CN115840924B - 一种压力变送器测量数据智慧处理系统 - Google Patents
一种压力变送器测量数据智慧处理系统 Download PDFInfo
- Publication number
- CN115840924B CN115840924B CN202310112961.0A CN202310112961A CN115840924B CN 115840924 B CN115840924 B CN 115840924B CN 202310112961 A CN202310112961 A CN 202310112961A CN 115840924 B CN115840924 B CN 115840924B
- Authority
- CN
- China
- Prior art keywords
- measurement data
- data
- measurement
- points
- 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
- 238000005259 measurement Methods 0.000 title claims abstract description 288
- 238000012545 processing Methods 0.000 title claims abstract description 26
- 230000002776 aggregation Effects 0.000 claims abstract description 78
- 238000004220 aggregation Methods 0.000 claims abstract description 78
- 230000002159 abnormal effect Effects 0.000 claims abstract description 55
- 238000010276 construction Methods 0.000 claims abstract description 6
- 230000005856 abnormality Effects 0.000 claims description 28
- 238000004364 calculation method Methods 0.000 claims description 16
- 230000011218 segmentation Effects 0.000 claims description 14
- 238000000605 extraction Methods 0.000 claims description 6
- 238000012217 deletion Methods 0.000 claims description 3
- 230000037430 deletion Effects 0.000 claims description 3
- 238000001514 detection method Methods 0.000 abstract description 10
- 238000000034 method Methods 0.000 description 19
- 230000008859 change Effects 0.000 description 9
- 238000005192 partition Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000006073 displacement reaction Methods 0.000 description 2
- 239000003990 capacitor Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
Images
Landscapes
- Testing Or Calibration Of Command Recording Devices (AREA)
- Measuring Fluid Pressure (AREA)
Abstract
本发明涉及数据处理技术领域,提出了一种压力变送器测量数据智慧处理系统,包括:获取若干测量点及测量数据;根据每个测量点中各测量数据的数值差异及分布关系,获取每个测量数据的聚集指数;分别以每个测量数据为分割点,随机抽取测量数据作为样本数据构建孤立树,根据聚集指数及样本数据删除对孤立树的影响,获取每个测量数据作为分割点的第一有效比;根据每个测量数据作为分割点的第一有效比构建孤立树,获取每棵孤立树中每个节点的第二有效比,根据第二有效比获取每棵孤立树的生长深度,形成孤立森林;根据孤立森林获取测量数据中的异常值,并对压力变送器作相应处理。本发明旨在改进孤立森林构建以提高异常检测速度及准确性。
Description
技术领域
本发明涉及数据处理技术领域,具体涉及一种压力变送器测量数据智慧处理系统。
背景技术
压力变送器是一种将压力转换为气动信号或电动信号来进行控制和远传的设备,是一种常见的热工计量仪表;压力变送器的作用是将测压原件传感器感受到的气体、液体等物理压力参数转换成标准的电信号,这些电信号一般用于指示报警仪、调节器等仪器的测量和调节。
电动压力变送器的输出为直流电信号或者电压信号,气动压力变送器的输出为气体压力信号;以直流电流信号为例,输出信号的大小一般在规定的范围内;然而压力变送器的输出数据取决于多种因素,包括变送器与系统控制器或显示器之间的距离、是否存在电子干扰信号等;当压力变送器处于非正常的工作状态时,输出会出现过大过小的情况,例如一次原件的故障、电气连接故障、导压管故障等等;但压力变送器出现故障时并不能从外部直接发现,因此输出数据中过大过小的数据难以判断是元件故障还是由较大的物理压力参数导致的;传统的异常数据处理方法是基于经验值的分布式检测,但是这种方法只能找到全局异常点,而无法找到局部异常点;因此需要一种针对压力变送器测量数据中异常值更为精准的检测方法。
发明内容
本发明提供一种压力变送器测量数据智慧处理系统,以解决现有的孤立森林各孤立树异常区分能力存在差异且检测速度较慢的问题,所采用的技术方案具体如下:
本发明一个实施例提供了一种压力变送器测量数据智慧处理系统,该系统包括:
测量数据采集模块,获取若干测量点及若干测量数据;
孤立森林构建模块:将每个测量数据的数值与对应测量点的压力数值的比值作为每个测量点的每个测量数据的数值比例,根据各测量点中各测量数据的数值比例与所有测量数据的数值比例均值获取每个测量点的比例异常程度,根据每个测量点的比例异常程度及每个测量数据的数值比例,获取每个测量点的每个测量数据的聚集指数;
分别以每个测量数据为分割点,随机抽取若干测量数据作为样本构建孤立树,根据删除与分割点聚集指数相同的测量数据前后的样本路径之和的差异,获取每个测量数据作为分割点的复杂变化量,根据样本被分割点分割后的聚集指数方差获取每个测量数据作为分割点的分割异常度,根据复杂变化量与分割异常度获取每个测量数据作为分割点的初始有效比,多次随机抽取样本并计算任意一个测量数据作为分割点的初始有效比,将该分割点所有初始有效比的均值作为该测量数据作为分割点的第一有效比;
根据所有测量数据的第一有效比获取可以作为正确分割点的测量数据,随机抽取若干次样本,根据样本中第一有效比最大的正确分割点对样本构建孤立树,若干次样本共得到若干次孤立树,根据孤立树中各节点对应测量数据的聚集指数及样本获取每个节点的第二有效比,根据第二有效比得到每棵孤立树的生长深度,形成孤立森林;
数据智慧处理模块,根据孤立森林获取测量数据中的异常值,根据异常值对压力变送器进行相应处理。
可选的,,所述获取每个测量点的比例异常程度,包括的具体方法为:
其中,表示第个测量点的比例异常程度,表示第个测量点的测量数据量,表示第个测量点的第个测量数据的数值比例,表示所有测量数据的数值比例均值,表示测量数据总量,表示共有个测量点。
可选的,所述获取每个测量点的每个测量数据的聚集指数,包括的具体方法为:
其中,表示第个测量点的第个测量数据的聚集指数,表示第个测量点的第个测量数据的数值比例,表示第个测量点对应的测量数据的数值比例均值,表示第个测量点的比例异常程度,表示第个测量点的测量数据量,表示所有测量点的比例异常程度均值,表示所有测量点的测量数据量均值。
可选的,所述获取每个测量数据作为分割点的复杂变化量,包括的具体方法为:
其中,表示第个测量数据作为分割点的复杂变化量,表示随机抽取的样本,表示在样本中删除与第个测量数据的聚集指数相同的测量数据后剩余的样本,表示基于第个测量数据作为分割点对于样本中样本点计算样本路径之和。
可选的,所述获取每个测量数据作为分割点的分割异常度,包括的具体方法为:
其中,表示第个测量数据作为分割点的分割异常度,是样本中聚集指数小于第个测量数据的聚集指数的一个测量数据,表示测量数据对应的测量点,表示测量数据的聚集指数;是样本中聚集指数大于等于第个测量数据的聚集指数的一个测量数据,表示测量数据对应的测量点,表示测量数据的聚集指数;是样本中所有聚集指数小于第个测量数据的聚集指数的测量数据的聚集指数方差,是样本中所有聚集指数大于等于第个测量数据的聚集指数的测量数据的聚集指数方差。
可选的,所述根据孤立树中各节点对应测量数据的聚集指数及样本获取每个节点的第二有效比,包括的具体方法为:
对于任意一次抽取的样本构建的孤立树中任意一个节点,以生长到该节点时剩余的样本作为,从中去除与该节点对应测量数据的聚集指数相同的测量数据得到,按照初始有效比的计算方法,左右两侧的方差根据进行计算,样本路径仅考虑截止该节点时尚未分割的其他测量数据进行计算,得到该节点的有效比记为该节点的第二有效比。
本发明的有益效果是:本发明针对孤立森林检测测量数据的异常值时,不同孤立树之间的检测速度和检测结果不同影响异常值检测结果的问题;基于压力变送器测量数据的分布情况,利用不同测量点处测量数据分布对所有测量数据的聚集性的影响差异构建了聚集指数,聚集指数的有益效果在于利用每个测量点中每个测量数据与受压力呈正比且比值接近的特点,从所有测量数据进行计算,消除独立干扰点的影响;其次基于聚集指数和孤立树中的样本路径构建了分割点的第一有效比,有效比的有益效果在于对于随机抽取的分割点进行判断,能够降低孤立森林中孤立树构建过程中的计算量,减少复杂度,同时避免错误孤立树对异常值检测结果的影响;根据构建的孤立森林完成测量数据中异常值的检测,提高检测的准确性并降低了检测时间。
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为本发明一个实施例所提供的一种压力变送器测量数据智慧处理系统结构框图;
图2为测量数据异常示例图。
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,其示出了本发明一个实施例所提供的一种压力变送器测量数据智慧处理系统结构框图,该系统包括:
测量数据采集模块S101,获取若干测量点及若干测量数据。
本实施例的目的是对压力变送器的测量数据进行智慧处理,智慧处理即是对测量数据中的异常值进行检测进而智能地对压力变送器进行相应处理,因此首先需要采集测量数据;压力变送器是由测量膜片与两侧绝缘片上的电极组成的一个电容器,两侧感受压力不一致时,测量膜片产生位移,位移量和压力差成正比;因此压力变送器的输出与压力呈正比关系,同时压力变送器有电压输出型和电流输出型,电流输出型相较于电压输出型抗干扰能力更强,因此本实施例选择电流输出型的压力变送器进行测量数据获取,电流输出型的压力变送器可根据实际需求选择两线制或三线制,本实施例不做限定。
具体的,将压力变送器输出端的电流信号通过模拟电路或数字电路转换成数字信号,利用单片机读取数字信号作为测量数据;压力变送器的额定测量量程为,单位为,对应输出的电流数据范围为;以为间隔,在额定测量量程内获取个测量点,每两个相邻测量点对应压力大小的差值均为,连续读取个额定测量量程内测量点对应的电流数据,将每个测量点的电流数据作为测量数据,共得到个测量数据;需要说明的是,共获取个测量数据,且每个测量数据对应的测量点均为额定测量量程内获取到的个测量点。
至此,采集到了若干测量点,以及每个测量点对应的若干测量数据。
孤立森林构建模块S102:
(1)根据每个测量点中各测量数据的数值差异及分布关系,以及每个测量点对应测量数据量与测量数据总量的差异,获取每个测量数据的聚集指数。
需要说明的是,电流输出型压力变送器的输出电流与受到的压力呈正比关系,即在量程范围内受到的压力越大,对应的输出电流输出越大,每个测量量程内选取的测量点的压力与输出电流在在正常情况下应呈正比关系;若每个测量量程内获取的输出电流都是正常数据,那么不同测量点对应的不同测量数据的局部密度是相近的,连续个测量量程内的每个测量点对应的测量数据大小也是相近的;若压力变送器在工作过程中出现异常情况产生异常数据,在读取的不同测量量程内,同一测量点即同一压力对应的测量数据大小存在一定差异,每个测量点对应的测量数据的局部密度也会随之改变,不同测量点对应的不同测量数据的局部密度不再相近;则可以利用这种分布及差异变化获取每个测量数据的聚集指数,通过测量数据在测量点的数值比例关系与测量点对应测量数据量与测量数据总量的差异,判断测量数据的局部密度及数值变化,进而得到聚集指数。
请参阅图2,其示出了本实施例所提供的测量数据异常示例图,图2中以6个测量点进行展示,图2中左侧部分为无异常数据下不同测量量程内不同测量点对应的电流输出大小,图2中右侧部分为存在异常数据下不同测量量程内不同测量点对应的电流输出大小;对于异常数据中,可能会出现某个测量点对应的测量数据量多于其他数据点,同时另外某个测量点对应的测量数据量少于其他数据点,所述测量数据量即为每个测量点对应的测量数据数量;则从图2中可以看出无异常数据的每个测量点对应测量数据的分布范围较为接近,所有测量数据都具有较好的聚集性;而存在异常数据的各测量点对应测量数据分布范围差异较大,且零散分布在各自的一定范围内,聚集性较差。
具体的,以第个测量点的第个测量数据为例,获取该测量数据的聚集指数的具体计算方法为:
其中,表示第个测量点的第个测量数据的数值比例,表示第个测量点的第个测量数据的数值,表示第个测量点的压力数值;表示第个测量点的比例异常程度,表示第个测量点的测量数据量,即第个测量点对应了个测量数据,表示所有测量数据的数值比例均值,表示测量数据总量,即共有个测量数据,表示共有个测量点;表示第个测量点对应的测量数据的数值比例均值,表示所有测量点的比例异常程度均值,表示所有测量点的测量数据量均值;需要说明的是,压力变送器的额定测量量程不考虑压力为0的情况,在比例异常程度及聚集系数的计算过程中,可能会出现分母为0的情况,本实施例对分子分母均加1进行计算。
此时,每个测量数据的数值比例反映的是测量数据与压力的比值关系,正常情况下所有测量数据的数值比例应是相近的;而若某一测量点的测量数据出现异常情况,该测量点的局部数值比例与整体数值比例均值的差异,相较于所有测量数据的数值比例与整体数值比例均值的差异就会变大,即比例异常程度的计算公式中分母部分通过整体计算弱化了局部异常的影响,而分子部分局部的异常会出现较为明显变化,比例异常程度越大则对应测量点内的测量数据越有可能出现异常的数值比例;第个测量点的比例异常程度越大,越大,第个测量点越可能出现异常测量数据,相应的聚集指数越小;第个测量点的测量数据量与理想数据量差异越大,该测量点对应测量数据存在多余或缺少情况,越可能出现异常测量数据,聚集指数越小;第个测量点的第个测量数据的数值比例与第个测量点的数值比例均值差异越小,该测量点的各测量数据的数值比例越接近,如果分母部分越大导致该测量点包含异常测量数据的可能性越大,则分子部分对应该测量点的异常测量数据越多,相应的聚集指数越小。
按照上述方法获取所有测量数据的聚集指数;至此,得到了每个测量数据的聚集指数,聚集指数可以反映每个测量数据从测量点方面出发的异常判断,聚集指数越小的越有可能发生异常。
(2)分别以每个测量数据为分割点,随机抽取测量数据作为样本构建孤立树,根据聚集指数及删除样本对孤立树的影响,获取每个测量数据作为分割点的第一有效比。
需要说明的是,孤立树是通过从测量数据中随机抽取一定数量的样本,比较样本和分割点的大小进行抽取样本划分形成的;本实施例分别以每个测量数据为分割点,有放回的抽取测量数据来构建孤立树;孤立树的生长是通过样本和分割点的大小比较结果决定的,本实施例通过样本和分割点对应测量数据的聚集指数来进行大小比较;一般情况下将小于分割点的样本数据划分到节点左边,大于分割点的样本数据划分到节点右边,因此分割点的选择直接关系到孤立树的生长结果;如果将一个异常值作为分割点,由于异常的测量数据的聚集指数较小而正常测量数据的聚集指数较大,很可能将正常的测量数据错误分割成孤立点,而将与异常值的聚集指数接近的其余异常的测量数据分割到一起,那么这个节点的后续生长本身就是错误的,不应该继续生成,这类孤立树中的孤立点对于通过孤立森林进行测量数据异常值判断的可信度相对较低,而基于正常值的分割点生长的孤立树中的孤立点对于异常值判断的可信度应该较大;因此需要根据每个测量数据作为分割点下孤立树的变化来获取每个测量数据作为分割点的第一有效比,进而获取能够作为分割点的测量数据。
进一步需要说明的是,如果一个分割点是正常值的分割点,那么从样本中删除与其聚集指数相同的测量数据后,孤立树的复杂度几乎不变,只是减去了少量的节点;如果一个分割点是异常值的分割点,那么从样本中删除与其聚集指数相同的测量数据后,孤立树的复杂度将会发生显著变化;以此来获取每个测量数据作为分割点的有效比。
具体的,以第个测量数据作为分割点为例,从所有测量数据中随机抽取个测量数据作为样本,本实施例采用进行计算,该测量数据作为分割点的初始有效比的计算方法为:
其中,表示第个测量数据作为分割点的复杂变化量,表示随机抽取的样本,样本中包含个随机抽取的测量数据,表示在样本中删除与第个测量数据的聚集指数相同的测量数据后剩余的样本,表示基于第个测量数据作为分割点对于样本中样本点计算样本路径之和,计算样本路径为孤立森林算法中的公知技术,本实施例不再赘述;此时,如果是正常值的分割点,那么与分割点对应测量数据的聚集指数相同的测量数据是正常数据的可能性就越大,删除这些测量数据后,孤立树不会发生明显的深度变化,剩余样本在孤立树中的路径不会发生明显变化,则复杂变化量较小;如果是异常值的分割点,那么与分割点对应测量数据的聚集指数相同的测量数据是异常数据的可能性就越大,删除这些测量数据后,孤立树会发生明显变化,剩余样本在孤立树中的路径会发生明显变化,则复杂变化量就会较大;
其中,表示第个测量数据作为分割点的分割异常度,是样本中聚集指数小于第个测量数据的聚集指数的一个测量数据,表示测量数据对应的测量点,表示测量数据的聚集指数;是样本中聚集指数大于等于第个测量数据的聚集指数的一个测量数据,表示测量数据对应的测量点,表示测量数据的聚集指数;是样本中所有聚集指数小于第个测量数据的聚集指数的测量数据的聚集指数方差,是样本中所有聚集指数大于等于第个测量数据的聚集指数的测量数据的聚集指数方差;此时,如果是正常值的分割点,那么对应的孤立树将会把异常的测量数据和正常的测量数据准确分到两侧,两侧中的测量数据的聚集指数都比较接近,聚集指数方差都较小;如果是异常值的分割点,那么对应的孤立树两侧中异常测量数据和正常测量数据是混合的,同一侧中测量数据的聚集指数之间的差异较大,进而聚集指数方差较大;因此聚集指数方差越大,分割异常度越大;
其中,表示第个测量数据作为分割点的复杂变化量,表示第个测量数据作为分割点的分割异常度,表示以自然常数为底的指数函数,需要说明的是,本实施例采用来表示反比例关系,具体实施过程可根据实际情况选择表示反比例关系的函数;复杂变化量越小,分割异常度越小,分割点为正常值的可能性越大,相应的初始有效比越大;按照上述方法共抽取次样本,本实施例采用进行计算,每次随机抽取个测量数据作为样本,获取第个测量数据作为分割点在每次样本抽取下的初始有效比,将所有初始有效比的均值作为第个测量数据作为分割点的第一有效比;通过多次样本抽取进行均值计算,降低单次样本抽取对第一有效比计算造成的偶然性;按照上述方法获取每个测量数据作为分割点的第一有效比。
至此,获取到了每个测量数据作为分割点的第一有效比,第一有效比的有益效果在于对随机抽取的样本进行判断,能够降低孤立树的复杂度,减少孤立森林中样本异常得分的计算量,同时避免错误的孤立树对异常值检测结果的影响。
(3)根据每个测量数据作为分割点的第一有效比构建孤立树,获取每棵孤立树中每个节点的第二有效比,根据第二有效比得到每棵孤立树的生长深度,形成孤立森林。
需要说明的是,获取到第一有效比后,需要随机抽取测量数据作为样本,并从样本中选取合适的测量数据作为分割点构建孤立树,以确保根据样本构建的孤立树较为准确且可以减少计算量。
具体的,对所有测量数据的聚集指数进行线性归一化,给出第一预设阈值用于根据聚集指数判断异常,本实施例第一预设阈值采用0.9进行计算,由于正常的测量数据的聚集指数较大,因此提取聚集指数的归一化值大于第一预设阈值的测量数据,认为这些测量数据的聚集指数足够大,不可能是异常测量数据,可以直接作为正确的分割点。
进一步的,对于聚集指数的归一化值小于第一预设阈值的测量数据,获取这些测量数据中每个测量数据作为分割点的第一有效比,将其中最大的第一有效比记为,设置第二阈值,本实施例采用进行计算,如果测量数据作为分割点的第一有效比大于第二阈值,认为该测量数据可以作为正确的分割点。
进一步的,对于每次随机抽取的个测量数据,获取其中每个测量数据作为分割点的第一有效比,将其中最大的第一有效比记为,若大于第二阈值,则将对应的测量数据作为正确的分割点;若小于第二阈值,则将所有测量数据中第一有效比大于且与差异最小的测量数据作为分割点;避免随机抽取到的测量数据均为异常测量数据,进而影响孤立树的可信度。
按照上述方法抽取次样本,则可以构建个孤立树,本实施例采用进行计算,根据每次抽取的样本构建孤立树,每次抽取的样本中均包含个测量数据;对于任意一次抽取的样本构建的孤立树中任意一个节点,以生长到该节点时剩余的样本作为,从中去除与该节点对应测量数据的聚集指数相同的测量数据得到,按照初始有效比的计算方法,左右两侧的方差根据此时的进行计算,样本路径仅考虑截止该节点时尚未分割的其他测量数据进行计算,得到该节点的有效比记为该节点的第二有效比;按照上述方法获取每棵孤立树中每个节点的第二有效比,对于第二有效比大于第二阈值的,认为其是正常值的节点,继续其所在孤立树的生长,直到数据不可再分为止;对于第二有效比小于第二阈值的,认为其是异常值的节点,停止其所在孤立树的生长;遍历所有孤立树,则得到了深度不一致的孤立森林。
至此,完成了孤立森林的构建,为后续根据孤立森林判断测量数据中的异常值提供基础。
数据智慧处理模块S103,根据孤立森林获取测量数据中的异常值,根据异常值对压力变送器进行相应处理。
形成孤立森林后,计算每一棵孤立树中每个节点的异常得分,孤立森林中节点异常得分的计算为公知技术,本实施例不再赘述;根据孤立森林异常得分的判断方法:如果异常得分接近于1,认为此样本点为测量数据中的异常值;如果异常得分接近于0,认为此样本点不是测量数据中的异常值;如果异常得分接近于0.5,认为此样本点几乎不可能是测量数据中的异常值;将孤立森林中对应同一测量数据的所有节点的异常得分均值作为该测量数据的异常得分,根据异常得分判断方法获取测量数据中的异常值。
获取测量数据中的异常值后,获取任意一个异常值对应测量点的压力对应输出的标准值,其中标准值为压力变送器的固有参数,根据异常值与标准值的差异判断造成压力变送器处于非正常工作状态的原因,对压力变送器进行维修,保证压力变送器的正常使用。
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 (6)
1.一种压力变送器测量数据智慧处理系统,其特征在于,该系统包括:
测量数据采集模块,获取若干测量点及若干测量数据;
孤立森林构建模块:将每个测量数据的数值与对应测量点的压力数值的比值作为每个测量点的每个测量数据的数值比例,根据各测量点中各测量数据的数值比例与所有测量数据的数值比例均值获取每个测量点的比例异常程度,根据每个测量点的比例异常程度及每个测量数据的数值比例,获取每个测量点的每个测量数据的聚集指数;
分别以每个测量数据为分割点,随机抽取若干测量数据作为样本构建孤立树,根据删除与分割点聚集指数相同的测量数据前后的样本路径之和的差异,获取每个测量数据作为分割点的复杂变化量,根据样本被分割点分割后的聚集指数方差获取每个测量数据作为分割点的分割异常度,根据复杂变化量与分割异常度获取每个测量数据作为分割点的初始有效比,多次随机抽取样本并计算任意一个测量数据作为分割点的初始有效比,将该分割点所有初始有效比的均值作为该测量数据作为分割点的第一有效比;
根据所有测量数据的第一有效比获取可以作为正确分割点的测量数据,随机抽取若干次样本,根据样本中第一有效比最大的正确分割点对样本构建孤立树,若干次样本共得到若干次孤立树,根据孤立树中各节点对应测量数据的聚集指数及样本获取每个节点的第二有效比,根据第二有效比得到每棵孤立树的生长深度,形成孤立森林;
数据智慧处理模块,根据孤立森林获取测量数据中的异常值,根据异常值对压力变送器进行相应处理。
2.根据权利要求1所述的一种压力变送器测量数据智慧处理系统,其特征在于,所述获取每个测量点的比例异常程度,包括的具体方法为:
其中,表示第个测量点的比例异常程度,表示第个测量点的测量数据量,表示第个测量点的第个测量数据的数值比例,表示所有测量数据的数值比例均值,表示测量数据总量,表示共有个测量点。
3.根据权利要求2所述的一种压力变送器测量数据智慧处理系统,其特征在于,所述获取每个测量点的每个测量数据的聚集指数,包括的具体方法为:
其中,表示第个测量点的第个测量数据的聚集指数,表示第个测量点的第个测量数据的数值比例,表示第个测量点对应的测量数据的数值比例均值,表示第个测量点的比例异常程度,表示第个测量点的测量数据量,表示所有测量点的比例异常程度均值,表示所有测量点的测量数据量均值。
4.根据权利要求1所述的一种压力变送器测量数据智慧处理系统,其特征在于,所述获取每个测量数据作为分割点的复杂变化量,包括的具体方法为:
其中,表示第个测量数据作为分割点的复杂变化量,表示随机抽取的样本,表示在样本中删除与第个测量数据的聚集指数相同的测量数据后剩余的样本,表示基于第个测量数据作为分割点对于样本中样本点计算样本路径之和。
5.根据权利要求4所述的一种压力变送器测量数据智慧处理系统,其特征在于,所述获取每个测量数据作为分割点的分割异常度,包括的具体方法为:
其中,表示第个测量数据作为分割点的分割异常度,是样本中聚集指数小于第个测量数据的聚集指数的一个测量数据,表示测量数据对应的测量点,表示测量数据的聚集指数;是样本中聚集指数大于等于第个测量数据的聚集指数的一个测量数据,表示测量数据对应的测量点,表示测量数据的聚集指数;是样本中所有聚集指数小于第个测量数据的聚集指数的测量数据的聚集指数方差,是样本中所有聚集指数大于等于第个测量数据的聚集指数的测量数据的聚集指数方差。
6.根据权利要求4所述的一种压力变送器测量数据智慧处理系统,其特征在于,所述根据孤立树中各节点对应测量数据的聚集指数及样本获取每个节点的第二有效比,包括的具体方法为:
对于任意一次抽取的样本构建的孤立树中任意一个节点,以生长到该节点时剩余的样本作为,从中去除与该节点对应测量数据的聚集指数相同的测量数据得到,按照初始有效比的计算方法,左右两侧的方差根据进行计算,样本路径仅考虑截止该节点时尚未分割的其他测量数据进行计算,得到该节点的有效比记为该节点的第二有效比。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310112961.0A CN115840924B (zh) | 2023-02-15 | 2023-02-15 | 一种压力变送器测量数据智慧处理系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310112961.0A CN115840924B (zh) | 2023-02-15 | 2023-02-15 | 一种压力变送器测量数据智慧处理系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115840924A CN115840924A (zh) | 2023-03-24 |
CN115840924B true CN115840924B (zh) | 2023-04-28 |
Family
ID=85579683
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310112961.0A Active CN115840924B (zh) | 2023-02-15 | 2023-02-15 | 一种压力变送器测量数据智慧处理系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115840924B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116911806B (zh) * | 2023-09-11 | 2023-11-28 | 湖北华中电力科技开发有限责任公司 | 基于互联网+的电力企业能源信息管理系统 |
CN117056764B (zh) * | 2023-10-11 | 2024-01-09 | 唐山市南堡经济开发区航天万源新能源有限公司 | 一种发电机组智能保护方法及系统 |
CN117077044B (zh) * | 2023-10-18 | 2024-02-06 | 深圳市大易电气实业有限公司 | 一种发电机用真空断路器故障判别方法及装置 |
CN117312997B (zh) * | 2023-11-21 | 2024-03-08 | 乾程电力有限公司 | 一种电力管理系统智能诊断方法及系统 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108777873A (zh) * | 2018-06-04 | 2018-11-09 | 江南大学 | 基于加权混合孤立森林的无线传感网络异常数据检测方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3896543A1 (en) * | 2020-04-15 | 2021-10-20 | Siemens Aktiengesellschaft | Device for evaluating a classification made for a measured data point |
CN111784392A (zh) * | 2020-06-29 | 2020-10-16 | 中国平安财产保险股份有限公司 | 基于孤立森林的异常用户群组检测方法、装置、设备 |
CN114117134A (zh) * | 2021-11-09 | 2022-03-01 | 南京星云数字技术有限公司 | 一种异常特征检测方法、装置、设备和计算机可读介质 |
-
2023
- 2023-02-15 CN CN202310112961.0A patent/CN115840924B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108777873A (zh) * | 2018-06-04 | 2018-11-09 | 江南大学 | 基于加权混合孤立森林的无线传感网络异常数据检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN115840924A (zh) | 2023-03-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115840924B (zh) | 一种压力变送器测量数据智慧处理系统 | |
CN117093879B (zh) | 一种数据中心智能化运营管理方法及系统 | |
CN108692711B (zh) | 基于低空探空火箭的海洋数据处理的实现方法 | |
CN107644148B (zh) | 一种基于多参数关联的在轨卫星异常状态监测方法及系统 | |
CN104921736A (zh) | 一种包含参数估计功能滤波模块的连续血糖监测设备 | |
CN103961066B (zh) | 一种测温方法及测温装置 | |
CN116592951A (zh) | 一种电缆数据智能采集方法及系统 | |
CN116881745A (zh) | 基于大数据的压力变送器异常监测方法 | |
CN116337944A (zh) | 用于山体滑坡监测的高密度电法测量系统 | |
KR102575917B1 (ko) | 클라우드 기반 가상 센서를 이용한 IoT 센서 이상 진단 방법 및 시스템 | |
CN109374686B (zh) | 一种气体传感器 | |
CN117150244A (zh) | 基于电参数分析的智能配电柜状态监测方法及系统 | |
CN116401535B (zh) | 基于差分法的时序数据粗差识别方法及系统 | |
CN115951123B (zh) | 一种基于无线通信的电能计量方法及系统 | |
CN115342848A (zh) | 一种关于传感器异常数据的检测方法及装置 | |
CN114018468A (zh) | 一种数字输出大气压力传感器 | |
CN109556649B (zh) | 一种智能传感器的信号采集监测方法 | |
CN110533108A (zh) | 一种基于孤立森林算法的销量异常值检测方法 | |
CN110135731B (zh) | 实验室风险目标质量控制图绘制方法 | |
CN117892246B (zh) | 一种智能化开关柜用数据处理方法 | |
CN217304198U (zh) | 一种温度检测装置 | |
CN111521236B (zh) | 一种电子水尺测量自动纠错算法 | |
CN113108837A (zh) | 一种基于光纤传感器的电气设备故障检测方法 | |
CN117454283A (zh) | 一种用于风电机组运行检测数据的状态评估方法 | |
CN116718249A (zh) | 一种水利工程液位检测系统 |
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 |