CN115277869A - 一种传感器时域数据采集方法、装置、设备及存储介质 - Google Patents
一种传感器时域数据采集方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN115277869A CN115277869A CN202210944378.1A CN202210944378A CN115277869A CN 115277869 A CN115277869 A CN 115277869A CN 202210944378 A CN202210944378 A CN 202210944378A CN 115277869 A CN115277869 A CN 115277869A
- Authority
- CN
- China
- Prior art keywords
- data
- average value
- value
- sample data
- sampling rate
- 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
- 238000000034 method Methods 0.000 title claims abstract description 63
- 238000005070 sampling Methods 0.000 claims abstract description 51
- 230000005540 biological transmission Effects 0.000 claims abstract description 23
- 238000013144 data compression Methods 0.000 claims abstract description 14
- 238000005259 measurement Methods 0.000 claims abstract description 12
- 238000007619 statistical method Methods 0.000 claims description 11
- 239000006185 dispersion Substances 0.000 claims description 6
- 238000001514 detection method Methods 0.000 claims description 5
- 238000013480 data collection Methods 0.000 claims 4
- 238000013500 data storage Methods 0.000 abstract description 5
- 238000012544 monitoring process Methods 0.000 abstract description 3
- 230000008569 process Effects 0.000 description 10
- 238000004891 communication Methods 0.000 description 4
- 238000004590 computer program Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000001311 chemical methods and process Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L69/00—Network arrangements, protocols or services independent of the application payload and not provided for in the other groups of this subclass
- H04L69/04—Protocols for data compression, e.g. ROHC
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Theoretical Computer Science (AREA)
- Computational Mathematics (AREA)
- Mathematical Physics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Algebra (AREA)
- Bioinformatics & Computational Biology (AREA)
- Operations Research (AREA)
- Evolutionary Biology (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Probability & Statistics with Applications (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Security & Cryptography (AREA)
- Arrangements For Transmission Of Measured Signals (AREA)
Abstract
一种传感器时域数据采集方法、装置、设备及存储介质，该方法包括数据压缩传输方法和数据接收还原方法；其中，数据压缩传输方法包括：设定第一采样率f1和第二采样率f2；获得实测数据，或获得样本数据；获得平均值；判断是否为稳态运行数据；将平均值进行存储或传输，或对平均值赋空值以及将实测数据进行存储或传输；数据接收还原方法包括：检测平均值的数值是否为空值；若平均值为空值，则直接输出实测数据；若平均值存在数值，根据平均值和阈值，生成新的样本数据，使得新的样本数据的平均值与接收的平均值相同。本发明能够使用高采样率进行数据采集，提高对非稳态运行情况的监测采集能力，并减少稳定运行的数据存储量和传输量。
Description
技术领域
本发明涉及传感器数据传输技术领域，尤其涉及一种传感器时域数据采集方法、装置、设备及存储介质。
背景技术
在使用一个或一组传感器进行长时间数据采集时，往往受限于通讯能力和数据存储空间，其数据的采样率不能够设置的过高，造成某些短时间快速变化的数据因为采样率不足无法监测采集到。对于长时间运行的数据采集系统，往往是长时间数据稳定，偶尔出现短时间数据快速变化。
公告号：CN111913446B，发明名称为：一种适用于多采样率化工过程的故障检测方法，提供了一种针对不同的传感器选择不同采样率，考虑不同采样频率测量变量之间的相关性，然后对数据进行处理，以解决故障检测的方法，但对于某些需要高采样率采集的传感器存在数据量过大问题，仅降低了部分传感器的数据量，无法满足降低全部的传感器的传输数据量的要求。
公告号：CN111447284A，发明名称为：基于傅里叶变换算法的动态数据压缩、通信与还原方法、装置、终端设备及可读存储介质，提供了利用傅里叶变换算法对数据整体压缩，再整体还原，以解决大量现场实时动态数据远程传输的问题，但其其算法工作量较大，无法进一步降低传输的数据量，且对设备的数据处理能力要求较高，难保证高采样率信号的准确性。
发明内容
有鉴于此，本发明所要解决的技术问题是：提供一种传感器时域数据采集的方法、装置、设备及存储介质，能够使用高采样率进行数据采集，提高对非稳态运行情况的监测采集能力，并减少稳定运行的数据存储量和传输量。
为解决上述技术问题，本发明的技术方案是：
第一方面，本发明公开了一种传感器时域数据采集方法，包括数据压缩传输方法和数据接收还原方法；其中，所述数据压缩传输方法包括如下步骤：
S10、对待测的传感器设定第一采样率f1和第二采样率f2，所述第一采样率f1为针对非稳态数据进行采样，所述第二采样率f2为针对稳态数据进行采样；
S11、对待测的传感器以第一采样率f1进行数据采集，获得实测数据，对实测数据以1/f2时长进行样本随机采集，获得样本数据；
S12、对样本数据进行统计分析，获得平均值；
S13、根据平均值，与设定的阈值核对，判断是否为稳态运行数据；
S14、若判定为稳态运行数据，则将平均值进行存储或传输；若判定为非稳态运行数据，则对平均值赋空值以及将实测数据进行存储或传输；
S15、重复步骤S11至步骤S14，直至以限定条件结束数据采集；
所述数据接收还原方法包括如下步骤：
S20、对传输的数据进行接收，检测平均值的数值是否为空值；
S21、若平均值为空值，则直接输出实测数据；
S22、若平均值存在数值，根据平均值和阈值，生成新的样本数据，计算新的样本数据的平均值与接收的平均值做对比，若不相等，调整新的样本数据的平均值，使得新的样本数据的平均值与接收的平均值相同；
S23、重复步骤S20至步骤S22，直至以限定条件结束数据接收；
S24、输出数据。
优选的，在步骤S12中，对样本数据进行统计分析，还包括获得统计特征值，所述统计特征值包括最大值、最小值、方差。
优选的，在步骤S13中，判断是否为稳态运行数据，包括如下方法：
若|样本数据的平均值-上时段样本数据的平均值|＞阈值，或若Max|若样本数据的平均值-样本值|＞阈值，或若∑|若样本数据的平均值-样本值|＞阈值，则为非稳态运行数据；
当统计特征值包括方差，若样本数据的方差＞阈值，则为非稳态运行数据。
优选的，在步骤S22中，在根据平均值和阈值，生成新的样本数据的过程中，还包括加入最大值和最小值，以限定样本数据生成过程中的波动范围。
优选的，在步骤S22中，在根据平均值和阈值，生成新的样本数据的过程中，还包括加入方差，以实现样本数据的离散程度与稳态运行数据的离散程度吻合。
优选的，在步骤S15中，以限定条件结束数据采集，包括通过限定数据采集时间、数据采集次数及数据采集容量。
优选的，在步骤S23中，以限定条件结束数据接收，包括依顺序完成对实测数据的全部直接输出和对新的样本数据依顺序完成还原。
第二方面，本发明公开了一种传感器时域数据采集装置，包括：
赋值模块，用于对传感器的非稳态数据进行第一采样率f1赋值，以及对传感器的稳态数据进行第二采样率f2赋值；
数据采集模块，用于对传感器以第一采样率f1进行数据采集，获得实测数据，以及对实测数据以1/f2时长进行样本随机采集，获得样本数据；
统计分析模块，用于获取平均值；
判断输出模块，用于依据平均值判断是否为稳态运行数据，若为稳态运行数据则输出平均值，若为非稳态运行数据则对平均值赋空值后输出实测数据；
接收检测模块，用于接收所述判断输出模块传输的数据并检测平均值的数值；
样本数据生成模块，用于依据平均值生成新的样本数据，保证新的样本数据的平均值与接收的平均值相同；
数据输出模块，用于输出实测数据或新的样本数据。
第三方面，本发明公开了一种计算机设备，包括：
处理器；及
存储器，所述存储器存储有可在所述处理器上运行的程序或指令，所述程序或指令被所述处理器执行时实现如第一方面中所述的传感器时域数据采集方法的步骤。
第四方面，本发明公开了一种计算机可读存储介质，所述可读存储介质上存储程序或指令，所述程序或指令被处理器执行时实现如第一方面中所述的传感器时域数据采集方法的步骤。
采用了上述技术方案后，本发明的有益效果是：
在本发明中，对待测的传感器设定第一采样率f1和第二采样率f2，以第一采样率f1进行数据采集，获得实测数据，以1/f2时长进行样本随机采集，获得样本数据，通过对样本数据进行统计分析，获得平均值，与设定的阈值核对，判断是否为稳态运行数据，若判定为稳态运行数据，则将平均值进行存储或传输；若判定为非稳态运行数据，则对平均值赋空值及将实测数据进行存储或传输；通过依据平均值对样本数据进行分析，确定需要传输的数据为平均值或者实测数据，减低了整体传输的数据量，同时，根据采集数据自身的统计特征，能够自动切换采样率。
综上所述，本发明能够使用高采样率进行数据采集，提高对非稳态运行情况的监测采集能力，并减少稳定运行的数据存储量和传输量。
附图说明
下面结合附图和实施例对本发明进一步说明。
图1是本发明实施例提供的数据压缩传输方法的总体流程图；
图2是本发明实施例提供的数据压缩传输方法的流程图；
图3是本发明实施例提供的数据接收还原方法的总体流程图；
图4是本发明实施例提供的数据接收还原方法的流程图；
图5是本发明实施例提供的传感器时域数据采集装置的结构示意图；
图6是本发明实施例提供的计算机设备的结构示意图。
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仅用以解释本发明，并不用于限定本发明。
如图1至图4所示，本发明公开了一种传感器时域数据采集方法，包括数据压缩传输方法和数据接收还原方法；其中，数据压缩传输方法包括如下步骤：
S10、对待测的传感器设定第一采样率f1和第二采样率f2，所述第一采样率f1为针对非稳态数据进行采样，所述第二采样率f2为针对稳态数据进行采样；
S11、对待测的传感器以第一采样率f1进行数据采集，获得实测数据，对实测数据以1/f2时长进行样本随机采集，获得样本数据；
S12、对样本数据进行统计分析，获得平均值；
S13、根据平均值，与设定的阈值核对，判断是否为稳态运行数据；
S14、若判定为稳态运行数据，则将平均值进行存储或传输；若判定为非稳态运行数据，则对平均值赋空值以及将实测数据进行存储或传输；
S15、重复步骤S11至步骤S14，直至以限定条件结束数据采集；
在步骤S14中，对于经过判定并选择的数据，包括平均值或对平均值赋空值后将实测数据一同传输的数据，每次比对完成以后，根据比对结果，选择将平均值或对平均值赋空值后将实测数据依次进行存储或传输。
在本发明中，采样率指单位时间内从连续信号中提取并组成离散信号的采样个数；确定稳态运行的工况，指系统的各运行参数(温度、压力、转速、位置、扭矩、功率等)在外界较小干扰下，在一定允许拨动幅度限值内的运行状态。
优选的，在步骤S12中，对样本数据进行统计分析，还包括获得统计特征值，统计特征值包括最大值、最小值、方差，对于稳态运行数据，工作人员可以自主选择需要进行传输的平均值及统计特征值，以符合后续数据接收还原方法的输入需要。
优选的，在步骤S13中，判断是否为稳态运行数据，包括如下方法：
若|样本数据的平均值-上时段样本数据的平均值|＞阈值，或若Max|若样本数据的平均值-样本值|＞阈值，或若∑|若样本数据的平均值-样本值|＞阈值，则为非稳态运行数据；
当统计特征值包括方差，若样本数据的方差＞阈值，则为非稳态运行数据。
优选的，在步骤S15中，以限定条件结束数据采集，包括通过限定数据采集时间、数据采集次数及数据采集容量。
以下以第一采样率f1＝10Hz、第二采样率f2＝0.1Hz,对一个传感器进行数据压缩传输，假设常规采集按照1Hz进行，即1秒采集一个样本，共采集10000s，其中非稳态运行数据占比为5％，以需要进行传输的数据类型包括平均值、最大值、最小值和方差4种，进行举例说明：
以传统的数据传输方式进行数据传输中，需要进行传输的数据量为：
10000s*1Hz＝10000；
以本发明公开的数据压缩传输方法进行数据传输中，需要进行传输的数据量为：
10000s*5％*10Hz+10000s*(100-5)％*0.1Hz*4＝8800。
以上述举例可知，对于非稳态工况占比较小的测量工况，不仅能够提高对非稳态工况的测试精度，还可以保证稳态工况的平均值及统计特征值的准确性，而且减少了数据传输量，在实际进行数据传输的过程中，依据需要进行数据还原进行输入的数据类型，可以选择传输平均值及仅包含最大值和最小值的统计特征值，或者选择传输包含平均值和仅包含方差的统计特征值进行传输，能够更进一步的降低数据的传输量。
对于传输后的数据，进行数据接收还原方法，包括如下步骤：
S20、对传输的数据进行接收，检测平均值的数值是否为空值；
S21、若平均值为空值，则直接输出实测数据；
S22、若平均值存在数值，根据平均值和阈值，生成新的样本数据，计算新的样本数据的平均值与接收的平均值做对比，若不相等，调整新的样本数据的平均值，使得新的样本数据的平均值与接收的平均值相同；
S23、重复步骤S20至步骤S22，直至以限定条件结束数据接收；
S24、输出数据。
优选的，在步骤S22中，在根据平均值和阈值，生成新的样本数据的过程中，还包括加入最大值和最小值，以限定样本数据生成过程中的波动范围。
或者，在步骤S22中，在根据平均值和阈值，生成新的样本数据的过程中，还包括加入方差，以实现样本数据的离散程度与稳态运行数据的离散程度吻合。
对于接收的数据中带有平均值及包含最大值、最小值和方差的统计特征值，采用正态分布(随机数)生成的方法，将平均值输入，若存在最大值、最小值和方差，则同时输入，输入完成以后，由正态分布(随机数)进行新的样本数据生成，并对新的样本数据的平均值及统计特征值与接收的平均值及统计特征值做对比，实现新的样本数据的平均值及统计特征值与接收的平均值及统计特征值相同，完成还原新的样本数据，并输出。
输出后的新的样本数据，其平均值及统计特征值与接收的平均值及统计特征值相同，满足对稳态运行数据进行工况分析判断的要求。
优选的，在步骤S23中，以限定条件结束数据接收，包括依顺序完成对实测数据的全部直接输出和对新的样本数据依顺序完成还原。
依据本发明中的数据压缩传输方法，能够对稳态运行数据进行统计分析，并对平均值及统计特征值进行存储或传输，能够降低数据的存储量和传输量，同时，依据数据接收还原方法，能够对传输的平均值及统计特征值进行数据还原，还原后的样本数据的平均值及统计特征值与接收的平均值及统计特征值相同，满足通过稳态运行数据对稳态工况进行分析判断的要求。
如图5所示，本发明公开了传感器时域数据采集装置，包括：
赋值模块31，用于对传感器的非稳态数据进行第一采样率f1赋值，以及对传感器的稳态数据进行第二采样率f2赋值；
数据采集模块32，用于对传感器以第一采样率f1进行数据采集，获得实测数据，以及对实测数据以1/f2时长进行样本随机采集，获得样本数据；
统计分析模块33，用于获取平均值；
判断输出模块34，用于依据平均值判断是否为稳态运行数据，若为稳态运行数据则输出平均值，若为非稳态运行数据则对平均值赋空值后输出实测数据；
接收检测模块35，用于接收判断输出模块34传输的数据并检测平均值的数值；
样本数据生成模块36，用于依据平均值生成新的样本数据，保证新的样本数据的平均值与接收的平均值相同；
数据输出模块37，用于输出实测数据或新的样本数据。
本发明实施例提供的传感器时域数据采集装置能够实现传感器时域数据采集方法中的各个过程，为避免重复，这里不再赘述。
如图6所示，本发明公开了计算机设备，包括处理器41；及存储器42，存储器42存储有可在处理器41上运行的程序或指令；
处理器41被配置用于调用程序或指令，执行传感器时域数据采集方法中的各个过程，为避免重复，这里不再赘述。
本发明还公开了计算机可读存储介质，可读存储介质上存储程序或指令，程序或指令被处理器执行时实现传感器时域数据采集方法中的各个过程，为避免重复，这里不再赘述。其中，所述的计算机可读存储介质，如只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等。
在本申请所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。例如，该模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如，多个模块或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。所显示或讨论的相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，装置或模块的间接耦合或通信连接，可以是电性，机械或其它的形式。
作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理模块，即可以位于一个地方，或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。该计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行该计算机程序指令时，全部或部分地产生按照本申请实施例的流程或功能。该计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。该计算机指令可以存储在计算机可读存储介质中，或者通过该计算机可读存储介质进行传输。该计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(digital subscriber line，DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。该计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。该可用介质可以是只读存储器(read-onlymemory，ROM)，或随机存储存储器(random accessmemory，RAM)，或磁性介质，例如，软盘、硬盘、磁带、磁碟、或光介质，例如，数字通用光盘(digital versatile disc，DVD)、或者半导体介质，例如，固态硬盘(solid state disk，SSD)等。
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、等同替换和改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种传感器时域数据采集方法，其特征在于，包括数据压缩传输方法和数据接收还原方法；其中，所述数据压缩传输方法包括如下步骤：
S10、对待测的传感器设定第一采样率f1和第二采样率f2，所述第一采样率f1为针对非稳态数据进行采样，所述第二采样率f2为针对稳态数据进行采样；
S11、对待测的传感器以第一采样率f1进行数据采集，获得实测数据，对实测数据以1/f2时长进行样本随机采集，获得样本数据；
S12、对样本数据进行统计分析，获得平均值；
S13、根据平均值，与设定的阈值核对，判断是否为稳态运行数据；
S14、若判定为稳态运行数据，则将平均值进行存储或传输；若判定为非稳态运行数据，则对平均值赋空值以及将实测数据进行存储或传输；
S15、重复步骤S11至步骤S14，直至以限定条件结束数据采集；
所述数据接收还原方法包括如下步骤：
S20、对传输的数据进行接收，检测平均值的数值是否为空值；
S21、若平均值为空值，则直接输出实测数据；
S22、若平均值存在数值，根据平均值和阈值，生成新的样本数据，计算新的样本数据的平均值与接收的平均值做对比，若不相等，调整新的样本数据的平均值，使得新的样本数据的平均值与接收的平均值相同；
S23、重复步骤S20至步骤S22，直至以限定条件结束数据接收；
S24、输出数据。
2.如权利要求1所述的传感器时域数据采集方法，其特征在于，在步骤S12中，对样本数据进行统计分析，还包括获得统计特征值，所述统计特征值包括最大值、最小值、方差。
3.如权利要求2所述的传感器时域数据采集方法，其特征在于，在步骤S13中，判断是否为稳态运行数据，包括如下方法：
若|样本数据的平均值-上时段样本数据的平均值|＞阈值，或若Max|若样本数据的平均值-样本值|＞阈值，或若∑|若样本数据的平均值-样本值|＞阈值，则为非稳态运行数据；
当统计特征值包括方差，若样本数据的方差＞阈值，则为非稳态运行数据。
4.如权利要求2所述的传感器时域数据采集方法，其特征在于，在步骤S22中，在根据平均值和阈值，生成新的样本数据的过程中，还包括加入最大值和最小值，以限定样本数据生成过程中的波动范围。
5.如权利要求2所述的传感器时域数据采集方法，其特征在于，在步骤S22中，在根据平均值和阈值，生成新的样本数据的过程中，还包括加入方差，以实现样本数据的离散程度与稳态运行数据的离散程度吻合。
6.如权利要求1所述的传感器时域数据采集方法，其特征在于，在步骤S15中，以限定条件结束数据采集，包括通过限定数据采集时间、数据采集次数及数据采集容量。
7.如权利要求1所述的传感器时域数据采集方法，其特征在于，在步骤S23中，以限定条件结束数据接收，包括依顺序完成对实测数据的全部直接输出和对新的样本数据依顺序完成还原。
8.一种传感器时域数据采集装置，其特征在于，包括：
赋值模块，用于对传感器的非稳态数据进行第一采样率f1赋值，以及对传感器的稳态数据进行第二采样率f2赋值；
数据采集模块，用于对传感器以第一采样率f1进行数据采集，获得实测数据，以及对实测数据以1/f2时长进行样本随机采集，获得样本数据；
统计分析模块，用于获取平均值；
判断输出模块，用于依据平均值判断是否为稳态运行数据，若为稳态运行数据则输出平均值，若为非稳态运行数据则对平均值赋空值后输出实测数据；
接收检测模块，用于接收所述判断输出模块传输的数据并检测平均值的数值；
样本数据生成模块，用于依据平均值生成新的样本数据，保证新的样本数据的平均值与接收的平均值相同；
数据输出模块，用于输出实测数据或新的样本数据。
9.一种计算机设备，其特征在于，包括：
处理器；及
存储器，所述存储器存储有可在所述处理器上运行的程序或指令，所述程序或指令被所述处理器执行时实现如权利要求1-7任一项所述的传感器时域数据采集方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述可读存储介质上存储程序或指令，所述程序或指令被处理器执行时实现如权利要求1-7任一项所述的传感器时域数据采集方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210944378.1A CN115277869A (zh) | 2022-08-06 | 2022-08-06 | 一种传感器时域数据采集方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210944378.1A CN115277869A (zh) | 2022-08-06 | 2022-08-06 | 一种传感器时域数据采集方法、装置、设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115277869A true CN115277869A (zh) | 2022-11-01 |
Family
ID=83749523
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210944378.1A Pending CN115277869A (zh) | 2022-08-06 | 2022-08-06 | 一种传感器时域数据采集方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115277869A (zh) |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102151704A (zh) * | 2010-02-11 | 2011-08-17 | 宝山钢铁股份有限公司 | 一种以温度为直控参数的高速线材斯太尔摩线冷却方法 |
| CN102319620A (zh) * | 2011-06-02 | 2012-01-18 | 江苏大阳光辅股份有限公司 | 一种全自动带反馈的微粉筛选方法 |
| US20140198669A1 (en) * | 2013-01-17 | 2014-07-17 | International Business Machines Corporation | Dynamically determining packet sampling rates |
| CN109084891A (zh) * | 2018-10-25 | 2018-12-25 | 赛腾机电科技（常州）有限公司 | 一种基于受力变化的旋转体噪声测试系统及测试方法 |
| CN109934729A (zh) * | 2019-03-25 | 2019-06-25 | 重庆大学 | 非稳态数据实时采集数据深度压缩方法 |
| US20200092619A1 (en) * | 2018-09-18 | 2020-03-19 | Kabushiki Kaisha Toshiba | Data transmission device, non-transitory computer readable medium, and data reception device |
| CN111078497A (zh) * | 2019-11-29 | 2020-04-28 | 苏州浪潮智能科技有限公司 | 一种bmc的数据存储方法、设备以及存储介质 |
| CN113705688A (zh) * | 2021-08-30 | 2021-11-26 | 华侨大学 | 一种电力用户异常用电行为检测方法和系统 |
| CN114254827A (zh) * | 2021-12-21 | 2022-03-29 | 中国电子科技集团公司第三十八研究所 | 一种数据驱动的smt制造周期预测及修正方法 |
| CN114676380A (zh) * | 2022-03-25 | 2022-06-28 | 青岛明思为科技有限公司 | 一种基于智能传感器边缘监测的触发式采集方法及系统 |
-
2022
- 2022-08-06 CN CN202210944378.1A patent/CN115277869A/zh active Pending
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102151704A (zh) * | 2010-02-11 | 2011-08-17 | 宝山钢铁股份有限公司 | 一种以温度为直控参数的高速线材斯太尔摩线冷却方法 |
| CN102319620A (zh) * | 2011-06-02 | 2012-01-18 | 江苏大阳光辅股份有限公司 | 一种全自动带反馈的微粉筛选方法 |
| US20140198669A1 (en) * | 2013-01-17 | 2014-07-17 | International Business Machines Corporation | Dynamically determining packet sampling rates |
| US20200092619A1 (en) * | 2018-09-18 | 2020-03-19 | Kabushiki Kaisha Toshiba | Data transmission device, non-transitory computer readable medium, and data reception device |
| CN109084891A (zh) * | 2018-10-25 | 2018-12-25 | 赛腾机电科技（常州）有限公司 | 一种基于受力变化的旋转体噪声测试系统及测试方法 |
| CN109934729A (zh) * | 2019-03-25 | 2019-06-25 | 重庆大学 | 非稳态数据实时采集数据深度压缩方法 |
| CN111078497A (zh) * | 2019-11-29 | 2020-04-28 | 苏州浪潮智能科技有限公司 | 一种bmc的数据存储方法、设备以及存储介质 |
| CN113705688A (zh) * | 2021-08-30 | 2021-11-26 | 华侨大学 | 一种电力用户异常用电行为检测方法和系统 |
| CN114254827A (zh) * | 2021-12-21 | 2022-03-29 | 中国电子科技集团公司第三十八研究所 | 一种数据驱动的smt制造周期预测及修正方法 |
| CN114676380A (zh) * | 2022-03-25 | 2022-06-28 | 青岛明思为科技有限公司 | 一种基于智能传感器边缘监测的触发式采集方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10704982B2 (en) | Sensor recording analysis apparatus and method | |
| CN108108852B (zh) | 基于故障预警技术的火电机组短期可靠性评估方法及装置 | |
| CN110572297A (zh) | 网络性能的评估方法、服务器及存储介质 | |
| CN108362966A (zh) | 一种油浸变压器高精度噪声在线监测方法和系统 | |
| CN116908603B (zh) | 基于连接器的可靠性检测方法及其系统 | |
| CN113027658A (zh) | 一种水轮机转轮实时状态评估方法及其应用 | |
| CN113765733A (zh) | 一种总线网络的测试方法和装置 | |
| CN115113125A (zh) | 一种多通道任意波形发生器的校正系统 | |
| CN116866222A (zh) | 一种网线故障智能检测方法、系统、设备及存储介质 | |
| CN112446389A (zh) | 一种故障判别方法及装置 | |
| CN115277869A (zh) | 一种传感器时域数据采集方法、装置、设备及存储介质 | |
| KR20220056782A (ko) | 기계 모니터링을 위한 시스템과 방법 | |
| CN117434866A (zh) | 一种基于物联网的工控一体机系统 | |
| CN112114215A (zh) | 基于误差反向传播算法的变压器老化评估的方法及系统 | |
| CN116226719A (zh) | 基于多维稳态振动特征的轴承故障诊断方法及相关组件 | |
| CN109726086A (zh) | 测试服务器性能的方法和装置 | |
| CN110375939B (zh) | 一种航天器结构振动试验健康状态评估的改进方法 | |
| CN114165430A (zh) | 基于边缘计算的机泵健康监测方法、系统、设备及介质 | |
| CN117472589B (zh) | 一种园区网络服务管理方法及系统 | |
| CN117889950A (zh) | 协作机器人关节噪声检测方法、装置及电子设备 | |
| CN117793579B (zh) | 基于物联网的计量设备远程监测管理方法及系统 | |
| CN117014784B (zh) | 一种头戴式耳机的头带故障自检方法及系统 | |
| CN116794455A (zh) | 一种网线自动检测方法及装置 | |
| RU124411U1 (ru) | Система обработки и анализа данных цифровых регистраторов для мониторинга переходных режимов в энергообъединении | |
| JP5596221B2 (ja) | ワイヤーラインネットワークの回線をいくつかの仮想バインダにクラスタ化する方法およびデバイス |
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 |