CN112597431A - 一种基于积分扩散因子的流量插值积算方法及装置 - Google Patents
一种基于积分扩散因子的流量插值积算方法及装置 Download PDFInfo
- Publication number
- CN112597431A CN112597431A CN202011552865.0A CN202011552865A CN112597431A CN 112597431 A CN112597431 A CN 112597431A CN 202011552865 A CN202011552865 A CN 202011552865A CN 112597431 A CN112597431 A CN 112597431A
- Authority
- CN
- China
- Prior art keywords
- sampling
- flow
- diffusion factor
- sampled
- integrating
- 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
- 230000010354 integration Effects 0.000 title claims abstract description 52
- 238000000034 method Methods 0.000 title claims abstract description 51
- 238000009792 diffusion process Methods 0.000 title claims abstract description 50
- 238000005070 sampling Methods 0.000 claims abstract description 215
- 238000001514 detection method Methods 0.000 claims abstract description 56
- 238000009825 accumulation Methods 0.000 claims abstract description 23
- 239000002002 slurry Substances 0.000 claims abstract description 15
- 230000014509 gene expression Effects 0.000 claims description 20
- 238000004806 packaging method and process Methods 0.000 claims description 6
- 238000004458 analytical method Methods 0.000 claims description 4
- 238000004519 manufacturing process Methods 0.000 abstract description 8
- 230000008569 process Effects 0.000 abstract description 8
- 239000007788 liquid Substances 0.000 abstract description 7
- 238000009776 industrial production Methods 0.000 abstract description 4
- 238000004364 calculation method Methods 0.000 description 11
- 238000005259 measurement Methods 0.000 description 10
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 6
- 230000005540 biological transmission Effects 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 238000011010 flushing procedure Methods 0.000 description 3
- 238000007689 inspection Methods 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 238000003556 assay Methods 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 239000013598 vector Substances 0.000 description 2
- 108010076504 Protein Sorting Signals Proteins 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000003889 chemical engineering Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005538 encapsulation Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011897 real-time detection Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
- G06F17/12—Simultaneous equations, e.g. systems of linear equations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
- G06F17/13—Differential equations
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y10/00—Economic sectors
- G16Y10/20—Mining
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y10/00—Economic sectors
- G16Y10/25—Manufacturing
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y20/00—Information sensed or collected by the things
- G16Y20/30—Information sensed or collected by the things relating to resources, e.g. consumed power
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y40/00—IoT characterised by the purpose of the information processing
- G16Y40/10—Detection; Monitoring
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y40/00—IoT characterised by the purpose of the information processing
- G16Y40/20—Analytics; Diagnosis
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Computing Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Development Economics (AREA)
- Accounting & Taxation (AREA)
- Algebra (AREA)
- General Business, Economics & Management (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Operations Research (AREA)
- Economics (AREA)
- General Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Manufacturing & Machinery (AREA)
- Biomedical Technology (AREA)
- Complex Calculations (AREA)
Abstract
本发明公开了一种基于积分扩散因子的流量插值积算方法,本发明的方法中引入加权扩散因子,根据采样流量动态拟合样条曲线及由拟合样条曲线所对应的采样流量检测信号能量累积,结合加权扩散因子即可得到该次采样体积值。本发明的积算装置,包括采样机、量筒、流量传感器、工业控制机、终端模块、云服务器、查询终端、移动终端,流量传感器、终端模块均与工业控制机连接,终端模块、云服务器、查询终端、移动终端均与物联网连接;采样机将采样料浆输送至量筒中,采样机的采样结果人工输送至工业控制机中。本发明能够实现工业生产中液体料浆采样量的动态统计、进而为生产管理和过程决策提供基础信息支持。
Description
技术领域
本发明属于流量检测计算技术领域,具体涉及一种基于积分扩散因子的流量插值积算方法及装置。
背景技术
工业生产过程中液体料浆班次采样次数和班次采样量直接决定着生产流程检化验系统的采样均匀度和化验结果的代表性,同时可以从多重空间区域和时间维度上反映出当前生产流程技术指标的优劣,是判定生产工况是否处于稳态的必要标准之一,也是执行生产参数动态调整的依据。
工业生产过程中液体料浆采样是在保证采样班次采样量的前提下,使采样过程尽可能均匀,降低采样不均匀性所带的误差。受工作环境、安装条件等因素影响,为提高环境适应性,降低采样设备故障发生率,实际料浆采样多采用机械装置,通过人为设置定周期巡检来保障采样装置的运行稳定可靠性。由于生产流程操作参数调整、工艺条件异常波动等工况条件的时变特性,导致班次采样量很难达到期望指标。
发明内容
针对现有技术中的问题,同时为动态监测工业生产流程液体料浆班次采样中单次采样量和累积采样量,达到采样现场维护人员动态调整采样周期从而提供决策操作参考的目的,根据料浆采样流量检测值动态特性自主提取并识别出的采样点空间的样本长度、样本域及样本尺度,本发明提供一种能够实现工业生产中液体料浆采样量的动态统计、进而为生产管理和过程决策提供基础信息支持的基于积分扩散因子的流量插值积算方法及装置。
本发明采用以下技术方案:
一种基于积分扩散因子的流量插值积算方法,其特征在于,所述方法包括以下步骤:
(1)根据流量传感器输出的流量检测广义采样域,得到采样域中采样点数据队列;
(2)根据采样点数据和采样点数据队列,拟合采样检测流量积算密度函数;
(3)对采样检测流量积算密度函数在采样域内进行积分,得到采样流量检测信号能量累积函数;
(4)计算采样流量检测信号能量累积函数的加权扩散因子;
(5)计算实时采样量。
根据上述的基于积分扩散因子的流量插值积算方法,其特征在于,步骤(2)中采样检测流量积算密度函数的首尾数据点二阶可微,采样检测流量积算密度函数的首尾数据点一阶导数为0。
根据上述的基于积分扩散因子的流量插值积算方法,其特征在于,步骤(2)中根据{xi,f(xi)},(i=0,…,n),采用三次样条插值拟合采样检测流量积算密度函数S(x):
其中:
xi,(i=0,…,n)是采样域中采样点数据队列第i个时间值;
f(xi)=yi,(i=0,…,n)是采样域内第i个采样流量信号值;
hi,(i=0,…,n-1)是时间步长,为当前时刻与上一时刻之差,hi=xi+1-xi;
Mi,(i=0,…,n)是采样检测流量积算密度函数在第i个时刻对应的二阶导数,且Mi满足公式:
μi,λi,(i=1,…,n-1)是由当前时间步长hi和相邻时间步长hi-1,hi+1决定的线性方程表达式定常系数,di,(i=1,…,n-1)是由上一时间步长hi-1、当前时间步长hi和采样域内第i个采样流量信号值yi及相邻采样流量信号值yi-1,yi+1决定的线性方程表达式定常系数。
根据上述的基于积分扩散因子的流量插值积算方法,其特征在于,步骤(4)中采样流量检测信号能量累积函数的加权扩散因子k的计算公式为:
其中:
nk是扩散因子的遗忘序列长度;
P(i)是第i个采样流量检测信号能量累积函数值;
v(i)是与P(i)相对应的第i个采样流量实际测量值。
根据上述的基于积分扩散因子的流量插值积算方法,其特征在于,步骤(5)中实时采样流量的体积v(t)的计算公式为:v(t)=kP(t),其中:P(t)是当前采样流量检测信号能量累积值,t为当前时刻。
一种基于上述的基于积分扩散因子的流量插值积算方法的积算装置,其特征在于,所述装置包括采样机(1)、量筒(2)、流量传感器(4)、工业控制机(5)、终端模块(6)、云服务器(8)、查询终端(9)、移动终端(10),流量传感器(4)、终端模块(6)均与工业控制机(5)连接,终端模块(6)、云服务器(8)、查询终端(9)、移动终端(10)均与物联网(7)连接;采样机(1)将采样料浆自流输送至量筒(2)中,采样机(1)的采样结果输送至工业控制机(5)中。
根据上述的基于积分扩散因子的流量插值积算方法的积算装置,其特征在于,所述工业控制机(5)包括采样信号密度拟合模型模块、采样信号能量积算模块、采样量输出模块、参数库、协议解析封装组件;终端模块(6)为NB-IoT终端模块。
与现有技术相比,本发明的有益技术效果为:(1)本发明适用于矿山、选矿、化工及检化验等生产过程流量检测仪表的流量质量/体积累积衡算领域,主要用于解决液体料浆采样流量积算值校正和精确计算问题。(2)本发明给出了采样点能量积算函数三次插值拟合方法,在采样域内来自远传终端流量检测信号队列,结合对应采样时刻序列自动拟合采样流量信号密度函数;采样流量密度函数通过在采样域空间内积分形成采样点能量积算函数。(3)本发明给出一种由遗忘系数序列构成的加权扩散因子积算方法,可以有效消除或避免工艺参数波动、流量仪表系统漂移、外界扰动所产生的积算误差。(4)本发明能够实现对液体料浆微流量状态下采样流量精确积算,本发明的算法简单实用,易于实现。使采样量班次累积统计成为可能,为检化验人员即时调整采样装置参数提供基础数据支持。
附图说明
图1为本发明装置及其实施流程示意图;
图2为本发明方法的输入/输出结构;
图3为本发明方法的计算流程图。
具体实施方式
本发明的基于积分扩散因子的流量插值积算装置的积算方法首先根据采样点输出的瞬时流量检测信号值,在采样点样本域内采用三次样条插值拟合采样检测流量积算密度函数。由采样检测流量积算密度函数在采样点样本域内样本尺度上进行分段积分即可得到单次采样积分积算值,也即是单次采样流量检测信号能量累积函数。根据单次采样流量检测信号能量累积函数与采用量筒测得的对应实测采样体积比值可得到采样流量积算的扩散因子。由于采样流量在空间尺度上存在独立性和不相关性,为尽可能降低或消除流量积算体积实测偏差、采样装置测量偏差和现场未知因素的扰动性误差,本发明方法中引入加权扩散因子,根据采样流量动态拟合样条曲线及由拟合样条曲线所对应的采样流量检测信号能量累积,结合加权扩散因子即可得到该次采样体积值。本发明中样本长度是时变的,由极大极小法循环递归动态迭代得到,根据样本长度和首位元素即可确定样本域,其样本尺度为样本域元素张量一一对应。本发明的方法具体如下:
一种基于积分扩散因子的流量插值积算方法,包括以下步骤:
(1)根据流量传感器输出的流量检测广义采样域,流量传感器为非接触式流量传感器。通过采样自主识别规则可得到采样域中采样点数据队列f(x),采样检测流量积算密度函数的首尾数据点二阶可微,采样检测流量积算密度函数的首尾数据点一阶导数为0,由此可知S'(x0)=f'(x0),S'(xn)=f'(xn)=0,f'0=S'(x0)是采样检测流量积算密度函数表达式在x0处的一阶导数;f'n=S'(xn)是采样检测流量积算密度函数表达式在xn处的一阶导数。
(2)根据{xi,f(xi)},(i=0,…,n),采用三次样条插值拟合采样检测流量积算密度函数S(x):
式(2)中:
yi=f(xi),(i=0,…,n),式(1)
xi,(i=0,…,n)是采样域中采样点数据队列第i个时间值;
f(xi)=yi,(i=0,…,n)是采样域内第i个采样流量信号值;
hi,(i=0,…,n)是时间步长,为当前时刻与上一时刻之差,hi=xi+1-xi;
式(2)求导,可得:
S'(x)是采样检测流量积算密度函数表达式在第x点处的一阶导数;
S'(xi),(i=0,…,n)是采样检测流量积算密度函数表达式在第i个时刻对应的一阶导数;
由节点连续性约束条件S'(xi-0)=S'(xi+0)可知:
S'(xi-0)=S'-(xi),S'(xi+0)=S'+(xi)分别是采样检测流量积算密度函数分段节点xi处前后对应的一阶导数;
对式(4)进行整理可得:
μiMi-1+2Mi+λiMi+1=di,i=1,…,n-1,式(8)
对i=1,…,n展开,即可得到:
i=0时,可得:
i=n时,可得:
其中:Mi,(i=0,…,n)是采样检测流量积算密度函数表达式在第i个时刻对应的二阶导数;μi,λi,(i=1,…,n-1)是由当前时间步长hi和相邻时间步长hi-1,hi+1决定的线性方程表达式定常系数;di,(i=1,…,n-1)是由上一时间步长hi-1、当前时间步长hi和采样域内第i个采样流量信号值yi及相邻采样流量信号值yi-1,yi+1决定的线性方程表达式定常系数。
(3)对采样检测流量积算密度函数在采样域内进行积分,得到采样流量检测信号能量累积函数;单次采样流量检测信号能量累积函数P(.)的表达式为:
其中:np是采样域内样本长度;c0是采样流量检测信号基准偏移系数,c0=4。
(4)计算采样流量检测信号能量累积函数的加权扩散因子k:
其中:
nk是扩散因子的遗忘序列长度;
c(i)是第i个加权扩散因子的遗忘系数;
P(i)是第i个采样流量检测信号能量累积函数值,mA;
v(i)是与P(i)相对应的第i个采样流量实际测量值,mL。
(5)计算实时采样量,实时采样量的体积v(t)的计算公式为:
v(t)=kP(t),式(19)
其中:P(t)是当前采样流量检测信号能量累积值,mA;t为当前时刻;v(t)是当前料浆采样体积计算值,mL。
如图2所示,流量信号积算方法的输入参数是(x,y)、f'0,f'n、nk、v(.),其中x为采样点样本域内的时间序列元素,y为采样点样本域内的流量采样序列元素,f'0,f'n是采样流量信号序列边界约束条件,nk是遗忘系数序列长度,v(.)是采样点采样量离线测量值。流量信号积算方法的输出是采样点采样体积量。
采样点采样量积算计算流程如图3所示,具体如下:
①现场工业控制机通过IO通道实时获取流量采样信号和采样信号对应时间戳序列(xi,yi)/(xi,f(xi))及其样本域长度n;
②根据采样点流量约束判定规则,获取采样域和采样点样本数据信息
Q(.)={xi,f(xi),i=0,…,n},并初始化边界约束条件f'0=0,f'n=0;
③计算hi=xi+1-xi,yi=f(xi),(i=1,…,n-1)和
⑦对采样检测流量积算密度函数S(x)在样本域x∈[xi,xi+1],(i=0,…,n-1)上进行积分得到采样流量检测信号能量累积函数P(x);
⑧采用计量桶离线测量采样量,并在现场工业控制机操作端录入相关数据信息(采样量、模糊采样时间)后确认完成操作;
⑨重复步骤①至⑧操作,直至离线测量次数大于等于遗忘系数nk;
本发明的基于积分扩散因子的流量插值积算装置包括流量数据采集机构、远传终端、流量积算模块等三部分组成。其中,流量数据采集机构包括采样机构、非接触式流量传感器,流量积算模块运行在数据服务器内,是本发明中所涉及方法的核心。
参见图1,本发明的基于积分扩散因子的流量插值积算方法的积算装置,包括采样机1、量筒2、流量传感器4、工业控制机5、终端模块6、云服务器8、查询终端9、移动终端10,流量传感器4、终端模块6均与工业控制机5连接,终端模块6、云服务器8、查询终端9、移动终端10均与物联网7连接;采样机1将采样料浆输送至量筒2中,采样机1的采样结果输送至工业控制机5中。工业控制机5包括采样信号密度拟合模型模块、采样信号能量积算模块、采样量输出模块、参数库、协议解析封装组件,采样信号密度拟合模型模块是根据流量传感器输出的流量检测信号识别出采样起始点和终止点对应的采样队列{xi,f(xi)},(i=0,…,n),采用三次样条拟合插值方法得到连续可微的采样密度拟合模型表达式;采样信号能量积算即是流量信号的三次样条插值函数的积算强度,其对应模块是依据采样信号密度拟合模块的模型表达式和采样流量基准偏差信号,在采样队列区域内进行连续积分得到。采样信号能量积算模块是根据来自参数库内积算参数表的定长滑动窗口内动态历史积算向量和遗忘系数,在线计算采样流量积分扩散因子,再由当前流量信号的能量值得到积算采样量。采样量输出模块是流量插值积算装置应用程序将积算采样量以两种方式向外提供输出,针对第三方程序进程间调用,应用程序提供SDK开发接口和调用参数表;针对第三方设备通讯,应用程序提供ModbusRTU通讯协议。参数库位于工业控制机内的SQLCE数据库内,应用程序安装后自动创建,主要包括历史数据表和积算参数表,历史数据表包含采样点长度、采样样本元素、采样起止时间、采样积算量、化验采样量等信息。积算参数表包括三次样条插值系数、积算能量、动态历史积算向量、遗忘系数等信息,供采样量积算模块调用。协议解析封装组件主要是将当前采样流量信号、对应流量采集时间、采样积算量等感知及测算数据与物联网模块附加信息按照批量传输规则进行封装上传至云服务器平台。终端模块6为NB-IoT终端模块。
采样机1上安装采样管,采样机工作原理是来自工艺流程的冲洗水经水阀自流入采样机内,当采样机内水位到达一定高度时,采样机配重平衡被打破,采样机翻倒,其内部冲洗水流出,此时连接在采样机上的采样管切割液体料浆瀑布面进行采样。当冲洗水流出后,采样机恢复原平衡位置,采样管内的采样料浆流入采样盒,完成一次采样。根据通过调整采样机上方水阀开度即可控制采样的时间间隔和采样频次。
量筒2是离线测量实际采样量的量筒,用于不定期测量单次采样料浆的体积,作为加权扩散因子递推计算的必要参数。图1中的3是现场操作人员,主要是将采样流量测量结果和对应采样模糊时间域输入现场工业控制机内,作为加权扩散因子递推计算的必要参数。图1中部件4是流量传感器,用于动态感知采样流量的变化,并将测量结果以模拟量信号方式输出到现场工业控制机的IO通道上。
现场工业控制机5,主要用于流量积算方法中模型应用程序运行、数据输入输出及关键参数实时显示等功能。本发明中现场工业控制机采用定制化无纸记录仪,预置WinCE操作系统,采样信号密度拟合模型、采样流量信号能量积算模块、采样量输出模块及协议解析封装组件等应用程序和功能模块的开发环境为Visual Studio2015。参数库内变量包括采样点特征参数(采样域内峰值对应时间戳、采样域长度、采样域内样本、边界约束条件、三次样条插值密度拟合系数、积算函数系数、加权因子(子项加权因子及遗忘序列)、采样量离线测量序列等)。参数库变量存储于部署在SQLCE数据库内所创建的对应数据表中。协议封装解析组件主要是将流量传感器实时检测信号、采样点特征参数(采样点峰值、采样积算量)等数据信息采用自定义协议进行封装,经由部署在现场的NB-IoT模块通过批次传输方式上传至企业云服务器。
终端模块6是NB-IoT终端模块,主要是将现场工业控制机通过RS485串口发送的批次信息上传至企业云服务器8。物联网7是运营商(电信、移动、联通)提供的物联网服务,通过配置终端模块通道信息与企业云平台服务器实现无缝对接。云服务器8用于存储采样点数据信息,并对相关数据进行分析处理,向网络内的查询终端9提供Web发布和移动终端10提供APP即时信息推送功能。
本发明的基于积分扩散因子的流量插值积算方法及装置要解决的问题如下:(1)利用流量传感器和远传终端输出的流量有序队列及其时间戳等数据信息,构建采样流量广义样本域。根据采样点边界约束规范和条件,对流量检测信号采用三次样条插值算法,确定采样域内采样流量密度的拟合函数表达式;(2)对采样域内采样流量密度拟合曲线在采样空间域内进行分段积分获取采样流量检测信号能量累积函数表达式,并在采样空间内积算求和即可得到采样流量检测信号的单次能量绝对累积,根据采样信号输出偏移特性在采样域内的基准分布,即可得到采样流量检测信号的单次能量相对值;(3)为降低和消除手工测量偏差、检测仪表装置自身的线性及非线性输出漂移、工艺参数波动、外界环境扰动对积算模型的影响,本发明在积算模型中引入加权扩散因子,即根据流量检测信号构建的单次能量相对值和通过化验量筒测得的离线采样体积测量比值,该比值即为构成积算模型的一个扩散因子。对同一采样系统不同时刻具有独立不相关特性的多扩散因子采用基于遗忘系数的参数进行加权表征即可得到积算模型的加权扩散因子;(4)根据当前采样点采样检测值及其它相关参数形成的广义采样域,实时跟踪并标记采样点及其采样域,在标记采样域内进行采样三次样条插值,最终形成基于流量检测信号的采样能量相对值,经积算模型加权扩散因子换算得到当前采样的流量积算值。
Claims (8)
1.一种基于积分扩散因子的流量插值积算方法,其特征在于,所述方法包括以下步骤:
(1)根据流量传感器输出的流量检测广义采样域,得到采样域中采样点数据队列;
(2)根据采样点数据和采样点数据队列,拟合采样检测流量积算密度函数;
(3)对采样检测流量积算密度函数在采样域内进行积分,得到采样流量检测信号能量累积函数;
(4)计算采样流量检测信号能量累积函数的加权扩散因子;
(5)计算实时采样量。
2.根据权利要求1所述的基于积分扩散因子的流量插值积算方法,其特征在于,步骤(2)中采样检测流量积算密度函数的首尾数据点二阶可微,采样检测流量积算密度函数的首尾数据点一阶导数为0。
3.根据权利要求2所述的基于积分扩散因子的流量插值积算方法,其特征在于,步骤(2)中根据{xi,f(xi)},(i=0,…,n),采用三次样条插值拟合采样检测流量积算密度函数S(x):
其中:
xi,(i=0,…,n)是采样域中采样点数据队列第i个时间值;
f(xi)=yi,(i=0,…,n)是采样域内第i个采样流量信号值;
hi,(i=0,…,n-1)是时间步长,为当前时刻与上一时刻之差,hi=xi+1-xi;
Mi,(i=0,…,n)是采样检测流量积算密度函数在第i个时刻对应的二阶导数,且Mi满足公式:
μi,λi,(i=1,…,n-1)是由当前时间步长hi和相邻时间步长hi-1,hi+1决定的线性方程表达式定常系数,di,(i=1,…,n-1)是由上一时间步长hi-1、当前时间步长hi和采样域内第i个采样流量信号值yi及相邻采样流量信号值yi-1,yi+1决定的线性方程表达式定常系数。
6.根据权利要求1所述的基于积分扩散因子的流量插值积算方法,其特征在于,步骤(5)中实时采样流量的体积v(t)的计算公式为:v(t)=kP(t),其中:P(t)是当前采样流量检测信号能量累积值,t为当前时刻。
7.一种基于权利要求1-6任一项所述的基于积分扩散因子的流量插值积算方法的积算装置,其特征在于,所述装置包括采样机(1)、量筒(2)、流量传感器(4)、工业控制机(5)、终端模块(6)、云服务器(8)、查询终端(9)、移动终端(10),流量传感器(4)、终端模块(6)均与工业控制机(5)连接,终端模块(6)、云服务器(8)、查询终端(9)、移动终端(10)均与物联网(7)连接;采样机(1)将采样料浆自流输送至量筒(2)中,采样机(1)的采样结果输送至工业控制机(5)中。
8.根据权利要求7所述的基于积分扩散因子的流量插值积算方法的积算装置,其特征在于,所述工业控制机(5)包括采样信号密度拟合模型模块、采样信号能量积算模块、采样量输出模块、参数库、协议解析封装组件;终端模块(6)为NB-IoT终端模块。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011552865.0A CN112597431A (zh) | 2020-12-24 | 2020-12-24 | 一种基于积分扩散因子的流量插值积算方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011552865.0A CN112597431A (zh) | 2020-12-24 | 2020-12-24 | 一种基于积分扩散因子的流量插值积算方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112597431A true CN112597431A (zh) | 2021-04-02 |
Family
ID=75201979
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011552865.0A Pending CN112597431A (zh) | 2020-12-24 | 2020-12-24 | 一种基于积分扩散因子的流量插值积算方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112597431A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113987404A (zh) * | 2021-10-27 | 2022-01-28 | 杭州丹纳计量科技有限公司 | 基于参数更新校正的流量阀开度调节方法、系统 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103164628A (zh) * | 2013-03-29 | 2013-06-19 | 中国长江三峡集团公司 | 预报水库来流流量的方法 |
CN104457918A (zh) * | 2014-12-03 | 2015-03-25 | 金川集团股份有限公司 | 一种回水流量检测偏差修正方法 |
CN106014849A (zh) * | 2016-07-05 | 2016-10-12 | 华中科技大学 | 抽水蓄能机组调速系统的快速非线性模糊预测控制方法 |
US20190188857A1 (en) * | 2017-12-20 | 2019-06-20 | Duelight Llc | SYSTEM, METHOD, AND COMPUTER PROGRAM for ADJUSTING IMAGE CONTRAST USING PARAMETERIZED CUMULATIVE DISTRIBUTION FUNCTIONS |
CN110164128A (zh) * | 2019-04-23 | 2019-08-23 | 银江股份有限公司 | 一种城市级智能交通仿真系统 |
CN110536216A (zh) * | 2019-09-05 | 2019-12-03 | 长沙市回音科技有限公司 | 一种基于插值处理的均衡参数匹配方法、装置、终端设备及存储介质 |
CN111092875A (zh) * | 2019-12-12 | 2020-05-01 | 南京国电南自电网自动化有限公司 | 一种输变电运检平台物联网边缘信息传输压缩方法及系统 |
CN111965547A (zh) * | 2020-09-27 | 2020-11-20 | 哈尔滨工业大学(威海) | 一种基于参数辨识法的电池系统传感器故障诊断方法 |
-
2020
- 2020-12-24 CN CN202011552865.0A patent/CN112597431A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103164628A (zh) * | 2013-03-29 | 2013-06-19 | 中国长江三峡集团公司 | 预报水库来流流量的方法 |
CN104457918A (zh) * | 2014-12-03 | 2015-03-25 | 金川集团股份有限公司 | 一种回水流量检测偏差修正方法 |
CN106014849A (zh) * | 2016-07-05 | 2016-10-12 | 华中科技大学 | 抽水蓄能机组调速系统的快速非线性模糊预测控制方法 |
US20190188857A1 (en) * | 2017-12-20 | 2019-06-20 | Duelight Llc | SYSTEM, METHOD, AND COMPUTER PROGRAM for ADJUSTING IMAGE CONTRAST USING PARAMETERIZED CUMULATIVE DISTRIBUTION FUNCTIONS |
CN110164128A (zh) * | 2019-04-23 | 2019-08-23 | 银江股份有限公司 | 一种城市级智能交通仿真系统 |
CN110536216A (zh) * | 2019-09-05 | 2019-12-03 | 长沙市回音科技有限公司 | 一种基于插值处理的均衡参数匹配方法、装置、终端设备及存储介质 |
CN111092875A (zh) * | 2019-12-12 | 2020-05-01 | 南京国电南自电网自动化有限公司 | 一种输变电运检平台物联网边缘信息传输压缩方法及系统 |
CN111965547A (zh) * | 2020-09-27 | 2020-11-20 | 哈尔滨工业大学(威海) | 一种基于参数辨识法的电池系统传感器故障诊断方法 |
Non-Patent Citations (5)
Title |
---|
JAMES A.LIGGET 等: "Cubic spline boundary elements", 《INTERNATIONAL JOURNAL FOR NUMERICAL METHODS IN ENGINEERING》, vol. 17, no. 4, 20 June 2005 (2005-06-20), pages 543 - 556 * |
刘强 等: "基于3次样条插值函数的曲线拟合方法及应用研究", 《安全与环境学报》, vol. 9, no. 4, 25 August 2009 (2009-08-25), pages 71 - 74 * |
喻杉;纪昌明;赵璧奎;黄小锋;董付强;: "降雨径流相关模型在丹江口水库洪水预报中的应用研究", 中国农村水利水电, no. 09, 15 September 2011 (2011-09-15), pages 145 - 148 * |
鄢波;李超顺;吴道平;侯进皎;赖昕杰;何均;: "水轮发电机组改进型非线性广义预测控制器设计", 水电能源科学, no. 10, 25 October 2020 (2020-10-25), pages 140 - 144 * |
黄礼敏: "海浪中非平稳非线性舰船运动在线预报研究", 《中国优秀硕士学位论文全文数据库工程科技II辑》, no. 11, 15 November 2017 (2017-11-15), pages 036 - 41 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113987404A (zh) * | 2021-10-27 | 2022-01-28 | 杭州丹纳计量科技有限公司 | 基于参数更新校正的流量阀开度调节方法、系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110514391B (zh) | 一种五孔压力探针测量三维流场不确定度评定方法 | |
CN114646680B (zh) | 一种气体传感器自动测试系统 | |
CN110057477A (zh) | 一种用于应变式力传感器的多通道交/直流激励的信号测量系统 | |
KR102181966B1 (ko) | 유압실린더 종합 테스트 스테이션에 대한 소프트 측량방법 및 시스템 | |
CN1856700B (zh) | 过程压力传感器的校准 | |
CN101971039A (zh) | 用于监视rf功率的特性的系统、方法和装置 | |
CN112597431A (zh) | 一种基于积分扩散因子的流量插值积算方法及装置 | |
CN116346864A (zh) | 基于智慧燃气物联网的超声波计量补偿方法、系统和介质 | |
CA2601321C (en) | Method and device for characterizing the linear properties of an electrical component | |
Prakosa et al. | The performance measurement test on rain gauge of tipping bucket due to controlling of the water flow rate | |
CN214846711U (zh) | 一种基于积分扩散因子的流量插值积算装置 | |
CN103605323B (zh) | 化工生产的离散控制方法及装置 | |
CN112444671A (zh) | 基于瞬时功率的电能表电能计量方法、装置及储存介质 | |
US10190392B1 (en) | Landfill gas wellhead monitoring and control system | |
CN106353550A (zh) | 一种采用同步串行编码的电子式互感器数据处理方法 | |
CN111240198B (zh) | 压电陶瓷执行器迟滞分析方法 | |
CN109085782A (zh) | 可视化气动参数采集系统 | |
CN111044125B (zh) | 流量点自动标定的方法及存储介质 | |
CN204731159U (zh) | 一种大气能见度测量和预报仪 | |
Molini et al. | Dealing with uncertainty in rainfall gauges calibration: the QM-RIM metrological validation | |
CN109883370B (zh) | 一种阀位变送器的标定装置及其使用方法 | |
CN109708669A (zh) | 一种加速度计信号处理系统及方法 | |
Baranov et al. | Smart measurement and control system of condition of a local technosphere | |
CN117970978B (zh) | 一种适用于实验的恒温恒湿实验箱自动调控系统 | |
KR102050716B1 (ko) | 정압 제어 장치 및 이의 제어 방법 |
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 |