CN112528754A - 一种共享果汁平台的流道监测方法、系统及可读存储介质 - Google Patents
一种共享果汁平台的流道监测方法、系统及可读存储介质 Download PDFInfo
- Publication number
- CN112528754A CN112528754A CN202011302546.4A CN202011302546A CN112528754A CN 112528754 A CN112528754 A CN 112528754A CN 202011302546 A CN202011302546 A CN 202011302546A CN 112528754 A CN112528754 A CN 112528754A
- Authority
- CN
- China
- Prior art keywords
- flow channel
- leakage
- signal
- information
- head end
- 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.)
- Withdrawn
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/02—Preprocessing
- G06F2218/04—Denoising
- G06F2218/06—Denoising by applying a scale-space analysis, e.g. using wavelet analysis
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/08—Feature extraction
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Signal Processing (AREA)
- General Engineering & Computer Science (AREA)
- Examining Or Testing Airtightness (AREA)
Abstract
本发明涉及一种共享果汁平台的流道监测方法、系统及可读存储介质,包括:获取流道参数信息,并对参数信息进行分解;提取各个频带信号的有效值,并进行归一化处理,得到特征向量;获取流道实时状态信息,建立网络模型,将特征向量输入网络模型,得到流道泄露信息;根据模型计算流道首末端信号延迟时间,并根据流道路径生成泄漏点定位信息;根据泄漏点定位信息,生成维修决策。
Description
技术领域
本发明涉及一种共享果汁平台的流道监测方法,尤其涉及一种共享果汁平台的流道监测方法、系统及可读存储介质。
背景技术
随着计算机技术的发展,共享果汁机技术受到越来越多的关注,尤其是智能技术的盛行,更是为该领域的研究提供了许多理论方法。同时,该方向的研究也推动了传感器技术、模式识别技术、信号处理技术和智能技术的发展,最先的智能行为体现在计算机的符号推理,即专家系统。大量的应用专家系统的开发实践证实了专家系统是人工智能应用的重要部分,但其是建立在符号推理的基础之上的,有其内在的不足之处,在共享果汁机对水果进行榨汁过程中,针对不同的水果种类选择不同的管道进行输送果汁,长时间使用后,管道内壁会造成磨损或酸性果汁的腐蚀,造成管道壁变薄等,如何实时准确地监测管道内壁的状态,对于避免加工异常所引起的对设备的破坏、降低成本、提高生产率,物联网通过智能感知、识别技术与普适计算等通信感知技术,通过物联网技术进行智能检测管道内壁的状态,实现检测的智能化。
为了能够对果汁平台流道状态监测实现精准的控制,需要开发一款与其相匹配的系统进行控制,该系统获取流道参数信息,并对参数信息进行分解获取流道实时状态信息,并通过网络模型,计算流道首末端信号延迟时间,并根据流道路径生成泄漏点定位信息,但是在进行控制过程中,如何实现精准控制的同时,实现流道泄露信息的监控都是亟不可待要解决的问题。
发明内容
本发明克服了现有技术的不足,提供一种共享果汁平台的流道监测方法、系统及可读存储介质。
为达到上述目的,本发明采用的技术方案为:一种共享果汁平台的流道监测方法,其特征在于,包括:
获取流道参数信息,并对参数信息进行分解;
提取各个频带信号的有效值,并进行归一化处理,得到特征向量;
获取流道实时状态信息,建立网络模型,
将特征向量输入网络模型,得到流道泄露信息;
根据模型计算流道首末端信号延迟时间,并根据流道路径生成泄漏点定位信息;
根据泄漏点定位信息,生成维修决策。
本发明一个较佳实施例中,所述流道状态信息包括超声波声速信息、流量信息、温度信息、首端压力信息、末端压力信息中的一种或两种以上的组合。
本发明一个较佳实施例中,还包括:
获取流道首末端压力信号,通过小波变换算法对压力信号进行降噪处理;
将压力信号进行分解,分别得到高频信号与低频信号,然后进行单支重构;
通过负压波法构建相关函数,提取压力信号特征值,
根据相关函数的峰值时间确定泄露点。
本发明一个较佳实施例中,获取流道首端压力信号与末端压力信号,将首端压力信号进行局部均值分解;
首端压力信号局部均值分解后与末端压力信号作互相关计算,并选择相应乘积函数进行信号重构;
将重构信号进行小波降噪,并进行二次信号重构,得到首端压力重构信号与末端压力重构信号;
将首端压力重构信号进行特征提取,并进行降维处理,降维后的特征值输入网络模型,获取流道泄露信息。
本发明一个较佳实施例中,采集流道泄露信息,提取特征值,并将特征值输入泄露模型,得到输出值;
将输出值与测量值进行比较,得到偏差率;
判断所述偏差率是否大于所述偏差率阈值;
若大于,则自动进行泄露点定位。
本发明一个较佳实施例中,根据模型计算流道首末端信号延迟时间,并根据流道路径进行泄漏点定位信息,具体包括:
分别获取流道首端与末端泄露部位的负压波,并生成波形图;
通过波形图分析负压波的传播速度及负压波到达流道首末端的时间差进行计算泄漏点位置。
本发明第二方面还提供了一种共享果汁平台的流道监测系统,该系统包括:存储器、处理器,所述存储器中包括共享果汁平台的流道监测方法程序,所述共享果汁平台的流道监测方法程序被所述处理器执行时实现如下步骤:
获取流道参数信息,并对参数信息进行分解;
提取各个频带信号的有效值,并进行归一化处理,得到特征向量;
获取流道实时状态信息,建立网络模型,
将特征向量输入网络模型,得到流道泄露信息;
根据模型计算流道首末端信号延迟时间,并根据流道路径生成泄漏点定位信息;
根据泄漏点定位信息,生成维修决策。
本发明一个较佳实施例中,获取流道首端压力信号与末端压力信号,将首端压力信号进行局部均值分解;
首端压力信号局部均值分解后与末端压力信号作互相关计算,并选择相应乘积函数进行信号重构;
将重构信号进行小波降噪,并进行二次信号重构,得到首端压力重构信号与末端压力重构信号;
将首端压力重构信号进行特征提取,并进行降维处理,降维后的特征值输入网络模型,获取流道泄露信息。
本发明一个较佳实施例中,采集流道泄露信息,提取特征值,并将特征值输入泄露模型,得到输出值;
将输出值与测量值进行比较,得到偏差率;
判断所述偏差率是否大于所述偏差率阈值;
若大于,则自动进行泄露点定位。
本发明第三方面提供了一种计算机可读存储介质,所述计算机可读存储介质中包括共享果汁平台的流道监测方法程序,所述共享果汁平台的流道监测方法程序被处理器执行时,实现上述任一项所述的共享果汁平台的流道监测方法的步骤。
本发明解决了背景技术中存在的缺陷,本发明具备以下有益效果:
(1)通过采集流道首末站压力信号,小波变换算法去除噪声干扰,并且对压力信号的分解,进而得到信号的高频、低频,然后进行单支重构,小波变换分解的尺度越大,信号和噪声分离的效果越好,但压力信号的分解尺度越大,压力信号的重构误差也越大,在基于负压波法进行泄漏检测中,根据实际情况,合理选择小波基函数和分解的尺度,从而提高此方法的泄漏定位精度。
(2)通过管道首末端采集到的压力信号根据相关分析法来估计负压波传播到管道首末站的时间差,来进行流道泄露监测,并进行泄露点定位,精度较高。
附图说明
下面结合附图和实施例对本发明进一步说明。
图1示出了本发明一种共享果汁平台的流道监测方法的流程图;
图2示出了单支重构方法流程图;
图3示出了本发明信号处理方法流程图;
图4示出了泄漏点定位方法流程图;
图5示出了一种共享果汁平台的流道监测系统的框图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点,下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是,在不冲突的情况下,本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是,本发明还可以采用其他不同于在此描述的其他方式来实施,因此,本发明的保护范围并不受下面公开的具体实施例的限制。
图1示出了本发明一种共享果汁平台的流道监测方法的流程图。
如图1所示,本发明第一方面提供了一种共享果汁平台的流道监测方法,包括:
S102,获取流道参数信息,并对参数信息进行分解;
S104,提取各个频带信号的有效值,并进行归一化处理,得到特征向量;
S106,获取流道实时状态信息,建立网络模型,
S108,将特征向量输入网络模型,得到流道泄露信息;
S110,根据模型计算流道首末端信号延迟时间,并根据流道路径生成泄漏点定位信息;
S112,根据泄漏点定位信息,生成维修决策。
需要说明的是,将长流道按照一定长度进行分段,其各个分段点上的压力、流量和泄漏量三个状态变量进行初始化,再将各个分段点处的泄漏量作为模型的输出,各个分段点处的状态估计采用自适应卡尔曼滤波建立状态观测器,根据流道首末站的实际压力、流量测量值与估计值出现的偏差作为流道泄漏检测与定位的依据。但该方法依赖流道过程噪声的先验知识,而且流道分段数目将影响泄漏检测的精度和泄漏点定位的效果。流道多点泄漏时,将流道非线性模型在正常操作点附近线性化,通过近似扩展滤波故障诊断观测器将流道的摩擦系数、泄漏系数和泄漏位置作为状态变量扩展到状态空间中,当观测器的输出值和实际的测量值出现残差,通过建立的流道状态观测器将残差渐近收敛到零,进而估计出泄漏系数和泄漏点的位置,当单点泄漏量超过故障诊断阈值时,采用单个扩展卡尔曼滤波观测器估计出泄漏位置和泄漏系数,而当连续出现三个不同位置泄漏时,采用多个扩展卡尔曼滤波观测器对流道连续性泄漏进行检测,通过建立流道泄漏模型不仅可以检测小泄漏和微漏,而且能检测流道多点连续泄漏。
本发明一个较佳实施例中,所述流道状态信息包括超声波声速信息、流量信息、温度信息、首端压力信息、末端压力信息中的一种或两种以上的组合。
如图2所示,本发明公开了单支重构方法流程图;
本发明一个较佳实施例中,还包括:
S202,获取流道首末端压力信号,通过小波变换算法对压力信号进行降噪处理;
S204,将压力信号进行分解,分别得到高频信号与低频信号,然后进行单支重构;
S206,通过负压波法构建相关函数,提取压力信号特征值,
S208,根据相关函数的峰值时间确定泄露点。
需要说明的是,通过采集流道首末站压力信号,小波变换算法去除噪声干扰,并且对压力信号的分解,进而得到信号的高频、低频,然后进行单支重构,小波变换分解的尺度越大,信号和噪声分离的效果越好,但压力信号的分解尺度越大,压力信号的重构误差也越大,在基于负压波法进行泄漏检测中,根据实际情况,合理选择小波基函数和分解的尺度,从而提高此方法的泄漏定位精度,根据流道首末站采集的正常工况信号与流道泄漏工况信号的之间的关系建立映射,以不同工况下信号的特征作为神经网络模型的输入,通过神经网络模型的输出来判断流道运行的状态。
如图3所示,本发明公开了信号处理方法流程图;
本发明一个较佳实施例中,S302,获取流道首端压力信号与末端压力信号,将首端压力信号进行局部均值分解;
S304,首端压力信号局部均值分解后与末端压力信号作互相关计算,并选择相应乘积函数进行信号重构;
S306,将重构信号进行小波降噪,并进行二次信号重构,得到首端压力重构信号与末端压力重构信号;
S308,将首端压力重构信号进行特征提取,并进行降维处理,降维后的特征值输入网络模型,获取流道泄露信息。
需要说明的是,降维处理是将高维数据化为低维度数据的操作,降维处理能够降低时间与空间的复杂程度,节省提取不必要特征的时间,同时能够去掉数据中夹杂的噪音,减少噪音的影响,降维处理的方法包括线性降维与非线性降维,非线性降维通过核函数降维或基于特征值降维操作。
如图4所示,本发明公开了泄漏点定位方法流程图;
本发明一个较佳实施例中,S402,采集流道泄露信息,提取特征值,并将特征值输入泄露模型,得到输出值;
S404,将输出值与测量值进行比较,得到偏差率;
S406,判断所述偏差率是否大于所述偏差率阈值;
S408,若大于,则自动进行泄露点定位。
需要说明的是,偏差率阈值为动态阈值,根据泄露量信息及泄露流体流速的不同,进行调整,通过动态阈值的调整能够精准的进行流道泄露分析及检测。
本发明一个较佳实施例中,根据模型计算流道首末端信号延迟时间,并根据流道路径进行泄漏点定位信息,具体包括:
分别获取流道首端与末端泄露部位的负压波,并生成波形图;
通过波形图分析负压波的传播速度及负压波到达流道首末端的时间差进行计算泄漏点位置。
需要说明的是,基于负压波法的泄漏定位精度与负压波波速、负压波信号到达流道首末站的时间差有关。因为负压波波速会受外界的环境温度、材质的弹性系数和流体的压缩性影响,所以负压波波速会根据实际现场进行测定;并且压力信号的采样频率越高,泄漏点的定位越准确。
如图5所示,本发明公开了共享果汁平台的流道监测系统的框图;
本发明第二方面还提供了一种共享果汁平台的流道监测系统5,该系统5包括:存储器、处理器,所述存储器中包括共享果汁平台的流道监测方法程序,所述共享果汁平台的流道监测方法程序被所述处理器执行时实现如下步骤:
获取流道参数信息,并对参数信息进行分解;
提取各个频带信号的有效值,并进行归一化处理,得到特征向量;
获取流道实时状态信息,建立网络模型,
将特征向量输入网络模型,得到流道泄露信息;
根据模型计算流道首末端信号延迟时间,并根据流道路径生成泄漏点定位信息;
根据泄漏点定位信息,生成维修决策。
需要说明的是,将长流道按照一定长度进行分段,其各个分段点上的压力、流量和泄漏量三个状态变量进行初始化,再将各个分段点处的泄漏量作为模型的输出,各个分段点处的状态估计采用自适应卡尔曼滤波建立状态观测器,根据流道首末站的实际压力、流量测量值与估计值出现的偏差作为流道泄漏检测与定位的依据。但该方法依赖流道过程噪声的先验知识,而且流道分段数目将影响泄漏检测的精度和泄漏点定位的效果。流道多点泄漏时,将流道非线性模型在正常操作点附近线性化,通过近似扩展滤波故障诊断观测器将流道的摩擦系数、泄漏系数和泄漏位置作为状态变量扩展到状态空间中,当观测器的输出值和实际的测量值出现残差,通过建立的流道状态观测器将残差渐近收敛到零,进而估计出泄漏系数和泄漏点的位置,当单点泄漏量超过故障诊断阈值时,采用单个扩展卡尔曼滤波观测器估计出泄漏位置和泄漏系数,而当连续出现三个不同位置泄漏时,采用多个扩展卡尔曼滤波观测器对流道连续性泄漏进行检测,通过建立流道泄漏模型不仅可以检测小泄漏和微漏,而且能检测流道多点连续泄漏。
本发明一个较佳实施例中,获取流道首端压力信号与末端压力信号,将首端压力信号进行局部均值分解;
首端压力信号局部均值分解后与末端压力信号作互相关计算,并选择相应乘积函数进行信号重构;
将重构信号进行小波降噪,并进行二次信号重构,得到首端压力重构信号与末端压力重构信号;
将首端压力重构信号进行特征提取,并进行降维处理,降维后的特征值输入网络模型,获取流道泄露信息。
本发明一个较佳实施例中,采集流道泄露信息,提取特征值,并将特征值输入泄露模型,得到输出值;
将输出值与测量值进行比较,得到偏差率;
判断所述偏差率是否大于所述偏差率阈值;
若大于,则自动进行泄露点定位。
需要说明的是,偏差率阈值为动态阈值,根据泄露量信息及泄露流体流速的不同,进行调整,通过动态阈值的调整能够精准的进行流道泄露分析及检测。
本发明一个较佳实施例中,根据模型计算流道首末端信号延迟时间,并根据流道路径进行泄漏点定位信息,具体包括:
分别获取流道首端与末端泄露部位的负压波,并生成波形图;
通过波形图分析负压波的传播速度及负压波到达流道首末端的时间差进行计算泄漏点位置。
需要说明的是,基于负压波法的泄漏定位精度与负压波波速、负压波信号到达流道首末站的时间差有关。因为负压波波速会受外界的环境温度、材质的弹性系数和流体的压缩性影响,所以负压波波速会根据实际现场进行测定;并且压力信号的采样频率越高,泄漏点的定位越准确。
本发明一个较佳实施例中,所述流道状态信息包括超声波声速信息、流量信息、温度信息、首端压力信息、末端压力信息中的一种或两种以上的组合。
本发明一个较佳实施例中,还包括:
获取流道首末端压力信号,通过小波变换算法对压力信号进行降噪处理;
将压力信号进行分解,分别得到高频信号与低频信号,然后进行单支重构;
通过负压波法构建相关函数,提取压力信号特征值,
根据相关函数的峰值时间确定泄露点。
需要说明的是,通过采集流道首末站压力信号,小波变换算法去除噪声干扰,并且对压力信号的分解,进而得到信号的高频、低频,然后进行单支重构,小波变换分解的尺度越大,信号和噪声分离的效果越好,但压力信号的分解尺度越大,压力信号的重构误差也越大,在基于负压波法进行泄漏检测中,根据实际情况,合理选择小波基函数和分解的尺度,从而提高此方法的泄漏定位精度,根据流道首末站采集的正常工况信号与流道泄漏工况信号的之间的关系建立映射,以不同工况下信号的特征作为神经网络模型的输入,通过神经网络模型的输出来判断流道运行的状态。
本发明第三方面提供了一种计算机可读存储介质,所述计算机可读存储介质中包括共享果汁平台的流道监测方法程序,所述共享果汁平台的流道监测方法程序被处理器执行时,实现上述任一项所述的共享果汁平台的流道监测方法的步骤。
通过采集流道首末站压力信号,小波变换算法去除噪声干扰,并且对压力信号的分解,进而得到信号的高频、低频,然后进行单支重构,小波变换分解的尺度越大,信号和噪声分离的效果越好,但压力信号的分解尺度越大,压力信号的重构误差也越大,在基于负压波法进行泄漏检测中,根据实际情况,合理选择小波基函数和分解的尺度,从而提高此方法的泄漏定位精度。
通过管道首末端采集到的压力信号根据相关分析法来估计负压波传播到管道首末站的时间差,来进行流道泄露监测,并进行泄露点定位,精度较高。
在本申请所提供的几个实施例中,应该理解到,所揭露的设备和方法,可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的,例如,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,如:多个单元或组件可以结合,或可以集成到另一个系统,或一些特征可以忽略,或不执行。另外,所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口,设备或单元的间接耦合或通信连接,可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的,作为单元显示的部件可以是、或也可以不是物理单元;既可以位于一个地方,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全部单元来实现本实施例方案的目的。
另外,在本发明各实施例中的各功能单元可以全部集成在一个处理单元中,也可以是各单元分别单独作为一个单元,也可以两个或两个以上单元集成在一个单元中;上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储于计算机可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:移动存储设备、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
或者,本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实施例的技术方案本质上或者说对现有技术做出贡献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)执行本发明各个实施例方法的全部或部分。而前述的存储介质包括:移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上,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,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种共享果汁平台的流道监测方法,其特征在于,包括:
获取流道参数信息,并对参数信息进行分解;
提取各个频带信号的有效值,并进行归一化处理,得到特征向量;
获取流道实时状态信息,建立网络模型,
将特征向量输入网络模型,得到流道泄露信息;
根据模型计算流道首末端信号延迟时间,并根据流道路径生成泄漏点定位信息;
根据泄漏点定位信息,生成维修决策。
2.根据权利要求1所述的一种共享果汁平台的流道监测方法,其特征在于,所述流道状态信息包括超声波声速信息、流量信息、温度信息、首端压力信息、末端压力信息中的一种或两种以上的组合。
3.根据权利要求1所述的一种共享果汁平台的流道监测方法,其特征在于,还包括:
获取流道首末端压力信号,通过小波变换算法对压力信号进行降噪处理;
将压力信号进行分解,分别得到高频信号与低频信号,然后进行单支重构;
通过负压波法构建相关函数,提取压力信号特征值,
根据相关函数的峰值时间确定泄露点。
4.根据权利要求1所述的一种共享果汁平台的流道监测方法,其特征在于,获取流道首端压力信号与末端压力信号,将首端压力信号进行局部均值分解;
首端压力信号局部均值分解后与末端压力信号作互相关计算,并选择相应乘积函数进行信号重构;
将重构信号进行小波降噪,并进行二次信号重构,得到首端压力重构信号与末端压力重构信号;
将首端压力重构信号进行特征提取,并进行降维处理,降维后的特征值输入网络模型,获取流道泄露信息。
5.根据权利要求1所述的一种共享果汁平台的流道监测方法,其特征在于,采集流道泄露信息,提取特征值,并将特征值输入泄露模型,得到输出值;
将输出值与测量值进行比较,得到偏差率;
判断所述偏差率是否大于所述偏差率阈值;
若大于,则自动进行泄露点定位。
6.根据权利要求5所述的一种共享果汁平台的流道监测方法,其特征在于,根据模型计算流道首末端信号延迟时间,并根据流道路径进行泄漏点定位信息,具体包括:
分别获取流道首端与末端泄露部位的负压波,并生成波形图;
通过波形图分析负压波的传播速度及负压波到达流道首末端的时间差进行计算泄漏点位置。
7.一种共享果汁平台的流道监测系统,其特征在于,该系统包括:存储器、处理器,所述存储器中包括共享果汁平台的流道监测方法程序,所述共享果汁平台的流道监测方法程序被所述处理器执行时实现如下步骤:
获取流道参数信息,并对参数信息进行分解;
提取各个频带信号的有效值,并进行归一化处理,得到特征向量;
获取流道实时状态信息,建立网络模型,
将特征向量输入网络模型,得到流道泄露信息;
根据模型计算流道首末端信号延迟时间,并根据流道路径生成泄漏点定位信息;
根据泄漏点定位信息,生成维修决策。
8.根据权利要求7所述的一种共享果汁平台的流道监测系统,其特征在于,获取流道首端压力信号与末端压力信号,将首端压力信号进行局部均值分解;
首端压力信号局部均值分解后与末端压力信号作互相关计算,并选择相应乘积函数进行信号重构;
将重构信号进行小波降噪,并进行二次信号重构,得到首端压力重构信号与末端压力重构信号;
将首端压力重构信号进行特征提取,并进行降维处理,降维后的特征值输入网络模型,获取流道泄露信息。
9.根据权利要求7所述的一种共享果汁平台的流道监测系统,其特征在于,采集流道泄露信息,提取特征值,并将特征值输入泄露模型,得到输出值;
将输出值与测量值进行比较,得到偏差率;
判断所述偏差率是否大于所述偏差率阈值;
若大于,则自动进行泄露点定位。
10.一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中包括共享果汁平台的流道监测方法程序,所述共享果汁平台的流道监测方法程序被处理器执行时,实现如权利要求1至6中任一项所述的共享果汁平台的流道监测方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011302546.4A CN112528754A (zh) | 2020-11-19 | 2020-11-19 | 一种共享果汁平台的流道监测方法、系统及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011302546.4A CN112528754A (zh) | 2020-11-19 | 2020-11-19 | 一种共享果汁平台的流道监测方法、系统及可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112528754A true CN112528754A (zh) | 2021-03-19 |
Family
ID=74981432
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011302546.4A Withdrawn CN112528754A (zh) | 2020-11-19 | 2020-11-19 | 一种共享果汁平台的流道监测方法、系统及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112528754A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114811448A (zh) * | 2022-04-13 | 2022-07-29 | 中南大学 | 一种流动条件下管道泄漏检测、泄露流速估计与泄露定位的方法 |
-
2020
- 2020-11-19 CN CN202011302546.4A patent/CN112528754A/zh not_active Withdrawn
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114811448A (zh) * | 2022-04-13 | 2022-07-29 | 中南大学 | 一种流动条件下管道泄漏检测、泄露流速估计与泄露定位的方法 |
CN114811448B (zh) * | 2022-04-13 | 2023-09-22 | 中南大学 | 一种流动条件下管道泄漏检测、泄露流速估计与泄露定位的方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Jiang et al. | Study on Hankel matrix-based SVD and its application in rolling element bearing fault diagnosis | |
CA2401685C (en) | Complex signal decomposition and modeling | |
US10704982B2 (en) | Sensor recording analysis apparatus and method | |
CN112486097A (zh) | 一种基于模型算法的切割平台磨损状态监测方法、系统及可读存储介质 | |
Zhang et al. | A new feature extraction approach using improved symbolic aggregate approximation for machinery intelligent diagnosis | |
CN108804740B (zh) | 基于集成改进ica-krr算法的长输管道压力监测方法 | |
CN108181059B (zh) | 基于小波信号的多相流管道泄漏声波信号识别方法 | |
CN112528754A (zh) | 一种共享果汁平台的流道监测方法、系统及可读存储介质 | |
Lu et al. | Early fault warning and identification in condition monitoring of bearing via wavelet packet decomposition coupled with graph | |
CN111695465A (zh) | 基于压力波模式识别的管网故障诊断与定位方法及系统 | |
Wang et al. | Cyclic correlation density decomposition based on a sparse and low-rank model for weak fault feature extraction of rolling bearings | |
CN115949891B (zh) | 一种lng加气站智能控制系统及其控制方法 | |
CN117169664A (zh) | 一种局放传感器抗干扰系统及方法 | |
CN110160642B (zh) | 一种小样本条件下的螺旋桨噪声线谱重构方法 | |
JP2002323371A (ja) | 音響診断装置及び音響診断方法 | |
CN115700553A (zh) | 一种异常检测方法及相关装置 | |
Harsch et al. | Estimation of Cavitation Erosion Damage with Anomaly Detection Neural Networks | |
CN117886241B (zh) | 基于振动分析的塔式起重机自检系统 | |
CN118090078B (zh) | 一种闭式循环水冷系统渗漏在线监测方法 | |
Gao et al. | A Pipeline Leak Localization Method Based on the EEMD-HT Algorithm and the Leakage-Grading Resolution Strategy | |
CN115388343B (zh) | 一种高效的海洋油气管线泄漏检测与定位方法及系统 | |
CN112836583B (zh) | 一种风力机故障诊断方法 | |
CN117739289B (zh) | 基于声图融合的泄漏检测方法及系统 | |
Kampelopoulos | Development of Alternative Methods for Leak Detection in Industrial Pipelines | |
CN114397545A (zh) | 一种基于复合传感器的gis在线监测系统 |
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 | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20210319 |