CN113419492A - 基于多源异构传感器数据融合的NB-IoT的工业污染物监测系统 - Google Patents
基于多源异构传感器数据融合的NB-IoT的工业污染物监测系统 Download PDFInfo
- Publication number
- CN113419492A CN113419492A CN202110611914.1A CN202110611914A CN113419492A CN 113419492 A CN113419492 A CN 113419492A CN 202110611914 A CN202110611914 A CN 202110611914A CN 113419492 A CN113419492 A CN 113419492A
- Authority
- CN
- China
- Prior art keywords
- data
- industrial
- iot
- pollutant
- source heterogeneous
- 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
- 239000003344 environmental pollutant Substances 0.000 title claims abstract description 53
- 231100000719 pollutant Toxicity 0.000 title claims abstract description 53
- 230000004927 fusion Effects 0.000 title claims abstract description 49
- 238000012544 monitoring process Methods 0.000 title claims abstract description 33
- 238000004891 communication Methods 0.000 claims abstract description 32
- 230000005540 biological transmission Effects 0.000 claims abstract description 16
- 238000009776 industrial production Methods 0.000 claims abstract description 7
- 238000007405 data analysis Methods 0.000 claims abstract description 5
- 239000000428 dust Substances 0.000 claims abstract description 4
- 239000002912 waste gas Substances 0.000 claims abstract description 4
- 239000002699 waste material Substances 0.000 claims abstract description 4
- 239000002351 wastewater Substances 0.000 claims abstract description 4
- 238000006243 chemical reaction Methods 0.000 claims description 14
- 239000013598 vector Substances 0.000 claims description 13
- 238000012545 processing Methods 0.000 claims description 9
- 238000005516 engineering process Methods 0.000 claims description 8
- 238000007418 data mining Methods 0.000 claims description 7
- 238000000034 method Methods 0.000 claims description 7
- 238000012163 sequencing technique Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 6
- 238000010801 machine learning Methods 0.000 claims description 6
- 238000007781 pre-processing Methods 0.000 claims description 5
- 238000004458 analytical method Methods 0.000 claims description 4
- 238000004140 cleaning Methods 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 238000010295 mobile communication Methods 0.000 claims description 3
- 238000011160 research Methods 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 238000013139 quantization Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- GVVPGTZRZFNKDS-JXMROGBWSA-N geranyl diphosphate Chemical compound CC(C)=CCC\C(C)=C\CO[P@](O)(=O)OP(O)(O)=O GVVPGTZRZFNKDS-JXMROGBWSA-N 0.000 description 1
- 238000006317 isomerization reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/41885—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by modeling, simulation of the manufacturing system
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/38—Services specially adapted for particular environments, situations or purposes for collecting sensor information
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/32—Operator till task planning
- G05B2219/32339—Object oriented modeling, design, analysis, implementation, simulation language
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Manufacturing & Machinery (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- General Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Automation & Control Theory (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了基于多源异构传感器数据融合的NB‑IoT的工业污染物监测系统,该系统包括:感知层,用于定时采集感知工业生产过程中所排放的废气、废水、废渣、粉尘、恶臭气味等污染物数据信息;传输层,用于对感知层采集的污染物数据信息通过传输层的无线网侧发送到附近的通信基站;平台层,用于接收以及解析工业污染排放物监测数据信息和定位信息;应用层,用于向用户呈现友好界面,对工业污染物排放的可视化展示。通过对工业污染物数据信息采集经NB‑IoT通信传输至云平台数据监控中心进行数据解析,依靠建立的多源异构传感器数据融合模型,构建生态环保预测指标模型,从而给出工业生态环境保护的决策建议,协助政府治理污染。
Description
技术领域
本发明涉及污染物监测技术领域,具体为基于多源异构传感器数据融合的NB-IoT的工业污染物监测系统。
背景技术
目前,大多数城市未能实现对工业污染物排放的实时在线监测,存在管控死角。在此背景下,开发一种具有低功耗快速检测工业污染物并能实时完成数据上传分析管理的信息管理系统,以帮助政府对工业污染物排放进行有效监管。
当前对工业污染物监测大多还是传统的传感系统。现有的各类传感系统,一般都是由多个厂商部署的,其数据传输标准、接口和数据格式不一,造成传感器数据的多源化和异构化,无法很好的对工业污染物监测数据进行规整,造成传感器数据信息的孤岛化,冗余化。
因此,本发明提出了一种基于多源异构传感器数据融合的NB-IoT的工业污染物监测系统,通过NB-IoT窄带物联网技术和嵌入式技术对工业污染物监测的传感器数据信息的收集汇总,建立多源异构传感器数据融合模型,在工业污染物排放监测预警大数据平台上根据非结构化指标数据来完善工业生态环境数据库,采用并行处理算法框架对工业污染排放物指标预警模型优化,利用数据挖掘和机器学习方法对工业生态环境实时监测数据进行分析、预测,最后给出工业生态环境保护的决策建议。
发明内容
本发明的目的在于提供基于多源异构传感器数据融合的NB-IoT的工业污染物监测系统,该系统包括:感知层,用于定时采集感知工业生产过程中所排放的废气、废水、废渣、粉尘、恶臭气味等污染物数据信息;感知层包括传感器模块、主控模块和NB-IoT通信模块;传感器模块是根据被测对象不同选取特定的传感器;主控芯片模块是对传感器采集的数据信息进行 AD 转换和数据过滤,完成多路数据的信号统一并传输至NB-IoT通信模块;NB-IoT模块则将整合的数据进行传送;传输层,用于对感知层采集的污染物数据信息通过传输层的无线网侧发送到附近的通信基站;传输层包括无线网侧和核心网,平台层,用于接收以及解析工业污染排放物监测数据信息和定位信息,并建立多源异构传感器数据的融合模型;平台层包括监控中心服务器和传感器数据融合引擎,应用层,用于向用户呈现友好界面,对工业污染物排放的可视化展示;将所有研究内容的结果和采集分析的数据详细直观地展示给用户;
通过传感器技术、NB-IoT窄带物联网技术和嵌入式技术对工业污染物监测的传感器数据信息的收集汇总,建立多源异构传感器数据融合模型,在工业污染物排放监测预警大数据平台,根据非结构化指标数据来完善工业生态环境数据库,采用并行处理算法框架对工业污染排放物指标预警模型优化,利用数据挖掘和机器学习方法对工业生态环境实时监测数据进行分析、预测,最后给出工业生态环境保护的决策建议。
优选的,感知层中传感器模块是针对监测工业污染物的不同而选取特定的传感器;主控模块采用STM32L4RCT微处理器为核心的主控模块;NB-IoT通信模块采用的是BC20通信模块,通过NB-IoT无线电通信协议,即3GPP Rel.13,BC20模块可与网络运营商的基础设备建立通信。
优选的,传输层包括无线网侧和核心网,无线网侧是用于实现NB-IoT通信模块与移动通信网络信道之间连接,核心网是用于NB-IoT通信模块的访问,负责将感知层采集的工业污染物数据信息转发到物联网平台。
优选的,监控中心服务器用于对传输层转发的工业生产污染物数据信息和设备定位信息的接收和解析,对多源异构传感器数据融合进行预处理操作;数据融合引擎则用于建立多源异构传感器数据融合模型。
优选的,应用层通过对工业污染排放大数据地可视化展示,用户看到所有工业排污的实时状态,同时用户通过应用层对工业污染排放进行远程的监控、参数的设置和数据的管理。
优选的,监控中心服务器对多源异构传感器数据融合进行预处理操作包括:
数据解析:对接收的NB-IoT通信模组的数据包进行解析,解析成各工业污染物的数据信息和设备定位信息;
数据清洗:处理缺失的数据、重复的数据以及噪音点;
数据转化:对数据进行采样处理、归一化;
特征提取:提取数据的算术平均数、方差、协方差、一阶差分、二阶差分等特征,获取多个不同类型的数据源。
优选的,数据融合引擎是建立多源异构传感器数据融合模型,利用数据挖掘和机器学习对工业生态环境监测的数据源进行融合分析;包括数据仓库、决策支持度计算、OWA算子权重向量计算和数据转换与排序4个模块;
数据仓库:通过数据选择、特征提取和统计等操作实现对数据的集成、消除数据的异构性和差异性,为后续的数据处理提供数据源;
与现有技术相比,本发明的有益效果是:本发明基于多源异构传感器数据融合数据挖掘,建立了NB-IoT的工业污染物监测系统,通过对工业污染物数据信息采集经NB-IoT通信传输至云平台数据监控中心进行数据解析,根据非结构化指标数据来完善工业生态环境数据库,在传感器数据融合引擎对多源异构传感器数据进行分析、洗涤、深度挖掘与分析预测,依靠建立的多源异构传感器数据融合模型,构建生态环保预测指标模型,从而给出工业生态环境保护的决策建议,协助政府治理污染。
附图说明
图1为基于多源异构传感器数据融合的NB-IoT的工业污染物监测系统示意图;
图2为多源异构传感器数据融合模型示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合具体实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
实施例1
结合图1-2所示,本发明提供了一种基于多源异构传感器数据融合的NB-IoT的工业污染物监测系统,由感知层、传输层、平台层和应用层构成,所述感知层包括传感器数据采集模块、主控模块和NB-IoT通信模块;所述传输层包括无线网侧和核心网;所述平台层包括监控中心服务器、传感器数据融合引擎和生态环保预测指标模型;所述应用层是上位机服务中心。
感知层:
所述传感器数据采集模块是根据对工业生产过程中所排放的废气、废水、废渣、粉尘、恶臭气味等监测对象的不同而选取不同的传感器数据采集模块;
所述主控模块是由STM32L4RCT微处理器为核心的主控模块,通过对传感器模块采集工业污染物数据信息经 AD 转换和数据过滤,完成多路数据的信号统一后将工业污染数据信息传输至NB-IoT通信模块;
所述NB-IoT通信模块采用的是一款高性能、低功耗、多频段、支持GNSS定位功能的BC20通信模块,通过NB-IoT无线电通信协议(3GPP Rel.13),BC20模块可与网络运营商的基础设备建立通信;
传输层:
所述无线网侧是用于实现NB-IoT通信模块与移动通信网络信道之间连接的基本单元;
所述核心网是用于NB-IoT通信模块的访问,负责将感知层采集的工业污染物数据信息转发到物联网平台。
平台层:
所述监控中心服务器是基于对传输层转发的工业生产污染物数据信息和设备定位信息的接收和解析,对多源异构传感器数据融合进行预处理操作;
所述预处理操作包括以下流程:
数据解析:对接收的NB-IoT通信模组的数据包进行解析,解析成各工业污染物的数据信息;
数据清洗:处理缺失的数据、重复的数据以及噪音点;
数据转化:对数据进行采样处理、归一化;
特征提取:提取数据的算术平均数、方差、协方差、一阶差分、二阶差分等特征,获取多个不同类型的数据源;
所述传感器数据融合引擎是建立多源异构传感器数据融合模型,利用数据挖掘和机器学习对工业生态环境监测的数据源进行融合分析;
所述的数据融合引擎包括数据仓库、决策支持度计算、OWA算子权重向量计算和数据转换与排序4个模块;
数据仓库:通过数据选择、特征提取和统计等操作实现对数据的集成、消除数据的异构性和差异性,为后续的数据处理提供数据源;
多源异构传感器数据融合算法如下:
第1步:计算数据源对决策的支持度;
从数据仓库中提取数据,根据数据的不同类型,将其转换为对决策的支持度:
第2步:确定OWA算子权重向量;
根据决策者的偏好,选择适当的模糊语义量化准则,确定模糊语义量化算子的参数和的值。模糊语义原则一般为“大多数”、“至少一半”或“尽可能多”,它们的参数值分别为(0.3,0.8)、(0,0.5) 和(0.5,1),根据参数可确定出模糊语义量化算子。
设:
则经过转换后的决策支持度值表示为:
第4步:依据OWA算子权重向量和转换后的支持度对数据进行融合,并计算各决策的最终决策值;
第5步:根据实际问题按决策值大小做出决策。
应用层:
所述应用层是经过系统平台对工业生态环境保护数据分析、监测、存储、预测后,将研究内容结果和采集分析的数据详细直观地展示给用户。通过对工业污染排放大数据地可视化展示,能够让用户能看到所有工业排污的实时状态,同时用户也可以在平台层对工业污染排放进行远程的监控、参数的设置和数据的管理。
以上所述,仅为本发明较佳的具体实施方式,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,根据本发明的技术方案及其发明构思加以等同替换或改变,都应涵盖在本发明的保护范围之内。
Claims (7)
1.基于多源异构传感器数据融合的NB-IoT的工业污染物监测系统,其特征在于,该系统包括:感知层,用于定时采集感知工业生产过程中所排放的废气、废水、废渣、粉尘、恶臭气味等污染物数据信息;感知层包括传感器模块、主控模块和NB-IoT通信模块;传感器模块是根据被测对象不同选取特定的传感器;主控芯片模块是对传感器采集的数据信息进行AD 转换和数据过滤,完成多路数据的信号统一并传输至NB-IoT通信模块;NB-IoT模块则将整合的数据进行传送;传输层,用于对感知层采集的污染物数据信息通过传输层的无线网侧发送到附近的通信基站;传输层包括无线网侧和核心网,平台层,用于接收以及解析工业污染排放物监测数据信息和定位信息,并建立多源异构传感器数据的融合模型;平台层包括监控中心服务器和传感器数据融合引擎,应用层,用于向用户呈现友好界面,对工业污染物排放的可视化展示;将所有研究内容的结果和采集分析的数据详细直观地展示给用户;
通过传感器技术、NB-IoT窄带物联网技术和嵌入式技术对工业污染物监测的传感器数据信息的收集汇总,建立多源异构传感器数据融合模型,在工业污染物排放监测预警大数据平台,根据非结构化指标数据来完善工业生态环境数据库,采用并行处理算法框架对工业污染排放物指标预警模型优化,利用数据挖掘和机器学习方法对工业生态环境实时监测数据进行分析、预测,最后给出工业生态环境保护的决策建议。
2.根据权利要求1所述的基于多源异构传感器数据融合的NB-IoT的工业污染物监测系统,其特征在于,感知层中传感器模块是针对监测工业污染物的不同而选取特定的传感器;主控模块采用STM32L4RCT微处理器为核心的主控模块;NB-IoT通信模块采用的是BC20通信模块,通过NB-IoT无线电通信协议,即3GPP Rel.13,BC20模块可与网络运营商的基础设备建立通信。
3.根据权利要求1所述的基于多源异构传感器数据融合的NB-IoT的工业污染物监测系统,其特征在于,传输层包括无线网侧和核心网,无线网侧是用于实现NB-IoT通信模块与移动通信网络信道之间连接,核心网是用于NB-IoT通信模块的访问,负责将感知层采集的工业污染物数据信息转发到物联网平台。
4.根据权利要求1所述的基于多源异构传感器数据融合的NB-IoT的工业污染物监测系统,其特征在于,监控中心服务器用于对传输层转发的工业生产污染物数据信息和设备定位信息的接收和解析,对多源异构传感器数据融合进行预处理操作;数据融合引擎则用于建立多源异构传感器数据融合模型。
5.根据权利要求1所述的基于多源异构传感器数据融合的NB-IoT的工业污染物监测系统,其特征在于,应用层通过对工业污染排放大数据地可视化展示,用户看到所有工业排污的实时状态,同时用户通过应用层对工业污染排放进行远程的监控、参数的设置和数据的管理。
6.根据权利要求4所述的基于多源异构传感器数据融合的NB-IoT的工业污染物监测系统,其特征在于,监控中心服务器对多源异构传感器数据融合进行预处理操作包括:
数据解析:对接收的NB-IoT通信模组的数据包进行解析,解析成各工业污染物的数据信息和设备定位信息;
数据清洗:处理缺失的数据、重复的数据以及噪音点;
数据转化:对数据进行采样处理、归一化;
特征提取:提取数据的算术平均数、方差、协方差、一阶差分、二阶差分等特征,获取多个不同类型的数据源。
7.根据权利要求4所述的基于多源异构传感器数据融合的NB-IoT的工业污染物监测系统,其特征在于,数据融合引擎是建立多源异构传感器数据融合模型,利用数据挖掘和机器学习对工业生态环境监测的数据源进行融合分析;包括数据仓库、决策支持度计算、OWA算子权重向量计算和数据转换与排序4个模块;
数据仓库:通过数据选择、特征提取和统计等操作实现对数据的集成、消除数据的异构性和差异性,为后续的数据处理提供数据源;
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110611914.1A CN113419492A (zh) | 2021-06-02 | 2021-06-02 | 基于多源异构传感器数据融合的NB-IoT的工业污染物监测系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110611914.1A CN113419492A (zh) | 2021-06-02 | 2021-06-02 | 基于多源异构传感器数据融合的NB-IoT的工业污染物监测系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113419492A true CN113419492A (zh) | 2021-09-21 |
Family
ID=77713720
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110611914.1A Pending CN113419492A (zh) | 2021-06-02 | 2021-06-02 | 基于多源异构传感器数据融合的NB-IoT的工业污染物监测系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113419492A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113723714A (zh) * | 2021-11-01 | 2021-11-30 | 边缘智能研究院南京有限公司 | 一种基于物联网的碳达峰预测平台 |
CN113901043A (zh) * | 2021-12-13 | 2022-01-07 | 西安中电环通数字科技有限公司 | 污染源智能监管和数据融合分析方法和系统 |
CN114722094A (zh) * | 2022-03-28 | 2022-07-08 | 天津大学 | 一种基于kano-g1的供应链业务多源异构数据融合方法 |
CN115001793A (zh) * | 2022-05-27 | 2022-09-02 | 北京双湃智安科技有限公司 | 一种信息安全多源异构数据的数据融合方法 |
CN115270798A (zh) * | 2022-09-23 | 2022-11-01 | 深圳市华云中盛科技股份有限公司 | 一种用于案件审理的辅助决策方法和装置 |
CN115981258A (zh) * | 2022-12-22 | 2023-04-18 | 新疆敦华绿碳技术股份有限公司 | 一种用于二氧化碳输送管道的智能控制系统及预警方法 |
CN116540616A (zh) * | 2023-07-06 | 2023-08-04 | 北京邮电大学 | 一种新型家居资源调度决策控制系统、方法及其应用 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108269021A (zh) * | 2018-01-25 | 2018-07-10 | 国网河北省电力有限公司 | 基于NB-IoT电网信息物理融合风险监测系统及方法 |
CN110336703A (zh) * | 2019-07-12 | 2019-10-15 | 河海大学常州校区 | 基于边缘计算的工业大数据监测系统 |
CN110456015A (zh) * | 2019-07-30 | 2019-11-15 | 苏州雷蓝遥感科技有限公司 | 一种基于大数据的多源遥感技术的水环境监测及预警系统 |
CN111242822A (zh) * | 2019-12-31 | 2020-06-05 | 广西威尔森环保科技开发有限公司 | 一种智慧环保大数据服务集成管理系统 |
CN111885643A (zh) * | 2020-07-11 | 2020-11-03 | 佛山市海协科技有限公司 | 一种应用于智慧城市的多源异构数据融合方法 |
CN111964718A (zh) * | 2020-08-11 | 2020-11-20 | 重庆大学 | 一种多源信息融合环境监测装置及其系统 |
CN112180784A (zh) * | 2020-09-21 | 2021-01-05 | 江苏科技大学 | 基于nb-iot的机床生产异常报警远程监测系统及方法 |
CN112311880A (zh) * | 2020-10-30 | 2021-02-02 | 中电智能技术南京有限公司 | 一种用于城市二次供水的物联网监测系统 |
CN112730186A (zh) * | 2021-01-22 | 2021-04-30 | 安徽理工大学环境友好材料与职业健康研究院(芜湖) | 一种粉尘浓度检测方法 |
CN112782577A (zh) * | 2021-01-21 | 2021-05-11 | 安徽理工大学 | 一种多感融合的煤矿大型电机故障诊断系统 |
-
2021
- 2021-06-02 CN CN202110611914.1A patent/CN113419492A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108269021A (zh) * | 2018-01-25 | 2018-07-10 | 国网河北省电力有限公司 | 基于NB-IoT电网信息物理融合风险监测系统及方法 |
CN110336703A (zh) * | 2019-07-12 | 2019-10-15 | 河海大学常州校区 | 基于边缘计算的工业大数据监测系统 |
CN110456015A (zh) * | 2019-07-30 | 2019-11-15 | 苏州雷蓝遥感科技有限公司 | 一种基于大数据的多源遥感技术的水环境监测及预警系统 |
CN111242822A (zh) * | 2019-12-31 | 2020-06-05 | 广西威尔森环保科技开发有限公司 | 一种智慧环保大数据服务集成管理系统 |
CN111885643A (zh) * | 2020-07-11 | 2020-11-03 | 佛山市海协科技有限公司 | 一种应用于智慧城市的多源异构数据融合方法 |
CN111964718A (zh) * | 2020-08-11 | 2020-11-20 | 重庆大学 | 一种多源信息融合环境监测装置及其系统 |
CN112180784A (zh) * | 2020-09-21 | 2021-01-05 | 江苏科技大学 | 基于nb-iot的机床生产异常报警远程监测系统及方法 |
CN112311880A (zh) * | 2020-10-30 | 2021-02-02 | 中电智能技术南京有限公司 | 一种用于城市二次供水的物联网监测系统 |
CN112782577A (zh) * | 2021-01-21 | 2021-05-11 | 安徽理工大学 | 一种多感融合的煤矿大型电机故障诊断系统 |
CN112730186A (zh) * | 2021-01-22 | 2021-04-30 | 安徽理工大学环境友好材料与职业健康研究院(芜湖) | 一种粉尘浓度检测方法 |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113723714A (zh) * | 2021-11-01 | 2021-11-30 | 边缘智能研究院南京有限公司 | 一种基于物联网的碳达峰预测平台 |
CN113901043A (zh) * | 2021-12-13 | 2022-01-07 | 西安中电环通数字科技有限公司 | 污染源智能监管和数据融合分析方法和系统 |
CN114722094A (zh) * | 2022-03-28 | 2022-07-08 | 天津大学 | 一种基于kano-g1的供应链业务多源异构数据融合方法 |
CN115001793A (zh) * | 2022-05-27 | 2022-09-02 | 北京双湃智安科技有限公司 | 一种信息安全多源异构数据的数据融合方法 |
CN115270798A (zh) * | 2022-09-23 | 2022-11-01 | 深圳市华云中盛科技股份有限公司 | 一种用于案件审理的辅助决策方法和装置 |
CN115981258A (zh) * | 2022-12-22 | 2023-04-18 | 新疆敦华绿碳技术股份有限公司 | 一种用于二氧化碳输送管道的智能控制系统及预警方法 |
CN116540616A (zh) * | 2023-07-06 | 2023-08-04 | 北京邮电大学 | 一种新型家居资源调度决策控制系统、方法及其应用 |
CN116540616B (zh) * | 2023-07-06 | 2023-09-08 | 北京邮电大学 | 一种新型家居资源调度决策控制系统、方法及其应用 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113419492A (zh) | 基于多源异构传感器数据融合的NB-IoT的工业污染物监测系统 | |
CN107589695B (zh) | 一种列车组故障预测与健康管理系统 | |
CN110996259B (zh) | 一种基于边缘计算的智慧垃圾监控清运方法及装置 | |
CN110046834B (zh) | 工作场所有害气体健康风险定量评估系统及其评估方法 | |
CN103235098A (zh) | 地下水在线水质监测系统 | |
CN101937214A (zh) | 基于工业以太网的跨海悬索桥结构监测系统 | |
US11959777B2 (en) | Methods and Internet of Things (IoT) systems for safety management of smart gas underground gas pipeline networks | |
CN112381406A (zh) | 一种基于船岸协同的船舶能效管理大数据系统及方法 | |
CN105116870A (zh) | 空调机组的故障分析方法、装置和系统 | |
CN110930262A (zh) | 一种突发事件电力应急处置现场全域监测信息交互支撑前置服务系统及方法 | |
CN117319451B (zh) | 基于多模态大数据的城市级消防物联网监管系统及其方法 | |
CN111191710A (zh) | 一种基于大数据的异常航班识别方法 | |
CN112446536A (zh) | 基于大数据架构的生态环境监测网格化系统及其监测方法 | |
CN111723145A (zh) | 一种基于北斗的大数据应用信息云平台 | |
CN110148290B (zh) | 智能感知矿山安全生产预警与防控监管信息化大数据系统 | |
CN117370900A (zh) | 一种环境保护监测用水质监测系统 | |
CN113593605B (zh) | 一种基于深度神经网络的工业音频故障监测系统和方法 | |
CN110930644A (zh) | 一种电缆生产安全预警系统 | |
CN110989042A (zh) | 一种高速公路团雾风险的智能化预测方法 | |
CN113177629A (zh) | 一种联合收获机作业中堵塞故障诊断方法及系统 | |
CN112529836A (zh) | 高压线路缺陷检测方法、装置、存储介质及电子设备 | |
CN117194171A (zh) | 一种异构云资源全景式异常检测系统 | |
CN111932837A (zh) | 一种基于5g网络的烟气远程实时监测系统 | |
CN115905348A (zh) | 一种多源异构数据的行业用电异常预警方法及系统 | |
CN112113145A (zh) | 一种化工管道安全的智能化在线检测方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210921 |