CN116593065B - 一种袋式包装机检测平台的数据分析方法 - Google Patents

Abstract

本申请涉及数据处理技术领域，具体涉及一种袋式包装机检测平台的数据分析方法。该方法包括：实时获取袋式包装机在包装过程中密封袋内的压力数据；根据当前时刻的压力数据和单位时间内充入的气体量，计算下一时刻的压力预测值；根据下一时刻的压力预测值，对下一时刻的压力数据进行去噪。利用本发明所述的数据分析方法能够对获得的压力数据进行实时去噪，避免充气过多发生胀袋。

Description

一种袋式包装机检测平台的数据分析方法

技术领域

本申请涉及数据处理技术领域，具体涉及一种袋式包装机检测平台的数据分析方法。

背景技术

为了提高袋式包装机的生产效率和产品质量，可以建立一个检测平台来监测袋式包装机的工作状态。在这个检测平台中，可以使用各种传感器来收集袋式包装机的运行数据，如温度、湿度、压力等，并将这些数据通过网络传输到一个中央服务器进行存储和分析。其中袋式包装机在进行工作时最主要的是密封袋内的压力数据，因为一般在食物的储藏过程中，会将包装带内充入氮气，在进行充气密封的过程中会实时检测包装袋内的气压，防止因为袋内压力过高在运输的过程中发生破袋。但是在采集袋内的压力数据时，因为设备的长时间运行，以及电流的波动，采集获得的压力数据会存在噪声，影响对包装袋内压力的判断，因此需要对获得的压力数据进行去噪处理。

在现有技术中，对数据进行去噪的方法较多，例如小波变换、中值滤波算法都能对数据信号进行去噪处理，但是因为本发明在对袋式包装机工作过程中进行压力监测时，监测数据是一个实时数据，而上述算法仅适用于对固定数据序列进行去噪，无法对实时数据进行去噪。

为了解决上述问题，本发明提出一种用于袋式包装机监测平台的数据分析方法，能够更好的对实时数据进行矫正，避免因为噪声的干扰使得监测数据产生误差。

发明内容

针对上述问题，本发明提出一种袋式包装机检测平台的数据分析方法，包括：实时获取袋式包装机在包装过程中密封袋内的压力数据；根据当前时刻的压力数据和单位时间内充入的气体量，计算下一时刻的压力预测值；根据下一时刻的压力预测值，对下一时刻的压力数据进行去噪。

根据本发明的一个方案，数据分析方法还包括：判断下一时刻是否是异常数据的起始点；如果是，则对计算出的下一时刻的压力预测值进行矫正。

本发明具有的有益效果如下：因为在通过袋式包装机对密封袋进行充气时，袋内的压力大小会影响产品在运输的过程中的质量，本发明对袋内的压力数据进行监测，来观察袋内的实际压力与额定压力的差值。但是采集获得压力数据会受到噪声的影响，因此需要对压力数据进行去噪，使得获得的密封袋内的压力数据更加准确，进而能够实时监测袋内的准确压力值，能够避免充气过多发生胀袋。

在对压力数据进行去噪时，本发明通过压力变化模型对压力数据进行预测，然后通过比较预测值与实际值的差异来判断每次采集的压力数据是否存在噪声的干扰，若存在噪声的干扰就用预测值代替实际值，然后依次进行。因为压力数据会随着充气量的变化产生变化，因此当达到一个固定点时，压力数据会出现波动，变成非线性变化，本发明通过判断下一时刻是否是异常数据的起始点，对计算出的压力预测值进行矫正，从而保证去噪效果，使得密封袋内的实际值与额定值相同，这样才不会造成密封袋因为压力过大导致胀袋。

附图说明

在不一定按比例绘制的附图中，相同的附图标记可以在不同的视图中描述相似的部件。附图大体上通过举例而不是限制的方式示出各种实施例，并且与说明书一起用于对所公开的实施例进行说明。在适当的时候，在所有附图中使用相同的附图标记指代同一或相似的部分。这样的实施例是例证性的，而并非旨在作为本装置或方法的穷尽或排他实施例。

图1是实施例的一种袋式包装机检测平台的数据分析方法的流程图；

图2是另一实施例的一种袋式包装机检测平台的数据分析方法的流程图；

图3是实施例的一种袋式包装机检测平台的框图。

具体实施方式

此处参考附图描述本公开的各种方案以及特征。通过下面参照附图对给定为非限制性实例的实施例的优选形式的描述，本公开的这些和其它特性将会变得显而易见。

本说明书可使用词组“在一个实施例中”、“在另一个实施例中”、“在又一个实施例、“在一些实施例中”或“在其他实施例中”，其均可指代根据本公开的相同或不同实施例中的一个或多个。说明书全文中，相同的附图标记指代相同或相似的元件，并省略不必要的重复描述。 本发明的主要目的是: 为了对袋式包装机采集获得的压力数据进行去噪处理，然后根据去噪后的压力数据来调节袋式包装机的包装过程，避免密封袋因为压力过大出现胀袋的情况。

本发明所针对的情景为: 为了提高袋式包装机的生产效率和产品质量，建立一个检测平台来监测袋式包装机的工作状态。使用各种传感器来收集袋式包装机的运行数据，如温度、湿度、压力等，其中袋式包装机在进行工作时最主要的是密封袋内的压力数据，因为一般在食物的储藏过程中，会将包装带内充入氮气，在进行充气密封的过程中会实时检测包装袋内的气压，防止因为袋内压力过高在运输的过程中发生破袋。但是在采集袋内的压力数据时，因为设备的长时间运行，以及电流的波动，采集获得的压力数据会存在噪声，影响对包装袋内压力的判断，因此需要对获得的压力数据进行去噪处理。

在一个实施例中，如图1所示，示出了一种袋式包装机检测平台的数据分析方法，包括：

步骤S1，实时获取袋式包装机在包装过程中密封袋内的压力数据。

例如，通过在袋式包装机的充气导管前端布置压力传感器，可以实时采集袋式包装机在包装过程中密封袋内的压力数据（监测数据）。实施例对压力传感器的具体位置和获取压力数据的来源不做限制，只要能够获取密封袋内的气体压力数据，就可以实施本方案。

然后，在步骤S2中，根据当前时刻的压力数据和单位时间内充入的气体量，计算下一时刻的压力预测值。

因为在进行充气时，初始的气压值是标准大气压值，因此不管监测到的气压值是何种气压值，都以标准大气压值为基准，然后再对接下来的气压值进行预测。在进行充气的过程中，气体的流量与压强呈现一定的线性关系，因此可以根据当前的气压和单位时间内充入的气体量来获得下一时刻的气压大小。在给密封袋内充气的过程中，单位时间内充入的气体量与密封袋内压力的变化关系可以通过理想气体状态方程来描述。理想气体状态方程是指，在一定温度下，气体的压强和体积之间存在确定的函数关系，即 ，充入的气体量为Q，则根据定义，/>，/>表示气体的摩尔数，则密封袋内的压强计算公式如下：

式中，表示气体的压强，/>表示气体的体积，/>为气体常数，/>表示气体的绝对温度，/>表示单位时间，/>单位时间内充入的气体量。该公式为现有公式，在此不做逻辑解释。由上式可知，在密封袋内充气的过程中，单位时间内充入的气体量/>与密封袋内压力/>的变化关系是正相关的。当密封袋内的测得的初始压力值为标准大气压/>时，随着充气时间的增加，下一时刻密封袋内的气压大小为：

在S3中，当获得了下一时刻的压力预测值时，根据压力预测值，对下一时刻的压力数据进行去噪。若时，其中/>表示在第a时刻密封袋内的实际气压值，阈值1例如为0.02（经验值）说明此时密封袋内的压力值与预测接近，则表示此时获得的压力数据没有受到噪声的干扰，则将当前监测到的实际压力值作为参考值，若受到噪声干扰，导致/>时，就将预测值作为下一时刻的压力值，然后来计算之后一时刻的预测值，然后再进行比较判断，依次进行。本文给出的经验值仅为示例，并非对本发明的限制。

在对密封袋进行充气的过程中，密封袋内气压是一个逐渐递增的过程，从最初的标准大气压，逐渐增大，直至到一个固定值。因此在进行数据去噪时，最主要的是对充气即将结束时的数据进行去噪，使得显示的气压值等于密封袋内的气压值，及时的结束充气。但是在前期的数据预测的过程中，是根据当前处理的时间节点之前的数据对接下来的时间节点的压力数据进行预测，因此当前处理的时间节点的数据也必须准确，不能出现较大的数据误差，否则预测的数据值是不准确的，影响对最终气压值的判断。因为在充入气体的过程中，刚开始的时间内密封袋内的压强变化是呈现正相关性的，但是随着充入气体的增多，密封袋会发生一定程度的形变，并且当填充时间增加时，充入较多的气体会导致密封袋内气压升高，从而影响充气速度，会导致密封袋内的压力变化出现非线性关系，此时若在通过上述方法进行判断时，就会导致误差增大，因此需要根据压力数据的变化来判断下一时刻的压力数据是否为准确的数据。

因此，在本发明一个改进的实施例中，如图2所示，数据分析方法还可以包括：

步骤S22，判断下一时刻是否是异常数据的起始点；

如果是，则在步骤S24中，对计算出的下一时刻的压力预测值进行矫正。利用矫正后的压力预测值在S3中进行去噪。

否则，在步骤S3中，利用预测的压力值进行去噪。

在一个实施例中，步骤S22包括：根据到下一时刻为止的整个时间序列上采集的压力数据和计算出的压力预测值，计算第一异常值，所述第一异常值/>表示下一时刻的压力数据相对于整个时间序列的压力数据变化的异常程度；根据所述第一异常值/>，判断下一时刻是否是异常数据的起始点。在一个优选实施例中，步骤S22进一步包括：

根据到下一时刻为止的整个时间序列上采集的压力数据和压力预测值，以及下一时刻的压力数据曲线的斜率与其之前的全部时刻的压力数据曲线的平均斜率之间的差异，计算所述第一异常值。

其计算公式如下：

式（1）

式（1）中，a是当前处理的时间节点，也就是下一时刻的时间节点，表示在第/>时刻密封袋内的理论气压值，/>表示在第/>时刻密封袋内的实际气压值，/>表示在第时刻密封袋内的理论气压值，/>表示在第/>时刻密封袋内的实际气压值，/>表示在第/>时刻压力数据曲线的斜率，/>表示在第/>时刻压力数据曲线的斜率，/>表示数据点的数量。/>表示在确定第/>个数据点为异常数据点时，对数据点进行定位，因为预测值与实际值的差值的大小表示受到噪声的影响程度大小，差值越小，说明受到噪声的影响程度越小，说明该数据点越能够表示密封袋内压力的变化，因此在选择点时，虽然是计算的时刻/>是否为异常数据点，但是相当于在/>的邻域区间内去选择一个数据点进行计算，在这里邻域区间的大小为5个数据点，从而才能保证异常数据点的准确性，因此这里选择差值最小的数据点来表示。/>表示在当前处理的时间节点之前预测值与实际值差异的均值， />表示当前时间节点与之前数据之间的差异，差异越小说明当前处理的时间节点密封袋内压力的变化与之前数据的变化相似，因此该时间节点不能作为密封袋发生形变产生的压力变化异常点，反之则相反。/>表示当前处理的时间节点数据点的斜率与之前数据的平均斜率的差值，因为斜率的变化就表示的是相邻数据点的大小的变化，当数据的波动程度越大时，说明当前数据点相较于之前数据点的变化更加的异常，那么该点就可能为异常数据点。不单用相邻理论气压值与实际值的差异来描述异常数据点是因为压力数据存在噪声的影响，当单个数据点出现异常时有可能是因为噪声的影响的，因此在这里使用当前数据之前全部数据的斜率的变化来描述当前数据的异常，当当前数据点的斜率与该点之前数据点的斜率出现较大差异时，说明该点就是异常的点可能程度较大，是对的补充修正，能够更好的描述当前数据点的异常程度。

在另一实施例中，步骤S22可以包括：根据下一时刻及其之前的邻近时间段的压力数据和压力预测值，计算第二异常值，所述第二异常值/>表示下一时刻的压力数据相对于其之前的邻近时间段的压力数据变化的异常程度；根据所述第二异常值/>，判断下一时刻是否是异常数据的起始点。计算公式如下：

式（2）

式（2）中，表示当前处理的时间节点即下一时刻对应的时间节点之前的10个数据点预测值的均值，/>表示当前处理的时间节点之前的10个数据点实际值的均值。/>表示在第/>个数据点的邻近数据中预测值的差异与实际值的差异，因为不管是预测值还是实际值都是表现当前数据点的变化程度，其数据的差值越大，说明当前数据点的异常程度值越大，则说明在此时密封袋内的压力变化已经不符合之前的线性变化，因此该点就可能为异常数据点。

在一个优选实施例中，步骤S22中，根据所述第一异常值和所述第二异常值/>，判断下一时刻是否是异常数据的起始点。

式（3）

式（3）中，表示第/>个数据点为异常数据点的可能程度，0.6,0.4表示权重，因为邻域数据的变化更能够体现当前数据的变化情况，因此在这里将当前处理的时间节点的数据相对于一段区间数据变化的异常值设置更大的权重，该权重为经验值，实施者可根据具体实施环境自行设定，/>表示归一化函数，其归一化值为/>。

根据上述获得的数据点的异常程度值，当（经验值）时，说明当前数据的异常程度较大，则将该点作为异常数据点。将该异常数据点作为分割点，也即前述的异常数据的起始点，然后根据分割点后的数据变化来判断预测值与实际值之间的差异。

在步骤S24，对计算出的下一时刻的压力预测值进行矫正。

因为在分割点后的数据其受到密封袋性能的影响，导致数据的变化呈现非线性变化，那么需要根据监测值的变化来找到数据的变化规律，然后再来获得预测值。因为密封袋发生形变后，单位时间内充气量不变时，压强是减小的，因此这里首先设定一个矫正系数（经验值），然后再根据接下来一段时间内压力数据的变化来对矫正系数/>进行调节，使得矫正系数/>更加贴近压力数据的变化，进而在后续的数据预测时才能够更加的准确。则根据后续数据的变化获得矫正系数的修正值。这里，为了能够根据后续数据的变化来决定矫正系数，给予数据较大容错范围，其表达式如下：

式（4）

式中，a是当前处理的时间节点，即下一时刻对应的时间节点，i是大于1的整数，表示第/>个数据点的压力预测值，/>表示第/>个数据点的压力实际值（即监测值）。/>表示当预测值与实际值之间的差异小于4时，将该点的实际值赋予预测值，因为预测值与实际值的差异不大，不会改变后续的预测精度。表示当预测值与实际值之间的差异大于×4时，说明此时的预测值与实际值差异较大，那么根据设定的矫正系数来估测预测值的大小。上式中例如取/>。

然后根据上述获得的矫正压力数据序列来对矫正系数进行修正。因为上述获得的数据序列是根据实际值与预测值得到的，能够反映一段时间内数据的波动变化，因此在对矫正系数进行修正时，能够准确的进行反映，因此首先对获得的数据点进行主成分分析，获得其主成分方向。则修正后的矫正系数其计算公式如下：

式（5）

式中，表示修正后的矫正系数，/>表示在该数据序列内预测值与实际值之间的差异，其差异越大，说明上述的矫正系数在对预测值进行矫正时其影响较大，那么就需要较大的修正系数来对矫正系数进行修正，乘以/>表示该数据序列内数据的变化趋势，因为数据的变化趋势反映了数据在哪个范围内波动，因此这里修正后数据的趋势方向，表示其与参考矫正系数之间的差异。然后再乘以初始的矫正系数，即表示根据数据的趋势变化获得的修正后的矫正系数。

通过上述方法获得修正后的矫正系数，然后再根据压力数据的变化进行矫正系数的实时更新，使得每一次更新的矫正系数都能够反映原始压力数据的变化情况，其更新的规则与上述的方法相同，不过是每收集一个压力数据就更新一次，然后再有更新的系数来获得预测值，然后对获得的原始数据进行去噪。进而当密封袋内的压力达到额定值时能够有效的消除噪声的影响，使得密封袋内的实际值与额定值相同，这样才不会造成密封袋因为压力过大导致胀袋。

如图3所示，本发明一个实施例中，提供一种袋式包装机检测平台300，包括：压力传感器301，用于采集密封袋内气体的压力数据；以及数据处理系统303，包括处理器，其配置为：基于压力传感器采集的压力数据，利用上述的数据分析方法获得去噪后的压力数据；根据去噪后的压力数据来对袋式包装机进行智能调节。通过上述方法获得去噪后的密封袋内的压力数据，将密封袋内的压力数据与额定值进行比较，当达到额定值后，充气即刻停止，此时密封袋内的气压值与额定值相同，就不会对密封袋产生影响。

例如，传感器301可以安装在袋式包装机的充气导管前端，并实时采集密封袋内气体压力数据。

数据处理系统303中，处理器可以是包括一个或多个通用处理装置的处理装置，诸如微处理器、中央处理单元(CPU)等。更具体地，处理器可以是复杂指令集计算(CISC)微处理器、精简指令集计算(RISC)微处理器、超长指令字(VLIW)微处理器、运行其他指令集的处理器或者运行指令集的组合的处理器。处理器还可以是一个或多个专用处理装置，诸如专用集成电路(ASIC)、现场可编程门阵列(FPGA)、数字信号处理器(DSP)，片上系统(SoC)等。如本领域技术人员将理解的，在一些实施例中，处理器可以是专用处理器，而不是通用处理器。

数据处理系统303可以包括存储器。存储器例如包括只读存储器(ROM)、闪存、随机存取存储器(RAM)、诸如同步DRAM(SDRAM)或Rambus DRAM的动态随机存取存储器(DRAM)、静态存储器(例如，闪存、静态随机存取存储器)等，计算机可执行指令以任何格式存储在其上。计算机可执行指令可以由处理器访问，从ROM或者任何其他合适的存储器位置读取，并且加载在RAM中以供处理器执行。

这里描述的示例性方法可以至少部分地是机器或计算机实现的，包括硬件、软件或者硬件、软件相结合的实现方式。一些示例可以包括用指令编码的计算机可读介质或机器可读介质，所述指令可操作以配置电子装置执行如以上示例中所述的方法。这种方法的实现可以包括软件代码，诸如微代码、汇编语言代码、更高级的语言代码等。各种程序或程序模块可以使用各种软件编程技术来创建。例如，可以使用Java、Python、C、C++、汇编语言或任何已知的编程语言来设计程序段或程序模块。软件代码可以形成计算机程序产品或计算机程序模块的一部分。

尽管在此描述了说明性实施例，但是范围包括具有基于本公开的等效要素、修改、省略、组合(例如，跨各种实施例的方案的组合)、调整或变更的任何和所有实施例。不限于本说明书中或在本申 请的存续期间描述的示例，这些示例将被解释为非排他性的。此外，所公开的方法的步骤可以以任何方式进行修改，包括通过重新排序步骤或插入或删除步骤。因此，本说明书仅提供示例性的说明。

Claims (4)

1.一种袋式包装机检测平台的数据分析方法，其特征在于，包括：

实时获取袋式包装机在包装过程中密封袋内的压力数据；

根据当前时刻的压力数据和单位时间内充入的气体量，计算下一时刻的压力预测值；

判断下一时刻是否是异常数据的起始点；如果是，则对计算出的下一时刻的压力预测值进行矫正，并根据矫正后的压力预测值，对下一时刻的压力数据进行去噪；如果不是，根据下一时刻的压力预测值，对下一时刻的压力数据进行去噪；

判断下一时刻是否是异常数据的起始点包括：

根据第一异常值和/或第二异常值/>，判断下一时刻是否是异常数据的起始点；所述第一异常值/>表示下一时刻的压力数据相对于整个时间序列的压力数据变化的异常程度；所述第二异常值/>表示下一时刻的压力数据相对于其之前的邻近时间段的压力数据变化的异常程度；

根据到下一时刻为止的整个时间序列上采集的压力数据和计算出的压力预测值，计算第一异常值，或根据到下一时刻为止的整个时间序列上采集的压力数据和压力预测值，以及下一时刻的压力数据曲线的斜率与其之前的全部时刻的压力数据曲线的平均斜率之间的差异，计算第一异常值/>；

根据下一时刻及其之前的邻近时间段的压力数据和压力预测值，计算第二异常值；

对计算出的下一时刻的压力预测值进行矫正，包括：

预先设定矫正系数K，利用公式： ，计算下一时刻之后一段时间内压力数据的预测值，作为矫正压力数据序列，式中，/>表示第个数据点的预测值，/>表示第/>个数据点的压力数据，a表示时间序列上对应所述下一时刻的时间节点，i是大于1的整数；/>；

根据矫正压力数据序列中数据的变化对矫正系数K进行修正；

利用修正后的矫正系数对下一时刻的压力预测值进行矫正。

2.根据权利要求1所述的数据分析方法，其特征在于，每当获取到最新时刻的压力数据时，按照所述修正的方式，进行矫正系数的实时更新。

3.根据权利要求1所述的数据分析方法，其特征在于，根据下一时刻的压力预测值，对下一时刻的压力数据进行去噪，包括：

当下一时刻的压力预测值与下一时刻的压力数据之间的差异程度大于预定阈值时，将下一时刻的压力预测值作为去噪后的压力数据。

4.根据权利要求1所述的数据分析方法，其特征在于，还包括：

根据去噪后的压力数据来对袋式包装机进行智能调节。