CN116400639A - 一种plc采集数据智能清洗方法及系统 - Google Patents

一种plc采集数据智能清洗方法及系统 Download PDF

Info

Publication number
CN116400639A
CN116400639A CN202310670687.9A CN202310670687A CN116400639A CN 116400639 A CN116400639 A CN 116400639A CN 202310670687 A CN202310670687 A CN 202310670687A CN 116400639 A CN116400639 A CN 116400639A
Authority
CN
China
Prior art keywords
adjacent
sequence
degree
abnormality
interval
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.)
Granted
Application number
CN202310670687.9A
Other languages
English (en)
Other versions
CN116400639B (zh
Inventor
陈帼鸾
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Foshan Interstellar Cloud Digital Technology Co ltd
Original Assignee
Foshan Interstellar Cloud Digital Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Foshan Interstellar Cloud Digital Technology Co ltd filed Critical Foshan Interstellar Cloud Digital Technology Co ltd
Priority to CN202310670687.9A priority Critical patent/CN116400639B/zh
Publication of CN116400639A publication Critical patent/CN116400639A/zh
Application granted granted Critical
Publication of CN116400639B publication Critical patent/CN116400639B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/10—Pre-processing; Data cleansing
    • G06F18/15—Statistical pre-processing, e.g. techniques for normalisation or restoring missing data
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
    • G05B19/05—Programmable logic controllers, e.g. simulating logic interconnections of signals according to ladder diagrams or function charts
    • G05B19/054—Input/output
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/10—Pre-processing; Data cleansing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/243—Classification techniques relating to the number of classes
    • G06F18/2433—Single-class perspective, e.g. one-against-all classification; Novelty detection; Outlier detection
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/10—Plc systems
    • G05B2219/11—Plc I-O input output
    • G05B2219/1144—Program, program I-O module
    • 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)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Probability & Statistics with Applications (AREA)
  • Automation & Control Theory (AREA)
  • Testing And Monitoring For Control Systems (AREA)

Abstract

本发明涉及数据处理技术领域，具体涉及一种PLC采集数据智能清洗方法及系统，包括：根据运行速度位置序列得到原始位置序列中每个位置的第一异常程度；相对运行速度偏差得到原始位置序列中每个位置的第二异常程度；根据速度变化关系得到原始位置序列中每个位置的第一影响程度；根据第一影响程度和第二异常程度得到原始位置序列中每个位置的第三异常程度；根据第一异常程度和第三异常程度得到原始位置序列中每个位置数据的最终异常程度；根据最终异常程度对原始序列每个位置数据进行清洗。本发明避免直接引入理想区间速度不变，提高所对应相邻位置异常分析的准确性，提高了数据清洗效率。

Description

一种PLC采集数据智能清洗方法及系统
技术领域
本发明涉及数据处理技术领域，具体涉及一种PLC采集数据智能清洗方法及系统。
背景技术
PLC(Programmable Logic Controller)是可编程逻辑控制器，是一种专门为在工业环境下应用而设计的数字运算操作电子系统。PLC主要包括数据采集与数据应用，随着工业物联网设备和解决方案的成熟，PLC数据采集可以借助工业智能网关实现数据上云，通过手机或电脑就能对PLC进行远程监控预警，比如在机器人匀速运行过程中，可以通过PLC采集机器人的运行位置，实现机器精准控制与监测。但是机器人在匀速运行过程中可能因外界或内部异常问题使其在某一段的运行路段中的运行速度发生改变，使PLC所采集的位置数据存在异常，为了提高采集的数据的准确性，则需要对所采集的数据进行清洗。
PLC采集位置数据的清洗首先需要获得所采集的数据。而在机器人运行过程中，每一采样时刻位置的异常主要表现为采样间隔下机器人的运行距离，即相邻位置的间隔，相邻位置间隔与周围其他间隔差异越大，对应位置的异常程度越大。但是在机器人实际运行过程中，所对应相邻位置间隔受相邻位置数据准确性的影响，导致间隔异常无法准确反映对应位置的异常程度；同时机器人运行过程中运行速度是发生变化的，所以相邻位置的间隔不能完全相同，导致相邻位置间隔无法直接进行对比，从而影响位置数据异常识别的准确性。
发明内容
本发明提供一种PLC采集数据智能清洗方法及系统，以解决现有的问题。
本发明的一种PLC采集数据智能清洗方法及系统采用如下技术方案：
本发明一个实施例提供了一种PLC采集数据智能清洗方法，该方法包括以下步骤：
根据PLC获取运行设备每个位置的位置数据和真实运行速度，获取所有位置数据组成的原始位置序列；
将所有位置数据按照对应的真实运行速度从小到大的顺序进行排序得到位置序列记为运行速度位置序列；根据原始位置序列和运行速度位置序列得到第一间隔和第二间隔；根据第一间隔、第二间隔、运行速度位置序列以及真实运行速度得到原始位置序列中每个位置相邻间隔的第一异常程度；
将原始位置序列中每个位置前后相邻的预设范围的位置间隔与对应范围内采样时间的比值，作为原始位置序列中每个位置数据的相对运行速度；根据原始位置序列中每个位置的相对运行速度得到原始位置序列中每个位置的第二异常程度；根据真实运行速度的速度变化比例得到原始位置序列中每对相邻位置的速度变化关系；根据速度变化关系得到原始位置序列中每个位置的第一影响程度；根据第一影响程度和第二异常程度得到原始位置序列中每个位置相邻位置的第三异常程度；根据第一异常程度和第三异常程度得到原始位置序列中每个位置数据的最终异常程度；
根据最终异常程度对原始序列每个位置数据进行清洗。
进一步地，所述第一间隔和第二间隔的获取方法如下：
在原始位置序列中，与第i个位置前后相邻的两个位置的真实运行速度中，与第i个位置的真实运行速度的差值的绝对值最小的位置和第i个位置所形成的位置间隔，记为原始位置序列中第i个位置的最小相邻间隔
Figure SMS_1
，即第一间隔；其中，若第i个位置前后相邻的两个位置的真实运行速度与第i个位置的真实运行速度的差值的绝对值相等，则任意选取一个位置与第i个位置所形成的位置间隔记为原始位置序列中第i个位置的最小相邻间隔
Figure SMS_2
；若第i个位置是原始位置序列中的第一个位置，则取第i个位置与第i+1个位置所构成的位置间隔记为原始位置序列中第i个位置的最小相邻间隔/>
Figure SMS_3
；若第i个位置是原始位置序列中的最后一个位置，则取第i个位置与第i-1个位置所构成的位置间隔记为原始位置序列中第i个位置的最小相邻间隔/>
Figure SMS_4
；
同理，在运行速度位置序列中获取第二间隔。
进一步地，所述第一异常程度的获取方法如下：
以第i个位置为当前位置，第i-1个位置为当前位置左相邻的位置，第i-1个位置与第i个位置所形成的间隔为当前位置左相邻间隔，左相邻间隔的第一异常程度：
Figure SMS_5
其中
Figure SMS_7
表示原始位置序列中第i个位置左相邻间隔的第一异常程度；N0表示原始位置序列中第i-1个位置/>
Figure SMS_12
在运行速度位置序列中对应位置/>
Figure SMS_15
前后相邻的预设范围内的位置数量；/>
Figure SMS_9
表示原始位置序列中第i-1个位置/>
Figure SMS_11
的真实运行速度；/>
Figure SMS_16
表示原始位置序列中第i-1个位置/>
Figure SMS_18
在运行速度位置序列中对应的位置/>
Figure SMS_8
前后相邻的第t个位置即第一位置的真实运行速度；/>
Figure SMS_10
表示原始位置序列中第i-1个位置/>
Figure SMS_14
在运行速度位置序列中对应位置/>
Figure SMS_17
前后相邻的第t个位置最相邻的位置即第二位置的真实运行速度；/>
Figure SMS_6
表示第一间隔；/>
Figure SMS_13
表示第二间隔；
以第i个位置为当前位置，第i+1个位置为当前位置右相邻的位置，第i+1个位置与第i个位置所形成的间隔为当前位置右相邻间隔，右相邻间隔的第一异常程度：
Figure SMS_19
其中
Figure SMS_21
表示原始位置序列中第i+1个右相邻间隔的第一异常程度；N0表示原始位置序列中第i+1个位置/>
Figure SMS_26
在运行速度位置序列中对应位置/>
Figure SMS_30
前后相邻的预设范围内的位置数量；/>
Figure SMS_22
表示原始位置序列中第i+1个位置/>
Figure SMS_25
的真实运行速度；/>
Figure SMS_29
表示原始位置序列中第i+1个位置/>
Figure SMS_32
在运行速度位置序列中对应的位置/>
Figure SMS_20
前后相邻的第t个位置即第一位置的真实运行速度；/>
Figure SMS_24
表示原始位置序列中第i+1个位置/>
Figure SMS_28
在运行速度位置序列中对应位置/>
Figure SMS_31
前后相邻的第t个位置最相邻的位置即第二位置的真实运行速度；/>
Figure SMS_23
表示第一间隔；/>
Figure SMS_27
表示第二间隔；
从而得到每个位置相邻间隔的第一异常程度。
进一步地，所述第二异常程度的获取表达式如下：
Figure SMS_33
其中
Figure SMS_35
表示原始位置序列中与第i个位置/>
Figure SMS_39
前后相邻的第x个位置的第二异常程度；/>
Figure SMS_41
表示原始位置序列中位置/>
Figure SMS_36
前后相邻的第x个位置的相对运行速度；/>
Figure SMS_38
表示原始位置序列中位置/>
Figure SMS_40
前后相邻的第x个位置的真实运行速度；N1表示原始位置序列中与第i个位置/>
Figure SMS_42
前后相邻的预设范围内的位置数量；/>
Figure SMS_34
表示以原始位置序列中与第i个位置/>
Figure SMS_37
前后相邻的第k个位置为中心，在第k个位置前后相邻的第x个位置的相对运行速度。
进一步地，所述原始位置序列中每对相邻位置的速度变化关系的获取方法如下：
将原始位置序列中每对前后相邻的位置记为第一相邻对；将每对第一相邻对中的第一个位置的真实运行速度减去第二个位置的真实运行速度，相减结果记为第一差值，统计原始位置序列中与每一个第一差值正负符号相同的第一相邻对的数量记为第一数量，分别计算每对相邻对的第一数量与第一差值的比值，计算结果记为原始位置序列中每对相邻位置的速度变化关系。
进一步地，所述第一影响程度的获取表达式如下：
Figure SMS_43
其中
Figure SMS_45
表示原始位置序列中第i个位置/>
Figure SMS_49
在运行速度位置序列中对应位置/>
Figure SMS_52
前后相邻的第x个位置的第一影响程度；/>
Figure SMS_44
表示原始位置序列中第i个位置/>
Figure SMS_48
在运行速度位置序列中对应位置/>
Figure SMS_51
前后相邻的第x个位置对应位置区间内/>
Figure SMS_54
个前后相邻位置的真实运行速度差值的绝对值的标准差，其值越大，区间相对运行速度变化越不规律；/>
Figure SMS_46
表示/>
Figure SMS_47
的速度变化关系；/>
Figure SMS_50
表示当前位置区间中第y个位置对应的真实运行速度；/>
Figure SMS_53
表示当前位置区间中第y+1个位置对应的真实运行速度。
进一步地，所述第三异常程度的获取方法如下：
以第i个位置为当前位置，第i-1个位置为当前位置的左相邻位置，左相邻位置的第三异常程度：
Figure SMS_55
其中
Figure SMS_57
表示原始位置序列中第i-1个位置/>
Figure SMS_61
的第三异常程度；NO表示原始位置序列中第i-1个位置/>
Figure SMS_64
在运行速度位置序列中对应位置/>
Figure SMS_58
前后相邻的预设范围内的位置数量；/>
Figure SMS_60
表示第一影响程度；/>
Figure SMS_63
表示原始位置序列中位置/>
Figure SMS_66
前后相邻的第x个位置的真实运行速度；/>
Figure SMS_56
表示原始位置序列中位置/>
Figure SMS_59
前后相邻的第x个位置关于/>
Figure SMS_62
的对称位置的真实运行速度；/>
Figure SMS_65
表示原始位置序列中与第i-1个位置前后相邻的第x个位置的第二异常程度；
以第i个位置为当前位置，第i+1个位置为当前位置的右相邻位置，右相邻位置的第三异常程度：
Figure SMS_67
其中
Figure SMS_68
表示原始位置序列中第i+1个位置/>
Figure SMS_73
的第三异常程度；NO表示原始位置序列中第i+1个位置/>
Figure SMS_76
在运行速度位置序列中对应位置/>
Figure SMS_70
前后相邻的预设范围内的位置数量；/>
Figure SMS_72
表示第一影响程度；/>
Figure SMS_75
表示原始位置序列中位置/>
Figure SMS_78
前后相邻的第x个位置的真实运行速度；/>
Figure SMS_69
表示原始位置序列中位置/>
Figure SMS_71
前后相邻的第x个位置关于/>
Figure SMS_74
的对称位置的真实运行速度；/>
Figure SMS_77
表示原始位置序列中与第i+1个位置前后相邻的第x个位置的第二异常程度；
从而得到每个位置相邻位置的第三异常程度。
进一步地，所述最终异常程度的获取方法如下：
将原始位置序列中每个位置左相邻间隔的第一异常程度与将原始位置序列中每个位置左相邻位置的第三异常程度相乘，相乘结果记为第一相乘；将原始位置序列中每个位置右相邻间隔的第一异常程度与将原始位置序列中每个位置右相邻位置的第三异常程度相乘，相乘结果记为第二相乘；将第一相乘与第二相乘相加，相加结果记为原始位置序列中每个位置数据的最终异常程度。
进一步地，所述根据最终异常程度对原始序列每个位置数据进行清洗的具体过程如下：
预设一个最终异常程度阈值，若当前位置数据处理后的最终异常程度大于最终异常程度阈值，则认为当前位置数据是异常位置数据；若当前位置数据处理后的最终异常程度小于或等于最终异常程度阈值，则认为当前位置数据是正常位置数据。
本发明还提出了一种PLC采集数据智能清洗系统，包括存储器和处理器，所述处理器执行所述存储器存储的计算机程序，以实现如前述的一种PLC采集数据智能清洗方法。
本发明的技术方案的有益效果是：根据相邻位置之间的间隔关系得到原始位置序列中位置的第一异常程度；第一异常程度能够通过两种不同排序规则序列之间的间隔特征，和真实运行速度表征相邻位置之间的准确差异。根据相对运行速度偏差得到第二异常程度；第二异常程度考虑到了相对运行速度，在另一个维度下分析异常。进一步根据第二异常程度以及相邻位置得到第三异常程度；根据第一异常程度、第二异常程度以及第三异常程度得到最终异常程度，从而避免直接引入理想区间速度不变，提高所对应相邻位置异常分析的准确性。
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为本发明一种PLC采集数据智能清洗方法的步骤流程图。
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PLC采集数据智能清洗方法及系统，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PLC采集数据智能清洗方法及系统的具体方案。
请参阅图1，其示出了本发明一个实施例提供的一种PLC采集数据智能清洗方法的步骤流程图，该方法包括以下步骤：
步骤S001：获取每个位置的位置数据和真实运行速度，获取所有位置数据组成的原始位置序列。
需要说明的是，PLC是可编程逻辑控制器，是一种专门为在工业环境下应用而设计的数字运算操作电子系统。PLC主要包括数据采集与数据应用，随着工业物联网设备和解决方案的成熟，PLC数据采集可以借助工业智能网关实现数据上云，通过手机或电脑就能对PLC进行远程监控预警，比如在机器人匀速运行过程中，可以通过PLC采集机器人的运行位置，实现机器精准控制与监测。但是机器人在匀速运行过程中可能因外界或内部异常问题使其在某一段的运行路段中的运行速度发生改变，使PLC所采集的位置数据存在异常，为了提高采集的数据的准确性，则需要对所采集的数据进行清洗。而在机器人运行过程中，每一采样时刻位置的异常主要表现为采样间隔下机器人的运行距离，即相邻位置的间隔，相邻位置间隔与周围其他间隔差异越大，对应位置的异常程度越大。但是在机器人实际运行过程中，所对应相邻位置间隔受相邻位置数据准确性的影响，导致间隔异常无法准确反映对应位置的异常程度；同时机器人运行过程中运行速度是发生变化的，所以相邻位置的间隔不能完全相同，导致相邻位置间隔无法直接进行对比，从而影响位置数据异常识别的准确性。
而PLC采集位置数据的清洗首先需要获得所采集的数据，本实施例以送餐机器人为例进行叙述。
具体的，PLC采集位置数据以及真实运行速度的具体过程如下：
将装有速度传感器的机器人置于长度为50米的直线路段口，机器人以0.2m/s的运行速度进行匀速运动，以0.2s为时间间隔记录一次机器人当前位置的位置数据，同时速度传感器采集并发送一次运行速度信号，记为当前位置的真实运行速度。
至此，通过上述方法可以得到所有位置数据的真实运行速度。
上述需要说明的是，本实施例中位置数据的数量为50/0.2=100；而所有位置数据按位置顺序排列可以得到一段位置数据的序列，记为原始位置序列；为了保证行驶路径与预定路径一致，PLC对其行驶参数的会进行相对应的控制。
步骤S002：根据相邻位置之间的间隔关系得到原始位置序列中每个位置相邻间隔的第一异常程度。
需要说明的是，机器人位置数据异常主要表现在相邻位置之间的间隔差异，间隔差异越大，则间隔对应的两个位置数据的异常程度越大。由于一个位置对应的前后相邻的两个间隔的差异受当前位置前后相邻位置的异常情况影响，而不同位置数据的异常情况相互存在差异，所以间隔异常对原始位置数据的异常具有不同表现。本实施例利用相邻位置间隔关系，确定位置数据异常程度，并分析相邻位置间隔对异常影响而确定最终异常程度。
进一步需要说明的是，对于机器人在运行过程中的位置数据，其采集位置数据的准确性影响着机器人的行驶参数的控制。在同一采样频率下，由于所采集相邻位置数据之间具有相似的运动状态，此时相邻位置之间的间隔有效地反映所采集位置数据的准确性，所以可以根据相邻位置之间的间隔的差异关系，进行所采集位置数据的异常分析，从而识别所采集的异常位置数据。而经上述可知，利用相邻位置之间的间隔的差异关系进行位置数据异常分析的主要依据是相邻位置机器人的运行状态一致，但在实际机器人运行过程中，由于不同时刻的运行状态可能存在差异，所以不同位置的运行状态之间的差异影响着相邻位置间隔对应位置数据准确性的表现，从而无法直接利用相邻位置间隔差异进行异常位置的识别。
机器人运行状态受其真实运行速度的影响，相邻位置的真实运行速度差异越小，则相邻位置之间的间隔差异越能反映对应位置数据的异常。所以在真实运行速度发生变化时，真实运行速度的变化程度同样也会影响相邻位置间隔的差异，所以在不同位置对应不同的真实运行速度时，其对应的间隔的差异反映不同的异常情况。据此，结合不同位置的运行状态进行不同位置数据的异常分析。
已知每个位置相邻位置的真实运行速度差异越小，对应的相邻位置间隔之间的差异越能反映对应位置数据的异常。所以对所采集的所有位置进行运行状态的分析。
具体的，分析的具体过程为：首先将所有位置数据按照对应的真实运行速度从小到大的顺序进行排序。其中对于真实运行速度相同的位置按照时间顺序进行排序。
至此，通过上述过程获得按照运行速度顺序排序的运行速度位置序列。
更进一步需要说明的是，因为在机器人实际运行过程中，异常情况为少数情况，在大部分情况下，相邻的位置真实运行速度相似。所以在对真实运行速度相同的位置按照与上一个真实运行速度对应位置时刻间隔从小到大的顺序进行排序后，再按位置排列顺序进行第二次排序，从而使相邻位置尽可能地相邻排列。
具体的，对于原始位置序列的第i个位置
Figure SMS_79
，将位置/>
Figure SMS_80
在运行速度位置序列中对应的位置记为位置/>
Figure SMS_81
，获得位置/>
Figure SMS_82
前后相邻的N0个位置，后续利用位置/>
Figure SMS_83
与在运行速度位置序列中对应N0个位置的间隔的差异，获得第i个位置的异常程度；其中，本实施例以N0=4为例进行叙述，在其他实施例中，N0可根据具体实施情况而定，需要注意的是，N0为偶数。
进一步，第i个位置
Figure SMS_85
在运行速度位置序列中对应位置/>
Figure SMS_89
前后相邻的N0个位置的获取方法为：获取对应位置/>
Figure SMS_92
之前的N0/2个位置，获取对应位置/>
Figure SMS_84
之后的N0/2个位置，这些N0个位置记为对应位置/>
Figure SMS_87
前后相邻的N0个位置，并且这些N0个位置依自身位置在运行速度位置序列中的前后顺序进行排序；另外，当对应位置/>
Figure SMS_90
之前的位置或对应位置/>
Figure SMS_93
之后的位置不足N0/2个时，那么将对应位置/>
Figure SMS_86
之前的位置或对应位置/>
Figure SMS_88
之后的位置全都作为对应位置/>
Figure SMS_91
前后相邻的位置，直至满足N0个位置。
在本实施例中，获取一定数量的相邻的位置时，按上述过程操作，直至获得满足数量的位置。
根据原始位置序列第i个位置
Figure SMS_94
与在运行速度位置序列中对应的N0个位置的这些间隔的差异，确定第i个位置相邻位置的异常程度，即第一异常程度。
具体的，以第i个位置为当前位置，第i-1个位置为当前位置左相邻的位置，第i-1个位置与第i个位置所形成的间隔为当前位置左相邻间隔的第一异常程度表示为：
Figure SMS_95
其中
Figure SMS_104
表示原始位置序列中第i-1个位置左相邻间隔的第一异常程度；N0表示原始位置序列中第i-1个位置/>
Figure SMS_108
在运行速度位置序列中对应位置/>
Figure SMS_112
前后相邻的预设范围内的位置的数量；/>
Figure SMS_96
表示原始位置序列中第i-1个位置/>
Figure SMS_100
的真实运行速度；
Figure SMS_103
表示原始位置序列中第i-1个位置/>
Figure SMS_107
在运行速度位置序列中对应的位置/>
Figure SMS_97
前后相邻的第t个位置即第一位置的真实运行速度；/>
Figure SMS_101
表示原始位置序列中第i-1个位置
Figure SMS_105
在运行速度位置序列中对应位置/>
Figure SMS_109
前后相邻的第t个位置最相邻的位置即第二位置的真实运行速度；/>
Figure SMS_111
表示原始位置序列中第i-1个位置的最小相邻间隔，记为第一间隔；/>
Figure SMS_114
表示原始位置序列中第i-1个位置/>
Figure SMS_116
在运行速度位置序列中对应位置/>
Figure SMS_118
前后相邻的第t个位置的最小相邻间隔，记为第二间隔；/>
Figure SMS_113
表示原始位置序列中第i-1个位置的最小相邻间隔和原始位置序列中第i-1个位置/>
Figure SMS_115
在运行速度位置序列中对应位置/>
Figure SMS_117
前后相邻的第t个位置的最小相邻间隔的差异，差异越大，则第i-1个位置异常程度越大；其中/>
Figure SMS_119
与第一位置的真实运行速度差异/>
Figure SMS_98
越小，二者与相邻位置间隔的差异对/>
Figure SMS_102
的异常程度的表现程度越高；且第一位置与第二位置运行速度差异
Figure SMS_106
越小，间隔/>
Figure SMS_110
越能反映位置特征，所以/>
Figure SMS_99
为权重。
进一步具体的，
Figure SMS_120
所述的原始位置序列中第i-1个位置/>
Figure SMS_121
在运行速度位置序列中对应位置/>
Figure SMS_122
前后相邻的第t个位置最相邻的位置的获取方法为：原始位置序列中第i-1个位置/>
Figure SMS_123
在运行速度位置序列中对应位置/>
Figure SMS_124
前后相邻的第t个位置，与其第t个位置前后相邻的两个位置的真实运行速度中，与第t个位置的真实运行速度的差值的绝对值最小的位置，记为原始位置序列中位置/>
Figure SMS_125
对应位置/>
Figure SMS_126
前后相邻的第t个位置的最相邻的位置，记为第二位置。其中，若第t个位置前后相邻的两个位置的真实运行速度与第t个位置的真实运行速度的差值的绝对值相等，则任意选取一个位置记为第二位置；若第t个位置是原始位置序列中的第一个位置，则第t+1个位置记为第二位置；若第t个位置是原始位置序列中的最后一个位置，则取第t-1个位置记为第二位置。
Figure SMS_127
的获取方法为：原始位置序列中，与其第i-1个位置前后相邻的两个位置的真实运行速度中，与第i-1个位置的真实运行速度的差值的绝对值最小的位置和第i-1个位置所形成的位置间隔记为原始位置序列中第i-1个位置的最小相邻间隔/>
Figure SMS_128
，即第一间隔。其中，若第i-1个位置前后相邻的两个位置的真实运行速度与第i-1个位置的真实运行速度的差值的绝对值相等，则任意选取一个位置与第i-1个位置所形成的位置间隔记为原始位置序列中第i个位置的最小相邻间隔/>
Figure SMS_129
，即第一间隔；若第i-1个位置是原始位置序列中的第一个位置，则取第i-1个位置与第i个位置所构成的位置间隔记为原始位置序列中第i-1个位置的最小相邻间隔/>
Figure SMS_130
，即第一间隔；若第i-1个位置是原始位置序列中的最后一个位置，则取第i-1个位置与第i-2个位置所构成的位置间隔记为原始位置序列中第i-1个位置的最小相邻间隔/>
Figure SMS_131
，即第一间隔。
同理，通过上述
Figure SMS_132
的获取方法可以获取/>
Figure SMS_133
；
同理，通过上述
Figure SMS_134
的获取方法可以获取以第i个位置为当前位置，第i+1个位置为当前位置右相邻的位置，第i+1个位置与第i个位置所形成的间隔为当前位置右相邻间隔的第一异常程度/>
Figure SMS_135
。
可以理解的是，在i=1，第1个位置不存在左相邻的位置时，可以将第一个位置左相邻间隔的第一异常程度记为0，依此类推，在第i个位置为最后一个位置时，可以将对应的右相邻间隔的第一异常程度记为0。
至此，通过上述异常程度公式可以得到原始位置序列中所有位置相邻间隔的第一异常程度。
步骤S003：根据相对运行速度偏差得到第二异常程度；根据第二异常程度以及相邻位置得到第三异常程度；根据第一异常程度、第三异常程度得到最终异常程度。
需要说明的是，上述步骤S002主要针对不同运行速度的不同位置运行间隔判断原始位置序列中不同位置数据的异常程度。由于当前位置与前后相邻位置的之间的间隔受当前位置前后相邻位置异常程度的影响，所以在当前位置前后相邻的位置存在异常时，所对应的间隔则无法作为当前位置数据准确性的判断依据。
在对原始位置序列中所有的位置进行判断异常分析时，无法避免对应相邻位置异常对间隔的影响，为了减少相邻位置异常对间隔的影响，本实施例对原始位置序列中的每一个位置分别利用其前后两个间隔进行异常判断，同时分析相邻位置异常传递的影响，以确定不同的间隔分析对同一位置数据异常的不同表现。
1.获取第二异常程度。
需要说明的是，此时原始位置序列中每个位置前后相邻位置的异常是利用对应相对运行速度关系确定的，而每个位置的相对运行速度依据前后相邻的预设范围内N1个位置间隔大小和采样时间而来的，比如第i个位置依据第i-1到第i+1个位置之间的间隔大小，此时对于同一个位置可以利用
Figure SMS_136
位置间隔与对应采样时间的比值确定多个相对运行速度，所获得的多个相对运行速度的偏差反映真实运行速度对应位置的准确性。其中所对应相对运行速度偏差主要指多个相对运行速度之间的差异关系以及与PLC所读取的第i个位置真实运行速度差异。
具体的，原始位置序列中每个位置的相对运行速度获取方法为：将每个位置前后相邻的预设范围内的N1个位置间隔与对应范围内采样时间的比值，计算结果记为每个位置的相对运行速度。
将原始位置序列中第i个位置
Figure SMS_137
前后相邻的两个位置，分别表示为/>
Figure SMS_138
和/>
Figure SMS_139
；本实施例以/>
Figure SMS_140
进行叙述，选择其前后相邻的第x个位置，将通过原始位置序列中/>
Figure SMS_141
的位置间隔和对应的时间差计算得到相对运行速度，改变x的数值大小得到多个对应的相对运行速度数据。
另外需要说明的是，原始位置序列中位置
Figure SMS_142
、位置/>
Figure SMS_143
各自前后相邻的位置中不包括/>
Figure SMS_144
。
进一步，
Figure SMS_145
所获得的相对运行速度与其他多个相对运行速度的差异反映其他多个相对运行速度对应位置的异常程度，即第二异常程度。
具体的，第二异常程度表示为：
Figure SMS_146
其中
Figure SMS_156
表示原始位置序列中与第i个位置/>
Figure SMS_149
前后相邻的第x个位置的第二异常程度；/>
Figure SMS_152
表示原始位置序列中位置/>
Figure SMS_148
前后相邻的第x个位置的相对运行速度；/>
Figure SMS_153
表示原始位置序列中位置/>
Figure SMS_157
前后相邻的第x个位置的真实运行速度；N1表示原始位置序列中与第i个位置/>
Figure SMS_161
前后相邻的预设范围内的位置数量，其中本实施例以N1=3为例进行叙述，本实施例不进行具体限定，其中N1可根据具体实施情况而定；/>
Figure SMS_158
表示以原始位置序列中与第i个位置/>
Figure SMS_162
前后相邻的第k个位置为中心，在第k个位置前后相邻的第x个位置的相对运行速度；/>
Figure SMS_147
表示/>
Figure SMS_154
相对于其他N1个运行速度的偏差，其值越大，
Figure SMS_159
越不真实，所以/>
Figure SMS_163
对应位置的异常程度越大；/>
Figure SMS_160
表示/>
Figure SMS_164
与/>
Figure SMS_150
运行速度的差异，其值越大，/>
Figure SMS_151
越不真实，所以/>
Figure SMS_155
对应位置的异常程度越大。
至此，通过上述第二异常程度公式可以得到原始位置序列中每个位置在相邻数量N0内的每个相邻位置的第二异常程度。
2.获取第三异常程度。
需要说明的是，通过上述分析获得位置
Figure SMS_165
相对于其相邻的第x个位置相对运行速度关系所确定其第x个位置的第二异常程度。此时对于位置/>
Figure SMS_166
选择的与其相邻的N0个位置，通过利用真实运行速度关系得到位置/>
Figure SMS_167
的第三异常程度。而上述过程涉及位置与真实运行速度的关系，在计算相对运行速度时，会将/>
Figure SMS_168
与其关于所选择相邻位置对称位置之间机器人运行速度视为不变，造成对应相对运行速度本身不可信，从而影响相对运行速度之间的偏差对/>
Figure SMS_169
位置异常的影响。
所以在利用所选择多个相邻位置的相对运行速度偏差判断中，需要考虑所获得相对运行速度对应位置本身运行速度，即真实运行速度的变化，确定不同位置相对运行速度偏差对位置异常判断的影响。
具体的，以第i个位置为当前位置，第i-1个位置为当前位置左相邻的位置的第三异常程度：
Figure SMS_170
其中
Figure SMS_182
表示原始位置序列中第i-1个位置/>
Figure SMS_173
的第三异常程度；NO表示原始位置序列中第i-1个位置/>
Figure SMS_178
在运行速度位置序列中对应位置/>
Figure SMS_174
前后相邻的预设范围内的位置数量；/>
Figure SMS_176
表示原始位置序列中第i个位置/>
Figure SMS_180
在运行速度位置序列中对应位置
Figure SMS_183
前后相邻的第x个位置，所包括的N1个真实运行速度对应位置区间运行速度变化关系对
Figure SMS_179
所表现的位置/>
Figure SMS_184
的第三异常程度的影响程度，记为第一影响程度；/>
Figure SMS_171
表示原始位置序列中位置/>
Figure SMS_175
前后相邻的第x个位置的真实运行速度；/>
Figure SMS_186
表示原始位置序列中位置/>
Figure SMS_190
前后相邻的第x个位置关于/>
Figure SMS_187
的对称位置的真实运行速度；/>
Figure SMS_191
表示原始位置序列中与第i-1个位置前后相邻的第x个位置的第二异常程度；/>
Figure SMS_185
表示原始位置序列中位置/>
Figure SMS_189
前后相邻的第x个位置以及其对称位置的真实运行速度差异，其值越大，则当前区间真实运行速度差异越大，当前区间所获得的第x个位置真实运行速度可信度越低，所以其真实运行速度偏差对位置/>
Figure SMS_188
的异常表现程度越小。
Figure SMS_192
表示原始位置序列中第i-1个位置/>
Figure SMS_172
在运行速度位置序列中对应位置/>
Figure SMS_177
前后相邻的N0个位置对应真实运行速度关系所反映位置/>
Figure SMS_181
的第三异常程度。
同理，通过
Figure SMS_193
的获取方法，可以获取以第i个位置为当前位置，第i+1个位置为当前位置右相邻的位置的第三异常程度/>
Figure SMS_194
。
可以理解的是，在i=1，第1个位置不存在左相邻的位置时，可以将第一个位置左相邻间隔的第三异常程度记为0，依此类推，在第i个位置为最后一个位置时，可以将对应的右相邻间隔的第三异常程度记为0。
至此，通过第三异常公式可以得到原始位置序列中所有位置相邻位置的第三异常程度。
需要补充说明的是，上述第三异常公式中的原始位置序列中第i个位置
Figure SMS_197
在运行速度位置序列中对应位置/>
Figure SMS_199
前后相邻的第x个位置，所包括的N1个真实运行速度对应位置区间运行速度变化关系对/>
Figure SMS_202
所表现的位置/>
Figure SMS_196
的第三异常程度的影响程度即/>
Figure SMS_200
。在N1个相对运行速度的多个对应位置中，距离第x个位置最大距离的位置关于第x个位置对称区间，共包括/>
Figure SMS_203
个位置，除去第x个位置，则包括/>
Figure SMS_204
个位置。上述区间中相对运行速度变化越规律，利用区间所获得的相对运行速度越准确，其中相对运行速度变化的规律性主要表现为相对运行速度变化差异以及相对运行速度变化方向，即相邻位置相对运行速度差异越小，相对运行速度变化越规律，同时相对运行速度变化方向越一致。据此获得当前位置区间运行速度变化关系对/>
Figure SMS_195
所表现的位置/>
Figure SMS_198
异常程度的影响/>
Figure SMS_201
。
具体的，
Figure SMS_205
表示为：
Figure SMS_206
其中
Figure SMS_215
表示原始位置序列中第i个位置/>
Figure SMS_209
在运行速度位置序列中对应位置/>
Figure SMS_211
前后相邻的第x个位置，所包括的N1个真实运行速度对应位置区间运行速度变化关系对
Figure SMS_219
所表现的位置/>
Figure SMS_223
的第三异常程度的影响程度，即第一影响程度；/>
Figure SMS_225
表示原始位置序列中第i个位置/>
Figure SMS_228
在运行速度位置序列中对应位置/>
Figure SMS_218
前后相邻的第x个位置对应位置区间内
Figure SMS_222
个前后相邻位置的真实运行速度差值的绝对值的标准差，其值越大，区间相对运行速度变化越不规律；/>
Figure SMS_207
表示/>
Figure SMS_214
的速度变化关系；/>
Figure SMS_210
表示当前位置区间中第y个位置对应的真实运行速度；/>
Figure SMS_212
表示当前位置区间中第y+1个位置对应的真实运行速度；/>
Figure SMS_216
表示相邻位置的真实运行速度差值的绝对值，其值越大，当前区间运动越不规律；/>
Figure SMS_220
表示当前位置区间内/>
Figure SMS_224
个真实运行速度差值所反映运行速度变化规律性；
Figure SMS_227
表示原始位置序列中第i个位置/>
Figure SMS_226
在运行速度位置序列中对应位置/>
Figure SMS_229
前后相邻的第x个位置，所包括的N1个真实运行速度对应位置区间运行速度变化关系对/>
Figure SMS_208
所表现的位置/>
Figure SMS_213
的第三异常程度的影响程度，其值越大，/>
Figure SMS_217
所表现的位置/>
Figure SMS_221
异常程度越真实。
其中
Figure SMS_230
表示/>
Figure SMS_231
的速度变化关系，具体表示为：
将原始位置序列中每对前后相邻的位置记为第一相邻对；将每对第一相邻对中的第一个位置的真实运行速度减去第二个位置的真实运行速度，相减结果记为第一差值，统计原始位置序列中与每一个第一差值正负符号相同的第一相邻对的数量记为第一数量，分别计算每对相邻对的第一数量与第一差值的比值，计算结果记为原始位置序列中每对相邻位置的速度变化关系。
至此，通过上述
Figure SMS_232
的计算公式可以得到原始位置序列中每个位置在运行速度位置序列中对应位置前后相邻的每个位置的第一影响程度。
至此，根据原始位置序列中每个位置在运行速度位置序列中对应位置前后相邻的每个位置的第一影响程度可以得到原始位置序列中所有位置相邻间隔的第三异常程度。
3.根据第一异常程度与第三异常程度得到最终异常程度。
需要说明的是，根据上述方法获取原始位置序列中第i个位置相邻的位置
Figure SMS_233
的第三异常程度/>
Figure SMS_234
，同理可以获取原始位置序列中第i个位置相邻的位置/>
Figure SMS_235
的第三异常程度/>
Figure SMS_236
。
确定机器人行驶过程中所采集第i个位置的最终异常程度，此时为了减少第i个位置对应间隔对其异常分析的影响，本实施例利用其相邻前后两个间隔，分别获得对应两个第一异常程度
Figure SMS_237
，/>
Figure SMS_238
，同时两个第一异常程度/>
Figure SMS_239
，/>
Figure SMS_240
受间隔对应相邻位置异常程度的影响，上述步骤分别确定对应相邻位置的第三异常程度/>
Figure SMS_241
，/>
Figure SMS_242
，此时结合上述分析，获得机器人在第i个位置数据的最终异常程度为：
Figure SMS_243
其中
Figure SMS_244
表示机器人在第i个位置数据的最终异常程度，即原始位置序列中第i个位置数据的最终异常程度；/>
Figure SMS_245
表示原始位置序列中第i个位置左相邻的位置/>
Figure SMS_246
的第三异常程度；/>
Figure SMS_247
表示原始位置序列中第i个位置左相邻间隔的第一异常程度；/>
Figure SMS_248
表示原始位置序列中第i个位置右相邻的位置/>
Figure SMS_249
的第三异常程度；/>
Figure SMS_250
表示原始位置序列中第i+1个右相邻间隔的第一异常程度。
另外需要说明的是，由于本实施例是利用当前位置相邻的间隔来得到当前位置的最终异常程度，所以若i为第一个位置时，相邻的间隔只有与第二个位置即第i+1个位置形成的间隔，最终异常程度
Figure SMS_251
；若i为最后一个位置时，相邻的间隔只有与倒数第二个位置形成的间隔最终异常程度/>
Figure SMS_252
。
至此，通过上述最终异常公式可以得到机器人在每个位置数据的最终异常程度，即原始位置序列中每个位置数据的最终异常程度。
步骤S004：根据最终异常程度对位置数据进行清洗。
需要说明的是，根据上述步骤S003得到PLC所采集的机器人每一个位置数据的最终异常程度，此时首先将所有位置数据的最终异常程度进行归一化处理，具体采用最大最小值归一化法，输入原始的所有位置数据的最终异常程度，输出所有位置数据处理后的最终异常程度。
具体的，预设一个最终异常程度阈值，其中本实施例以PF=0.8为例进行叙述，本实施例不进行具体限定，其中PF可根据具体实施情况而定。若当前位置数据处理后的最终异常程度大于最终异常程度阈值，则认为当前位置数据是异常位置数据；若当前位置数据处理后的最终异常程度小于或等于最终异常程度阈值，则认为当前位置数据是正常位置数据。
至此，通过上述方法可以得到所有的异常位置数据与正常位置数据。
在获得所有异常位置数据后，直接剔除，保留正常位置数据，用于机器人控制。
通过以上步骤，完成PLC采集数据智能清洗。
本发明的另一个实施例提供了一种PLC采集数据智能清洗系统，该系统包括存储器和处理器，处理器执行存储器存储的计算机程序，以实现上述的一种PLC采集数据智能清洗方法。
基于与上述实施例中的方法相同的思想，本申请提供的PLC采集数据智能清洗系统能够实现上述实施例的方法，为了便于说明，系统实施例的结构示意图中，仅仅示出了与本申请实施例相关的部分，本邻域技术人员可以理解，图示结构并不构成对该系统的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
本实施例根据相邻位置之间的间隔关系得到原始位置序列中位置的第一异常程度；根据相对运行速度偏差得到第二异常程度；根据第二异常程度以及相邻位置得到第三异常程度；根据第一异常程度、第二异常程度以及第三异常程度得到最终异常程度，从而避免直接引入理想区间速度不变，提高所对应相邻位置异常分析的准确性。
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 (10)

1.一种PLC采集数据智能清洗方法，其特征在于，该方法包括以下步骤：
根据PLC获取运行设备每个位置的位置数据和真实运行速度，获取所有位置数据组成的原始位置序列；
将所有位置数据按照对应的真实运行速度从小到大的顺序进行排序得到位置序列记为运行速度位置序列；根据原始位置序列和运行速度位置序列得到第一间隔和第二间隔；根据第一间隔、第二间隔、运行速度位置序列以及真实运行速度得到原始位置序列中每个位置相邻间隔的第一异常程度；
将原始位置序列中每个位置前后相邻的预设范围的位置间隔与对应范围内采样时间的比值，作为原始位置序列中每个位置数据的相对运行速度；根据原始位置序列中每个位置的相对运行速度得到原始位置序列中每个位置的第二异常程度；根据真实运行速度的速度变化比例得到原始位置序列中每对相邻位置的速度变化关系；根据速度变化关系得到原始位置序列中每个位置的第一影响程度；根据第一影响程度和第二异常程度得到原始位置序列中每个位置相邻位置的第三异常程度；根据第一异常程度和第三异常程度得到原始位置序列中每个位置数据的最终异常程度；
根据最终异常程度对原始序列每个位置数据进行清洗。
2.根据权利要求1所述一种PLC采集数据智能清洗方法，其特征在于，所述第一间隔和第二间隔的获取方法如下：
在原始位置序列中，与第i个位置前后相邻的两个位置的真实运行速度中，与第i个位置的真实运行速度的差值的绝对值最小的位置和第i个位置所形成的位置间隔，记为原始位置序列中第i个位置的最小相邻间隔
Figure QLYQS_1
，即第一间隔；其中，若第i个位置前后相邻的两个位置的真实运行速度与第i个位置的真实运行速度的差值的绝对值相等，则任意选取一个位置与第i个位置所形成的位置间隔记为原始位置序列中第i个位置的最小相邻间隔/>
Figure QLYQS_2
；若第i个位置是原始位置序列中的第一个位置，则取第i个位置与第i+1个位置所构成的位置间隔记为原始位置序列中第i个位置的最小相邻间隔/>
Figure QLYQS_3
；若第i个位置是原始位置序列中的最后一个位置，则取第i个位置与第i-1个位置所构成的位置间隔记为原始位置序列中第i个位置的最小相邻间隔/>
Figure QLYQS_4
；
同理，在运行速度位置序列中获取第二间隔。
3.根据权利要求1所述一种PLC采集数据智能清洗方法，其特征在于，所述第一异常程度的获取方法如下：
以第i个位置为当前位置，第i-1个位置为当前位置左相邻的位置，第i-1个位置与第i个位置所形成的间隔为当前位置左相邻间隔，左相邻间隔的第一异常程度：
Figure QLYQS_5
其中
Figure QLYQS_7
表示原始位置序列中第i个位置左相邻间隔的第一异常程度；N0表示原始位置序列中第i-1个位置/>
Figure QLYQS_12
在运行速度位置序列中对应位置/>
Figure QLYQS_16
前后相邻的预设范围内的位置数量；/>
Figure QLYQS_9
表示原始位置序列中第i-1个位置/>
Figure QLYQS_11
的真实运行速度；/>
Figure QLYQS_15
表示原始位置序列中第i-1个位置/>
Figure QLYQS_18
在运行速度位置序列中对应的位置/>
Figure QLYQS_6
前后相邻的第t个位置即第一位置的真实运行速度；/>
Figure QLYQS_10
表示原始位置序列中第i-1个位置/>
Figure QLYQS_14
在运行速度位置序列中对应位置/>
Figure QLYQS_17
前后相邻的第t个位置最相邻的位置即第二位置的真实运行速度；/>
Figure QLYQS_8
表示第一间隔；/>
Figure QLYQS_13
表示第二间隔；
以第i个位置为当前位置，第i+1个位置为当前位置右相邻的位置，第i+1个位置与第i个位置所形成的间隔为当前位置右相邻间隔，右相邻间隔的第一异常程度：
Figure QLYQS_19
其中
Figure QLYQS_21
表示原始位置序列中第i+1个右相邻间隔的第一异常程度；N0表示原始位置序列中第i+1个位置/>
Figure QLYQS_24
在运行速度位置序列中对应位置/>
Figure QLYQS_27
前后相邻的预设范围内的位置数量；/>
Figure QLYQS_23
表示原始位置序列中第i+1个位置/>
Figure QLYQS_25
的真实运行速度；/>
Figure QLYQS_29
表示原始位置序列中第i+1个位置/>
Figure QLYQS_31
在运行速度位置序列中对应的位置/>
Figure QLYQS_20
前后相邻的第t个位置即第一位置的真实运行速度；/>
Figure QLYQS_26
表示原始位置序列中第i+1个位置/>
Figure QLYQS_30
在运行速度位置序列中对应位置/>
Figure QLYQS_32
前后相邻的第t个位置最相邻的位置即第二位置的真实运行速度；/>
Figure QLYQS_22
表示第一间隔；/>
Figure QLYQS_28
表示第二间隔；
从而得到每个位置相邻间隔的第一异常程度。
4.根据权利要求1所述一种PLC采集数据智能清洗方法，其特征在于，所述第二异常程度的获取表达式如下：
Figure QLYQS_33
其中
Figure QLYQS_34
表示原始位置序列中与第i个位置/>
Figure QLYQS_39
前后相邻的第x个位置的第二异常程度；
Figure QLYQS_41
表示原始位置序列中位置/>
Figure QLYQS_35
前后相邻的第x个位置的相对运行速度；/>
Figure QLYQS_37
表示原始位置序列中位置/>
Figure QLYQS_40
前后相邻的第x个位置的真实运行速度；N1表示原始位置序列中与第i个位置/>
Figure QLYQS_42
前后相邻的预设范围内的位置数量；/>
Figure QLYQS_36
表示以原始位置序列中与第i个位置/>
Figure QLYQS_38
前后相邻的第k个位置为中心，在第k个位置前后相邻的第x个位置的相对运行速度。
5.根据权利要求1所述一种PLC采集数据智能清洗方法，其特征在于，所述原始位置序列中每对相邻位置的速度变化关系的获取方法如下：
将原始位置序列中每对前后相邻的位置记为第一相邻对；将每对第一相邻对中的第一个位置的真实运行速度减去第二个位置的真实运行速度，相减结果记为第一差值，统计原始位置序列中与每一个第一差值正负符号相同的第一相邻对的数量记为第一数量，分别计算每对相邻对的第一数量与第一差值的比值，计算结果记为原始位置序列中每对相邻位置的速度变化关系。
6.根据权利要求1所述一种PLC采集数据智能清洗方法，其特征在于，所述第一影响程度的获取表达式如下：
Figure QLYQS_43
其中
Figure QLYQS_45
表示原始位置序列中第i个位置/>
Figure QLYQS_47
在运行速度位置序列中对应位置/>
Figure QLYQS_50
前后相邻的第x个位置的第一影响程度；/>
Figure QLYQS_46
表示原始位置序列中第i个位置/>
Figure QLYQS_49
在运行速度位置序列中对应位置/>
Figure QLYQS_52
前后相邻的第x个位置对应位置区间内/>
Figure QLYQS_54
个前后相邻位置的真实运行速度差值的绝对值的标准差，其值越大，区间相对运行速度变化越不规律；/>
Figure QLYQS_44
表示
Figure QLYQS_48
的速度变化关系；/>
Figure QLYQS_51
表示当前位置区间中第y个位置对应的真实运行速度；/>
Figure QLYQS_53
表示当前位置区间中第y+1个位置对应的真实运行速度。
7.根据权利要求3所述一种PLC采集数据智能清洗方法，其特征在于，所述第三异常程度的获取方法如下：
以第i个位置为当前位置，第i-1个位置为当前位置的左相邻位置，左相邻位置的第三异常程度：
Figure QLYQS_55
其中
Figure QLYQS_57
表示原始位置序列中第i-1个位置/>
Figure QLYQS_60
的第三异常程度；NO表示原始位置序列中第i-1个位置/>
Figure QLYQS_63
在运行速度位置序列中对应位置/>
Figure QLYQS_56
前后相邻的预设范围内的位置数量；/>
Figure QLYQS_59
表示第一影响程度；/>
Figure QLYQS_62
表示原始位置序列中位置/>
Figure QLYQS_65
前后相邻的第x个位置的真实运行速度；/>
Figure QLYQS_58
表示原始位置序列中位置/>
Figure QLYQS_61
前后相邻的第x个位置关于/>
Figure QLYQS_64
的对称位置的真实运行速度；/>
Figure QLYQS_66
表示原始位置序列中与第i-1个位置前后相邻的第x个位置的第二异常程度；
以第i个位置为当前位置，第i+1个位置为当前位置的右相邻位置，右相邻位置的第三异常程度：
Figure QLYQS_67
其中
Figure QLYQS_69
表示原始位置序列中第i+1个位置/>
Figure QLYQS_71
的第三异常程度；NO表示原始位置序列中第i+1个位置/>
Figure QLYQS_74
在运行速度位置序列中对应位置/>
Figure QLYQS_70
前后相邻的预设范围内的位置数量；/>
Figure QLYQS_72
表示第一影响程度；/>
Figure QLYQS_75
表示原始位置序列中位置/>
Figure QLYQS_77
前后相邻的第x个位置的真实运行速度；/>
Figure QLYQS_68
表示原始位置序列中位置/>
Figure QLYQS_73
前后相邻的第x个位置关于/>
Figure QLYQS_76
的对称位置的真实运行速度；/>
Figure QLYQS_78
表示原始位置序列中与第i+1个位置前后相邻的第x个位置的第二异常程度；
从而得到每个位置相邻位置的第三异常程度。
8.根据权利要求7所述一种PLC采集数据智能清洗方法，其特征在于，所述最终异常程度的获取方法如下：
将原始位置序列中每个位置左相邻间隔的第一异常程度与将原始位置序列中每个位置左相邻位置的第三异常程度相乘，相乘结果记为第一相乘；将原始位置序列中每个位置右相邻间隔的第一异常程度与将原始位置序列中每个位置右相邻位置的第三异常程度相乘，相乘结果记为第二相乘；将第一相乘与第二相乘相加，相加结果记为原始位置序列中每个位置数据的最终异常程度。
9.根据权利要求1所述一种PLC采集数据智能清洗方法，其特征在于，所述根据最终异常程度对原始序列每个位置数据进行清洗的具体过程如下：
预设一个最终异常程度阈值，若当前位置数据处理后的最终异常程度大于最终异常程度阈值，则认为当前位置数据是异常位置数据；若当前位置数据处理后的最终异常程度小于或等于最终异常程度阈值，则认为当前位置数据是正常位置数据。
10.一种PLC采集数据智能清洗系统，包括存储器和处理器，其特征在于，所述处理器执行所述存储器存储的计算机程序，以实现如权利要求1-9任一项所述的一种PLC采集数据智能清洗方法。
CN202310670687.9A 2023-06-08 2023-06-08 一种plc采集数据智能清洗方法及系统 Active CN116400639B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310670687.9A CN116400639B (zh) 2023-06-08 2023-06-08 一种plc采集数据智能清洗方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310670687.9A CN116400639B (zh) 2023-06-08 2023-06-08 一种plc采集数据智能清洗方法及系统

Publications (2)

Publication Number Publication Date
CN116400639A true CN116400639A (zh) 2023-07-07
CN116400639B CN116400639B (zh) 2023-08-11

Family

ID=87018376

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310670687.9A Active CN116400639B (zh) 2023-06-08 2023-06-08 一种plc采集数据智能清洗方法及系统

Country Status (1)

Country Link
CN (1) CN116400639B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117370917A (zh) * 2023-12-07 2024-01-09 城光（湖南）节能环保服务股份有限公司 一种城市智慧路灯寿命预测方法及系统

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5006999A (en) * 1988-04-01 1991-04-09 Toyota Jidosha Kabushiki Kaisha Real-time robot control system tracking based on a standard path
JP2008191754A (ja) * 2007-02-01 2008-08-21 National Institute Of Advanced Industrial & Technology 異常検出装置および異常検出方法
CN103204180A (zh) * 2012-01-15 2013-07-17 湖南晟通科技集团有限公司 双轮毂电机驱动系统自适应平衡转向控制方法
CN110073301A (zh) * 2017-08-02 2019-07-30 强力物联网投资组合2016有限公司 工业物联网中具有大数据集的数据收集环境下的检测方法和系统
CN110069585A (zh) * 2017-12-05 2019-07-30 腾讯科技（深圳）有限公司 轨迹点数据的处理方法和装置、存储介质及电子装置
CN115982557A (zh) * 2023-02-24 2023-04-18 深圳市特安电子有限公司 一种气体浓度检测用数据处理系统
CN116128260A (zh) * 2023-04-18 2023-05-16 山东奥斯瑞特检验检测有限公司 基于数据样本的重点企业环境分析方法
CN116155426A (zh) * 2023-04-19 2023-05-23 恩平市奥新电子科技有限公司 基于历史数据的调音台运行异常监测方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5006999A (en) * 1988-04-01 1991-04-09 Toyota Jidosha Kabushiki Kaisha Real-time robot control system tracking based on a standard path
JP2008191754A (ja) * 2007-02-01 2008-08-21 National Institute Of Advanced Industrial & Technology 異常検出装置および異常検出方法
CN103204180A (zh) * 2012-01-15 2013-07-17 湖南晟通科技集团有限公司 双轮毂电机驱动系统自适应平衡转向控制方法
CN110073301A (zh) * 2017-08-02 2019-07-30 强力物联网投资组合2016有限公司 工业物联网中具有大数据集的数据收集环境下的检测方法和系统
CN110069585A (zh) * 2017-12-05 2019-07-30 腾讯科技（深圳）有限公司 轨迹点数据的处理方法和装置、存储介质及电子装置
CN115982557A (zh) * 2023-02-24 2023-04-18 深圳市特安电子有限公司 一种气体浓度检测用数据处理系统
CN116128260A (zh) * 2023-04-18 2023-05-16 山东奥斯瑞特检验检测有限公司 基于数据样本的重点企业环境分析方法
CN116155426A (zh) * 2023-04-19 2023-05-23 恩平市奥新电子科技有限公司 基于历史数据的调音台运行异常监测方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117370917A (zh) * 2023-12-07 2024-01-09 城光（湖南）节能环保服务股份有限公司 一种城市智慧路灯寿命预测方法及系统
CN117370917B (zh) * 2023-12-07 2024-02-23 城光（湖南）节能环保服务股份有限公司 一种城市智慧路灯寿命预测方法及系统

Also Published As

Publication number Publication date
CN116400639B (zh) 2023-08-11

Similar Documents

Publication Publication Date Title
CN116400639B (zh) 一种plc采集数据智能清洗方法及系统
CN106886216B (zh) 基于rgbd人脸检测的机器人自动跟踪方法和系统
CN107292344B (zh) 一种基于环境交互的机器人实时控制方法
CN109446189A (zh) 一种工业参数离群点检测系统及方法
CN110889091B (zh) 基于温度敏感区间分段的机床热误差预测方法与系统
CN117148784B (zh) 一种多轴多通道数控系统运行故障分析方法
CN110682159A (zh) 一种刀具磨损状态识别方法及装置
CN115876258B (zh) 基于多源数据的畜禽养殖环境异常监测及报警系统
WO2023005789A1 (zh) 一种温度处理方法及装置
CN210386980U (zh) 一种基于机器视觉的冷床智能控制系统
CN113901379A (zh) 一种边缘端的实时数据动态在线快速处理方法
CN115795401A (zh) 海洋牧场全要素监测传感器多数据融合系统
CN110895717A (zh) 检查装置以及机器学习方法
CN110895716A (zh) 检查装置以及机器学习方法
CN111108738B (zh) 数据处理设备、数据分析设备、数据处理系统和用于处理数据的方法
CN116597361A (zh) 清洗机的图像识别跟踪方法、装置、设备及可读存储介质
CN111077881A (zh) 数据异常值处理方法、系统、装置及计算机可读存储介质
CN116882079A (zh) 一种水泵特性曲线自适应校准及预测方法
CN113435106B (zh) 一种过渡模态操作故障检测方法和系统
CN108896049A (zh) 一种机器人室内运动定位方法
CN113188235A (zh) 空调系统内传感器多源故障诊断方法、系统及设备
CN113920156A (zh) 基于视频目标跟踪的加速度估计方法、系统、设备及介质
CN110083804B (zh) 基于条件分布回归的风电场scada数据缺失的智能修复方法
CN109655884B (zh) 一种速度拾取异常点去除方法及系统
CN101794373B (zh) 带旋转的亚像素匹配算法在机器视觉系统中的应用方法

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