CN110455503B - 一种紫外线管寿命监测方法及装置 - Google Patents

一种紫外线管寿命监测方法及装置 Download PDF

Info

Publication number
CN110455503B
CN110455503B CN201910755523.XA CN201910755523A CN110455503B CN 110455503 B CN110455503 B CN 110455503B CN 201910755523 A CN201910755523 A CN 201910755523A CN 110455503 B CN110455503 B CN 110455503B
Authority
CN
China
Prior art keywords
ultraviolet
time
monitoring
intensity
life
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
Application number
CN201910755523.XA
Other languages
English (en)
Other versions
CN110455503A (zh
Inventor
张卫东
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Billion Oxygen Environmental Technology (Shanghai) Co.,Ltd.
Original Assignee
Yiyi Environmental Technology Shanghai Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Yiyi Environmental Technology Shanghai Co ltd filed Critical Yiyi Environmental Technology Shanghai Co ltd
Priority to CN201910755523.XA priority Critical patent/CN110455503B/zh
Publication of CN110455503A publication Critical patent/CN110455503A/zh
Application granted granted Critical
Publication of CN110455503B publication Critical patent/CN110455503B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M11/00—Testing of optical apparatus; Testing structures by optical methods not otherwise provided for
    • G01M11/02—Testing optical properties
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/44—Testing lamps

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Photometry And Measurement Of Optical Pulse Characteristics (AREA)

Abstract

本发明涉及一种紫外线管寿命监测方法及装置，其中方法包括：步骤S1：实时监测紫外线管的导通状态并得到累计通电时间，其中，紫外线管每一次导通时的电压相同；步骤S2：实时监测紫外线强度并得到紫外线强度的时间序列；步骤S3：基于得到的紫外线强度的时间序列，以及累计通电时间提取特征量；步骤S4：将特征量输入训练好的第一模型，得到紫外线管的剩余寿命。与现有技术相比，本发明采用紫外线强度和累计通电时间两个指标进行寿命监测，可以反应紫外线管的老化程度，从而提高寿命监测的准确度。

Description

一种紫外线管寿命监测方法及装置
技术领域
本发明涉及一种，尤其是涉及一种紫外线管寿命监测方法及装置。
背景技术
互联网加已经被证实可以给传统行业带来巨大的增益，设备厂商除了设备的销售收入之外，设备的后续配件及保养继续产生收入。
紫外线杀菌技术目前已经被广泛应用，紫外线杀菌技术的核心部件是紫外线管，紫外线管是有使用寿命的，作为一种耗材，如果可以获取紫外线管的后续替换市场，无疑可以增加收入。
而目前由于紫外线管的寿命预测通常都不准确甚至没有，需要用户自己判断，或者拿到售后进行检测，导致了这一块非常混乱，也消磨了消费者的信任。一些现有的改进技术会通过通电时间来确定紫外线管的寿命，这种方式的优点的简单粗暴，并且在绝大多数情况也会相对准确，但是本领域技术人员不应该对此进行满足，因为通电时间并不是确定紫外线管寿命的唯一因素，单一的用通电时间进行寿命监测，并不能很好的反映紫外线管的老化状态。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种紫外线管寿命监测方法及装置。
本发明的目的可以通过以下技术方案来实现：
一种紫外线管寿命监测方法，包括：
步骤S1：实时监测紫外线强度并得到紫外线强度的时间序列，其中，紫外线管每一次导通时的电压相同；
步骤S2：基于得到的紫外线强度的时间序列，以及累计通电时间提取特征量；
步骤S3：将特征量输入训练好的第一模型，得到紫外线管的剩余寿命。
所述特征量为紫外线强度关于时间的积分。
用于第一模型训练的训练集数据的构建过程包括：
步骤A1：获取多组测试数据，其中每组测试数据包括一根同型号紫外线管自首次通电至寿命结束时的紫外线强度的时序信息；
步骤A2：对于每一组测试数据，提取多个特征量，并基于该组测试数据的所有特征量得到各特征量对应的剩余寿命百分比；
步骤A3：将所有特征量及对应的剩余寿命百分比作为训练集数据。
所述步骤A2中剩余寿命百分比通过紫外线强度关于时间的积分占比确定。
一种紫外线管寿命监测装置，包括用于监测紫外线管的导通状态的电流监测单元、用于监测紫外线强度的紫外线传感器，处理器、存储器和程序，处理器分别与电流监测单元、紫外线传感器和存储器连接，所述处理器执行所述程序时实现以下步骤：
步骤S1：实时监测紫外线强度并得到紫外线强度的时间序列，其中，紫外线管每一次导通时的电压相同；
步骤S2：基于得到的紫外线强度的时间序列，以及累计通电时间提取特征量；
步骤S3：将特征量输入训练好的第一模型，得到紫外线管的剩余寿命。
与现有技术相比，本发明具有以下有益效果：
1)采用紫外线强度指标进行寿命监测，可以反应紫外线管的老化程度，从而提高寿命监测的准确度。
2)特征量为紫外线强度关于时间的积分，可以全面利用现有数据，从而更加准确的监测剩余寿命。
附图说明
图1为本发明方法的主要步骤流程示意图；
图2为积分示意图。
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说明。本实施例以本发明技术方案为前提进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。
一种紫外线管寿命监测方法，该方法以计算机程序的形式实现，紫外线管寿命监测装置，包括用于监测紫外线管的导通状态的电流监测单元、用于监测紫外线强度的紫外线传感器，处理器、存储器和程序，处理器分别与电流监测单元、紫外线传感器和存储器连接，紫外线传感器可以采用yitc-uv-5v，如图1所示，处理器执行程序时实现以下步骤：
步骤S1：获取实时监测的紫外线强度并得到紫外线强度的时间序列，其中，紫外线管每一次导通时的电压相同；
步骤S2：基于得到的紫外线强度的时间序列，以及累计通电时间提取特征量；
步骤S3：将特征量输入训练好的第一模型，得到紫外线管的剩余寿命。
本申请的另一个实施例中，紫外线传感器和电流监测单元设置在消毒净化装置内，处理器、存储器和程序位于云服务器中，本地采集数据后上传云服务器，由云服务器进行寿命预测。
其中，特征量为紫外线强度关于时间的积分。
用于第一模型训练的训练集数据的构建过程包括：
步骤A1：获取多组测试数据，其中每组测试数据包括一根同型号紫外线管自首次通电至寿命结束时的紫外线强度的时序信息；
步骤A2：对于每一组测试数据，提取多个特征量，并基于该组测试数据的所有特征量得到各特征量对应的剩余寿命百分比，
其中剩余寿命百分比通过紫外线强度关于时间的积分占比确定，如图2所示，对于点p，其剩余剩余寿命为：
Figure BDA0002168587430000031
其中：S1为阴影部分面积，S2为曲线和坐标轴围成的总面积，图2中的曲线是通过测试数据拟合绘制得到的，每一组测试数据都可以绘制一条曲线。
步骤A3：将所有特征量及对应的剩余寿命百分比作为训练集数据。
具体的，第一模型可以采用卷积神经网络等方式构建，因为可以采用现有的网络结构，因此不再赘述。
测试数据由实际测试得到，实际测试时紫外线传感器和紫外线管的相对位置应当与实际产品中保持一致。

Claims (3)

1.一种紫外线管寿命监测方法，其特征在于，包括：
步骤S1：实时监测紫外线强度并得到紫外线强度的时间序列，其中，紫外线管每一次导通时的电压相同，
步骤S2：基于得到的紫外线强度的时间序列，以及累计通电时间提取特征量，
步骤S3：将特征量输入训练好的第一模型，得到紫外线管的剩余寿命；
用于第一模型训练的训练集数据的构建过程包括：
步骤A1：获取多组测试数据，其中每组测试数据包括一根同型号紫外线管自首次通电至寿命结束时的紫外线强度的时序信息，
步骤A2：对于每一组测试数据，提取多个特征量，并基于该组测试数据的所有特征量得到各特征量对应的剩余寿命百分比，
步骤A3：将所有特征量及对应的剩余寿命百分比作为训练集数据；
所述步骤A2中剩余寿命百分比通过紫外线强度关于时间的积分占比确定；
所述特征量为紫外线强度关于时间的积分。
2.一种紫外线管寿命监测装置，其特征在于，包括用于监测紫外线管的导通状态的电流监测单元、用于监测紫外线强度的紫外线传感器，处理器、存储器和程序，处理器分别与电流监测单元、紫外线传感器和存储器连接，所述处理器执行所述程序时实现以下步骤：
步骤S1：实时监测紫外线强度并得到紫外线强度的时间序列，其中，紫外线管每一次导通时的电压相同；
步骤S2：基于得到的紫外线强度的时间序列，以及累计通电时间提取特征量，
步骤S3：将特征量输入训练好的第一模型，得到紫外线管的剩余寿命；
用于第一模型训练的训练集数据的构建过程包括：
步骤A1：获取多组测试数据，其中每组测试数据包括一根同型号紫外线管自首次通电至寿命结束时的紫外线强度的时序信息，
步骤A2：对于每一组测试数据，提取多个特征量，并基于该组测试数据的所有特征量得到各特征量对应的剩余寿命百分比，
步骤A3：将所有特征量及对应的剩余寿命百分比作为训练集数据；
所述步骤A2中剩余寿命百分比通过紫外线强度关于时间的积分占比确定。
3.根据权利要求2所述的一种紫外线管寿命监测装置，其特征在于，所述特征量为紫外线强度关于时间的积分。
CN201910755523.XA 2019-08-15 2019-08-15 一种紫外线管寿命监测方法及装置 Active CN110455503B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910755523.XA CN110455503B (zh) 2019-08-15 2019-08-15 一种紫外线管寿命监测方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910755523.XA CN110455503B (zh) 2019-08-15 2019-08-15 一种紫外线管寿命监测方法及装置

Publications (2)

Publication Number Publication Date
CN110455503A CN110455503A (zh) 2019-11-15
CN110455503B true CN110455503B (zh) 2021-09-17

Family

ID=68486871

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910755523.XA Active CN110455503B (zh) 2019-08-15 2019-08-15 一种紫外线管寿命监测方法及装置

Country Status (1)

Country Link
CN (1) CN110455503B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112345211B (zh) * 2020-11-04 2023-01-17 北京金和网络股份有限公司 一种紫外线灯更换提醒方法、装置和系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH07265394A (ja) * 1994-03-31 1995-10-17 Okaya Electric Ind Co Ltd 洗浄器
CN101315331A (zh) * 2008-07-23 2008-12-03 北京交通大学 发光真实寿命的测量方法
CN107944190A (zh) * 2017-12-14 2018-04-20 天津工业大学 基于人工神经网络的大功率led灯具寿命预测方法
CN109908378A (zh) * 2019-03-06 2019-06-21 江阴市人民医院 一种紫外线消毒灯及其使用寿命预警装置
CN110062502A (zh) * 2019-04-22 2019-07-26 北京航空航天大学 一种基于机器视觉的led照明灯具在线剩余寿命预测及可靠性评估方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH07265394A (ja) * 1994-03-31 1995-10-17 Okaya Electric Ind Co Ltd 洗浄器
CN101315331A (zh) * 2008-07-23 2008-12-03 北京交通大学 发光真实寿命的测量方法
CN107944190A (zh) * 2017-12-14 2018-04-20 天津工业大学 基于人工神经网络的大功率led灯具寿命预测方法
CN109908378A (zh) * 2019-03-06 2019-06-21 江阴市人民医院 一种紫外线消毒灯及其使用寿命预警装置
CN110062502A (zh) * 2019-04-22 2019-07-26 北京航空航天大学 一种基于机器视觉的led照明灯具在线剩余寿命预测及可靠性评估方法

Also Published As

Publication number Publication date
CN110455503A (zh) 2019-11-15

Similar Documents

Publication Publication Date Title
CN109543943B (zh) 一种基于大数据深度学习的电价稽查执行方法
CN105071983B (zh) 一种面向云计算在线业务的异常负载检测方法
CN111309539A (zh) 一种异常监测方法、装置和电子设备
CN110738346A (zh) 一种基于威布尔分布的批次电能表可靠度预测方法
CN110827094A (zh) 广告投放的反作弊方法及系统
CN103530347A (zh) 一种基于大数据挖掘的互联网资源质量评估方法及系统
CN110502277A (zh) 一种基于bp神经网络的代码坏味检测方法
CN109542742A (zh) 基于专家模型的数据库服务器硬件健康评估方法
CN110455503B (zh) 一种紫外线管寿命监测方法及装置
CN110991510B (zh) 不平衡分类学习的泛化低压异常箱表关系识别方法及系统
CN110766236A (zh) 基于统计分析和深度学习的电力设备状态趋势预测方法
CN110261746A (zh) 基于振荡波电压周期衰减特性的电缆缺陷检测方法
CN117630800A (zh) 一种电能表自动检定装置故障诊断方法及系统
CN105677770B (zh) 近海海洋环境数据监测的自适应采样方法
CN105183612B (zh) 服务器可用内存异常增长及运行状况的评估方法
CN115392715A (zh) 一种用电数据风险评估方法、装置、设备及存储介质
CN113269478B (zh) 一种基于多模型的集中器异常数据提醒方法及系统
CN112347094B (zh) 工业通用设备物联数据清洗方法、装置和存储介质
CN105842535B (zh) 一种基于相似特征融合的谐波主特征群筛选方法
CN118071525B (zh) 一种财务数据审核方法及系统
CN105022834A (zh) 一种计量设备检定方法
CN110580494A (zh) 一种基于分位数逻辑回归的数据分析方法
CN104363470B (zh) 一种流服务测试方法和系统
CN108932826A (zh) 一种基于大数据收集分析的燃气流量计量方法
CN115730245A (zh) 一种油浸式电力变压器故障诊断方法、装置、设备及介质

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
GR01 Patent grant
GR01 Patent grant
CP03 Change of name, title or address
CP03 Change of name, title or address

Address after: 1188 Jiuye Road, Qingpu District, Shanghai, 201712

Patentee after: Billion Oxygen Environmental Technology (Shanghai) Co.,Ltd.

Address before: 201619 No. 1586 Changxing East Road, Dongjing Town, Songjiang District, Shanghai

Patentee before: Yiyi Environmental Technology (Shanghai) Co.,Ltd.