CN109556741B - 一种传感器数据处理方法及一种智能温度传感器 - Google Patents
一种传感器数据处理方法及一种智能温度传感器 Download PDFInfo
- Publication number
- CN109556741B CN109556741B CN201811456128.3A CN201811456128A CN109556741B CN 109556741 B CN109556741 B CN 109556741B CN 201811456128 A CN201811456128 A CN 201811456128A CN 109556741 B CN109556741 B CN 109556741B
- Authority
- CN
- China
- Prior art keywords
- signal
- time
- parameter
- value
- steady
- 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
- G01K—MEASURING TEMPERATURE; MEASURING QUANTITY OF HEAT; THERMALLY-SENSITIVE ELEMENTS NOT OTHERWISE PROVIDED FOR
- G01K1/00—Details of thermometers not specially adapted for particular types of thermometer
- G01K1/02—Means for indicating or recording specially adapted for thermometers
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01K—MEASURING TEMPERATURE; MEASURING QUANTITY OF HEAT; THERMALLY-SENSITIVE ELEMENTS NOT OTHERWISE PROVIDED FOR
- G01K11/00—Measuring temperature based upon physical or chemical changes not covered by groups G01K3/00, G01K5/00, G01K7/00 or G01K9/00
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01K—MEASURING TEMPERATURE; MEASURING QUANTITY OF HEAT; THERMALLY-SENSITIVE ELEMENTS NOT OTHERWISE PROVIDED FOR
- G01K15/00—Testing or calibrating of thermometers
- G01K15/007—Testing
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Testing Or Calibration Of Command Recording Devices (AREA)
Abstract
本发明公开了一种传感器数据处理方法及一种智能温度传感器,属于传感器技术领域。一种传感器数据处理方法,微控制器模块按如下步骤处理数据:读取传感器模块检测到的信号;将所述信号转换为第一信号参数,获得各时间段的第一信号时间积分参数;获得突变时间积分参数;建立包括第一信号参数、第一信号时间积分参数以及突变时间积分参数的多参数组参数;多参数组参数作为过程参数对监测状况进行整体判断,反馈结果。一种智能温度传感器,利用本发明的传感器数据处理方法进行数据处理。本发明通过包括突变时间积分参数在内的多个参数从不同角度体对监测对象的温度状况进行整体判断,大幅度提高了数据输出及显示的稳定性、传感器采集精度,监测结果更加准确。
Description
技术领域
本发明属于传感器技术领域,具体地说,涉及一种传感器数据处理方法及一种智能温度传感器。
背景技术
现阶段,常规传感器一般是采用敏感材料制作成的一种检测装置,能感受到被测量的信息,并能将感受到的信息,按一定规律变换成为电信号或其他所需形式的信息输出,以满足信息的传输、处理、存储、显示、记录和控制等要求。物联网时代已经开始,各种各样的传感器出现,从真实的物理世界提供各种数据资源,有些传感器采集的检测对象信号较强,但信号变化相对较弱,对信号变化检测处理比较困难,一方面传感器测量精度有限,依赖离散性单次采集的物理信号难以分辨较弱信号变化,另一方面,一般现有云平台数据中心获得的传感器信号所反映的早期异常参数并不是异常参数的全部,而是随机的离散样本。例如我国国家电网标准要求向云平台上传的非事件实时数据,一般每5分钟上传一次,但大多数电气隐患的产生往往只是数秒、甚至毫秒级,尤其是非事故时间的早期隐患产生和存在的时间可能更短,每5分钟上传一次随机实时数据,漏失绝大多数早期隐患信息。隐患早期阶段,暂态参数绝大部分时间内为正常数值,早期隐患的异常一般具有统计意义,例如出现频率趋快、数值渐大。
现有传感器技术基于传感器的储存空间、通讯带宽及通讯流量的限制,往往只能对短时段的全体数据计算处理,或者是对长时间的部分随机抽样数据进行处理,很难获得时间足够长的全体数据的大尺度特征信息,或者时间足够短的突发异常信息。
公开号为CN105509815B,公开日为2017年11月21日的中国专利公开了一种基于积分算法的非电量信号采集监测方法,包括以下步骤:设置非电量传感器,将非电量传感器的输出信号,转换还原为非电量信号参数,把非电量信号参数或非电量信号参数变化量对时间进行积分,获得各时间段非电量信号参数进行存储;根据各时间段非电量积分参数对非电量信号参数状况进行判断,并对异常进行监测。该专利将非电量检测转换成非电量积分参数检测,有利于对细小隐患进行累积放大,即在隐患发生的中早期及时发现预警处理,避免隐患严重化,从而避免损失,降低风险。但是,该专利的检测数据过于单一,在复杂环境中应用具有一定的局限性。
发明内容
1、要解决的问题
针对现有部分类型信号较强,但信号变化相对较弱的传感器,很难获得时间足够长的全体数据的大尺度特征信息,即使获得大尺度信息也很难获得有效数据的问题,本发明提供一种传感器数据处理方法,同时提供一种智能温度传感器,通过少量的针对过程的多参数组参数,替代海量的单一原始数据,充分保持各时间阶段全体数据的综合信息,尤其是大尺度特征信息,达到精准监测预警的目的。
2、技术方案
为解决上述问题,本发明采用如下的技术方案。
一种智能传感器数据处理方法,包括传感器模块和微控制器模块;其特征在于,所述微控制器模块按如下步骤处理数据:
S1、读取传感器模块检测到的信号;
S2、将所述信号转换为第一信号参数,所述第一信号参数包括第一信号数值及其产生时间;设定第一信号的基数,把第一信号数值与设定基数的差值或该差值与某一大数值的比值对时间进行积分,获得各时间段的第一信号时间积分参数;
S3、获得突变时间积分参数;所述突变时间积分参数是以突变为时间起止边界的时间段的积分;
设定第一信号参数的稳态基准值带阈,沿时间方向根据各时间段内第一信号参数值与稳态基准值带阈的关系,判断第一信号处于稳态或稳态中的子突变、稳态之间的迁移跃变还是各具体过程;所述突变包括稳态中的子突变和稳态之间的迁移跃变;
S4、建立包括第一信号参数、第一信号时间积分参数以及突变时间积分参数的多参数组参数;
S5、所述多参数组参数作为过程参数对监测状况进行整体判断,反馈结果。
作为优化方案,步骤S3中,在一个稳态中,设定第一信号数值的均值为E,按E的比例设定阈值W,那么E±W为该稳态的稳态基准值带阈;
当第一信号数值的变化量在一半以上的时间稳定单向超出或在一半以上的时间稳定单向低于前一阶段的稳态基准值带阈,则从一个稳态进入另一个新的稳态;
在同一稳态中,第一信号数值超出稳态基准值带阈后又返回的时间段区间为一个子突变。
作为优化方案,步骤S4中,所述多参数组参数包括迁移跃变的相关参数,所述迁移跃变的相关参数为所述迁移跃变的起点时间、持续时长、正负符号、极值、产生序号中的一个或多个。
作为优化方案,步骤S4中,所述多参数组参数包括各个稳态中子突变的相关参数,所述各个稳态中子突变的相关参数包括子突变的起点时间、持续时长、第一信号时间积分参数、正负符号、极值和产生序号中的一个或多个。
一种智能温度传感器,利用一种智能传感器数据处理方法进行数据处理,在步骤S2中,设定所述差值为a,某一大数值为c,b=a/c,c为常数,c的取值范围为103-1012,将所述差值转化为b,再对时间进行积分,获得第一信号时间积分参数。
作为优化方案,步骤S2中,以单位量纲为摄氏度·小时,获得数秒、分钟、小时、日、月、年等各时间段的第一信号时间积分参数,用来与温度数值及其对应时间一起表达传感器信号并不微弱的温度在时间维度的变化发展情况。
3、有益效果
相比于现有技术,本发明的有益效果为:
(1)本发明的一种智能传感器数据处理方法及一种智能温度传感器的控制器模块在处理数据时,在获得各时间段第一信号时间积分参数的基础上,通过构造从一个稳态迁移跃变到后一稳态的迁移跃变过程,以及每个稳态的各个子突变过程,从而捕捉第一信号数值沿时间方向变化的每一个渐变过程和突变过程,并生成从每个具体过程起始时间开始的,具体迁移跃变时长或子突变时长为时间段长度的积分参数,即突变时间积分参数。通过构造包括第一信号参数、第一信号时间积分参数以及突变时间积分参数的多参数组参数,多参数组参数能够从不同角度体现检测对象的综合信息。
本发明并不机械地依赖第一信号对时间进行积分,扩大时间范围提高监测精度,而是通过相关的多个参数或组合从不同角度体现各种特征,通过多参数组参数对监测状况进行监测对象的整体情况进程判断,大幅度提高了采集精度,监测结果更加准确。
(2)对于信号较强、信号数值加大的传感器数据,例如温度传感器采集的信号数值已经较强较大,进行积分计算并不简洁直观,反而复杂,更不用说对于日、月、乃至年以上的时间积分参数,因此,我们通过一个在103-1012范围内的常数c将a转化为b进行积分,不仅简化运算,利于数据存储反映的结果也更加直观,实践表明,c取106时,利于数据存储,反映的结果也更加直观。
另一方面,本发明中也选择采用具有一定宏观尺度的时间尺度单位——小时,作为基本时间尺度获得时间积分参数,例如温度传感器,优选获得以小时为基本时间尺度的第一信号时间积分参数,其单位量纲为摄氏度·时,其有益效果类同日常用电量的基本单位电度——千瓦·时。
(3)本发明的多参数组参数还包括迁移跃变以及子突变这些突变的相关参数,掌握突变的起始时间,突变存在的时长;通过突变过程的第一信号时间积分、极值等参数表达具体突变的整体程度;通过子突变跳变的正负符号表达跳变的上升或下降属性,通过某个长时间段内各个子突变跳变的正负符号的分时分布表达检测对象的宏观振荡特性。
附图说明
图1为本发明微控制器处理数据流程图。
具体实施方式
下面结合附图和具体实施例对本发明进行详细描述。
实施例1
一种智能传感器数据处理方法,包括传感器模块和微控制器模块;如图1所示,微控制器模块按如下步骤处理数据:
S1、读取温度传感器检测到的信号;
S2、将信号转换为第一信号参数,所述第一信号参数包括第一信号数值及其产生时间;根据实际需要设定基数,如,机房环境中可以设定基数范围为0-35°,0-35°为国标规定的机房开机时的温度范围,把第一信号数值与设定基数的差值对时间进行积分,获得各时间段的第一信号时间积分参数;第一信号时间积分参数包括第一信号时间积分产生的时间。如果差值太大,可以选择该差值与某一大数值的比值对时间进行积分,获得各时间段的第一信号时间积分参数。
S3、获得突变时间积分参数;所述突变时间积分参数是以突变为时间起止边界的时间段的积分;
具体来说,稳态基准值带阈、稳态、子突变和迁移跃变按如下方法确定:
在一个稳态中,设定第一信号数值的均值为E,E可以是平均值,也可以是其他均值;按E的比例设定阈值W,那么E±W为该稳态的稳态基准值带阈。对于E值的确定,不需要监测完整个稳态,一个稳态很可能持续一个月、一年或者多年以上的时间,那么为了尽快确定E值,我们可以选取一天的第一信号数值的均值作为E;W根据实际需要以及测量精度来选取,一般可以在E的10%-80%范围内选取,例如,有时为了提高测量精度,可以选取E的10%,但要根据实际使用的传感器来具体确定这个比例。本专利所述稳态具有大多数(一般50%以上)时间值第一信号数值在稳态基准值带阈范围内,瞬间或短时间第一信号数值在数值超出基准带阈范围,但能很快返回到稳态基准值带阈;当第一信号数值的变化量在一半以上的时间稳定单向超出或在一半以上的时间稳定单向低于前一阶段的稳态基准值带阈,则从一个稳态进入另一个新的稳态;在同一稳态中,第一信号数值超出稳态基准值带阈后又返回的时间段区间为一个子突变。此外,根据实际需要,子突变之间的迁移跃变也可作为突变;
S4、建立包括第一信号参数、第一信号时间积分参数以及突变时间积分参数的多参数组参数;
S5、多参数组参数作为过程参数对监测状况进行整体判断,反馈结果。
通过多参数组的时间参数,可具体掌握监测对象发生相关突变的开始时间、延续时长;通过其他具体参数可判断各突变的具体变化程度、发展趋势,及时反馈准确的结果。例如,外界条件的变化会产生一定时间的突变,但随着相关外界条件消失,又会回到原稳态,当我们监测到这一过程,就可以根据这个过程结合实际情况进行预判。又如,当我们规律性地检测到温度在每天的相同时间发生子突变跃变,那么就可以将这个子突变进行分析,做出合理预警。
本实施例采用的智能传感器数据处理方法,并不机械地依赖第一信号对时间进行积分,扩大时间范围提高传感器监测精度。第一信号数值变化具有渐变和突变,通常在数小时或数日或数月长时间渐变阶段或过程形成的积分参数值,可能会小于甚至远小于几秒钟或几分钟极短时间突变阶段内形成的积分参数值。如果不加分辨地把渐变阶段和突变阶段的积分参数混合在一起,就必然抹掉渐变阶段和突变阶段各自的特征信息,实用意义大幅降低。本发明通过构造从一个稳态迁移跃变到其后一稳态的迁移跃变过程,以及每个稳态的各个子突变过程,从而捕捉到突变时间积分参数并加以利用,建立包括第一信号参数、第一信号时间积分参数以及突变时间积分参数的多参数组参数。
单一参数一般只体现为检测对象的具体某一特征,一般敏感材料传感器单次采集的第一信号数值通常直接体现为最主要的特征参数,但也避免不了太过单一和片面,增加其它相关参数会就能多角度增加传感器的实际效果。本实施例构造了包括第一信号参数、第一信号时间积分参数以及突变时间积分参数的多参数组参数,通过相关的多个参数或组合从不同角度体现各种特征,从而构成足以体现检测对象综合特征的多参数组。通过多参数组参数对监测状况进行整体判断,大幅度提高了传感器采集精度,监测结果更加准确。
本发明在早期隐患监测预警中具有显著的实际效果,早期隐患具有信号微弱、变化缓慢、实时数据量大等特点,尽管这些长时间缓慢变化的海量数据中隐藏着各种信息需要表达,但绝大部分信息是低效重复的,既没有本地大量储存的价值,也没有占用大容量公网带宽及流量资源上传到云平台的价值。本发明通过细分的各个迁移跃变过程或子突变过程的第一信号时间积分参数,把微弱信号转变成容易观察的足够大信号,这是一种大数据处理方式,实现对微弱信号及其变化的放大效应,从而大幅度提高传感器精度。本发明沿着时间方向化繁为简,把第一信号海量数据转化为在依次连续的稳态及其各个子突变、稳态间的迁移跃变等过程场景,通过数据量很少但表达内容丰富的多参数组从多角度全方位表达各个具体过程场景的综合特征。本发明大幅度降低有效数据容量,在以渐变为主的早期隐患阶段,可能连续多日仅有几个稳态过程场景的依次产生,甚至仍处于同一稳态阶段,这几日的第一信号数据总量可能几十兆甚至几百兆,但有效数据可能只是一个仍在延续的稳态及其几个子突变的多参数组参数,数据容量可能只有几十或上百字节数目,但足以清楚表达这几日的监测对象状况和变化情况。把数据海量第一信号数据向数据量极少的多参数组轻量级数据的边缘侧处理转换,大幅度提高了对机房进行早期隐患监测预警实际效果。
实施例2
本实施例与实施例1的方案基本相同,区别在于:
多参数组参数还包括迁移跃变和各个稳态中子突变的相关参数,迁移跃变的相关参数为所述迁移跃变的起点时间、持续时长、正负符号、极值、产生序号中的一个或多个;各个稳态中子突变的相关参数包括子突变的起点时间、持续时长、第一信号时间积分参数、正负符号、极值和产生序号中的一个或多个,对于机房用温度预警系统,多参数组参数还可以包括各个温度传感器对应的机房中服务器编号。
从前一稳态迁移跃变到下一稳态的迁移跃变过程持续的时间为迁移跃变时长,迁移跃变产生的开始时间为该迁移跃变的起点时间,该迁移跃变所在时间段内第一信号对时间的积分,形成该迁移跃变的第一信号时间积分,该迁移跃变第一信号数值大于E+W,为正迁移跃变,该迁移跃变第一信号数值小于E-W,为负迁移跃变,该迁移跃变为正迁移跃变时第一信号的最大值或为负迁移跃变时的最小值为该迁移跃变的极值,一个迁移跃变的起点时间、持续时长、第一信号时间积分、正负符号、极值和产生序号等,其中的两个或多个构成该迁移跃变的多参数组,该多参数组还可扩展包括与该迁移跃变相关的其它参数;
第一信号数值在数值超出基准带阈范围,经过一段时间后才返回到稳态基准值带阈,为该稳态的一个子突变或子突变跳变,一个稳态可包含多个子突变,这段时间为该子突变持续时长,子突变形成时的时间为该子突变的起点时间,该子突变所在时间段内第一信号对时间的积分,形成该子突变的第一信号时间积分,该子突变第一信号数值大于E+W,为正子突变,该子突变第一信号数值小于E-W,为负子突变,该子突变为正子突变时第一信号的最大值或为负子突变时的最小值为该子突变的极值,一个子突变的起点时间、持续时长,第一信号时间积分参数、正负符号、极值和产生序号等,其中的两个或多个构成该子突变的多参数组,该多参数组还可扩展包括与该子突变相关的其它参数;
本发明通过沿时间方向连续采集众多第一信号数据,分析获得在各时间段内第一信号的连续变化过程情况,监测是否产生突变——稳态的迁移跃变或稳态内部的子突变跳变,掌握突变的起始时间,突变存在的时长;通过突变过程的第一信号时间积分、极值等参数表达具体突变的整体程度;通过子突变跳变的正负符号表达跳变的上升或下降属性,通过某个长时间段内各个子突变跳变的正负符号的分时分布表达检测对象的宏观振荡特性。例如,某次采集的度单个数据,可能意义不明确不具备实用性,但增加采集时间、服务器编号作为相关参数,就会让人清楚知道是某时某个服务器的温度相关参数。
本发明能够将传感器单次采集转变成沿时间方向的多次连续采集,形成基于第一信号的多参数数据,通过对多参数数据的分析处理,从而可获得潜藏的众多特征。分别通过相关的多个参数或相互的组合从不同角度体现各种特征,从而构成体现检测对象综合特征的多参数组。
实施例3
一种温度传感器,利用实施例2的智能传感器数据处理方法进行数据处理,区别仅在于,在步骤S2中,设定差值为a,某一大数值为c,b=a/c,c为常数,c的取值范围为103-1012,将差值转化为b,再对时间进行积分,获得第一信号时间积分参数。采用单位量纲为摄氏度·小时,获得以数秒、分钟、小时、日、月各时间段的第一信号时间积分参数。
拿机房温度环境来举例,温度传感器采集的数值一般在10-35°这个数值范围上下波动,对于一年、乃至几年以上时间的积分,产生的数据并不能很直观地反映结果,因此,我们通过b=a/c,将a转化为b进行积分,实践表明,尤其当c取106时,利于数据存储,反映的结果也更加直观。
另一方面,本发明中针对传感器信号较强的参数,也选择采用具有一定宏观尺度的时间尺度单位——小时,作为基本时间尺度的时间积分参数,例如温度传感器,优选获得以小时为基本时间尺度的第一信号时间积分参数,其单位量纲为摄氏度·时,其有益效果类同日常用电量的基本单位电度——千瓦·时。
Claims (6)
1.一种传感器数据处理方法,包括传感器模块和微控制器模块;其特征在于,所述微控制器模块按如下步骤处理数据:
S1、读取传感器模块检测到的信号;
S2、将所述信号转换为第一信号参数,所述第一信号参数包括第一信号数值及其产生时间;设定第一信号的基数,把第一信号数值与设定基数的差值或该差值与某一大数值的比值对时间进行积分,获得各时间段的第一信号时间积分参数;
S3、获得突变时间积分参数;所述突变时间积分参数是以突变为时间起止边界的时间段的积分;
设定第一信号参数的稳态基准值带阈,沿时间方向根据各时间段内第一信号数值与稳态基准值带阈的关系,判断第一信号处于稳态或稳态中的子突变、稳态之间的迁移跃变还是各具体过程;所述突变包括稳态中的子突变和稳态之间的迁移跃变;
S4、建立包括第一信号参数、第一信号时间积分参数以及突变时间积分参数的多参数组参数;
S5、所述多参数组参数作为过程参数对监测状况进行整体判断,反馈结果。
2.根据权利要求1所述的一种传感器数据处理方法,其特征在于,步骤S3中,在一个稳态中,设定第一信号数值的均值为E,按E的比例设定阈值W,那么E±W为该稳态的稳态基准值带阈;
当第一信号数值的变化量在一半以上的时间稳定单向超出或在一半以上的时间稳定单向低于前一阶段的稳态基准值带阈,则从一个稳态进入另一个新的稳态;
在同一稳态中,第一信号数值超出稳态基准值带阈后又返回的时间段区间为一个子突变。
3.根据权利要求2所述的一种传感器数据处理方法,其特征在于,步骤S4中,所述多参数组参数包括迁移跃变的相关参数,所述迁移跃变的相关参数为所述迁移跃变的起点时间、持续时长、正负符号、极值、产生序号中的一个或多个。
4.根据权利要求2所述的一种传感器数据处理方法,其特征在于,步骤S4中,所述多参数组参数包括各个稳态中子突变的相关参数,所述各个稳态中子突变的相关参数包括子突变的起点时间、持续时长、第一信号时间积分参数、正负符号、极值和产生序号中的一个或多个。
5.一种智能温度传感器,利用权利要求1所述的一种智能传感器数据处理方法进行数据处理,其特征在于,在步骤S2中,设定所述差值为a,某一大数值为c,b=a/c,c为常数,c的取值范围为103-1012,将所述差值转化为b,再对时间进行积分,获得第一信号时间积分参数。
6.根据权利要求5所述的一种智能温度传感器,其特征在于,步骤S2中,采用单位量纲为摄氏度.小时,获得以数秒、分钟、小时、日、月各时间段的第一信号时间积分参数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811456128.3A CN109556741B (zh) | 2018-11-30 | 2018-11-30 | 一种传感器数据处理方法及一种智能温度传感器 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811456128.3A CN109556741B (zh) | 2018-11-30 | 2018-11-30 | 一种传感器数据处理方法及一种智能温度传感器 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109556741A CN109556741A (zh) | 2019-04-02 |
CN109556741B true CN109556741B (zh) | 2020-08-28 |
Family
ID=65868328
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811456128.3A Active CN109556741B (zh) | 2018-11-30 | 2018-11-30 | 一种传感器数据处理方法及一种智能温度传感器 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109556741B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110410994A (zh) * | 2019-07-01 | 2019-11-05 | 广东美的暖通设备有限公司 | 温度反馈方法、装置、温度控制系统及可读存储介质 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4543633A (en) * | 1980-05-07 | 1985-09-24 | Crane Co. | Modulator for anti-skid braking system |
JP2005242534A (ja) * | 2004-02-25 | 2005-09-08 | Foundation For The Promotion Of Industrial Science | 情報提供システムおよびデータ生成装置 |
CN101553716A (zh) * | 2005-10-11 | 2009-10-07 | 艾科嘉公司 | 热预测管理模型 |
CN101969230B (zh) * | 2010-10-18 | 2014-09-10 | 吕纪文 | 一种供电回路监控装置及系统 |
CN102288818A (zh) * | 2011-05-12 | 2011-12-21 | 航天科工深圳(集团)有限公司 | 一种分体式的测量方法及分体式配电终端 |
CN102279056B (zh) * | 2011-05-18 | 2013-07-17 | 王斌 | 一种时间-温度指示剂及其制备方法 |
CN102606326B (zh) * | 2012-04-01 | 2014-09-10 | 潍柴动力股份有限公司 | 一种确定喷油器发生故障的方法及系统 |
CN104107042A (zh) * | 2014-07-10 | 2014-10-22 | 杭州电子科技大学 | 基于粒子群优化-支持向量机的肌电信号步态识别方法 |
CN106773676B (zh) * | 2016-11-30 | 2019-12-24 | 浙江中控软件技术有限公司 | 用于化工过程的激励信号的生成方法和装置 |
-
2018
- 2018-11-30 CN CN201811456128.3A patent/CN109556741B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN109556741A (zh) | 2019-04-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101713997B (zh) | 风力涡轮机的状态监测方法和系统 | |
US11493023B2 (en) | Wind turbine control method and device, controller, and control system | |
CN116800517A (zh) | 一种基于数据分析的数据采集智能管理系统 | |
CN109556741B (zh) | 一种传感器数据处理方法及一种智能温度传感器 | |
CN112504511A (zh) | 一种发电机定子温度监测方法、装置及介质 | |
CN106405280B (zh) | 一种智能变电站在线监测参数趋势预警方法 | |
CN114444738B (zh) | 一种电气设备保养周期生成方法 | |
CN112907064A (zh) | 基于自适应窗的电量预测方法、装置、存储介质及终端 | |
CN109374686B (zh) | 一种气体传感器 | |
CN111917114B (zh) | 一种适用于嵌入式平台的电力负荷事件检测方法 | |
CN109556649B (zh) | 一种智能传感器的信号采集监测方法 | |
CN116914917A (zh) | 一种基于大数据的配电柜运行状态监测管理系统 | |
CN108008183B (zh) | 一种电量测量方法、系统、设备及计算机存储介质 | |
CN116345677A (zh) | 一种基于人工智能的低功耗电源监控方法及系统 | |
CN113608953B (zh) | 测试数据生成方法、装置、电子设备及可读存储介质 | |
CN105929464A (zh) | 一种应用于气象监测的系统 | |
CN111625190B (zh) | 一种基于配电特性的电气量存储的实现方法及装置 | |
KR102635460B1 (ko) | 태양광 원격 모니터링 기반 발전량 이상 증상 분석 방법과 장치 | |
CN116502070B (zh) | 一种微型风电机组状态智能监测系统 | |
CN110988783A (zh) | 一种智能电表精度在线监测方法和装置 | |
CN103399206B (zh) | 基于wams的电力系统暂态频率稳定判别方法 | |
CN116778079B (zh) | 一种三维可视化生产管理方法及系统 | |
CN112098867B (zh) | 电池剩余容量、容量显示信息的确定方法及设备、介质 | |
CN109521158B (zh) | 一种可燃气体智能传感器 | |
CN105004915A (zh) | 一种用电设备待机功率测算方法 |
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 |