CN111855897A - 一种井下传感器调校状态识别方法、系统、设备及介质 - Google Patents
一种井下传感器调校状态识别方法、系统、设备及介质 Download PDFInfo
- Publication number
- CN111855897A CN111855897A CN202010514001.3A CN202010514001A CN111855897A CN 111855897 A CN111855897 A CN 111855897A CN 202010514001 A CN202010514001 A CN 202010514001A CN 111855897 A CN111855897 A CN 111855897A
- Authority
- CN
- China
- Prior art keywords
- value
- data
- calibration
- duration
- gas concentration
- 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 44
- 238000004364 calculation method Methods 0.000 claims abstract description 42
- 230000008859 change Effects 0.000 claims abstract description 36
- 238000003860 storage Methods 0.000 claims description 19
- 238000009826 distribution Methods 0.000 claims description 18
- 230000000630 rising effect Effects 0.000 claims description 16
- 230000035772 mutation Effects 0.000 claims description 11
- 230000002159 abnormal effect Effects 0.000 claims description 8
- 230000008569 process Effects 0.000 claims description 4
- 238000000605 extraction Methods 0.000 claims description 3
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 32
- 238000010586 diagram Methods 0.000 description 9
- 239000003245 coal Substances 0.000 description 6
- 238000012544 monitoring process Methods 0.000 description 5
- 238000004590 computer program Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 230000002085 persistent effect Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000006555 catalytic reaction Methods 0.000 description 1
- 239000002355 dual-layer Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/0004—Gaseous mixtures, e.g. polluted air
- G01N33/0006—Calibrating gas analysers
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH OR ROCK DRILLING; MINING
- E21F—SAFETY DEVICES, TRANSPORT, FILLING-UP, RESCUE, VENTILATION, OR DRAINING IN OR OF MINES OR TUNNELS
- E21F17/00—Methods or devices for use in mines or tunnels, not covered elsewhere
- E21F17/18—Special adaptations of signalling or alarm devices
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/0004—Gaseous mixtures, e.g. polluted air
- G01N33/0009—General constructional details of gas analysers, e.g. portable test equipment
- G01N33/0027—General constructional details of gas analysers, e.g. portable test equipment concerning the detector
- G01N33/0036—General constructional details of gas analysers, e.g. portable test equipment concerning the detector specially adapted to detect a particular component
- G01N33/0047—Organic compounds
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/0004—Gaseous mixtures, e.g. polluted air
- G01N33/0009—General constructional details of gas analysers, e.g. portable test equipment
- G01N33/0062—General constructional details of gas analysers, e.g. portable test equipment concerning the measuring method or the display, e.g. intermittent measurement or digital display
- G01N33/0063—General constructional details of gas analysers, e.g. portable test equipment concerning the measuring method or the display, e.g. intermittent measurement or digital display using a threshold to release an alarm or displaying means
Landscapes
- Chemical & Material Sciences (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Analytical Chemistry (AREA)
- General Physics & Mathematics (AREA)
- Medicinal Chemistry (AREA)
- Physics & Mathematics (AREA)
- Combustion & Propulsion (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Food Science & Technology (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Mining & Mineral Resources (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geochemistry & Mineralogy (AREA)
- Geology (AREA)
- Investigating Or Analyzing Materials By The Use Of Electric Means (AREA)
Abstract
本公开是关于一种井下传感器调校状态识别方法、系统、设备及介质,该方法包括:提取传感器在监测到气体浓度连续超过预设阈值的时间段以及时间段前后预设时间段内上传的数据,作为调校模型的计算数据;将计算数据中的最小值,最大值,最大值的持续时长和突变斜率;当确认零点值、标准气体浓度值、调校持续时长和突变斜率均处于预先标定的调校模型的参数取值范围内时,判定传感器在计算数据对应的时间区间内处于调校状态。本公开提供的方案,能够准确识别传感器的调校状态,从而能够对于当前传感器报警是由于浓度超标引起的真实报警还是由于调校引起的误报警作出准确判定。
Description
技术领域
本公开涉及传感器调校领域,具体涉及一种井下传感器调校状态识别方法、系统、设备及介质。
背景技术
井下传感器,例如甲烷传感器,由于经常在煤矿复杂的环境中使用,会出现传感器的测量值和环境真值差异较大的情况,需要按时进行调校,以保证瓦斯测量的准确性以及煤矿安全监控系统正常运行,在调校时,需要使用标准浓度值的甲烷气体通入甲烷传感器,当甲烷浓度超过报警值时,同样会导致煤矿安全监控系统产生报警。在未上传传感器调校状态信息的情况下,无法区分是由于井下瓦斯超标引起的真实报警还是由于传感器调校引起的误报警。
发明内容
针对上述技术问题,本发明提供一种井下传感器调校状态识别方法、系统、设备及介质。
根据本公开实施例的第一方面,提供一种井下传感器调校状态识别方法,包括:
提取传感器在监测到气体浓度连续超过预设阈值的时间段以及所述时间段前后预设时间段内上传的数据,作为调校模型的计算数据;
将所述计算数据中的最小值作为零点值,将所述最小值之后连续上升点的最大值作为标准气体浓度值,将所述最大值的持续时长作为调校持续时长,并计算所述最小值到所述最大值的突变斜率;
当确认所述零点值、标准气体浓度值、调校持续时长和突变斜率均处于预先标定的所述调校模型的参数取值范围内时,判定所述传感器在所述计算数据对应的时间区间内处于调校状态。
上述方法中,还包括:将所述计算数据通过预设浓度阈值划分成多段调校数据;
分别将每段调校数据中的最小值作为零点值,将所述最小值之后连续上升点的最大值作为标准气体浓度值,将所述最大值的持续时长作为调校持续时长,并计算所述最小值到所述最大值的突变斜率;
当确认所述多段调校数据中至少一段调校数据对应的所述零点值、标准气体浓度值、调校持续时长和突变斜率均处于预先标定的所述调校模型的参数取值范围内时,判定所述传感器在所述计算数据对应的时间区间内处于调校状态。
上述方法中,所述将所述计算数据通过预设浓度阈值划分成多段调校数据,具体包括:
确定所述计算数据中连续大于预设浓度阈值的多段数据,将第一段数据的最后一个点对应的时间与所述计算数据的第一个点对应的时间组成的时间区间内的数据划分为第一段调校数据,将除所述第一段数据之外的其他段数据的最后一个点对应的时间与上一段调校数据最后一个点对应的时间组成的时间区间内的数据划分为调校数据。
上述方法中,所述将所述最大值的持续时长作为调校持续时长,具体包括:
统计连续在所述标准气体浓度值的预设波动阈值范围内的点的持续时长,作为调校持续时长。
上述方法中,还包括:分别对调校模型中零点值、标准气体浓度值、调校持续时长和突变斜率对应的参数取值范围进行标定;
对零点值、标准气体浓度值、调校持续时长和突变斜率对应的参数取值范围进行标定的过程具体包括:
分别计算调校样本中每条数据的最小值作为样本零点值,将所述样本零点值之后连续上升点的最大值作为样本标准气体浓度值,统计连续在所述样本标准气体浓度值的预设波动阈值范围内的点的持续时长,作为样本调校持续时长,并计算所述样本零点值到所述样本标准气体浓度值的突变斜率作为样本突变斜率;
利用正态分布的3σ原则剔除所述样本零点值、样本标准气体浓度值、样本调校持续时长和样本突变斜率中的异常值;
分别通过剔除异常值后的样本零点值、样本标准气体浓度值、样本调校持续时长和样本突变斜率的样本均值和样本标准差来估计调校模型中对应于零点值、标准气体浓度值、调校持续时长和突变斜率的数学期望和总体标准差;
根据对应于零点值、标准气体浓度值、调校持续时长和突变斜率的数学期望和总体标准差确定相应的参数取值范围。
上述方法中,在提取传感器在监测到气体浓度连续超过预设阈值的时间段以及所述时间段前后预设时间段内上传的数据,作为调校模型的计算数据之后,还包括:
判断所述计算数据中的最大值是否等于预设标准气体浓度值,若是则执行计算所述零点值、标准气体浓度值、调校持续时长和突变斜率的步骤,否则不执行。
根据本公开实施例的第二方面,提供一种井下传感器调校状态识别系统,包括:
提取模块,用于提取传感器在监测到气体浓度连续超过预设阈值的时间段以及所述时间段前后预设时间段内上传的数据,作为调校模型的计算数据;
计算模块,用于将所述计算数据中的最小值作为零点值,将所述最小值之后连续上升点的最大值作为标准气体浓度值,将所述最大值的持续时长作为调校持续时长,并计算所述最小值到所述最大值的突变斜率;
判定模块,用于当确认所述零点值、标准气体浓度值、调校持续时长和突变斜率均处于预先标定的所述调校模型的参数取值范围内时,判定所述传感器在所述计算数据对应的时间区间内处于调校状态。
上述系统中,还包括:划分模块,用于将所述计算数据通过预设浓度阈值划分成多段调校数据;
所述计算模块,用于分别将每段调校数据中的最小值作为零点值,将所述最小值之后连续上升点的最大值作为标准气体浓度值,将所述最大值的持续时长作为调校持续时长,并计算所述最小值到所述最大值的突变斜率;
所述判定模块,用于当确认所述多段调校数据中至少一段调校数据对应的所述零点值、标准气体浓度值、调校持续时长和突变斜率均处于预先标定的所述调校模型的参数取值范围内时,判定所述传感器在所述计算数据对应的时间区间内处于调校状态。
上述系统中,所述划分模块,具体用于:
确定所述计算数据中连续大于预设浓度阈值的多段数据,将第一段数据的最后一个点对应的时间与所述计算数据的第一个点对应的时间组成的时间区间内的数据划分为第一段调校数据,将除所述第一段数据之外的其他段数据的最后一个点对应的时间与上一段调校数据最后一个点对应的时间组成的时间区间内的数据划分为调校数据。
上述系统中,所述计算模块将所述最大值的持续时长作为调校持续时长,具体包括:
统计连续在所述标准气体浓度值的预设波动阈值范围内的点的持续时长,作为调校持续时长。
上述系统中,还包括:
标定模块,用于分别对调校模型中零点值、标准气体浓度值、调校持续时长和突变斜率对应的参数取值范围进行标定;
所述标定模块具体包括:
计算单元,用于分别计算调校样本中每条数据的最小值作为样本零点值,将所述样本零点值之后连续上升点的最大值作为样本标准气体浓度值,统计连续在所述样本标准气体浓度值的预设波动阈值范围内的点的持续时长,作为样本调校持续时长,并计算所述样本零点值到所述样本标准气体浓度值的突变斜率作为样本突变斜率;
处理单元,用于利用正态分布的3σ原则剔除所述样本零点值、样本标准气体浓度值、样本调校持续时长和样本突变斜率中的异常值;
估计单元,用于分别通过剔除异常值后的样本零点值、样本标准气体浓度值、样本调校持续时长和样本突变斜率的样本均值和样本标准差来估计调校模型中对应于零点值、标准气体浓度值、调校持续时长和突变斜率的数学期望和总体标准差;
确定单元,用于根据对应于零点值、标准气体浓度值、调校持续时长和突变斜率的数学期望和总体标准差确定相应的参数取值范围。
根据本公开实施例的第三方面,提供一种终端设备,包括:
处理器;以及
存储器,其上存储有可执行代码,当所述可执行代码被所述处理器执行时,使所述处理器执行如上所述的方法。
根据本公开实施例的第四方面,提供一种非暂时性机器可读存储介质,其上存储有可执行代码,当所述可执行代码被电子设备的处理器执行时,使所述处理器执行如上所述的方法。
本公开的实施例提供的技术方案可以包括以下有益效果:能够准确识别传感器的调校状态,从而能够对于当前传感器报警是由于浓度超标引起的真实报警还是由于调校引起的误报警作出准确判定,便于煤矿进行安全监测,提高煤矿安全管理水平,降低事故发生率,保证煤矿井下的安全生产。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
附图说明
图1为调校时刻的甲烷浓度变化曲线示例图;
图2是根据本公开一示例性实施例示出的一种井下传感器调校状态识别方法的流程示意图;
图3为调校时刻的甲烷浓度变化曲线示例图;
图4是根据本公开一示例性实施例示出的一种井下传感器调校状态识别系统的结构框图;
图5是根据本公开一示例性实施例示出的一种计算设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的优选实施方式。虽然附图中显示了本公开的优选实施方式,然而应该理解,可以以各种形式实现本公开而不应被这里阐述的实施方式所限制。相反,提供这些实施方式是为了使本公开更加透彻和完整,并且能够将本公开的范围完整地传达给本领域的技术人员。
在本公开使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本公开。在本公开和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。还应当理解,本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解,尽管在本公开可能采用术语“第一”、“第二”、“第三”等来描述各种信息,但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如,在不脱离本公开范围的情况下,第一信息也可以被称为第二信息,类似地,第二信息也可以被称为第一信息。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本公开的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。
依据《AQ1029-2019》规定,安全监控设备应每月至少调校一次,其中,采用载体催化原理的甲烷传感器每15天至少调校一次,采用激光原理的甲烷传感器每6个月至少调校一次。设备调校包括零点、显示值、报警点、断电点、复电点、控制逻辑等。调校零点时,范围控制在0.00%-0.03%CH4之内。
对于在用甲烷传感器调校和新甲烷传感器使用前调校方法有所区别。在用甲烷传感器使用1%-2%CH4标准气体,调校时先调校零点,再用小流量通入1%-2%CH4标准气体,在显示值缓慢上升过程中,调节到规定的流量,使其测量值稳定显示,持续时间大于90s。
传感器在调校操作场景下的数据特征表现为:(1)存在零点值;(2)在零点值之后存在数值突增;(3)数值突增至标准气体浓度值之后的一段时间内甲烷浓度保持平稳不变;(4)一段时间之后,甲烷浓度降至零点。具体特征如图1所示。本发明根据上传的传感器报警时的监测数据与其前后一段时间的监测值、监测时间来识别该时刻下传感器是否有调校操作。
以下结合附图详细描述本公开实施例的技术方案。
图2是根据本公开一示例性实施例示出的一种井下传感器调校状态识别方法的流程示意图。
参见图2,该方法包括:
步骤11、提取传感器在监测到气体浓度连续超过预设阈值的时间段以及所述时间段前后预设时间段内上传的数据,作为调校模型的计算数据。
这里的预设阈值可设置为报警阈值,以甲烷传感器为例,当甲烷传感器检测到甲烷浓度超过报警浓度后,可提取甲烷传感器监测到气体浓度开始超过报警浓度的时刻以前十分钟至监测到气体浓度恢复到报警浓度以下的时刻以后十分钟的数据,作为调校模型的计算数据。
步骤12、将所述计算数据中的最小值作为零点值,将所述最小值之后连续上升点的最大值作为标准气体浓度值,将所述最大值的持续时长作为调校持续时长,并计算所述最小值到所述最大值的突变斜率。
其中,在计算调校持续时长时,因为人为操作调校,在甲烷浓度到达标准气体浓度值后,存在气体浓度波动的情况,所以需要设定一个波动阈值,统计连续在所述标准气体浓度值的预设波动阈值范围内的点的持续时长,作为调校持续时长。例如设定波动阈值为0.05,即波动阈值范围为±0.05,若标准气体浓度值为1.5,则统计连续大于1.45,小于1.55的值,这些值对应的时间区间为调校持续时长。
步骤13、当确认所述零点值、标准气体浓度值、调校持续时长和突变斜率均处于预先标定的所述调校模型的参数取值范围内时,判定所述传感器在所述计算数据对应的时间区间内处于调校状态。
因为在报警结束后,可能由于调校操作失误进行重新调校,所以在步骤11提取的时间段内可能存在多次调校,因此,在步骤11之后,还包括:
步骤14、将所述计算数据通过预设浓度阈值划分成多段调校数据。
在一个具体的实施例中,如图3所示,在9:55至10:00这5分钟内有两次调校,由于上述原因,需要设定一个浓度阈值,将计算数据通过该浓度阈值划分成多段调校数据。
具体的划分方式是:确定所述计算数据中连续大于预设浓度阈值的多段数据,将第一段数据的最后一个点对应的时间与所述计算数据的第一个点对应的时间组成的时间区间内的数据划分为第一段调校数据,将除所述第一段数据之外的其他段数据的最后一个点对应的时间与上一段调校数据最后一个点对应的时间组成的时间区间内的数据划分为调校数据。
例如,设定浓度阈值为0.5,根据浓度阈值0.5分割计算数据,将连续大于0.5的数据最后一个点对应的时间与上一个调校数据最后一个点对应的时间组成一个时间区间,该时间区间的数据为调校数据。
在步骤14之后,分别将每段调校数据中的最小值作为零点值,将所述最小值之后连续上升点的最大值作为标准气体浓度值,将所述最大值的持续时长作为调校持续时长,并计算所述最小值到所述最大值的突变斜率。
当确认所述多段调校数据中至少一段调校数据对应的所述零点值、标准气体浓度值、调校持续时长和突变斜率均处于预先标定的所述调校模型的参数取值范围内时,判定所述传感器在所述计算数据对应的时间区间内处于调校状态。
可选地,在该实施例中,该方法还包括:
步骤15、分别对调校模型中零点值、标准气体浓度值、调校持续时长和突变斜率对应的参数取值范围进行标定。
步骤15具体包括:
步骤151、分别计算调校样本中每条数据的最小值作为样本零点值,将所述样本零点值之后连续上升点的最大值作为样本标准气体浓度值,统计连续在所述样本标准气体浓度值的预设波动阈值范围内的点的持续时长,作为样本调校持续时长,并计算所述样本零点值到所述样本标准气体浓度值的突变斜率作为样本突变斜率。
在步骤151之前,需要首先利用人工经验将传感器数据样本划分真实报警样本和调校样本。
步骤152、利用正态分布的3σ原则剔除所述样本零点值、样本标准气体浓度值、样本调校持续时长和样本突变斜率中的异常值。
由于调校区间的样本量比较大,可以认为该样本量大致服从正态分布N(μ,σ2),其中μ为总体均值,σ2为总体方差。在正态分布中μ代表均值,σ代表标准差。x=μ即为图像的对称轴。数值分布在(μ-σ,μ+σ)中的概率为0.6826,数值分布在(μ-2σ,μ+2σ)中的概率为0.9544,数值分布在(μ-3σ,μ+3σ)中的概率为0.9974。根据正态分布的3σ原则剔除极端异常值,即可得到零点值、标准气体浓度值、调校持续时长和突变斜率的正常范围。
步骤153、分别通过剔除异常值后的样本零点值、样本标准气体浓度值、样本调校持续时长和样本突变斜率的样本均值和样本标准差来估计调校模型中对应于零点值、标准气体浓度值、调校持续时长和突变斜率的数学期望和总体标准差。
使用正态分布原则时,先要确定样本是否服从正态分布。因此原假设H0:样本的总体分布不服从正态分布;备择假设H1:样本的总体分布服从正态分布。筛选样本值,计算p值,得到p值小于0.05,说明样本服从正态分布,拒绝原假设,接受备择假设,p值的计算过程为现有技术,在此不作赘述。
在样本服从正态分布的情况下,按照步骤153的方法分别计算得到零点值a、标准气体浓度值b、调校持续时长c和突变斜率d的数学期望和总体标准差。
步骤154、根据对应于零点值、标准气体浓度值、调校持续时长和突变斜率的数学期望和总体标准差确定相应的参数取值范围。
根据步骤153的计算结果,得到零点值a的数学期望标准气体浓度值b的数学期望调校持续时长c的数学期望和突变斜率d的数学期望通过调整总体标准差σ的系数,得到样本零点值的总体标准差为Sa,样本标准气体浓度值的总体标准差为Sb,样本调校持续时长的总体标准差为Sc,样本突变斜率的总体标准差为Sd。即可初步确定零点值、标准气体浓度值、调校持续时长和突变斜率对应的参数取值范围如下:
结合规程,去掉不符合实际情况的取值范围,进一步得到调校零点值、标准气体浓度值、调校持续时长以及突变斜率的合理取值范围如下:
可选地,在该实施例中,在步骤11之后,还包括:
步骤16、判断所述计算数据中的最大值是否等于预设标准气体浓度值,若是则执行步骤12,否则不执行。
由于在调校传感器时通常使用标准气体浓度值的气体,因此,通过执行步骤16,可以对计算数据是否为调校状态进行预先判断。
本公开采用规程与波动阈值相结合的方法,确定调校时的参数的合理取值范围。针对在矿井实际操作中,调校时的瓦斯浓度值明显高于其他状态时的浓度值,且不一定严格按照标准规定的零点值、标准气样值进行调校的情况,本公开的技术方案通过设定零点值、标准气体浓度值、调校持续时间、突变斜率的波动范围,灵活判断是否为调校,从而能够大大降低因调校而发生误报警的几率。
与前述应用功能实现方法实施例相对应,本公开还提供了一种煤矿井下传感器调校状态识别系统、终端设备及相应的实施例。
图4是根据本公开一示例性实施例示出的一种井下传感器调校状态识别系统的结构框图。
参见图4,该系统包括:
提取模块,用于提取传感器在监测到气体浓度连续超过预设阈值的时间段以及所述时间段前后预设时间段内上传的数据,作为调校模型的计算数据;
计算模块,用于将所述计算数据中的最小值作为零点值,将所述最小值之后连续上升点的最大值作为标准气体浓度值,将所述最大值的持续时长作为调校持续时长,并计算所述最小值到所述最大值的突变斜率;
判定模块,用于当确认所述零点值、标准气体浓度值、调校持续时长和突变斜率均处于预先标定的所述调校模型的参数取值范围内时,判定所述传感器在所述计算数据对应的时间区间内处于调校状态。
关于上述实施例中的系统,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不再做详细阐述说明。
图5是根据本公开一示例性实施例示出的一种计算设备的结构示意图。
参见图5,计算设备500包括存储器510和处理器520。
处理器520可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器510可以包括各种类型的存储单元,例如系统内存、只读存储器(ROM),和永久存储装置。其中,ROM可以存储处理器520或者计算机的其他模块需要的静态数据或者指令。永久存储装置可以是可读写的存储装置。永久存储装置可以是即使计算机断电后也不会失去存储的指令和数据的非易失性存储设备。在一些实施方式中,永久性存储装置采用大容量存储装置(例如磁或光盘、闪存)作为永久存储装置。另外一些实施方式中,永久性存储装置可以是可移除的存储设备(例如软盘、光驱)。系统内存可以是可读写存储设备或者易失性可读写存储设备,例如动态随机访问内存。系统内存可以存储一些或者所有处理器在运行时需要的指令和数据。此外,存储器1010可以包括任意计算机可读存储媒介的组合,包括各种类型的半导体存储芯片(DRAM,SRAM,SDRAM,闪存,可编程只读存储器),磁盘和/或光盘也可以采用。在一些实施方式中,存储器1010可以包括可读和/或写的可移除的存储设备,例如激光唱片(CD)、只读数字多功能光盘(例如DVD-ROM,双层DVD-ROM)、只读蓝光光盘、超密度光盘、闪存卡(例如SD卡、min SD卡、Micro-SD卡等等)、磁性软盘等等。计算机可读存储媒介不包含载波和通过无线或有线传输的瞬间电子信号。
存储器510上存储有可执行代码,当可执行代码被处理器520处理时,可以使处理器520执行上文述及的方法中的部分或全部。
上文中已经参考附图详细描述了本公开的方案。在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详细描述的部分,可以参见其他实施例的相关描述。本领域技术人员也应该知悉,说明书中所涉及的动作和模块并不一定是本发明所必须的。另外,可以理解,本公开实施例方法中的步骤可以根据实际需要进行顺序调整、合并和删减,本公开实施例装置中的模块可以根据实际需要进行合并、划分和删减。
此外,根据本公开的方法还可以实现为一种计算机程序或计算机程序产品,该计算机程序或计算机程序产品包括用于执行本公开的上述方法中部分或全部步骤的计算机程序代码指令。
或者,本公开还可以实施为一种非暂时性机器可读存储介质(或计算机可读存储介质、或机器可读存储介质),其上存储有可执行代码(或计算机程序、或计算机指令代码),当所述可执行代码(或计算机程序、或计算机指令代码)被电子设备(或计算设备、服务器等)的处理器执行时,使所述处理器执行根据本公开的上述方法的各个步骤的部分或全部。
本领域技术人员还将明白的是,结合这里的公开所描述的各种示例性逻辑块、模块、电路和算法步骤可以被实现为电子硬件、计算机软件或两者的组合。
附图中的流程图和框图显示了根据本公开的多个实施例的系统和方法的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标记的功能也可以以不同于附图中所标记的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
以上已经描述了本公开的各实施例,上述说明是示例性的,并非穷尽性的,并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择,旨在最好地解释各实施例的原理、实际应用或对市场中的技术的改进,或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。
Claims (10)
1.一种井下传感器调校状态识别方法,其特征在于,包括:
提取传感器在监测到气体浓度连续超过预设阈值的时间段以及所述时间段前后预设时间段内上传的数据,作为调校模型的计算数据;
将所述计算数据中的最小值作为零点值,将所述最小值之后连续上升点的最大值作为标准气体浓度值,将所述最大值的持续时长作为调校持续时长,并计算所述最小值到所述最大值的突变斜率;
当确认所述零点值、标准气体浓度值、调校持续时长和突变斜率均处于预先标定的所述调校模型的参数取值范围内时,判定所述传感器在所述计算数据对应的时间区间内处于调校状态。
2.根据权利要求1所述的一种井下传感器调校状态识别方法,其特征在于,还包括:将所述计算数据通过预设浓度阈值划分成多段调校数据;
分别将每段调校数据中的最小值作为零点值,将所述最小值之后连续上升点的最大值作为标准气体浓度值,将所述最大值的持续时长作为调校持续时长,并计算所述最小值到所述最大值的突变斜率;
当确认所述多段调校数据中至少一段调校数据对应的所述零点值、标准气体浓度值、调校持续时长和突变斜率均处于预先标定的所述调校模型的参数取值范围内时,判定所述传感器在所述计算数据对应的时间区间内处于调校状态。
3.根据权利要求2所述的一种井下传感器调校状态识别方法,其特征在于,所述将所述计算数据通过预设浓度阈值划分成多段调校数据,具体包括:
确定所述计算数据中连续大于预设浓度阈值的多段数据,将第一段数据的最后一个点对应的时间与所述计算数据的第一个点对应的时间组成的时间区间内的数据划分为第一段调校数据,将除所述第一段数据之外的其他段数据的最后一个点对应的时间与上一段调校数据最后一个点对应的时间组成的时间区间内的数据划分为调校数据。
4.根据权利要求1所述的一种井下传感器调校状态识别方法,其特征在于,所述将所述最大值的持续时长作为调校持续时长,具体包括:
统计连续在所述标准气体浓度值的预设波动阈值范围内的点的持续时长,作为调校持续时长。
5.根据权利要求1所述的一种井下传感器调校状态识别方法,其特征在于,还包括:分别对调校模型中零点值、标准气体浓度值、调校持续时长和突变斜率对应的参数取值范围进行标定;
对零点值、标准气体浓度值、调校持续时长和突变斜率对应的参数取值范围进行标定的过程具体包括:
分别计算调校样本中每条数据的最小值作为样本零点值,将所述样本零点值之后连续上升点的最大值作为样本标准气体浓度值,统计连续在所述样本标准气体浓度值的预设波动阈值范围内的点的持续时长,作为样本调校持续时长,并计算所述样本零点值到所述样本标准气体浓度值的突变斜率作为样本突变斜率;
利用正态分布的3σ原则剔除所述样本零点值、样本标准气体浓度值、样本调校持续时长和样本突变斜率中的异常值;
分别通过剔除异常值后的样本零点值、样本标准气体浓度值、样本调校持续时长和样本突变斜率的样本均值和样本标准差来估计调校模型中对应于零点值、标准气体浓度值、调校持续时长和突变斜率的数学期望和总体标准差;
根据对应于零点值、标准气体浓度值、调校持续时长和突变斜率的数学期望和总体标准差确定相应的参数取值范围。
6.根据权利要求1-5任一项所述的一种井下传感器调校状态识别方法,其特征在于,在提取传感器在监测到气体浓度连续超过预设阈值的时间段以及所述时间段前后预设时间段内上传的数据,作为调校模型的计算数据之后,还包括:
判断所述计算数据中的最大值是否等于预设标准气体浓度值,若是则执行计算所述零点值、标准气体浓度值、调校持续时长和突变斜率的步骤,否则不执行。
7.一种井下传感器调校状态识别系统,其特征在于,包括:
提取模块,用于提取传感器在监测到气体浓度连续超过预设阈值的时间段以及所述时间段前后预设时间段内上传的数据,作为调校模型的计算数据;
计算模块,用于将所述计算数据中的最小值作为零点值,将所述最小值之后连续上升点的最大值作为标准气体浓度值,将所述最大值的持续时长作为调校持续时长,并计算所述最小值到所述最大值的突变斜率;
判定模块,用于当确认所述零点值、标准气体浓度值、调校持续时长和突变斜率均处于预先标定的所述调校模型的参数取值范围内时,判定所述传感器在所述计算数据对应的时间区间内处于调校状态。
8.根据权利要求7所述的一种井下传感器调校状态识别系统,其特征在于,还包括:划分模块,用于将所述计算数据通过预设浓度阈值划分成多段调校数据;
所述计算模块,用于分别将每段调校数据中的最小值作为零点值,将所述最小值之后连续上升点的最大值作为标准气体浓度值,将所述最大值的持续时长作为调校持续时长,并计算所述最小值到所述最大值的突变斜率;
所述判定模块,用于当确认所述多段调校数据中至少一段调校数据对应的所述零点值、标准气体浓度值、调校持续时长和突变斜率均处于预先标定的所述调校模型的参数取值范围内时,判定所述传感器在所述计算数据对应的时间区间内处于调校状态。
9.一种终端设备,其特征在于,包括:
处理器;以及
存储器,其上存储有可执行代码,当所述可执行代码被所述处理器执行时,使所述处理器执行如权利要求1-6中任一项所述的方法。
10.一种非暂时性机器可读存储介质,其上存储有可执行代码,当所述可执行代码被电子设备的处理器执行时,使所述处理器执行如权利要求1-6中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010514001.3A CN111855897A (zh) | 2020-08-26 | 2020-08-26 | 一种井下传感器调校状态识别方法、系统、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010514001.3A CN111855897A (zh) | 2020-08-26 | 2020-08-26 | 一种井下传感器调校状态识别方法、系统、设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111855897A true CN111855897A (zh) | 2020-10-30 |
Family
ID=72986400
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010514001.3A Pending CN111855897A (zh) | 2020-08-26 | 2020-08-26 | 一种井下传感器调校状态识别方法、系统、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111855897A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112649034A (zh) * | 2020-12-28 | 2021-04-13 | 精英数智科技股份有限公司 | 一种煤矿井下传感器调校状态的识别方法及装置 |
CN112763662A (zh) * | 2020-12-29 | 2021-05-07 | 精英数智科技股份有限公司 | 气体传感器数据异常的识别方法及相关装置 |
CN112782255A (zh) * | 2020-12-31 | 2021-05-11 | 江苏智闻智能传感科技有限公司 | 一种基于阵列气体传感器的气体识别方法 |
CN112881598A (zh) * | 2021-01-11 | 2021-06-01 | 天地(常州)自动化股份有限公司 | 矿用气体传感器在线调校合规性的诊断方法 |
CN112946188A (zh) * | 2021-01-26 | 2021-06-11 | 天地(常州)自动化股份有限公司 | 井下传感器校准方法、装置、设备及介质 |
SE2150764A1 (en) * | 2021-06-14 | 2022-12-15 | Senseair Ab | Gas sensor device and method for updating baseline calibration parameter |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102006035173A1 (de) * | 2006-07-06 | 2008-01-17 | Woelke Industrieelektronik Gmbh | Verfahren zur Korrektur von mittels eines Gasmessgerätes gewonnenen Konzentrations-Messwerten |
CN101256141A (zh) * | 2008-03-21 | 2008-09-03 | 天地(常州)自动化股份有限公司 | 一种矿用安全监控系统的瓦斯传感器的在线调校方法 |
CN101655406A (zh) * | 2009-09-11 | 2010-02-24 | 中国铁道科学研究院机车车辆研究所 | 气体压力传感器零点标定方法及装置 |
US20150233879A1 (en) * | 2014-02-19 | 2015-08-20 | Ino Therapeutics Llc | Systems And Methods For Compensating Long Term Sensitivity Drift Of Electrochemical Gas Sensors Exposed To Nitric Oxide |
CN105259329A (zh) * | 2015-10-13 | 2016-01-20 | 中煤科工集团重庆研究院有限公司 | 煤矿安全监控系统瓦斯传感器调校在线识别方法 |
CN110595526A (zh) * | 2019-09-03 | 2019-12-20 | 精英数智科技股份有限公司 | 一种煤矿井下传感器标校的检测方法、装置和设备 |
CN110595525A (zh) * | 2019-09-03 | 2019-12-20 | 精英数智科技股份有限公司 | 一种监测井下传感器异常的方法、装置、系统及介质 |
CN110631624A (zh) * | 2019-09-04 | 2019-12-31 | 精英数智科技股份有限公司 | 一种识别矿井传感器运行数据异常的方法、装置及系统 |
-
2020
- 2020-08-26 CN CN202010514001.3A patent/CN111855897A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102006035173A1 (de) * | 2006-07-06 | 2008-01-17 | Woelke Industrieelektronik Gmbh | Verfahren zur Korrektur von mittels eines Gasmessgerätes gewonnenen Konzentrations-Messwerten |
CN101256141A (zh) * | 2008-03-21 | 2008-09-03 | 天地(常州)自动化股份有限公司 | 一种矿用安全监控系统的瓦斯传感器的在线调校方法 |
CN101655406A (zh) * | 2009-09-11 | 2010-02-24 | 中国铁道科学研究院机车车辆研究所 | 气体压力传感器零点标定方法及装置 |
US20150233879A1 (en) * | 2014-02-19 | 2015-08-20 | Ino Therapeutics Llc | Systems And Methods For Compensating Long Term Sensitivity Drift Of Electrochemical Gas Sensors Exposed To Nitric Oxide |
CN105259329A (zh) * | 2015-10-13 | 2016-01-20 | 中煤科工集团重庆研究院有限公司 | 煤矿安全监控系统瓦斯传感器调校在线识别方法 |
CN110595526A (zh) * | 2019-09-03 | 2019-12-20 | 精英数智科技股份有限公司 | 一种煤矿井下传感器标校的检测方法、装置和设备 |
CN110595525A (zh) * | 2019-09-03 | 2019-12-20 | 精英数智科技股份有限公司 | 一种监测井下传感器异常的方法、装置、系统及介质 |
CN110631624A (zh) * | 2019-09-04 | 2019-12-31 | 精英数智科技股份有限公司 | 一种识别矿井传感器运行数据异常的方法、装置及系统 |
Non-Patent Citations (6)
Title |
---|
崔富明;: "甲烷传感器在矿井甲烷监测中应用的分析", 机械管理开发, no. 03 * |
汪丛笑;: "煤矿安全监控系统中传感器的在线调校标记方法", 工矿自动化, no. 04 * |
王少丰;: "瓦斯传感器校验过程中最大最小值特征规律研究", 煤炭科技, no. 02 * |
王正洪, 张小鸣, 徐君: "矿井瓦斯传感器自动调校技术及其研究进展", 江苏工业学院学报, no. 02 * |
窦红卫;: "煤矿低浓度甲烷传感器的检定与校准", 安徽科技, no. 05 * |
陈玉彬;: "正确标校甲烷传感器方法探讨", 机电信息, no. 18 * |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112649034A (zh) * | 2020-12-28 | 2021-04-13 | 精英数智科技股份有限公司 | 一种煤矿井下传感器调校状态的识别方法及装置 |
CN112649034B (zh) * | 2020-12-28 | 2023-09-19 | 精英数智科技股份有限公司 | 一种煤矿井下传感器调校状态的识别方法及装置 |
CN112763662A (zh) * | 2020-12-29 | 2021-05-07 | 精英数智科技股份有限公司 | 气体传感器数据异常的识别方法及相关装置 |
CN112763662B (zh) * | 2020-12-29 | 2023-08-22 | 精英数智科技股份有限公司 | 气体传感器数据异常的识别方法及相关装置 |
CN112782255A (zh) * | 2020-12-31 | 2021-05-11 | 江苏智闻智能传感科技有限公司 | 一种基于阵列气体传感器的气体识别方法 |
CN112782255B (zh) * | 2020-12-31 | 2023-11-28 | 江苏智闻智能传感科技有限公司 | 一种基于阵列气体传感器的气体识别方法 |
CN112881598A (zh) * | 2021-01-11 | 2021-06-01 | 天地(常州)自动化股份有限公司 | 矿用气体传感器在线调校合规性的诊断方法 |
CN112946188A (zh) * | 2021-01-26 | 2021-06-11 | 天地(常州)自动化股份有限公司 | 井下传感器校准方法、装置、设备及介质 |
CN112946188B (zh) * | 2021-01-26 | 2023-06-06 | 天地(常州)自动化股份有限公司 | 井下传感器校准方法、装置、设备及介质 |
SE2150764A1 (en) * | 2021-06-14 | 2022-12-15 | Senseair Ab | Gas sensor device and method for updating baseline calibration parameter |
WO2022265562A1 (en) * | 2021-06-14 | 2022-12-22 | Senseair Ab | Gas sensor device and method for updating baseline calibration parameter |
SE545975C2 (en) * | 2021-06-14 | 2024-04-02 | Senseair Ab | Gas sensor device and method for updating baseline calibration parameter |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111855897A (zh) | 一种井下传感器调校状态识别方法、系统、设备及介质 | |
US7233884B2 (en) | Methodology for temporal fault event isolation and identification | |
EP3644186A1 (en) | Method, device, and electronic apparatus for detecting indicator abnormality | |
US10379133B2 (en) | Speed estimation systems | |
CN111460392B (zh) | 一种磁悬浮列车及其列车的悬浮系统故障检测方法和系统 | |
US7995300B2 (en) | Detection of defective tape drive by aggregating read error statistics | |
CN102448626B (zh) | 产品分选装置及产品分选方法 | |
CN108571997B (zh) | 一种检测探头稳定接触被测点的方法和装置 | |
US8161333B2 (en) | Information processing system | |
CN110929367A (zh) | 探测总气温探头中冰的存在 | |
CN112131078B (zh) | 一种监控磁盘容量的方法及设备 | |
US20200133250A1 (en) | Method and system for providing quality controlled data from a redundant sensor system | |
CN112989625A (zh) | Uwb传感器异常值的剔除方法 | |
CN112763662A (zh) | 气体传感器数据异常的识别方法及相关装置 | |
US20100064149A1 (en) | Voltage adjusting system and method for motherboard components of a computer | |
US10126210B2 (en) | Fault detection and classification matching | |
CN112649034B (zh) | 一种煤矿井下传感器调校状态的识别方法及装置 | |
KR101615345B1 (ko) | 반도체 생산 공정에서 센서 데이터들을 이용하여 웨이퍼의 수율을 분석하는 방법 | |
CN113277392B (zh) | 一种基于高斯分布模型的电梯楼层高度标定方法、电子设备及存储介质 | |
CN116304538B (zh) | 一种利用大数据评定检测结果不确定度的方法 | |
CN117912528A (zh) | 一种nand电压读取方法、装置、设备及介质 | |
CN113961548B (zh) | 用水量时序数据的异常值处理方法和异常值处理装置 | |
CN110309158B (zh) | 日志文件的滚动异常判断方法、装置及可读介质 | |
CN116452924B (zh) | 模型阈值调整方法、装置、电子设备及存储介质 | |
US20230421507A1 (en) | Timestamp smoothing to remove jitter |
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 |