CN116884517B - 在线检测设备及其显示方法、装置、介质 - Google Patents
在线检测设备及其显示方法、装置、介质 Download PDFInfo
- Publication number
- CN116884517B CN116884517B CN202311145094.7A CN202311145094A CN116884517B CN 116884517 B CN116884517 B CN 116884517B CN 202311145094 A CN202311145094 A CN 202311145094A CN 116884517 B CN116884517 B CN 116884517B
- Authority
- CN
- China
- Prior art keywords
- data
- group
- corrected
- ith
- online detection
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 97
- 238000000034 method Methods 0.000 title claims abstract description 50
- 238000009826 distribution Methods 0.000 claims abstract description 37
- 230000002159 abnormal effect Effects 0.000 claims abstract description 19
- 238000012937 correction Methods 0.000 claims abstract description 14
- 238000004590 computer program Methods 0.000 claims description 9
- 238000003860 storage Methods 0.000 claims description 4
- 238000000280 densification Methods 0.000 description 11
- 230000008569 process Effects 0.000 description 7
- 238000012795 verification Methods 0.000 description 6
- 238000003723 Smelting Methods 0.000 description 4
- 230000006872 improvement Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 239000000126 substance Substances 0.000 description 3
- 238000003491 array Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000004886 process control Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000001172 regenerating effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000012888 cubic function Methods 0.000 description 1
- 238000013524 data verification Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000028161 membrane depolarization Effects 0.000 description 1
- 229910052751 metal Inorganic materials 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 150000002739 metals Chemical class 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
- G16C20/20—Identification of molecular entities, parts thereof or of chemical compositions
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
- G16C20/70—Machine learning, data mining or chemometrics
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
- G16C20/80—Data visualisation
Landscapes
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Crystallography & Structural Chemistry (AREA)
- Theoretical Computer Science (AREA)
- Computing Systems (AREA)
- Health & Medical Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Food Science & Technology (AREA)
- Artificial Intelligence (AREA)
- Pathology (AREA)
- Biochemistry (AREA)
- Analytical Chemistry (AREA)
- Medicinal Chemistry (AREA)
- General Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Immunology (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种在线检测设备及其显示方法、装置、介质，在线检测设备的显示方法包括：实时获取在线检测设备的检测数据；待获取到N组数据后，根据N组数据计算分布模型，其中，n为大于1的整数；根据分布模型判断第i组数据是否需要修正，其中，i≥N+1；若需要修正，则修正第i组数据，并显示修正后的第i组数据；若不需要修正，则直接显示第i组数据。本发明的在线检测设备的显示方法通过算法识别并修正检测异常点数据，并且增密预测一周期的数据，缩短在线检测数据的显示周期，增加设备显示数据的实时性。
Description
技术领域
本发明涉及工业在线检测设备技术领域，尤其涉及一种在线检测设备及其显示方法、装置、介质。
背景技术
物质成分检测作为工业领域不可或缺的关键环节，是实现智能制造的必备基础之一。例如，在工业冶炼过程中，成分检测对冶炼产品的冶炼程度、冶炼产品的质量以及金属的回收率等各项技术经济指标方面都起着非常重要的作用。相关技术中，工业过程中的物质成分检测多采用离线实验室检测方式，存在实时性不足、可靠性不足、指导性不足、存在安全风险等特点，不利于成分的实时监控、精细化控制和生产工艺改进，无法支撑相应工艺节点智能化改进。
发明内容
本发明旨在至少在一定程度上解决相关技术中的技术问题之一。为此，本发明的一个目的在于提出一种在线检测设备及其显示方法、装置、介质，通过算法识别并修正检测异常点数据，并且增密预测一周期的数据，缩短在线检测数据的显示周期，增加设备显示数据的实时性。
为达到上述目的，本发明第一方面实施例提出一种在线检测设备的显示方法，所述方法包括：实时获取在线检测设备的检测数据；待获取到N组数据后，根据所述N组数据计算分布模型，其中，N为大于1的整数；根据所述分布模型判断第i组数据是否需要修正，其中，i≥N+1；若需要修正，则修正所述第i组数据，并显示修正后的所述第i组数据；若不需要修正，则直接显示所述第i组数据。
另外，根据本发明上述实施例提出的在线检测设备的显示方法还可以具有如下附加的技术特征：
根据本发明的一个实施例，所述方法还包括：获取当前组数据生成时间与上一组数据生成时间之间的时间间隔；判断所述时间间隔是否大于等于预设时间阈值；若所述时间间隔大于等于所述预设时间阈值，则重新获取N组数据。
根据本发明的一个实施例，所述分布模型包括第一平均值和标准差，所述根据所述分布模型判断第i组数据是否需要修正，包括：根据所述第一平均值和所述标准差确定异常值范围；若所述第i组数据处于所述异常值范围，且第i-1组数据没有经过修正，则判定所述第i组数据需要修正。
根据本发明的一个实施例，i≥N+2时，所述根据所述分布模型判断第i组数据是否需要修正，还包括：计算所述第i组数据和第i-1组数据之间的斜率；判断所述斜率是否超过预设斜率阈值；若所述斜率超过所述预设斜率阈值，且所述第i-1组数据没有经过修正，则判定所述第i组数据需要修正。
根据本发明的一个实施例，所述修正所述第i组数据，包括：获取第i-L组至第i-1组数据，其中，L为预设长度，L为大于1小于等于N的整数；计算所述第i-L组至第i-1组数据的第二平均值；根据所述第二平均值对所述第i组数据进行修正。
根据本发明的一个实施例，所述修正所述第i组数据，包括：获取所述第i-L组至第i-1组数据中的极大值和极小值；计算所述第i-L组至第i-1组数据中去除所述极大值和所述极小值后的第三平均值；根据所述第三平均值对所述第i组数据进行修正。
根据本发明的一个实施例，所述方法还包括：对最近获取到的N组数据进行拟合，得到拟合曲线；根据所述拟合曲线预测未来一组数据中各时刻的数据，并进行显示；返回对最近获取到的N组数据进行拟合的步骤，直至全部数据获取完成。
本发明实施例的在线检测设备的显示方法，实时获取在线检测设备的检测数据，根据获取的前N组数据计算分布模型，并根据分布模型判断第i组数据是否需要修正，若需要修正，则修正第i组数据，并显示修正后的第i组数据，若不需要修正，则直接显示第i组数据，并且数据增密预测未来一个周期的数据，并将其显示，该在线检测设备的显示方法通过识别并修正检测异常点数据和增密预测一周期的数据，缩短在线检测数据的显示周期，增加现有设备显示数据的实时性。
为达到上述目的，本发明第二方面实施例提出了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时，实现如上述的在线检测设备的显示方法。
为达到上述目的，本发明第三方面实施例提出了一种在线检测设备的显示装置，包括存储器和处理器，所述存储器上存储有计算机程序，所述计算机程序被所述处理器执行时，实现如上述的在线检测设备的显示方法。
为达到上述目的，本发明第四方面实施例提出了一种在线检测设备，包括如上述的在线检测设备的显示装置。
本发明附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
图1是本发明一个实施例的在线检测设备的显示方法的流程图；
图2是本发明一个实施例的判断是否重新检测的流程图；
图3是本发明一个实施例的根据分布模型判断第i组数据是否需要修正的流程图；
图4是本发明另一个实施例的根据分布模型判断第i组数据是否需要修正的流程图；
图5是本发明一个实施例的对数据进行异常值检验的流程图；
图6是本发明一个实施例的对第i组数据进行修正的流程图；
图7是本发明另一个实施例的对第i组数据进行修正的流程图；
图8是本发明一个实施例的对N组数据进行拟合预测的流程图；
图9是本发明一个实施例的数据增密预测的流程图；
图10是本发明一个实施例的在线检测设备的显示装置的示意图；
图11是本发明一个实施例的在线检测设备的示意图。
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，旨在用于解释本发明，而不能理解为对本发明的限制。
下面将结合说明书附图以及具体的实施方式对本发明实施例的在线检测设备的显示方法、装置、介质和在线检测设备进行详细地说明。
图1是本发明一个实施例的在线检测设备的显示方法的流程图。
在本发明的一个实施例中，如图1所示，在线检测设备的显示方法包括：
S1，实时获取在线检测设备的检测数据。
具体地，在线检测设备可为一种用于检测物质成分的在线检测设备。物质成分在线检测设备可助力实现基于实时成分指导工艺调控的闭环控制，从而实现精准工艺控制、优化工序衔接效率、支撑智能化建设，进而实现节能减排、降本增效、改进工艺的目的。随着技术的进步和工艺控制的精细化程度提高，用户对成分在线检测设备的实时性有了更高的要求。
进一步具体地，在线检测设备实时获取检测数据，获取检测数据之间具有一定的周期，在获取检测数据中有可能会出现异常值跳变点，这种异常值影响检测数据整体的准确性，需要对异常点进行修正。为保证数据实时性结果的呈现，在实时获取在线检测设备的检测数据过程中，需要实时判断每一组获取的检测数据是否符合周期性规律，即判断当前组数据生成时间与上一组数据生成时间之间的时间间隔是否在预设时间阈值范围之内。
在本发明的一个实施例中，如图2所示，在线监测设备的显示方法还包括：
S101，获取当前组数据生成时间与上一组数据生成时间之间的时间间隔；
S102，判断时间间隔是否大于等于预设时间阈值；
S103，若时间间隔大于等于预设时间阈值，则重新获取N组数据。
具体地，在线检测设备的检测数据是周期性生成的，为保证数据实时性结果的呈现，相邻两组数据组生成的时间间隔应该处于一定的范围之类。若在线检测设备是初次检测，则从获取第二组数据开始，判断当前组数据生成时间与上一组数据生成时间之间的时间间隔是否大于等于预设时间阈值，若时间间隔大于等于预设时间阈值，则清除之前获取的数据，重新进行检测，重新生成N组数据。若在线检测设备不是初次检测，从获取当前组数据开始，判断当前组数据生成时间与上一组数据生成时间之间的时间间隔是否大于等于预设时间阈值，若时间间隔大于等于预设时间阈值，则清除之前获取的数据，重新进行检测，重新生成N组数据，直至获取到任意相连两组数据之间的时间间隔均符合预设时间阈值的N组数据。
S2，待获取到N组数据后，根据N组数据计算分布模型，其中，N大于1的整数。
具体地，根据获取的N组数据计算分布模型，分布模型可为正态分布模型，分布模型包括N组数据的平均值和标准差，根据N组数据的平均值和标准差判断后续生成的数据是否为异常数据。
需要说明的是，根据N组数据计算分布模型过程中，可直接显示未处理的N组数据，也可暂不显示。
S3，根据分布模型判断第i组数据是否需要修正，其中，i≥N+1。
具体地，获取N组在线检测设备的数据之后，按照周期，继续获取后续的数据组，根据分布模型判断后续生成的第i组数据是否需要修正，其中，判断第i组数据是否需要修正可有两个判断指标，一个是异常值范围验证，一个是斜率验证。
在本发明的一个实施例中，如图3所示，分布模型包括第一平均值和标准差，根据分布模型判断第i组数据是否需要修正，包括：
S201，根据第一平均值和标准差确定异常值范围。
S202，若第i组数据处于异常值范围，且第i-1组数据没有经过修正，则判定第i组数据需要修正。
具体地，分布模型包括第一平均值mean和标准差SD，若分布模型为正态分布模型，默认正常数据符合正态分布N（mean，SD2），则（mean-3SD，mean+3/>SD）范围之外为异常值范围，若第i组数据处于异常值范围，即第i组数据处于（mean-3/>SD，mean+3/>SD）范围之外，则认为第i组数据为异常值，且第i-1组数据没有经过修正，则判定第i组数据需要修正。
除了根据异常值范围验证还对第i组数据进行斜率验证。
在本发明的一个实施例中，如图4所示，当i≥N+2时，根据分布模型判断第i组数据是否需要修正，还包括：
S301，计算第i组数据和第i-1组数据之间的斜率。
S302，判断斜率是否超过预设斜率阈值。
S303，若斜率超过预设斜率阈值，且第i-1组数据没有经过修正，则判定第i组数据需要修正。
具体地，生成N组数据之后，对第N+1组数据及其之后的数据进行异常值范围验证，对第N+2组数据及其之后的数据还增加一个斜率验证。计算第i组数据和第i-1组数据之间的斜率，例如，第i组数据用x[i]表示，第i-1组数据用x[i-1]表示，第i组数据和第i-1组数据之间的斜率，斜率超过预设斜率阈值，表明第i组数据相对于第i-1组数据的变化率过大，且在第i-1组数据没有经过修正的情况下，对第i组数据进行修正。
作为一个示例，如图5所示，实时获取在线检测设备的检测数据，并对在线检测设备是否初次检测/重新检测进行判断，判断为初次检测/重新检测后，从第1组数据开始，至第N_dist组数据，用于计算分布模型，由1~N_dist组生成数据计算出第一平均值mean和标准差SD，默认数据符合正态分布N（mean，SD2）,若生成的数据落在（mean-3SD，mean+3/>SD）范围之外，则认为该组数据为异常值。在此期间直接显示未处理的数据，或暂时不显示。第N_dist+1组数据生成后，判断是否在异常值范围内，结果为是，修正并输出，结果为否，直接输出。当第i组数据生成后（i≥N_dist+2），判断斜率是否超限和是否在异常值范围内，当x[i]与x[i-1]的斜率/>超过限制K_lim时，判断为斜率超限，当斜率超限或在异常值范围内，再判断上一组数据是否修正，结果为是，直接输出，结果为否，修正并输出。按以上方法对所有生成的数据进行处理，全部数据生成完成后终止。
S4，若需要修正，则修正第i组数据，并显示修正后的第i组数据。
具体地，若判定第i组数据需要修正，对第i组数据进行修正后再显示。修正方法包括滑动平均修正和去极值平均修正。可根据用户选择确定修正方法，去极值点平均修正导致数据更平滑，但也会丧失一定的数据真实性，而滑动平均修正平滑程度不够高，可能仍有异常点，但数据真实性较高，可用户需求选择更符合实际情况和需求效果的。
在本发明的一个实施例中，如图6所示，修正第i组数据，包括：
S401，获取第i-L组至第i-1组数据，其中，L为预设长度，L为大于1小于等于N的整数。
S402，计算第i-L组至第i-1组数据的第二平均值。
S403，根据第二平均值对第i组数据进行修正。
具体地，利用滑动平均修正对第i组数据进行修正，计算第i-L组至第i-1组数据的第二平均值，L为预设的数据长度，根据第二平均值对第i组数据进行修正，修正后的第i组数据。
在本发明的一个实施例中，如图7所示，修正第i组数据，包括：
S501，获取第i-L组至第i-1组数据中的极大值和极小值。
S502，计算第i-L组至第i-1组数据中去除极大值和极小值后的第三平均值。
S503，根据第三平均值对第i组数据进行修正。
具体地，利用去极值点平均修正方法对第i组数据进行修正，获取第i-L组至第i-1组数据中的极大值和极小值，记极大值为Xmax，极小值为Xmin，计算第i-L组至第i-1组数据中去除极大值和极小值后的第三平均值，L为预设的数据长度，根据第三平均值对第i组数据进行修正，修正后的第i组数据。
S5，若不需要修正，则直接显示第i组数据。
对需要修正的第i组数据进行修正之后，显示修正后的第i组数据，对不需要修正的数据直接进行显示。但是每一组数据之间有一定的时间间隔，为显示完整的数据，本发明还提出一种数据增密预测的方法，用来预测获取每组数据之间的数据。
在本发明的一个实施例，如图8所示，在线检测设备的显示方法还包括：
S601，对最近获取到的N组数据进行拟合，得到拟合曲线。
S602，根据拟合曲线预测未来一组数据中各时刻的数据，并进行显示。
S603，返回对最近获取到的N组数据进行拟合的步骤，直至全部数据获取完成。
具体地，对于初次启动检测和重新检测的一段时间内可暂时不显示，读取已生成的N组数据，对最近获取到的N组数据进行拟合，得到拟合曲线，拟合曲线可为三次多项式拟合曲线，根据拟合曲线预测未来一组数据中各时刻的数据，可按分钟预测未来一个周期的数据，直至下一组生成数据。例如，每5min生成一个数据，用前20min的4组数据每个元素单独进行多项式拟合出第20min、21min、22min、23min、24min的数据由拟合曲线计算得出并实时显示，第25min时，用10-25min的4组数据重新进行多项式拟合，计算并显示25min、26min、27min、28min、29min的数据，以此类推，即一直使用最近获取到的N组数据对未来一组数据中各时刻的数据进行预测。
作为一个示例，如图9所示，数据增密预测算法用于预测分钟级显示数据，每当新数据生成时，进行初次检测/重新检测判断，第1~N_current组数据生成，利用最小二乘多项式拟合趋势曲线，得到三次函数f(x)。其中，x为时间，y为每个元素含量。将自变量x选择TN_current~T/>N_current+(T-1)，代入f(x)，得到第一组增密预测数据。同理，当第n组数据生成后（n≥N_dist+2），用n-N_current+1~n组拟合趋势曲线，将自变量x选择T/>n~T/>n+(T-1)代入，得到增密预测数据直至全部数据生成完成后终止。
本发明实施例的在线检测设备的显示方法，实时获取在线检测设备的检测数据，根据获取的前N组数据计算分布模型，并根据分布模型判断第i组数据是否需要修正，若需要修正，则修正第i组数据，并显示修正后的第i组数据，若不需要修正，则直接显示第i组数据，并且数据增密预测未来一个周期的数据，并将其显示，该在线检测设备的显示方法通过识别并修正检测异常点数据和增密预测一周期的数据，缩短在线检测数据的显示周期，增加现有设备显示数据的实时性。
本发明还提出了一种计算机可读存储介质。
在本发明的一个实施例中，计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时，实现如上述的在线检测设备的显示方法。
本发明还提出了一种在线检测设备的显示装置。
在本发明的一个实施例中，如图10所示，在线检测设备的显示装置100，包括存储器10和处理器20，存储器10上存储有计算机程序，计算机程序被处理器20执行时，实现如上述的在线检测设备的显示方法。
本发明还提出了一种在线检测设备。
在本发明的一个实施例中，如图11所示，在线检测设备1000包括如上述的在线检测设备的显示装置100。
本发明实施例的在线检测设备及其显示方法、装置、介质，实时获取在线检测设备的检测数据，根据获取的前N组数据计算分布模型，并根据分布模型判断第i组数据是否需要修正，若需要修正，则修正第i组数据，并显示修正后的第i组数据，若不需要修正，则直接显示第i组数据，并且数据增密预测未来一个周期的数据，并将其显示，该在线检测设备的显示方法通过识别并修正检测异常点数据和增密预测一周期的数据，缩短在线检测数据的显示周期，增加现有设备显示数据的实时性。
需要说明的是，在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备（如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统）使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例（非穷尽性列表）包括以下：具有一个或多个布线的电连接部（电子装置），便携式计算机盘盒（磁装置），随机存取存储器（RAM），只读存储器（ROM），可擦除可编辑只读存储器（EPROM或闪速存储器），光纤装置，以及便携式光盘只读存储器（CDROM）。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。
应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列（PGA），现场可编程门阵列（FPGA）等。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
在本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”、“顺时针”、“逆时针”、“轴向”、“径向”、“周向”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
在本发明中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或成一体；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系，除非另有明确的限定。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
在本发明中，除非另有明确的规定和限定，第一特征在第二特征“上”或“下”可以是第一和第二特征直接接触，或第一和第二特征通过中间媒介间接接触。而且，第一特征在第二特征“之上”、“上方”和“上面”可是第一特征在第二特征正上方或斜上方，或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”可以是第一特征在第二特征正下方或斜下方，或仅仅表示第一特征水平高度小于第二特征。
尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (6)
1.一种在线检测设备的显示方法，其特征在于，所述方法包括：
实时获取在线检测设备的检测数据；
待获取到N组数据后，根据所述N组数据计算分布模型，其中，N为大于1的整数；
根据所述分布模型判断第i组数据是否需要修正，其中，i≥N+1；
若需要修正，则修正所述第i组数据，并显示修正后的所述第i组数据；
若不需要修正，则直接显示所述第i组数据；
所述方法还包括：
获取当前组数据生成时间与上一组数据生成时间之间的时间间隔；
判断所述时间间隔是否大于等于预设时间阈值；
若所述时间间隔大于等于所述预设时间阈值，则重新获取N组数据；
所述方法还包括：
对最近获取到的N组数据进行拟合，得到拟合曲线；
根据所述拟合曲线预测未来一个周期中各时刻的数据，并进行显示；
返回对最近获取到的N组数据进行拟合的步骤，直至全部数据获取完成；
所述分布模型包括第一平均值和标准差，所述根据所述分布模型判断第i组数据是否需要修正，包括：
根据所述第一平均值和所述标准差确定异常值范围；
若所述第i组数据处于所述异常值范围，且第i-1组数据没有经过修正，则判定所述第i组数据需要修正；
i≥N+2时，所述根据所述分布模型判断第i组数据是否需要修正，还包括：
计算所述第i组数据和第i-1组数据之间的斜率；
判断所述斜率是否超过预设斜率阈值；
若所述斜率超过所述预设斜率阈值，且所述第i-1组数据没有经过修正，则判定所述第i组数据需要修正。
2.根据权利要求1所述的在线检测设备的显示方法，其特征在于，所述修正所述第i组数据，包括：
获取第i-L组至第i-1组数据，其中，L为预设长度，L为大于1小于等于N的整数；
计算所述第i-L组至第i-1组数据的第二平均值；
根据所述第二平均值对所述第i组数据进行修正。
3.根据权利要求2所述的在线检测设备的显示方法，其特征在于，所述修正所述第i组数据，包括：
获取所述第i-L组至第i-1组数据中的极大值和极小值；
计算所述第i-L组至第i-1组数据中去除所述极大值和所述极小值后的第三平均值；
根据所述第三平均值对所述第i组数据进行修正。
4.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时，实现如权利要求1-3中任一项所述的在线检测设备的显示方法。
5.一种在线检测设备的显示装置，包括存储器和处理器，所述存储器上存储有计算机程序，其特征在于，所述计算机程序被所述处理器执行时，实现如权利要求1-3中任一项所述的在线检测设备的显示方法。
6.一种在线检测设备，其特征在于，包括如权利要求5所述的在线检测设备的显示装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311145094.7A CN116884517B (zh) | 2023-09-06 | 2023-09-06 | 在线检测设备及其显示方法、装置、介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311145094.7A CN116884517B (zh) | 2023-09-06 | 2023-09-06 | 在线检测设备及其显示方法、装置、介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116884517A CN116884517A (zh) | 2023-10-13 |
| CN116884517B true CN116884517B (zh) | 2023-12-22 |
Family
ID=88262512
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311145094.7A Active CN116884517B (zh) | 2023-09-06 | 2023-09-06 | 在线检测设备及其显示方法、装置、介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116884517B (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104281779A (zh) * | 2014-09-26 | 2015-01-14 | 宁波绮耘软件有限公司 | 一种异常数据判定与处理方法及装置 |
| CN104280791A (zh) * | 2014-09-26 | 2015-01-14 | 宁波绮耘软件有限公司 | 一种气象数据质量控制处理方法及系统 |
| WO2016058372A1 (zh) * | 2014-10-14 | 2016-04-21 | 中兴通讯股份有限公司 | 气体检测预警的方法、装置、系统及计算机存储介质 |
| CN109239265A (zh) * | 2018-09-11 | 2019-01-18 | 清华大学合肥公共安全研究院 | 监测设备故障检测方法及装置 |
| CN111984503A (zh) * | 2020-08-17 | 2020-11-24 | 网宿科技股份有限公司 | 一种监控指标数据异常数据识别的方法及装置 |
| CN113988113A (zh) * | 2021-09-17 | 2022-01-28 | 济南轨道交通集团有限公司 | 盾构掘进过程各阶段数据自动分离方法及计算机可读介质 |
| CN115809233A (zh) * | 2022-11-30 | 2023-03-17 | 上海勘察设计研究院(集团)有限公司 | 一种基于时空多维特性的流数据检测方法 |
| CN115828055A (zh) * | 2023-02-22 | 2023-03-21 | 民航成都物流技术有限公司 | 一种采样数据的监测方法、装置、计算机设备和存储介质 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10970891B2 (en) * | 2016-02-29 | 2021-04-06 | Oracle International Corporation | Systems and methods for detecting and accommodating state changes in modelling |
| KR20230039873A (ko) * | 2021-09-14 | 2023-03-22 | 삼성전자주식회사 | 이상 감지 방법 |
-
2023
- 2023-09-06 CN CN202311145094.7A patent/CN116884517B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104281779A (zh) * | 2014-09-26 | 2015-01-14 | 宁波绮耘软件有限公司 | 一种异常数据判定与处理方法及装置 |
| CN104280791A (zh) * | 2014-09-26 | 2015-01-14 | 宁波绮耘软件有限公司 | 一种气象数据质量控制处理方法及系统 |
| WO2016058372A1 (zh) * | 2014-10-14 | 2016-04-21 | 中兴通讯股份有限公司 | 气体检测预警的方法、装置、系统及计算机存储介质 |
| CN109239265A (zh) * | 2018-09-11 | 2019-01-18 | 清华大学合肥公共安全研究院 | 监测设备故障检测方法及装置 |
| CN111984503A (zh) * | 2020-08-17 | 2020-11-24 | 网宿科技股份有限公司 | 一种监控指标数据异常数据识别的方法及装置 |
| CN113988113A (zh) * | 2021-09-17 | 2022-01-28 | 济南轨道交通集团有限公司 | 盾构掘进过程各阶段数据自动分离方法及计算机可读介质 |
| CN115809233A (zh) * | 2022-11-30 | 2023-03-17 | 上海勘察设计研究院(集团)有限公司 | 一种基于时空多维特性的流数据检测方法 |
| CN115828055A (zh) * | 2023-02-22 | 2023-03-21 | 民航成都物流技术有限公司 | 一种采样数据的监测方法、装置、计算机设备和存储介质 |
Non-Patent Citations (2)
| Title |
|---|
| Time series to imaging-based deep learning model for detecting abnormal fluctuation in agriculture product price;Soft Computing;Soft Computing;第27卷;全文 * |
| 数据流上异常数据的在线检测与修正;王永利;徐宏炳;董逸生;钱江波;刘学军;;应用科学学报(第03期);40-45 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116884517A (zh) | 2023-10-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR101675703B1 (ko) | 충전 상태 연산 장치 및 충전 상태 연산 방법 | |
| CN108226783B (zh) | Soc估算方法和soc估算装置以及电动汽车 | |
| JP2006292565A (ja) | 二次電池劣化状態判定方法及び二次電池劣化状態判定装置 | |
| CN116884517B (zh) | 在线检测设备及其显示方法、装置、介质 | |
| CN110380982B (zh) | 一种流量控制方法及相关装置 | |
| CN113270876A (zh) | 功率平衡方法、装置、控制芯片和存储介质 | |
| CN111306727B (zh) | 空调器及其控制方法与装置 | |
| CN117334969A (zh) | 燃料电池工作参数控制方法、用电设备和电子设备 | |
| EP4015781A1 (en) | System for validating validity of sensor using control limit | |
| CN115204056A (zh) | 一种电网前瞻优化调度方法及系统 | |
| CN114883609A (zh) | 一种燃料电池系统的稳态误差计算方法和装置 | |
| CN115128493A (zh) | 电池系统及其soh值确定方法、装置及存储介质 | |
| US20220163013A1 (en) | Method for determining performance parameters in real time | |
| CN114779081A (zh) | 车辆电池寿命的互学习预测方法、装置及存储介质 | |
| CN116413613A (zh) | 动力电池的soc估算方法、系统、车辆及介质 | |
| CN116148692A (zh) | 一种储能系统控制方法、装置、计算机设备及存储介质 | |
| CN116646567A (zh) | 燃料电池系统的方法、燃料电池系统及交通工具 | |
| CN110704461A (zh) | 一种数据校验方法、装置、计算机设备及可读存储介质 | |
| KR102660392B1 (ko) | 전기로 공정의 스크랩 붕락 예측 방법 | |
| CN117269774B (zh) | 一种动力电池的soc的修正方法 | |
| CN115823145B (zh) | 离合器电子泵pd曲线的自学习方法、装置、介质和车辆 | |
| CN118091325B (zh) | 一种电缆智能检测方法及系统 | |
| JP3935803B2 (ja) | 発電制御方法および発電制御プログラム | |
| CN114295993B (zh) | 电池soc确定方法、装置、车辆及存储介质 | |
| CN115991123B (zh) | 一种功率负荷状态识别方法、系统、设备和介质 |
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 |