CN117111540B - 一种用于io远程控制总线模块的环境监测预警方法及系统 - Google Patents
一种用于io远程控制总线模块的环境监测预警方法及系统 Download PDFInfo
- Publication number
- CN117111540B CN117111540B CN202311391843.4A CN202311391843A CN117111540B CN 117111540 B CN117111540 B CN 117111540B CN 202311391843 A CN202311391843 A CN 202311391843A CN 117111540 B CN117111540 B CN 117111540B
- Authority
- CN
- China
- Prior art keywords
- humidity
- environmental
- module
- environment
- monitoring
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 114
- 238000000034 method Methods 0.000 title claims abstract description 17
- 238000012545 processing Methods 0.000 claims abstract description 22
- 230000007613 environmental effect Effects 0.000 claims description 89
- 239000002341 toxic gas Substances 0.000 claims description 68
- 238000004891 communication Methods 0.000 claims description 30
- 230000006870 function Effects 0.000 claims description 30
- 238000013136 deep learning model Methods 0.000 claims description 28
- 238000004364 calculation method Methods 0.000 claims description 20
- 230000008859 change Effects 0.000 claims description 20
- 210000002569 neuron Anatomy 0.000 claims description 15
- 239000007789 gas Substances 0.000 claims description 14
- 238000012800 visualization Methods 0.000 claims description 13
- 230000004913 activation Effects 0.000 claims description 11
- 238000005314 correlation function Methods 0.000 claims description 9
- 238000013135 deep learning Methods 0.000 claims description 9
- 238000012549 training Methods 0.000 claims description 9
- 230000003750 conditioning effect Effects 0.000 claims description 8
- 238000010606 normalization Methods 0.000 claims description 8
- 238000007493 shaping process Methods 0.000 claims description 7
- 238000013528 artificial neural network Methods 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 238000004140 cleaning Methods 0.000 claims description 6
- 238000010586 diagram Methods 0.000 claims description 6
- 231100000614 poison Toxicity 0.000 claims description 6
- 230000007096 poisonous effect Effects 0.000 claims description 6
- 231100001245 air toxic agent Toxicity 0.000 claims description 5
- 230000005540 biological transmission Effects 0.000 claims description 5
- 238000002955 isolation Methods 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 4
- 238000007405 data analysis Methods 0.000 claims description 4
- 238000003860 storage Methods 0.000 claims description 4
- 238000007654 immersion Methods 0.000 claims description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 3
- 238000013480 data collection Methods 0.000 claims description 2
- 230000006378 damage Effects 0.000 abstract description 5
- 239000003570 air Substances 0.000 description 56
- 238000013461 design Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 229910052500 inorganic mineral Inorganic materials 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 239000011707 mineral Substances 0.000 description 3
- 208000027418 Wounds and injury Diseases 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 2
- 239000012080 ambient air Substances 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000004880 explosion Methods 0.000 description 2
- 208000014674 injury Diseases 0.000 description 2
- 238000005065 mining Methods 0.000 description 2
- 238000012806 monitoring device Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 244000141353 Prunus domestica Species 0.000 description 1
- 230000003213 activating effect Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 239000002440 industrial waste Substances 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000002459 sustained effect Effects 0.000 description 1
Classifications
-
- 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
- G05B19/042—Programme control other than numerical control, i.e. in sequence controllers or logic controllers using digital processors
- G05B19/0423—Input/output
-
- 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
- G05B2219/20—Pc systems
- G05B2219/23—Pc programming
- G05B2219/23051—Remote control, enter program remote, detachable programmer
-
- 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
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Selective Calling Equipment (AREA)
- Air Conditioning Control Device (AREA)
Abstract
本发明涉及IO远程控制总线环境监测和处理的技术领域,公开了一种用于IO远程控制总线模块的环境监测预警方法及系统,包括,用于采集远程控制总线环境信息的信息采集模块,用于对采集的环境信息进行处理整形放大的信号调理模块,用于对处理后的环境信息进行分析和发出控制指令的数据分析和处理模块,用于建立总线化网络型智能监控单元的深度学习与监测管理模块和IO远程控制总线模块,自适应调整总线外部设备的自动化调整模块及可视化输出监控预警结果的可视化模块。本发明实现了通过对远程控制总线对环境的监测、预警和智能自处理,解决了远程控制总线遇到突发情况及时进行自适应智能处理降低损坏度的问题。
Description
技术领域
本发明涉及IO远程控制总线环境监测和处理的技术领域,公开了一种用于IO远程控制总线模块的环境监测预警方法及系统。
背景技术
随着物联网和传感技术的不断发展,IO远程控制总线模块的功能和性能得到了极大的提升。模块体积更小,功耗更低,同时具备更高的传输速率和更强的抗干扰能力,确保了数据的可靠性和精确性,IO远程控制总线模块广泛应用于各个领域的环境监测预警系统中 ,如工业自动化、楼宇管理、环境保护等。它可以与各类传感器、仪表和执行器连接,实现对环境参数的实时监测和控制,IO远程控制总线模块与云平台的结合,使得监测数据能够实时上传到云端进行存储和分析处理。用户可以通过手机App或Web界面远程监控系统状态,实现对环境参数的远程查询、配置和控制。同时,云平台还可以提供数据分析和预警功能,及时发现异常情况并采取相应的措施,在环境监测预警系统中,IO远程控制总线模块的安全性非常重要。目前,人们对数据传输的安全性越来越关注,因此在模块设计中加入了各种安全机制,如数据加密、身份认证等,以确保数据的机密性和完整性,防止恶意攻击和信息泄露,IO远程控制总线模块正在向智能化方向发展。通过与人工智能技术的结合,模块可以学习和分析环境数据的规律,实现自动化的环境调节和优化控制。例如,用户舒适度。
例如现有的申请公开号为CN115912105A的中国专利公开了一种可无人值守智能环网柜系统,包括有主站,所述主站由后台软件操控,所述主站下级连接有若干环网柜机组,所述环网柜通过GPRS通讯与主站连接,所述环网柜内部设有监控装置主机,监控装置主机安装在环网柜外露出控制开关,所述环网柜下方一级设备与二级设备,所述二级设备,所述一级设备包括有环境温湿度传感器,所述二级设备包括有总线温度传感器和无线温度传感器,该发明中,主站通过GPRS通讯连接到环网柜机组,进行远程控制,环网柜机组通过一级设备和二级设备进行传感,可以实现无人值守,解决环网柜需要工作人员长时间人工值守的问题。
但是上述专利中存在:环网柜的应用原理和远程控制总线原理类似,但上述专利中环网柜对环境温湿度传感器采集的数据处理精度不足,无法应用到对环境要求过高的场所和行业,而且无法直观监控环境情况,无法通过系统智能且自动或半自动处理紧急事故,虽然不需要工作人员长时间值守,但是环境变化剧烈还是需要人员紧急处理,无法及时保护外部设备。
发明内容
本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊,而这种简化或省略不能用于限制本发明的范围。
为解决上述技术问题,本发明的一种用于IO远程控制总线模块的环境监测预警系统,通过设置信号采集模块采集环境信号包括温度、湿度和空气中有毒气体密度,并通过信号输入IO远程控制总线模块,通过计算控制芯片收集整理环境信号,并构建一个总线化的网络型智能监控单元,对环境中的温度、湿度和空气中有毒气体密度进行实时监控,通过深度学习网络建立深度学习模型,通过深度学习模型建立监测管理单元,实现对总线环境的实时监控,并依据深度学习模型智能输出自适应调整、自动化调整指令,在无人值守的情况下根据温度、湿度感知数据,自动调节总线外部设备及时保护免受破坏,提高能源利用效率,监控预警空气中有毒气体情况,为用户提供更安全、舒适、高效的生活和工作环境,在矿产行业,深度挖掘行业等对温度、湿度和气体要求严格的工作行业应用非常广泛。
本发明的主要目的在于提供一种用于IO远程控制总线模块的环境监测预警系统,包括:
信息采集模块,包括用于采集环境信号的温度传感器、湿度传感器和气体传感器;
信号调理模块,包括用于分类采集到的环境温度信号、环境湿度信号和空气中有毒气体信号的信号调理单元、用于交直流互换的A/D转换单元、用于对交直流互换后的信号整形放大的信号处理单元;
数据分析和处理模块,计算控制芯片接收处理后的环境温度信号、环境湿度信号和空气中有毒气体信号,通过计算结果进行判断,通过判断结果发出控制指令;
IO远程控制总线模块,通过将计算控制芯片的通信接口连接现场总线上,通过传输通讯控制指令形成一个总线化的网络型智能监控单元;
深度学习与监测管理模块,通过采集控制指令建立深度学习模型,通过深度学习模型与实时数据采集建立监测管理单元;
自动化调整模块,通过IO远程控制总线模块和深度学习与监测管理模块的输出结果对设备运行情况进行调整;
可视化模块,包括可视化屏幕输出可视化数据;
所述深度学习模型包括神经元、归一化结构、结构化处理、相关性函数、数据清洗;
所述神经元接收控制指令产生输出,i个神经元获得输入的控制指令,得到加权和,其表达式如下:
;
其中,记为第i个神经元,/>为第i个n维的权重向量,/>为全集偏置,/>为第i个输入控制指令,i为序数取1,2,3....,V为序数取1,2..;
所述神经元的激活函数为非线性函数f(·);
所述归一化结构,通过特征图在特征维度上降低方差,从而加速模型训练,表达式如下所示:
其中,H为归一化结构函数,为第i个特征层的方差;
通过归一化结构输出神经网络的训练偏差值,表达式如下所示:
其中,L()为归一化函数表达式,L为模型输出值,τ代表可训练参数,b代表可训练偏差值,g为作为归一化结构参数的缺失数据,f(·)为激活函数;
通过接收通讯控制指令,通讯控制指令包括,环境温度信号,环境湿度信号和空气中有毒气体信号,分别对温度、湿度和空气中有毒气体进行环境监测,其中对温度、湿度进行数据清洗,其表达式如下所示:
;
其中,为第i时刻的缺失数据,/>为第i-1时刻的缺失数据,/>为第i+1时刻的缺失数据;
所述相关性函数,包括对清洗后的温湿度进行归一化结构处理,通过激活函数和神经网络系数,预测总线系统的环境温度和湿度变化,表达式如下所示:
;
其中,为x与y之间的相关系数,x为采集实时数据,y为预测未来数据,E为数学期望,/>为采集实时数据输出的训练偏差值,/>为预测未来数据输出的偏差值,/>为采集实时数据的x的标准差,/>为预测未来数据的y的标准差;
通过相关性函数输出相关系数,/>代表采集的实时数据与预测数据的变化方向及其变量间的变化程度,/>越大表明变量间的相关性越强;
通过两个激活函数f(·)为线性整流函数N(x)组成全连接层,其表达式为:
;
其中,为第1个n维的权重向量,/>为第1个全集偏置,/>为第2个n维的权重向量,/>为第2个全集偏置,x为采集实时数据;
建立全连接层后,空气中有毒气体指示物转换成一个六维张量,通过计算后得到空气中有毒气体危害指数等级,空气中有毒气体危害指数通过全连接层转换为一维张量,其中,空气中有毒气体危害指数值计算表达式如下所示:
其中,AIQ为空气质量指数,为实时采集空气质量指数数据,/>为预测空气质量指数数据,R为环境常参数。
作为本发明一种用于IO远程控制总线模块的环境监测预警系统的一种优选方案,其中:所述信息采集模块采集的环境信号包括温度传感器采集的环境温度信号、湿度传感器采集的环境湿度信号和空气传感器采集的空气中有毒气体信号,其中采集的环境信号作为实时环境监测的基础数据。
作为本发明一种用于IO远程控制总线模块的环境监测预警系统的一种优选方案,其中:
所述信号调理模块通过对采集的环境信号进行分类,将分类后的环境信号分别通过A/D转化单元进行相应的交直流互换,由于不同的环境信号其幅值及信号形式不同,故通过信号处理单元对不同的环境信号进行整形放大。
作为本发明一种用于IO远程控制总线模块的环境监测预警系统的一种优选方案,其中:
所述计算控制芯片包括数据采集、模拟多路选择器、可编程增益放大器、电压比较器、电压基准、SPI和数字I/O端口,计算控制芯片通过接收到整形放大后的环境信号,通过程序预设环境阈值初步判定环境情况,若环境温度大于温度阈值,则温度过高,则控制指令用于表示温度过高的持续高电平指令,若环境湿度大于湿度阈值,则环境潮湿,则通过计算控制芯片根据不同湿度区间判定环境潮湿情况,控制指令包括环境潮湿指令,若空气有毒气体信号大于空气中有毒气体阈值,则环境中有毒气体密度超标,则控制指令包括环境空气危险指令;
所述控制指令包括,表示温度过高的持续高电平指令、环境潮湿指令和环境空气危险指令;
环境潮湿指令,包括环境一般潮湿、环境潮湿和浸水。
作为本发明一种用于IO远程控制总线模块的环境监测预警系统的一种优选方案,其中:
所述温度阈值通过根据不同监测环境进行不同环境温度阈值设置,根据不同环境温度阈值设置,与采集的温度信号,判断监测环境是否出现高温现象;
所述湿度阈值通过根据不同监测环境进行不同环境湿度阈值设置,根据不同环境湿度阈值设置,与采集的湿度信号,判断监测环境是否出现潮湿现象;
所述空气中有毒气体阈值根据不同监测环境进行空气中有毒气体阈值设置。
作为本发明一种用于IO远程控制总线模块的环境监测预警系统的一种优选方案,其中:所述IO远程控制总线模块,通过光电隔离连接MODBUS,包括CODESYS控制器、SD系列EtherCAT总线IO-Link模块,通过CODESYS控制器接收通讯控制指令,根据通讯控制指令输入至总线化网络型智能监控单元,通过SD系列EtherCAT总线IO-Link模块输出通讯控制指令信号,控制外部设备;
所述通讯控制指令包括温度控制指令,湿度控制指令和空气中有毒气体控制指令;
所述SD系列EtherCAT总线IO-Link模块包括各IO口,通过嵌套式串行总线式结构对系统中各层设备进行控制。
作为本发明一种用于IO远程控制总线模块的环境监测预警系统的一种优选方案,其中:
所述监测管理单元,接收深度学习模型输出空气中有毒气体危害指数、温湿度未来变化情况,根据空气中有毒气体危害指数,输出监测管理数据进行总线自动隔离,根据温湿度未来变化情况,输出监测管理数据,通过可视化模块给出安全警告,并对温湿度过高部分进行定位,给与解决方案。
作为本发明一种用于IO远程控制总线模块的环境监测预警系统的一种优选方案,其中:
所述可视化模块,展示包括总线系统温湿度实时监测值、未来变化情况,空气中有毒气体危害指数、安全警报和解决方案。
作为本发明一种用于IO远程控制总线模块的环境监测预警系统的一种优选方案,其中:
所述自动化调整模块,包括通过控制指令,对总线系统进行局部设备运行调整,通过接收监测管理单元输出的监测管理数据,对总线系统设备进行自动预处理。
一种用于IO远程控制总线模块的环境监测预警方法,包括:
S1、由传感器采集环境信号包括环境温度信号、环境湿度信号和空气中有毒气体信号;
S2、将采集的环境温度信号、环境湿度信号和空气中有毒气体信号经过交直流互换后进行整形放大处理得到处理后的环境信号;
S3、处理后的环境信号输入控制芯片,并由计算控制芯片输出控制指令,现场总线接收通讯控制指令构建网络型智能监控单元;
S4、通过接收控制指令建立深度学习模型,通过深度学习模型与实时采集的数据建立监测管理单元,对整个现场总线周围环境进行监控;
S5、温湿度过高时,监测管理单元发出预警和外部设备调整指令,对外部设备运行进行操作,当空气中有毒气体过高,会发出预警,并由深度学习模型与监测管理模块输出建议解决方案。
一种电子设备,包括,存储器,用于存储指令;处理器,用于执行所述指令,使得所述设备执行实现一种用于IO远程控制总线模块的环境监测预警方法的操作。
一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被执行时,实现一种用于IO远程控制总线模块的环境监测预警方法的操作。
本发明的有益效果:一种用于IO远程控制总线模块的环境监测预警系统,通过设置信号采集模块采集环境信号包括温度、湿度和空气中有毒气体密度,并通过信号输入IO远程控制总线模块,通过计算控制芯片收集整理环境信号,并构建一个总线化的网络型智能监控单元,对环境中的温度、湿度和空气中有毒气体密度进行实时监控,通过深度学习网络建立深度学习模型,通过深度学习模型建立监测管理单元,实现对总线环境的实时监控,并依据深度学习模型智能输出自适应调整、自动化调整指令,在无人值守的情况下根据温度、湿度感知数据,自动调节总线外部设备及时保护免受破坏,提高能源利用效率,监控预警空气中有毒气体情况,为用户提供更安全、舒适、高效的生活和工作环境,在矿产行业,深度挖掘行业等对温度、湿度和气体要求严格的工作行业应用非常广泛。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例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性的前提下,还可以根据这些附图获得其它的附图。其中:
图1为本发明一种用于IO远程控制总线模块的环境监测预警系统的整体系统组成图。
图2为本发明一种用于IO远程控制总线模块的环境监测预警方法流程图。
图3为本发明一种用于IO远程控制总线模块的环境监测预警系统的SD系列EtherCAT总线IO-Link模块接口功能。
图4为本发明一种用于IO远程控制总线模块的环境监测预警系统的嵌套式串行总线式结构拓扑图。
图5为本发明一种用于IO远程控制总线模块的环境监测预警系统的网络监控预警模型回归线函数相关性示例图。
附图标记: 1、IO-Link 接口;2、模块指示灯; 3、IO Port一; 4、IO Port二; 5、IOPort三;6、IO Port四。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合说明书附图对本发明的具体实施方式做详细的说明。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是本发明还可以采用其他不同于在此描述的其它方式来实施,本领域技术人员可以在不违背本发明内涵的情况下做类似推广,因此本发明不受下面公开的具体实施例的限制。
其次,此处所称的“一个实施例”或“实施例”是指可包含于本发明至少一个实现方式中的特定特征、结构或特性。在本说明书中不同地方出现的“在一个实施例中”并非均指同一个实施例,也不是单独的或选择性的与其他实施例互相排斥的实施例。
再其次,本发明结合示意图进行详细描述,在详述本发明实施例时,为便于说明,表示器件结构的剖面图会不依一般比例作局部放大,而且示意图只是示例,其在此不应限制本发明保护的范围。此外,在实际制作中应包含长度、宽度及深度的三维空间尺寸。
实施例一
如图1所示,一种用于IO远程控制总线模块的环境监测预警系统,包括信息采集模块、信号调理模块、数据分析和处理模块、IO远程控制总线模块、深度学习与监测管理模块、自动化调整模块和可视化模块;
其中,信息采集模块采集的环境信号包括环境温度信号、环境湿度信号和空气中有毒气体信号,其中采集的环境信号作为实时环境监测的基础数据。
进一步的,多方位温度传感器采集环境温度信号,多方位湿度传感器采集环境湿度信号,多方位空气传感器采集空气中有毒气体密度信号;
其中,信号调理模块通过对采集的环境信号进行分类,将分类后的环境信号包括环境温度信号、环境湿度信号和空气中有毒气体信号分别通过A/D转化单元进行相应的交直流互换,因为不同的环境信号其幅值及信号形式不同,故通过信号处理单元对不同的环境信号进行整形放大。
其中,计算控制芯片包括数据采集,模拟多路选择器、可编程增益放大器、电压比较器、电压基准、SPI和数字I/O端口,计算控制芯片通过接收到整形放大后的环境信号,通过程序预设环境阈值初步判定环境情况,若环境温度大于阈值,则温度过高,则控制指令包括温度过高的持续高电平;
进一步的,温度阈值通过现场总线模块的环境监测预警系统应用场景进行正常温度阈值设置,根据不同环境温度阈值设置,与采集的温度信号,判断是否出现高温现象;
若环境湿度大于阈值,则环境潮湿,则通过计算控制芯片根据不同湿度区间判定环境潮湿情况,控制指令包括环境潮湿指令;
进一步的,环境潮湿情况,包括环境一般潮湿、环境潮湿和浸水,湿度阈值通过现场总线模块的环境监测预警系统应用场景进行正常湿度阈值设置,根据不同环境湿度阈值设置,与采集的湿度信号,判断是否出现潮湿现象,正常湿度阈值50%,浓度阈值100ppm;
进一步的,空气有毒气体信号大于空气中有毒气体阈值,则环境中含有有毒气体密度超标,则控制指令包括环境空气危险,空气中有毒气体阈值通过现场总线模块的环境监测预警系统应用场景进行正常空气中有毒气体阈值设置,有毒气体分为燃料、工业废气、矿产有毒气体等,可燃气体的一级报警设定值小于或等于25%爆炸下限,二级报警设定值应小于或等于50%爆炸下限,有毒气体检测仪一级报警设定值应小于或等于100%职业接触限值(OEL),有毒气体二级报警设定值应小于或等于200%职业接触限值。当现有探测器的测量范围不能满足测量要求时,有毒气体一级报警设定值不得超过5%直接伤害浓度(IDLH),二级报警设定值不得超过10%直接伤害浓度;
其中,控制指令包括,温度过高的持续高电平、环境潮湿情况和环境空气危险;
IO远程控制总线模块,通过光电隔离连接MODBUS,包括CODESYS控制器、如图3所示,SD系列EtherCAT总线IO-Link模块,SD系列EtherCAT总线IO-Link模块包括多个IO口,接口功能如表1所示,通过CODESYS控制器接收通讯控制指令,根据通讯控制指令绘制总线化网络型智能监控单元,通过SD系列EtherCAT总线IO-Link模块输出通讯控制指令信号,控制外部设备;如表1-SD系列EtherCAT总线IO-Link模块结构表所示:
表1-SD系列EtherCAT总线IO-Link模块结构表
其中,图3中包括IO-Link 接口1,模块指示灯2,IO Port一3,IO Port二4,IO Port三5,IO Port四6;
通讯控制指令包括温度控制指令,湿度控制指令和空气中有毒气体控制指令;
监测管理单元,接收深度学习模型输出空气中有毒气体危害指数、温湿度未来变化情况,其中空气中有毒气体危害指数,进行总线自动隔离,温湿度未来变化情况,通过可视化模块给出安全警告,并对温湿度过高部分进行精确定位,并给出合理化建议。
可视化模块,展示包括总线系统温湿度实时监测值、未来变化情况,空气中有毒气体危害指数、安全警报和合理化建议。
自动化调整模块,包括通过控制指令,对总线系统进行局部设备运行调整,通过接收监测管理单元输出的监测管理数据,对总线系统设备进行自动预处理。
如图4,通过嵌套式串行总线式结构对系统中多层设备进行精准控制。
深度学习模型包括神经元、归一化结构、结构化处理、相关性函数、数据清洗;
神经元接收控制指令产生输出,i个神经元获得输入的控制指令,得到加权和,其表达式如下:
;
其中,记为第i个神经元,/>为第i个n维的权重向量,/>为全集偏置,/>为第i个输入控制指令,i为序数取1,2,3....,V为序数取1,2..;
神经元的激活函数为非线性函数f(·);
归一化结构,通过特征图在特征维度上降低方差,从而加速模型训练,表达式如下所示:
其中,H为归一化结构函数,为第i个特征层的方差;
通过归一化结构输出神经网络的训练偏差值,表达式如下所示:
其中,L()为归一化函数表达式,L为模型输出值,τ代表可训练参数,b代表可训练偏差值,g为作为归一化结构参数的缺失数据,f()为激活函数;
通过接收通讯控制指令,通讯控制指令包括,环境温度信号,环境湿度信号和空气中有毒气体信号,分别对温度、湿度和空气中有毒气体进行环境监测,其中对温度、湿度进行数据清洗,其表达式如下所示:
;
其中,为第i时刻的缺失数据,/>为第i-1时刻的缺失数据,/>为第i+1时刻的缺失数据;
如图5,相关性函数,包括对清洗后的温湿度进行归一化结构处理,通过激活函数和神经网络系数,预测总线系统的环境温度和湿度变化,表达式如下所示:
;
其中,为x与y之间的相关系数,x为采集实时数据,y为预测未来数据,E为数学期望,/>为采集实时数据输出的训练偏差值,/>为预测未来数据输出的偏差值,/>为采集实时数据的x的标准差,/>为预测未来数据的y的标准差;
通过相关性函数输出相关系数,/>代表采集的实时数据与预测数据的变化方向及其变量间的变化程度,/>越大表明变量间的相关性越强;
通过两个激活函数f()为线性整流函数N(x)组成全连接层,其表达式为:
;
其中,为第1个n维的权重向量,/>为第1个全集偏置,/>为第2个n维的权重向量,/>为第2个全集偏置,x为采集实时数据;
建立全连接层后,空气中有毒气体指示物转换成一个六维张量,通过计算后得到空气中有毒气体危害指数等级,空气中有毒气体危害指数通过全连接层转换为一维张量,其中,空气中有毒气体危害指数值计算表达式如下所示:
其中,AIQ为空气质量指数,为实时采集空气质量指数数据,/>为预测空气质量指数数据,R为环境常参数。
实施例二
如图2所示,一种用于IO远程控制总线模块的环境监测预警方法,包括:
S1、由传感器采集环境信号包括环境温度信号、环境湿度信号和空气中有毒气体信号;
通过设置多方位温度传感器、湿度传感器和空气传感器分别对远程控制总线周围环境的温度、湿度和空气中有毒气体密度进行采集,采集得到环境温度信号、环境湿度信号和空气中有毒气体信号;
S2、将采集的环境温度信号、环境湿度信号和空气中有毒气体信号经过交直流互换后进行整形放大处理得到处理后的环境信号;
将采集到环境温度信号、环境湿度信号和空气中有毒气体经过A/D转换单元进行交直流互换,再进过信号处理单元对三种信号进行整形放大,得到处理后的环境信号;
S3、处理后的环境信号输入计算控制芯片,并由控制芯片输出控制指令,现场总线接收通讯控制指令构建网络型智能监控单元;
处理后的环境信号输入到计算控制芯片中,通过提前写入计算控制芯片的程序对处理后的环境信号进行分析处理,从而得到控制远程控制总线外部设备的控制指令,并且控制指令通过传输通讯传输至深度学习与监测管理模块,建立一个总线化的网络型智能监控单元;
S4、通过接收控制指令建立深度学习模型,通过深度学习模型与实时采集的数据建立监测管理单元,对整个现场总线周围环境进行监控;
深度学习模型与监测管理模块通过接收控制指令建立深度学习模型,深度学习模型通过不断实时采集远程控制总线的环境信号进行修剪和优化,并且通过深度学习模型输出实时数据与标准数据偏差,构建完善的总线化的网络型智能监控单元;
S5、温湿度过高时,监测管理单元发出预警和外部设备调整指令,对外部设备运行进行操作,当空气中有毒气体过高,会发出预警,并由深度学习与监测管理模块输出建议解决方案;
当远程控制总线环境变化剧烈或者环境条件非正常,则监测管理单元发出预警和外部设备调整命令,对外部设备进行初步调整,防止外部设备长时间处在环境剧烈条件下发生损坏,同时输出预警给相关人员,及时对远程控制总线进行精准调整维修,同时也可以给相关人员提供准确的环境变化和合理建议,帮助相关人员更好的处理紧急事故和环境问题。
实施例三
一种电子设备,包括,存储器,用于存储指令;处理器,用于执行所述指令,使得所述设备执行实现一种用于IO远程控制总线模块的环境监测预警方法。
实施例四
一种计算机可读存储介质,其上存储有计算机程序;
该计算机程序被执行时,实现一种用于IO远程控制总线模块的环境监测预警方法的操作。
重要的是,应注意,在多个不同示例性实施方案中示出的本申请的构造和布置仅是例示性的。尽管在此公开内容中仅详细描述了两个个实施方案,但参阅此公开内容的人员应容易理解,在实质上不偏离该申请中所描述的主题的新颖教导和优点的前提下,许多改型是可能的例如,各种元件的尺寸、尺度、结构、形状和比例、以及参数值(例如,温度、压力等)、安装布置、材料的使用、颜色、定向的变化等。例如,示出为整体成形的元件可以由多个部分或元件构成,元件的位置可被倒置或以其它方式改变,并且分立元件的性质或数目或位置可被更改或改变。因此,所有这样的改型旨在被包含在本发明的范围内。可以根据替代的实施方案改变或重新排序任何过程或方法步骤的次序或顺序。在权利要求中,任何“装置加功能”的条款都旨在覆盖在本文中所描述的执行功能的结构,且不仅是结构等同而且还是等同结构。在不背离本发明的范围的前提下,可以在示例性实施方案的设计、运行状况和布置中做出其他替换、改型、改变和省略。因此,本发明不限制于特定的实施方案,而是扩展至仍落在所附的权利要求书的范围内的多种改型。
此外,为了提供示例性实施方案的简练描述,可以不描述实际实施方案的所有特征(即,与当前考虑的执行本发明的最佳模式不相关的那些特征,或于实现本发明不相关的那些特征)。
应理解的是,在任何实际实施方式的开发过程中,如在任何工程或设计项目中,可做出大量的具体实施方式决定。这样的开发努力可能是复杂的且耗时的,但对于那些得益于此公开内容的普通技术人员来说,不需要过多实验,开发努力将是一个设计、制造和生产的常规工作。
应说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的精神和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (12)
1.一种用于IO远程控制总线模块的环境监测预警系统,其特征在于:包括,
信息采集模块,包括用于采集环境信号的温度传感器、湿度传感器和气体传感器;
信号调理模块,包括用于分类采集到的环境温度信号、环境湿度信号和空气中有毒气体信号的信号调理单元、用于交直流互换的A/D转换单元、用于对交直流互换后的信号整形放大的信号处理单元;
数据分析和处理模块,计算控制芯片接收处理后的环境温度信号、环境湿度信号和空气中有毒气体信号,通过计算结果进行判断,通过判断结果发出控制指令;
IO远程控制总线模块,通过将计算控制芯片的通信接口连接现场总线上,通过传输通讯控制指令形成一个总线化的网络型智能监控单元;
深度学习与监测管理模块,通过采集控制指令建立深度学习模型,通过深度学习模型与实时数据采集建立监测管理单元;
自动化调整模块,通过IO远程控制总线模块和深度学习与监测管理模块的输出结果对设备运行情况进行调整;
可视化模块,包括可视化屏幕输出可视化数据;
所述深度学习模型包括神经元、归一化结构、结构化处理、相关性函数、数据清洗;
所述神经元接收控制指令产生输出,第i个神经元获得输入的控制指令,得到加权和,其表达式如下:
;
其中,记为第i个神经元,/>为第i个n维的权重向量,/>为全集偏置,/>为第i个输入控制指令,i为序数取1,2,3....,V为序数取1,2..;
所述神经元的激活函数为非线性函数f(·);
所述归一化结构,通过特征图在特征维度上降低方差,从而加速模型训练,表达式如下所示:
;
其中,H为归一化结构函数,为第i个特征层的方差;
通过归一化结构输出神经网络的训练偏差值,表达式如下所示:
;
其中,L()为归一化函数表达式,L为模型输出值,τ代表可训练参数,b代表可训练偏差值,g为作为归一化结构参数的缺失数据,f(·)为激活函数;
通过接收通讯控制指令,通讯控制指令包括,环境温度信号,环境湿度信号和空气中有毒气体信号,分别对温度、湿度和空气中有毒气体进行环境监测,其中对温度、湿度进行数据清洗,其表达式如下所示:
;
其中,为第i时刻的缺失数据,/>为第i-1时刻的缺失数据,/>为第i+1时刻的缺失数据;
所述相关性函数,包括对清洗后的温湿度进行归一化结构处理,通过激活函数和神经网络系数,预测总线系统的环境温度和湿度变化,表达式如下所示:
;
其中,为x与y之间的相关系数,x为采集实时数据,y为预测未来数据,E为数学期望,/>为采集实时数据输出的训练偏差值,/>为预测未来数据输出的偏差值,/>为采集实时数据的x的标准差,/>为预测未来数据的y的标准差;
通过相关性函数输出相关系数,/>代表采集的实时数据与预测数据的变化方向及其变量间的变化程度,/>越大表明变量间的相关性越强;
通过两个激活函数f(·)为线性整流函数N(x)组成全连接层,其表达式为:
;
其中,为第1个n维的权重向量,/>为第1个全集偏置,/>为第2个n维的权重向量,为第2个全集偏置,x为采集实时数据;
建立全连接层后,空气中有毒气体指示物转换成一个六维张量,通过计算后得到空气中有毒气体危害指数等级,空气中有毒气体危害指数通过全连接层转换为一维张量,其中,空气中有毒气体危害指数值计算表达式如下所示:
;
其中,AIQ为空气质量指数,为实时采集空气质量指数数据,/>为预测空气质量指数数据,R为环境常参数。
2.根据权利要求1所述的一种用于IO远程控制总线模块的环境监测预警系统,其特征在于:
所述信息采集模块采集的环境信号包括温度传感器采集的环境温度信号、湿度传感器采集的环境湿度信号和空气传感器采集的空气中有毒气体信号,其中采集的环境信号作为实时环境监测的基础数据。
3.根据权利要求1所述的一种用于IO远程控制总线模块的环境监测预警系统,其特征在于:
所述信号调理模块通过对采集的环境信号进行分类,将分类后的环境信号分别通过A/D转化单元进行相应的交直流互换,由于不同的环境信号其幅值及信号形式不同,故通过信号处理单元对不同的环境信号进行整形放大。
4.根据权利要求3所述的一种用于IO远程控制总线模块的环境监测预警系统,其特征在于:
所述计算控制芯片包括数据采集、模拟多路选择器、可编程增益放大器、电压比较器、电压基准、SPI和数字I/O端口,计算控制芯片通过接收到整形放大后的环境信号,通过程序预设环境阈值初步判定环境情况,若环境温度大于温度阈值,则温度过高,则控制指令用于表示温度过高的持续高电平指令,若环境湿度大于湿度阈值,则环境潮湿,则通过计算控制芯片根据不同湿度区间判定环境潮湿情况,控制指令包括环境潮湿指令,若空气有毒气体信号大于空气中有毒气体阈值,则环境中有毒气体密度超标,则控制指令包括环境空气危险指令;
所述控制指令包括,表示温度过高的持续高电平指令、环境潮湿指令和环境空气危险指令;
环境潮湿情况指令,包括环境一般潮湿、环境潮湿和浸水。
5.根据权利要求4所述的一种用于IO远程控制总线模块的环境监测预警系统,其特征在于:
所述温度阈值通过根据不同监测环境进行不同环境温度阈值设置,根据不同环境温度阈值设置,与采集的温度信号,判断监测环境是否出现高温现象;
所述湿度阈值通过根据不同监测环境进行不同环境湿度阈值设置,根据不同环境湿度阈值设置,与采集的湿度信号,判断监测环境是否出现潮湿现象;
所述空气中有毒气体阈值根据不同监测环境进行空气中有毒气体阈值设置。
6.根据权利要求1所述的一种用于IO远程控制总线模块的环境监测预警系统,其特征在于:
所述IO远程控制总线模块,通过光电隔离连接MODBUS,包括CODESYS控制器、SD系列EtherCAT总线IO-Link模块,通过CODESYS控制器接收通讯控制指令,根据通讯控制指令输入至总线化网络型智能监控单元,通过SD系列EtherCAT总线IO-Link模块输出通讯控制指令信号,控制外部设备;
所述通讯控制指令包括温度控制指令,湿度控制指令和空气中有毒气体控制指令;
所述SD系列EtherCAT总线IO-Link模块包括各IO口,通过嵌套式串行总线式结构对系统中各层设备进行控制。
7.根据权利要求1所述的一种用于IO远程控制总线模块的环境监测预警系统,其特征在于:
所述监测管理单元,接收深度学习模型输出空气中有毒气体危害指数、温湿度未来变化情况,根据空气中有毒气体危害指数,输出监测管理数据进行总线自动隔离,根据温湿度未来变化情况,输出监测管理数据,通过可视化模块给出安全警告,并对温湿度过高部分进行定位,给与解决方案。
8.根据权利要求7所述的一种用于IO远程控制总线模块的环境监测预警系统,其特征在于:
所述可视化模块,展示包括总线系统温湿度实时监测值、未来变化情况,空气中有毒气体危害指数、安全警报和解决方案。
9.根据权利要求1所述的一种用于IO远程控制总线模块的环境监测预警系统,其特征在于:
所述自动化调整模块,包括通过控制指令,对总线系统进行局部设备运行调整,通过接收监测管理单元输出的监测管理数据,对总线系统设备进行自动预处理。
10.一种用于IO远程控制总线模块的环境监测预警方法,其基于权利要求1-9中任一项所述的一种用于IO远程控制总线模块的环境监测预警系统实现,其特征在于:
S1、由传感器采集环境信号包括环境温度信号、环境湿度信号和空气中有毒气体信号;
S2、将采集的环境温度信号、环境湿度信号和空气中有毒气体信号经过交直流互换后进行整形放大处理得到处理后的环境信号;
S3、处理后的环境信号输入控制芯片,并由计算控制芯片输出控制指令,现场总线接收通讯控制指令构建网络型智能监控单元;
S4、通过接收控制指令建立深度学习模型,通过深度学习模型与实时采集的数据建立监测管理单元,对整个现场总线周围环境进行监控;
S5、温湿度过高时,监测管理单元发出预警和外部设备调整指令,对外部设备运行进行操作,当空气中有毒气体过高,发出预警,并由深度学习模型与监测管理模块输出建议。
11.一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,该计算机程序被执行时,实现如权利要求10所述的一种用于IO远程控制总线模块的环境监测预警方法的操作。
12.一种电子设备,其特征在于,包括:
存储器,用于存储指令;
处理器,用于执行所述指令,使得所述设备执行实现如权利要求10所述的一种用于IO远程控制总线模块的环境监测预警方法的操作。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311391843.4A CN117111540B (zh) | 2023-10-25 | 2023-10-25 | 一种用于io远程控制总线模块的环境监测预警方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311391843.4A CN117111540B (zh) | 2023-10-25 | 2023-10-25 | 一种用于io远程控制总线模块的环境监测预警方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117111540A CN117111540A (zh) | 2023-11-24 |
CN117111540B true CN117111540B (zh) | 2023-12-29 |
Family
ID=88798829
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311391843.4A Active CN117111540B (zh) | 2023-10-25 | 2023-10-25 | 一种用于io远程控制总线模块的环境监测预警方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117111540B (zh) |
Citations (27)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101957602A (zh) * | 2009-07-15 | 2011-01-26 | 河南天擎机电技术有限公司 | 基于Zigbee的公共场所环境监测控制方法及其系统 |
CN107656216A (zh) * | 2017-11-15 | 2018-02-02 | 国网辽宁省电力有限公司鞍山供电公司 | 一种铅酸蓄电池在线监测维护及预警系统及性能评估方法 |
CN110011994A (zh) * | 2019-03-26 | 2019-07-12 | 惠州学院 | 一种基于大数据的环境检测系统 |
DE202019104954U1 (de) * | 2019-08-15 | 2019-09-13 | ICanControl Tech Co., Ltd. | System für das intelligente industrielle Internet der Dinge, bei dem eine künstliche neuronale Netzarchitektur mit bidirektionalen Kanälen verwendet wird |
CN110389948A (zh) * | 2019-07-19 | 2019-10-29 | 南京工业大学 | 一种基于数据驱动的加氢裂化装置的尾油预测方法 |
CN111756325A (zh) * | 2019-03-27 | 2020-10-09 | 上海电机学院 | 一种基于dsp的光伏组件监测系统及方法 |
CN111832814A (zh) * | 2020-07-01 | 2020-10-27 | 北京工商大学 | 一种基于图注意力机制的空气污染物浓度预测方法 |
CN111882230A (zh) * | 2020-07-31 | 2020-11-03 | 浙江大学 | 一种基于神经网络的二噁英排放在线监测方法 |
CN112149902A (zh) * | 2020-09-23 | 2020-12-29 | 吉林大学 | 一种基于客流特征分析的地铁短时进站客流预测方法 |
CN112348271A (zh) * | 2020-11-12 | 2021-02-09 | 华北电力大学 | 基于vmd-ipso-gru的短期光伏功率预测方法 |
AU2021103669A4 (en) * | 2021-06-28 | 2021-08-19 | Beijing Cosmos Safety Technology Co. Ltd | Intelligent electrical fire warning system and method for tobacco warehouse Technology Field |
CN113449463A (zh) * | 2021-06-09 | 2021-09-28 | 重庆锦禹云能源科技有限公司 | 一种基于lstm-dnn的设备寿命预测方法及装置 |
CN113777496A (zh) * | 2021-09-06 | 2021-12-10 | 北京化工大学 | 基于时间卷积神经网络的锂离子电池剩余寿命预测方法 |
CN113869053A (zh) * | 2021-09-30 | 2021-12-31 | 上海银江智慧智能化技术有限公司 | 一种面向司法文本命名实体识别的方法及系统 |
CN113962364A (zh) * | 2021-10-22 | 2022-01-21 | 四川大学 | 一种基于深度学习的多因素用电负荷预测方法 |
CN114240000A (zh) * | 2021-12-31 | 2022-03-25 | 北京工业大学 | 一种基于时空图卷积网络的空气质量预测方法 |
CN114418071A (zh) * | 2022-01-24 | 2022-04-29 | 中国光大银行股份有限公司 | 循环神经网络训练方法 |
US11317572B1 (en) * | 2020-12-23 | 2022-05-03 | Heartland Ag Tech, Inc. | Condition based monitoring of irrigation |
CN114995256A (zh) * | 2022-06-24 | 2022-09-02 | 重庆化工职业学院 | 基于数字孪生的车间环境监测装置及监测方法 |
WO2022241802A1 (zh) * | 2021-05-19 | 2022-11-24 | 广州广电运通金融电子股份有限公司 | 复杂路网下的短时交通流量预测方法、存储介质和系统 |
WO2023273298A1 (zh) * | 2021-06-30 | 2023-01-05 | 平安科技(深圳)有限公司 | 用户轨迹识别方法、装置、设备及存储介质 |
CN115912105A (zh) * | 2022-11-06 | 2023-04-04 | 陕西惠齐电力科技开发有限公司 | 一种可无人值守智能环网柜系统 |
WO2023070960A1 (zh) * | 2021-10-29 | 2023-05-04 | 中国华能集团清洁能源技术研究院有限公司 | 一种基于卷积transformer架构的风功率预测方法、系统及设备 |
CN116165937A (zh) * | 2023-02-07 | 2023-05-26 | 广东工业大学 | 智能萌宠 |
EP4202866A1 (en) * | 2021-12-27 | 2023-06-28 | Trifo, Inc. | Autonomous robot with deep learning environment recognition and sensor calibration |
WO2023147786A1 (zh) * | 2022-02-07 | 2023-08-10 | 南京理工大学 | 基于改进卷积神经网络的车联网入侵检测方法及设备 |
CN116700123A (zh) * | 2023-08-01 | 2023-09-05 | 南京德克威尔自动化有限公司 | 一种一体式EtherCAT总线I/O模块 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20210294172A1 (en) * | 2012-04-13 | 2021-09-23 | View, Inc. | Control methods and systems using external 3d modeling and neural networks |
TW201915727A (zh) * | 2017-09-18 | 2019-04-16 | 元智大學 | 多元感測器之錯誤偵測與分類方法 |
-
2023
- 2023-10-25 CN CN202311391843.4A patent/CN117111540B/zh active Active
Patent Citations (27)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101957602A (zh) * | 2009-07-15 | 2011-01-26 | 河南天擎机电技术有限公司 | 基于Zigbee的公共场所环境监测控制方法及其系统 |
CN107656216A (zh) * | 2017-11-15 | 2018-02-02 | 国网辽宁省电力有限公司鞍山供电公司 | 一种铅酸蓄电池在线监测维护及预警系统及性能评估方法 |
CN110011994A (zh) * | 2019-03-26 | 2019-07-12 | 惠州学院 | 一种基于大数据的环境检测系统 |
CN111756325A (zh) * | 2019-03-27 | 2020-10-09 | 上海电机学院 | 一种基于dsp的光伏组件监测系统及方法 |
CN110389948A (zh) * | 2019-07-19 | 2019-10-29 | 南京工业大学 | 一种基于数据驱动的加氢裂化装置的尾油预测方法 |
DE202019104954U1 (de) * | 2019-08-15 | 2019-09-13 | ICanControl Tech Co., Ltd. | System für das intelligente industrielle Internet der Dinge, bei dem eine künstliche neuronale Netzarchitektur mit bidirektionalen Kanälen verwendet wird |
CN111832814A (zh) * | 2020-07-01 | 2020-10-27 | 北京工商大学 | 一种基于图注意力机制的空气污染物浓度预测方法 |
CN111882230A (zh) * | 2020-07-31 | 2020-11-03 | 浙江大学 | 一种基于神经网络的二噁英排放在线监测方法 |
CN112149902A (zh) * | 2020-09-23 | 2020-12-29 | 吉林大学 | 一种基于客流特征分析的地铁短时进站客流预测方法 |
CN112348271A (zh) * | 2020-11-12 | 2021-02-09 | 华北电力大学 | 基于vmd-ipso-gru的短期光伏功率预测方法 |
US11317572B1 (en) * | 2020-12-23 | 2022-05-03 | Heartland Ag Tech, Inc. | Condition based monitoring of irrigation |
WO2022241802A1 (zh) * | 2021-05-19 | 2022-11-24 | 广州广电运通金融电子股份有限公司 | 复杂路网下的短时交通流量预测方法、存储介质和系统 |
CN113449463A (zh) * | 2021-06-09 | 2021-09-28 | 重庆锦禹云能源科技有限公司 | 一种基于lstm-dnn的设备寿命预测方法及装置 |
AU2021103669A4 (en) * | 2021-06-28 | 2021-08-19 | Beijing Cosmos Safety Technology Co. Ltd | Intelligent electrical fire warning system and method for tobacco warehouse Technology Field |
WO2023273298A1 (zh) * | 2021-06-30 | 2023-01-05 | 平安科技(深圳)有限公司 | 用户轨迹识别方法、装置、设备及存储介质 |
CN113777496A (zh) * | 2021-09-06 | 2021-12-10 | 北京化工大学 | 基于时间卷积神经网络的锂离子电池剩余寿命预测方法 |
CN113869053A (zh) * | 2021-09-30 | 2021-12-31 | 上海银江智慧智能化技术有限公司 | 一种面向司法文本命名实体识别的方法及系统 |
CN113962364A (zh) * | 2021-10-22 | 2022-01-21 | 四川大学 | 一种基于深度学习的多因素用电负荷预测方法 |
WO2023070960A1 (zh) * | 2021-10-29 | 2023-05-04 | 中国华能集团清洁能源技术研究院有限公司 | 一种基于卷积transformer架构的风功率预测方法、系统及设备 |
EP4202866A1 (en) * | 2021-12-27 | 2023-06-28 | Trifo, Inc. | Autonomous robot with deep learning environment recognition and sensor calibration |
CN114240000A (zh) * | 2021-12-31 | 2022-03-25 | 北京工业大学 | 一种基于时空图卷积网络的空气质量预测方法 |
CN114418071A (zh) * | 2022-01-24 | 2022-04-29 | 中国光大银行股份有限公司 | 循环神经网络训练方法 |
WO2023147786A1 (zh) * | 2022-02-07 | 2023-08-10 | 南京理工大学 | 基于改进卷积神经网络的车联网入侵检测方法及设备 |
CN114995256A (zh) * | 2022-06-24 | 2022-09-02 | 重庆化工职业学院 | 基于数字孪生的车间环境监测装置及监测方法 |
CN115912105A (zh) * | 2022-11-06 | 2023-04-04 | 陕西惠齐电力科技开发有限公司 | 一种可无人值守智能环网柜系统 |
CN116165937A (zh) * | 2023-02-07 | 2023-05-26 | 广东工业大学 | 智能萌宠 |
CN116700123A (zh) * | 2023-08-01 | 2023-09-05 | 南京德克威尔自动化有限公司 | 一种一体式EtherCAT总线I/O模块 |
Also Published As
Publication number | Publication date |
---|---|
CN117111540A (zh) | 2023-11-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105069695B (zh) | 一种智能变电站实时风险分析系统及分析方法 | |
CN112532727B (zh) | 车间内煤气区域人员安全防护系统 | |
CN105261079A (zh) | 便携式智能电力巡检装置 | |
CN108648403A (zh) | 一种自学习消防安全预警方法及系统 | |
CN111668927A (zh) | 一种基于泛在电力物联网的变电站智能巡检系统及其控制方法 | |
CN111882071A (zh) | 一种基于机器学习的预应力钢构件监测方法 | |
CN112380678A (zh) | 一种大型客船应急疏散的智能辅助决策平台及决策方法 | |
CN106598014A (zh) | 一种用于实验室的安全监控系统 | |
Umoh et al. | Interval type-2 fuzzy logic for fire outbreak detection | |
CN116844315A (zh) | 人工智能预警方法、系统及存储介质 | |
CN114859839A (zh) | 煤炭生产安全监控系统及方法 | |
CN117111540B (zh) | 一种用于io远程控制总线模块的环境监测预警方法及系统 | |
CN117131369B (zh) | 智慧安全管理与应急救援一体站的数据处理方法及系统 | |
CN113390641A (zh) | 风烟系统设备故障的智能预警与在线诊断方法及系统 | |
CN116385925A (zh) | 一种生产现场智慧安全管理方法及系统 | |
CN116546043A (zh) | 电缆隧道巡检人员环境安全监测装置及方法 | |
Fang et al. | Design and development of the AI-assisted safety system for hazardous plant | |
CN114118678A (zh) | 一种基于边缘物联网的炼铁厂管理系统及其架构方法 | |
CN207068038U (zh) | 一种电力工作现场安全管理系统 | |
CN117932278B (zh) | 一种智慧城市环保监控系统及方法 | |
Awad et al. | IoT Based Framework for Monitoring and Controlling Movable Harbor Cranes | |
CN117975372B (zh) | 一种基于YOLOv8和Transformer编码器相结合的工地安全检测系统及方法 | |
Majhi et al. | A Fuzzy Approach for Accident Prediction in IoT based Mining System | |
CN113885596B (zh) | 污水处理智能监控系统 | |
CN114421608A (zh) | 变电站巡视系统及方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
PE01 | Entry into force of the registration of the contract for pledge of patent right | ||
PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: An Environmental Monitoring and Warning Method and System for IO Remote Control Bus Module Granted publication date: 20231229 Pledgee: Bank of China Limited Nanjing Jiangbei New Area Branch Pledgor: NANJING DEKEWEIER AUTOMATION CO.,LTD. Registration number: Y2024980007024 |