CN117113265B - 一种食品加工设备智能监测管理方法及系统 - Google Patents
一种食品加工设备智能监测管理方法及系统 Download PDFInfo
- Publication number
- CN117113265B CN117113265B CN202311384661.4A CN202311384661A CN117113265B CN 117113265 B CN117113265 B CN 117113265B CN 202311384661 A CN202311384661 A CN 202311384661A CN 117113265 B CN117113265 B CN 117113265B
- Authority
- CN
- China
- Prior art keywords
- time window
- pressure
- time
- sequence
- abnormality
- 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
- 235000013305 food Nutrition 0.000 title claims abstract description 100
- 238000012545 processing Methods 0.000 title claims abstract description 59
- 238000012544 monitoring process Methods 0.000 title claims abstract description 27
- 238000007726 management method Methods 0.000 title claims abstract description 14
- 238000010438 heat treatment Methods 0.000 claims abstract description 70
- 238000000034 method Methods 0.000 claims abstract description 48
- 239000000463 material Substances 0.000 claims abstract description 37
- 238000001514 detection method Methods 0.000 claims abstract description 20
- 230000005856 abnormality Effects 0.000 claims description 45
- 230000002159 abnormal effect Effects 0.000 claims description 31
- 238000010411 cooking Methods 0.000 claims description 19
- 230000008569 process Effects 0.000 claims description 19
- 230000006870 function Effects 0.000 claims description 18
- 238000004422 calculation algorithm Methods 0.000 claims description 12
- 238000010025 steaming Methods 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 6
- 238000010792 warming Methods 0.000 claims description 5
- 238000009826 distribution Methods 0.000 claims description 4
- 230000001737 promoting effect Effects 0.000 claims description 3
- 230000009246 food effect Effects 0.000 abstract 1
- 230000008859 change Effects 0.000 description 6
- 230000000694 effects Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000009827 uniform distribution Methods 0.000 description 3
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000008020 evaporation Effects 0.000 description 2
- 238000001704 evaporation Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 240000004808 Saccharomyces cerevisiae Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 229910002092 carbon dioxide Inorganic materials 0.000 description 1
- 239000001569 carbon dioxide Substances 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 230000001010 compromised effect Effects 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 239000007858 starting material Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 235000013311 vegetables Nutrition 0.000 description 1
Classifications
-
- 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
- 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
- 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
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C3/00—Registering or indicating the condition or the working of machines or other apparatus, other than vehicles
- G07C3/005—Registering or indicating the condition or the working of machines or other apparatus, other than vehicles during manufacturing process
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2123/00—Data types
- G06F2123/02—Data types in the time domain, e.g. time-series data
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Probability & Statistics with Applications (AREA)
- Manufacturing & Machinery (AREA)
- General Preparation And Processing Of Foods (AREA)
Abstract
本发明涉及数据处理技术领域,具体涉及一种食品加工设备智能监测管理方法及系统,该方法获取温度时序数据、压力时序数据以及流量时序数据;根据各时间窗口内的温度特征获取各时间窗口的食材释放气体影响因子;结合压力时序数据获取各时间窗口的加热设备压力调节序列;进一步根据流量时序数据获取各时间窗口的泄压阀压差序列;获取基于时间窗口的泄压阀压差均衡指数;获取基于时间窗口的异常因子;从而完成食材加工设备的异常检测,提高异常检测结果的精准度,保证了食材加工设备的监测效果。
Description
技术领域
本发明涉及数据处理技术领域,具体涉及一种食品加工设备智能监测管理方法及系统。
背景技术
食品加工设备是用于加工、处理、包装和储存食品的机械设备,旨在提高生产效率、确保食品安全和质量,以及满足食品行业的需求。根据食品加工工艺的不同,生产设备也不一样,例如有将不同食材混合均匀的搅拌机,将原材料切割成所需形状和尺寸的切菜机,用于加热和烹饪食材的烤箱、炸锅、蒸炉等等。使用过程中存在一定的高压安全隐患。所以,用智能监测技术实时监测和控制食品加工设备的运行状态,及时检测异常或设备故障,对食品安全和提高生产效率具有重要意义。
在食品加工设备的智能监测中,一个很重要的步骤是识别设备运行过程中的异常状态。现有的COF异常检测算法不需要预设参数就能检测到各种类型的异常,然而对于分布较为均匀的数据集,存在检测效果准确性差的问题。
综上所述,本发明提出了一种食品加工设备智能监测管理方法及系统,通过对食品加工过程中设备内部的温度变化、压强变化,构建食材释放气体影响因子,进一步结合食品加工设备释放压强产生变化构建泄压阀压差序列,最后构建泄压阀压差均衡指数;使用COF异常检测算法获取异常因子,实现一种食材加工设备的智能检监测管理方法。
发明内容
为了解决上述技术问题,本发明的目的在于提供一种食品加工设备智能监测管理方法及系统,所采用的技术方案具体如下:
第一方面,本发明实施例提供了一种食品加工设备智能监测管理方法,该方法包括以下步骤:
获取温度时序数据、压力时序数据以及流量时序数据;设置时间窗口;
根据各时间窗口内的温度特征获取各时间窗口的最大温差系数;根据各时间窗口的最大温差系数获取各时间窗口的加温蒸煮促进指数;根据各时间窗口的加温蒸煮促进指数获取各时间窗口的食材释放气体影响因子;根据各时间窗口的食材释放气体影响因子结合时间窗口内的压力时序数据获取各时间窗口的加热设备压力调节序列;根据各时间窗口的流量时序数据以及加热设备压力调节序列获取各时间窗口的泄压阀压差序列;根据各时间窗口的泄压阀压差序列的分布特征获取基于时间窗口的泄压阀压差均衡指数;
根据所有时间窗口的泄压阀压差均衡指数获取基于时间窗口的异常因子;根据各时间窗口的异常因子完成食材加工设备的异常检测。
优选的,所述根据各时间窗口内的温度特征获取各时间窗口的最大温差系数,包括:
分别获取各时间窗口内温度时序数据的极值、最小值和期望值;计算所述极值与所述最小值的比值;将所述比值与所述期望值的乘积作为各时间窗口的最大温差系数。
优选的,所述根据各时间窗口的最大温差系数获取各时间窗口的加温蒸煮促进指数,获取方法为:
计算时间窗口内各温度时序数据与时间窗口最大温差系数的差值;将时间窗口内所有所述差值与时间窗口温度时序数据标准差的比值四次方的均值作为时间窗口的加温蒸煮促进指数。
优选的,所述根据各时间窗口的加温蒸煮促进指数获取各时间窗口的食材释放气体影响因子,表达式具体为:
式中,表示时间窗口/>的食材释放气体影响因子,/>表示时间窗口/>的加温蒸煮促进指数,/>表示以自然常数为底的指数函数,/>表示时间窗口/>内的第/>个温度数值,/>表示时间窗口/>内的数据个数,/>表示概率函数,/>表示以2为底数的对数函数。
优选的,所述根据各时间窗口的食材释放气体影响因子结合时间窗口内的压力时序数据获取各时间窗口的加热设备压力调节序列,包括:
设置调整系数;将各时间窗口的食材释放气体影响因子与调整系数比值的相反数作为以自然常数为底数的指数函数的指数;获取所述指数函数的计算结果的相反数;将时间窗口内各压力时序数据与所述相反数的乘积作为各时间窗口的加热设备压力调节序列。
优选的,所述泄压阀压差序列具体为各时间窗口的流量时序数据与各时间窗口加热设备压力调节序列的差值。
优选的,所述根据各时间窗口的泄压阀压差序列的分布特征获取基于时间窗口的泄压阀压差均衡指数,具体包括:
计算时间窗口泄压阀压差序列内各数据与时间窗口泄压阀压差序列均值的差值;将时间窗口内所有所述差值与时间窗口泄压阀压差序列标准差的比值三次方的均值作为时间窗口的泄压阀压差均衡指数。
优选的,所述根据所有时间窗口的泄压阀压差均衡指数获取基于时间窗口的异常因子,具体步骤包括:
将预设时间段内所有时间窗口的泄压阀压差均衡指数作为异常检测算法的输入,获取每个时间窗口的异常因子。
优选的,所述根据各时间窗口的异常因子完成食材加工设备的异常检测,具体步骤包括:
设置第一异常阈值、第二异常阈值,并且第二异常阈值大于第一异常阈值;若异常因子小于第一异常阈值,说明食品加工设备无异常;若异常因子处于第一异常阈值与第二异常阈值之间,说明食品加工设备轻微异常;若异常因子大于第二异常阈值,说明食品加工设备明显异常。
第二方面,本发明实施例还提供了一种食品加工设备智能监测管理系统,包括存储器、处理器以及存储在所述存储器中并在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述任意一项所述方法的步骤。
本发明至少具有如下有益效果:
本发明通过对食品加工设备蒸煮过程中的温度进行分析,构建加温蒸煮促进指数;对温度引起的压力异常情况进行分析,构建食材释放气体影响因子,对压力传感器数据进行调节。然后对泄压阀进行排气流量检测,比较了食品加工设备内压力增长与释放的平衡关系,通过构建泄压阀压差均衡指数,以此增大异常点与非异常点的差异,规避了COF异常检测算法在分布较为均匀的数据集上表现不佳的缺陷,有效提高异常检测算法的准确性。
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和优点,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的介绍,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它附图。
图1为本发明一个实施例提供的一种食品加工设备智能监测管理方法的步骤流程图;
图2为泄压阀压差均衡指数的获取流程图。
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食品加工设备智能监测管理方法及系统,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,一个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食品加工设备智能监测管理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食品加工设备智能监测管理方法的步骤流程图,该方法包括以下步骤:
步骤S001:采集传感器数据,并进行预处理。
具体的,用蒸煮的方式对食品进行加工的过程中,在食品加热设备中会产生一定的压力。这是因为在食品加热设备中加热水或其他液体时,会有蒸汽的产生,蒸汽会增加设备内部的压力,提高食物的温度,从而加快烹饪过程。在食品加热设备内安装蒸汽压力传感器,用于检测加热设备内的蒸汽压力,安装温度传感器用于对加热设备内的温度进行实时监控,在泄压阀门处安装流量计,用于监测压力过高时释放的蒸汽流量,以便了解压力释放的速度。
安装上述传感器后,采集时间序列数据,为了方便分析不同数据间的相互影响关系,按照每种类型数据的最大最小值进行归一化。设置采集传感器数据的时间间隔,采集过程难免受仪器及外部各种因素的干扰,故需要进行数据清洗。需要说明的是,采集传感器数据的时间间隔、数据清洗的方法实施者可根据实际情况自行选取,本实施例中采集传感器数据的时间间隔为0.1秒;对数据中的缺失值采用邻近数据点的均值进行填充,对异常值采用线性差值法来替换。
将一段时间内传感器采集的温度时序数据记为,压力时序数据记为/>,流量时序数据记为/>。设置时间窗口,实施者可根据实际情况自行选取时间窗口,本实施例以/>的时间段作为一个时间窗口。
至此,获得温度时序数据、压力时序数据和流量时序数据。
步骤S002:对食品加工设备的温度特征和压力特征进行分析,构建泄压阀压差均衡指数。
具体的,在食品蒸煮过程中,首先进行加热升温,将设备加热到所需温度。加热设备底部的水会变成蒸汽,随着蒸汽不断增多,加热设备内的压强逐渐增大,显然温度的变化对压力有间接促进作用。加热完成后开始进入蒸煮阶段,食材温度逐渐升高,这一步为食品加工的主要阶段。加热设备内的压强会在不同的加工阶段而有所变化,在初级的升温阶段变化缓慢,其主要的影响来源于温度。
首先对每个时间窗的温度时序数据进行分析,判断在时间窗内温度值的变化情况,首先计算时间窗口的最大温差系数,表达式如下:
式中,表示时间窗口/>的最大温差系数,/>表示时间窗口/>的温度时序数据,/>表示最大值函数,/>表示最小值函数,/>表示期望值。当最大温度与最小温度之差越小,说明温度偏稳定,结合期望值有助于对温度数据进行修正处理。
为反应短时间内的温度是否出现异常,构建加温蒸煮促进指数,表达式如下:
式中,表示时间窗口/>的加温蒸煮促进指数,n为时间窗长度,/>表示时间窗口/>的第i个温度值,/>表示时间窗口/>温度时序数据的标准差,/>表示时间窗口/>的最大温差系数。最大温差系数包含期望值,/>的值越小,该点处的温度值与时间窗口的温度值期望值越接近,说明序列范围内温度值差异不大,使得加温蒸煮促进指数的值越小,该时间段内大型加热设备的加温正常进行,加热设备内的压力也比较稳定。
当加热设备内的温度升高到一定的值后,食材被加热烹饪,会发生水分蒸发和一些食材释放气体的情况,这是因为高温下,食材中的水分会被加热转化为水蒸气,并逐渐蒸发到加热设备的内部空间。同时,有些食材中的化学成分在高温下会发生反应,产生气体,例如发酵剂或酵母产生的二氧化碳。食材中通常含有水分,随着蒸煮过程中受热,食材中的水分加速蒸发,导致加热设备内的压力增加。考虑该因素与加热设备压力变化的关系,构建食材释放气体影响因子,表达式如下:
式中,表示时间窗口/>内温度数据的食材释放气体影响因子,/>表示时间窗口/>的加温蒸煮促进指数,/>表示以自然常数为底的指数函数,可使得/>的值大于0,/>表示时间窗口/>的第/>个温度数值,/>表示时间窗口/>内的数据个数,表示元素出现的概率函数,/>表示以2为底数的对数函数。在正常蒸煮过程中,压力在一定范围内波动,加热食材的不同可能会导致出现异常的温度值,其概率较小,因此指数函数的值将变大,并且由于加温蒸煮促进指数的增大,加温蒸煮促进指数增大,使得食材释放气体影响因子增大。
结合食材释放气体影响因子在食材加工过程中加热设备内压力的影响,对窗口内压力时序数据进行调节,构建加热设备压力调节序列,表达式为:
式中,表示加热设备压力调节序列在时间窗口/>的第/>个值,/>表示时间窗口/>的食材释放气体影响因子,/>为不为零的调整系数,/>表示原始压力传感器数据时间窗口/>的第/>个值。需要说明的是,调整系数用于控制指数函数的函数值变化快慢程度,调整系数的值实施者可根据实际情况自行选取,本实施例将/>设定为6。食材释放气体影响因子和调整系数都为正值,当食材释放气体影响因子越大,说明在时间窗口/>内受温度及食材释放气体影响越大,使得指数函数的相反数的值越大,使得经过调整后的加热设备压力调节序列越大。以此可增加在该时间窗内的加热设备压力数据与其他时间窗口下的差异,有助于下一步分析其异常性。
进一步的,食材在蒸煮的过程中,蒸汽是不断产生的,加热设备内的压力也在不断升高。如果压力过高,会破坏食材的完整性以及可食用性,另外过高的压力还有可能对食品加工设备造成损坏甚至危机人身安全。故加热设备中的压力达到一定程度时,需要加热设备顶部的泄压阀及时释放内部的蒸汽,泄压阀可能出现排气口因食材堵塞导致泄压受阻。加热设备正常工作的情况下,内部压力值越大,泄压伐的排气量也越大,这样才能将加热设备内的压力维持在一个正常的范围内。由此,构建泄压阀压差序列,表达式为:
式中,为泄压阀压差序列在时间窗口/>的第/>个数据,/>表示加热设备压力调节序列在时间窗口/>的第/>个数据,/>表示流量时序数据在时间窗口/>的第/>个数据。同一时间窗口下加热设备压力调节序列与流量时序数据之间的差值表明了当前加热设备内压力增长与释放的平衡关系。若加热设备压力急剧增大使加热设备压力调节序列的值显著增大,或泄压阀出现堵塞故障使流量时序数据的值减小,相应的泄压阀压差序列值会突然变大,说明出现压力异常。在正常工作状态下,泄压阀压差序列值会比较稳定,在异常状态下,泄压阀压差序列值的值会出现剧烈波动。
最后,针对泄压阀压差序列计算泄压阀压差均衡指数,表达式为:
式中,表示时间窗口/>的泄压阀压差均衡指数,/>和/>分别表示时间窗口/>泄压阀压差序列均值和方差。若加热设备出现泄压异常,泄压阀压差序列值会变大,导致泄压阀压差均衡指数值偏大,说明加热设备内压力的增长与释放并未同步,即存在加热设备内的压力过高,或是泄压速率过快的情况。泄压阀压差均衡指数的获取方法如图2所示。
步骤S003:采用COF异常检测算法对数据进行异常检测,完成对食品加工设备的检测。
将连续时间窗口下获得的泄压阀排气均衡指数依次排列组成一个新的序列,例如时间窗口的下一个时间窗口计算的泄压阀压差均衡指数为/>,依次类推,得到,记为压差均衡序列。将一段时间/>中所有时间窗口的压差均衡序列值作为COF异常检测算法的输入,输出为每个数据点的异常因子。需要说明的是,时间/>的长短实施者可根据实际情况自行选取,本实施例中/>。设置异常阈值/>、/>,其中/>为第一异常阈值,/>为第二异常阈值/>,并且;若异常因子小于/>,说明食品加工设备无明显异常,设备可正常运行;若异常因子属于/>,说明食品加工设备轻微异常,需要降低加热设备的功率,避免压力持续增高;若异常因子大于/>,说明食品加工设备明显异常,需要向工作人员发出预警,及时切断设备电源,避免出现安全事故。需要说明的是,异常阈值的选取实施者可根据实际情况自行选取,本实施例中取值为/>、/>。需要说明的是,COF异常检测算法为现有公知技术,本实施例中不再赘述。
至此,完成对食品加工设备的智能监测。
基于与上述方法相同的发明构思,本发明实施例还提供了一种食品加工设备智能监测管理系统,包括存储器、处理器以及存储在所述存储器中并在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述一种食品加工设备智能监测管理方法中任意一项所述方法的步骤。
综上所述,本发明实施例本发明通过对食品加工设备蒸煮过程中的温度进行分析,构建加温蒸煮促进指数;对温度引起的压力异常情况进行分析,构建食材释放气体影响因子,对压力传感器数据进行调节。然后对泄压阀进行排气流量检测,比较了食品加工设备内压力增长与释放的平衡关系,通过构建泄压阀压差均衡指数,以此增大异常点与非异常点的差异,规避了COF检测算法在分布较为均匀的数据集上表现不佳的缺陷,有效提高异常检测算法的准确性。
需要说明的是:上述本发明实施例先后顺序仅仅为了描述,不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的原则之内,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 (6)
1.一种食品加工设备智能监测管理方法,其特征在于,该方法包括以下步骤:
获取温度时序数据、压力时序数据以及流量时序数据;设置时间窗口;
根据各时间窗口内的温度特征获取各时间窗口的最大温差系数;根据各时间窗口的最大温差系数获取各时间窗口的加温蒸煮促进指数;根据各时间窗口的加温蒸煮促进指数获取各时间窗口的食材释放气体影响因子;根据各时间窗口的食材释放气体影响因子结合时间窗口内的压力时序数据获取各时间窗口的加热设备压力调节序列;根据各时间窗口的流量时序数据以及加热设备压力调节序列获取各时间窗口的泄压阀压差序列;根据各时间窗口的泄压阀压差序列的分布特征获取基于时间窗口的泄压阀压差均衡指数;
根据所有时间窗口的泄压阀压差均衡指数获取基于时间窗口的异常因子;根据各时间窗口的异常因子完成食材加工设备的异常检测;
所述根据各时间窗口的最大温差系数获取各时间窗口的加温蒸煮促进指数,获取方法为:计算时间窗口内各温度时序数据与时间窗口最大温差系数的差值;将时间窗口内所有所述差值与时间窗口温度时序数据标准差的比值四次方的均值作为时间窗口的加温蒸煮促进指数;
所述根据各时间窗口的加温蒸煮促进指数获取各时间窗口的食材释放气体影响因子,表达式具体为:
式中,表示时间窗口/>的食材释放气体影响因子,/>表示时间窗口/>的加温蒸煮促进指数,/>表示以自然常数为底的指数函数,/>表示时间窗口/>内的第/>个温度数值,/>表示时间窗口/>内的数据个数,/>表示概率函数,/>表示以2为底数的对数函数;
所述根据各时间窗口的食材释放气体影响因子结合时间窗口内的压力时序数据获取各时间窗口的加热设备压力调节序列,包括:设置调整系数;将各时间窗口的食材释放气体影响因子与调整系数比值的相反数作为以自然常数为底数的指数函数的指数;获取2与所述指数函数的计算结果的差值;将时间窗口内各压力时序数据与所述差值的乘积作为各时间窗口的加热设备压力调节序列;
所述根据各时间窗口的泄压阀压差序列的分布特征获取基于时间窗口的泄压阀压差均衡指数,具体包括:计算时间窗口泄压阀压差序列内各数据与时间窗口泄压阀压差序列均值的差值;将时间窗口内所有所述差值与时间窗口泄压阀压差序列标准差的比值三次方的均值作为时间窗口的泄压阀压差均衡指数。
2.如权利要求1所述的一种食品加工设备智能监测管理方法,其特征在于,所述根据各时间窗口内的温度特征获取各时间窗口的最大温差系数,包括:
分别获取各时间窗口内温度时序数据的极值、最小值和期望值;计算所述极值与所述最小值的比值;将所述比值与所述期望值的乘积作为各时间窗口的最大温差系数。
3.如权利要求1所述的一种食品加工设备智能监测管理方法,其特征在于,所述泄压阀压差序列具体为各时间窗口的流量时序数据与各时间窗口加热设备压力调节序列的差值。
4.如权利要求1所述的一种食品加工设备智能监测管理方法,其特征在于,所述根据所有时间窗口的泄压阀压差均衡指数获取基于时间窗口的异常因子,具体步骤包括:
将预设时间段内所有时间窗口的泄压阀压差均衡指数作为异常检测算法的输入,获取每个时间窗口的异常因子。
5.如权利要求1所述的一种食品加工设备智能监测管理方法,其特征在于,所述根据各时间窗口的异常因子完成食材加工设备的异常检测,具体步骤包括:
设置第一异常阈值、第二异常阈值,并且第二异常阈值大于第一异常阈值;若异常因子小于第一异常阈值,说明食品加工设备无异常;若异常因子处于第一异常阈值与第二异常阈值之间,说明食品加工设备轻微异常;若异常因子大于第二异常阈值,说明食品加工设备明显异常。
6.一种食品加工设备智能监测管理系统,包括存储器、处理器以及存储在所述存储器中并在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1-5任意一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311384661.4A CN117113265B (zh) | 2023-10-25 | 2023-10-25 | 一种食品加工设备智能监测管理方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311384661.4A CN117113265B (zh) | 2023-10-25 | 2023-10-25 | 一种食品加工设备智能监测管理方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117113265A CN117113265A (zh) | 2023-11-24 |
CN117113265B true CN117113265B (zh) | 2024-03-08 |
Family
ID=88809584
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311384661.4A Active CN117113265B (zh) | 2023-10-25 | 2023-10-25 | 一种食品加工设备智能监测管理方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117113265B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117760593B (zh) * | 2024-02-22 | 2024-05-10 | 张家港江海粮油港务有限公司 | 一种粮食作物仓储温度异常监测方法 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20060123902A (ko) * | 2005-05-30 | 2006-12-05 | 삼성전자주식회사 | 증기발생장치를 갖춘 조리기의 안전장치 및 그 제어방법 |
EP2674080A1 (de) * | 2012-06-14 | 2013-12-18 | MKN Maschinenfabrik Kurt Neubauer GmbH & Co. KG | Gargerät zum Garen einer flüssigen oder einer einen hohen Flüssigkeitsanteil enthaltenden Speise und Verfahren zum Betreiben eines solchen Gargeräts |
CN204900220U (zh) * | 2015-08-21 | 2015-12-23 | 广东肯富来泵业股份有限公司 | 一种液环泵运行实时监测系统 |
CN106231961A (zh) * | 2014-04-23 | 2016-12-14 | 皇家飞利浦有限公司 | 用于控制食物烹饪过程的方法和烹饪设备 |
CN208654655U (zh) * | 2014-08-22 | 2019-03-26 | 大力士股份有限公司 | 主调节装置和加热或冷却设备系统 |
CN114637263A (zh) * | 2022-03-15 | 2022-06-17 | 中国石油大学(北京) | 一种异常工况实时监测方法、装置、设备及存储介质 |
CN114847746A (zh) * | 2021-02-04 | 2022-08-05 | 佛山市顺德区美的电热电器制造有限公司 | 烹饪设备的控制方法、烹饪设备和可读存储介质 |
CN115047839A (zh) * | 2022-08-17 | 2022-09-13 | 北京化工大学 | 一种甲醇制烯烃工业过程的故障监测方法和系统 |
CN116782777A (zh) * | 2021-02-08 | 2023-09-19 | 马瑞奥深加工私人有限公司 | 食物加工线和用于控制食物加工线的方法 |
CN116911621A (zh) * | 2023-09-13 | 2023-10-20 | 山东尚儒弘毅精细化工有限公司 | 基于数据驱动的树脂生产安全风险智能评估方法及系统 |
CN116933210A (zh) * | 2023-09-15 | 2023-10-24 | 山东荷唯美食品有限公司 | 基于多维传感器的食品加工灌装设备监测方法及系统 |
-
2023
- 2023-10-25 CN CN202311384661.4A patent/CN117113265B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20060123902A (ko) * | 2005-05-30 | 2006-12-05 | 삼성전자주식회사 | 증기발생장치를 갖춘 조리기의 안전장치 및 그 제어방법 |
EP2674080A1 (de) * | 2012-06-14 | 2013-12-18 | MKN Maschinenfabrik Kurt Neubauer GmbH & Co. KG | Gargerät zum Garen einer flüssigen oder einer einen hohen Flüssigkeitsanteil enthaltenden Speise und Verfahren zum Betreiben eines solchen Gargeräts |
CN106231961A (zh) * | 2014-04-23 | 2016-12-14 | 皇家飞利浦有限公司 | 用于控制食物烹饪过程的方法和烹饪设备 |
CN208654655U (zh) * | 2014-08-22 | 2019-03-26 | 大力士股份有限公司 | 主调节装置和加热或冷却设备系统 |
CN204900220U (zh) * | 2015-08-21 | 2015-12-23 | 广东肯富来泵业股份有限公司 | 一种液环泵运行实时监测系统 |
CN114847746A (zh) * | 2021-02-04 | 2022-08-05 | 佛山市顺德区美的电热电器制造有限公司 | 烹饪设备的控制方法、烹饪设备和可读存储介质 |
CN116782777A (zh) * | 2021-02-08 | 2023-09-19 | 马瑞奥深加工私人有限公司 | 食物加工线和用于控制食物加工线的方法 |
CN114637263A (zh) * | 2022-03-15 | 2022-06-17 | 中国石油大学(北京) | 一种异常工况实时监测方法、装置、设备及存储介质 |
CN115047839A (zh) * | 2022-08-17 | 2022-09-13 | 北京化工大学 | 一种甲醇制烯烃工业过程的故障监测方法和系统 |
CN116911621A (zh) * | 2023-09-13 | 2023-10-20 | 山东尚儒弘毅精细化工有限公司 | 基于数据驱动的树脂生产安全风险智能评估方法及系统 |
CN116933210A (zh) * | 2023-09-15 | 2023-10-24 | 山东荷唯美食品有限公司 | 基于多维传感器的食品加工灌装设备监测方法及系统 |
Non-Patent Citations (2)
Title |
---|
The Design and Research of the Control System of Automatic Intelligent Rice Cooker, based on STM32;Zhao, HQ et al.;PROCEEDINGS OF THE 2017 INTERNATIONAL CONFERENCE ON MANUFACTURING ENGINEERING AND INTELLIGENT MATERIALS;全文 * |
设备状态监测与故障诊断技术发展浅析;李政;;仪器仪表用户(第10期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN117113265A (zh) | 2023-11-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN117113265B (zh) | 一种食品加工设备智能监测管理方法及系统 | |
CN110507209B (zh) | 一种智能烹饪方法和具有探针的智能烹饪器具 | |
CN110946313B (zh) | 一种叶丝干燥工序的出口含水率的控制方法及系统 | |
EP3148386B1 (en) | Method and cooking apparatus for controlling a food cooking process | |
CN114471418B (zh) | 一种连续式造粒反应釜的釜内温度控制方法、系统和介质 | |
US20070201975A1 (en) | Method for Determining Limit Exceedance | |
CN106839751A (zh) | 一种基于介电特性动态变化的微波干燥控制系统 | |
CN112931913A (zh) | 一种气流式梗丝干燥出口含水率的控制方法 | |
CN110530144B (zh) | 一种基于在线检测技术的智能干燥方法 | |
CN117708748A (zh) | 一种用于离心风机的运行监测系统及方法 | |
CN111665882A (zh) | 温度控制方法及系统 | |
CN114711644A (zh) | 烹饪装置的控制方法、控制装置、存储介质和烹饪装置 | |
CN115717590B (zh) | 一种压缩机智能异常检测方法及相关装置 | |
CN116911621A (zh) | 基于数据驱动的树脂生产安全风险智能评估方法及系统 | |
CN116611349A (zh) | 基于神经网络的滚筒烘丝工艺参数优化方法及系统 | |
JP2018112857A (ja) | データ処理装置及びデータ処理方法 | |
CN112790421B (zh) | 一种基于滑窗预测的梗丝加料出口含水率的控制方法 | |
CN113876008B (zh) | 一种控制松散回潮烟片含水率稳定性的方法 | |
CN113017137B (zh) | 一种烟梗的增压蒸梗出口温度的控制方法及系统 | |
CN113218142B (zh) | 冰箱的乙烯浓度控制方法、冰箱及存储介质 | |
CN114321722B (zh) | 蒸汽管网的压力平衡方法、装置、存储介质以及处理器 | |
CN117078023B (zh) | 基于大数据分析的窑炉故障风险评估方法 | |
CN117850517A (zh) | 蒸烤箱控制方法、装置、电子设备和存储介质 | |
CN118265190A (zh) | 一种可实时控制的远红外电加热方法及系统 | |
CN117233326A (zh) | 基于气味的烹饪程度识别方法和装置 |
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 |