CN115017121B - 一种混凝土生产设备数据存储系统 - Google Patents
一种混凝土生产设备数据存储系统 Download PDFInfo
- Publication number
- CN115017121B CN115017121B CN202210935040.XA CN202210935040A CN115017121B CN 115017121 B CN115017121 B CN 115017121B CN 202210935040 A CN202210935040 A CN 202210935040A CN 115017121 B CN115017121 B CN 115017121B
- Authority
- CN
- China
- Prior art keywords
- data
- vibration
- point
- block
- data point
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/10—File systems; File servers
- G06F16/17—Details of further file system functions
- G06F16/174—Redundancy elimination performed by the file system
- G06F16/1744—Redundancy elimination performed by the file system using compression, e.g. sparse files
-
- 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)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明公开了一种混凝土生产设备数据存储系统,涉及数据处理领域。包括:数据采集单元、数据处理单元、数据存储单元、数据传输单元、异常检测单元和控制单元。获取振动数据的重要程度划分得到多个类别块,对类别块进行分类得到所有自适应子块以及各自适应子块中数据点的置换振动值,对振动数据进行游程编码得到压缩后的振动数据;将压缩后的振动数据还原得到振动数据变化曲线确定异常情况;根据异常情况控制混凝土生产设备的运行情况。本发明通过对振动数据进行编码压缩,根据解压后的振动数据判断设备是否存在运行异常并分析短时瞬时异常与长期变化异常,对混凝土生产设备进行准确及时的检修,避免设备出现异常造成较大损失。
Description
技术领域
本发明涉及数据处理领域,具体涉及一种混凝土生产设备数据存储系统。
背景技术
混凝土是当代最主要的土木工程材料之一,它是由胶凝材料,颗粒状集料(也称为骨料),水,以及必要时加入的外加剂和掺合料按一定比例配制,经均匀搅拌,密实成型,养护硬化而成的一种人工石材。混凝土具有原料丰富,价格低廉,生产工艺简单的特点,因而使其用量越来越大,同时混凝土还具有抗压强度高,耐久性好,强度等级范围宽等特点,这些特点使其使用范围十分广泛,不仅在各种土木工程中使用,就是造船业,机械工业,海洋的开发,地热工程等,混凝土也是重要的材料。
混凝土生产设备是混凝土生产过程中必不可少的大型设备,主要由搅拌机、物料称重系统、物料输送系统、物料贮存系统、控制系统和其他附属设施组成。在混凝土的生产过程中,生产进度会由于设备的老化及故障而减缓,同时会对周边生产环境带来较大的影响,故混凝土生产设备的运行状态监测就显得尤为重要。获取混凝土生产设备在运行过程中的振动数据,根据对振动数据的分析确定混凝土生产设备在运行过程中出现的故障问题,当混凝土设备出现运行异常时,应及时进行检修,防止运行异常给生产进度与环境带来较大的影响。
目前针对利用混凝土生产设备在运行过程中的振动数据进行检测的技术方法,由于混凝土生产设备振动数据的数据量较多,且较为冗杂,因此在传输和存储的过程中需要耗费大量的时间以及存储空间,并且由于数据的冗杂,在传输过程中可能会出现高频信息对应的数据丢失的情况,这样在后续通过存储的混凝土生产设备数据对混凝土生产设备是否存在故障的判断时,可能会出现较大的误差,造成分析结果不准确而导致的不可逆的损失。
基于上述技术问题,本发明通过对混凝土生产设备在运行过程中的振动数据进行压缩编码,对低频信息进行游程编码,保留高频信息达到在压缩数据量的同时尽可能的保留高频信息以实现在提高数据传输效率的同时保证在后续的检测过程中检测结果的准确性。
发明内容
针对上述技术问题,本发明提供了一种混凝土生产设备数据存储系统,通过布置传感器采集混凝土生产设备的运行数据,通过对传感器数据进行处理,得到压缩率更大的数据,通过分析数据的变化状态判断设备是否存在运行问题,分析短时瞬时异常与长期变化异常,从而达到准确及时的检修目的。包括:
数据采集单元:用于采集混凝土生产设备运行过程中某一时段的第一振动值序列;
数据处理单元:用于将接收到的数据采集单元的第一振动值序列转化为振动值二维矩阵;
根据振动值二维矩阵中的每个数据点及其邻域数据点的初始振动值计算每个数据点的重要程度,将重要程度相同的数据点划分为一个类别块,得到不同重要程度的类别块;
根据所有数据点的初始振动值以及每个类别块的重要程度计算每个类别块重要程度的调控值;
利用每个类别块中的每个数据点的初始振动值,结合该类别块重要程度的调控值得到每个类别块中每个数据点初始振动值的置换范围;
根据该类别块中各数据点初始振动值的置换范围对该类别块进行分类获取该类别块的多个自适应子块,得到每个类别块的自适应子块;
根据每个自适应子块中每个数据点的置换范围得到每个自适应子块的振动值,将每个自适应子块的振动值作为该自适应子块中数据点的置换振动值;
利用每个自适应子块中数据点的置换振动值对第一振动值序列中的每个数据点的初始振动值进行替换,对替换后的第一振动值序列进行游程编码得到压缩后的振动数据;
数据存储单元:用于存储数据处理单元发送的压缩后的振动数据。
数据传输单元:用于将数据存储单元存储的压缩后的振动数据解压缩还原得到振动数据变化曲线,将得到的振动数据变化曲线传输给异常检测单元;
异常检测单元:用于接收数据传输单元传输的振动数据变换曲线,根据接收的振动数据变化曲线确定异常情况;
控制器:用于接收异常检测单元的异常情况控制混凝土生产设备的运行情况。
接收异常检测单元的异常情况控制混凝土生产设备的运行情况的方法如下:
若无异常情况,控制器不做反应,混凝土设备继续运行;
若存在异常情况,控制器控制混凝土设备停止运行,根据异常情况对异常类型进行判断,利用异常类型对混凝土生产设备进行定位检修。
根据异常情况对异常类型进行判断的过程如下:
当振动数据变化曲线波动平缓,无急剧变化的波动,则混凝土生产设备运行过程无异常情况;
当振动数据变化曲线存在剧烈波动现象,混凝土生产设备出现异常情况,将剧烈波动处的点作为野点,若野点为孤立点,异常类型为外界影响导致的振动数据异常,若野点呈周期性出现,异常类型为混凝土生产设备故障或混凝土生产设备运行异常。
计算每个数据点的重要程度的方法为:
对振动值二维矩阵中的每个数据点为中心进行滑窗处理,根据滑窗内每个数据点的初始振动值计算该滑窗的重要程度作为该滑窗中心数据点的重要程度,计算公式如下:
式中:表示振动值二维矩阵中数据点的重要程度,为超参数,表示滑窗内数据点的序号,表示滑窗中数据点的数量,表示滑窗中心数据点的初始振动值,表示滑窗内第个数据点的初始振动值,表示该滑窗中数据点的初始振动值均值,表示四舍五入保留一位小数。
计算每个类别块重要程度的调控值的公式如下:
每个类别块中每个数据点初始振动值的置换范围的计算公式如下:
每个类别块的自适应子块的获取方法如下:
选取该类别块的一个数据点为起始点,对该起始点的邻域中数据点进行搜索,若该起始点的邻域数据点的置换范围与该起始点的置换范围存在交集,将该邻域数据点划分为一个自适应子块,将同一自适应子块的数据点记为一个基础点,继续搜索基础点的邻域数据点,判断邻域数据点的置换范围是否与基础点中的每个数据点的置换范围均存在交集,若存在,将其归为同一自适应子块继续上述操作,若不满足要求,则搜索其余邻域数据点,直至基础点的邻域点均不满足要求时停止得到该自适应子块,将未划分的数据点分别划分为自适应子块;
迭代上述操作,直至将每个类别块中的数据点均划分完成后停止迭代得到所有的自适应子块。
根据每个自适应子块中每个数据点的置换范围得到每个自适应子块的振动值的方法为:
若该自适应子块中有多个数据点,获取自适应子块中每个数据点的置换范围的交集,将得到的交集的中值作为该自适应子块的振动值,将该自适应子块中每个数据点的初始振动值置换为该自适应子块的振动值得到该自适应子块中每个数据点的置换振动值;
若该自适应子块中只有一个数据点,保留该数据点的振动值不变,即该数据点的置换振动值即为该数据点的初始振动值。
相比于现有技术,本发明实施例的有益效果在于:
1.本发明通过实时获取混凝土生产设备的振动数据对生产过程中是否存在异常情况进行分析,能够在生产设备出现故障或运行异常时就发现问题,及时控制设备停止运行进行检修,避免了在人工定期检查之前就出现的设备故障或运行异常造成的损失。
2.本发明通过对获取的混凝土生产设备的振动数据进行编码压缩,利用游程编码将振动数据中的低频信息进行数据压缩,保留高频信息进行传输,对解压后的振动数据中的高频信息进行分析,确定异常情况中异常类型,对出现异常的设备部位进行精准定位,提高了检修的效率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例一种混凝土生产设备数据存储系统提供的系统框图;
图2为本发明实施例一种混凝土生产设备数据存储系统提供的步骤流程图;
图3为本发明实施例一种混凝土生产设备数据存储系统提供的振动值二维矩阵示意图;
图4为本发明实施例一种混凝土生产设备数据存储系统提供的类别块示意图;
图5为本发明实施例一种混凝土生产设备数据存储系统提供的置换后的第一振动数据时序示意图。
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,以下结合附图及实施例,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用以解释本发明,并不用于限定本发明。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。
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本申请实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本申请的描述。
术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征;在本实施例的描述中,除非另有说明,“多个”的含义是两个或两个以上。
本发明实施例提供了一种混凝土生产设备数据存储系统,如图1与图2所示,具体内容包括:
利用数据采集单元采集混凝土生产设备运行过程中某一时段的第一振动值序列,并将数据采集单元采集到的某一时段的第一振动值序列传输给数据处理单元,在进行一系列处理后对第一振动值序列中每个数据点的初始振动值进行替换,并对替换后的第一振动值序列进行游程编码得到压缩后的振动数据储存至数据存储单元,将数据存储单元得到的压缩后的振动数据经数据传输单元传输至异常检测单元,通过异常检测单元对压缩后的振动数据进行分析确定异常情况,将异常检测单元检测出的异常情况传输给控制器中控制混凝土生产设备的运行情况。
S101、获取混凝土生产设备振动值
1.获取混凝土生产设备的振动数据
混凝土生产设备体积庞大,在维修过程中很难准确的找到故障点,为了便于检修,可以快速准确的定位混凝土生产设备运行的故障区域,因此在混凝土生产设备表面布置传感器,采集混凝土生产设备运行的振动数据。
2.获取振动值二维矩阵
传感器获取到的振动数据是时序上的序列数据,每一个数据仅仅只与其相邻的数据间存在一定的关联,即数据的参考点过于局限,故为了增加数据间的关联性,将一维第一振动值序列转换为振动值二维矩阵,后续针对振动值二维矩阵进行处理。将一维第一振动值序列以长度(个数)为的振动数据进行分割,分割为个长度为的振动子串序列,将分割完成的个振动子串序列按照分割顺序进行排列,得到尺寸为的振动值二维矩阵,振动值二维矩阵如图3所示,即产生个振动数据的时间内进行一次分析,即采样间隔。
S102、得到所有的类别块
1.计算振动值二维矩阵中每个数据点的重要程度
混凝土生产设备的振动数据在设备正常运行时数据的相似性较大,即数据间虽然存在一定的差距,但差距较小。当设备发生异常时,部分振动数据的值会发生突变,相较于正常运行时会变大,因此需要计算振动值二维矩阵中每个数据点的重要程度。
式中:表示振动值二维矩阵中数据点的重要程度,为超参数,表示滑窗内数据点的序号,表示滑窗中数据点的数量,表示滑窗中心数据点的初始振动值,表示滑窗内第个数据点的初始振动值,表示该滑窗中数据点的初始振动值均值,表示四舍五入保留一位小数,即得到的的值可能为0.1、0.2、0.3、……、0.9、1。
当该数据点与邻域数据点的初始振动值差值越小,说明该数据点与邻域数据点的关联性越强,该数据点存在异常的可能性越小,则该数据点的重要程度越小;
当该数据点与邻域数据点的初始振动值差值越大,说明该数据点与邻域数据点的关联性越弱,该数据点存在异常的可能性越大,则该数据点的重要程度越大。
对振动值二维矩阵中每个数据点进行上述计算,得到振动值二维矩阵中每个数据点的重要程度。
2.对振动值二维矩阵进行类别块的划分
上述计算获取的重要程度中,同一重要程度的数据点的初始振动值可能相差较大,若仅仅按照重要程度进行分块处理会导致数据变化的阶跃性太大,导致数据的连续性较差,故先通过重要程度进行预分类,得到多个类别,类别块示意图如图4所示,图中,不同颜色的数据点表示不同的类别块,需要说明的是,同一个类别块中的数据点并不是必须是形成一个闭合连通域的,即:只要数据点的重要程度相同就可以划分为同一个类别块中。
将振动值二维矩阵中重要程度相同的数据点划分为同一类别块,得到振动值二维矩阵中的所有类别块。
S103、计算每个数据点初始振动值的置换范围
对于数据点而言,数据点的重要程度相似,则说明其与邻域数据点的关系是相似的,且数据点的重要程度越小,说明数据点蕴含的信息量少,则数据点的初始振动值更改范围越大(即更改的目的是为了增大冗余程度便于压缩,由于重要程度小,即使损失数据本身的振动值也不会对异常判断带来致命影响);数据点的重要程度越大,说明其蕴含的信息量大,此类数据点很有可能是由于设备运行出现异常所导致的,因此该类数据点的初始振动值的更改范围小或不可更改。
举例说明:例如重要程度为0.1的数据点对应的初始振动值为5,则该数据点的初始振动值可最小调整为1,最大调整为9;重要程度为0.9的数据点对应的初始振动值为18,则该数据点的初始振动值可最小调整为17,最大调整为19;重要程度为1的数据点对应的初始振动值为20,则该值不可进行调整。
因此需要根据每个数据点的重要程度获取每个数据点初始振动值的置换范围。
1.计算每个类别块的调控值
式中:表示第个类别块重要程度的调控值,表示振动值二维矩阵中最大的初始振动值,表示振动值二维矩阵中最小的初始振动值,表示振动值二维矩阵中所有数据点的初始振动值均值,表示第个类别块中所有数据点的初始振动值均值。
2.计算每个数据点初始振动值的置换范围
预分类后的类别块中每个数据点的重要程度虽然相同,但是相同重要程度的数据点的初始振动值可能有较大的差异,因此还需要对每个类别块中每个数据点根据类别块的重要程度对振动值的置换范围进行计算,计算公式如下:
根据得到的每个数据点初始振动值的置换范围对每个数据点的初始振动值进行置换,便于后续对振动数据的压缩编码。
S104、获取每个类别块中所有的自适应子块
对于预分类得到的类别块,其中每个类别块中的数据点在进行置换之后,数据点的第一振动数据可能存在差异较大的情况,因此对每个类别块中的数据点进行分类,得到关联性更高的自适应子块。
选取该类别块的一个数据点为起始点,对该起始点邻域的中的数据点进行搜索,若该起始点的邻域数据点的置换范围与该起始点的置换范围存在交集,将该邻域数据点划分为一个自适应子块,将同一自适应子块的数据点记为一个基础点,继续搜索基础点的邻域数据点,判断邻域数据点的置换范围是否与基础点中的每个数据点初始振动值的置换范围均存在交集,若存在,将其归为同一自适应子块继续上述操作,若不满足要求,则搜索其余邻域数据点,直至基础点的邻域点均不满足要求时停止得到该自适应子块,将未划分的数据点分别划分为自适应子块;
迭代上述操作,直至将每个类别块中的数据点均划分完成后停止迭代得到所有的自适应子块。
S105、对置换振动值进行压缩编码
对于正常运行时的振动数据,其中所蕴含的信息量较少,故即使损失部分数据也不会影响设备运行状态的判断;当设备开始出现异常时,部分振动值会出现突变,此时的数据变化中蕴含着较多的信息量,其可以反应设备运行状态是否出现异常及设备异常的变化趋势,故此类数据重要程度较高,若此类数据丢失,会导致对设备运行状态的判断失误,可能会对设备的生命周期带来较为严重的影响。
1.获取每个自适应子块的置换振动值
获取每个类别块中每个数据点初始振动值的置换范围,计算该类别块中每个数据点初始振动值的置换范围的交集,将得到的交集的中值作为该自适应子块的振动值,将自适应子块中每个数据点的初始振动值置换为该自适应子块的振动值得到自适应子块中每个数据点的置换振动值,未划分自适应子块的数据点保留自身的初始振动值,即未划分的数据点的置换振动值即为该数据点的初始振动值。
举例说明:某自适应子块中的三个数据点初始振动值的置换范围分别为[1,6],[1,5],[3,7],则交集部分的取值范围为[3,5],则最终该自适应子块的振动值为[3,5]的中值4,因此,该自适应子块中的三个数据点的置换振动值均为4。
根据上述方法得到每个类别块中每个自适应子块的振动值,此时,数据的冗余程度大大减小,但数据中关键的波形仍然保持原有的类别。
2.对置换振动值进行压缩编码
对得到的每个自适应子块中每个数据点的置换振动值进行游程编码得到振动数据的编码,然后对得到的振动数据的编码进行传输,将传输给数据存储单元的振动数据的编码进行解码,并利用解码后的振动数据获取混凝土生产设备的置换后的第一振动值序列,将置换后第一振动值序列绘制成置换后的第一振动数据时序示意图,置换后的第一振动数据时序示意图如图5所示,图中的时序示意图各数据点的振动值经过处理后,高频数据点的振动值保留原本的振动值,低频数据点的振动值进行平滑处理,使低频数据点的振动值之间的差异变小。
S106、控制混凝土生产设备的运行情况
1.获取混凝土生产设备运行的异常情况
获取数据存储单元中存储的置换后的第一振动数据时序示意图;
当振动数据变化曲线波动平缓,无急剧变化的波动,则混凝土生产设备运行过程无异常情况;
当振动数据变化曲线存在剧烈波动现象,混凝土生产设备出现异常情况。
2.控制混凝土生产设备的运行情况
将剧烈波动处的点作为野点;
若野点为孤立点,异常类型为外界影响导致的振动数据异常;
若野点呈周期性出现,异常类型为混凝土生产设备故障或混凝土生产设备运行异常。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,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。
Claims (8)
1.一种混凝土生产设备数据存储系统,其特征在于,包括:
数据采集单元:用于采集混凝土生产设备运行过程中某一时段的第一振动值序列;
数据处理单元:用于将接收到的数据采集单元的第一振动值序列转化为振动值二维矩阵;
根据振动值二维矩阵中的每个数据点及其邻域数据点的初始振动值计算每个数据点的重要程度,将重要程度相同的数据点划分为一个类别块,得到不同重要程度的类别块;
根据所有数据点的初始振动值以及每个类别块的重要程度计算每个类别块重要程度的调控值;
利用每个类别块中的每个数据点的初始振动值,结合该类别块重要程度的调控值得到每个类别块中每个数据点初始振动值的置换范围;
根据该类别块中各数据点初始振动值的置换范围对该类别块进行分类获取该类别块的多个自适应子块,得到每个类别块的自适应子块,所述得到每个类别块的自适应子块的方法如下:
选取该类别块的一个数据点为起始点,对该起始点的邻域中数据点进行搜索,若该起始点的邻域数据点的置换范围与该起始点的置换范围存在交集,将该邻域数据点划分为一个自适应子块,将同一自适应子块的数据点记为一个基础点,继续搜索基础点的邻域数据点,判断邻域数据点的置换范围是否与基础点中的每个数据点的置换范围均存在交集,若存在,将其归为同一自适应子块继续上述操作,若不满足要求,则搜索其余邻域数据点,直至基础点的邻域点均不满足要求时停止得到该自适应子块,将未划分的数据点分别划分为自适应子块;
迭代上述划分自适应子块的操作,直至将每个类别块中的数据点均划分完成后停止迭代得到所有的自适应子块;
根据每个自适应子块中每个数据点的置换范围得到每个自适应子块的振动值,将每个自适应子块的振动值作为该自适应子块中数据点的置换振动值;
利用每个自适应子块中数据点的置换振动值对第一振动值序列中的每个数据点的初始振动值进行替换,对替换后的第一振动值序列进行游程编码得到压缩后的振动数据;
数据存储单元:用于存储数据处理单元发送的压缩后的振动数据。
2.根据权利要求1所述的一种混凝土生产设备数据存储系统,其特征在于,还包括:
数据传输单元:用于将数据存储单元存储的压缩后的振动数据解压缩还原得到振动数据变化曲线,将得到的振动数据变化曲线传输给异常检测单元;
异常检测单元:用于接收数据传输单元传输的振动数据变换曲线,根据接收的振动数据变化曲线确定异常情况;
控制器:用于接收异常检测单元的异常情况控制混凝土生产设备的运行情况。
3.根据权利要求2所述的一种混凝土生产设备数据存储系统,其特征在于,控制器所述接收异常检测单元的异常情况控制混凝土生产设备的运行情况的方法如下:
若无异常情况,控制器不做反应,混凝土设备继续运行;
若存在异常情况,控制器控制混凝土设备停止运行,根据异常情况对异常类型进行判断,利用异常类型对混凝土生产设备进行定位检修。
4.根据权利要求3所述的一种混凝土生产设备数据存储系统,其特征在于,所述根据异常情况对异常类型进行判断的过程如下:
当振动数据变化曲线波动平缓,无急剧变化的波动,则混凝土生产设备运行过程无异常情况;
当振动数据变化曲线存在剧烈波动现象,混凝土生产设备出现异常情况,将剧烈波动处的点作为野点,若野点为孤立点,异常类型为外界影响导致的振动数据异常,若野点呈周期性出现,异常类型为混凝土生产设备故障或混凝土生产设备运行异常。
8.根据权利要求1所述的一种混凝土生产设备数据存储系统,其特征在于,数据处理单元所述根据每个自适应子块中每个数据点的置换范围得到每个自适应子块的振动值的方法为:
若该自适应子块中有多个数据点,获取自适应子块中每个数据点的置换范围的交集,将得到的交集的中值作为该自适应子块的振动值,将该自适应子块中每个数据点的初始振动值置换为该自适应子块的振动值得到该自适应子块中每个数据点的置换振动值;
若该自适应子块中只有一个数据点,保留该数据点的振动值不变,即该数据点的置换振动值即为该数据点的初始振动值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210935040.XA CN115017121B (zh) | 2022-08-05 | 2022-08-05 | 一种混凝土生产设备数据存储系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210935040.XA CN115017121B (zh) | 2022-08-05 | 2022-08-05 | 一种混凝土生产设备数据存储系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115017121A CN115017121A (zh) | 2022-09-06 |
CN115017121B true CN115017121B (zh) | 2022-10-25 |
Family
ID=83066120
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210935040.XA Active CN115017121B (zh) | 2022-08-05 | 2022-08-05 | 一种混凝土生产设备数据存储系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115017121B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115526216B (zh) * | 2022-11-24 | 2023-04-07 | 西安永安建筑科技有限责任公司 | 一种聚氨酯泡沫板生产设备的运行状态数据存储方法 |
CN116455941B (zh) * | 2023-04-28 | 2024-01-02 | 中国通信建设集团设计院有限公司 | 基于物联网的室内环境多源数据传输方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017162835A1 (de) * | 2016-03-24 | 2017-09-28 | Universität Stuttgart | Datenkompression mittels adaptiven unterabtastens |
CN110674891A (zh) * | 2019-10-16 | 2020-01-10 | 北京天泽智云科技有限公司 | 监测系统数据质量异常检测方法 |
CN113128098A (zh) * | 2021-04-30 | 2021-07-16 | 国网陕西省电力公司电力科学研究院 | 基于de-lof的混凝土坝奇异值检测方法和设备 |
CN113834656A (zh) * | 2021-08-27 | 2021-12-24 | 西安电子科技大学 | 一种轴承故障诊断方法、系统、设备及终端 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2011036809A1 (ja) * | 2009-09-28 | 2011-03-31 | 株式会社 東芝 | 異常判定システムおよびその方法 |
CN109583092B (zh) * | 2018-11-30 | 2020-07-14 | 中南大学 | 一种多层次多模式特征提取的智能机械系统故障诊断方法 |
CN109297699A (zh) * | 2018-12-07 | 2019-02-01 | 中南大学 | 一种混合分解与提取的智能旋转机械故障诊断方法 |
CN110370649B (zh) * | 2019-07-11 | 2021-05-11 | 中国科学院自动化研究所 | 3d打印设备的在线监测装置、系统 |
CN110705456A (zh) * | 2019-09-29 | 2020-01-17 | 华南理工大学 | 一种基于迁移学习的微型电机异常检测方法 |
CN111707458B (zh) * | 2020-05-18 | 2021-05-28 | 西安交通大学 | 一种基于深度学习信号重构的转子监测方法 |
EP3975077A1 (en) * | 2020-09-28 | 2022-03-30 | Siemens Aktiengesellschaft | Monitoring device and method for segmenting different times series of sensor data points |
CN114046873A (zh) * | 2021-11-17 | 2022-02-15 | 国家电网有限公司 | 一种基于lof-fcm模糊聚类算法的电抗器振动监测系统 |
-
2022
- 2022-08-05 CN CN202210935040.XA patent/CN115017121B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017162835A1 (de) * | 2016-03-24 | 2017-09-28 | Universität Stuttgart | Datenkompression mittels adaptiven unterabtastens |
CN110674891A (zh) * | 2019-10-16 | 2020-01-10 | 北京天泽智云科技有限公司 | 监测系统数据质量异常检测方法 |
CN113128098A (zh) * | 2021-04-30 | 2021-07-16 | 国网陕西省电力公司电力科学研究院 | 基于de-lof的混凝土坝奇异值检测方法和设备 |
CN113834656A (zh) * | 2021-08-27 | 2021-12-24 | 西安电子科技大学 | 一种轴承故障诊断方法、系统、设备及终端 |
Non-Patent Citations (3)
Title |
---|
基于数据分析方法的动力电池系统滥用故障诊断;柏云耀等;《新能源进展》;20200215(第01期);第1-5页 * |
基于高维随机矩阵大数据分析模型的输变电设备关键性能评估方法;严英杰等;《中国电机工程学报》;20160131(第02期);第435-445页 * |
实时数据流聚类等方法在钢铁质量监控中的应用;黄娇龙等;《计算机应用与软件》;20150515(第05期);第297-301页 * |
Also Published As
Publication number | Publication date |
---|---|
CN115017121A (zh) | 2022-09-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115017121B (zh) | 一种混凝土生产设备数据存储系统 | |
CN112381790A (zh) | 一种基于深度自编码的异常图像检测方法 | |
CN110276385B (zh) | 基于相似性的机械部件剩余使用寿命预测方法 | |
CN109271705A (zh) | 一种基于深度学习的机器预测性维护方法 | |
CN104880217A (zh) | 一种基于测量值关联度的故障传感器信息重构方法 | |
CN113640380A (zh) | 钢轨伤损检测多级分类方法及系统 | |
CN106406257B (zh) | 一种基于案例推理的铁矿浮选精矿品位软测量方法及系统 | |
CN111724074A (zh) | 一种基于深度学习的路面病变检测预警方法及系统 | |
CN117649154A (zh) | 基于数字化的砼试块制作全过程管理系统及方法 | |
CN117411947B (zh) | 基于云边协同的水务数据快速传输方法 | |
CN117376430B (zh) | 基于dcs的工业数据快速传输方法及系统 | |
CN116933734B (zh) | 盾构机刀具故障智能诊断方法 | |
CN116366069B (zh) | 一种高性能混凝土配比数据处理方法 | |
CN117478148A (zh) | 基于模式分析的风电机组运行状态划分方法 | |
CN113485863A (zh) | 基于改进生成对抗网络生成异构不平衡故障样本的方法 | |
CN102621018A (zh) | 一种橡胶硬度的在线自动测量方法 | |
CN113532384B (zh) | 一种基于无线传感器技术的地下管网管线位移沉降监测方法及云监测平台 | |
CN102608303B (zh) | 一种橡胶硬度的在线测量方法 | |
CN114993240A (zh) | 一种用于桥梁变形高效且准确预测的深度学习技术 | |
CN110907544B (zh) | 一种变压器油中溶解气体含量异常阶跃数据识别方法 | |
CN114219206A (zh) | 基于灰色层次分析的抽水蓄能机组油系统状态综合评估方法 | |
CN114065651A (zh) | 一种用于旋转类设备的故障时间预测方法 | |
CN102608302A (zh) | 一种橡胶硬度的测量方法 | |
CN111241693A (zh) | 基于疲劳积累假说的寿命预测系统 | |
CN117216022B (zh) | 一种数字化工程咨询数据管理系统 |
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 |