CN111343271A - 一种基于dtu设备的人工智能云控制方法及系统 - Google Patents
一种基于dtu设备的人工智能云控制方法及系统 Download PDFInfo
- Publication number
- CN111343271A CN111343271A CN202010121395.6A CN202010121395A CN111343271A CN 111343271 A CN111343271 A CN 111343271A CN 202010121395 A CN202010121395 A CN 202010121395A CN 111343271 A CN111343271 A CN 111343271A
- Authority
- CN
- China
- Prior art keywords
- data
- module
- dtu
- equipment
- central 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 73
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 28
- 238000012546 transfer Methods 0.000 title description 3
- 238000012545 processing Methods 0.000 claims abstract description 74
- 238000004891 communication Methods 0.000 claims abstract description 59
- 238000006243 chemical reaction Methods 0.000 claims abstract description 33
- 238000004458 analytical method Methods 0.000 claims abstract description 18
- 238000013500 data storage Methods 0.000 claims abstract description 15
- 230000008569 process Effects 0.000 claims description 36
- 238000000354 decomposition reaction Methods 0.000 claims description 15
- 239000013598 vector Substances 0.000 claims description 10
- 238000007906 compression Methods 0.000 claims description 6
- 230000006835 compression Effects 0.000 claims description 6
- 238000009825 accumulation Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000013144 data compression Methods 0.000 claims description 5
- 238000000605 extraction Methods 0.000 claims description 5
- 230000004927 fusion Effects 0.000 claims description 5
- 238000009499 grossing Methods 0.000 claims description 5
- 238000013178 mathematical model Methods 0.000 claims description 5
- 238000010606 normalization Methods 0.000 claims description 5
- 230000001131 transforming effect Effects 0.000 claims description 5
- 238000007405 data analysis Methods 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 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
- 230000008092 positive effect Effects 0.000 description 1
- 230000005654 stationary process Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
- H04L67/125—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks involving control of end-device applications over a network
-
- G—PHYSICS
- G08—SIGNALLING
- G08C—TRANSMISSION SYSTEMS FOR MEASURED VALUES, CONTROL OR SIMILAR SIGNALS
- G08C17/00—Arrangements for transmitting signals characterised by the use of a wireless electrical link
- G08C17/02—Arrangements for transmitting signals characterised by the use of a wireless electrical link using a radio link
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Signal Processing (AREA)
- Selective Calling Equipment (AREA)
- Telephonic Communication Services (AREA)
Abstract
本发明属于运程控制技术领域,公开了一种基于DTU设备的人工智能云控制方法及系统,所述基于DTU设备的人工智能云控制系统包括:数据采集模块、第一DTU通信模块、数据输入模块、中央处理模块、无线信号收发模块、云服务模块、APP终端、第二DTU通信模块、运行设备、数据转换模块、运行状态分析模块、主控器、显示模块和数据储存模块。本发明中中央处理模块通过无线信号收发模块与云服务模块连接,不需要人工进行相应的操作,提高对运行设备的时效性。本发明中服务模块与APP终端连接,通过利用APP终端设备,实现相应的查询和发送控制指令数据,可以解决工作人员利用相应的计算机设备对运行设备进行控制的问题。
Description
技术领域
本发明属于运程控制技术领域,尤其涉及一种基于DTU设备的人工智能云控制方法及系统。
背景技术
目前,DTU(Data Transfer unit),是专门用于将串口数据转换为IP数据或将IP数据转换为串口数据通过无线通信网络进行传送的无线终端设备。DTU广泛应用于气象、水文水利、地质等行业。DTU硬件组成部分主要包括CPU控制模块、无线通讯模块以及电源模块。其中DTU优点如下组网迅速灵活,建设周期短、成本低;网络覆盖范围广;安全保密性能好;链路支持永远在线、按流量计费、用户使用成本低。现有的DTU设备在使用过程中,与控制室中的控制台进行连接,需要人工进行操作,降低了对运行设备的时效性。同时现有的DTU设备在使用过程中,需要工作人员利用相应的计算机设备对运行设备进行控制。
通过上述分析,现有技术存在的问题及缺陷为:
(1)现有的DTU设备在使用过程中,与控制室中的控制台进行连接,需要人工进行操作,降低了对运行设备的时效性。
(2)现有的DTU设备在使用过程中,需要工作人员利用相应的计算机设备对运行设备进行控制。
发明内容
针对现有技术存在的问题,本发明提供了一种基于DTU设备的人工智能云控制方法及系统。
本发明是这样实现的,一种基于DTU设备的人工智能云控制方法,所述基于DTU设备的人工智能云控制方法,包括:
步骤一,数据采集模块通过利用相应的传感器,采集相应的数据;第一DTU通信模块将数据传输到中央处理模块中,对数据进行处理;
步骤二,数据转换模块将通信模块传输的数据进行数据信息的转换,转换成主控器易识别的数据;运行状态分析模块根据第一DTU通信模块传送到数据,对运行设备进行分析;数据储存模块对相应的数据信息进行分类压缩储存;显示模块通过利用显示屏,用以显示相关的数据信息;
步骤三,根据数据分析的结果,无线信号收发模块通过利用无线信号收发器,将数据传输到云服务模块;云服务模块根据无线信号收发模块传输的数据,通过利用云服务器对数据进行储存和调配,实现数据的共享;
步骤四,APP终端通过利用APP终端设备,实现相应的查询和发送控制指令数据;并且APP终端通过云服务模块和无线信号收发模块传输到中央处理模块,中央处理模块通过第二DTU通信模块控制运行设备;
所述中央处理模块对数据进行融合的方法,包括:
将数据采集模块中多个传感器采集的数据进行去噪,去噪完成后,建立相应采集数据集;
对采集的数据集利用特征提取算法提取数据特征,并且对特征数据进行变换,建立相应的特征矢量;
通过利用聚类算法对特征矢量进行识别,对多个传感器采集的数据进行解释说明,并进行分组;
利用数据融合算法对分组的数据进行融合,建立目标的一致性解释与描述。
进一步,所述步骤一中,数据采集模块对数据进行去噪的过程为:
将采集的设备运行数据,选择合适的分解层次进行小波分解;确定一个阈值,对分解层次中的小波高频系数进行阈值处理;
阈值处理完成后,进行一维小波重构,得到去噪的信号。
进一步,所述步骤二中,数据储存模块对相应的数据信息进行分类压缩储存中对数据聚类的过程为:
根据需要分类的数据,确定相应的分类特征;计算需要分类数据与分类特征之间的距离;
设定相应的距离范围,将分类数据与分类特征之间的距离属于设定的距离范围,化归一类;
重复上述操作,对其他需要分类的数据进行分类。
进一步,所述步骤二中,数据转换模块将通信模块传输的数据进行数据信息的转换过程为:
首先,将数据进行加载,从数据库中提取出相应的数据,加载到指定的程序或程序接口中;对加载完成的数据进行平滑处理,去除数据中的噪声;
然后,对去噪完成的数据进行合计处理,对数据总结或者合计操作;利用更抽象的概念取代低层次或数据层的数据对象;
其次,对概念取代的数据对象,进行规格化处理,将有关属性数据按比例透射到特定的小范围内;
根据已有属性集构造的属性,进行数据的转换处理。
进一步,所述步骤二中,运行状态分析模块对设备运行状态的分析过程为:
根据数据转换模块的设备运行状态信息,建立参数估计方法构建的残差序列数学模型估计系统输出;同时将之与实际测量值比较,获得残差;
根据获得残差进行分析,确定过程是否发生故障,进一步辨识故障类型。
进一步,所述参数估计方法,包括:
据转换模块的设备运行状态信息,建立相应的数据分布,观察数据和参数初值时,求完全数据的对数似然函数的条件期望;
计算出的完全数据充分统计量的条件期望值,极大化完全数据的对数似然函数的条件期望求解参数的值;
不断的循环迭代,直到参数估计收敛。
进一步,所述步骤四中,无线信号收发模块对数据进行压缩的过程为:
根据需要传输的数据,建立相应的字符串表,将第一次出现的字符串入串表中,利用相应的数字表示;
该数字与字符串在串表中的位置有关,并将该数字存入压缩文件中;当该字符串再次出线时,即可相同的数字进行表示;
将上述编号完成的串表存入相应的文件中,完成数据的压缩。
进一步,所述步骤四中,通过利用APP终端设备,实现相应的查询中数据匹配算法,包括:
选取一个误差准则,作为终止不匹配点计算的标准,通常可选取绝对误差;
设定一个不变阈值,在数据集中随机选取一点,计算它与模板中相应点的绝对误差值;
将每一随机点对的误差累加起来,若累加到第r次时误差超过设定阈值,则停止累加,记下此时的累加次数r;
对于整体数据中心计算误差e,可得到一个由r值构成的曲面,曲面最大值处对应的位置即为模板最佳匹配位置。
本发明另一目的在于提供一种实施所述的基于DTU设备的人工智能云控制方法的基于DTU设备的人工智能云控制系统,其特征在于,所述基于DTU设备的人工智能云控制系统包括:
数据采集模块,与第一DTU通信模块连接,通过利用相应的传感器,采集相应的数据;数据采集模块对数据进行去噪的过程为:将采集的设备运行数据,选择合适的分解层次进行小波分解;确定一个阈值,对分解层次中的小波高频系数进行阈值处理;阈值处理完成后,进行一维小波重构,得到去噪的信号;
第一DTU通信模块,与中央处理模块连接,实现将数据传输到中央处理模块中,对数据进行处理;
数据输入模块,与中央处理模块连接,通过利用输入设备输入相应的数据;
中央处理模块,分别与第一DTU通信模块、数据输入模块和无线信号收发模块连接,协调各个模块的正常运行;中央处理模块对数据进行融合,将数据采集模块中多个传感器采集的数据进行去噪,去噪完成后,建立相应采集数据集;对采集的数据集利用特征提取算法提取数据特征,并且对特征数据进行变换,建立相应的特征矢量;通过利用聚类算法对特征矢量进行识别,对多个传感器采集的数据进行解释说明,并进行分组;利用数据融合算法对分组的数据进行融合,建立目标的一致性解释与描述;
无线信号收发模块,与中央处理模块连接,通过利用无线信号收发器,将数据传输到云服务模块;无线信号收发模块对数据进行压缩的过程,根据需要传输的数据,建立相应的字符串表,将第一次出现的字符串入串表中,利用相应的数字表示;该数字与字符串在串表中的位置有关,并将该数字存入压缩文件中;当该字符串再次出线时,即可相同的数字进行表示;将上述编号完成的串表存入相应的文件中,完成数据的压缩;
云服务模块,与无线信号收发模块连接,根据无线信号收发模块传输的数据,通过利用云服务器对数据进行储存和调配,实现数据的共享;
APP终端,与云服务模块连接,通过利用APP终端设备,实现相应的查询和发送控制指令数据;通过利用APP终端设备,实现相应的查询中数据匹配算法,选取一个误差准则,作为终止不匹配点计算的标准,通常可选取绝对误差;设定一个不变阈值,在数据集中随机选取一点,计算它与模板中相应点的绝对误差值;将每一随机点对的误差累加起来,若累加到第r次时误差超过设定阈值,则停止累加,记下此时的累加次数r;对于整体数据中心计算误差e,可得到一个由r值构成的曲面,曲面最大值处对应的位置即为模板最佳匹配位置;
第二DTU通信模块,与中央处理模块连接,通过利用第二DTU通信设备实现中央处理模块与运行设备之间的数据通信;
运行设备,与第二DTU通信模块连接,被控制的设备。
进一步,所述中央处理模块包括:
数据转换模块,与主控器连接,将第一DTU通信模块和第二DTU通信模块进行数据信息的转换,转换成主控器易识别的数据;将通信模块传输的数据进行数据信息的转换过程为:将数据进行加载,从数据库中提取出相应的数据,加载到指定的程序或程序接口中;对加载完成的数据进行平滑处理,去除数据中的噪声;对去噪完成的数据进行合计处理,对数据总结或者合计操作;利用更抽象的概念取代低层次或数据层的数据对象;对概念取代的数据对象,进行规格化处理,将有关属性数据按比例透射到特定的小范围内;根据已有属性集构造的属性,进行数据的转换处理;
运行状态分析模块,与主控器连接,根据第一DTU通信模块传送到数据,对运行设备进行分析;运行状态分析模块对设备运行状态的分析过程,根据数据转换模块的设备运行状态信息,建立参数估计方法构建的残差序列数学模型估计系统输出;同时将之与实际测量值比较,获得残差;根据获得残差进行分析,确定过程是否发生故障,进一步辨识故障类型;
主控器,分别与各个模块连接,协调各个模块的正常运行;
显示模块,与主控器连接,通过利用显示屏,用以显示相关的数据信息;
数据储存模块,与主控器连接,对相应的数据信息进行分类压缩储存;数据储存模块对相应的数据信息进行分类压缩储存中对数据聚类的过程为:根据需要分类的数据,确定相应的分类特征;计算需要分类数据与分类特征之间的距离;设定相应的距离范围,将分类数据与分类特征之间的距离属于设定的距离范围,化归一类;重复上述操作,对其他需要分类的数据进行分类。
结合上述的所有技术方案,本发明所具备的优点及积极效果为:
(1)本发明通过设置有数据采集模块利用相应的传感器,采集相应的数据;第一DTU通信模块实现将数据传输到中央处理模块中,对数据进行处理;数据输入模块利用输入设备输入相应的数据;无线信号收发模块通过利用无线信号收发器,将数据传输到云服务模块。云服务模块根据无线信号收发模块传输的数据,通过利用云服务器对数据进行储存和调配,实现数据的共享。本发明中中央处理模块通过无线信号收发模块与云服务模块连接,不需要人工进行相应的操作,提高对运行设备的时效性。本发明中服务模块与APP终端连接,通过利用APP终端设备,实现相应的查询和发送控制指令数据,可以解决工作人员利用相应的计算机设备对运行设备进行控制的问题。
(2)本发明中数据采集模块对数据进行去噪,可以实现对信号的非平稳性进程刻画,防止数据的丢失。
(3)本发明中数据储存模块对相应的数据信息进行分类压缩储存中对数据聚类,可以精确对数据进行分类,有效实现对数据的存储。
(4)本发明中数据转换模块将通信模块传输的数据进行数据信息的转换,有利于整体系统的识别,提高输出结果的准确率。
(5)本发明中运行状态分析模块对设备运行状态的分析方法,能够有效辨识故障类型,保证设备的正常运行。
(6)本发明通过利用APP终端设备,实现相应的查询中数据匹配算法,可以提高运算速度的目的。
附图说明
图1是本发明实施例提供的基于DTU设备的人工智能云控制系统结构示意图。
图2是本发明实施例提供的中央处理模块结构示意图。
图3是本发明实施例提供的基于DTU设备的人工智能云控制方法流程图。
图4是本发明实施例提供的数据采集模块对数据进行去噪方法流程图。
图5是本发明实施例提供的中央处理模块对数据进行融合的方法流程图。
图中:1、数据采集模块;2、第一DTU通信模块;3、数据输入模块;4、中央处理模块;5、无线信号收发模块;6、云服务模块;7、APP终端;8、第二DTU通信模块;9、运行设备;10、数据转换模块;11、运行状态分析模块;12、主控器;13、显示模块;14、数据储存模块。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
针对现有技术存在的问题,本发明提供了一种基于DTU设备的人工智能云控制方法及系统,下面结合附图对本发明作详细的描述。
如图1所示,本发明实施例提供的基于DTU设备的人工智能云控制系统包括:
数据采集模块1,与第一DTU通信模块2连接,通过利用相应的传感器,采集相应的数据。
第一DTU通信模块2,与中央处理模块4连接,实现将数据传输到中央处理模块4中,对数据进行处理。
数据输入模块3,与中央处理模块4连接,通过利用输入设备输入相应的数据。
中央处理模块4,分别与第一DTU通信模块2、数据输入模块3和无线信号收发模块5连接,协调各个模块的正常运行。
无线信号收发模块5,与中央处理模块4连接,通过利用无线信号收发器,将数据传输到云服务模块。
云服务模块6,与无线信号收发模块5连接,根据无线信号收发模块传输的数据,通过利用云服务器对数据进行储存和调配,实现数据的共享。
APP终端7,与云服务模块6连接,通过利用APP终端设备,实现相应的查询和发送控制指令数据。
第二DTU通信模块8,与中央处理模块4连接,通过利用第二DTU通信设备实现中央处理模块4与运行设备9之间的数据通信。
运行设备9,与第二DTU通信模块8连接,被控制的设备。
如图2所示,本发明实施例提供的中央处理模块包括:
数据转换模块10,与主控器12连接,将第一DTU通信模块2和第二DTU通信模块8进行数据信息的转换,转换成主控器易识别的数据。
运行状态分析模块11,与主控器12连接,根据第一DTU通信模块2传送到数据,对运行设备进行分析。
主控器12,分别与各个模块连接,协调各个模块的正常运行。
显示模块13,与主控器12连接,通过利用显示屏,用以显示相关的数据信息。
数据储存模块14,与主控器12连接,对相应的数据信息进行分类压缩储存。
如图3所示,基于DTU设备的人工智能云控制方法,包括:
S101:数据采集模块通过利用相应的传感器,采集相应的数据;第一DTU通信模块将数据传输到中央处理模块中,对数据进行处理。
S102:数据转换模块将通信模块传输的数据进行数据信息的转换,转换成主控器易识别的数据;运行状态分析模块根据第一DTU通信模块传送到数据,对运行设备进行分析;数据储存模块对相应的数据信息进行分类压缩储存;显示模块通过利用显示屏,用以显示相关的数据信息。
S103:根据数据分析的结果,无线信号收发模块通过利用无线信号收发器,将数据传输到云服务模块;云服务模块根据无线信号收发模块传输的数据,通过利用云服务器对数据进行储存和调配,实现数据的共享。
S104:APP终端通过利用APP终端设备,实现相应的查询和发送控制指令数据;并且APP终端通过云服务模块和无线信号收发模块传输到中央处理模块,中央处理模块通过第二DTU通信模块控制运行设备。
本发明实施例提供的S101中,数据采集模块对数据进行去噪的过程为:
S201:将采集的设备运行数据,选择合适的分解层次进行小波分解。
S202:确定一个阈值,对分解层次中的小波高频系数进行阈值处理。
S203:阈值处理完成后,进行一维小波重构,得到去噪的信号。
本发明实施例提供的S101中,中央处理模块对数据进行融合的方法,包括:
S301:将数据采集模块中多个传感器采集的数据进行去噪,去噪完成后,建立相应采集数据集。
S302:对采集的数据集利用特征提取算法提取数据特征,并且对特征数据进行变换,建立相应的特征矢量。
S303:通过利用聚类算法对特征矢量进行识别,对多个传感器采集的数据进行解释说明,并进行分组。
S304:利用数据融合算法对分组的数据进行融合,建立目标的一致性解释与描述。
本发明实施例提供的S102中,数据转换模块将通信模块传输的数据进行数据信息的转换过程为:
首先,将数据进行加载,从数据库中提取出相应的数据,加载到指定的程序或程序接口中;对加载完成的数据进行平滑处理,去除数据中的噪声;
然后,对去噪完成的数据进行合计处理,对数据总结或者合计操作;利用更抽象的概念取代低层次或数据层的数据对象;
其次,对概念取代的数据对象,进行规格化处理,将有关属性数据按比例透射到特定的小范围内;
根据已有属性集构造的属性,进行数据的转换处理。
本发明实施例提供的S102中,运行状态分析模块对设备运行状态的分析过程为:
根据数据转换模块的设备运行状态信息,建立参数估计方法构建的残差序列数学模型估计系统输出;同时将之与实际测量值比较,获得残差;
根据获得残差进行分析,确定过程是否发生故障,进一步辨识故障类型。
所述参数估计方法,包括:
据转换模块的设备运行状态信息,建立相应的数据分布,观察数据和参数初值时,求完全数据的对数似然函数的条件期望;
计算出的完全数据充分统计量的条件期望值,极大化完全数据的对数似然函数的条件期望求解参数的值;
不断的循环迭代,直到参数估计收敛。
本发明实施例提供的S102中,数据储存模块对相应的数据信息进行分类压缩储存中对数据聚类的过程为:
根据需要分类的数据,确定相应的分类特征;计算需要分类数据与分类特征之间的距离;
设定相应的距离范围,将分类数据与分类特征之间的距离属于设定的距离范围,化归一类;
重复上述操作,对其他需要分类的数据进行分类。
本发明实施例提供的S104中,无线信号收发模块对数据进行压缩的过程为:
根据需要传输的数据,建立相应的字符串表,将第一次出现的字符串入串表中,利用相应的数字表示;
该数字与字符串在串表中的位置有关,并将该数字存入压缩文件中;当该字符串再次出线时,即可相同的数字进行表示;
将上述编号完成的串表存入相应的文件中,完成数据的压缩。
本发明实施例提供的S104中,通过利用APP终端设备,实现相应的查询中数据匹配算法,包括:
选取一个误差准则,作为终止不匹配点计算的标准,通常可选取绝对误差;
设定一个不变阈值,在数据集中随机选取一点,计算它与模板中相应点的绝对误差值;
将每一随机点对的误差累加起来,若累加到第r次时误差超过设定阈值,则停止累加,记下此时的累加次数r;
对于整体数据中心计算误差e,可得到一个由r值构成的曲面,曲面最大值处对应的位置即为模板最佳匹配位置。
本发明提供的工作原理为:数据采集模块1通过利用相应的传感器,采集相应的数据;第一DTU通信模块2将数据传输到中央处理模块4中,对数据进行处理。数据转换模块10将通信模块传输的数据进行数据信息的转换,转换成主控器易识别的数据;运行状态分析模块11根据第一DTU通信模块2传送到数据,对运行设备进行分析;数据储存模块14对相应的数据信息进行分类压缩储存;显示模块13通过利用显示屏,用以显示相关的数据信息。
根据数据分析的结果,无线信号收发模块5通过利用无线信号收发器,将数据传输到云服务模块6;云服务模块6根据无线信号收发模块传输的数据,通过利用云服务器对数据进行储存和调配,实现数据的共享。APP终端7通过利用APP终端设备,实现相应的查询和发送控制指令数据;并且APP终端7通过云服务模块6和无线信号收发模块5传输到中央处理模块4,中央处理模块4通过第二DTU通信模块8控制运行设备。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,都应涵盖在本发明的保护范围之内。
Claims (10)
1.一种基于DTU设备的人工智能云控制方法,其特征在于,所述基于DTU设备的人工智能云控制方法,包括:
步骤一,数据采集模块通过利用相应的传感器,采集相应的数据;第一DTU通信模块将数据传输到中央处理模块中,对数据进行处理;
步骤二,数据转换模块将通信模块传输的数据进行数据信息的转换,转换成主控器易识别的数据;运行状态分析模块根据第一DTU通信模块传送到数据,对运行设备进行分析;数据储存模块对相应的数据信息进行分类压缩储存;显示模块通过利用显示屏,用以显示相关的数据信息;
步骤三,根据数据分析的结果,无线信号收发模块通过利用无线信号收发器,将数据传输到云服务模块;云服务模块根据无线信号收发模块传输的数据,通过利用云服务器对数据进行储存和调配,实现数据的共享;
步骤四,APP终端通过利用APP终端设备,实现相应的查询和发送控制指令数据;并且APP终端通过云服务模块和无线信号收发模块传输到中央处理模块,中央处理模块通过第二DTU通信模块控制运行设备;
所述中央处理模块对数据进行融合的方法,包括:
将数据采集模块中多个传感器采集的数据进行去噪,去噪完成后,建立相应采集数据集;
对采集的数据集利用特征提取算法提取数据特征,并且对特征数据进行变换,建立相应的特征矢量;
通过利用聚类算法对特征矢量进行识别,对多个传感器采集的数据进行解释说明,并进行分组;
利用数据融合算法对分组的数据进行融合,建立目标的一致性解释与描述。
2.如权利要求1所述的基于DTU设备的人工智能云控制方法,其特征在于,所述步骤一中,数据采集模块对数据进行去噪的过程为:
将采集的设备运行数据,选择合适的分解层次进行小波分解;确定一个阈值,对分解层次中的小波高频系数进行阈值处理;
阈值处理完成后,进行一维小波重构,得到去噪的信号。
3.如权利要求1所述的基于DTU设备的人工智能云控制方法,其特征在于,所述步骤二中,数据储存模块对相应的数据信息进行分类压缩储存中对数据聚类的过程为:
根据需要分类的数据,确定相应的分类特征;计算需要分类数据与分类特征之间的距离;
设定相应的距离范围,将分类数据与分类特征之间的距离属于设定的距离范围,化归一类;
重复上述操作,对其他需要分类的数据进行分类。
4.如权利要求1所述的基于DTU设备的人工智能云控制方法,其特征在于,所述步骤二中,数据转换模块将通信模块传输的数据进行数据信息的转换过程为:
首先,将数据进行加载,从数据库中提取出相应的数据,加载到指定的程序或程序接口中;对加载完成的数据进行平滑处理,去除数据中的噪声;
然后,对去噪完成的数据进行合计处理,对数据总结或者合计操作;利用更抽象的概念取代低层次或数据层的数据对象;
其次,对概念取代的数据对象,进行规格化处理,将有关属性数据按比例透射到特定的小范围内;
根据已有属性集构造的属性,进行数据的转换处理。
5.如权利要求1所述的基于DTU设备的人工智能云控制方法,其特征在于,所述步骤二中,运行状态分析模块对设备运行状态的分析过程为:
根据数据转换模块的设备运行状态信息,建立参数估计方法构建的残差序列数学模型估计系统输出;同时将之与实际测量值比较,获得残差;
根据获得残差进行分析,确定过程是否发生故障,进一步辨识故障类型。
6.如权利要求5所述的基于DTU设备的人工智能云控制方法,其特征在于,所述参数估计方法,包括:
据转换模块的设备运行状态信息,建立相应的数据分布,观察数据和参数初值时,求完全数据的对数似然函数的条件期望;
计算出的完全数据充分统计量的条件期望值,极大化完全数据的对数似然函数的条件期望求解参数的值;
不断的循环迭代,直到参数估计收敛。
7.如权利要求1所述的基于DTU设备的人工智能云控制方法,其特征在于,所述步骤四中,无线信号收发模块对数据进行压缩的过程为:
根据需要传输的数据,建立相应的字符串表,将第一次出现的字符串入串表中,利用相应的数字表示;
该数字与字符串在串表中的位置有关,并将该数字存入压缩文件中;当该字符串再次出线时,即可相同的数字进行表示;
将上述编号完成的串表存入相应的文件中,完成数据的压缩。
8.如权利要求1所述的基于DTU设备的人工智能云控制方法,其特征在于,所述步骤四中,通过利用APP终端设备,实现相应的查询中数据匹配算法,包括:
选取一个误差准则,作为终止不匹配点计算的标准,通常可选取绝对误差;
设定一个不变阈值,在数据集中随机选取一点,计算它与模板中相应点的绝对误差值;
将每一随机点对的误差累加起来,若累加到第r次时误差超过设定阈值,则停止累加,记下此时的累加次数r;
对于整体数据中心计算误差e,可得到一个由r值构成的曲面,曲面最大值处对应的位置即为模板最佳匹配位置。
9.一种实施如权利要求1-8所述的基于DTU设备的人工智能云控制方法的基于DTU设备的人工智能云控制系统,其特征在于,所述基于DTU设备的人工智能云控制系统包括:
数据采集模块,与第一DTU通信模块连接,通过利用相应的传感器,采集相应的数据;数据采集模块对数据进行去噪的过程为:将采集的设备运行数据,选择合适的分解层次进行小波分解;确定一个阈值,对分解层次中的小波高频系数进行阈值处理;阈值处理完成后,进行一维小波重构,得到去噪的信号;
第一DTU通信模块,与中央处理模块连接,实现将数据传输到中央处理模块中,对数据进行处理;
数据输入模块,与中央处理模块连接,通过利用输入设备输入相应的数据;
中央处理模块,分别与第一DTU通信模块、数据输入模块和无线信号收发模块连接,协调各个模块的正常运行;中央处理模块对数据进行融合,将数据采集模块中多个传感器采集的数据进行去噪,去噪完成后,建立相应采集数据集;对采集的数据集利用特征提取算法提取数据特征,并且对特征数据进行变换,建立相应的特征矢量;通过利用聚类算法对特征矢量进行识别,对多个传感器采集的数据进行解释说明,并进行分组;利用数据融合算法对分组的数据进行融合,建立目标的一致性解释与描述;
无线信号收发模块,与中央处理模块连接,通过利用无线信号收发器,将数据传输到云服务模块;无线信号收发模块对数据进行压缩的过程,根据需要传输的数据,建立相应的字符串表,将第一次出现的字符串入串表中,利用相应的数字表示;该数字与字符串在串表中的位置有关,并将该数字存入压缩文件中;当该字符串再次出线时,即可相同的数字进行表示;将上述编号完成的串表存入相应的文件中,完成数据的压缩;
云服务模块,与无线信号收发模块连接,根据无线信号收发模块传输的数据,通过利用云服务器对数据进行储存和调配,实现数据的共享;
APP终端,与云服务模块连接,通过利用APP终端设备,实现相应的查询和发送控制指令数据;通过利用APP终端设备,实现相应的查询中数据匹配算法,选取一个误差准则,作为终止不匹配点计算的标准,通常可选取绝对误差;设定一个不变阈值,在数据集中随机选取一点,计算它与模板中相应点的绝对误差值;将每一随机点对的误差累加起来,若累加到第r次时误差超过设定阈值,则停止累加,记下此时的累加次数r;对于整体数据中心计算误差e,可得到一个由r值构成的曲面,曲面最大值处对应的位置即为模板最佳匹配位置;
第二DTU通信模块,与中央处理模块连接,通过利用第二DTU通信设备实现中央处理模块与运行设备之间的数据通信;
运行设备,与第二DTU通信模块连接,被控制的设备。
10.如权利要求9所述的基于DTU设备的人工智能云控制系统,其特征在于,所述中央处理模块包括:
数据转换模块,与主控器连接,将第一DTU通信模块和第二DTU通信模块进行数据信息的转换,转换成主控器易识别的数据;将通信模块传输的数据进行数据信息的转换过程为:将数据进行加载,从数据库中提取出相应的数据,加载到指定的程序或程序接口中;对加载完成的数据进行平滑处理,去除数据中的噪声;对去噪完成的数据进行合计处理,对数据总结或者合计操作;利用更抽象的概念取代低层次或数据层的数据对象;对概念取代的数据对象,进行规格化处理,将有关属性数据按比例透射到特定的小范围内;根据已有属性集构造的属性,进行数据的转换处理;
运行状态分析模块,与主控器连接,根据第一DTU通信模块传送到数据,对运行设备进行分析;运行状态分析模块对设备运行状态的分析过程,根据数据转换模块的设备运行状态信息,建立参数估计方法构建的残差序列数学模型估计系统输出;同时将之与实际测量值比较,获得残差;根据获得残差进行分析,确定过程是否发生故障,进一步辨识故障类型;
主控器,分别与各个模块连接,协调各个模块的正常运行;
显示模块,与主控器连接,通过利用显示屏,用以显示相关的数据信息;
数据储存模块,与主控器连接,对相应的数据信息进行分类压缩储存;数据储存模块对相应的数据信息进行分类压缩储存中对数据聚类的过程为:根据需要分类的数据,确定相应的分类特征;计算需要分类数据与分类特征之间的距离;设定相应的距离范围,将分类数据与分类特征之间的距离属于设定的距离范围,化归一类;重复上述操作,对其他需要分类的数据进行分类。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010121395.6A CN111343271A (zh) | 2020-02-26 | 2020-02-26 | 一种基于dtu设备的人工智能云控制方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010121395.6A CN111343271A (zh) | 2020-02-26 | 2020-02-26 | 一种基于dtu设备的人工智能云控制方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111343271A true CN111343271A (zh) | 2020-06-26 |
Family
ID=71183708
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010121395.6A Pending CN111343271A (zh) | 2020-02-26 | 2020-02-26 | 一种基于dtu设备的人工智能云控制方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111343271A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113093678A (zh) * | 2021-04-07 | 2021-07-09 | 国能(泉州)热电有限公司 | 一种电厂dcs系统数据处理方法 |
CN114280966A (zh) * | 2020-09-28 | 2022-04-05 | 深圳市德安通科技有限公司 | 基于高性能dtu模块的设备运行状态采集仪及其采集方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103632543A (zh) * | 2013-11-04 | 2014-03-12 | 安徽博仑特智能科技有限公司 | 智能云车辆管理系统装置 |
CN104571064A (zh) * | 2015-01-27 | 2015-04-29 | 蒋雨兰 | 一种物联网车载云平台智能管控系统 |
CN206878993U (zh) * | 2017-06-20 | 2018-01-12 | 青岛清万水技术有限公司 | 超声波流量计无线数据采集及查询系统 |
CN108133617A (zh) * | 2018-01-12 | 2018-06-08 | 南京师范大学 | 一种在线控制智能地锁的共享车位停车管理系统及其方法 |
CN108196514A (zh) * | 2018-03-29 | 2018-06-22 | 武汉理工大学 | 一种数控机床运行状态远程监控方法 |
CN108226196A (zh) * | 2018-02-22 | 2018-06-29 | 青岛智慧云谷智能科技有限公司 | 一种智能x光机探测系统及探测方法 |
CN108848126A (zh) * | 2018-05-23 | 2018-11-20 | 苏州简约之美信息科技有限公司 | Ai控制系统及其控制方法 |
CN108986435A (zh) * | 2017-05-31 | 2018-12-11 | 陆文奎 | 电力远程抄表系统 |
CN209603973U (zh) * | 2019-02-13 | 2019-11-08 | 唐山唐擎科技有限公司 | 一种石油开采井控设备云智能管理系统 |
-
2020
- 2020-02-26 CN CN202010121395.6A patent/CN111343271A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103632543A (zh) * | 2013-11-04 | 2014-03-12 | 安徽博仑特智能科技有限公司 | 智能云车辆管理系统装置 |
CN104571064A (zh) * | 2015-01-27 | 2015-04-29 | 蒋雨兰 | 一种物联网车载云平台智能管控系统 |
CN108986435A (zh) * | 2017-05-31 | 2018-12-11 | 陆文奎 | 电力远程抄表系统 |
CN206878993U (zh) * | 2017-06-20 | 2018-01-12 | 青岛清万水技术有限公司 | 超声波流量计无线数据采集及查询系统 |
CN108133617A (zh) * | 2018-01-12 | 2018-06-08 | 南京师范大学 | 一种在线控制智能地锁的共享车位停车管理系统及其方法 |
CN108226196A (zh) * | 2018-02-22 | 2018-06-29 | 青岛智慧云谷智能科技有限公司 | 一种智能x光机探测系统及探测方法 |
CN108196514A (zh) * | 2018-03-29 | 2018-06-22 | 武汉理工大学 | 一种数控机床运行状态远程监控方法 |
CN108848126A (zh) * | 2018-05-23 | 2018-11-20 | 苏州简约之美信息科技有限公司 | Ai控制系统及其控制方法 |
CN209603973U (zh) * | 2019-02-13 | 2019-11-08 | 唐山唐擎科技有限公司 | 一种石油开采井控设备云智能管理系统 |
Non-Patent Citations (4)
Title |
---|
殷复莲: "《数据分析与数据挖掘实用教程》", 30 September 2017 * |
蜘蛛侠不会飞: "小波去噪概念", 《CSDN》 * |
贺雅琪: "多源异构数据融合关键技术研究及其应用", 《中国优秀硕士学位论文全文数据库》 * |
闫会玉,宋宏,郑泽宇,高原: "面向电气设备的工况识别和数据压缩方法", 《计算机应用》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114280966A (zh) * | 2020-09-28 | 2022-04-05 | 深圳市德安通科技有限公司 | 基于高性能dtu模块的设备运行状态采集仪及其采集方法 |
CN113093678A (zh) * | 2021-04-07 | 2021-07-09 | 国能(泉州)热电有限公司 | 一种电厂dcs系统数据处理方法 |
CN113093678B (zh) * | 2021-04-07 | 2022-12-20 | 国能(泉州)热电有限公司 | 一种电厂dcs系统数据处理方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110926782B (zh) | 断路器故障类型判断方法、装置、电子设备及存储介质 | |
CN109743356B (zh) | 工业互联网数据采集方法及装置、可读存储介质和终端 | |
CN111526119B (zh) | 异常流量检测方法、装置、电子设备和计算机可读介质 | |
CN111796957B (zh) | 基于应用日志的交易异常根因分析方法及系统 | |
CN112367273B (zh) | 基于知识蒸馏的深度神经网络模型的流量分类方法及装置 | |
CN111343271A (zh) | 一种基于dtu设备的人工智能云控制方法及系统 | |
CN111091278A (zh) | 机械设备异常检测的边缘检测模型构建方法及装置 | |
CN110969240B (zh) | 一种深度卷积神经网络的剪枝方法、装置、设备及介质 | |
CN115830709A (zh) | 基于联邦边缘学习的动作识别方法、服务器及电子设备 | |
CN112463848A (zh) | 检测用户异常行为的检测方法、系统、装置和存储介质 | |
WO2024066720A1 (zh) | 指标阈值的确定方法、装置、存储介质及电子装置 | |
CN117176270B (zh) | 一种带信号监测功能的室分天线及其监测方法 | |
CN116956130B (zh) | 一种基于关联特征梳理模型的智能化数据处理方法及系统 | |
CN113627289A (zh) | 一种基于深度学习的电力设备识别方法及其装置 | |
CN117634905A (zh) | 一种电网业务数据特征提取方法 | |
CN113644741A (zh) | 一种基于边缘计算的海量故障录波数据处理方法 | |
CN113472640B (zh) | 一种智能网关信息处理方法及系统 | |
CN113795032B (zh) | 室分隐形故障的判断方法、装置、存储介质及设备 | |
CN111798237B (zh) | 基于应用日志的异常交易诊断方法及系统 | |
CN115409367A (zh) | 基于物联网的智能电网健康状态评估方法及系统 | |
EP3690670A1 (en) | Data processing system | |
CN113238911A (zh) | 告警处理方法及装置 | |
CN111897853A (zh) | 一种基于大数据的计算机数据挖掘探索方法及系统 | |
CN109670227A (zh) | 一种基于大数据的仿真数学模型参数对的估量方法 | |
CN109587627B (zh) | 基于rssi改进终端异质性问题的室内定位方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200626 |