CN112161648B - 异常传感器的识别方法、装置、可读存储介质及电子设备 - Google Patents

异常传感器的识别方法、装置、可读存储介质及电子设备 Download PDF

Info

Publication number
CN112161648B
CN112161648B CN202010962197.2A CN202010962197A CN112161648B CN 112161648 B CN112161648 B CN 112161648B CN 202010962197 A CN202010962197 A CN 202010962197A CN 112161648 B CN112161648 B CN 112161648B
Authority
CN
China
Prior art keywords
sensor
detected
abnormal
value
determining
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
CN202010962197.2A
Other languages
English (en)
Other versions
CN112161648A (zh
Inventor
龚大立
赵雅娟
蒙泽敏
侯宇辉
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.)
Jingying Digital Technology Co Ltd
Original Assignee
Jingying Digital Technology 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 Jingying Digital Technology Co Ltd filed Critical Jingying Digital Technology Co Ltd
Priority to CN202010962197.2A priority Critical patent/CN112161648B/zh
Publication of CN112161648A publication Critical patent/CN112161648A/zh
Application granted granted Critical
Publication of CN112161648B publication Critical patent/CN112161648B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
    • G01D18/00—Testing or calibrating apparatus or arrangements provided for in groups G01D1/00 - G01D15/00
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
    • G01D21/00—Measuring or testing not otherwise provided for
    • G01D21/02—Measuring two or more variables by means not covered by a single other subclass
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/02—Alarms for ensuring the safety of persons
    • G08B21/12—Alarms for ensuring the safety of persons responsive to undesired emission of substances, e.g. pollution alarms
    • G08B21/16—Combustible gas alarms
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B29/00—Checking or monitoring of signalling or alarm systems; Prevention or correction of operating errors, e.g. preventing unauthorised operation
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B7/00—Signalling systems according to more than one of groups G08B3/00 - G08B6/00; Personal calling systems according to more than one of groups G08B3/00 - G08B6/00
    • G08B7/06—Signalling systems according to more than one of groups G08B3/00 - G08B6/00; Personal calling systems according to more than one of groups G08B3/00 - G08B6/00 using electric transmission, e.g. involving audible and visible signalling through the use of sound and light sources

Abstract

本申请提供了一种异常传感器的识别方法、装置、可读存储介质及电子设备，基于每个待检测传感器采集的多个监测数据，检测多个待检测传感器之间的数值逻辑是否异常；若多个待检测传感器之间的数值逻辑异常，针对数值逻辑异常原因，在每一个预设检测维度下检测每个待检测传感器的工作状态；将在任一预设检测维度下检测出的工作状态异常的待检测传感器，确定为异常传感器。这样，通过按序对待检测传感器的数值逻辑以及本身的工作状态进行检测，定位出发生异常的传感器，可以及时准确地确定出异常传感器，有助于提高传感器检测的效率以及准确率。

Description

异常传感器的识别方法、装置、可读存储介质及电子设备
技术领域
本申请涉及异常检测技术领域，尤其是涉及异常传感器的识别方法、装置、可读存储介质及电子设备。
背景技术
矿井瓦斯是指在矿井生产和建设过程中由煤岩体内涌出的煤层气，其主要成分为甲烷气体；在煤矿生产过程中，伴随着煤层采动，往往会涌出来很多矿井瓦斯。当它与空气混合，在其体积百分比为5％-16％时，遇明火就会发生爆炸，引发火灾。
为了保证煤矿安全生产，建设了安全监控系统，用来实时监测井下各类气体浓度、避免事故发生。通常，煤矿安全监控系统连接在井下安装的多个传感器，将其实时监测的数据保存起来，供使用者随时查看。但是，因煤矿井下环境复杂，矿用传感器长时间在井下工作，难免会出现传感器会被损坏，导致测量值和环境真实值差异较大的情况，以导致监测数据存在异常不准确的情况，导致对矿井下的异常情况发现不及时，进而导致事故的发生。
发明内容
有鉴于此，本申请的目的在于提供一种异常传感器的识别方法、装置、可读存储介质及电子设备，通过按序对待检测传感器的数值逻辑以及本身的工作状态进行检测，定位出发生异常的传感器，可以及时准确地确定出异常传感器，有助于提高传感器检测的效率以及准确率。
本申请实施例提供了一种异常传感器的识别方法，所述识别方法包括：
基于获取到的每个待检测传感器采集的多个监测数据，检测多个待检测传感器之间的数值逻辑是否异常；
当多个待检测传感器之间的数值逻辑存在异常时，确定数值逻辑异常原因；
当多个所述待检测传感器之间的数值逻辑不存在异常时，在多个预设检测维度中每一个预设检测维度下检测每个待检测传感器的工作状态；
将在任一预设检测维度下检测出的工作状态异常的待检测传感器，确定为异常传感器。
本申请实施例还提供了一种异常传感器的识别装置，所述识别装置包括：
逻辑检测模块，用于基于获取到的每个待检测传感器采集的多个监测数据，检测多个待检测传感器之间的数值逻辑是否异常；
原因确定模块，用于当多个待检测传感器之间的数值逻辑存在异常时，确定数值逻辑异常原因；
状态检测模块，用于当多个所述待检测传感器之间的数值逻辑不存在异常时，在多个预设检测维度中每一个预设检测维度下检测每个待检测传感器的工作状态；
异常确定模块，用于将在任一预设检测维度下检测出的工作状态异常的待检测传感器，确定为异常传感器。
本申请实施例还提供一种电子设备，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储器之间通过总线通信，所述机器可读指令被所述处理器执行时执行如上述的异常传感器的识别方法的步骤。
本申请实施例还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行如上述的异常传感器的识别方法的步骤。
本申请实施例提供的异常传感器的识别方法、装置、可读存储介质及电子设备，根据获取到的每个待检测传感器采集到的多个监测数据，检测多个待检测传感器之间的数值逻辑是否异常，在确定出多个待检测传感器之间的数值逻辑异常后，确定出数值逻辑异常原因，并在确定逻辑异常原因后，在每一个预设检测维度下检测每个待检测传感器的工作状态，若待检测传感器在任一预设检测维度下工作状态异常，确定该待检测传感器异常，在逻辑检测之后，再进行工作状态异常检测，可以使得对工作状态异常检测的结果更准确，可以及时准确地在确定出异常传感器，有助于提高传感器检测的效率以及准确率。
为使本申请的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1为一种可能的应用场景下的系统结构图；
图2为本申请实施例所提供的一种异常传感器的识别方法的流程图；
图3为本申请另一实施例提供的一种异常传感器的识别方法的流程图；
图4为本申请实施例所提供的一种异常传感器的识别装置的结构示意图；
图5为本申请实施例所提供的一种电子设备的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的每个其他实施例，都属于本申请保护的范围。
首先，对本申请可适用的应用场景进行介绍。本申请可应用于异常检测技术领域，通过按序对待检测传感器的数值逻辑以及本身的工作状态进行检测，定位出发生异常的传感器，可以及时准确地确定出异常传感器，有助于提高传感器检测的效率以及准确率，请参阅图1，图1为一种可能的应用场景下的系统结构图，如图1中所示，所述系统包括多个待检测传感器以及识别装置，每一个待检测传感器采集工作环境中的监测数据，并将采集到的监测数据发送至所述识别装置，识别装置在获取到每一个待检测传感器传送的监测数据后，基于监测数据以及相应的待检测传感器的位置信息，对待检测传感器进行异常检测，确定出存在异常的待检测传感器。
经研究发现，矿井瓦斯是指在矿井生产和建设过程中由煤岩体内涌出的煤层气，其主要成分为甲烷气体；在煤矿生产过程中，伴随着煤层采动，往往会涌出来很多矿井瓦斯。当它与空气混合，在其体积百分比为5％-16％时，遇明火就会发生爆炸，引发火灾。为了保证煤矿安全生产，建设了安全监控系统，用来实时监测井下各类气体浓度、避免事故发生。通常，煤矿安全监控系统连接在井下安装的多个传感器，将其实时监测的数据保存起来，供使用者随时查看。但是，因煤矿井下环境复杂，矿用传感器长时间在井下工作，难免会出现传感器会被损坏，导致测量值和环境真实值差异较大的情况，以导致监测数据存在异常不准确的情况，导致对矿井下的异常情况发现不及时，进而导致事故的发生。
基于此，本申请实施例提供了一种异常传感器的识别方法，可以及时准确地确定出异常传感器，有助于提高传感器检测的效率以及准确率。
请参阅图2，图2为本申请实施例所提供的一种异常传感器的识别方法的流程图。如图2中所示，本申请实施例提供的异常传感器的识别方法，包括：
S201、基于获取到的每个待检测传感器采集的多个监测数据，检测多个待检测传感器之间的数值逻辑是否异常。
该步骤中，根据获取到的在煤矿井下设置的每一个待检测传感器采集到的多个监测数据检测多个传感器之间的数值逻辑是否异常。
这里，每一个待检测传感器均对应有固定的设置位置，当获取到监测数据时，根据监测数据的来源，即可确定出与监测数据对应的待检测传感器的位置信息。
这里，当多个传感器之间最基础的数值逻辑关系正确时，实时监控传感器开关量与模拟量之间的逻辑关系才有意义。否则说明传感器存在异常，需要查找导致工作面传感器逻辑关系异常的原因。
S202、当多个待检测传感器之间的数值逻辑存在异常时，确定数值逻辑异常原因。
该步骤中，在通过步骤S201确定出多个待检测传感器之间的数值逻辑存在异常时，需要在与数值逻辑相关的逻辑检测维度下确定出导致待检测传感器之间逻辑异常原因。
这里，每个传感器之间的数值逻辑是与传感器的位置信息相关的，以在采煤工作面及回风巷道安装的多个甲烷传感器T0、T1、T2为例，正常情况下其监测数值是具备T0>T2，T1>T2的逻辑大小关系。
这里，确定多个待检测传感器之间存在逻辑异常时，通过历史模型判断确定传感器异常原因。在判断待检测传感器异常时，需要在预设的多个逻辑检测维度上检测待检测传感器是否在该逻辑检测维度上异常，从而确定出导致多个待检测传感器之间数值逻辑异常原因，以及出现异常的传感器。
这里，在确定出待检测传感器之间的数值逻辑异常后，需要有针对性地根据异常原因，调整每一个待检测传感器，直至多个传感器之间的数值逻辑正常，再进行下一步判断。
S203、当多个所述待检测传感器之间的数值逻辑不存在异常时，在多个预设检测维度中每一个预设检测维度下检测每个待检测传感器的工作状态。
该步骤中，在通过步骤S202确定多个待检测传感器之间的数值逻辑正常后，在多个预设检测维度中每一个预设检测维度下检测每个待检测传感器的工作状态。
其中，在每个预设检测维度下检测待检测传感器的工作状态实质上检测的是，待检测传感器的开关量与模拟量之间的逻辑关系。
这里，多个预设检测维度可以包括传感器数值是否突变、传感器超限状态是否异常、传感器煤与瓦斯突出状态是否异常、传感器风电闭锁状态是否异常等维度。
其中，可以根据预设检测维度对检测结果的影响，确定每个维度的检测顺序，例如，第一步监控传感器数值是否突变。第二步监测单个传感器的传感器超限状态是否异常。第三步监控传感器煤与瓦斯突出状态是否异常。第四步监控传感器风电闭锁状态是否异常，因为风电闭锁控制供风区域全部为非本质安全型电气设备的电源，影响较大，故放于最后一步判断。
S204、将在任一预设检测维度下检测出的工作状态异常的待检测传感器，确定为异常传感器。
该步骤中，确定在任一预设检测维度下检测出工作状态出现异常的待检测传感器，确定为异常传感器。
本申请实施例提供的异常传感器的识别方法，根据获取到的每个待检测传感器采集到的多个监测数据，检测多个待检测传感器之间的数值逻辑是否异常，在确定出多个待检测传感器之间的数值逻辑异常后，确定出数值逻辑异常原因，并在确定逻辑异常原因后，在每一个预设检测维度下检测每个待检测传感器的工作状态，若待检测传感器在任一预设检测维度下工作状态异常，确定该待检测传感器异常，在逻辑检测之后，再进行工作状态异常检测，可以使得对工作状态异常检测的结果更准确，可以及时准确地在确定出异常传感器，有助于提高传感器检测的效率以及准确率。
请参阅图3，图3为本申请另一实施例提供的一种异常传感器的识别方法的流程图。如图3中所示，本申请实施例提供的异常传感器的识别方法，包括：
S301、基于获取到的每个待检测传感器采集的多个监测数据，检测多个待检测传感器之间的数值逻辑是否异常。
S302、基于每个待检测传感器采集到的多个监测数据，在每个预设逻辑检测维度上检测每一个待检测传感器是否异常。
该步骤中，根据每个待检测传感器采集到的多个监测数据，基于多个监测数据，在每个预设逻辑检测维度上检测每一个待检测传感器是否异常。
这里，预设逻辑检测维度包括位置检测维度、遮挡检测维度、数值异常检测维度以及干预检测维度中至少一种。
这里，在具体实施过程中，对于每个预设逻辑检测维度的检测，可以根据每个预设逻辑检测维度对检测结果的影响，按照一定顺序进行检测，例如，在判断传感器异常时，只有传感器位置正确时才能去判断传感器的其他异常，因此最先要判断待检测传感器位置关系是正确的。当待检测传感器位置关系是正确时，对待检测传感器数值影响较大的操作为，遮挡传感器传感头，导致数值普遍偏低，故放至第二步判断。修改待检测传感器上传数值，局部影响传感器数值，放至第三位判断。通过修改待检测传感器量程或下调传感器的安装高度，对数值的影响不明显，故放至最后一步判断。
S303、将在任一预设逻辑检测维度下待检测传感器异常的预设逻辑检测维度，对应的确定为数值逻辑异常原因。
该步骤中，根据步骤S302的检测结果，确定待检测传感器异常的预设逻辑检测维度，并将该预设逻辑检测维度确定为数值逻辑异常原因。
这里，当在其中一个预设逻辑检测维度下判断待检测传感器出现异常时，将结束后续判断，将传感器异常信息返回地理信息系统(Geographic Information System或Geo－Information system，GIS)矿图中，并将该待检测传感器标红，发出报警信号。当全部判断未监测出异常时，系统将该待检测传感器标红，异常信息为，因未知原因导致传感器实时数据产生异常，请尽快检修。
这里，在确定出数值逻辑异常原因后，针对相应异常原因，对出现异常的待检测传感器进行检修，在检修结束后，再次确定多个传感器之间的数值逻辑是否正常，若还是异常，继续进行检修，直至多个待检测传感器之间的数值逻辑正常。
这里，当确定多个待检测传感器之间的数值逻辑正后，将再次针对每个待检测传感器的开关量和模拟量之间的关系，以保证更好地确定出异常传感器。
S304、当多个所述待检测传感器之间的数值逻辑不存在异常时，在多个预设检测维度中每一个预设检测维度下检测每个待检测传感器的工作状态。
S305、将在任一预设检测维度下检测出的工作状态异常的待检测传感器，确定为异常传感器。
其中，S301、S304以及S305的描述可以参照S201、S203以及S204的描述，并且能达到相同的技术效果，对此不做赘述。
进一步的，通过以下步骤确定多个待检测传感器之间的数值逻辑异常：获取同一工作面上每一个待检测传感器的多个监测数据，以及该工作面的剩余采长；基于所述工作面上的剩余采长和计算出的预设时长内每一个待检测传感器的平均风速；以及每个待检测传感器获取监测数据的时间差；基于每个待检测传感器处的平均风速以及时间差，确定在预设时间段内每一个待检测传感器的多个监测数据之间的平均监测数值；基于每一个待检测传感器的平均监测数值，确定每一个待检测传感器与其他待检测传感器之间的平均监测数值的大小关系；当存在任两个待检测传感器之间的平均监测数值的大小关系不满足预设逻辑关系，确定多个待检测传感器之间的数值逻辑异常。
这里，假设存在三个待检测传感器T0、T1以及T2(三个传感器均为甲烷传感器)，在采煤工作面及回风巷道安装的多个甲烷传感器，正常情况下其监测数值是具备逻辑大小关系T0>T2，T1>T2的，故判断不同位置的数值是否满足上述条件，从而判断是否存在传感器数值逻辑异常。筛选一个工作面的T0、T1、T2三个甲烷传感器、风速传感器的一段时间的监测数据以及工作面的剩余采长信息；计算当前时间点往前推n分钟内的T2浓度的平均值VT2以及n分钟内的风速平均值f；时间差t＝工作面剩余采长/f；计算t分钟前的n分钟T1浓度VT1t、T0浓度的平均值VT0t，t-1分钟前的n分钟T1浓度VT1t-1、T0浓度的平均值VT0t-1，t-2分钟前的n分钟T1浓度VT1t-2、T0浓度的平均值VT0t-2，...，2分钟前的n分钟T1浓度VT12、T0浓度的平均值VT02，...，1分钟前的n分钟T1浓度VT11、T0浓度的平均值VT01；用剩余采长算的时间差是最大时间差，因此只要在1-t分钟内任意一段n分钟内的数值满足VT2<VT1、VT2<VT0，则认为该时刻下这个工作面的甲烷传感器的数值正常，如果没有一段n分钟的数值满足上述条件，则认为该工作面的甲烷传感器存在数值逻辑异常情况。
进一步的，当所述预设逻辑检测维度包括位置检测维度时，通过以下步骤确定待检测传感器在所述位置检测维度下异常：确定在数据采集时间段内，每一个待检测传感器采集的多个监测数据的变化幅度、变化趋势以及数值变化频率；检测每一个待检测传感器对应的变化幅度是否小于该待检测传感器对应的预设变化幅度，若该待检测传感器对应的变化幅度小于该待检测传感器对应的预设变化幅度，确定该待检测传感器在所述位置检测维度下异常；检测每一个待检测传感器对应的变化趋势是否一致，若存在变化趋势与其他待检测传感器不一致的待检测传感器，确定该待检测传感器在所述位置检测维度下异常；检测每一个待检测传感器对应的数值变化频率之间是否满足预设数值逻辑，若不满足，确定不满足预设数值逻辑的待检测传感器在所述位置检测维度下异常。
该步骤中，确定在数据采集时间段内，每一个待检测传感器采集到的多个监测数据随着采集时间的变化幅度、变化趋势以及数值变化频率，检测每一个待检测传感器对应的变化幅度是否小于该待检测传感器对应的预设变化幅度，当确定变化幅度小于该待检测传感器对应的预设变化幅度时，确定该待检测传感器在所述位置检测维度下异常；检测每一个待检测传感器之间对应的变化趋势是否一致，如果存在变化趋势与其他待检测传感器不一致的待检测传感器，确定变化趋势异常的待检测传感器在所述位置检测维度下异常；检测每一个待检测传感器对应的数值变化频率之间是否满足预设数值逻辑，如果对应得数值变化频率之间的数值逻辑与预设数值逻辑相悖，确定不满足预设数值逻辑的待检测传感器在所述位置检测维度下异常。
这里，如果将回风巷、工作面或回风隅角的传感器放置于浓度比较低的进风巷内，会导致监测数据远远低于实际值。需要从一天的变化幅度、变化趋势以及变化频率来判断其位置是否正确的同时，还要加入同一风流经过不同位置传感器的时间差，即在计算变化趋势时，要考虑因时间差导致的趋势一致延迟情形。
这里，以需要检测的待检测传感器有三个，分别为T0、T1、T2，且数据采集时间段为M天为例，结合历史数据分析可知，T0、T1、T2位置正确与不正确的变化规律如下：(1)T0、T1、T2位置正确时一天的变化曲线的变化规律为：三条曲线的变化幅度比较剧烈；在同一时刻同时上升或同时下降；三条曲线的数值变化频率满足：T0>T2，T1>T2；(2)T0或T1位置不正确时一天的变化曲线的变化规律为：三条曲线的变化幅度比较剧烈；在同一时刻有50％的数据满足同时上升或同时下降；T1的变化频率大于T0；(3)T0、T1、T2位置均不正确时一天的变化曲线的变化规律为：三条曲线的变化幅度不剧烈。可以依据上述变化规律，准确地确定出在位置检测维度下异常的待检测传感器。
这里，在对T0、T1与T2在相同时刻满足同时上升/同时下降的数据占比，判断占比是否大于等于50％的检测步骤中，在实际实施过程中，由于回风巷口与工作面、回风隅角有一定的距离，所以在回风隅角、工作面汇聚的瓦斯，经过通风机排出到回风巷时，有一定的延迟。故对需要对该步骤进行优化，即计算同增同减占比时考虑时间差的影响。不同位置的待检测传感器之间的时间差可用两种方法计算得到，一种方法是巷道长度/风速；另一种方法是最大值对应时间作差。模型训练过程是对判断为各传感器位置是正确的样本数据进行训练，可采用第二种方法计算时间差，进而得到同增同减占比的允许范围。实时判断时由于不确定各传感器位置是否正确，故采用第一种方法计算时间差。只要在最大时间差范围内找到一个区间是同增同减的，则认为该时间段内各位置传感器的变化趋势相同。
具体步骤可以设置为：1、筛选一个工作面的T0、T1、T2三个待检测传感器、风速传感器一天的监测数据以及工作面的当前剩余采长信息。计算时间差t＝工作面剩余采长/f；2、假设T2在时间段t1—t2是上升的，则判断T0、T1在t1-t—t2-t、t1-t+1—t2-t+1、t1-t+2—t2-t+2、...、t1-2—t2-2、t1-1—t2-1这些时间段内是否有一个时间段的数据是上升的，如果有，则认为在该时刻T0、T1与T2的变化趋势一致；按照第二步计算T0、T1与T2一天所有满足同时上升/同时下降的数据占比，判断占比是否大于等于x％。若其中一个数据占比小于x％则说明该位置异常，若两个均大于等于x％则说明变化趋势一致。
进一步的，当所述预设逻辑检测维度包括遮挡检测维度时，通过以下步骤确定待检测传感器在遮挡检测维度下异常：确定在数据采集时间段内每一个待检测传感器采集的多个监测数据的第一平均值以及离散系数；针对每一个待检测传感器，检测多个监测数据的第一平均值是否小于预设平均值阈值，以及所述多个监测数据的离散系数是否小于预设离散系数阈值；若多个监测数据的第一平均值小于预设平均值阈值并且多个监测数据的离散系数小于预设离散系数阈值，确定该待检测传感器在遮挡检测维度下异常。
该步骤中，确定在数据采集时间段内，每一个待检测传感器采集的多个监测数据之间的第一平均值以及离散系数；针对于每一个待检测传感器，检测对应的多个监测数据之间的第一平均值是否小于预设平均值阈值，以及多个监测数据的离散系数是否小于预设离散系数阈值；若对应的第一平均值小于预设平均值阈值并且多个监测数据的离散系数小于预设离散系数阈值，确定该待检测传感器在遮挡检测维度下异常。
这里，当传感器被遮挡物遮挡时，如将传感器的传感头部分使用塑料口袋等进行密封，即使环境气体超限，传感器也无法检测到异常，或检测到的监测数值严重偏小或一直保持某一数据。这种情况下传感器测量值会严重偏小，且整体变化趋势表现得比较平稳，没有大幅度波动。平均值可以代表一组数据的整体水平，均值高代表整体水平值较高。所以利用平均值来判断传感器的测量值是否严重偏小；均值的计算公式如下：
Figure BDA0002680939420000111
其中，
Figure BDA0002680939420000112
为均值，Xi为传感器i的测量值；n为待检测传感器数量。
方差越小，说明数据分布越集中；方差越大，说明分布越分散，所以利用测量值的方差来判断数据是否平稳。方差的计算公式如下：
Figure BDA0002680939420000113
其中，S2为方差，n为待检测传感器数量；
Figure BDA0002680939420000121
为均值；Xi为传感器i的测量值。
离散系数又称变异系数，主要反映单位均值上的离散程度，主要用于比较不同均值水平的变量数列的离散程度，在对比情况下，离散系数较大的其分布情况差异也大。离散系数的计算公式为：
Figure BDA0002680939420000122
其中，CV为离散系数；μ为平均值；σ为标准差。
针对于上述示例，在N天里，计算N天正常测量时每天测量值的均值μ＝{μ1,μ2,...μi,μN}和方差，进而得出N天正常测量值的离散系数CV，分别将N个均值、离散系数排序，找出位于25％位置上的值(下四分位数)、位于75％位置上的值(上四分位数)。计算均值和离散系数的异常值边界，计算公式如下：
[Q1-k(Q3-Q1),Q3+k(Q3-Q1)]；
其中k由异常数据的均值、离散系数与正常测量下均值、离散系数对比得到优选的均值的k1值和离散系数的k2值。
若该天均值μt<Q1-k1(Q3-Q1)，说明该天均值严重偏小；同时，离散系数CVt<Q1-k2(Q3-Q1)，说明该天离散系数严重偏小，即测量值分布在均值附近，没有明显波动，该传感器传感头被遮挡。
进一步的，当所述预设逻辑检测维度包括数值异常检测维度时，通过以下步骤确定待检测传感器在数值异常检测维度下异常：
基于待检测传感器在数据采集时间段内每个采集时间点上的监测数据的增量值，确定出正向增长数据集以及负向增长数据集；
分别计算所述正向增长数据集中包括的全部增量值的第二平均值以及第一方差，以及所述负向增长数据集中包括的全部增量值的第三平均值以及第二方差；
基于所述第二平均值以及所述第一方差，确定正向增长数据集对应的第一增量阈值；
基于所述第三平均值以及所述第二方差，确定负向增长数据集对应的第二增量阈值；
将正向增长数据集中大于所述第一增量阈值的增量值确定为突增增量值，以及将负向增长数据集中大于所述第二增量阈值的增量值确定为突减增量值；
基于确定出的多个突增增量值、多个突减增量值以及采集到每一个突增增量值或者突减增量值的时间，确定出至少一个突变点；
针对每一个突变点，检测该突变点后续预设时间段内的每一个采集时间点上的历史数据是否存在窄幅震荡异常；
若该突变点后续的每一个采集时间点上的监测数据存在窄幅震荡异常，确定待检测传感器在数值异常检测维度下异常。
该步骤中，在数据采集时间段内每个采集时间点上的监测数据，确定每一个监测数据相对于上一个采集时间点上的检测数据的增量值，将正向增长的增量集合在一起，确定出正向增长数据集，同时将负向增长的增量集合在一起，确定出负向增长数据集；针对于正向增长数据集，确定出包括的全部增量值的第二平均值以及第一方差，基于所述第二平均值以及所述第一方差，确定正向增长数据集对应的第一增量阈值，将正向增长数据集中大于所述第一增量阈值的增量值确定为突增增量值；并针对于负向增长数据集，确定出包括的全部增量值的第三平均值以及第二方差，基于所述第三平均值以及所述第二方差，确定负向增长数据集对应的第二增量阈值，将负向增长数据集中大于所述第二增量阈值的增量值确定为突减增量值；基于确定出的多个突增增量值、多个突减增量值以及采集到每一个突增增量值或者突减增量值的时间，确定出至少一个突变点，若在突变点之后的采集时间点上的监测数据存在窄幅震荡异常，确定待检测传感器在数值异常检测维度下异常。
这里，在突增、突降异常点之后常常会出现数据窄幅震荡的情况。这种情况下往往在一段时间内数据整体表现比较平稳、增量范围小于等于0.02、正向增量与负向增量的比例基本相同、以及连续上升或下降的数据量不多；根据得到的突增、突降点找到其对应的时间值分别为，判断在这些时间之后对应的一段时间内的数据是否符合上述规律，如果符合，则认为该时间段之后的数据有异常。
这里，在确定出突增、突降点后，需要删除一定预设时间区间(前后10分钟)因突增突降点筛选不准确导致误差的监测数据，然后计算连续一段时间(两个小时)的检测数据中：(1)增量小于等于0.02的比例是否大于等于85％；(2)正向增量与负向增量的比例是否在85％—115％之间；(3)连续正负增量是否不超过M个；(4)窄幅震荡频次大于等于78％；如果同时满足条件(1)-(4)，则认为这个突增点(或突降点)后面的数据是窄幅震荡异常，即该突增异常点(或突降异常点)后续时间内伴随窄幅震荡异常。即说明该传感器当天的监测数据出现异常。
进一步的，当所述预设逻辑检测维度包括干预检测维度时，通过以下步骤确定待检测传感器在干预检测维度下异常：确定数据采集时间段内包括的采集工作时间段；确定在与所述数据采集时间段相邻的前一个历史数据采集时间段内历史工作时间的多个历史数据之间的第四平均值；确定在所述采集工作时间段内的多个监测数据之间的第五平均值；基于所述第四平均值以及所述第五平均值，确定数据变化率；当所述数据变化率大于预设变化率阈值时，确定待检测传感器在干预检测维度下异常。
该步骤中，确定在数据采集时间段内的采集工作时间段，并确定与数据采集时间相邻的前一个历史数据采集时间段包括的历史工作时间包括的多个历史数据之间的第四平均值；并确定当前的采集工作时间段内的多个监测数据之间的第五平均值，根据第四平均值以及第五平均值，确定数据变化率，当数据变化率大于预设变化率阈值时，确定待检测传感器在干预检测维度下异常。
这里，对于采集工作时间段的确定，可以是将一天内的监测数据按每隔t分钟分段，计算每半小时内的平均值与相邻两个平均值的斜率。当相邻分段内平均值改变很小时，斜率的极限值为0。由于工作时间段内有部分监测数据存在相邻平均值变化幅度不大，并且持续时间至少超过了半个工作班(一般为3至4小时)，所以对求得的斜率再求一次斜率，然后筛选二次斜率的极限值为0且时长超过了半个工作班，即为非采集工作时间段，其余时间为采集工作时间段。
这里，获取同一待检测传感器的连续多天开始数据，计算得到开始数据的采煤时间段的测量均值μi。计算后续数据采集时间的一天采集工作时间段的均值μ1，若μ1与μi相比变化率超过x％，则认为在这段时间内该待检测传感器高度被调低或精度被调低或量程被修改。
进一步的，当所述预设检测维度包括传感器数值突变检测常维度时，通过以下步骤确定待检测传感器在传感器数值突变检测维度下工作状态异常：将待检测传感器的多个监测数据按照预设时间间隔划分成相同时间间隔的多个划分监测数据；基于预设的多个变化前值范围，划分出多个突变率集合；若待检测传感器的多个划分监测数据中存在落在变化前值范围，且对应的突变率落在多个突变率集合中的任一个中的划分监测数据，确定待检测传感器在传感器数值突变检测维度下工作状态异常。
这里，在传感器数值突变异常维度下，对待检测传感器的检测过程为：由于瓦斯的涌出、移动均需一定的时间，故正常工作的甲烷传感器一般不会发生测量值瞬间达到测量范围极值的情况，利用测量值的变化率ΔCCH4/Δt是否达到或超过设定值来判断传感器数值是否有突变异常现象。
这里，确定不同的变化率范围依然选用的是传感器数值异常模型中通过筛选异常值来确定突增点的方法，原理如下：
由于每个传感器每日的监测值增量构建的样本量比较大，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。正态分布具有以下性质：在正态分布中σ为标准差，μ为均值，服从正态分布的数值分布在(μ-σ,μ+σ)的概率为0.6826；服从正态分布的数值分布在(μ-2σ,μ+2σ)的概率为0.9544；服从正态分布的数值分布在(μ-3σ,μ+3σ)的概率为0.9974，从3σ原则可以得知，数据分布在小于μ-3σ以及大于μ+3σ的可能性很小，因此认为出现在(μ-3σ,μ+3σ)以外的值为极端异常值。
在煤矿井下传感器的监测值出现突增异常的点所占比例很小，故认为计算得到的甲烷传感器的监测值增量基本落在(μ-3σ,μ+3σ)区间内，而不在此范围说明该点增量存在异常，认为其存在突增异常；由于安全监控系统中的甲烷浓度值是变值存储的，不同的时间间隔计算出的变化率不具有可比性，所以首先要将实时数据处理成相同时间间隔的数据，时间间隔为1min(可修改)。然后按照不同的变化前值划分几个突变率集合，比如前值在[x1,x2]的突变率集合为[a,b]，之后按照上述统计方法确定前值在[x1,x2]时，突变率异常的范围是[a’,b’]。实时判断时，如果前值落在[x1,x2]，且突变率落在[a’,b’]，则认为该时刻下这个传感器存在突增异常。
进一步的，当所述预设检测维度包括传感器超限状态检测维度时，通过以下步骤确定待检测传感器在传感器超限状态检测维度下工作状态异常；检测同一工作面上馈电传感器以及断电控制器指示的工作面的上电状态；检测每一个待检测传感器的监测数值是否大于或者等于每一个待检测传感器对应的第一监测阈值；若所述馈电传感器以及所述断电控制器指示的上电状态均为有电，并且，存在待检测传感器的监测数值大于或者等于该待检测传感器对应的第一监测阈值，确定待检测传感器在传感器超限状态检测维度下工作状态异常。
这里，当甲烷传感器的监测值达到断电值或降至复电值时，判断其关联的馈电传感器、断电控制器的状态是否异常。实时监测采煤工作面的馈电传感器与断电控制器的状态，如果两个传感器状态一致且都为1，则说明此时工作面是有电状态，查看工作面T0、T1、T2、T中此时监测的浓度值，如果T0浓度≥1.5或T1≥1.5或T2≥1.0或T中≥1.0，则说明此时存在传感器超限状态异常。
进一步的，在检测同一工作面上馈电传感器以及断电控制器指示的工作面的上电状态之后，所述识别方法还包括：若所述馈电传感器以及所述断电控制器指示的上电状态不一致，且每一个待检测传感器的监测数值均大于或者等于每一个待检测传感器对应的第一监测阈值，确定指示工作面的上电状态为有电的馈电传感器或断电控制器在传感器超限状态检测维度下工作状态异常。
这里，如果断电控制器与馈电传感器状态不一致，且存在T0浓度≥1.5或T1≥1.5或T2≥1.0或T中≥1.0的情况，哪一个传感器显示有电，则哪一个传感器异常。
进一步的，当所述预设检测维度包括传感器煤与瓦斯突出状态检测维度时，通过以下步骤确定待检测传感器在传感器煤与瓦斯突出状态检测维度下工作状态异常：检测同一工作面上馈电传感器以及断电控制器指示的工作面的上电状态；检测每一个待检测传感器的监测数值是否大于或者等于每一个待检测传感器对应的第二监测阈值以及每一个待检测传感器的监测数值是否存在突变情况；若所述馈电传感器以及所述断电控制器指示的上电状态均为有电，并且，每一个待检测传感器的监测数值均大于或者等于每一个待检测传感器对应的第二监测阈值或者每一个待检测传感器的监测数值均存在突变情况，确定待检测传感器在传感器煤与瓦斯突出状态检测维度下工作状态异常。
这里，在传感器煤与瓦斯突出状态异常维度下，对待检测传感器的检测过程为：当工作面发生煤与瓦斯突出时，判断其关联的断电控制器、馈电传感器、声光报警器的状态是否异常。实时监测采煤工作面的馈电传感器与断电控制器的状态，如果两个传感器状态一致且都为1，则说明此时工作面是有电状态，查看工作面T0、T1、T2、T中此时监测的浓度值，如果T0浓度≥1.0且T1≥1.0且T2≥1.0且T中≥1.0或者四个位置都存在突变异常(模型四判断)，则说明此时存在传感器煤与瓦斯突出状态异常。
进一步的，在所述检测同一工作面上馈电传感器以及断电控制器指示的工作面的上电状态之后，所述识别方法包括：当所述馈电传感器以及所述断电控制器指示的上电状态不一致时，检测每一个待检测传感器的监测数值是否大于或者等于每一个待检测传感器对应的第二监测阈值以及每一个待检测传感器的监测数值是否存在突变情况；若每一个待检测传感器的监测数值均大于或者等于每一个待检测传感器对应的第二监测阈值或者每一个待检测传感器的监测数值均存在突变情况，确定指示工作面的上电状态为有电的馈电传感器或断电控制器在传感器煤与瓦斯突出状态检测维度下工作状态异常。
这里，如果断电控制器与馈电传感器状态不一致，且存在T0浓度≥1.0且T1≥1.0且T2≥1.0且T中≥1.0或者四个位置都存在突变异常的情况，哪一个传感器显示有电，则哪一个传感器异常。
进一步的，当所述预设检测维度包括传感器风电闭锁状态检测维度时，通过以下步骤确定待检测传感器在传感器风电闭锁状态检测维度下工作状态异常：检测同一工作面上馈电传感器以及断电控制器指示的工作面的上电状态；检测该工作面上的局部通风机的风机状态以及风筒风量；若所述馈电传感器以及所述断电控制器指示的上电状态均为有电，并且，局部通风机的风机状态指示所述局部通风机停止或者风筒风量小于预设风量阈值，确定待检测传感器在传感器风电闭锁状态检测维度下工作状态异常。
这里，当工作面的局部通风机停止运转且监测的风量低于规定值，或者甲烷浓度大于3.0％时，判断其关联的断电控制器、馈电传感器、声光报警器、局部通风机的状态是否异常。实时监测采煤工作面的馈电传感器与断电控制器的状态，如果两个传感器状态一致且都为1，则说明此时工作面是有电状态，查看工作面局部通风机的状态及风筒风量，如果局部通风机停机或风筒风量低于规定值，则说明此时存在传感器风电闭锁状态异常。
进一步的，在所述检测同一工作面上馈电传感器以及断电控制器指示的工作面的上电状态之后，所述识别方法还包括：若所述馈电传感器以及所述断电控制器指示的上电状态不一致，且局部通风机的风机状态指示所述局部通风机停止或者风筒风量小于预设风量阈值；确定指示工作面的上电状态为有电的馈电传感器或断电控制器在传感器风电闭锁状态检测维度下工作状态异常。
这里，如果断电控制器与馈电传感器状态不一致，且局部通风机停机或风筒风量低于规定值的情况，哪一个传感器显示有电，则哪一个传感器状态异常。
本申请实施例提供的异常传感器的识别方法，根据获取到的每个待检测传感器采集到的多个监测数据，检测多个待检测传感器之间的数值逻辑是否异常，在确定出多个待检测传感器之间的数值逻辑异常后，确定出数值逻辑异常原因，并在确定逻辑异常原因后，在每一个预设检测维度下检测每个待检测传感器的工作状态，若待检测传感器在任一预设检测维度下工作状态异常，确定该待检测传感器异常，在逻辑检测之后，再进行工作状态异常检测，可以使得对工作状态异常检测的结果更准确，可以及时准确地在确定出异常传感器，有助于提高传感器检测的效率以及准确率。
请参阅图4，图4为本申请实施例所提供的一种异常传感器的识别装置的结构示意图，如图4中所示，所述识别装置400包括：
逻辑检测模块410，用于基于获取到的每个待检测传感器采集的多个监测数据，检测多个待检测传感器之间的数值逻辑是否异常。
原因确定模块420，用于当多个待检测传感器之间的数值逻辑存在异常时，确定数值逻辑异常原因。
状态检测模块430，用于当多个所述待检测传感器之间的数值逻辑不存在异常时，在多个预设检测维度中每一个预设检测维度下检测每个待检测传感器的工作状态。
异常确定模块440，用于将在任一预设检测维度下检测出的工作状态异常的待检测传感器，确定为异常传感器。
进一步的，所述原因确定模块420在用于所述当多个待检测传感器之间的数值逻辑存在异常时，确定数值逻辑异常原因时，所述原因确定模块420用于：
基于每个待检测传感器采集到的多个监测数据，在每个预设逻辑检测维度上检测每一个待检测传感器是否异常；
将在任一预设逻辑检测维度下待检测传感器异常的预设逻辑检测维度，对应的确定为数值逻辑异常原因。
进一步的，所述预设逻辑检测维度包括位置检测维度、遮挡检测维度、数值异常检测维度以及干预检测维度中至少一种；所述预设检测维度包括传感器数值突变检测维度、传感器超限状态检测维度、传感器煤与瓦斯突出状态检测维度以及传感器风电闭锁状态检测维度中的至少一种。
进一步的，当所述预设逻辑检测维度包括位置检测维度时，所述原因确定模块420用于通过以下步骤确定待检测传感器在所述位置检测维度下异常：
确定在数据采集时间段内，每一个待检测传感器采集的多个监测数据的变化幅度、变化趋势以及数值变化频率；
检测每一个待检测传感器对应的变化幅度是否小于该待检测传感器对应的预设变化幅度，若该待检测传感器对应的变化幅度小于该待检测传感器对应的预设变化幅度，确定该待检测传感器在所述位置检测维度下异常；
检测每一个待检测传感器对应的变化趋势是否一致，若存在变化趋势与其他待检测传感器不一致的待检测传感器，确定该待检测传感器在所述位置检测维度下异常；
检测每一个待检测传感器对应的数值变化频率之间是否满足预设数值逻辑，若不满足，确定不满足预设数值逻辑的待检测传感器在所述位置检测维度下异常。
进一步的，当所述预设逻辑检测维度包括遮挡检测维度时，所述原因确定模块420用于通过以下步骤确定待检测传感器在遮挡检测维度下异常：
确定在数据采集时间段内每一个待检测传感器采集的多个监测数据的第一平均值以及离散系数；
针对每一个待检测传感器，检测多个监测数据的第一平均值是否小于预设平均值阈值，以及所述多个监测数据的离散系数是否小于预设离散系数阈值；
若多个监测数据的第一平均值小于预设平均值阈值并且多个监测数据的离散系数小于预设离散系数阈值，确定该待检测传感器在遮挡检测维度下异常。
进一步的，当所述预设逻辑检测维度包括数值异常检测维度时，所述原因确定模块420用于通过以下步骤确定待检测传感器在数值异常检测维度下异常：
基于待检测传感器在数据采集时间段内每个采集时间点上的监测数据的增量值，确定出正向增长数据集以及负向增长数据集；
分别计算所述正向增长数据集中包括的全部增量值的第二平均值以及第一方差，以及所述负向增长数据集中包括的全部增量值的第三平均值以及第二方差；
基于所述第二平均值以及所述第一方差，确定正向增长数据集对应的第一增量阈值；
基于所述第三平均值以及所述第二方差，确定负向增长数据集对应的第二增量阈值；
将正向增长数据集中大于所述第一增量阈值的增量值确定为突增增量值，以及将负向增长数据集中大于所述第二增量阈值的增量值确定为突减增量值；
基于确定出的多个突增增量值、多个突减增量值以及采集到每一个突增增量值或者突减增量值的时间，确定出至少一个突变点；
针对每一个突变点，检测该突变点后续预设时间段内的每一个采集时间点上的历史数据是否存在窄幅震荡异常；
若该突变点后续的每一个采集时间点上的监测数据存在窄幅震荡异常，确定待检测传感器在数值异常检测维度下异常。
进一步的，当所述预设逻辑检测维度包括干预检测维度时，所述原因确定模块420用于通过以下步骤确定待检测传感器在干预检测维度下异常：
确定数据采集时间段内包括的采集工作时间段；
确定在与所述数据采集时间段相邻的前一个历史数据采集时间段内历史工作时间的多个历史数据之间的第四平均值；
确定在所述采集工作时间段内的多个监测数据之间的第五平均值；
基于所述第四平均值以及所述第五平均值，确定数据变化率；
当所述数据变化率大于预设变化率阈值时，确定待检测传感器在干预检测维度下异常。
进一步的，当所述预设检测维度包括传感器数值突变检测常维度时，所述状态检测模块430用于通过以下步骤确定待检测传感器在传感器数值突变检测维度下工作状态异常：
将待检测传感器的多个监测数据按照预设时间间隔划分成相同时间间隔的多个划分监测数据；
基于预设的多个变化前值范围，划分出多个突变率集合；
若待检测传感器的多个划分监测数据中存在落在变化前值范围，且对应的突变率落在多个突变率集合中的任一个中的划分监测数据，确定待检测传感器在传感器数值突变检测维度下工作状态异常。
进一步的，当所述预设检测维度包括传感器超限状态检测维度时，所述状态检测模块430用于通过以下步骤确定待检测传感器在传感器超限状态检测维度下工作状态异常：
检测同一工作面上馈电传感器以及断电控制器指示的工作面的上电状态；
检测每一个待检测传感器的监测数值是否大于或者等于每一个待检测传感器对应的第一监测阈值；
若所述馈电传感器以及所述断电控制器指示的上电状态均为有电，并且，存在待检测传感器的监测数值大于或者等于该待检测传感器对应的第一监测阈值，确定待检测传感器在传感器超限状态检测维度下工作状态异常。
进一步的，所述状态检测模块430具体用于：
若所述馈电传感器以及所述断电控制器指示的上电状态不一致，且每一个待检测传感器的监测数值均大于或者等于每一个待检测传感器对应的第一监测阈值，确定指示工作面的上电状态为有电的馈电传感器或断电控制器在传感器超限状态检测维度下工作状态异常。
进一步的，当所述预设检测维度包括传感器煤与瓦斯突出状态检测维度时，所述状态检测模块430用于通过以下步骤确定待检测传感器在传感器煤与瓦斯突出状态检测维度下工作状态异常：
检测同一工作面上馈电传感器以及断电控制器指示的工作面的上电状态；
检测每一个待检测传感器的监测数值是否大于或者等于每一个待检测传感器对应的第二监测阈值以及每一个待检测传感器的监测数值是否存在突变情况；
若所述馈电传感器以及所述断电控制器指示的上电状态均为有电，并且，每一个待检测传感器的监测数值均大于或者等于每一个待检测传感器对应的第二监测阈值或者每一个待检测传感器的监测数值均存在突变情况，确定待检测传感器在传感器煤与瓦斯突出状态检测维度下工作状态异常。
进一步的，所述状态检测模块430具体用于：
当所述馈电传感器以及所述断电控制器指示的上电状态不一致时，检测每一个待检测传感器的监测数值是否大于或者等于每一个待检测传感器对应的第二监测阈值以及每一个待检测传感器的监测数值是否存在突变情况；
若每一个待检测传感器的监测数值均大于或者等于每一个待检测传感器对应的第二监测阈值或者每一个待检测传感器的监测数值均存在突变情况，确定指示工作面的上电状态为有电的馈电传感器或断电控制器在传感器煤与瓦斯突出状态检测维度下工作状态异常。
进一步的，当所述预设检测维度包括传感器风电闭锁状态检测维度时，所述状态检测模块430用于通过以下步骤确定待检测传感器在传感器风电闭锁状态检测维度下工作状态异常：
检测同一工作面上馈电传感器以及断电控制器指示的工作面的上电状态；
检测该工作面上的局部通风机的风机状态以及风筒风量；
若所述馈电传感器以及所述断电控制器指示的上电状态均为有电，并且，局部通风机的风机状态指示所述局部通风机停止或者风筒风量小于预设风量阈值，确定待检测传感器在传感器风电闭锁状态检测维度下工作状态异常。
进一步的，所述状态检测模块430具体用于：
若所述馈电传感器以及所述断电控制器指示的上电状态不一致，且局部通风机的风机状态指示所述局部通风机停止或者风筒风量小于预设风量阈值；
确定指示工作面的上电状态为有电的馈电传感器或断电控制器在传感器风电闭锁状态检测维度下工作状态异常。
本申请实施例提供的异常传感器的识别装置，根据获取到的每个待检测传感器采集到的多个监测数据，检测多个待检测传感器之间的数值逻辑是否异常，在确定出多个待检测传感器之间的数值逻辑异常后，确定出数值逻辑异常原因，并在确定逻辑异常原因后，在每一个预设检测维度下检测每个待检测传感器的工作状态，若待检测传感器在任一预设检测维度下工作状态异常，确定该待检测传感器异常，在逻辑检测之后，再进行工作状态异常检测，可以使得对工作状态异常检测的结果更准确，可以及时准确地在确定出异常传感器，有助于提高传感器检测的效率以及准确率。
请参阅图5，图5为本申请实施例所提供的一种电子设备的结构示意图。如图5中所示，所述电子设备500包括处理器510、存储器520和总线530。
所述存储器520存储有所述处理器510可执行的机器可读指令，当电子设备500运行时，所述处理器510与所述存储器520之间通过总线530通信，所述机器可读指令被所述处理器510执行时，可以执行如上述图2以及图3所示方法实施例中的异常传感器的识别方法的步骤，具体实现方式可参见方法实施例，在此不再赘述。
本申请实施例还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器运行时可以执行如上述图2以及图3所示方法实施例中的异常传感器的识别方法的步骤，具体实现方式可参见方法实施例，在此不再赘述。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本申请所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。以上所描述的装置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，又例如，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通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
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，在本申请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。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-OnlyMemory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是：以上所述实施例，仅为本申请的具体实施方式，用以说明本申请的技术方案，而非对其限制，本申请的保护范围并不局限于此，尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本申请实施例技术方案的精神和范围，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以权利要求的保护范围为准。

Claims (17)

1.一种异常传感器的识别方法，其特征在于，所述识别方法包括：
基于获取到的每个待检测传感器采集的多个监测数据，检测多个待检测传感器之间的数值逻辑是否异常；
当多个待检测传感器之间的数值逻辑存在异常时，确定数值逻辑异常原因；
当多个所述待检测传感器之间的数值逻辑不存在异常时，在多个预设检测维度中每一个预设检测维度下检测每个待检测传感器的工作状态；
将在任一预设检测维度下检测出的工作状态异常的待检测传感器，确定为异常传感器；
通过以下步骤确定多个待检测传感器之间的数值逻辑异常：
获取同一工作面上每一个待检测传感器的多个监测数据，以及该工作面的剩余采长；
基于所述工作面上的剩余采长和计算出的预设时长内每一个待检测传感器的平均风速；以及每个待检测传感器获取监测数据的时间差；
基于每个待检测传感器处的平均风速以及时间差，确定在预设时间段内每一个待检测传感器的多个监测数据之间的平均监测数值；
基于每一个待检测传感器的平均监测数值，确定每一个待检测传感器与其他待检测传感器之间的平均监测数值的大小关系；
当存在任两个待检测传感器之间的平均监测数值的大小关系不满足预设逻辑关系，确定多个待检测传感器之间的数值逻辑异常。
2.根据权利要求1所述的识别方法，其特征在于，所述当多个待检测传感器之间的数值逻辑存在异常时，确定数值逻辑异常原因，包括：
基于每个待检测传感器采集到的多个监测数据，在每个预设逻辑检测维度上检测每一个待检测传感器是否异常；
将在任一预设逻辑检测维度下待检测传感器异常的预设逻辑检测维度，对应的确定为数值逻辑异常原因。
3.根据权利要求2所述的识别方法，其特征在于，所述预设逻辑检测维度包括位置检测维度、遮挡检测维度、数值异常检测维度以及干预检测维度中至少一种；所述预设检测维度包括传感器数值突变检测维度、传感器超限状态检测维度、传感器煤与瓦斯突出状态检测维度以及传感器风电闭锁状态检测维度中的至少一种。
4.根据权利要求3所述的识别方法，其特征在于，当所述预设逻辑检测维度包括位置检测维度时，通过以下步骤确定待检测传感器在所述位置检测维度下异常：
确定在数据采集时间段内，每一个待检测传感器采集的多个监测数据的变化幅度、变化趋势以及数值变化频率；
检测每一个待检测传感器对应的变化幅度是否小于该待检测传感器对应的预设变化幅度，若该待检测传感器对应的变化幅度小于该待检测传感器对应的预设变化幅度，确定该待检测传感器在所述位置检测维度下异常；
检测每一个待检测传感器对应的变化趋势是否一致，若存在变化趋势与其他待检测传感器不一致的待检测传感器，确定该待检测传感器在所述位置检测维度下异常；
检测每一个待检测传感器对应的数值变化频率之间是否满足预设数值逻辑，若不满足，确定不满足预设数值逻辑的待检测传感器在所述位置检测维度下异常。
5.根据权利要求3所述的识别方法，其特征在于，当所述预设逻辑检测维度包括遮挡检测维度时，通过以下步骤确定待检测传感器在遮挡检测维度下异常：
确定在数据采集时间段内每一个待检测传感器采集的多个监测数据的第一平均值以及离散系数；
针对每一个待检测传感器，检测多个监测数据的第一平均值是否小于预设平均值阈值，以及所述多个监测数据的离散系数是否小于预设离散系数阈值；
若多个监测数据的第一平均值小于预设平均值阈值并且多个监测数据的离散系数小于预设离散系数阈值，确定该待检测传感器在遮挡检测维度下异常。
6.根据权利要求3所述的识别方法，其特征在于，当所述预设逻辑检测维度包括数值异常检测维度时，通过以下步骤确定待检测传感器在数值异常检测维度下异常：
基于待检测传感器在数据采集时间段内每个采集时间点上的监测数据的增量值，确定出正向增长数据集以及负向增长数据集；
分别计算所述正向增长数据集中包括的全部增量值的第二平均值以及第一方差，以及所述负向增长数据集中包括的全部增量值的第三平均值以及第二方差；
基于所述第二平均值以及所述第一方差，确定正向增长数据集对应的第一增量阈值；
基于所述第三平均值以及所述第二方差，确定负向增长数据集对应的第二增量阈值；
将正向增长数据集中大于所述第一增量阈值的增量值确定为突增增量值，以及将负向增长数据集中大于所述第二增量阈值的增量值确定为突减增量值；
基于确定出的多个突增增量值、多个突减增量值以及采集到每一个突增增量值或者突减增量值的时间，确定出至少一个突变点；
针对每一个突变点，检测该突变点后续预设时间段内的每一个采集时间点上的历史数据是否存在窄幅震荡异常；
若该突变点后续的每一个采集时间点上的监测数据存在窄幅震荡异常，确定待检测传感器在数值异常检测维度下异常。
7.根据权利要求3所述的识别方法，其特征在于，当所述预设逻辑检测维度包括干预检测维度时，通过以下步骤确定待检测传感器在干预检测维度下异常：
确定数据采集时间段内包括的采集工作时间段；
确定在与所述数据采集时间段相邻的前一个历史数据采集时间段内历史工作时间的多个历史数据之间的第四平均值；
确定在所述采集工作时间段内的多个监测数据之间的第五平均值；
基于所述第四平均值以及所述第五平均值，确定数据变化率；
当所述数据变化率大于预设变化率阈值时，确定待检测传感器在干预检测维度下异常。
8.根据权利要求3所述的识别方法，其特征在于，当所述预设检测维度包括传感器数值突变检测常维度时，通过以下步骤确定待检测传感器在传感器数值突变检测维度下工作状态异常：
将待检测传感器的多个监测数据按照预设时间间隔划分成相同时间间隔的多个划分监测数据；
基于预设的多个变化前值范围，划分出多个突变率集合；
若待检测传感器的多个划分监测数据中存在落在变化前值范围，且对应的突变率落在多个突变率集合中的任一个中的划分监测数据，确定待检测传感器在传感器数值突变检测维度下工作状态异常。
9.根据权利要求3所述的识别方法，其特征在于，当所述预设检测维度包括传感器超限状态检测维度时，通过以下步骤确定待检测传感器在传感器超限状态检测维度下工作状态异常：
检测同一工作面上馈电传感器以及断电控制器指示的工作面的上电状态；
检测每一个待检测传感器的监测数值是否大于或者等于每一个待检测传感器对应的第一监测阈值；
若所述馈电传感器以及所述断电控制器指示的上电状态均为有电，并且，存在待检测传感器的监测数值大于或者等于该待检测传感器对应的第一监测阈值，确定待检测传感器在传感器超限状态检测维度下工作状态异常。
10.根据权利要求9所述的识别方法，其特征在于，在所述检测同一工作面上馈电传感器以及断电控制器指示的工作面的上电状态之后，所述识别方法还包括：
若所述馈电传感器以及所述断电控制器指示的上电状态不一致，且每一个待检测传感器的监测数值均大于或者等于每一个待检测传感器对应的第一监测阈值；
确定指示工作面的上电状态为有电的馈电传感器或断电控制器在传感器超限状态检测维度下工作状态异常。
11.根据权利要求3所述的识别方法，其特征在于，当所述预设检测维度包括传感器煤与瓦斯突出状态检测维度时，通过以下步骤确定待检测传感器在传感器煤与瓦斯突出状态检测维度下工作状态异常：
检测同一工作面上馈电传感器以及断电控制器指示的工作面的上电状态；
检测每一个待检测传感器的监测数值是否大于或者等于每一个待检测传感器对应的第二监测阈值以及每一个待检测传感器的监测数值是否存在突变情况；
若所述馈电传感器以及所述断电控制器指示的上电状态均为有电，并且，每一个待检测传感器的监测数值均大于或者等于每一个待检测传感器对应的第二监测阈值或者每一个待检测传感器的监测数值均存在突变情况，确定待检测传感器在传感器煤与瓦斯突出状态检测维度下工作状态异常。
12.根据权利要求11所述的识别方法，其特征在于，在所述检测同一工作面上馈电传感器以及断电控制器指示的工作面的上电状态之后，所述识别方法包括：
当所述馈电传感器以及所述断电控制器指示的上电状态不一致时，检测每一个待检测传感器的监测数值是否大于或者等于每一个待检测传感器对应的第二监测阈值以及每一个待检测传感器的监测数值是否存在突变情况；
若每一个待检测传感器的监测数值均大于或者等于每一个待检测传感器对应的第二监测阈值或者每一个待检测传感器的监测数值均存在突变情况，确定指示工作面的上电状态为有电的馈电传感器或断电控制器在传感器煤与瓦斯突出状态检测维度下工作状态异常。
13.根据权利要求3所述的识别方法，其特征在于，当所述预设检测维度包括传感器风电闭锁状态检测维度时，通过以下步骤确定待检测传感器在传感器风电闭锁状态检测维度下工作状态异常：
检测同一工作面上馈电传感器以及断电控制器指示的工作面的上电状态；
检测该工作面上的局部通风机的风机状态以及风筒风量；
若所述馈电传感器以及所述断电控制器指示的上电状态均为有电，并且，局部通风机的风机状态指示所述局部通风机停止或者风筒风量小于预设风量阈值，确定待检测传感器在传感器风电闭锁状态检测维度下工作状态异常。
14.根据权利要求13所述的识别方法，其特征在于，在所述检测同一工作面上馈电传感器以及断电控制器指示的工作面的上电状态之后，所述识别方法还包括：
若所述馈电传感器以及所述断电控制器指示的上电状态不一致，且局部通风机的风机状态指示所述局部通风机停止或者风筒风量小于预设风量阈值；
确定指示工作面的上电状态为有电的馈电传感器或断电控制器在传感器风电闭锁状态检测维度下工作状态异常。
15.一种异常传感器的识别装置，其特征在于，所述识别装置包括：
逻辑检测模块，用于基于获取到的每个待检测传感器采集的多个监测数据，检测多个待检测传感器之间的数值逻辑是否异常；
原因确定模块，用于当多个待检测传感器之间的数值逻辑存在异常时，确定数值逻辑异常原因；
状态检测模块，用于当多个所述待检测传感器之间的数值逻辑不存在异常时，在多个预设检测维度中每一个预设检测维度下检测每个待检测传感器的工作状态；
异常确定模块，用于将在任一预设检测维度下检测出的工作状态异常的待检测传感器，确定为异常传感器；
所述逻辑检测模块用于通过以下步骤确定多个待检测传感器之间的数值逻辑异常：
获取同一工作面上每一个待检测传感器的多个监测数据，以及该工作面的剩余采长；
基于所述工作面上的剩余采长和计算出的预设时长内每一个待检测传感器的平均风速；以及每个待检测传感器获取监测数据的时间差；
基于每个待检测传感器处的平均风速以及时间差，确定在预设时间段内每一个待检测传感器的多个监测数据之间的平均监测数值；
基于每一个待检测传感器的平均监测数值，确定每一个待检测传感器与其他待检测传感器之间的平均监测数值的大小关系；
当存在任两个待检测传感器之间的平均监测数值的大小关系不满足预设逻辑关系，确定多个待检测传感器之间的数值逻辑异常。
16.一种电子设备，其特征在于，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储器之间通过所述总线通信，所述机器可读指令被所述处理器执行时执行如权利要求1至14中任一所述的异常传感器的识别方法的步骤。
17.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行如权利要求1至14中任一所述的异常传感器的识别方法的步骤。
CN202010962197.2A 2020-09-14 2020-09-14 异常传感器的识别方法、装置、可读存储介质及电子设备 Active CN112161648B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010962197.2A CN112161648B (zh) 2020-09-14 2020-09-14 异常传感器的识别方法、装置、可读存储介质及电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010962197.2A CN112161648B (zh) 2020-09-14 2020-09-14 异常传感器的识别方法、装置、可读存储介质及电子设备

Publications (2)

Publication Number Publication Date
CN112161648A CN112161648A (zh) 2021-01-01
CN112161648B true CN112161648B (zh) 2022-07-08

Family

ID=73858099

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010962197.2A Active CN112161648B (zh) 2020-09-14 2020-09-14 异常传感器的识别方法、装置、可读存储介质及电子设备

Country Status (1)

Country Link
CN (1) CN112161648B (zh)

Families Citing this family (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112800107B (zh) * 2021-01-18 2023-02-03 湖北宸威玺链信息技术有限公司 一种数据源安全鉴别方法及系统及装置及介质
CN114858205B (zh) * 2021-02-03 2024-03-01 盟立自动化股份有限公司 仓储设备及仓储设备的监控方法
CN113405824A (zh) * 2021-05-17 2021-09-17 重庆川仪自动化股份有限公司 一种变速变载间歇式运行设备的故障预测系统及方法
CN113687048A (zh) * 2021-07-01 2021-11-23 精英数智科技股份有限公司 传感器数据检测中断识别方法、装置及电子设备
CN113420944B (zh) * 2021-08-25 2021-11-30 江西省气象信息中心(江西省气象培训中心、江西省农村经济信息中心) 一种风速传感器使用寿命的确定方法、装置及设备
CN113984111A (zh) * 2021-09-30 2022-01-28 北京华能新锐控制技术有限公司 基于外部环境变化的风电机组控制方法与装置
CN113959319B (zh) * 2021-10-20 2024-04-09 广西柳州钢铁集团有限公司 一种基于位移检测传感器的逻辑保护方法
CN114414023A (zh) * 2021-12-30 2022-04-29 北京万集科技股份有限公司 传感器异常诊断方法及装置、存储介质
CN114967613B (zh) * 2022-05-11 2023-06-09 杭州康吉森自动化科技有限公司 一种具有多传感器的生产设备状态监测方法和装置
CN115597653B (zh) * 2022-12-14 2023-11-03 中顺世纪(深圳)电子有限责任公司 一种半导体质量检测设备的智能识别方法及系统
CN115876257B (zh) * 2023-02-10 2023-06-30 南京城建隧桥智慧管理有限公司 一种隧道结构健康监测传感器预警值的动态确定方法
CN116592949A (zh) * 2023-07-03 2023-08-15 北京瑞泰兴成工程技术有限公司 一种环境检测装置

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109212520A (zh) * 2018-09-29 2019-01-15 河北德冠隆电子科技有限公司 全方位检测雷达的路况感知异常事件检测报警系统及方法
CN110118729A (zh) * 2019-03-22 2019-08-13 四川矿隧环境检测有限公司 基于无源激光甲烷传感器的营运隧道瓦斯监控装置及系统
CN111103003A (zh) * 2019-11-04 2020-05-05 南京赛玻特信息技术有限公司 实验仪器监控数据的甄别方法、装置、设备及存储介质
CN111637115A (zh) * 2020-05-29 2020-09-08 上海华兴数字科技有限公司 一种液压系统异常的检测方法、检测装置及可读存储介质

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5561035B2 (ja) * 2010-08-31 2014-07-30 沖電気工業株式会社 紙葉類収納装置
CN203609373U (zh) * 2013-11-20 2014-05-28 苏州科沃斯商用机器人有限公司 带有矫正装置的自移动机器人
CN104765354B (zh) * 2014-01-10 2018-02-09 北京博锐尚格节能技术股份有限公司 一种传感器及执行元件的故障诊断方法、装置及系统
CN105910732A (zh) * 2016-04-14 2016-08-31 广东美的暖通设备有限公司 温度传感器的准确性漂移故障检测方法和系统、空调器
CN107340764B (zh) * 2017-06-08 2018-11-06 腾讯科技（深圳）有限公司 无人机的异常处理方法、装置、存储介质及无人机终端
CN108036812A (zh) * 2017-11-13 2018-05-15 深圳市易成自动驾驶技术有限公司 传感器状态检测方法、装置及计算机可读存储介质
JP6697494B2 (ja) * 2018-02-01 2020-05-20 ファナック株式会社 異常判別装置、プログラム、異常判別システム及び異常判別方法
CN110715400A (zh) * 2019-10-21 2020-01-21 广东美的制冷设备有限公司 空调器中传感器的检测方法、装置、空调器及电子设备
CN111189488B (zh) * 2019-12-13 2020-12-04 精英数智科技股份有限公司 一种传感器数值异常识别方法、装置、设备及存储介质

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109212520A (zh) * 2018-09-29 2019-01-15 河北德冠隆电子科技有限公司 全方位检测雷达的路况感知异常事件检测报警系统及方法
CN110118729A (zh) * 2019-03-22 2019-08-13 四川矿隧环境检测有限公司 基于无源激光甲烷传感器的营运隧道瓦斯监控装置及系统
CN111103003A (zh) * 2019-11-04 2020-05-05 南京赛玻特信息技术有限公司 实验仪器监控数据的甄别方法、装置、设备及存储介质
CN111637115A (zh) * 2020-05-29 2020-09-08 上海华兴数字科技有限公司 一种液压系统异常的检测方法、检测装置及可读存储介质

Also Published As

Publication number Publication date
CN112161648A (zh) 2021-01-01

Similar Documents

Publication Publication Date Title
CN112161648B (zh) 异常传感器的识别方法、装置、可读存储介质及电子设备
CN110197588B (zh) 一种基于gps轨迹数据的大货车驾驶行为评估方法及装置
CN108460144B (zh) 一种基于机器学习的煤炭设备故障预警系统及方法
CN102608286B (zh) 一种实时监测煤矿瓦斯监测值异常的方法
US20170316329A1 (en) Information processing system and information processing method
CN110595525B (zh) 一种监测井下传感器异常的方法、装置、系统及介质
CN110593954B (zh) 一种煤矿采煤工作面瓦斯传感器位置异常识别方法及装置
CN107636619A (zh) 信息处理装置、信息处理系统、信息处理方法及程序
WO2011081514A1 (en) Method and apparatus for monitoring performance and anticipate failures of plant instrumentation
CN102155264B (zh) 一种检测煤矿监控系统中的瓦斯量监测信息异常的方法
CN110533887B (zh) 一种基于实时监测数据的煤与瓦斯突出灾害离散模态预警方法，装置及存储介质
CN116523508B (zh) 一种基于AIoT资产的智慧运维管理系统
EP3289370B1 (en) Methods and systems for alerting a user to the presence of a fault in an electromechanical system in a railway infrastructure
CN116105802A (zh) 一种基于物联网的地下设施安全监测预警方法
WO2021170859A1 (en) Systems and methods for dissolved gas analysis
CN102155266B (zh) 检测煤矿监控系统中的瓦斯量监测信息异常的方法
CN115457300A (zh) 一种基于距离度量和隔离机制的船舶异常行为检测方法
CN112763662B (zh) 气体传感器数据异常的识别方法及相关装置
CN112881598A (zh) 矿用气体传感器在线调校合规性的诊断方法
CN111709606A (zh) 基于大数据分析的采掘工作面瓦斯涌出异常预警方法
CN111695735A (zh) 一种基于流计算的铁路弓网实时预警方法、系统及装置
CN110826024A (zh) 一种传感器数据异常的抽样判别方法
CN115163195A (zh) 煤矿采煤工作面瓦斯传感器数值失真识别方法与系统
CN106840213B (zh) 一种危险品探测方法及探测器
CN112240223B (zh) 井下异常信号的识别方法、装置、电子设备及存储介质

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