CN115862301B - 一种用于压力变送器的远程智能通讯系统 - Google Patents

Abstract

本发明涉及数据处理领域，具体涉及一种用于压力变送器的远程智能通讯系统，所述系统包括数据采集模块、数据处理模块、传输模块、预警模块和存储模块；其中数据采集模块：采集得到压力数据序列、历史压力数据序列和压力临界值；数据处理模块：根据历史压力数据序列得到正常压力基准值；根据正常压力基准值得到各压力数据的判定系数；根据所述判定系数得到各压力数据的异常分析权重；根据异常分析权重得到各压力数据的异常趋势累计值；根据各压力数据的异常趋势累计值得到各压力数据的决策值；传输模块：根据所述决策值进行传输处理；预警模块：根据所述决策值进行预警处理；存储模块：根据所述决策值进行存储处理。

Description

一种用于压力变送器的远程智能通讯系统

技术领域

本申请涉及数据处理领域，具体涉及一种用于压力变送器的远程智能通讯系统。

背景技术

在生活中经常需要检测介质的压力，尤其是在工业方面，介质的压力检测应用更加的广泛。一般通过相关传感器来对介质进行压力检测，压力变送器是一种常用的压力检测传感器，其不仅可以在不同环境下均能对介质进行压力检测，同时还能将检测得到压力数据实时传输给终端系统。

现有的压力变送器无法通过分析所测介质的实时压力数据来提前预知风险，仅仅只是当压力数据超过预设临界数据时进行报警处理，这种方式属于滞后性处理，只能在事件发生之后进行处理，即在发生了相应的损失之后进行补救，而无法对其进行预先处理，极易造成相应财产的损失。本发明通过对压力变送器建立远程智能通信系统，利用系统中的数据分析模块对数据采集模块得到的实时压力数据的异常趋势累计发展情况进行分析来提前预测出风险，即在压力变送器所采集的实时数据还未到达临界数据时，就能提前预警并发送异常数据，从而减少损失。

发明内容

为了解决上述技术问题，本发明提供一种用于压力变送器的远程智能通讯系统，所述系统包括：

数据采集模块、数据处理模块、传输模块、预警模块和存储模块；

数据采集模块：采集得到压力数据序列、历史压力数据序列和压力临界值，压力数据序列是由压力数据构成；

数据处理模块：根据历史压力数据序列得到正常压力数据集合，根据正常压力数据集合得到正常压力基准值；根据正常压力基准值和压力数据序列得到各压力数据的判定系数；

根据各压力数据的判定系数得到各压力数据的异常延续数据序列，根据各压力数据的异常延续数据序列的长度和各压力数据偏离压力临界值的大小得到各压力数据的异常分析权重；根据各压力数据的异常分析权重、判定系数、异常延续数据序列、压力临界值和正常压力基准值得到各压力数据的异常趋势累计值；

根据各压力数据的异常趋势累计值得到各压力数据的决策值；

传输模块：当压力数据的决策值等于1时，将压力数据的异常延续数据序列传输至预警中心；

预警模块：当压力数据的决策值等于1时，在压力数据对应时刻发出预警警报；

存储模块：当压力数据的决策值等于0时，将压力数据存储在计算机内存中。

优选的，所述根据历史压力数据序列得到正常压力数据集合，包括的具体步骤为：

利用密度聚类算法来对历史压力数据序列中的所有历史压力数据进行聚类处理得到多个类别，获取包含数据个数最多的类别记为最大类别，将最大类别中所有历史压力数据构成的集合称为正常压力数据集合。

优选的，所述根据正常压力数据集合得到正常压力基准值，包括的具体步骤为：

正常压力基准值的计算公式为：

其中,表示正常压力数据集合中包含的数据个数，表示正常压力集合中第i个正常压力数据，表示向下取整符号，表示正常压力基准值。

优选的，所述根据正常压力基准值和压力数据序列得到各压力数据的判定系数，包括的具体步骤为：

对各压力数据进行四舍五入取整处理得到各压力数据的整数数据；

根据各压力数据的整数数据得到各压力数据的判定系数：

其中，表示第k个压力数据的整数数据，表示正常压力基准值，表示第k个压力数据的判定系数。

优选的，所述根据各压力数据的判定系数得到各压力数据的异常延续数据序列，包括的具体步骤为：

对于压力数据序列，从各压力数据开始，往压力数据序列的逆时序方向搜索，获取判定系数均为1的连续不间断的多个压力数据，将多个压力数据按时序排列得到各压力数据的异常延续数据序列。

优选的，所述根据各压力数据的异常延续数据序列的长度和各压力数据偏离压力临界值的大小得到各压力数据的异常分析权重，包括的具体步骤为：

第k个压力数据的异常分析权值计算公式为：

其中，表示第k个压力数据的异常延续数据序列的长度，表示第k个压力数据，表示压力临界值，exp()表示以自然常数为底的指数函数，表示第k个压力数据的异常分析权值。

优选的，所述根据各压力数据的异常分析权重、判定系数、异常延续数据序列、压力临界值和正常压力基准值得到各压力数据的异常趋势累计值，包括的具体步骤为：

第k个压力数据的异常趋势累计值计算公式为：

其中，表示第k个压力数据的异常延续数据序列中的第i个压力数据，表示正常压力基准值，表示压力临界值，表示第k个压力数据的异常延续数据序列的长度，表示第k个压力数据的判定系数，表示第k个压力数据的异常延续数据序列中的第i个压力数据中异常分析权值，表示第k个压力数据的异常趋势累计值。

优选的，所述根据各压力数据的异常趋势累计值得到各压力数据的决策值，包括的具体步骤为：

第k个压力数据的决策值计算公式为：

其中，为调节参数，表示第k个压力数据的异常趋势累计值，表示第k个压力数据的决策值。

本发明实施例至少具有如下有益效果：考虑到介质的压力数据在多数情况下正常数据，因而根据历史压力数据得到正常压力数据集合，由于正常压力数据会围绕一个基准值小范围内浮动，因而根据正常压力数据集合得到正常压力基准值，根据各压力数据与正常压力基准值的差异情况得到各压力数据的判定系数，通过各压力数据的判定系数来反映各压力数据为异常数据的情况。对于压力数据序列，根据到各压力数据连续存在异常的情况和各压力数据偏离压力临界值的情况得到各压力数据的异常分析权值，通过异常分析权值来确定未来进行异常趋势分析时该压力数据的参考权重；结合各压力数据的参考权重和到各压力数据时异常趋势持续发展情况得到各压力数据的异常趋势累计值，通过异常趋势累加值来反映到压力数据时异常趋势持续变化情况，根据各压力数据的异常趋势累计值得到各压力数据的决策值，根据各压力数据的决策值来进行风险预警。本实施例中的所述方法能够根据异常发展持续发展趋势情况来提前预知介质的压力风险，能够提前规避风险。

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和优点，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的介绍，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的前提下，还可以根据这些附图获得其它附图。

图1为本发明提供的一种用于压力变送器的远程智能通讯方法的流程图。

具体实施方式

为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种用于压力变送器的远程智能通讯系统，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。

除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。

下面结合附图具体的说明本发明所提供的一种用于压力变送器的远程智能通讯系统的具体方案。

本发明一个实施例提供的一种用于压力变送器的远程智能通讯系统，该系统包含数据采集模块、数据处理模块、传输模块、预警模块和存储模块；其中数据采集模块：采集得到压力数据序列和历史压力数据序列；数据处理模块：通过对压力数据序列和历史压力数据序列进行分析得到各压力数据的决策值；传输模块：根据各压力数据的决策值进行传输处理；预警模块：根据各压力数据的决策值进行预警处理；存储模块：根据各压力数据的决策值进行存储处理。

具体的，本实施例的一种用于压力变送器的远程智能通讯系统提供了如下的一种用于压力变送器的远程智能通讯方法，请参阅图1，该方法包括以下步骤：

步骤S001，利用压力变送器采集介质的压力数据得到压力数据序列，获取历史压力数据序列。

为了分析介质压力的风险情况，需采集介质的压力数据，压力变送器作为一种常用的介质压力监测传感器，需利用压力变送器来采集介质的压力数据。

采集介质压力数据得到压力数据序列：在介质上选择一个位置安装压力变送器，安装压力变送器的位置可根据实际需求设定，利用压力变送器实时采集介质的压力数据，测量介质压力的压力变送器的具体型号可根据实际需求选择，每间隔T记录一次压力数据，共记录K次，得到长度为K的压力数据序列，本实施例中T取1s，K取60，其他实施例中实施者可根据实际设置。

获取历史压力数据序列：在以往采集的历史压力数据中随机截取长度为N的数据序列记为历史压力数据序列，本实施例中N取10000，其他实施例中实施者可根据实际设置。

步骤S002，根据历史压力数据序列得到正常压力数据集合，根据正常压力数据集合得到正常压力基准值，根据正常压力基准值得到各压力数据的判定系数。

传统压力变送器的危险预警判断，一般是通过判断实时采集的压力数据是否超过压力临界值，当压力数据超出压力临界值时，将认为介质压力存在风险，发出预警警报，当压力数据未超出压力临界值时，则认为介质压力正常，没有存在风险，则不发出预警警报，但是这种预警方式一般是在已经发生危险时，才能进行风险预警，这是一种事后预警模式，只能事后补救，这中无法提前感知风险存在，无法进行提前预警，因而无法做到危险防范。

由于介质在产生压力风险前是存在一个演变过程，即从一个正常状态通过一系列连续的演变才到达风险状态，这个演变过程通过压力数据的体现是，从一个正常压力值通过一个异常发展趋势最终达到压力临界值。因为为了实现事前预警，需通过分析压力数据的异常发展趋势情况来进行判定未来是否存在压力风险，进行分析的具体过程如下：

1、获取正常压力基准值：

要对压力数据进行异常分析，需获取一个正常压力基准值，然后基于正常压力基准值对采集的压力数据进行异常分析。

(1)获取正常压力数据集合：

由于在正常情况下介质一般处于安全状态，即历史压力数据序列中大多数数据为正常压力数据，因而基于此来获取正常压力数据集合，具体如下：

利用密度聚类算法来对历史压力数据序列中的所有压力数据进行聚类处理得到多个类别，获取包含数据个数最多的类别记为最大类别，将最大类别中所有压力数据构成的集合称为正常压力数据集合，将正常压力集合中的各数据称为正常压力数据。

(2)确定正常压力基准值：

由于介质压力不存在风险时，正常压力数据会围绕一个正常压力基准值小范围浮动，因而需先获取这个正常压力基准值，具体如下：

其中,表示正常压力数据集合中包含的数据个数，表示正常压力集合中第i个正常压力数据；表示向下取整符号，表示将数据加上0.5后再向下取整，这样可以将进行四舍五入取整处理，防止数据取整造成的数据损失较大，例如当数据为5.1时，通过式中计算得到5，当数据为4.6时，通过式子计算得到也是5，因而通过该式子可以达到四舍五入的效果；表示正常压力基准值。

2、确定各压力数据的判定系数：

利用式子对压力数据序列中第k个压力数据进行四舍五入取整处理得到整数数据,同理对压力数据序列中各压力数据进行四舍五入取整处理得到各压力数据的整数数据。

确定各压力数据的判定系数为：

其中，表示第k个压力数据的整数数据，表示正常压力基准值，表示第k个压力数据的判定系数，当取1时，说明第k个压力数据为异常数据的可能性较大，当取0时，说明第k个压力数据为正常数据的可能性较大。

至此，得到各压力数据的判定系数，通过判定系数可初步反映各压力数据为异常数据的情况，在获取各压力数据的判定系数时，考虑到介质压力在多数情况下是不存在风险的，因而根据历史压力数据得到正常压力数据集合，根据正常压力数据集合得到正常压力基准值，利用正常压力基准值来确定各压力数据的判定系数。

步骤S003，根据各压力数据的判定系数得到各压力数据的异常分析权值，根据各压力数据的异常分析权值得到各压力数据的异常趋势累计值。

通过上述步骤实现了对各压力数据的初步异常判定，下面需基于各压力数据的初步判定结果对各压力数据的异常趋势进行分析得到各压力数据的异常趋势累计值。

由于介质压力出现风险前会存在一个异常演变过程，即介质压力从正常压力数据，通过异常趋势变化逐渐发展成异常压力临界值，因而下面需分析各压力数据的异常趋势情况来构建异常趋势分析模型得到各压力数据的异常趋势累计值。

1、确定各压力数据的异常分析权值：

由于当压力数据初步判定为异常数据的可能性较大时，并且在该压力数据的前面存在连续的多个判定为异常的压力数据，因而该压力数据为异常数据的可能性较大，因而进行异常趋势分析时，更多的参考该压力数据的异常情况，即该压力数据的异常分析权值较大，因而基于此来获取各压力数据的异常分析权值，具体如下：

将压力数据序列中各压力数据利用各压力数据的判定系数替换得到压力数据序列的判定系数序列；

对于压力数据序列，从各压力数据开始，往压力数据序列的逆时序方向搜索，获取判定系数均为1的连续不间断的多个压力数据，将多个压力数据按时序排列得到各压力数据的异常延续数据序列，例如，压力数据序列[3,8,10]的判定系数序列为[0,1,1]，第一个压力数据3本身的判定系数为0，所以该压力数据开始不存在判定系数为1的连续不间断的压力数据，因而该压力数据序列不存在异常延续数据序列，因而该数据的异常延续数据序列长度为0,第二个压力数据8的判定系数为1，从该压力数据出发，往逆时序方向搜索，获取连续不间断的判定系数为1的压力数据8，将压力数据8构成序列[8]称为第二个压力数据的异常延续数据序列,第3个压力数据10的判定系数为1，从该压力数据出发，往逆时序方向搜索，获取连续不间断的判定系数为1的压力数据10，8，将压力数据构成的数据序列[8,10]称为第三个压力数据的异常延续序列。

根据经验获取临界压力值，本实施例中MM取1000千帕。

各压力数据的异常分析权值计算公式为：

其中，表示第k个压力数据的异常延续数据序列的长度，该值越大说明压力数据序列中，截止到第k个压力数据时连续不间断的存在多个异常程度较高压力数据，说明到该压力数据时异常情况持续时间较长，因而到该压力数据时出现压力风险的概率较大，因而第k个压力数据的参考权重较大；表示第k个压力数据，表示压力临界数据，当压力数据超出压力临界数据时，就说明介质存在压力风险了；反映了第k个压力数据与压力临界值的距离，该值越小说明第k个压力数据越接近压力邻接值，因而第k个压力数据越异常，因而第k个压力数据的异常分析权值越大；exp()表示以自然常数为底的指数函数，表示第k个压力数据的异常分析权值。

利用softmax归一化函数对各压力数据进行归一化处理得到归一化后的各压力数据的异常分析权值，为了便于描述，后续将归一化后的各压力数据的异常分析权值称为各压力数据的异常分析权值。

将第k个压力数据的异常延续数据序列中的第i个压力数据记为,其中与压力数据序列中第s个压力数据为同一个压力数据，因而将压力数据的异常分析权值作为压力数据的异常分析权值，为了便于描述将压力数据的异常分析权值记为。

2、构建异常趋势分析模型，确定各压力数据的异常趋势累计值：

根据各压力数据前面的异常趋势情况构建异常趋势分析模型为：

其中，表示第k个压力数据的异常延续数据序列中的第i个压力数据，表示正常压力基准值，表示压力临界值，该值反映了压力风险发生时的压力临界值，超出该值则说明介质存在压力风险；表示第k个压力数据的异常延续数据序列的长度，该值越大说明截止到第k个压力数据时连续不间断的存在多个异常程度较高的压力数据，说明到该压力数据时异常情况持续时间较长，因而到该压力数据时出现压力风险的概率较大；表示第k个压力数据的判定系数，通过该值能够将异常程度较小的压力数据，即判定系数为0的压力数据，的异常趋势累计值的取值调整为0，这样可以防止风险误判；表示第k个压力数据的异常延续数据序列中的第i个压力数据中异常分析权值，该值越大说明该压力数据的异常可能性越大，因而进行异常分析时，越应该参考该压力数据；表示第k个压力数据与正常压力基准值的距离，该值越大说明第k个压力数据距离正常压力取值较远，因而第k个压力数据的异常程度越大，表示压力临界值与正常压力数据的距离，反映了第k个压力数据与正常压力数据的距离相较于压力临界值与正常压力数据之间距离的比例，该式子反映了第k个压力数据的异常偏离程度，反映了第k个压力数据的异常延续数据序列中所有压力数据的异常偏离程度累加和，该式子反映了截止到第k个压力数据时连续异常发展趋势情况，该值越大说明第k个压力数据之前存在一段持续的异常趋势变化，并且这种异常趋势较为明显，因而第k个压力数据的异常趋势累计值越大，说明未来发生压力风险的可能性较大，越需要进行预警提醒；表示第k个压力数据的异常趋势累计值。

至此，得到各压力数据的异常趋势累计值，在获取压力数据的异常趋势累计值时考虑了各压力数据偏离压力临界值的情况以及到各压力数据时异常持续情况得到各压力数据的参考权重，然后结合截止到各压力数据时异常趋势持续变化的累加情况得到各压力数据的异常趋势累计值。

步骤S004，根据各压力数据的异常趋势累计值得到各压力数据的决策值，根据决策值进行相应处理。

1、确定各压力数据的决策值：

其中，为调节参数，通过该数据来决定预警的提前程度，本实施例中取0，表示第k个压力数据的异常趋势累计值，该值越大说明到第k个压力数据之前存在一段持续的异常趋势变化，并且这种异常趋势变化较为明显，因而未来出现压力风险的可能性较大，表示表示第k个压力数据的决策值。

2、根据各压力数据的决策值进行相应处理：

当压力数据的决策值为1时，在该压力数据对应时刻发出预警警报，同时将该压力数据的异常延续数据序列通过远程通讯传输给预警中心，当压力数据的决策值为0时，不发出预警警报，同时将该压力数据存储在计算机存储模块。

综上所述，本发明实施例提供了一种用于通信柜的温度异常远程监测系统，考虑到介质的压力数据在多数情况下正常数据，因而根据历史压力数据得到正常压力数据集合，由于正常压力数据会围绕一个基准值小范围内浮动，因而根据正常压力数据集合得到正常压力基准值，根据各压力数据与正常压力基准值的差异情况得到各压力数据的判定系数，通过各压力数据的判定系数来反映各压力数据为异常数据的情况。对于压力数据序列，根据到各压力数据连续存在异常的情况和各压力数据偏离压力临界值的情况得到各压力数据的异常分析权值，通过异常分析权值来确定未来进行异常趋势分析时该压力数据的参考权重；结合各压力数据的参考权重和到各压力数据时异常趋势持续发展情况得到各压力数据的异常趋势累计值，通过异常趋势累加值来反映到压力数据时异常趋势持续变化情况，根据各压力数据的异常趋势累计值得到各压力数据的决策值，根据各压力数据的决策值来进行风险预警。本实施例中的所述方法能够根据异常发展持续发展趋势情况来提前预知介质的压力风险，能够提前规避风险。

需要说明的是：上述本发明实施例先后顺序仅仅为了描述，不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的原则之内，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 (2)

1.一种用于压力变送器的远程智能通讯系统，其特征在于，所述系统包括：

数据采集模块、数据处理模块、传输模块、预警模块和存储模块；

数据采集模块：采集得到压力数据序列、历史压力数据序列和压力临界值，压力数据序列是由压力数据构成；

数据处理模块：根据历史压力数据序列得到正常压力数据集合，根据正常压力数据集合得到正常压力基准值；根据正常压力基准值和压力数据序列得到各压力数据的判定系数；

根据各压力数据的判定系数得到各压力数据的异常延续数据序列，根据各压力数据的异常延续数据序列的长度和各压力数据偏离压力临界值的大小得到各压力数据的异常分析权重；根据各压力数据的异常分析权重、判定系数、异常延续数据序列、压力临界值和正常压力基准值得到各压力数据的异常趋势累计值；

根据各压力数据的异常趋势累计值得到各压力数据的决策值；

传输模块：当压力数据的决策值等于1时，将压力数据的异常延续数据序列传输至预警中心；

预警模块：当压力数据的决策值等于1时，在压力数据对应时刻发出预警警报；

存储模块：当压力数据的决策值等于0时，将压力数据存储在计算机内存中；

所述根据历史压力数据序列得到正常压力数据集合，包括的具体步骤为：

利用密度聚类算法来对历史压力数据序列中的所有历史压力数据进行聚类处理得到多个类别，获取包含数据个数最多的类别记为最大类别，将最大类别中所有历史压力数据构成的集合称为正常压力数据集合；

所述根据正常压力数据集合得到正常压力基准值，包括的具体步骤为：

正常压力基准值的计算公式为：

其中,表示正常压力数据集合中包含的数据个数，表示正常压力集合中第i个正常压力数据，表示向下取整符号，表示正常压力基准值；

所述根据正常压力基准值和压力数据序列得到各压力数据的判定系数，包括的具体步骤为：

对各压力数据进行四舍五入取整处理得到各压力数据的整数数据；

根据各压力数据的整数数据得到各压力数据的判定系数：

其中，表示第k个压力数据的整数数据，表示正常压力基准值，表示第k个压力数据的判定系数；

所述根据各压力数据的判定系数得到各压力数据的异常延续数据序列，包括的具体步骤为：

对于压力数据序列，从各压力数据开始，往压力数据序列的逆时序方向搜索，获取判定系数均为1的连续不间断的多个压力数据，将多个压力数据按时序排列得到各压力数据的异常延续数据序列；

所述根据各压力数据的异常延续数据序列的长度和各压力数据偏离压力临界值的大小得到各压力数据的异常分析权重，包括的具体步骤为：

第k个压力数据的异常分析权值计算公式为：

其中，表示第k个压力数据的异常延续数据序列的长度，表示第k个压力数据，表示压力临界值，exp()表示以自然常数为底的指数函数，表示第k个压力数据的异常分析权值；

所述根据各压力数据的异常分析权重、判定系数、异常延续数据序列、压力临界值和正常压力基准值得到各压力数据的异常趋势累计值，包括的具体步骤为：

第k个压力数据的异常趋势累计值计算公式为：

其中，表示第k个压力数据的异常延续数据序列中的第i个压力数据，表示正常压力基准值，表示压力临界值，表示第k个压力数据的异常延续数据序列的长度，表示第k个压力数据的判定系数，表示第k个压力数据的异常延续数据序列中的第i个压力数据中异常分析权值，表示第k个压力数据的异常趋势累计值。

2.如权利要求1所述的一种用于压力变送器的远程智能通讯系统，其特征在于，所述根据各压力数据的异常趋势累计值得到各压力数据的决策值，包括的具体步骤为：

第k个压力数据的决策值计算公式为：

其中，为调节参数，表示第k个压力数据的异常趋势累计值，表示第k个压力数据的决策值。

Images