CN116973639A - 一种基于大数据的紧缩场检测环境管控系统 - Google Patents
一种基于大数据的紧缩场检测环境管控系统 Download PDFInfo
- Publication number
- CN116973639A CN116973639A CN202310948514.9A CN202310948514A CN116973639A CN 116973639 A CN116973639 A CN 116973639A CN 202310948514 A CN202310948514 A CN 202310948514A CN 116973639 A CN116973639 A CN 116973639A
- Authority
- CN
- China
- Prior art keywords
- value
- environment
- amplitude
- monitoring
- 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.)
- Pending
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 106
- 238000012544 monitoring process Methods 0.000 claims abstract description 73
- 238000007726 management method Methods 0.000 claims abstract description 33
- 238000000034 method Methods 0.000 claims abstract description 30
- 238000013523 data management Methods 0.000 claims abstract description 17
- 238000004458 analytical method Methods 0.000 claims abstract description 16
- 238000012360 testing method Methods 0.000 claims abstract description 13
- 238000004364 calculation method Methods 0.000 claims abstract description 12
- 230000007613 environmental effect Effects 0.000 claims abstract description 6
- 238000004891 communication Methods 0.000 claims abstract description 4
- 230000010287 polarization Effects 0.000 claims description 46
- 230000006835 compression Effects 0.000 claims description 11
- 238000007906 compression Methods 0.000 claims description 11
- 230000002159 abnormal effect Effects 0.000 claims description 9
- 238000013433 optimization analysis Methods 0.000 claims description 8
- 238000005457 optimization Methods 0.000 claims description 6
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 abstract description 6
- 238000007405 data analysis Methods 0.000 abstract description 2
- 238000005259 measurement Methods 0.000 description 6
- 125000004122 cyclic group Chemical group 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R29/00—Arrangements for measuring or indicating electric quantities not covered by groups G01R19/00 - G01R27/00
- G01R29/08—Measuring electromagnetic field characteristics
- G01R29/10—Radiation diagrams of antennas
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Electromagnetism (AREA)
- Testing Or Calibration Of Command Recording Devices (AREA)
Abstract
本发明属于紧缩场领域，涉及数据分析技术，用于解决现有的紧缩场检测系统无法根据环境监测的历史数据对环境检测标准进行更新与优化的问题，具体是一种基于大数据的紧缩场检测环境管控系统，包括环境管控平台，所述环境管控平台通信连接有环境监测模块、试验分析模块、数据管理模块以及存储模块；所述环境监测模块用于在紧缩场检测之前对检测环境进行监测分析：将紧缩场检测现场标记为监测对象；本发明可以在紧缩场检测之前对检测环境进行监测分析，通过对检测现场的各项环境参数进行综合分析与计算得到环偏系数，从而通过环偏系数对检测环境对紧缩场检测结果精度的影响程度进行反馈，进而提高紧缩场检测结果精确性。
Description
技术领域
本发明属于紧缩场领域，涉及数据分析技术，具体是一种基于大数据的紧缩场检测环境管控系统。
背景技术
紧缩场技术是指在近距离上实现天线参数或雷达目标散射特性远场测量的技术，紧缩场是应用近场聚焦原理，在测量天线近区产生一个准平面波区，应用近场聚焦原理，在测量天线近区产生一个准平面波区，测量时系统无需离开被测目标或天线远场距离便可测到远场测量数据，与近场测量的概念不同，它不需要采用近-远场教学变换。
现有的紧缩场检测系统缺少在紧缩场检测开始之前对其检测环境进行监测分析，导致环境不符合要求时紧缩场检测结果的平坦度较大，进而无法保证紧缩场检测结果的精确性；同时无法根据环境监测的历史数据对环境检测标准进行更新与优化。
针对上述技术问题，本申请提出一种解决方案。
发明内容
本发明的目的在于提供一种基于大数据的紧缩场检测环境管控系统，用于解决现有的紧缩场检测系统无法根据环境监测的历史数据对环境检测标准进行更新与优化的问题；
本发明需要解决的技术问题为：如何提供一种可以根据环境监测的历史数据对环境检测标准进行更新与优化的基于大数据的紧缩场检测环境管控系统。
本发明的目的可以通过以下技术方案实现：
一种基于大数据的紧缩场检测环境管控系统，包括环境管控平台，所述环境管控平台通信连接有环境监测模块、试验分析模块、数据管理模块以及存储模块；
所述环境监测模块用于在紧缩场检测之前对检测环境进行监测分析：将紧缩场检测现场标记为监测对象，获取监测对象的温偏值WP、湿偏值SP以及气偏值QP；通过对温偏值WP、湿偏值SP以及气偏值QP进行数值计算得到监测对象的环偏系数HP；通过监测对象的环偏系数HP的数值对检测环境是否满足要求进行判定；
所述试验分析模块用于在检测环境满足要求时对紧缩场检测执行过程进行监测分析并得到监测对象的幅度平坦度Aij，将监测对象的幅度平坦度Aif发送至环境管控平台，环境管控平台将接收到的监测对象的幅度平坦度Aif发送至数据管理模块；
所述数据管理模块用于对紧缩场检测环境进行数据优化分析：从存储模块中调取与监测对象极化特征相同的所有历史紧缩场检测的幅度平坦度并标记为幅坦数据，将监测对象的幅度平坦度Aif加入到幅坦数据中并建立幅坦集合，对幅坦集合进行剔除分析并得到环偏阈值HPmax，将环偏阈值HPmax与极化特征进行匹配并发送至存储模块中进行存储。
作为本发明的一种优选实施方式，监测对象的温偏值WP的获取过程包括：获取监测对象内部空气温度值以及温度范围，将温度范围的最大边界值与最小边界值的平均值标记为温度均值，将空气温度值与温度均值差值的绝对值标记为监测对象的温偏值WP；监测对象的湿偏值SP的获取过程包括：获取监测对象内部空气湿度值以及湿度范围，将湿度范围的最大边界值与最小边界值的平均值标记为湿度均值，将空气湿度值与湿度均值差值的绝对值标记为监测对象的湿偏值SP；监测对象的气偏值QP的获取过程包括：获取监测对象内部气压值以及气压范围，将气压范围的最大边界值与最小边界值的平均值标记为气压均值，将气压值与气压均值差值的绝对值标记为监测对象的气偏值QP。
作为本发明的一种优选实施方式，对检测环境是否满足要求进行判定的具体过程包括：获取监测对象馈源和被测物的极化并标记为极化特征，通过存储模块获取极化特征对应的环偏阈值HPmax，将监测对象的环偏系数HP与环偏阈值HPmax进行比较：若环偏系数HP小于环偏阈值HPmax，则判定监测对象的检测环境满足要求，环境监测模块向环境管控平台发送环境正常信号，环境管控平台接收到环境正常信号后将环境正常信号发送至试验分析模块；若环偏系数HP大于等于环偏阈值HPmax，则判定监测对象的检测环境不满足要求，环境监测模块向环境管控平台发送环境异常信号，环境管控平台接收到环境异常信号后将环境异常信号发送至管理人员的手机终端。
作为本发明的一种优选实施方式，试验分析模块在检测环境满足要求时对紧缩场检测执行过程进行监测分析的具体过程包括：
步骤S1：架设扫描架，扫描架位于静区内，扫描架与来波方向垂直，水平方向为X，垂直方向为Y，静区中心点为0点；
步骤S1：架设馈源和被测喇叭，馈源与被测喇叭频段一致，安装射频线缆和放大器；
步骤S2：设置网络分析仪；
步骤S3：把扫描架放置成水平方向；
步骤S4：把馈源和被测喇叭均设置为水平极化方向；
步骤S5：扫描行程需要大于等于静区范围，扫描步进为八分之一波长，采用步进扫描模式进行扫描；
步骤S6：记录每一个位置的场强幅度数值Aij；
步骤S7：把馈源设置成水平极化，被测天线垂直极化，重复步骤S5和S6；
步骤S8：把馈源设置成垂直极化，被测天线垂直极化，重复步骤S5和S6；
步骤S9：把馈源设置成垂直极化，被测天线水平极化，重复步骤S5和S6；
步骤S10：把扫描架放置成垂直方向；重复步骤S5和S6；
通过公式Afi＝Aij-d-Aij-x得到幅度平坦度Aif，其中Aij-d为场强幅度数值数据集中的最大值、Aij-x为场强幅度数值数据集中的最小值；将监测对象的幅度平坦度Aif发送至环境管控平台，环境管控平台将接收到的监测对象的幅度平坦度Aif发送至数据管理模块。
作为本发明的一种优选实施方式，对幅坦集合进行剔除分析的具体过程包括：
步骤E1：将幅坦集合中的幅度平坦度按照数值由大到小的顺序进行排序；
步骤E2：对幅坦集合中的所有元素进行方差计算得到原始系数，将排序第一的幅度平坦度从幅坦集合中剔除，对幅坦集合中剩余的所有元素进行方差计算得到剔除系数，将原始系数与剔除系数的差值标记为优化值；
步骤E3：将优化值与预设优化阈值进行比较：若优化值小于优化阈值，则重复执行步骤E1-E2；若优化值大于等于优化阈值，则执行步骤E4；
步骤E4：将幅坦集合中数值最大的幅度平坦度对应的环偏系数HP标记为环偏阈值HPmax，将环偏阈值HPmax与极化特征进行匹配并发送至存储模块中进行存储。
作为本发明的一种优选实施方式，该基于大数据的紧缩场检测环境管控系统的工作方法，包括以下步骤：
步骤一：在紧缩场检测之前对检测环境进行监测分析，将紧缩场检测现场标记为监测对象，获取监测对象的温偏值WP、湿偏值SP以及气偏值QP并进行数值计算得到监测对象的环偏系数HP，通过环偏系数HP的数值对监测对象的检测环境是否满足要求进行判定；
步骤二：在检测环境满足要求时对紧缩场检测执行过程进行监测分析并得到监测对象的幅度平坦度Aif，将监测对象的幅度平坦度Aif发送至数据管理模块；
步骤三：对紧缩场检测环境进行数据优化分析：从存储模块中调取与监测对象极化特征相同的所有历史紧缩场检测的幅度平坦度并标记为幅坦数据，将监测对象的幅度平坦度Aif加入到幅坦数据中并建立幅坦集合，对幅坦集合进行剔除分析并得到极化特征对应的环偏阈值HPmax，将环偏阈值HPmax发送至存储模块中进行存储。
本发明具备下述有益效果：
1、通过环境监测模块可以在紧缩场检测之前对检测环境进行监测分析，通过对检测现场的各项环境参数进行综合分析与计算得到环偏系数，从而通过环偏系数对检测环境对紧缩场检测结果精度的影响程度进行反馈，进而提高紧缩场检测结果精确性；
2、通过试验分析模块可以对紧缩场执行过程进行监测分析，通过为馈源与被测物设置不同的极化来对幅度平坦度进行检测，并对环境温度、环境湿度以及阻抗匹配等影响信号发生器幅度平坦度测量不确定度的实际操作问题给出具有实用价值的参考意见；
3、通过数据管理模块可以对紧缩场检测环境进行数据优化分析，结合极化特征对历史数据进行筛选得到幅坦集合，对幅坦集合进行剔除分析得到极化特征对应的优化值，通过优化值对环境监测标准进行优化与更新，提高后续的环境监测结果精确性。
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为本发明实施例一的系统框图；
图2为本发明实施例二的方法流程图。
具体实施方式
下面将结合实施例对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
实施例一
如图1所示，一种基于大数据的紧缩场检测环境管控系统，包括环境管控平台，环境管控平台通信连接有环境监测模块、试验分析模块、数据管理模块以及存储模块。
环境监测模块用于在紧缩场检测之前对检测环境进行监测分析：将紧缩场检测现场标记为监测对象，获取监测对象的温偏值WP、湿偏值SP以及气偏值QP；监测对象的温偏值WP的获取过程包括：获取监测对象内部空气温度值以及温度范围，将温度范围的最大边界值与最小边界值的平均值标记为温度均值，将空气温度值与温度均值差值的绝对值标记为监测对象的温偏值WP；监测对象的湿偏值SP的获取过程包括：获取监测对象内部空气湿度值以及湿度范围，将湿度范围的最大边界值与最小边界值的平均值标记为湿度均值，将空气湿度值与湿度均值差值的绝对值标记为监测对象的湿偏值SP；监测对象的气偏值QP的获取过程包括：获取监测对象内部气压值以及气压范围，将气压范围的最大边界值与最小边界值的平均值标记为气压均值，将气压值与气压均值差值的绝对值标记为监测对象的气偏值QP；通过公式HP＝α1*WP+α2*SP+α3*QP得到监测对象的环偏系数HP，其中α1、α2以及α3均为比例系数，且α1＞α2＞α3＞1；获取监测对象馈源和被测物的极化并标记为极化特征，通过存储模块获取极化特征对应的环偏阈值HPmax，将监测对象的环偏系数HP与环偏阈值HPmax进行比较：若环偏系数HP小于环偏阈值HPmax，则判定监测对象的检测环境满足要求，环境监测模块向环境管控平台发送环境正常信号，环境管控平台接收到环境正常信号后将环境正常信号发送至试验分析模块；若环偏系数HP大于等于环偏阈值HPmax，则判定监测对象的检测环境不满足要求，环境监测模块向环境管控平台发送环境异常信号，环境管控平台接收到环境异常信号后将环境异常信号发送至管理人员的手机终端；在紧缩场检测之前对检测环境进行监测分析，通过对检测现场的各项环境参数进行综合分析与计算得到环偏系数，从而通过环偏系数对检测环境对紧缩场检测结果精度的影响程度进行反馈，进而提高紧缩场检测结果精确性。
试验分析模块用于对紧缩场检测执行过程进行监测分析：
步骤S1：架设扫描架，扫描架位于静区内，扫描架与来波方向垂直，水平方向为X，垂直方向为Y，静区中心点为0点；
步骤S1：架设馈源和被测喇叭，两者频段一致，安装射频线缆和放大器；
步骤S2：设置网络分析仪，可一次测试一个或多个频点；
步骤S3：把扫描架放置成水平方向；
步骤S4：把馈源和被测喇叭分别设置为水平极化方向；
步骤S5：扫描行程需要大于等于静区范围，扫描步进为八分之一波长，采用步进扫描模式；
步骤S6：记录每一个位置的场强幅度数值Aij，其中i表示被校频率，j表示扫描位置；
步骤S7：把馈源设置成水平极化，被测天线垂直极化，重复步骤S5和S6；
步骤S8：把馈源设置成垂直极化，被测天线垂直极化，重复步骤S5和S6；
步骤S9：把馈源设置成垂直极化，被测天线水平极化，重复步骤S5和S6；
步骤S10：把扫描架放置成垂直方向；重复步骤S5和S6；
通过公式Afi＝Aij-d-Aij-x得到幅度平坦度Aif，其中Aij-d为场强幅度数值数据集中的最大值、Aij-x为场强幅度数值数据集中的最小值；将监测对象的幅度平坦度Aif发送至环境管控平台，环境管控平台将接收到的监测对象的幅度平坦度Aif发送至数据管理模块；对紧缩场执行过程进行监测分析，通过为馈源与被测物设置不同的极化来对幅度平坦度进行检测，并对环境温度、环境湿度以及阻抗匹配等影响信号发生器幅度平坦度测量不确定度的实际操作问题给出具有实用价值的参考意见。
数据管理模块用于对紧缩场检测环境进行数据优化分析：从存储模块中调取与监测对象极化特征相同的所有历史紧缩场检测的幅度平坦度并标记为幅坦数据，将监测对象的幅度平坦度Aif加入到幅坦数据中并建立幅坦集合，对幅坦集合进行剔除分析：
步骤E1：将幅坦集合中的幅度平坦度按照数值由大到小的顺序进行排序；
步骤E2：对幅坦集合中的所有元素进行方差计算得到原始系数，将排序第一的幅度平坦度从幅坦集合中剔除，对幅坦集合中剩余的所有元素进行方差计算得到剔除系数，将原始系数与剔除系数的差值标记为优化值；
步骤E3：将优化值与预设优化阈值进行比较：若优化值小于优化阈值，则重复执行步骤E1-E2；若优化值大于等于优化阈值，则执行步骤E4；
步骤E4：将幅坦集合中数值最大的幅度平坦度对应的环偏系数HP标记为环偏阈值HPmax，将环偏阈值HPmax与极化特征进行匹配并发送至存储模块中进行存储；对紧缩场检测环境进行数据优化分析，结合极化特征对历史数据进行筛选得到幅坦集合，对幅坦集合进行剔除分析得到极化特征对应的优化值，通过优化值对环境监测标准进行优化与更新，提高后续的环境监测结果精确性。
实施例二
如图2所示，一种基于大数据的紧缩场检测环境管控方法，包括以下步骤：
步骤一：在紧缩场检测之前对检测环境进行监测分析，将紧缩场检测现场标记为监测对象，获取监测对象的温偏值WP、湿偏值SP以及气偏值QP并进行数值计算得到监测对象的环偏系数HP，通过环偏系数HP的数值对监测对象的检测环境是否满足要求进行判定；
步骤二：在检测环境满足要求时对紧缩场检测执行过程进行监测分析并得到监测对象的幅度平坦度Aif，将监测对象的幅度平坦度Aif发送至数据管理模块；
步骤三：对紧缩场检测环境进行数据优化分析：从存储模块中调取与监测对象极化特征相同的所有历史紧缩场检测的幅度平坦度并标记为幅坦数据，将监测对象的幅度平坦度Aif加入到幅坦数据中并建立幅坦集合，对幅坦集合进行剔除分析并得到极化特征对应的环偏阈值HPmax，将环偏阈值HPmax发送至存储模块中进行存储。
一种基于大数据的紧缩场检测环境管控系统，工作时，将紧缩场检测现场标记为监测对象，获取监测对象的温偏值WP、湿偏值SP以及气偏值QP并进行数值计算得到监测对象的环偏系数HP，通过环偏系数HP的数值对监测对象的检测环境是否满足要求进行判定；对紧缩场检测执行过程进行监测分析并得到监测对象的幅度平坦度Aif，将监测对象的幅度平坦度Aif发送至数据管理模块；从存储模块中调取与监测对象极化特征相同的所有历史紧缩场检测的幅度平坦度并标记为幅坦数据，将监测对象的幅度平坦度Aif加入到幅坦数据中并建立幅坦集合，对幅坦集合进行剔除分析并得到极化特征对应的环偏阈值HPmax，将环偏阈值HPmax发送至存储模块中进行存储。
以上内容仅仅是对本发明结构所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明的结构或者超越本权利要求书所定义的范围，均应属于本发明的保护范围。
上述公式均是采集大量数据进行软件模拟得出且选取与真实值接近的一个公式，公式中的系数是由本领域技术人员根据实际情况进行设置；如：公式HP＝α1*WP+α2*SP+α3*QP；由本领域技术人员采集多组样本数据并对每一组样本数据设定对应的环偏系数；将设定的环偏系数和采集的样本数据代入公式，任意三个公式构成三元一次方程组，将计算得到的系数进行筛选并取均值，得到α1、α2以及α3的取值分别为5.49、3.25和2.17；
系数的大小是为了将各个参数进行量化得到的一个具体的数值，便于后续比较，关于系数的大小，取决于样本数据的多少及本领域技术人员对每一组样本数据初步设定对应的环偏系数；只要不影响参数与量化后数值的比例关系即可，如环偏系数与温偏值的数值成正比。
在本说明书的描述中，参考术语“一个实施例”、“示例”、“具体示例”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。
以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节，也不限制该发明仅为的具体实施方式。显然，根据本说明书的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本发明的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。
Claims (6)
1.一种基于大数据的紧缩场检测环境管控系统，其特征在于，包括环境管控平台，所述环境管控平台通信连接有环境监测模块、试验分析模块、数据管理模块以及存储模块；
所述环境监测模块用于在紧缩场检测之前对检测环境进行监测分析：将紧缩场检测现场标记为监测对象，获取监测对象的温偏值WP、湿偏值SP以及气偏值QP；通过对温偏值WP、湿偏值SP以及气偏值QP进行数值计算得到监测对象的环偏系数HP；通过监测对象的环偏系数HP的数值对检测环境是否满足要求进行判定；
所述试验分析模块用于在检测环境满足要求时对紧缩场检测执行过程进行监测分析并得到监测对象的幅度平坦度Aij，将监测对象的幅度平坦度Aif发送至环境管控平台，环境管控平台将接收到的监测对象的幅度平坦度Aif发送至数据管理模块；
所述数据管理模块用于对紧缩场检测环境进行数据优化分析：从存储模块中调取与监测对象极化特征相同的所有历史紧缩场检测的幅度平坦度并标记为幅坦数据，将监测对象的幅度平坦度Aif加入到幅坦数据中并建立幅坦集合，对幅坦集合进行剔除分析并得到环偏阈值HPmax，将环偏阈值HPmax与极化特征进行匹配并发送至存储模块中进行存储。
2.根据权利要求1所述的一种基于大数据的紧缩场检测环境管控系统，其特征在于，监测对象的温偏值WP的获取过程包括：获取监测对象内部空气温度值以及温度范围，将温度范围的最大边界值与最小边界值的平均值标记为温度均值，将空气温度值与温度均值差值的绝对值标记为监测对象的温偏值WP；监测对象的湿偏值SP的获取过程包括：获取监测对象内部空气湿度值以及湿度范围，将湿度范围的最大边界值与最小边界值的平均值标记为湿度均值，将空气湿度值与湿度均值差值的绝对值标记为监测对象的湿偏值SP；监测对象的气偏值QP的获取过程包括：获取监测对象内部气压值以及气压范围，将气压范围的最大边界值与最小边界值的平均值标记为气压均值，将气压值与气压均值差值的绝对值标记为监测对象的气偏值QP。
3.根据权利要求2所述的一种基于大数据的紧缩场检测环境管控系统，其特征在于，对检测环境是否满足要求进行判定的具体过程包括：获取监测对象馈源和被测物的极化并标记为极化特征，通过存储模块获取极化特征对应的环偏阈值HPmax，将监测对象的环偏系数HP与环偏阈值HPmax进行比较：若环偏系数HP小于环偏阈值HPmax，则判定监测对象的检测环境满足要求，环境监测模块向环境管控平台发送环境正常信号，环境管控平台接收到环境正常信号后将环境正常信号发送至试验分析模块；若环偏系数HP大于等于环偏阈值HPmax，则判定监测对象的检测环境不满足要求，环境监测模块向环境管控平台发送环境异常信号，环境管控平台接收到环境异常信号后将环境异常信号发送至管理人员的手机终端。
4.根据权利要求3所述的一种基于大数据的紧缩场检测环境管控系统，其特征在于，试验分析模块在检测环境满足要求时对紧缩场检测执行过程进行监测分析的具体过程包括：
步骤S1：架设扫描架，扫描架位于静区内，扫描架与来波方向垂直，水平方向为X，垂直方向为Y，静区中心点为0点；
步骤S2：架设馈源和被测喇叭，馈源与被测喇叭频段一致，安装射频线缆和放大器；
步骤S2：设置网络分析仪；
步骤S3：把扫描架放置成水平方向；
步骤S4：把馈源和被测喇叭均设置为水平极化方向；
步骤S5：扫描行程需要大于等于静区范围，扫描步进为八分之一波长，采用步进扫描模式进行扫描；
步骤S6：记录每一个位置的场强幅度数值Aij；
步骤S7：把馈源设置成水平极化，被测天线垂直极化，重复步骤S5和S6；
步骤S8：把馈源设置成垂直极化，被测天线垂直极化，重复步骤S5和S6；
步骤S9：把馈源设置成垂直极化，被测天线水平极化，重复步骤S5和S6；
步骤S10：把扫描架放置成垂直方向；重复步骤S5和S6；
通过公式Afi＝Aij-d-Aij-x得到幅度平坦度Aif，其中Aij-d为场强幅度数值数据集中的最大值、Aij-x为场强幅度数值数据集中的最小值；将监测对象的幅度平坦度Aif发送至环境管控平台，环境管控平台将接收到的监测对象的幅度平坦度Aif发送至数据管理模块。
5.根据权利要求4所述的一种基于大数据的紧缩场检测环境管控系统，其特征在于，对幅坦集合进行剔除分析的具体过程包括：
步骤E1：将幅坦集合中的幅度平坦度按照数值由大到小的顺序进行排序；
步骤E2：对幅坦集合中的所有元素进行方差计算得到原始系数，将排序第一的幅度平坦度从幅坦集合中剔除，对幅坦集合中剩余的所有元素进行方差计算得到剔除系数，将原始系数与剔除系数的差值标记为优化值；
步骤E3：将优化值与预设优化阈值进行比较：若优化值小于优化阈值，则重复执行步骤E1-E2；若优化值大于等于优化阈值，则执行步骤E4；
步骤E4：将幅坦集合中数值最大的幅度平坦度对应的环偏系数HP标记为环偏阈值HPmax，将环偏阈值HPmax与极化特征进行匹配并发送至存储模块中进行存储。
6.根据权利要求1-5任一项所述的一种基于大数据的紧缩场检测环境管控系统，其特征在于，该基于大数据的紧缩场检测环境管控系统的工作方法，包括以下步骤：
步骤一：在紧缩场检测之前对检测环境进行监测分析，将紧缩场检测现场标记为监测对象，获取监测对象的温偏值WP、湿偏值SP以及气偏值QP并进行数值计算得到监测对象的环偏系数HP，通过环偏系数HP的数值对监测对象的检测环境是否满足要求进行判定；
步骤二：在检测环境满足要求时对紧缩场检测执行过程进行监测分析并得到监测对象的幅度平坦度Aif，将监测对象的幅度平坦度Aif发送至数据管理模块；
步骤三：对紧缩场检测环境进行数据优化分析：从存储模块中调取与监测对象极化特征相同的所有历史紧缩场检测的幅度平坦度并标记为幅坦数据，将监测对象的幅度平坦度Aif加入到幅坦数据中并建立幅坦集合，对幅坦集合进行剔除分析并得到极化特征对应的环偏阈值HPmax，将环偏阈值HPmax发送至存储模块中进行存储。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310948514.9A CN116973639A (zh) | 2023-07-31 | 2023-07-31 | 一种基于大数据的紧缩场检测环境管控系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310948514.9A CN116973639A (zh) | 2023-07-31 | 2023-07-31 | 一种基于大数据的紧缩场检测环境管控系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116973639A true CN116973639A (zh) | 2023-10-31 |
Family
ID=88472707
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310948514.9A Pending CN116973639A (zh) | 2023-07-31 | 2023-07-31 | 一种基于大数据的紧缩场检测环境管控系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116973639A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117232819A (zh) * | 2023-11-16 | 2023-12-15 | 湖南大用环保科技有限公司 | 基于数据分析的阀体综合性能测试系统 |
-
2023
- 2023-07-31 CN CN202310948514.9A patent/CN116973639A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117232819A (zh) * | 2023-11-16 | 2023-12-15 | 湖南大用环保科技有限公司 | 基于数据分析的阀体综合性能测试系统 |
| CN117232819B (zh) * | 2023-11-16 | 2024-01-26 | 湖南大用环保科技有限公司 | 基于数据分析的阀体综合性能测试系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116973639A (zh) | 一种基于大数据的紧缩场检测环境管控系统 | |
| CN115941831B (zh) | 一种智能手机通信射频测试系统及测试方法 | |
| CN117495111B (zh) | 一种基于bim技术的建筑工程安全管理系统 | |
| CN110771064A (zh) | 一种估计方法、监听设备及计算机可读存储介质 | |
| CN113159447B (zh) | 一种激光雷达电磁环境效应预测方法及系统 | |
| CN103458453B (zh) | 网络分析方法、装置及系统 | |
| CN111693828B (zh) | 一种基于mle的变电站空间局部放电定位系统及方法 | |
| CN117615297A (zh) | 一种基于数据分析的微型麦克风运行质检评估系统 | |
| CN111523568B (zh) | 一种基于深度神经网络和辐射数据补偿的天线阵列故障诊断方法 | |
| CN117171366A (zh) | 用于电网调度运行态势的知识图谱构建方法及系统 | |
| CN111060752A (zh) | 电磁辐射检测方法、控制终端、设备及可读存储介质 | |
| US20230081224A1 (en) | Method and system for evaluating test data, wafer test system, and storage medium | |
| CN113866517B (zh) | 一种开阔场归一化场地衰减自动测试方法与装置 | |
| CN115330952A (zh) | 一种基于bim的道路压实同步监控及反馈控制系统 | |
| CN108152373B (zh) | 基于孔隙尺寸识别的含孔隙复合材料力学性能测量系统及方法 | |
| CN110275060B (zh) | 量子精密磁探测的射频功率相对稳定性测试电路及方法 | |
| CN113644997A (zh) | 一种电磁环境检测方法、装置和系统 | |
| CN113486617A (zh) | 线损值评估模型生成方法、系统、设备及介质 | |
| CN105891330A (zh) | 一种判断产品是否结晶的方法、装置以及检测设备 | |
| CN110836878A (zh) | 一种卷积插值耦合高斯混合模型快速三维荧光寻峰方法 | |
| CN117491608A (zh) | 一种基于数据分析的自密实填芯柱施工用混凝土检测系统 | |
| CN117571164B (zh) | 一种多功能混凝土试样表面应力自动化采集装置 | |
| CN117596282B (zh) | 一种基于物联网控制的调音台运行控制系统 | |
| CN118013636A (zh) | 一种砌体结构抗压性能检测设备及检测方法 | |
| CN117119508B (zh) | 无线通信信道误码数值分析系统及方法 |
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 |