊度数据自动聚类方法流程图；
图5是本实施例提供的气体浊度数据自动聚类装置框图；
图6是本实施例提供的服务器结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将对本发明作进一步地详细描述。
本发明实施例提供一种浊度数据处理系统，所述浊度数据处理系统由分布式气体浊度处理节点和服务器构成，所述分布式气体浊度处理节点与所述服务器通信。各气体浊度处理节点响应于所述服务器的指令获取气体浊度数据、进行气体浊度数据预处理并将气体浊度数据预处理结果传输至服务器，所述服务器用于根据得到的气体浊度数据预处理结果进行气体浊度数据聚类处理。
所述气体浊度处理节点包括气体浊度数据采集模块和气体浊度数据预处理模块；
所述气体浊度数据采集模块用于获取气体浊度数据；所述气体浊度数据按照采集的时间顺序被按序记录；
所述气体浊度数据预处理模块用于进行气体浊度数据的敏感性处理；所述敏感性处理用于减少数据采集模块采集气体浊度数据的滞后性导致的数据变化过慢，并使得经由敏感性处理后的数据能够更灵敏的反应气体浊度变化。
所述气体浊度数据预处理模块执行下述处理过程，如图1所示：
S101.对气体浊度数据进行关键信息提取。
所述关键信息提取采用下述公式实现P1(n)＝P1(n-1)×(1-θ)+P(n)×θ，其中，P(n)是第n个采样时刻的气体浊度数据，P1(n-1)是第n-1个采样时刻对应的关键信息提取结果，P1(n)是第n个采样时刻对应的关键信息提取结果，θ是提取算子，其在具体的信息提取过程中是常数，其具体数值可以根据实际情况进行设定。
S102.对关键信息提取结果进行敏感处理。
所述预处理采用下述公式实现P2(n)＝P′(n-1)×(1-κ)+[χ×(1+Γ)×P1(n)-χ×P1(n-1)]×κ，其中，P2(n)是第n个采样时刻对应的敏感性校正提取结果，P′(n-1)是第n-1个采样时刻的最终输出结果，κ，χ，Γ均是敏感度处理系数，其具体数值可以根据实际情况进行设定。
S103.对敏感处理结果进行整理输出。
所述整理输出采用下述公式实现P′(n)＝P(n)×(1-|P2(n)-P(n)|)+P2(n)×|P2(n)-P(n)|，其中P′(n)是第n个采样时刻的最终输出结果。
当然，在n＝1时，P′(n)＝P(n)＝P1(n)＝P2(n)。
具体地，所述气体浊度数据采集模块如图2所示，包括气体浊度检测模块、气体浊度计算模块、存储器和比较器。
所述气体浊度检测模块由第一气体浊度检测仪、第二气体浊度检测仪和第三气体浊度检测仪串联构成，所述第一气体浊度检测仪、第二气体浊度检测仪和第三气体浊度检测仪均通过感知光在仪器内部传输过程中的变化来检测气体浊度。若气体浊度增加，则光源发出的光被气体中的亚微米颗粒的吸收和折射就会增加，仪器内部的光检测器感测的光通量减少。
具体地，所述第一气体浊度检测仪、第二气体浊度检测仪和第三气体浊度检测仪具备相同的结构。其内部包括光源，在光源出射光传播方向上还设置有光电传感器。所述光电传感器的输出端与高增益运放连接，所述高增益运放与用于将电信号转换为气体浊度的转换器连接，所述转换器与所述气体浊度计算模块连接。所述第一气体浊度检测仪、第二气体浊度检测仪和第三气体浊度检测仪中的光源波长不同，在一个可行的实施例中，分别为450nm，500nm，550nm，光电传感器对光谱的响应范围均是400-600nm。本发明实施例中对于光源波长的选用原则在于：在探知气体中亚微米颗粒浓度的同时尽量避免水蒸气和二氧化碳对于光源衰减的影响。
所述气体浊度计算模块如图3所示，包括：
气体浊度获取单元，用于获取第一气体浊度检测仪测得的第一浓度ρ1，第二气体浊度检测仪测得的第一浓度ρ2，第三气体浊度检测仪测得的第一浓度ρ3。
聚类中心计算单元，用于计算第一浓度ρ1、第二浓度ρ2和第三浓度ρ3的聚类中心ρ0。聚类中心的计算方法可以参考现有技术。
权重计算单元，用于计算第一浓度ρ1对应的权重值σ1，第二浓度ρ2对应的权重值σ2和第三浓度ρ3对应的权重值σ3。权值的获取函数为
其中|ρ0-ρi|标识浓度与聚类中心的欧氏距离。
计算结果输出单元，用于输出气体浓度计算结果。所述计算结果使用加权平均法得到
若|ρ0-ρi|＝0，则直接将其对应的ρi作为气体浊度计算单元的计算结果。
计算结果输出单元得到的气体浊度计算结果作为步骤S101的气体浊度数据的数据源。
所述存储器用于存储历次的气体浊度计算结果，所述比较器用于比较最近计算得到的两次气体浊度之间的气体浊度差。若所述气体浊度差的绝对值大于预设的第一阈值，则向服务器发布聚类驱动请求，若所述气体浊度差的绝对值大于预设的第二阈值，则向服务器发布报警指令。
具体地，所述第一阈值小于所述第二阈值，若所述气体浊度差的绝对值大于预设的第一阈值，则引发服务器对于各个气体浊度监测点处气体浊度的重新采集以及重新聚类；若所述气体浊度差的绝对值大于预设的第二阈值则提示所述气体浊度监测点附近发生异常，向服务器发布报警指令。
在与服务器进行交互的过程中，所述气体浊度监测点响应于服务器发布的气体浊度采集指令，开始进行气体浊度的采集。
具体地，所述气体浊度采集指令包括气体浊度采集次数和气体浊度采集时间间隔。响应于所述气体浊度采集指令，所述气体浊度监测点生成一个计数器、一个定时器，所述计数器用于记录采集气体浊度的次数，定时器驱动所述气体浊度监测点采集气体浊度。在每一次得到气体浊度后，将气体浊度值压入气体浊度队列并进行敏感性处理，待敏感性处理完成后，得到由敏感处理结果构成的气体浊度样本向量，并将所述气体浊度样本向量传输至服务器。
所述服务器进行气体浊度数据自动聚类，如图4所示，包括：
S201.获取n个气体浊度处理节点Pi传输的气体浊度样本向量xi构成样本集合。
S202.计算两个样本之间的不相似性，并得到不相似性矩阵R＝{rij}n*n。
S203.初始化类别ω。
具体地，本发明实施例中初始化三个类别，在其它可行的实施例中对于初始化类别不做限定。类别个数在本发明实施例中使用c表示。
S204.获取各个样本对于类别的隶属度。
S205.获取各个样本对于类别的贡献度。
S206.输出基于所述隶属度和贡献度表示的聚类结果。
具体地，所述隶属度以u表示，uik表示样本向量xi对类别ωk的隶属度，所述贡献度以v表示，vkj表示样本向量xj对类别ωk的贡献权重。
隶属度根据公式(一)：
计算，贡献度根据公式(二)：
可见，以样本向量为输入，根据公式(一)和公式(二)进行迭代计算，从而得到各个样本向量对于类别的隶属度和贡献度。公式(一)和公式(二)中的φ和β为与聚类精度有关的常数。
本发明实施例还公开了一种气体浊度数据自动聚类装置，如图5所示，包括：
样本集合获取模块，用于获取n个气体浊度处理节点Pi传输的气体浊度样本向量xi构成样本集合。
不相似性计算模块，用于计算两个样本之间的不相似性，并得到不相似性矩阵。
初始化模块，用于初始化类别。
隶属度计算模块，用于获取各个样本对于类别的隶属度。
贡献度计算模块，用于获取各个样本对于类别的贡献度。
聚类结果输出模块，用于输出基于所述隶属度和贡献度表示的聚类结果。
本发明的装置实施例中与方法实施例基于同样地发明构思。
本发明的实施例还提供了一种存储介质，所述存储介质可用于保存用于实现实施例中需要用到的的程序代码。可选地，在本实施例中，上述存储介质可以位于计算机网络的多个网络设备中的至少一个网络设备。可选地，在本实施例中，上述存储介质可以包括但不限于：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random AccessMemory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
具体地，图6是本发明实施例提供的一种服务器结构示意图，所述服务器结构可以用于运行气体浊度数据自动聚类装置。该服务器800可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上中央处理器(central processing units，CPU)822(例如，一个或一个以上处理器)和存储器832，一个或一个以上存储应用程序842或数据844的存储介质830(例如一个或一个以上海量存储设备)。其中，存储器832和存储介质830可以是短暂存储或持久存储。存储在存储介质830的程序可以包括一个或一个以上模块(图示未示出)，每个模块可以包括对服务器中的一系列指令操作。更进一步地，中央处理器822可以设置为与存储介质830通信，在服务器800上执行存储介质830中的一系列指令操作。服务器800还可以包括一个或一个以上电源826，一个或一个以上有线或无线网络接口850，一个或一个以上输入输出接口858，和/或，一个或一个以上操作系统841，例如Windows ServerTM，MacOS XTM，UnixTM，LinuxTM，FreeBSDTM等等。上述方法实施例所执行的步骤可以基于该图6示的服务器结构。
在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中，应该理解到，所揭露的终端，可通过其它的方式实现。其中，以上所描述的系统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，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。
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，在本发明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。
需要说明的是：上述本发明实施例的先后顺序仅仅为了描述，不代表实施例的优劣。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (1)
1.气体浊度处理节点，其特征在于，所述气体浊度处理节点响应于服务器的指令获取气体浊度数据、进行气体浊度数据预处理并将气体浊度数据预处理结果传输至服务器，所述服务器用于根据得到的气体浊度数据预处理结果进行气体浊度数据聚类处理；
所述气体浊度处理节点包括气体浊度数据采集模块和气体浊度数据预处理模块；
所述气体浊度数据采集模块用于获取气体浊度数据；所述气体浊度数据按照采集的时间顺序被按序记录；
所述气体浊度数据预处理模块用于进行气体浊度数据的敏感性处理；所述敏感性处理用于减少数据采集模块采集气体浊度数据的滞后性导致的数据变化过慢，并使得经由敏感性处理后的数据能够更灵敏的反应气体浊度变化；
所述气体浊度数据预处理模块执行下述处理过程：
S101.对气体浊度数据进行关键信息提取，所述关键信息提取采用下述公式实现P1(n)＝P1(n-1)×(1-θ)+P(n)×θ，其中，P(n)是第n个采样时刻的气体浊度数据，P1(n-1)是第n-1个采样时刻对应的关键信息提取结果，P1(n)是第n个采样时刻对应的关键信息提取结果，θ是提取算子，其在具体的信息提取过程中是常数；
S102.对关键信息提取结果进行敏感处理，所述预处理采用下述公式实现P2(n)＝P′(n-1)×(1-κ)+[χ×(1+Γ)×P1(n)-χ×P1(n-1)]×κ，其中，P2(n)是第n个采样时刻对应的敏感性校正提取结果，P′(n-1)是第n-1个采样时刻的最终输出结果，κ，χ，Γ均是敏感度处理系数；
S103.对敏感处理结果进行整理输出，所述整理输出采用下述公式实现P′(n)＝P(n)×(1-|P2(n)-P(n)|)+P2(n)×|P2(n)-P(n)|，其中P′(n)是第n个采样时刻的最终输出结果；
所述气体浊度数据采集模块，包括气体浊度检测模块、气体浊度计算模块、存储器和比较器；
所述气体浊度检测模块由第一气体浊度检测仪、第二气体浊度检测仪和第三气体浊度检测仪串联构成，所述第一气体浊度检测仪、第二气体浊度检测仪和第三气体浊度检测仪均通过感知光在仪器内部传输过程中的变化来检测气体浊度；
所述气体浊度计算模块，包括：
气体浊度获取单元，用于获取第一气体浊度检测仪测得的第一浓度ρ1，第二气体浊度检测仪测得的第一浓度ρ2，第三气体浊度检测仪测得的第一浓度ρ3；
聚类中心计算单元，用于计算第一浓度ρ1、第二浓度ρ2和第三浓度ρ3的聚类中心ρ0；
权重计算单元，用于计算第一浓度ρ1对应的权重值σ1，第二浓度ρ2对应的权重值σ2和第三浓度ρ3对应的权重值σ3；权值的获取函数为
其中|ρ0-ρi|标识浓度与聚类中心的欧氏距离；
计算结果输出单元，用于输出气体浓度计算结果；所述计算结果使用加权平均法得到
计算结果输出单元得到的气体浊度计算结果作为步骤S101的气体浊度数据的数据源；
所述存储器用于存储历次的气体浊度计算结果，所述比较器用于比较最近计算得到的两次气体浊度之间的气体浊度差；若所述气体浊度差的绝对值大于预设的第一阈值，则向服务器发布聚类驱动请求，若所述气体浊度差的绝对值大于预设的第二阈值，则向服务器发布报警指令；若所述气体浊度差的绝对值大于预设的第一阈值，则引发服务器对于各个气体浊度监测点处气体浊度的重新采集以及重新聚类；若所述气体浊度差的绝对值大于预设的第二阈值则提示所述气体浊度监测点附近发生异常，向服务器发布报警指令；
所述服务器进行气体浊度数据自动聚类，包括：
S201.获取n个气体浊度处理节点Pi传输的气体浊度样本向量xi构成样本集合；
S202.计算两个样本之间的不相似性，并得到不相似性矩阵
S203.初始化类别ω；类别个数使用c表示；
S204.获取各个样本对于类别的隶属度；
S205.获取各个样本对于类别的贡献度；
S206.输出基于所述隶属度和贡献度表示的聚类结果；
所述隶属度以u表示，uik表示样本向量xi对类别ωk的隶属度，所述贡献度以v表示，vkj表示样本向量xj对类别ωk的贡献权重；
隶属度根据公式(一)：
计算，贡献度根据公式(二)：
可见，以样本向量为输入，根据公式(一)和公式(二)进行迭代计算，从而得到各个样本向量对于类别的隶属度和贡献度；公式(一)和公式(二)中的φ和β为与聚类精度有关的常数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810992650.7A CN108872029B (zh) | 2018-08-29 | 2018-08-29 | 气体浊度处理节点 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810992650.7A CN108872029B (zh) | 2018-08-29 | 2018-08-29 | 气体浊度处理节点 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108872029A CN108872029A (zh) | 2018-11-23 |
| CN108872029B true CN108872029B (zh) | 2021-06-15 |
Family
ID=64322288
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810992650.7A Active CN108872029B (zh) | 2018-08-29 | 2018-08-29 | 气体浊度处理节点 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108872029B (zh) |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107340364A (zh) * | 2017-05-31 | 2017-11-10 | 北京市环境保护监测中心 | 基于海量大气污染浓度数据的污染空间分析方法及装置 |
Family Cites Families (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101906992A (zh) * | 2010-07-15 | 2010-12-08 | 山东科技大学 | 基于无线传感器网络的矿井粉尘浓度监测系统 |
| CN104263718B (zh) * | 2014-09-26 | 2017-11-24 | 广东体必康生物科技有限公司 | 一种超声波微生物分散方法及装置 |
| CN105004649A (zh) * | 2015-07-30 | 2015-10-28 | 黄克亚 | 一种烟尘浊度测控装置 |
| CN105136637B (zh) * | 2015-09-17 | 2017-10-17 | 深圳代尔夫特电子科技有限公司 | 用于检测空气中的颗粒物的传感器及其制造方法 |
| CN107907504B (zh) * | 2017-10-28 | 2020-04-14 | 东台市凯润精密机械股份有限公司 | 一种环境空气浑浊度检测仪的滤光器采光镜头 |
| CN108195728A (zh) * | 2018-02-01 | 2018-06-22 | 山东诺方电子科技有限公司 | 一种基于多核颗粒物传感器技术的控制系统及其控制方法 |
| CN108333314B (zh) * | 2018-04-02 | 2020-08-25 | 湖南九九智能环保股份有限公司 | 一种空气污染智能监测系统 |
-
2018
- 2018-08-29 CN CN201810992650.7A patent/CN108872029B/zh active Active
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107340364A (zh) * | 2017-05-31 | 2017-11-10 | 北京市环境保护监测中心 | 基于海量大气污染浓度数据的污染空间分析方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108872029A (zh) | 2018-11-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Broadley et al. | Methods for the real-world evaluation of fall detection technology: A scoping review | |
| WO2018140014A1 (en) | Classifying biological samples using automated image analysis | |
| US11875246B2 (en) | Intelligent FODAS system and method based on AI chip | |
| CN109677341A (zh) | 一种车辆信息融合决策方法及装置 | |
| CA2393402A1 (en) | Method and apparatus for rapid particle identification utilizing scattered histogram | |
| CN116434226B (zh) | 循环肿瘤细胞分析仪 | |
| CN117438087A (zh) | 基于健康监测数据分析的健康管理方法及系统 | |
| CN109842682B (zh) | 一种基于物联网的分布式环境安全学习及预警方法 | |
| CN108872029B (zh) | 气体浊度处理节点 | |
| CN116861798B (zh) | 基于XGBoost算法的真空干泵在线实时剩余寿命预测方法 | |
| CN109086835B (zh) | 一种浊度数据处理系统 | |
| CN117213777A (zh) | 一种基于mems边缘计算的桥梁损伤检测方法 | |
| CN116763299A (zh) | 基于可穿戴传感器的跌倒检测系统及方法 | |
| CN115824427A (zh) | 温度校正方法、装置、设备及存储介质 | |
| CN116698283A (zh) | 载荷重心偏移的智能监测系统及其方法 | |
| CN108760595B (zh) | 分布式气体浊度监测点 | |
| CN109269984B (zh) | 浊度自动分类系统 | |
| CN106404016A (zh) | 光纤采样信号的滤波方法及装置、光纤传感系统 | |
| CN116164844A (zh) | 多波段紫外红外复合火焰探测器、其控制方法和电子设备 | |
| CN114970772A (zh) | 用于肺部疾病检测的模型训练方法、设备、装置和介质 | |
| CN114169446A (zh) | 火焰探测器报警方法、装置及火焰探测器 | |
| CN109189927A (zh) | 气体浊度数据自动聚类方法、装置及服务器 | |
| CN111413724B (zh) | 一种cr-39测量氡气辐射浓度的方法、系统及设备 | |
| Garimella et al. | Comparison of Fall Risk Prediction of Patients using Tree Algorithms implemented on a wearable belt | |
| CN112288033B (zh) | 一种全自动荧光免疫分析数据处理方法、系统及装置 |
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 | ||
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20210517 Address after: 311100 room 103, 1st floor, No.18 Yunxi Road, Jiulong village, Renhe street, Yuhang District, Hangzhou City, Zhejiang Province Applicant after: Hangzhou Zhenhong Environmental Technology Co.,Ltd. Address before: 322100 52 Aiguo Road, Wuning street, Dongyang City, Jinhua City, Zhejiang Province Applicant before: Chen Xinning |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |