CN115982552B - 一种电子信号的处理方法及系统 - Google Patents
一种电子信号的处理方法及系统 Download PDFInfo
- Publication number
- CN115982552B CN115982552B CN202211634898.9A CN202211634898A CN115982552B CN 115982552 B CN115982552 B CN 115982552B CN 202211634898 A CN202211634898 A CN 202211634898A CN 115982552 B CN115982552 B CN 115982552B
- Authority
- CN
- China
- Prior art keywords
- electronic signal
- signal data
- analysis set
- fault
- weight
- 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
- 238000003672 processing method Methods 0.000 title abstract description 6
- 238000004458 analytical method Methods 0.000 claims abstract description 94
- 230000005856 abnormality Effects 0.000 claims abstract description 56
- 238000001914 filtration Methods 0.000 claims abstract description 30
- 238000000034 method Methods 0.000 claims abstract description 14
- 238000004364 calculation method Methods 0.000 claims description 5
- 239000000284 extract Substances 0.000 claims description 2
- 230000008030 elimination Effects 0.000 abstract description 3
- 238000003379 elimination reaction Methods 0.000 abstract description 3
- 238000005259 measurement Methods 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000004220 aggregation Methods 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
Landscapes
- Testing Electric Properties And Detecting Electric Faults (AREA)
Abstract
本申请涉及数据处理领域，尤其涉及一种电子信号的处理方法及系统，包括步骤：收集设备或系统产生的初始电子信号数据，并且对收集的初始电子信号数据滤除噪声；将滤除噪声后的电子信号数据，依据故障类别进行归类，并将归类后的电子信号数据集合，形成电子信号数据故障分析集；依据电子信号数据故障分析集中的电子信号数据得到该电子信号数据故障分析集的异常度；依据电子信号数据故障分析集的异常度和预测的异常度标准值，预测设备或系统是否发生相应的故障。本申请提供的电子信号的处理方法及系统，可以通过分析设备或系统产生的电子信号数据，预测到设备或系统接下来发生故障的可能，从而有助于提前排除故障，避免设备或系统突然发生故障。
Description
技术领域
本申请涉及数据处理领域，尤其涉及一种电子信号的处理方法及系统。
背景技术
在一个设备或者一套系统中，通常会持续产生不同的电子信号。例如：设备或系统的显示器的控制器中会持续产生大小不同的电压信号和大小不同的频率信号，来指明垂直同步、帧同步和色彩的信息。还例如：设备或系统的控制器中会持续产生高于某个电压值“被认为是“1””的数字信号和低于某个电压值“被认为是“0””的数字信号，以控制设备或系统的不同部件。
在设备或系统运行过程中，设备或系统经常会出现故障，而设备或系统一旦出现故障则会直接影响生产或工作。在设备或系统出现故障之前的一段时间内，设备或系统产生的部分电子信号会出现不同程度的异常，然而由于设备或系统产生的电子信号也难以直观的呈现给用户，因此用户无法从发生异常的电子信号中察觉设备或系统发生异常。
因此，如何通过监测设备或系统产生的电子信号，从而判断设备或系统是否发生故障，是目前本领域技术人员急需解决的技术问题。
发明内容
本申请提供了一种电子信号的处理方法及系统，以通过监测设备或系统产生的电子信号数据，从而判断设备或系统是否发生故障。
为解决上述技术问题，本申请提供如下技术方案：
一种电子信号的处理方法，包括如下步骤：步骤S110、收集设备或系统产生的初始电子信号数据，并且对收集的初始电子信号数据滤除噪声；步骤S120、将滤除噪声后的电子信号数据，依据故障类别进行归类，并将归类后的电子信号数据集合，形成电子信号数据故障分析集；步骤S130、依据电子信号数据故障分析集中的电子信号数据得到该电子信号数据故障分析集的异常度；步骤S140、依据得到的电子信号数据故障分析集的异常度和预测的异常度标准值，预测设备或系统是否发生相应的故障。
如上所述的电子信号的处理方法，其中，优选的是，将初始电子信号数据划分为多个滤波部分，对每个滤波部分分别滤除噪声。
如上所述的电子信号的处理方法，其中，优选的是，步骤S120包括如下子步骤：提取电子信号数据的特征值，并将电子信号的特征值集合，形成电子信号数据的特征值集；依据电子信号数据的特征值集，得到电子信号数据的归类权重；计算电子信号数据的归类权重与所有预设的类别权重之间的接近度，并将电子信号数据归类至最小接近度所对应的类别权重对应的类别中；将归入该类别中的所有电子信号数据集合，形成电子信号数据故障分析集。
如上所述的电子信号的处理方法，其特征在于，步骤S130包括如下子步骤：为电子信号数据故障分析集中的每个电子信号数据匹配故障影响权重；将匹配的故障影响权重集合，形成故障影响权重集；依据电子信号数据故障分析集和故障影响权重集，得到该电子信号数据故障分析集的异常度。
如上所述的电子信号的处理方法，其特征在于，步骤S140包括如下子步骤：若得到的电子信号数据故障分析集的异常度大于预测的异常度标准值，则设备或系统发生故障的几率较大，暂停设备或系统，以排查故障；若得到的电子信号数据故障分析集的异常度不大于预测的异常度标准值，则设备或系统发生故障的几率较小，继续运行设备或系统。
一种电子信号的处理系统，包括：噪声滤除单元、归类集合单元、异常度计算单元和故障预测单元；噪声滤除单元收集设备或系统产生的初始电子信号数据，并且对收集的初始电子信号数据滤除噪声；归类集合单元将滤除噪声后的电子信号数据，依据故障类别进行归类，并将归类后的电子信号数据集合，形成电子信号数据故障分析集；异常度计算单元依据电子信号数据故障分析集中的电子信号数据得到该电子信号数据故障分析集的异常度；故障预测单元依据得到的电子信号数据故障分析集的异常度和预测的异常度标准值，预测设备或系统是否发生相应的故障。
如上所述的电子信号的处理系统，其中，优选的是，噪声滤除单元将初始电子信号数据划分为多个滤波部分，对每个滤波部分分别滤除噪声。
如上所述的电子信号的处理系统，其中，优选的是，归类集合单元提取电子信号数据的特征值，并将电子信号的特征值集合，形成电子信号数据的特征值集，依据电子信号数据的特征值集，得到电子信号数据的归类权重，计算电子信号数据的归类权重与所有预设的类别权重之间的接近度，并将电子信号数据归类至最小接近度所对应的类别权重对应的类别中，将归入该类别中的所有电子信号数据集合，形成电子信号数据故障分析集。
如上所述的电子信号的处理系统，其中，优选的是，异常度计算单元为电子信号数据故障分析集中的每个电子信号数据匹配故障影响权重，将匹配的故障影响权重集合，形成故障影响权重集，依据电子信号数据故障分析集和故障影响权重集，得到该电子信号数据故障分析集的异常度。
如上所述的电子信号的处理系统，其中，优选的是，若故障预测单元得到的电子信号数据故障分析集的异常度大于预测的异常度标准值，则设备或系统发生故障的几率较大，暂停设备或系统，以排查故障；若故障预测单元得到的电子信号数据故障分析集的异常度不大于预测的异常度标准值，则设备或系统发生故障的几率较小，继续运行设备或系统。
相对上述背景技术，本申请所提供的电子信号的处理方法及系统，可以通过分析设备或系统产生的电子信号数据，可以预测到设备或系统接下来发生故障的可能，从而有助于提前排除故障，避免设备或系统突然发生故障。
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中记载的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的电子信号的处理方法的流程图；
图2是本申请实施例提供的电子信号的处理系统的示意图。
具体实施方式
下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能解释为对本发明的限制。
实施例一
请参阅图1，图1是本申请实施例提供的电子信号的处理方法的流程图。
本申请提供了一种电子信号的处理方法，包括如下步骤：
步骤S110、收集设备或系统产生的初始电子信号数据，并且对收集的初始电子信号数据滤除噪声；
由于收集的初始电子信号数据在实际测量中，难免会混入各种噪声，为了避免混入的噪声对电子信号数据的后续处理造成影响，因此在收集到初始电子信号数据后，需要对这些初始电子信号数据中的随机噪声进行滤除，或者对这些初始电子信号数据中偏离正常测量太大的离群误差进行滤除，以获得所需的电子信号数据。
将初始电子信号数据划分为多个滤波部分，对每个滤波部分分别滤除噪声。具体的，根据公式对初始电子信号数据x滤除噪声，其中，y(x)为对初始电子信号数据x滤除噪声后得到的所需电子信号数据，n为初始电子信号数据x的第n个滤波部分，m为初始电子信号数据x的所有滤波部分的数量，2a+1为滤波滑动窗口的大小，a为正整数。
步骤S120、将滤除噪声后的电子信号数据，依据故障类别进行归类，并将归类后的电子信号数据集合，形成电子信号数据故障分析集；
由于设备或系统会产生很多种类的电子信号数据，而监测设备或系统是否发生某个故障所需要的电子信号数据的种类是不同的，例如：判断设备或系统的显示器发生故障所需的电子信号数据有显示器的控制器的电压信号和频率信号，判断设备或系统的控制器发生故障所需的电子信号数据有设备或系统的控制器产生的电压信号。因此，在对初始电子信号数据滤除噪声后，需要依据故障的类别，将电子信号数据进行归类，从而可以通过归类后的一类电子信号数据，预测后续是否会发生该类故障。
具体的，提取电子信号数据的特征值，并将电子信号的特征值集合，形成电子信号数据的特征值集Ay(x)＝{Ay(x)1、Ay(x)2、…、Ay(x)j、…、Ay(x)J}，其中，Ay(x)为电子信号数据y(x)的特征值集，Ay(x)1为电子信号数据y(x)的第1个特征值，Ay(x)2为电子信号数据y(x)的第2个特征值，Ay(x)j为电子信号数据y(x的第j个特征值，Ay(x)J为电子信号数据y(x)的第J个特征值。例如：特征值是电子信号数据的产生部件的属性、特征值是电子信号数据的类型值(例如：电压、频率)等。
依据电子信号数据的特征值集Ay(x)，得到电子信号数据的归类权重By。具体的，依据公式计算得到电子信号数据y(x)的归类权重By(x)，其中，αj为Ay(x)j对电子信号数据y(x)的归类权重By(x)的贡献度。
计算电子信号数据的归类权重By(x)与所有预设的类别权重Cv之间的接近度，并将电子信号数据归类至最小接近度所对应的类别权重对应的类别中。具体的，依据公式计算得到电子信号数据的归类权重By(x)与所有预设的类别权重Cv之间的接近度S，V为所有预设的类别权重的数量。计算得到所有的接近度S后，将电子信号数据y(x)归类至最小接近度Smin所对应的类别权重对应的类别中。
将归入该类别中的所有电子信号数据集合，形成电子信号数据故障分析集Y＝{y1、y2、…、yt、…、yT}，其中，y1为电子信号数据故障分析集Y中的第1个电子信号数据，y2为电子信号数据故障分析集Y中的第2个电子信号数据，yt为电子信号数据故障分析集Y中的第t个电子信号数据，yT为电子信号数据故障分析集Y中的第T个电子信号数据，T为电子信号数据故障分析集Y中的电子信号数据的数量。通过不同的电子信号数据故障分析集，从而可以预测不同类别的故障的发生情况。
步骤S130、依据电子信号数据故障分析集中的电子信号数据得到该电子信号数据故障分析集的异常度；
为电子信号数据故障分析集Y中的每个电子信号数据{y1、y2、…、yt、…、yT}匹配故障影响权重{δ1、δ2、…、δt、…、δT}，以形成故障影响权重集δ＝{δ1、δ2、…、δt、…、δT}，其中，δ1为y1的故障影响权重，δ2为y2的故障影响权重，δt为yt的故障影响权重，δT为yT的故障影响权重，本申请中的故障影响权重是经验值。
依据电子信号数据故障分析集Y和故障影响权重集δ，得到该电子信号数据故障分析集的异常度其中，/>为电子信号数据故障分析集Y的异常度，ω为调整因子，是个经验值(取值0.954)。
步骤S140、依据得到的电子信号数据故障分析集的异常度和预测的异常度标准值，预测设备或系统是否发生相应的故障；
若得到的电子信号数据故障分析集Y的异常度大于预测的异常度标准值/>即：/>则认为设备或系统接下来发生电子信号数据故障分析集Y对应类型的故障的几率较大，此时应该暂停设备或系统，以排查该类型的故障；若得到的电子信号数据故障分析集Y的异常度/>不大于预测的异常度标准值/>即：/>则认为设备或系统接下来发生电子信号数据故障分析集Y对应类型的故障的几率较小，此时不必暂停设备或系统。
本申请中通过分析设备或系统产生的电子信号数据，可以预测到设备或系统接下来发生故障的可能，从而有助于提前排除故障，避免设备或系统突然发生故障。
实施例二
请参阅图2，图2是本申请实施例提供的电子信号的处理系统的示意图。
本申请提供了一种电子信号的处理系统200，包括：噪声滤除单元210、归类集合单元220、异常度计算单元230和故障预测单元240。
噪声滤除单元210收集设备或系统产生的初始电子信号数据，并且对收集的初始电子信号数据滤除噪声。
由于收集的初始电子信号数据在实际测量中，难免会混入各种噪声，为了避免混入的噪声对电子信号数据的后续处理造成影响，因此在收集到初始电子信号数据后，需要对这些初始电子信号数据中的随机噪声进行滤除，或者对这些初始电子信号数据中偏离正常测量太大的离群误差进行滤除，以获得所需的电子信号数据。
将初始电子信号数据划分为多个滤波部分，对每个滤波部分分别滤除噪声。具体的，根据公式对初始电子信号数据x滤除噪声，其中，y(x)为对初始电子信号数据x滤除噪声后得到的所需电子信号数据，n为初始电子信号数据x的第n个滤波部分，m为初始电子信号数据x的所有滤波部分的数量，2a+1为滤波滑动窗口的大小，a为正整数。
归类集合单元220将滤除噪声后的电子信号数据，依据故障类别进行归类，并将归类后的电子信号数据集合，形成电子信号数据故障分析集。
由于设备或系统会产生很多种类的电子信号数据，而监测设备或系统是否发生某个故障所需要的电子信号数据的种类是不同的，例如：判断设备或系统的显示器发生故障所需的电子信号数据有显示器的控制器的电压信号和频率信号，判断设备或系统的控制器发生故障所需的电子信号数据有设备或系统的控制器产生的电压信号。因此，在对初始电子信号数据滤除噪声后，需要依据故障的类别，将电子信号数据进行归类，从而可以通过归类后的一类电子信号数据，预测后续是否会发生该类故障。
具体的，提取电子信号数据的特征值，并将电子信号的特征值集合，形成电子信号数据的特征值集Ay(x)＝{Ay(x)1、Ay(x)2、…、Ay(x)j、…、Ay(x)J}，其中，Ay(x)为电子信号数据y(x)的特征值集，Ay(x)1为电子信号数据y(x)的第1个特征值，Ay(x)2为电子信号数据y(x)的第2个特征值，Ay(x)j为电子信号数据y(x的第j个特征值，Ay(x)J为电子信号数据y(x)的第J个特征值。例如：特征值是电子信号数据的产生部件的属性、特征值是电子信号数据的类型值(例如：电压、频率)等。
依据电子信号数据的特征值集Ay(x)，得到电子信号数据的归类权重By。具体的，依据公式计算得到电子信号数据y(x)的归类权重By(x)，其中，αj为Ay(x)j对电子信号数据y(x)的归类权重By(x)的贡献度。
计算电子信号数据的归类权重By(x)与所有预设的类别权重Cv之间的接近度，并将电子信号数据归类至最小接近度所对应的类别权重对应的类别中。具体的，依据公式计算得到电子信号数据的归类权重By(x)与所有预设的类别权重Cv之间的接近度S，V为所有预设的类别权重的数量。计算得到所有的接近度S后，将电子信号数据y(x)归类至最小接近度Smin所对应的类别权重对应的类别中。
将归入该类别中的所有电子信号数据集合，形成电子信号数据故障分析集Y＝{y1、y2、…、yt、…、yT}，其中，y1为电子信号数据故障分析集Y中的第1个电子信号数据，y2为电子信号数据故障分析集Y中的第2个电子信号数据，yt为电子信号数据故障分析集Y中的第t个电子信号数据，yT为电子信号数据故障分析集Y中的第T个电子信号数据，T为电子信号数据故障分析集Y中的电子信号数据的数量。通过不同的电子信号数据故障分析集，从而可以预测不同类别的故障的发生情况。
异常度计算单元230依据电子信号数据故障分析集中的电子信号数据得到该电子信号数据故障分析集的异常度。
为电子信号数据故障分析集Y中的每个电子信号数据{y1、y2、…、yt、…、yT}匹配故障影响权重{δ1、δ2、…、δt、…、δT}，以形成故障影响权重集δ＝{δ1、δ2、…、δt、…、δT}，其中，δ1为y1的故障影响权重，δ2为y2的故障影响权重，δt为yt的故障影响权重，δT为yT的故障影响权重，本申请中的故障影响权重是经验值。
依据电子信号数据故障分析集Y和故障影响权重集δ，得到该电子信号数据故障分析集的异常度其中，/>为电子信号数据故障分析集Y的异常度，ω为调整因子，是个经验值(取值0.954)。
故障预测单元240依据得到的电子信号数据故障分析集的异常度和预测的异常度标准值，预测设备或系统是否发生相应的故障。
若得到的电子信号数据故障分析集Y的异常度大于预测的异常度标准值/>即：/>则认为设备或系统接下来发生电子信号数据故障分析集Y对应类型的故障的几率较大，此时应该暂停设备或系统，以排查该类型的故障；若得到的电子信号数据故障分析集Y的异常度/>不大于预测的异常度标准值/>即：/>则认为设备或系统接下来发生电子信号数据故障分析集Y对应类型的故障的几率较小，此时不必暂停设备或系统。
本申请中通过分析设备或系统产生的电子信号数据，可以预测到设备或系统接下来发生故障的可能，从而有助于提前排除故障，避免设备或系统突然发生故障。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。
Claims (6)
1.一种电子信号的处理方法，其特征在于，包括如下步骤：
步骤S110、收集设备或系统产生的初始电子信号数据，并且对收集的初始电子信号数据滤除噪声；
步骤S120、将滤除噪声后的电子信号数据，依据故障类别进行归类，并将归类后的电子信号数据集合，形成电子信号数据故障分析集；
步骤S120包括如下子步骤：
提取电子信号数据的特征值，并将电子信号的特征值集合，形成电子信号数据的特征值集Ay(x)＝{Ay(x)1、Ay(x)2、…、Ay(x)j、…、Ay(x)J}，其中，Ay(x)为电子信号数据y(x)的特征值集，Ay(x)1为电子信号数据y(x)的第1个特征值，Ay(x)2为电子信号数据y(x)的第2个特征值，Ay(x)j为电子信号数据y(x)的第j个特征值，Ay(x)J为电子信号数据y(x)的第J个特征值；
依据电子信号数据的特征值集，得到电子信号数据的归类权重；
依据公式计算得到电子信号数据y(x)的归类权重By(x)，其中，αj为Ay(x)j对电子信号数据y(x)的归类权重By(x)的贡献度；
计算电子信号数据的归类权重与所有预设的类别权重之间的接近度，并将电子信号数据归类至最小接近度所对应的类别权重对应的类别中；
依据公式计算得到电子信号数据的归类权重By(x)与所有预设的类别权重Cv之间的接近度S，V为所有预设的类别权重的数量；计算得到所有的接近度S后，将电子信号数据y(x)归类至最小接近度Smin所对应的类别权重对应的类别中；
将归入该类别中的所有电子信号数据集合，形成电子信号数据故障分析集Y＝{y1、y2、…、yt、…、yT}，其中，y1为电子信号数据故障分析集Y中的第1个电子信号数据，y2为电子信号数据故障分析集Y中的第2个电子信号数据，yt为电子信号数据故障分析集Y中的第t个电子信号数据，yT为电子信号数据故障分析集Y中的第T个电子信号数据，T为电子信号数据故障分析集Y中的电子信号数据的数量；
步骤S130、依据电子信号数据故障分析集中的电子信号数据得到该电子信号数据故障分析集的异常度；
步骤S130包括如下子步骤：
为电子信号数据故障分析集中的每个电子信号数据{y1、y2、…、yt、…、yT}匹配故障影响权重{δ1、δ2、…、δt、…、δT}；
将匹配的故障影响权重集合，形成故障影响权重集δ＝{δ1、δ2、…、δt、…、δT}，其中，δ1为y1的故障影响权重，δ2为y2的故障影响权重，δt为yt的故障影响权重，δT为yT的故障影响权重；
依据电子信号数据故障分析集Y和故障影响权重集δ，得到该电子信号数据故障分析集的异常度其中，/>为电子信号数据故障分析集Y的异常度，ω为调整因子；
步骤S140、依据得到的电子信号数据故障分析集的异常度和预测的异常度标准值，预测设备或系统是否发生相应的故障。
2.根据权利要求1所述的电子信号的处理方法，其特征在于，将初始电子信号数据划分为多个滤波部分，对每个滤波部分分别滤除噪声。
3.根据权利要求1或2所述的电子信号的处理方法，其特征在于，步骤S140包括如下子步骤：
若得到的电子信号数据故障分析集的异常度大于预测的异常度标准值，则设备或系统发生故障的几率较大，暂停设备或系统，以排查故障；
若得到的电子信号数据故障分析集的异常度不大于预测的异常度标准值，则设备或系统发生故障的几率较小，继续运行设备或系统。
4.一种电子信号的处理系统，其特征在于，包括：噪声滤除单元、归类集合单元、异常度计算单元和故障预测单元；
噪声滤除单元收集设备或系统产生的初始电子信号数据，并且对收集的初始电子信号数据滤除噪声；
归类集合单元将滤除噪声后的电子信号数据，依据故障类别进行归类，并将归类后的电子信号数据集合，形成电子信号数据故障分析集；
归类集合单元提取电子信号数据的特征值，并将电子信号的特征值集合，形成电子信号数据的特征值集Ay(x)＝{Ay(x)1、Ay(x)2、…、Ay(x)j、…、Ay(x)J}，其中，Ay(x)为电子信号数据y(x)的特征值集，Ay(x)1为电子信号数据y(x)的第1个特征值，Ay(x)2为电子信号数据y(x)的第2个特征值，Ay(x)j为电子信号数据y(x)的第j个特征值，Ay(x)J为电子信号数据y(x)的第J个特征值；
依据电子信号数据的特征值集，得到电子信号数据的归类权重；
依据公式计算得到电子信号数据y(x)的归类权重By(x)，其中，αj为Ay(x)j对电子信号数据y(x)的归类权重By(x)的贡献度；
计算电子信号数据的归类权重与所有预设的类别权重之间的接近度，并将电子信号数据归类至最小接近度所对应的类别权重对应的类别中；
依据公式计算得到电子信号数据的归类权重By(x)与所有预设的类别权重Cv之间的接近度S，V为所有预设的类别权重的数量；计算得到所有的接近度S后，将电子信号数据y(x)归类至最小接近度Smin所对应的类别权重对应的类别中；
将归入该类别中的所有电子信号数据集合，形成电子信号数据故障分析集Y＝{y1、y2、…、yt、…、yT}，其中，y1为电子信号数据故障分析集Y中的第1个电子信号数据，y2为电子信号数据故障分析集Y中的第2个电子信号数据，yt为电子信号数据故障分析集Y中的第t个电子信号数据，yT为电子信号数据故障分析集Y中的第T个电子信号数据，T为电子信号数据故障分析集Y中的电子信号数据的数量；
异常度计算单元依据电子信号数据故障分析集中的电子信号数据得到该电子信号数据故障分析集的异常度；
异常度计算单元为电子信号数据故障分析集中的每个电子信号数据{y1、y2、…、yt、…、yT}匹配故障影响权重{δ1、δ2、…、δt、…、δT}；
将匹配的故障影响权重集合，形成故障影响权重集δ＝{δ1、δ2、…、δt、…、δT}，其中，δ1为y1的故障影响权重，δ2为y2的故障影响权重，δt为yt的故障影响权重，δT为yT的故障影响权重；
依据电子信号数据故障分析集Y和故障影响权重集δ，得到该电子信号数据故障分析集的异常度其中，/>为电子信号数据故障分析集Y的异常度，ω为调整因子；
故障预测单元依据得到的电子信号数据故障分析集的异常度和预测的异常度标准值，预测设备或系统是否发生相应的故障。
5.根据权利要求4所述的电子信号的处理系统，其特征在于，噪声滤除单元将初始电子信号数据划分为多个滤波部分，对每个滤波部分分别滤除噪声。
6.根据权利要求4或5所述的电子信号的处理系统，其特征在于，若故障预测单元得到的电子信号数据故障分析集的异常度大于预测的异常度标准值，则设备或系统发生故障的几率较大，暂停设备或系统，以排查故障；
若故障预测单元得到的电子信号数据故障分析集的异常度不大于预测的异常度标准值，则设备或系统发生故障的几率较小，继续运行设备或系统。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211634898.9A CN115982552B (zh) | 2022-12-19 | 2022-12-19 | 一种电子信号的处理方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211634898.9A CN115982552B (zh) | 2022-12-19 | 2022-12-19 | 一种电子信号的处理方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115982552A CN115982552A (zh) | 2023-04-18 |
| CN115982552B true CN115982552B (zh) | 2023-10-20 |
Family
ID=85971620
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211634898.9A Active CN115982552B (zh) | 2022-12-19 | 2022-12-19 | 一种电子信号的处理方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115982552B (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110349289A (zh) * | 2019-06-21 | 2019-10-18 | 东软集团股份有限公司 | 故障预测方法、装置、存储介质和电子设备 |
| CN110781612A (zh) * | 2019-11-14 | 2020-02-11 | 哈工大机器人（山东）智能装备研究院 | 滚珠丝杠的故障诊断方法、装置、计算机设备和存储介质 |
| CN114004306A (zh) * | 2021-11-10 | 2022-02-01 | 嘉应学院 | 一种基于物联网多维度数据的设备故障评估系统及其方法 |
| CN115372816A (zh) * | 2022-10-25 | 2022-11-22 | 华能辛店发电有限公司 | 基于数据分析的配电开关设备运行故障预测系统及方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8861110B2 (en) * | 2011-08-23 | 2014-10-14 | Nec Corporation | Failure prediction method and failure prediction system |
-
2022
- 2022-12-19 CN CN202211634898.9A patent/CN115982552B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110349289A (zh) * | 2019-06-21 | 2019-10-18 | 东软集团股份有限公司 | 故障预测方法、装置、存储介质和电子设备 |
| CN110781612A (zh) * | 2019-11-14 | 2020-02-11 | 哈工大机器人（山东）智能装备研究院 | 滚珠丝杠的故障诊断方法、装置、计算机设备和存储介质 |
| CN114004306A (zh) * | 2021-11-10 | 2022-02-01 | 嘉应学院 | 一种基于物联网多维度数据的设备故障评估系统及其方法 |
| CN115372816A (zh) * | 2022-10-25 | 2022-11-22 | 华能辛店发电有限公司 | 基于数据分析的配电开关设备运行故障预测系统及方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115982552A (zh) | 2023-04-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110703214B (zh) | 一种气象雷达状态评估和故障监测方法 | |
| KR101797402B1 (ko) | 기계 결함 진단 방법 및 장치 | |
| KR102627062B1 (ko) | 비정상 장비 트레이스 검출 및 분류 | |
| CN104471542B (zh) | 用于状态监视中流动的传感器数据的分类的判别隐卡尔曼滤波器 | |
| CN111309565B (zh) | 告警处理方法、装置、电子设备以及计算机可读存储介质 | |
| CN111262750B (zh) | 一种用于评估基线模型的方法及系统 | |
| JP6200833B2 (ja) | プラントと制御装置の診断装置 | |
| WO2002086726A1 (en) | Diagnostic systems and methods for predictive condition monitoring | |
| DE102014208034A1 (de) | Verfahren zum Bereitstellen von zuverlässigen Sensordaten | |
| CN115454778B (zh) | 大规模云网络环境下的时序指标异常智能监控系统 | |
| KR102356346B1 (ko) | 센서기반 미세먼지 정보 처리 고도화를 위한, 보간 및 이상데이터 탐지 및 수정 시스템 | |
| WO2012160637A1 (ja) | メッセージ判定装置およびメッセージ判定プログラム | |
| CN112116123A (zh) | 一种基于动态基线的智能告警方法和系统 | |
| CN113982850A (zh) | 融合高低频信号的风机综合健康分析方法及系统 | |
| CN115982552B (zh) | 一种电子信号的处理方法及系统 | |
| Hasani et al. | A machine learning suite for machine components’ health-monitoring | |
| CN111400114A (zh) | 基于深度递归网络大数据计算机系统故障检测方法及系统 | |
| WO2014031291A2 (en) | Fleet anomaly detection system and method | |
| JP7481976B2 (ja) | 異常スコア算出装置、異常スコア算出方法およびプログラム | |
| CN113612645A (zh) | 一种物联网数据处理方法及系统 | |
| CN108880881A (zh) | 一种云环境下资源监控的方法和装置 | |
| US11467214B2 (en) | Anomaly detection system and method for electric drives | |
| JP5336947B2 (ja) | バッチ式製造プロセスの監視方法及び監視装置 | |
| EP4009235A1 (en) | Medium voltage switching or controlgear monitoring system | |
| CN110309838A (zh) | 基于指数变换的视频检测区物体轮廓检测预处理方法 |
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 | ||
| OL01 | Intention to license declared | ||
| OL01 | Intention to license declared |