CN113051311B - 一种监测车辆油箱液位异常变化的方法、系统及装置 - Google Patents

一种监测车辆油箱液位异常变化的方法、系统及装置 Download PDF

Info

Publication number
CN113051311B
CN113051311B CN202110279468.9A CN202110279468A CN113051311B CN 113051311 B CN113051311 B CN 113051311B CN 202110279468 A CN202110279468 A CN 202110279468A CN 113051311 B CN113051311 B CN 113051311B
Authority
CN
China
Prior art keywords
data
liquid level
oil tank
module
level data
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
CN202110279468.9A
Other languages
English (en)
Other versions
CN113051311A (zh
Inventor
王志强
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.)
Yukuai Chuangling Intelligent Technology Nanjing Co ltd
Original Assignee
Yukuai Chuangling Intelligent Technology Nanjing 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 Yukuai Chuangling Intelligent Technology Nanjing Co ltd filed Critical Yukuai Chuangling Intelligent Technology Nanjing Co ltd
Priority to CN202110279468.9A priority Critical patent/CN113051311B/zh
Publication of CN113051311A publication Critical patent/CN113051311A/zh
Application granted granted Critical
Publication of CN113051311B publication Critical patent/CN113051311B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2462—Approximate or statistical queries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/21—Design, administration or maintenance of databases
    • G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2474—Sequence data queries, e.g. querying versioned data
    • 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
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Probability & Statistics with Applications (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Computational Linguistics (AREA)
  • Computational Mathematics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Fuzzy Systems (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Algebra (AREA)
  • Measurement Of Levels Of Liquids Or Fluent Solid Materials (AREA)

Abstract

本发明提供了一种监测车辆油箱液位异常变化的方法、系统及装置，所述方法包括如下步骤：以一定的采样周期和采样频率连续采集车辆的运行数据，并记录运行数据对应的采集时间，所述车辆运行数据包括终端设备编号N和对应的油箱液位数据X；根据终端设备编号N将属于同一辆车上的油箱液位数据X进行分区；计算每个分区中每个采样周期采集的M个油箱液位数据X的平均值M为自然数；计算两个连续采样周期的平均值的差值判断是否大于Y，若是则确定异常数据对应的采集时间，Y为预设值。本发明能够在车辆运行过程中自动检测油箱液位变化情况，从而能够监测油箱的异常变化，从而有助于规范车辆运行行程中的司机行为，有效减少公司运营成本、提高管理质量。

Description

一种监测车辆油箱液位异常变化的方法、系统及装置
技术领域
本发明属于车辆油箱检测技术领域，具体涉及一种监测车辆油箱液位异常变化的方法、系统及装置。
背景技术
随着网络及通信技术的发展，越来越多的物流公司使用软件系统对其下商用车进行管理。在车辆日常运营过程中，存在司机驾驶行为或其他人为原因引起的油量异常情况，并且因为无法在车辆行驶过程中对车辆实时监控，无法对油量的异常消耗有效追踪，不仅给车辆正常运行造成不便，而且还会给公司增加额外运营成本。
发明内容
本发明所要解决的技术问题是：提供一种监测车辆油箱液位异常变化的方法、系统及装置，能够在车辆运行过程中自动检测油箱液位变化情况，从而能够监测油箱的异常变化，从而有助于规范车辆运行行程中的司机行为，有效减少公司运营成本、提高管理质量。
本发明是这样实现的：一种监测车辆油箱液位异常变化的方法，包括如下步骤：
以一定的采样周期和采样频率连续采集车辆的运行数据，并记录运行数据对应的采集时间，所述车辆运行数据包括终端设备编号N和对应的油箱液位数据X；
根据终端设备编号N将属于同一辆车上的油箱液位数据X进行分区；
计算每个分区中每个采样周期采集的M个油箱液位数据X的平均值M为自然数；
计算两个连续采样周期的平均值的差值判断/>是否大于Y，若是则确定异常数据对应的采集时间，Y为预设值。
进一步地，所述计算每个分区中每个采样周期采集的M个油箱液位数据X的平均值的过程包括如下步骤：
对每个分区中各自采集的M个油箱液位数据X进行滤波处理得到滤波值；
计算所述滤波值的平均值，即为
进一步地，所述对每个分区中各自采集的M个油箱液位数据X进行滤波处理得到滤波值的过程包括如下步骤：
将每个分区中各自采集的M个油箱液位数据X进行排序得到数列一；
将数列一的首尾相连得到数列二；
将数列二中每个数据连同其前、后各m个数据分别组成M个数据集，每个数据集包含2m+1个数据，m为自然数，2m+1＜M；
将数据集内的2m+1个数据进行排序得到数列三；
提取M个数列三中的中值作为滤波输出的滤波值。
进一步地，所述排序方式均为升序排列。
进一步地，所述确定异常数据对应的采集时间的过程包括如下步骤：
确定异常数据所在采样周期；
将异常数据所在采样周期内的油箱液位数据进行排序；
判断采样周期内采集的油箱液位数据的个数M是否为偶数，若是则分别提取前个油箱液位数据的中值Q1和后/>个油箱液位数据的中值Q2，否则分别提取前/>个油箱液位数据的中值Q1和后/>个油箱液位数据的中值Q2；
根据Q1和Q2计算合理数据范围；
剔除异常数据所在采样周期内不在合理数据范围内的油箱液位数据，将剩余油箱液位数据中的最小值对应的采集时间作为异常发生时间。
本发明还提供了一种监测车辆油箱液位异常变化的系统，包括：
采集模块，用于以一定的采样周期和采样频率连续采集车辆的运行数据，并记录运行数据对应的采集时间，所述车辆运行数据包括终端设备编号N和对应的油箱液位数据X；
分区模块，用于根据终端设备编号N将属于同一辆车上的油箱液位数据X进行分区；
计算模块，用于计算每个分区中每个采样周期采集的M个油箱液位数据X的平均值M为自然数；
判断模块，用于计算两个连续采样周期的平均值的差值判断/>是否大于Y，若是则启动确定模块，Y为预设值；
确定模块，用于确定异常数据对应的采集时间。
进一步地，所述计算模块还包括：
滤波模块，用于对每个分区中各自采集的M个油箱液位数据X进行滤波处理得到滤波值；
均值模块，用于计算所述滤波值的平均值，即为
进一步地，所述滤波模块还包括：
第一数列生成模块，用于将每个分区中各自采集的M个油箱液位数据X进行排序得到数列一；
第二数列生成模块，用于将数列一的首尾相连得到数列二；
数据集生成模块，用于将数列二中每个数据连同其前、后各m个数据分别组成M个数据集，每个数据集包含2m+1个数据，m为自然数，2m+1＜M；
第三数列生成模块，用于将数据集内的2m+1个数据进行排序得到数列三；
提取模块，用于提取M个数列三中的中值并作为滤波值输出。
进一步地，所述确定模块还包括：
周期确定模块，用于确定异常数据所在采样周期；
排序模块，用于将异常数据所在采样周期内的油箱液位数据进行排序；
奇偶判断模块，用于判断采样周期内采集的油箱液位数据的个数M是否为偶数，若是则启动第一中值提取模块，否则启动第二中值提取模块；
第一中值提取模块，用于提取前个油箱液位数据的中值Q1和后/>个油箱液位数据的中值Q2；
第二中值提取模块，用于提取前个油箱液位数据的中值Q1和后/>个油箱液位数据的中值Q2；
范围计算模块，用于根据Q1和Q2计算合理数据范围；
异常时间确定模块，用于剔除异常数据所在采样周期内不在合理数据范围内的油箱液位数据，将剩余油箱液位数据中的最小值对应的采集时间作为异常发生时间。
本发明还提供了一种监测车辆油箱液位异常变化的装置，包括处理器和存储器；所述存储器存储有计算机程序，所述处理器执行计算机程序时实现上述方法的步骤。
本发明带来的有益效果是：
1、本发明能够在车辆运行过程中自动检测油箱液位变化情况，从而能够监测油箱的异常变化，从而有助于规范车辆运行行程中的司机行为，有效减少公司运营成本、提高管理质量。
2、本发明采用中值滤波算法计算平均值，能够消除孤立的噪声点，让周围数据更加接近真实值，有效提高了监测准确度。
3、本发明采用四分位算法过滤异常数据，从而能够进一步提高测算精度。
附图说明
图1为本发明中的方法流程图。
具体实施方式
下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。
如图1所示，本实施例提供了一种监测车辆油箱液位异常变化的方法，包括如下步骤：
S1、以一定的采样周期和采样频率连续采集车辆的运行数据，并记录运行数据对应的采集时间，所述车辆运行数据包括终端设备编号N和对应的油箱液位数据X。具体地，采样周期为5min，采样频率为1个/30s，因此在一个采样周期内采集每辆车的10组运行数据，也即安装在车辆上的终端设备每30s上报一次车辆的运行数据，每组运行数据包含一个终端设备编号N和一个油箱液位数据X，即10组运行数据包含10个油箱液位数据，每个油箱液位数据对应一个采集时间。
S2、根据终端设备编号N将属于同一辆车上的油箱液位数据X进行分区。具体地，每辆车都具有独立的终端设备编号，系统收到上报的运行数据后，按照终端设备编号将所有运行数据进行归类分区。例如，属于A车辆的10组运行数据划分为一组，属于B车辆的10组运行数据划分为一组，以此类推，能够形成多个分区。这样操作便能够针对每辆车的具体情况进行计算，从而实现更全面的监测。
S3、计算每个分区中每个采样周期采集的10个油箱液位数据X的平均值X。以一个分区为例，具体阐述该步骤：
S31、对该分区中采集的10个油箱液位数据X进行滤波处理得到滤波值。具体地，该步骤还包括如下子步骤：
S311、将该分区中采集的油箱液位数据进行升序排列得到数列一。
S312、将数列一的首尾相连得到数列二。
S313、将数列二中每个数据连同其前、后各2个数据分别组成10个数据集，每个数据集包含5个数据。
S314、将数据集内的10个数据分别进行升序排列得到10个数列三；
S315、提取10个数列三中的中值作为滤波输出的滤波值，也即10个滤波值，经过滤波处理后，能够将孤立的噪声点数据去除，从而提高周围数据值的真实性。
S32、计算10个滤波值的平均值，即为由于整个监测过程是持续的，因此每个采集周期内得到的平均值/>均应当记录，以便于与下一采集周期得到的平均值/>进行对比。
S4、计算两个连续采样周期的平均值的差值判断/>是否大于Y，若是则判断为异常，并转向步骤S5，Y为预设值。需要说明的是，本步骤中，当判断结果为异常时，还应当报警以提醒驾驶员或运维人员，从而避免不良后果产生。
S5、确定异常数据对应的采集时间。具体地，该步骤包括如下子步骤：
S51、确定异常数据所在采样周期。
S52、将异常数据所在采样周期内的10个油箱液位数据进行升序排列。
S53、判断采样周期内采集的油箱液位数据的个数M是否为偶数，若是则分别提取前个油箱液位数据的中值Q1和后/>个油箱液位数据的中值Q2，否则分别提取前/>个油箱液位数据的中值Q1和后/>个油箱液位数据的中值Q2。本例中，M取值10，为偶数，故将这10个数据的前5个数据分为一组，后5个数据分为一组，分别提取两组数据中的中值Q1和Q2。
S54、根据Q1和Q2计算合理数据范围。
S55、剔除异常数据所在采样周期内不在合理数据范围内的油箱液位数据，将剩余油箱液位数据中的最小值对应的采集时间作为异常发生时间。
基于同样的发明构思，本发明还提供了一种监测车辆油箱液位异常变化的系统，包括：采集模块、分区模块、计算模块、判断模块和确定模块。
采集模块用于以一定的采样周期和采样频率连续采集车辆的运行数据，并记录运行数据对应的采集时间，所述车辆运行数据包括终端设备编号N和对应的油箱液位数据X；分区模块用于根据终端设备编号N将属于同一辆车上的油箱液位数据X进行分区；计算模块用于计算每个分区中每个采样周期采集的M个油箱液位数据X的平均值M为自然数；判断模块用于计算两个连续采样周期的平均值的差值/>判断/>是否大于Y，若是则启动确定模块，Y为预设值；确定模块用于确定异常数据对应的采集时间。需要说明的是，当判断模块判断结果为异常时，还应启动报警模块进行报警。
在一可选实施例中，所述计算模块还包括：滤波模块和均值模块。
滤波模块用于对每个分区中各自采集的M个油箱液位数据X进行滤波处理得到滤波值；均值模块用于计算所述滤波值的平均值，即为
在一可选实施例中，所述滤波模块还包括：第一数列生成模块、第二数列生成模块、数据集生成模块、第三数列生成模块和提取模块。
第一数列生成模块用于将每个分区中各自采集的M个油箱液位数据X进行排序得到数列一；第二数列生成模块用于将数列一的首尾相连得到数列二；数据集生成模块用于将数列二中每个数据连同其前、后各m个数据分别组成M个数据集，每个数据集包含2m+1个数据，m为自然数，2m+1＜M；第三数列生成模块用于将数据集内的2m+1个数据进行排序得到数列三；提取模块用于提取M个数列三中的中值并作为滤波值输出。
在一可选实施例中，所述确定模块还包括：周期确定模块、排序模块、奇偶判断模块、第一中值提取模块、第二中值提取模块、范围计算模块和异常时间确定模块。
周期确定模块用于确定异常数据所在采样周期；
排序模块用于将异常数据所在采样周期内的油箱液位数据进行排序；
奇偶判断模块用于判断采样周期内采集的油箱液位数据的个数M是否为偶数，若是则启动第一中值提取模块，否则启动第二中值提取模块；第一中值提取模块用于提取前个油箱液位数据的中值Q1和后/>个油箱液位数据的中值Q2；第二中值提取模块用于提取前/>个油箱液位数据的中值Q1和后/>个油箱液位数据的中值Q2；范围计算模块用于根据Q1和Q2计算合理数据范围；异常时间确定模块用于剔除异常数据所在采样周期内不在合理数据范围内的油箱液位数据，将剩余油箱液位数据中的最小值对应的采集时间作为异常发生时间。
基于同样的发明构思，本发明还提供了一种监测车辆油箱液位异常变化的装置，包括处理器和存储器；所述存储器存储有计算机程序，所述处理器执行计算机程序时实现上述方法的步骤。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。

Claims (8)

1.一种监测车辆油箱液位异常变化的方法，其特征在于，包括如下步骤：
以一定的采样周期和采样频率连续采集车辆的运行数据，并记录运行数据对应的采集时间，所述车辆运行数据包括终端设备编号N和对应的油箱液位数据X；
根据终端设备编号N将属于同一辆车上的油箱液位数据X进行分区；
计算每个分区中每个采样周期采集的M个油箱液位数据X的平均值M为自然数；
计算两个连续采样周期得到平均值的差值/>判断/>是否大于Y，若是则确定异常数据对应的采集时间，Y为预设值，
其中，所述确定异常数据对应的采集时间的过程包括如下步骤：
确定异常数据所在采样周期；
将异常数据所在采样周期内的油箱液位数据进行排序；
判断采样周期内采集的油箱液位数据的个数M是否为偶数，若是则分别提取前个油箱液位数据的中值Q1和后/>个油箱液位数据的中值Q2，否则分别提取前/>个油箱液位数据的中值Q1和后/>个油箱液位数据的中值Q2；
根据Q1和Q2计算合理数据范围；
剔除异常数据所在采样周期内不在合理数据范围内的油箱液位数据，将剩余油箱液位数据中的最小值对应的采集时间作为异常发生时间。
2.根据权利要求1所述的一种监测车辆油箱液位异常变化的方法，其特征在于，
所述计算每个分区中每个采样周期采集的M个油箱液位数据X的平均值的过程包括如下步骤：
对每个分区中各自采集的M个油箱液位数据X进行滤波处理得到滤波值；
计算所述滤波值的平均值，即为
3.根据权利要求2所述的一种监测车辆油箱液位异常变化的方法，其特征在于，
所述对每个分区中各自采集的M个油箱液位数据X进行滤波处理得到滤波值的过程包括如下步骤：
将每个分区中各自采集的M个油箱液位数据X进行排序得到数列一；
将数列一的首尾相连得到数列二；
将数列二中每个数据连同其前、后各m个数据分别组成M个数据集，每个数据集包含2m+1个数据，m为自然数，2m+1＜M；
将数据集内的2m+1个数据进行排序得到数列三；
提取M个数列三中的中值作为滤波输出的滤波值。
4.根据权利要求3所述的一种监测车辆油箱液位异常变化的方法，其特征在于，
所述排序方式均为升序排列。
5.一种监测车辆油箱液位异常变化的系统，其特征在于，包括：
采集模块，用于以一定的采样周期和采样频率连续采集车辆的运行数据，并记录运行数据对应的采集时间，所述车辆运行数据包括终端设备编号N和对应的油箱液位数据X；
分区模块，用于根据终端设备编号N将属于同一辆车上的油箱液位数据X进行分区；
计算模块，用于计算每个分区中每个采样周期采集的M个油箱液位数据X的平均值M为自然数；
判断模块，用于计算两个连续采样周期的平均值的差值判断/>是否大于Y，若是则启动确定模块，Y为预设值；
确定模块，用于确定异常数据对应的采集时间，
其中，所述确定模块还包括：
周期确定模块，用于确定异常数据所在采样周期；
排序模块，用于将异常数据所在采样周期内的油箱液位数据进行排序；
奇偶判断模块，用于判断采样周期内采集的油箱液位数据的个数M是否为偶数，若是则启动第一中值提取模块，否则启动第二中值提取模块；
第一中值提取模块，用于提取前个油箱液位数据的中值Q1和后/>个油箱液位数据的中值Q2；
第二中值提取模块，用于提取前个油箱液位数据的中值Q1和后/>个油箱液位数据的中值Q2；
范围计算模块，用于根据Q1和Q2计算合理数据范围；
异常时间确定模块，用于剔除异常数据所在采样周期内不在合理数据范围内的油箱液位数据，将剩余油箱液位数据中的最小值对应的采集时间作为异常发生时间。
6.根据权利要求5所述的一种监测车辆油箱液位异常变化的系统，其特征在于，所述计算模块还包括：
滤波模块，用于对每个分区中各自采集的M个油箱液位数据X进行滤波处理得到滤波值；
均值模块，用于计算所述滤波值的平均值，即为
7.根据权利要求6所述的一种监测车辆油箱液位异常变化的系统，其特征在于，所述滤波模块还包括：
第一数列生成模块，用于将每个分区中各自采集的M个油箱液位数据X进行排序得到数列一；
第二数列生成模块，用于将数列一的首尾相连得到数列二；
数据集生成模块，用于将数列二中每个数据连同其前、后各m个数据分别组成M个数据集，每个数据集包含2m+1个数据，m为自然数，2m+1＜M；
第三数列生成模块，用于将数据集内的2m+1个数据进行排序得到数列三；
提取模块，用于提取M个数列三中的中值并作为滤波值输出。
8.一种监测车辆油箱液位异常变化的装置，其特征在于，包括处理器和存储器；所述存储器存储有计算机程序，所述处理器执行计算机程序时实现如权利要求1至4任一所述方法的步骤。
CN202110279468.9A 2021-03-16 2021-03-16 一种监测车辆油箱液位异常变化的方法、系统及装置 Active CN113051311B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110279468.9A CN113051311B (zh) 2021-03-16 2021-03-16 一种监测车辆油箱液位异常变化的方法、系统及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110279468.9A CN113051311B (zh) 2021-03-16 2021-03-16 一种监测车辆油箱液位异常变化的方法、系统及装置

Publications (2)

Publication Number Publication Date
CN113051311A CN113051311A (zh) 2021-06-29
CN113051311B true CN113051311B (zh) 2023-07-28

Family

ID=76512725

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110279468.9A Active CN113051311B (zh) 2021-03-16 2021-03-16 一种监测车辆油箱液位异常变化的方法、系统及装置

Country Status (1)

Country Link
CN (1) CN113051311B (zh)

Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003130899A (ja) * 2001-10-22 2003-05-08 Nittetsu Elex Co Ltd 電源異常監視装置
JP2007052797A (ja) * 2006-09-08 2007-03-01 Sofutorokkusu:Kk 加工工程の監視方法
DE102010043928A1 (de) * 2010-11-15 2012-05-16 Robert Bosch Gmbh Verfahren zur Überwachung eines diskreten Tankfüllstandsgebers
EP2615001A2 (en) * 2012-01-12 2013-07-17 Scania CV AB Device and method for detecting the abnormal removal of fuel from a fuel tank
CN106289628A (zh) * 2016-07-29 2017-01-04 中国北方发动机研究所(天津) 一种柴油发动机燃油供油系统的压力在线动态监测装置
CN106441474A (zh) * 2016-04-27 2017-02-22 苏州市伏泰信息科技股份有限公司 基于极值中值滤波的车辆油耗异常判定方法及系统
CN108732972A (zh) * 2018-06-08 2018-11-02 深圳大图科创技术开发有限公司 用于多机器人的智能数据采集系统
CN108920597A (zh) * 2018-06-27 2018-11-30 郑州云海信息技术有限公司 一种处理存储设备历史性能统计数据的方法
CN110426101A (zh) * 2019-05-20 2019-11-08 北京中位科技有限公司 一种油箱油量监测优化方法
WO2020054496A1 (ja) * 2018-09-14 2020-03-19 オムロン株式会社 異常検出装置、異常検出装置の制御方法、情報処理プログラム、および記録媒体
CN111272256A (zh) * 2020-01-15 2020-06-12 南京智鹤电子科技有限公司 用于油位异常监控的数据处理方法及装置
CN111627131A (zh) * 2020-04-28 2020-09-04 南京理工大学 一种带有驾驶员辅助监控警示功能的行车记录装置及方法
CN112033496A (zh) * 2020-09-10 2020-12-04 上海星融汽车科技有限公司 一种基于油箱液位监控而对燃油量异常变化的判定方法
CN112035714A (zh) * 2019-06-03 2020-12-04 鲨鱼快游网络技术(北京)有限公司 一种基于角色陪伴的人机对话方法
CN112311611A (zh) * 2019-07-29 2021-02-02 中国移动通信集团广东有限公司 数据异常的监测方法、装置和电子设备

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107481090A (zh) * 2017-07-06 2017-12-15 众安信息技术服务有限公司 一种用户异常行为检测方法、装置和系统
US10628435B2 (en) * 2017-11-06 2020-04-21 Adobe Inc. Extracting seasonal, level, and spike components from a time series of metrics data

Patent Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003130899A (ja) * 2001-10-22 2003-05-08 Nittetsu Elex Co Ltd 電源異常監視装置
JP2007052797A (ja) * 2006-09-08 2007-03-01 Sofutorokkusu:Kk 加工工程の監視方法
DE102010043928A1 (de) * 2010-11-15 2012-05-16 Robert Bosch Gmbh Verfahren zur Überwachung eines diskreten Tankfüllstandsgebers
EP2615001A2 (en) * 2012-01-12 2013-07-17 Scania CV AB Device and method for detecting the abnormal removal of fuel from a fuel tank
CN106441474A (zh) * 2016-04-27 2017-02-22 苏州市伏泰信息科技股份有限公司 基于极值中值滤波的车辆油耗异常判定方法及系统
CN106289628A (zh) * 2016-07-29 2017-01-04 中国北方发动机研究所(天津) 一种柴油发动机燃油供油系统的压力在线动态监测装置
CN108732972A (zh) * 2018-06-08 2018-11-02 深圳大图科创技术开发有限公司 用于多机器人的智能数据采集系统
CN108920597A (zh) * 2018-06-27 2018-11-30 郑州云海信息技术有限公司 一种处理存储设备历史性能统计数据的方法
WO2020054496A1 (ja) * 2018-09-14 2020-03-19 オムロン株式会社 異常検出装置、異常検出装置の制御方法、情報処理プログラム、および記録媒体
CN110426101A (zh) * 2019-05-20 2019-11-08 北京中位科技有限公司 一种油箱油量监测优化方法
CN112035714A (zh) * 2019-06-03 2020-12-04 鲨鱼快游网络技术(北京)有限公司 一种基于角色陪伴的人机对话方法
CN112311611A (zh) * 2019-07-29 2021-02-02 中国移动通信集团广东有限公司 数据异常的监测方法、装置和电子设备
CN111272256A (zh) * 2020-01-15 2020-06-12 南京智鹤电子科技有限公司 用于油位异常监控的数据处理方法及装置
CN111627131A (zh) * 2020-04-28 2020-09-04 南京理工大学 一种带有驾驶员辅助监控警示功能的行车记录装置及方法
CN112033496A (zh) * 2020-09-10 2020-12-04 上海星融汽车科技有限公司 一种基于油箱液位监控而对燃油量异常变化的判定方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
基于时间序列的用电数据趋势分析;张东;程绪可;孙峰;张冠锋;白雪;;东北电力技术(第02期);全文 *
基于物联网的卡车偷油漏油报警系统设计;黄彩梅;《传感器与微系统》;第35卷(第05期);1-3 *

Also Published As

Publication number Publication date
CN113051311A (zh) 2021-06-29

Similar Documents

Publication Publication Date Title
CN109948669B (zh) 一种异常数据检测方法及装置
CN112181758B (zh) 一种基于网络拓扑及实时告警的故障根因定位方法
CN109687447B (zh) 一种电力能耗预测方法及装置
CN110008247A (zh) 异常来源确定方法、装置、设备及计算机可读存储介质
CN112214481A (zh) 一种电能质量数据的数据清洗方法
CN106951360B (zh) 数据统计完整度计算方法和系统
CN112001409A (zh) 一种基于K-means聚类算法的配电网线损异常诊断方法和系统
CN114090646A (zh) 异常用电辨识方法及系统
CN112612844A (zh) 数据处理方法、装置、设备和存储介质
CN114742124A (zh) 一种异常数据处理方法、系统及装置
CN113051311B (zh) 一种监测车辆油箱液位异常变化的方法、系统及装置
CN115099284A (zh) 热轧轧机振动数据处理方法、系统、终端及存储介质
CN117591860A (zh) 一种数据异常检测方法及装置
CN111460293B (zh) 信息推送方法、装置及计算机可读存储介质
CN108509624A (zh) 一种数据库归档清理方法及系统、服务器及存储介质
CN116698446A (zh) 整车静电流测试方法、装置、系统和存储介质
CN104714205B (zh) 电表错置侦测系统及其方法
CN110826904B (zh) 风机的数据处理方法、装置、处理设备及可读存储介质
CN109189775B (zh) 一种工业监控平台海量数据处理系统及方法
CN114579827B (zh) 一种工业设备数据性能曲线的处理方法、装置及设备
CN113743532B (zh) 异常检测方法、装置、设备及计算机存储介质
CN112069168A (zh) 一种设备运行数据云端存储方法
CN109446051A (zh) 一种告警分析方法和装置
CN113098129B (zh) 一种适用于波动信号的自适应抽样方法及系统
CN117495432B (zh) 一种多时间尺度投票式用户潜在需求分析方法及系统

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
GR01 Patent grant
GR01 Patent grant