CN117216489A - 一种基于互联网的防水涂料质检分析方法及系统 - Google Patents
一种基于互联网的防水涂料质检分析方法及系统 Download PDFInfo
- Publication number
- CN117216489A CN117216489A CN202311467575.XA CN202311467575A CN117216489A CN 117216489 A CN117216489 A CN 117216489A CN 202311467575 A CN202311467575 A CN 202311467575A CN 117216489 A CN117216489 A CN 117216489A
- Authority
- CN
- China
- Prior art keywords
- environmental
- component
- value
- environment
- calculating
- 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.)
- Granted
Links
- 239000011248 coating agent Substances 0.000 title claims abstract description 40
- 238000000576 coating method Methods 0.000 title claims abstract description 40
- 238000004458 analytical method Methods 0.000 title claims abstract description 22
- 238000007689 inspection Methods 0.000 title claims abstract description 21
- 230000007613 environmental effect Effects 0.000 claims abstract description 247
- 230000005856 abnormality Effects 0.000 claims abstract description 40
- 239000003973 paint Substances 0.000 claims abstract description 31
- 230000002159 abnormal effect Effects 0.000 claims abstract description 28
- 238000000034 method Methods 0.000 claims abstract description 24
- 238000012512 characterization method Methods 0.000 claims description 63
- 238000013507 mapping Methods 0.000 claims description 10
- 238000000354 decomposition reaction Methods 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 6
- 238000013528 artificial neural network Methods 0.000 claims description 4
- 238000005311 autocorrelation function Methods 0.000 claims description 4
- 238000007711 solidification Methods 0.000 claims description 3
- 230000008023 solidification Effects 0.000 claims description 3
- 238000012163 sequencing technique Methods 0.000 claims description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 2
- 230000000694 effects Effects 0.000 abstract description 12
- 238000004422 calculation algorithm Methods 0.000 description 6
- 239000000047 product Substances 0.000 description 6
- 230000006870 function Effects 0.000 description 4
- 238000001514 detection method Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 239000012466 permeate Substances 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
Classifications
-
- 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
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N11/00—Investigating flow properties of materials, e.g. viscosity, plasticity; Analysing materials by determining flow properties
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06395—Quality analysis or management
-
- 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
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Life Sciences & Earth Sciences (AREA)
- Human Resources & Organizations (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- Educational Administration (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Quality & Reliability (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及数据去噪技术领域,具体涉及一种基于互联网的防水涂料质检分析方法及系统。根据环境特征序列获得防水涂料的固化速度;对环境特征序列分解获得不同的环境分量;根据环境分量和环境特征序列获得相似程度;根据相似程度获得环境分量的异常容忍度;根据异常容忍度对环境分量进行分类获得环境分量组合。根据相同时段的环境分量组合与环境特征序列的固化速度的差异特征获得环境分量组合的异常程度。本发明根据异常程度和异常容忍度自适应地获得环境分量的重构权重;根据自适应的重构权重提高了去噪效果,根据去噪环境特征序列提高了判断防水涂料的固化质量的准确性。
Description
技术领域
本发明涉及数据去噪技术领域,具体涉及一种基于互联网的防水涂料质检分析方法及系统。
背景技术
若防水涂料的质量不合格在使用过程中会快速老化甚至渗水,造成财产损失;为了保证防水涂料的使用效果,需要对防水图像的质量进行检测分析。防水涂料的固化速度能够反映其质量好坏,但防水涂料在涂抹使用时的固化速与环境因素相关,在不同环境中对固化速度有着不同的评判标准,例如温度高低都会导致固化速度发生变化;因此在不同环境中预测分析固化速度需要充分考虑环境因素的影响。
通过对环境数据的变化特征进行预测未来环境特征,从而判断所需固化速度以及防水涂料的质量;传感器采集的环境特征序列容易受到噪声的影响,需要对数据去噪提高环境特征预测的准确性。使用EMD算法对数据进行分解重构可以进行去噪,但在重构过程中某分量可能较为异常,以及未考虑到多维环境特征之间的相关特征,使得分量的重构权重分配不合理;导致去噪效果较差,对数据预测产生干扰,降低了防水涂料质量检测的准确性。
发明内容
为了解决上述通过EMD算法对数据去噪效果较差,降低了防水涂料质量检测的准确性的技术问题,本发明的目的在于提供一种基于互联网的防水涂料质检分析方法及系统,所采用的技术方案具体如下:
获取使用防水涂料环境的多维度的环境特征序列;根据所有环境特征序列的相同时刻的数据获得防水涂料的固化速度;
对所述环境特征序列进行EMD分解获得不同的环境分量;根据所述环境分量和所述环境特征序列之间的差异特征和相关特征获得相似程度;根据所述相似程度获得环境分量的异常容忍度;根据所述异常容忍度对不同环境特征序列的所述环境分量进行分类获得环境分量组合;
根据相同时段的所述环境分量组合与所述环境特征序列的固化速度的差异特征获得环境分量组合的异常程度;根据所述异常程度和所述异常容忍度获得所述环境分量的重构权重;
根据所述重构权重对所述环境分量进行重构获得去噪环境特征序列;根据所述去噪环境特征序列判断防水涂料的固化质量。
进一步地,所述根据所有环境特征序列的相同时刻的数据获得防水涂料的固化速度的步骤包括:
所述环境特征序列包括温度数据、压力数据和湿度数据;
计算温度数据与预设标准温度的差值绝对值并正相关映射,获得温度差异表征值;将所述压力数据正相关映射,获得压力表征值;将所述湿度数据正相关映射,获得湿度表征值;计算同一时刻的所述压力标准值与所述温度差异表征值的差值,获得固化正相关表征值;计算同一时刻的所述固化正相关表征值与所述湿度表征值的比值,获得防水涂料的固化速度。
进一步地,所述根据所述环境分量和所述环境特征序列之间的差异特征和相关特征获得相似程度的步骤包括:
计算任意环境分量与对应的环境特征序列之间的每个时刻的差值平方的平均值并归一化,获得环境分量均方误差,计算常数1与环境分量均方误差的差值,获得环境分量误差表征值;计算所述环境分量误差表征值与预设第一权重的乘积,获得加权环境分量接近度;
通过自相关函数分别获取任意环境分量的环境分量自相关系数和环境特征序列的特征自相关系数;获取任意环境分量和对应的环境特征序列的相关系数;计算所述环境分量自相关系数与所述特征自相关系数的乘积,获得自相关表征值;计算所述相关系数与所述自相关表征值的比值,获得相似表征值;计算预设第二权重与所述相似表征值的乘积,获得加权相似表征值;
计算所述加权环境分量接近度与所述加权相似表征值的和值,获得任意环境分量与所述环境特征序列之间的相似程度。
进一步地,所述根据所述相似程度获得环境分量的异常容忍度的步骤包括:
将任意环境特征序列的所有环境分量的所述相似程度从大到小进行排序,每个环境分量的排列顺序值作为所述环境分量的异常容忍度。
进一步地,所述根据所述异常容忍度对不同环境特征序列的所述环境分量进行分类获得环境分量组合的步骤包括:
将每个环境特征序列中所述异常容忍度相同的所述环境分量分为同类,获得环境分量组合。
进一步地,所述根据相同时段的所述环境分量组合与所述环境特征序列的固化速度的差异特征获得环境分量组合的异常程度的步骤包括:
计算相同时段内根据所述环境特征序列获得的固化速度的平均值,获得原始速度表征值;计算相同时段内根据所述环境分量组合获得的固化速度的平均值,获得环境分量速度表征值;计算所述原始速度表征值与所述环境分量速度表征值的差值绝对值并正相关映射,获得环境分量组合的异常程度。
进一步地,所述根据所述异常程度和所述异常容忍度获得所述环境分量的重构权重的步骤包括:
计算所述环境分量的所述异常容忍度与对应的环境分量组合的异常程度的比值并归一化,获得所述环境分量的重构权重。
进一步地,所述根据所述去噪环境特征序列判断防水涂料的固化质量的步骤包括:
根据所述去噪环境特征序列通过神经网络预测获得未来环境特征序列,根据未来环境特征序列根据固化速度判断固化时间;当固化时间超过预设时间认为防水涂料质量合格,否则不合格。
进一步地,所述预设第一权重为0.7,预设第二权重为0.3。
本发明还提出了一种基于互联网的防水涂料质检分析系统,包括存储器、处理器以及存储在所述存储器中并可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实现任意一项一种基于互联网的防水涂料质检分析方法的步骤。
本发明具有如下有益效果:
在本发明实施例中,获取固化速度能够表征不同环境因素对防水涂料的固化速度影响情况,有利于后续分析环境分量的异常程度;获得不同的环境分量目的是对环境特征序列进行去噪,提高最终防水涂料的质量检测的准确性。获得相似程度能够表征环境分量与原始的环境特征序列的相似特征,便于获得环境分量的异常容忍度以及环境分量组合,根据异常容忍度提高重构权重的获取准确性。获得环境分量组合能够提高获取环境分量的异常程度的准确性,进而提高去噪效果;获取异常程度能够表征环境分量进行重构时的重构权重;根据异常程度和异常容忍度能够自适应获得环境分量的重构权重。本发明根据自适应的重构权重对环境分量进行重构,提高了去噪效果,保证了根据去噪环境特征序列判断防水涂料的固化质量的准确性。
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所提供的一种基于互联网的防水涂料质检分析方法流程图。
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基于互联网的防水涂料质检分析方法及系统,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基于互联网的防水涂料质检分析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基于互联网的防水涂料质检分析方法流程图,该方法包括以下步骤:
步骤S1,获取使用防水涂料环境的多维度的环境特征序列;根据所有环境特征序列的相同时刻的数据获得防水涂料的固化速度。
在本发明实施例中,实施场景为对防水涂料固化速度的质量分析;因为防水涂料的固化速度容易受到环境影响,在不同的环境中固化速度差异较大,故预测固化速度分析防水涂料质量时需要考虑到环境因素,通过分析环境特征的变化情况,预测未来的环境特征趋势,根据预测的未来环境特征判断需要的固化时间,通过固化时间分析防水涂料质量是否合格。
首先使用防水涂料环境的多维度的环境特征序列,影响固化速度的主要因素有温度、压力和湿度,不同的因素之间对固化速度存在着不同的制约关系;故在本发明实施例中采集温度特征序列、压力特征序列和湿度特征序列,实施者可根据实施场景自行确定采集的环境特征序列。
因为传感器采集的数据存在噪声,为了提高预测准确性需要对环境特征数据进行去噪,去噪可通过现有的EMD经验模态分解算法对环境特征序列进行分解,得到多个IMF本征模函数分量,进行重构实现去噪,但在重构过程中未确定不同分量的异常权重,导致去噪效果不佳,影响防水涂料质量分析的准确性。为了提高去噪效果,则需要分析重构过程中不同分量的异常程度,降低异常分量的重构权重。因固化速度受多个环境特征因素所影响,故可分析不同环境特征对固化速度的影响情况,从而构建固化速度的变化模型,根据分量与原始的环境特征数据之间的固化速度的差异,当差异越小,意味着分量异常程度越小,重构时权重越高;故根据所有环境特征序列的相同时刻的数据获得防水涂料的固化速度。
优选地,在本发明一个实施例中,获取固化速度包括:环境特征序列包括温度数据、压力数据和湿度数据;计算温度数据与预设标准温度的差值绝对值并正相关映射,获得温度差异表征值;因固化速度在标准温度下的固化速度最佳,而高于该温度或低于该温度都会造成固化速度变慢;当温度差异表征值越大,则固化速度越慢,实施者可根据实施场景自行确定预设标准温度。将压力数据正相关映射,获得压力表征值;当压力越大,固化速度越快,压力越低,固化速度越慢;故当压力标准值越大,则固化速度越快,反之越慢。将湿度数据正相关映射,获得湿度表征值;当湿度越高,则固化速度越慢,反之湿度越低越干燥,固化速度越快;当湿度表征值越大,则固化速度越慢,反之越快。计算同一时刻的压力标准值与温度差异表征值的差值,获得固化正相关表征值;当固化正相关表征值越大,意味着固化速度越快;计算同一时刻的固化正相关表征值与湿度表征值的比值,获得防水涂料的固化速度;当固化正相关表征值越大、湿度表征值越小,固化速度的值越大。获取固化速度的公式包括:
式中,表示固化速度,/>表示压力数据,/>表示温度数据与预设标准温度的差值绝对值,/>表示湿度数据,/>表示以自然常数为底的指数函数,/>表示双曲正切函数,/>表示压力表征值,/>表示温度差异表征值,/>表示固化正相关表征值,/>表示湿度表征值。需要说明的是,固化速度的公式反映的是固化速度与环境特征的相关关系,不能准确地表示固化速度,获取固化速度变化模型的目的是表征分量与原始数据之间关于固化速度的差异特征。
步骤S2,对环境特征序列进行EMD分解获得不同的环境分量;根据环境分量和环境特征序列之间的差异特征和相关特征获得相似程度;根据相似程度获得环境分量的异常容忍度;根据异常容忍度对不同环境特征序列的环境分量进行分类获得环境分量组合。
对环境特征序列进行去噪需要通过EMD经验模态分解算法进行分解,获得不同的环境分量,需要说明的是,该分解算法属于现有技术,具体步骤不再赘述。获得不同的环境分量后,则需要确定每个环境分量的异常程度,当异常程度越高,则重构过程中权重越低。但若仅是将每个频率的环境分量代入到固化速度的变化模型中进行计算,并分析其与原始的环境特征序列的符合程度判断异常程度,会由于该分解算法的原理特性导致某些环境分量自身代表的频率所表述的信息与原始的环境特征序列的分布趋势不一致,使得该某些环境分量通过固化速度的变化模型得到的异常程度较大,但该分量并不异常,导致该环境分量的重构权重降低,使得去噪后的数据不准确。故需要分析该类环境分量,在获得异常程度后,对异常程度进行修正,提高该类环境分量的异常容忍度;首先根据环境分量和环境特征序列之间的差异特征和相关特征获得相似程度。
优选地,在本发明一个实施例中,获取相似程度包括:计算任意环境分量与环境特征序列之间的每个时刻的差值平方的平均值并归一化,获得环境分量均方误差;当该任意环境分量与环境特征序列之间对应时刻的数值差异越大,则环境分量均方误差值越大。计算常数1与环境分量均方误差的差值,获得环境分量误差表征值;计算环境分量误差表征值与预设第一权重的乘积,获得加权环境分量接近度;当该值越大,意味着环境分量与对应的环境特征序列越相似;在本发明实施例中预设第一权重为0.7,实施者可根据实施场景自行确定。
进一步地,通过自相关函数分别获取任意环境分量的环境分量自相关系数和环境特征序列的特征自相关系数;需要说明的是,自相关函数属于现有技术,具体计算步骤不再赘述,当序列的数据越相关,则自相关系数越大。获取任意环境分量和对应的环境特征序列的相关系数;当相关系数越大,意味着该任意环境分量与对应的环境特征序列越相似。计算环境分量自相关系数与特征自相关系数的乘积,获得自相关表征值;当自相关表征值越大,意味着该任意环境分量与环境特征序列的自相关性越强。计算相关系数与自相关表征值的比值,获得相似表征值;当相似表征值越大,意味着该任意环境分量与环境特征序列越相似。计算预设第二权重与相似表征值的乘积,获得加权相似表征值;当加权相似表征值越大,意味着该任意环境分量与对应的环境特征序列越相似;在本发明实施例中,预设第二权重为0.3,实施者可根据实施场景自行确定。
计算加权环境分量接近度与加权相似表征值的和值,获得任意环境分量与环境特征序列之间的相似程度,当该相似程度越大,意味着该任意环境分量与环境特征序列越相似,则对该环境分量计算异常程度时容忍度越低。获取相似程度的公式包括:
式中,表示相似程度,/>表示预设第一权重,/>表示预设第二权重,/>表示该任意环境分量与环境特征序列之间的每个时刻的差值平方的平均值,/>表示归一化函数,/>表示相关系数,/>表示自相关表征值,/>表示相似表征值,/>表示加权相似表征值;/>表示环境分量均方误差,/>表示环境分量误差表征值,表示加权环境分量接近度。
进一步地,获得相似程度后,当任意环境分量与对应的环境特征序列越不相似时,意味着该环境分量的频率表征的信息与原始数据的分布趋势不一致,则根据该环境分量与环境特征序列之间分析固化速度的差异得到的异常程度必然较大,导致最终重构时的权重较低,使得去噪后的数据不准确,故需要对该类相似程度较低的数据给予一定程度的异常容忍度,修正该环境分量重构时的权重;故根据相似程度获得环境分量的异常容忍度;优选地,将任意环境特征序列的所有环境分量的相似程度从大到小进行排序,每个环境分量的排列顺序值作为环境分量的异常容忍度,例如一个环境特征序列对应5个环境分量,则相似程度最小的环境分量的异常容忍度为5。
获得环境分量的异常容忍度后,为了提高不同环境分量的异常程度的计算准确性,则需要将不同环境特征序列对应的同类的环境分量进行组合,将同组的环境分量与环境特征序列对比固化速度的差异,故根据异常容忍度对不同环境特征序列的环境分量进行分类获得环境分量组合,具体包括:将每个环境特征序列中异常容忍度相同的环境分量分为同类,获得环境分量组合,异常容忍度相同的环境分量其相似程度可能接近,进行组合后求得的异常程度准确性更高。
步骤S3,根据相同时段的环境分量组合与环境特征序列的固化速度的差异特征获得环境分量组合的异常程度;根据异常程度和异常容忍度获得环境分量的重构权重。
获得环境分量组合后,可根据相同时段的环境分量组合与环境特征序列的固化速度的差异特征获得环境分量组合的异常程度;优选地,计算相同时段内根据环境特征序列获得的固化速度的平均值,获得原始速度表征值;计算相同时段内根据环境分量组合获得的固化速度的平均值,获得环境分量速度表征值;计算原始速度表征值与环境分量速度表征值的差值绝对值并正相关映射,获得环境分量组合的异常程度。当环境分量组合的数据代入至步骤S1中的固化速度的变化模型中获得的环境分量速度表征值与原始速度表征值的差异越大,意味着该环境分量组合中的环境分量异常程度越大,则该环境分量在重构时的权重则越小。
进一步地,获得环境分量的异常程度以及异常容忍度后,可通过异常容忍度对异常程度进行修正获得重构权重,故根据异常程度和异常容忍度获得环境分量的重构权重,优选地,在本发明一个实施例中,获取重构权重包括:计算环境分量的异常容忍度与对应的环境分量组合的异常程度的比值并归一化,获得环境分量的重构权重,需要说明的是,环境特征序列的不同环境分量的重构权重之和为1。当该环境分量的异常容忍度越大,意味着和原始的环境特征序列越不相似,这是由于分量的自身特征所造成,故获得的异常程度需要减小以便提高权重值,故异常容忍度和重构权重成正比,异常程度和重构权重成反比。获取重构权重的公式包括:
式中,表示环境分量的重构权重,/>表示异常程度,/>表示异常容忍度,/>表示归一化函数。
步骤S4,根据重构权重对环境分量进行重构获得去噪环境特征序列;根据去噪环境特征序列判断防水涂料的固化质量。
当环境分量的重构权重越大,则该分量的数据占比越高,反之占比越小,故根据重构权重对环境分量进行重构获得去噪环境特征序列,对不同的环境分量赋予不同的重构权重,进而提高了去噪效果;需要说明的是,分量重构属于现有技术,具体重构步骤不再赘述。
进一步地,可根据去噪环境特征序列判断防水涂料的固化质量,根据去噪环境特征序列通过神经网络预测获得未来环境特征序列,通过去噪后的数据进行预测提高了预测准确性;需要说明的是,神经网络预测属于现有技术,具体步骤不再赘述;根据未来环境特征序列根据固化速度判断固化时间;当固化时间超过预设时间认为防水涂料质量合格,否则不合格,预设时间可根据实施场景由实施者自行确定。
综上所述,本发明实施例提供了一种基于互联网的防水涂料质检分析方法;根据环境特征序列获得防水涂料的固化速度;对环境特征序列分解获得不同的环境分量;根据环境分量和环境特征序列获得相似程度;根据相似程度获得环境分量的异常容忍度;根据异常容忍度对环境分量进行分类获得环境分量组合。根据相同时段的环境分量组合与环境特征序列的固化速度的差异特征获得环境分量组合的异常程度。本发明根据异常程度和异常容忍度自适应地获得环境分量的重构权重;根据自适应的重构权重提高了去噪效果,根据去噪环境特征序列提高了判断防水涂料的固化质量的准确性。
本发明还提出了一种基于互联网的防水涂料质检分析系统,包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序,处理器执行计算机程序实现任意一项一种基于互联网的防水涂料质检分析方法的步骤。
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。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。
Claims (10)
1.一种基于互联网的防水涂料质检分析方法,其特征在于,所述方法包括以下步骤:
获取使用防水涂料环境的多维度的环境特征序列;根据所有环境特征序列的相同时刻的数据获得防水涂料的固化速度;
对所述环境特征序列进行EMD分解获得不同的环境分量;根据所述环境分量和所述环境特征序列之间的差异特征和相关特征获得相似程度;根据所述相似程度获得环境分量的异常容忍度;根据所述异常容忍度对不同环境特征序列的所述环境分量进行分类获得环境分量组合;
根据相同时段的所述环境分量组合与所述环境特征序列的固化速度的差异特征获得环境分量组合的异常程度;根据所述异常程度和所述异常容忍度获得所述环境分量的重构权重;
根据所述重构权重对所述环境分量进行重构获得去噪环境特征序列;根据所述去噪环境特征序列判断防水涂料的固化质量。
2.根据权利要求1所述的一种基于互联网的防水涂料质检分析方法,其特征在于,所述根据所有环境特征序列的相同时刻的数据获得防水涂料的固化速度的步骤包括:
所述环境特征序列包括温度数据、压力数据和湿度数据;
计算温度数据与预设标准温度的差值绝对值并正相关映射,获得温度差异表征值;将所述压力数据正相关映射,获得压力表征值;将所述湿度数据正相关映射,获得湿度表征值;计算同一时刻的所述压力标准值与所述温度差异表征值的差值,获得固化正相关表征值;计算同一时刻的所述固化正相关表征值与所述湿度表征值的比值,获得防水涂料的固化速度。
3.根据权利要求1所述的一种基于互联网的防水涂料质检分析方法,其特征在于,所述根据所述环境分量和所述环境特征序列之间的差异特征和相关特征获得相似程度的步骤包括:
计算任意环境分量与对应的环境特征序列之间的每个时刻的差值平方的平均值并归一化,获得环境分量均方误差,计算常数1与环境分量均方误差的差值,获得环境分量误差表征值;计算所述环境分量误差表征值与预设第一权重的乘积,获得加权环境分量接近度;
通过自相关函数分别获取任意环境分量的环境分量自相关系数和环境特征序列的特征自相关系数;获取任意环境分量和对应的环境特征序列的相关系数;计算所述环境分量自相关系数与所述特征自相关系数的乘积,获得自相关表征值;计算所述相关系数与所述自相关表征值的比值,获得相似表征值;计算预设第二权重与所述相似表征值的乘积,获得加权相似表征值;
计算所述加权环境分量接近度与所述加权相似表征值的和值,获得任意环境分量与所述环境特征序列之间的相似程度。
4.根据权利要求1所述的一种基于互联网的防水涂料质检分析方法,其特征在于,所述根据所述相似程度获得环境分量的异常容忍度的步骤包括:
将任意环境特征序列的所有环境分量的所述相似程度从大到小进行排序,每个环境分量的排列顺序值作为所述环境分量的异常容忍度。
5.根据权利要求1所述的一种基于互联网的防水涂料质检分析方法,其特征在于,所述根据所述异常容忍度对不同环境特征序列的所述环境分量进行分类获得环境分量组合的步骤包括:
将每个环境特征序列中所述异常容忍度相同的所述环境分量分为同类,获得环境分量组合。
6.根据权利要求1所述的一种基于互联网的防水涂料质检分析方法,其特征在于,所述根据相同时段的所述环境分量组合与所述环境特征序列的固化速度的差异特征获得环境分量组合的异常程度的步骤包括:
计算相同时段内根据所述环境特征序列获得的固化速度的平均值,获得原始速度表征值;计算相同时段内根据所述环境分量组合获得的固化速度的平均值,获得环境分量速度表征值;计算所述原始速度表征值与所述环境分量速度表征值的差值绝对值并正相关映射,获得环境分量组合的异常程度。
7.根据权利要求1所述的一种基于互联网的防水涂料质检分析方法,其特征在于,所述根据所述异常程度和所述异常容忍度获得所述环境分量的重构权重的步骤包括:
计算所述环境分量的所述异常容忍度与对应的环境分量组合的异常程度的比值并归一化,获得所述环境分量的重构权重。
8.根据权利要求1所述的一种基于互联网的防水涂料质检分析方法,其特征在于,所述根据所述去噪环境特征序列判断防水涂料的固化质量的步骤包括:
根据所述去噪环境特征序列通过神经网络预测获得未来环境特征序列,根据未来环境特征序列根据固化速度判断固化时间;当固化时间超过预设时间认为防水涂料质量合格,否则不合格。
9.根据权利要求3所述的一种基于互联网的防水涂料质检分析方法,其特征在于,所述预设第一权重为0.7,预设第二权重为0.3。
10.一种基于互联网的防水涂料质检分析系统,包括存储器、处理器以及存储在所述存储器中并可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实现如权利要求1-9任意一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311467575.XA CN117216489B (zh) | 2023-11-07 | 2023-11-07 | 一种基于互联网的防水涂料质检分析方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311467575.XA CN117216489B (zh) | 2023-11-07 | 2023-11-07 | 一种基于互联网的防水涂料质检分析方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117216489A true CN117216489A (zh) | 2023-12-12 |
CN117216489B CN117216489B (zh) | 2024-01-26 |
Family
ID=89051344
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311467575.XA Active CN117216489B (zh) | 2023-11-07 | 2023-11-07 | 一种基于互联网的防水涂料质检分析方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117216489B (zh) |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108717505A (zh) * | 2018-05-29 | 2018-10-30 | 广东工业大学 | 一种基于k-rvfl的固化热过程时空建模方法 |
CN113298449A (zh) * | 2021-07-27 | 2021-08-24 | 深圳润符新材料科技有限公司 | 一种基于互联网的防水涂料质检分析系统 |
US20210350050A1 (en) * | 2020-05-06 | 2021-11-11 | Wuhan University | Method and system for predicting gas content in transformer oil based on joint model |
CN115600932A (zh) * | 2022-12-12 | 2023-01-13 | 杭州原数科技有限公司(Cn) | 一种基于大数据的文物储藏环境异常评估方法 |
CN116008342A (zh) * | 2022-12-07 | 2023-04-25 | 郑州弘德堂健康产业有限公司 | Uv热熔胶转移涂布质量监测方法和系统 |
CN116307190A (zh) * | 2023-03-21 | 2023-06-23 | 信通院(江西)科技创新研究院有限公司 | 一种基于蓝牙mesh网络的果园环境对产量的预测方法 |
CN116522124A (zh) * | 2023-05-31 | 2023-08-01 | 广东海洋大学 | 一种基于环境因素影响的溶解氧含量预测方法和系统 |
CN116561562A (zh) * | 2023-07-11 | 2023-08-08 | 河海大学 | 一种基于波导奇异点的声源深度最优化获取方法 |
CN116660198A (zh) * | 2023-08-02 | 2023-08-29 | 中珀(北京)新材料科技有限公司 | 基于光谱分析的碳纳米材料浆料性能测试方法 |
CN116659589A (zh) * | 2023-07-25 | 2023-08-29 | 澳润(山东)药业有限公司 | 基于数据分析的阿胶糕保存环境监测方法 |
CN116955938A (zh) * | 2023-09-20 | 2023-10-27 | 苏州新耀环保科技有限公司 | 一种基于数据分析的干式废气处理设备监测方法及系统 |
CN116991199A (zh) * | 2023-09-25 | 2023-11-03 | 深圳扬兴科技有限公司 | 用于时钟芯片的时钟信号智能降噪方法 |
-
2023
- 2023-11-07 CN CN202311467575.XA patent/CN117216489B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108717505A (zh) * | 2018-05-29 | 2018-10-30 | 广东工业大学 | 一种基于k-rvfl的固化热过程时空建模方法 |
US20210350050A1 (en) * | 2020-05-06 | 2021-11-11 | Wuhan University | Method and system for predicting gas content in transformer oil based on joint model |
CN113298449A (zh) * | 2021-07-27 | 2021-08-24 | 深圳润符新材料科技有限公司 | 一种基于互联网的防水涂料质检分析系统 |
CN116008342A (zh) * | 2022-12-07 | 2023-04-25 | 郑州弘德堂健康产业有限公司 | Uv热熔胶转移涂布质量监测方法和系统 |
CN115600932A (zh) * | 2022-12-12 | 2023-01-13 | 杭州原数科技有限公司(Cn) | 一种基于大数据的文物储藏环境异常评估方法 |
CN116307190A (zh) * | 2023-03-21 | 2023-06-23 | 信通院(江西)科技创新研究院有限公司 | 一种基于蓝牙mesh网络的果园环境对产量的预测方法 |
CN116522124A (zh) * | 2023-05-31 | 2023-08-01 | 广东海洋大学 | 一种基于环境因素影响的溶解氧含量预测方法和系统 |
CN116561562A (zh) * | 2023-07-11 | 2023-08-08 | 河海大学 | 一种基于波导奇异点的声源深度最优化获取方法 |
CN116659589A (zh) * | 2023-07-25 | 2023-08-29 | 澳润(山东)药业有限公司 | 基于数据分析的阿胶糕保存环境监测方法 |
CN116660198A (zh) * | 2023-08-02 | 2023-08-29 | 中珀(北京)新材料科技有限公司 | 基于光谱分析的碳纳米材料浆料性能测试方法 |
CN116955938A (zh) * | 2023-09-20 | 2023-10-27 | 苏州新耀环保科技有限公司 | 一种基于数据分析的干式废气处理设备监测方法及系统 |
CN116991199A (zh) * | 2023-09-25 | 2023-11-03 | 深圳扬兴科技有限公司 | 用于时钟芯片的时钟信号智能降噪方法 |
Non-Patent Citations (3)
Title |
---|
ZHU, LI QIN: "Study on tool-wear recognition based on fractal theory", SOUTHWEST JIAOTONG UNIVERSITY * |
侯迪波;陈;赵海峰;黄平捷;张光新;: "基于RBF神经网络和小波分析的水质异常检测方法", 传感器与微系统, no. 02 * |
冯国杰;: "噪声环境下的网络异常信号检测方法研究", 计算机仿真, no. 08 * |
Also Published As
Publication number | Publication date |
---|---|
CN117216489B (zh) | 2024-01-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108241901B (zh) | 一种基于预测数据的变压器预警评估方法及装置 | |
CN117196353B (zh) | 基于大数据的环境污染评估与监测方法及系统 | |
CN113139610A (zh) | 一种针对变压器监测数据的异常检测方法及装置 | |
CN108399434B (zh) | 基于特征提取的高维时间序列数据的分析预测方法 | |
CN112116198A (zh) | 数据驱动的流程工业状态感知网络关键节点筛选方法 | |
CN117434153A (zh) | 基于超声波技术的道路无损检测方法及系统 | |
CN114611582B (zh) | 一种基于近红外光谱技术分析物质浓度的方法及系统 | |
CN112396335A (zh) | 一种基于灰色综合评价模型的评价方法及装置 | |
TWI428581B (zh) | 辨識光譜的方法 | |
CN117216844B (zh) | 一种桥梁结构损伤检测方法、系统和存储介质 | |
CN117216489B (zh) | 一种基于互联网的防水涂料质检分析方法及系统 | |
CN113869642A (zh) | 企业活跃度确定方法、装置、电子设备及存储介质 | |
US12002549B2 (en) | Knowledge reuse-based method and system for predicting cell concentration in fermentation process | |
Liu et al. | Software reliability forecasting: singular spectrum analysis and ARIMA hybrid model | |
CN116611552B (zh) | 一种基于目标监测数据的船舶交通流量预测方法及系统 | |
CN111079591B (zh) | 基于改进多尺度主成分分析的不良数据修复方法及系统 | |
CN113297722A (zh) | 滨海土壤盐分评估方法及系统 | |
CN109840386B (zh) | 基于因子分析的损伤识别方法 | |
CN116738221A (zh) | 一种带压管道气体分析方法及系统 | |
CN115398442A (zh) | 用于评估传感器测量值的设备和自动化方法和该设备的应用 | |
CN112487361A (zh) | 一种基于arima和小波变换的扇区短时交通流量预测方法 | |
CN117889965B (zh) | 一种中短波双色红外探测器的性能测试方法 | |
CN117648537B (zh) | 基于超光谱技术的大气污染实时监测方法及系统 | |
CN117609737B (zh) | 一种惯性导航系统健康状态预测方法、系统、设备及介质 | |
CN117093841B (zh) | 小麦透射光谱的异常光谱筛选模型确定方法、装置及介质 |
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 |