CN113959534A

CN113959534A - 一种基于无线网络的水表综合性能测试系统

Info

Publication number: CN113959534A
Application number: CN202111175606.5A
Authority: CN
Inventors: 冯建明; 胡平
Original assignee: Jiangyin Lixin Intelligent Device Co ltd
Current assignee: Jiangyin Lixin Intelligent Device Co ltd
Priority date: 2021-10-09
Filing date: 2021-10-09
Publication date: 2022-01-21

Abstract

本发明公开了一种基于无线网络的水表综合性能测试系统，属于水表性能测试技术领域。本系统包括多源数据获取模块、数据处理模块、智能预测模块、通信测试模块、综合性能分析模块、警示模块；所述多源数据获取模块、所述数据处理模块与所述智能预测模块顺次连接；所述智能预测模块的输出端与所述通信测试模块的输入端相连接；所述通信测试模块的输出端与所述综合性能分析模块、警示模块的输入端相连接；所述综合性能分析模块的输出端与所述警示模块的输入端相连接；本申请能够推动智能水表市场前景，普及智能水表应用，有效对智能水表的综合性能进行测试和监控，具备低功耗，低故障率的特点，满足人们的生活需求。

Description

一种基于无线网络的水表综合性能测试系统

技术领域

本发明涉及水表性能测试技术领域，具体为一种基于无线网络的水表综合性能测试系统。

背景技术

近几年，国内的物联网风声水起，智能物联网水表已经大量的安装。这只是智能水表的通信方式的变化，而在水表流量的采集上，也在积极探索。

水表的采样原理多种多样，目前常用的有光电脉冲计数，光电直读，无磁采样计数，超声波测量等。除光电直读表以外，其它几种采样方式，都需要水表一直加电，并且采样脉冲计数，无磁采样等原理，都因为电压波动，干扰等因素，存在漏计的可能性。超声波测量考虑到功耗问题，采用非连续测量方式，水压波动，会影响到计量的准确性。

在水表的运行过程中，也存在着各种各样的问题，最典型的是湿式无源直读表的气泡问题，光电接收管的电压判断问题。光电直读表的光通量，在字轮转到不同位置，光通量是不一样的，在采样时会采到中间电压值，在遇到气泡时，采样电压值也会不准确，甚至使本应低电平的信号，变为高电平。当这种故障出现在百方位、千方位，会对计量数据产生极大的影响。

如何让水表的计量数据变得更加准确，如何通过水表的通信数据分辨水表是否出现了内部故障，如何基于通信时间的变化判断水表的传输网络是否存在问题，都成为了现如今亟待解决的问题。

发明内容

本发明的目的在于提供一种基于无线网络的水表综合性能测试系统，以解决上述背景技术中提出的问题。

为了解决上述技术问题，本发明提供如下技术方案：

一种基于无线网络的水表综合性能测试系统，该系统包括多源数据获取模块、数据处理模块、智能预测模块、通信测试模块、综合性能分析模块、警示模块；

所述多源数据获取模块用于获取水表在运行过程中的多源数据，并存储至数据库中；所述数据处理模块用于对多源数据进行分析处理，删除无关数据；所述智能预测模块用于预测水表运行过程中在无线网络下的通信时间，获取预测结果进行对照实验；所述通信测试模块用于获取水表在运行过程中在无线网络下实际的通信时间，建立偏差数据曲线，根据波动点对水表的通信能力进行测试；所述综合性能分析模块用于根据传输的数据分析水表的各项性能；所述警示模块用于发出报警信息，提醒工作人员进行检修；

所述多源数据获取模块的输出端与所述数据处理模块的输入端相连接；所述数据处理模块的输出端与所述智能预测模块的输入端相连接；所述智能预测模块的输出端与所述通信测试模块的输入端相连接；所述通信测试模块的输出端与所述综合性能分析模块、警示模块的输入端相连接；所述综合性能分析模块的输出端与所述警示模块的输入端相连接。

根据上述技术方案，所述多源数据包括水表运行过程中的水表位置、天气、干扰、通信时间。

根据上述技术方案，所述数据处理模块包括数据分析单元、数据删减单元；

所述数据分析单元用于对多源数据进行分析，挑选出极端数据；所述数据删减单元用于删减掉极端数据；

所述极端数据的筛选方法包括以下步骤：

S3-1、设置数据组总数为N₀，则每次从数据组中选取出N组数据，其中

S3-2、在选出的N组数据中，挑选出最大值与最小值作为极端数据，存储至极端数据组，并将剩余数据放回至数据组中，并重复步骤S3-1；

S3-3、设置选取总次数为M，则次数达到M后，停止筛选，并将极端数据组中的数据进行删减；

对选取的数据组进行删减，避免出现极端数据影响系统模型的精准性；

所述数据分析单元的输出端与所述数据删减单元的输入端相连接；所述数据删减单元的输出端与所述智能预测模块的输入端相连接。

根据上述技术方案，所述智能预测模块包括数据接收单元、智能预测单元；

所述数据接收单元用于接收数据处理模块处理后的数据组，即经过数据删减单元删减掉极端数据的数据组；所述智能预测单元用于搭建预测模型预测水表在运行状态下的通信时间；

所述数据接收单元的输出端与所述智能预测单元的输入端相连接；所述智能预测单元的输出端与所述通信测试模块的输入端相连接。

根据上述技术方案，所述智能预测单元进行预测的步骤如下：

S5-1、从数据接收单元中获取数据建立历史数据集A，所述历史数据集A内包括有水表在运行状态下的通信时间，记为A(x)＝{a₁、a₂、……、a_x}；

S5-2、建立卡尔曼滤波预测模型，将集合A作为输入数据，则有：

建立线性预测模型：a(x+1)＝A(x)*J(x)；其中，a(x+1)为卡尔曼滤波模型下得出的第x+1次的预测值；J(x)为状态向量；

S5-3、利用卡尔曼滤波理论，对状态向量J(x)进行计算：

其中B(x)为状态转移矩阵，初始值设为单位矩阵；其中，J(x)为第x次的状态向量，J(x-1)为第x-1次的状态向量；a(x)为卡尔曼滤波模型下得出的第x次的预测值；P(x|x-1)为A(x)在第x次预测估计误差的自相关矩阵，其初始值P(1|0)＝0；K(x)为卡尔曼增益；

S、W分别为测量噪声的自相关矩阵、过程噪声的自相关矩阵，且两个矩阵中元素均服从[0,1]之间的正态分布；

卡尔曼滤波是一种递归的估计，即只要获知上一时刻状态的估计值以及当前状态的观测值就可以计算出当前状态的估计值，因此不需要记录观测或者估计的历史信息。卡尔曼滤波器与大多数滤波器不同之处，在于它是一种纯粹的时域滤波器，它不需要像低通滤波器等频域滤波器那样，需要在频域设计再转换到时域实现。

卡尔曼滤波包括两个阶段：预测与更新。在预测阶段，滤波器使用上一状态的估计，做出对当前状态的估计。在更新阶段，滤波器利用对当前状态的观测值优化在预测阶段获得的预测值，以获得一个更精确的新估计值。

在本申请中，利用卡尔曼滤波模型，从数据接收单元中获取的数据，建立A(x)＝{a₁、a₂、……、a_x}，通过将其作为输入，通过卡尔曼滤波模型最终建立输出a_x+1，并进行重复，直至获得多重预测结果，并进行存储，作为对照实验的数据；

S5-4、通过计算获取水表在运行状态下的预测通信时间，并将其记为预测集U₁。

根据上述技术方案，所述通信测试模块包括实时数据载入单元、通信测试单元；

所述实时数据载入单元用于获取水表在运行状态下的实时通信时间；所述通信测试单元用于测试水表在运行过程中的通信状态是否正常；

所述实时数据载入单元的输出端与所述通信测试单元的输入端相连接；所述通信测试单元的输出端与所述综合性能分析模块的输入端相连接。

根据上述技术方案，所述通信测试单元进行通信测试包括以下步骤：

S7-1、获取实时数据载入单元中的水表在运行状态下的实时通信时间，记为

S7-2、在U₁中获取对应S7-1的在卡尔曼滤波预测模型中得出的水表在运行状态下的预测通信时间，记为

S7-3、根据公式，计算预测偏差值，建立偏差曲线：

其中，Δt为预测偏差值；i为周期，即为水表在运行状态下发送的通信数据为第i次；k₀为字节增添比例系数；v为通信数据中每增添1字节所需耗费的时间；

利用预测值与实际值的偏差，进行测算水表是否发生了一定的通信故障，其中由于水表的数据是不断累计的，例如初始数据为0，使用一段时间后数据可能为100000，甚至更多，数据是不断增长的；而在通信过程中，一般规定中文占两个字节、英文占一个字节，因此不同的数据量所输出的数据字节也是不同的，在数据量不断增长的过程中，数据字节也不断的增长，因此所需要的通信时间也会增加，因此设立i*k₀*v进行平衡预测值与实际值之间的偏差，从而使得偏差值更加精准；

通过记录预测偏差值，建立偏差曲线图，若在Y个点位内出现波动值大于报警阈值L时，发送信息至警示模块；

所述Y为点位周期数目；所述波动值为每两个相邻点的差值。

根据上述技术方案，所述综合性能分析模块包括通信数据记录单元、综合性能分析单元；

所述通信数据记录单元用于记录水表运行过程中的通信数据；所述综合性能分析单元用于根据水表通信数据的指令信息分析水表的综合性能；

例如：

测试上电可靠性：连续断电、上电500次，读取流量，看是否能正常采样和通信。

测试水表功耗试验方法：检测统计100只水表工作电流，要求误差小于10uA；

如果不满足当前预设，即说明水表存在故障；

所述通信数据记录单元的输出端与所述综合性能分析单元的输入端相连接；所述综合性能分析单元的输出端与所述警示模块的输入端相连接。

根据上述技术方案，所述警示模块包括警示信息输出单元、提醒单元；

所述警示信息输出单元用于接收通信测试模块、综合性能分析模块的警示数据，并输出；所述提醒单元用于发出提醒到工作人员，提醒其进行检修。

与现有技术相比，本发明所达到的有益效果是：

本申请能够提供水表在无线网络下的通信，借助通信时间的预测值与实际值的偏差，并考虑实际情况下由于字节变动产生的误差值，进行判断水表在运行过程中无线网络的通讯能力是否出现干扰，通信信道是否良好；同时本申请还能够实现根据通信数据进行查看水表自身的各项性能是否正常，无论是水表的通信网络出现障碍或是水表自身的性能出现故障，都可通过警示模块对工作人员进行提醒，使得水表能够得到及时检修或水表的通信线路得到及时维护，避免故障的发生。

附图说明

附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：

图1是本发明一种基于无线网络的水表综合性能测试系统的流程示意图；

图2是本发明一种基于无线网络的水表综合性能测试系统的智能预测单元的步骤示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

请参阅图1-2，本发明提供技术方案：

所述通信时间为水表通过无线网络将数据传输到主机的总时间；

所述多源数据包括水表运行过程中的水表位置、天气、干扰、通信时间。

所述数据处理模块包括数据分析单元、数据删减单元；

所述极端数据的筛选方法包括以下步骤：

所述智能预测模块包括数据接收单元、智能预测单元；

所述智能预测单元进行预测的步骤如下：

S5-1、从数据接收单元中获取数据建立历史数据集A，所述历史数据集A内包括有水表在运行状态下的通信时间，记为A(x)＝{a₁、a₂、……、a_x}；其中a₁、a₂、……、a_x分别为第1、2、……、x次的通信时间；

S5-2、建立卡尔曼滤波预测模型，将集合A(x)作为输入数据，则有：

S5-3、利用卡尔曼滤波理论，对状态向量J(x)进行计算：

T、W分别为测量噪声的自相关矩阵、过程噪声的自相关矩阵，且两个矩阵中元素均服从[0,1]之间的正态分布；

所述通信测试模块包括实时数据载入单元、通信测试单元；

所述通信测试单元进行通信测试包括以下步骤：

S7-3、根据公式，计算预测偏差值，建立偏差曲线：

所述Y为点位周期数目；所述波动值为每两个相邻点的差值。

所述综合性能分析模块包括通信数据记录单元、综合性能分析单元；

所述警示模块包括警示信息输出单元、提醒单元；

实施例1：

在本实施例中，采用的是一种霍尔采样无源水表，其采用圆型N、S极相间永磁铁，作为位置识别器件；采用5只霍尔传感器芯片，获取水表字轮位置；采用超低功耗芯片采样，降低采样功耗和故障率；采用整体低功耗设计，适用于多种通信方式；

利用多源数据获取模块及数据处理模块对数据进行采集并处理后，得到数据集A，所述数据集A内包括有水表在运行状态下的通信时间，记为A(x)＝{a₁、a₂、……、a_x}；其中a₁、a₂、……、a_x分别为第1、2、……、x次的通信时间；

建立卡尔曼滤波预测模型，将集合A(x)作为输入数据，则有：

S5-3、利用卡尔曼滤波理论，对状态向量J(x)进行计算：

U、W分别为测量噪声的自相关矩阵、过程噪声的自相关矩阵，且两个矩阵中元素均服从[0,1]之间的正态分布；

通过计算获取水表在运行状态下的预测通信时间，并将其记为预测集U1；其中选取五个数据，分别为2.2、2.202、2.21、2.25、2.29；

获取对应的水表在运行状态下的实时通信时间，记为

分别为2.204、2.207、2.208、2.21、2.6；

根据公式，计算预测偏差值，建立偏差曲线：

其中对应数据的i分别为1、2、3、4、5；

其中，Δt为预测偏差值；i为周期，即为水表在运行状态下发送的通信数据为第i次；k₀为字节增添比例系数，为0.12；v为通信数据中每增添1字节所需耗费的时间，为0.01；

则有

计算后得出为：

-0.0028、-0.0026、0.0056、0.0448、-0.304

通过记录预测偏差值，建立偏差曲线图，设置波动值为0.1；

则存在0.448-(-0.304)＝0.3488＞0.1；

因此在第四次开始时，水表的通信网络出现了干扰，警示工作人员进行排查。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。

最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。