CN117421689B - 一种基于管道机器人的铀放射性污染测量传输系统 - Google Patents
一种基于管道机器人的铀放射性污染测量传输系统 Download PDFInfo
- Publication number
- CN117421689B CN117421689B CN202311737073.4A CN202311737073A CN117421689B CN 117421689 B CN117421689 B CN 117421689B CN 202311737073 A CN202311737073 A CN 202311737073A CN 117421689 B CN117421689 B CN 117421689B
- Authority
- CN
- China
- Prior art keywords
- data
- group
- local data
- suspected
- anomaly
- 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
- 229910052770 Uranium Inorganic materials 0.000 title claims abstract description 154
- JFALSRSLKYAFGM-UHFFFAOYSA-N uranium(0) Chemical compound [U] JFALSRSLKYAFGM-UHFFFAOYSA-N 0.000 title claims abstract description 154
- 230000005540 biological transmission Effects 0.000 title claims abstract description 17
- 238000005259 measurement Methods 0.000 title claims abstract description 16
- 230000002159 abnormal effect Effects 0.000 claims abstract description 225
- 230000005856 abnormality Effects 0.000 claims abstract description 146
- 238000000034 method Methods 0.000 claims abstract description 53
- 238000003904 radioactive pollution Methods 0.000 claims abstract description 45
- 238000012937 correction Methods 0.000 claims abstract description 31
- 230000002285 radioactive effect Effects 0.000 claims description 59
- 238000010586 diagram Methods 0.000 claims description 57
- 238000011109 contamination Methods 0.000 claims description 52
- 230000008569 process Effects 0.000 claims description 23
- 238000010606 normalization Methods 0.000 claims description 14
- 238000012545 processing Methods 0.000 abstract description 2
- 238000001514 detection method Methods 0.000 description 30
- 239000002245 particle Substances 0.000 description 10
- 230000000694 effects Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 230000005855 radiation Effects 0.000 description 3
- 239000011248 coating agent Substances 0.000 description 2
- 238000000576 coating method Methods 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000005258 radioactive decay Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- 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
- G01—MEASURING; TESTING
- G01T—MEASUREMENT OF NUCLEAR OR X-RADIATION
- G01T1/00—Measuring X-radiation, gamma radiation, corpuscular radiation, or cosmic radiation
- G01T1/16—Measuring radiation intensity
- G01T1/167—Measuring radioactive content of objects, e.g. contamination
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01T—MEASUREMENT OF NUCLEAR OR X-RADIATION
- G01T7/00—Details of radiation-measuring instruments
-
- 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
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E30/00—Energy generation of nuclear origin
- Y02E30/30—Nuclear fission reactors
Landscapes
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Molecular Biology (AREA)
- High Energy & Nuclear Physics (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Measurement Of Radiation (AREA)
Abstract
本发明涉及数据处理领域，具体涉及一种基于管道机器人的铀放射性污染测量传输系统，该系统包括：获取每组局部数据，进而得到每组局部数据的疑似异常数据；根据每组局部数据的每个疑似异常数据的水平异常权重，获取每组局部数据的每个疑似异常数据的水平异常程度，进而得到每组局部数据的每个疑似异常数据的水平位置修正异常程度；根据每组局部数据的每个疑似异常数据的旋转异常权重，获取每组局部数据的每个疑似异常数据的旋转圆周位置异常程度，进而得到每组局部数据的每个疑似异常数据的旋转圆周位置修正异常程度；获取每组局部数据的每个疑似异常数据的最终异常程度，进而得到每组局部数据中的异常数据，本发明识别的异常数据更加准确。
Description
技术领域
本发明涉及数据处理领域，具体涉及一种基于管道机器人的铀放射性污染测量传输系统。
背景技术
铀在核能产业中被广泛使用，铀是一种放射性元素，其辐射会对人体健康造成危害，因此通过分析管道内的铀放射性污染数据，可以及早发现潜在的辐射源，采集必要的措施减少人员的辐射暴露，确保人员的健康和安全。
采集管道内的铀放射性污染数据是使用管道机器人进行采集，但是在利用管道机器人进行采集铀放射性污染数据时，可能由于管道机器人姿态等偏差问题而导致采集的铀放射性污染数据中存在噪声，因此根据采集的铀放射性污染数据进行潜在辐射源的分析时不准确。
发明内容
为了解决上述问题，本发明提供一种基于管道机器人的铀放射性污染测量传输系统，所述系统包括：
铀放射性污染数据获取模块，用于采集管道中的铀放射性污染数据；
局部数据获取模块；用于对管道中的铀放射性污染数据进行分组，获取若干组局部数据；
异常程度获取模块，用于对每组局部数据构建每组局部数据的箱线图，得到每组局部数据的疑似异常数据；根据每组局部数据的箱线图，以及与每组局部数据的疑似异常数据水平位置一致的铀放射性污染数据所构建的箱线图的上下边缘，获取每组局部数据的每个疑似异常数据的水平异常权重；根据每组局部数据的箱线图及每个疑似异常数据的水平异常权重，获取每组局部数据的每个疑似异常数据的水平异常程度；
根据每组局部数据的箱线图，以及与每组局部数据的疑似异常数据旋转圆周位置一致的铀放射性污染数据所构建的箱线图的上下边缘，获取每组局部数据的每个疑似异常数据的旋转异常权重；根据每组局部数据的箱线图及每个疑似异常数据的旋转异常权重，获取每组局部数据的每个疑似异常数据的旋转圆周位置异常程度；
修正异常程度获取模块，用于根据其他铀放射性污染数据对应的污染探测器的位置分布，以及每组局部数据的每个疑似异常数据的水平异常程度，获取每组局部数据的每个疑似异常数据的水平位置修正异常程度；根据其他铀放射性污染数据对应的污染探测器的位置分布，以及每组局部数据的每个疑似异常数据的旋转圆周位置异常程度，获取每组局部数据的每个疑似异常数据的旋转圆周位置修正异常程度；
最终异常程度获取模块，用于根据每组局部数据的每个疑似异常数据的旋转圆周位置修正异常程度以及水平位置修正异常程度，获取每组局部数据的每个疑似异常数据的最终异常程度；
异常数据获取模块，用于根据每组局部数据的每个疑似异常数据的最终异常程度获取每组局部数据中的异常数据。
优选的，所述对管道中的铀放射性污染数据进行分组，获取若干组局部数据，包括的步骤为：
预设分段长度，根据分段长度将管道划分为多个段，将管道每个段中所有位置上的铀放射性污染数据作为一组局部数据，得到若干组局部数据。
优选的，所述对每组局部数据构建每组局部数据的箱线图，得到每组局部数据的疑似异常数据，包括的步骤为：
将每组局部数据的箱线图中的大于上边缘的铀放射性污染数据以及小于下边缘的铀放射性污染数据，记为每组局部数据的疑似异常数据。
优选的，所述根据每组局部数据的箱线图，以及与每组局部数据的疑似异常数据水平位置一致的铀放射性污染数据所构建的箱线图的上下边缘，获取每组局部数据的每个疑似异常数据的水平异常权重，包括的步骤为：
式中，代表第/>组局部数据的第/>个疑似异常数据的水平异常权重，/>代表第组局部数据的箱线图的上边缘值；/>代表第/>组局部数据的箱线图的下边缘值；/>代表与第/>组局部数据的第/>个疑似异常数据水平位置一致的铀放射性数据构成的箱线图的上边缘值；/>代表与第/>组局部数据的第/>个疑似异常数据水平位置一致的铀放射性数据构成的箱线图的下边缘值；/>代表绝对值符号；/>代表归一化函数。
优选的，所述根据每组局部数据的箱线图及每个疑似异常数据的水平异常权重，获取每组局部数据的每个疑似异常数据的水平异常程度，包括的步骤为：
式中，代表第/>组局部数据的第/>个疑似异常数据的水平位置异常程度；获取第组局部数据的第/>个疑似异常数据与第/>组局部数据的箱线图的上边缘之间的距离以及下边缘之间的距离，将两个距离值中最小的距离值记为/>；/>代表第/>组局部数据的第/>个疑似异常数据的值；/>代表与第/>组局部数据的第/>个疑似异常数据水平位置一致的铀放射性数据中的中位数；/>代表第/>组局部数据的第/>个疑似异常数据的水平异常权重；代表绝对值符号。
优选的，所述根据每组局部数据的箱线图，以及与每组局部数据的疑似异常数据旋转圆周位置一致的铀放射性污染数据所构建的箱线图的上下边缘，获取每组局部数据的每个疑似异常数据的旋转异常权重，包括的步骤为：
式中，代表第/>组局部数据的第/>个疑似异常数据的旋转异常权重；/>代表第组局部数据的箱线图的上边缘值；/>代表第/>组局部数据的箱线图的下边缘值；/>代表与第/>组局部数据的第/>个疑似异常数据旋转圆周位置一致的铀放射性数据构成的箱线图的上边缘值；/>代表与第/>组局部数据的第/>个疑似异常数据旋转圆周位置一致的铀放射性数据构成的箱线图的下边缘值；/>代表绝对值符号；/>代表归一化函数。
优选的，所述根据每组局部数据的箱线图及每个疑似异常数据的旋转异常权重，获取每组局部数据的每个疑似异常数据的旋转圆周位置异常程度，包括的步骤为：
式中，代表第/>组局部数据的第/>个疑似异常数据的旋转圆周位置异常程度；获取第/>组局部数据的第/>个疑似异常数据与第/>组局部数据的箱线图的上边缘之间的距离以及下边缘之间的距离，将两个距离值中最小的距离值记为/>；/>代表第/>组局部数据的第个疑似异常数据的值；/>代表与第/>组局部数据的第/>个疑似异常数据旋转圆周位置一致的铀放射性数据中的中位数；/>代表第/>组局部数据的第/>个疑似异常数据的旋转异常权重；/>代表绝对值符号。
优选的，所述根据其他铀放射性污染数据对应的污染探测器的位置分布，以及每组局部数据的每个疑似异常数据的水平异常程度，获取每组局部数据的每个疑似异常数据的水平位置修正异常程度，包括的步骤为：
式中，代表第/>组局部数据的第/>个疑似异常数据的水平位置修正异常程度；代表第/>组局部数据的第/>个疑似异常数据的水平位置异常程度；/>代表与第/>组局部数据的第/>个疑似异常数据水平位置一致的其他铀放射性污染数据对应的污染探测器到管壁之间的距离均值；/>代表与第/>组局部数据的第/>个疑似异常数据水平位置一致的其他铀放射性污染数据对应的污染探测器到管壁之间的最小距离值。
优选的，所述根据其他铀放射性污染数据对应的污染探测器的位置分布，以及每组局部数据的每个疑似异常数据的旋转圆周位置异常程度，获取每组局部数据的每个疑似异常数据的旋转圆周位置修正异常程度，包括的步骤为：
式中，代表第/>组局部数据的第/>个疑似异常数据的旋转圆周位置修正异常程度；/>代表第/>组局部数据的第/>个疑似异常数据的旋转圆周位置异常程度；/>代表与第/>组局部数据的第/>个疑似异常数据旋转圆周位置一致的所有铀放射性数据对应的污染探测器到管壁之间的距离均值；/>代表与第/>组局部数据的第/>个疑似异常数据旋转圆周位置一致的所有铀放射性数据对应的污染探测器到管壁之间的最小距离值；/>代表与第/>组局部数据的第/>个疑似异常数据旋转圆周位置一致的所有铀放射性数据对应的污染探测器到管壁之间的所有距离值的标准差。
优选的，所述获取每组局部数据的每个疑似异常数据的最终异常程度，包括的步骤为：
式中，代表第/>组局部数据的第/>个疑似异常数据的最终异常程度；/>代表第组局部数据的第/>个疑似异常数据的旋转圆周位置修正异常程度；/>代表第/>组局部数据的第/>个疑似异常数据的水平位置修正异常程度；/>代表归一化函数。
本发明具有如下有益效果：本发明首先根据管道中的铀放射性污染数据具有局部相似表现，对管道中的铀放射性污染数据进行分组得到每组局部数据，并得到每组局部数据中的疑似异常数据，接着根据每组局部数据中的每个疑似异常数据的异常表现，获取每组局部数据的每个疑似异常数据的水平异常程度以及每组局部数据的每个疑似异常数据的旋转圆周位置异常程度；然后考虑到由于管道内部可能存在异物，从而引起探测装置发生偏移，使得探测装置的污染探测器与管道内壁的距离关系不一致，进而使得采集的铀放射污染数据的部分采集不准确，因此根据与每组局部数据的每个疑似异常数据水平位置一致的其他铀放射性污染数据对应的污染探测器到管壁之间的距离对每组局部数据的每个疑似异常数据的水平异常程度进行修正，根据与每组局部数据的每个疑似异常数据旋转圆周位置一致的其他铀放射性污染数据对应的污染探测器到管壁之间的距离对每组局部数据的每个疑似异常数据的旋转圆周异常程度进行修正，使得获取的每组局部数据的每个疑似异常数据的旋转圆周位置修正异常程度以及水平位置修正异常程度更加准确，最后根据每组局部数据的每个疑似异常数据的旋转圆周位置修正异常程度以及水平位置修正异常程度，获取每组局部数据的每个疑似异常数据的最终异常程度，进而得到异常数据，使得到的异常数据更加准确，对管道中的铀放射性污染数据中的异常数据进行删除后传输，能够根据去除异常数据后的铀放射性污染数据进行铀放射性污染分析，使得分析的潜在辐射源更加准确。
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基于管道机器人的铀放射性污染测量传输系统的系统框图；
图2代表曲面ZnS(Ag)涂层塑料闪烁体探测装置；
图3代表采集管道中的铀放射性污染数据的示意图；
图4代表每组局部数据示意图；
图5代表水平位置一致示意图；
图6代表旋转圆周位置一致示意图；
图7代表探测装置偏移示意图；
图8代表局部数据的箱线图。
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管道机器人的铀放射性污染测量传输系统，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管道机器人的铀放射性污染测量传输系统的具体方案。
实施例1：
请参阅图1，其示出了本发明一个实施例提供的一种基于管道机器人的铀放射性污染测量传输系统，该系统包括以下模块：
铀放射性污染数据获取模块101，采集管道中的铀放射性污染数据。
需要说明的是，235U衰变是一种特征性的放射性衰变，产生的粒子可以用于测量铀的存在和浓度，因此本发明对铀放射性污染数据的获取主要是采集管道中/>粒子的含量，而管道中/>粒子主要附着在管道内壁，因此需要使用探测装置对管道内壁中/>粒子的含量进行采集，常见的探测装置有曲面ZnS(Ag)涂层塑料闪烁体探测装置，参见图2，图2中的曲面ZnS(Ag)涂层塑料闪烁体探测装置由三块圆弧形的污染探测器组成，其中单块污染探测器的弧面长250mm，宽100mm，能够实现对管道中不同位置处的/>粒子的含量的采集。
在本发明实施例中，使用图2中曲面ZnS(Ag)涂层塑料闪烁体探测装置进入管道中的起始位置，在该位置处使用该探测装置上的三块污染探测器分别采集一次粒子的含量，接着将该探测装置整体旋转15度后使用该探测装置上的三块污染探测器分别采集一次粒子的含量，共旋转7次进行采集，完成对该位置上的/>粒子的含量采集，然后将探测装置以步长/>毫米水平移动，采集下一个位置上的/>粒子的含量，参见图3，以此类推，直至探测装置移出管道即可停止采集，将采集的/>粒子的含量记为铀放射性污染数据，在本发明实施例中，预设步长/>，在其他实施例中，实施人员可根据具体实施情况设置/>的值。
至此，使用探测装置完成对管道中铀放射性污染数据的采集。
局部数据获取模块102，对管道中的铀放射性污染数据进行分组，获取若干组局部数据。
需要说明的是，管道中的铀放射性污染数据在管道局部具有相似性，因此管道中的铀放射性污染数据中的异常数据主要表现为局部偏差，又由于在管道的同一位置处采集的铀放射性污染数据具体相似特性，因此在进行异常数据分析时，需要根据管道位置对管道中的铀放射性污染数据进行划分，获取每组局部数据进行异常数据分析，进而每组局部数据中存在的异常数据，即噪声数据。
在本发明实施例中，获取每组局部数据：预设分段长度为厘米,根据分段长度将管道划分为多个段，将管道每个段中所有位置上的铀放射性污染数据作为一组局部数据，得到若干组局部数据，在本发明实施例中，预设分段长度为/>，在其他实施例中，实施人员可根据具体实施情况设置/>的值，参见图4，其中所有黑色原点为一组局部数据。
至此，对管道中的铀放射性污染数据进行分组，获取每组局部数据。
异常程度获取模块103，对每组局部数据构建箱线图，获取每组局部数据的疑似异常数据，获取每组局部数据的每个疑似异常数据的水平位置异常程度以及每组局部数据的每个疑似异常数据的旋转圆周位置异常程度。
需要说明的是，上述步骤获取了每组局部数据，利用箱线图可以对每组局部数据中的异常数据进行分析，而箱线图中的异常数据通常是指在每组局部数据中相对于大多数数据明显偏离的数据，因此在每组局部数据的箱线图中大于上边缘的铀放射性污染数据以及小于下边缘的铀放射性污染数据更可能为异常数据，因此本发明中仅对每个箱线图中大于上边缘的铀放射性污染数据以及小于下边缘的铀放射性污染数据进行异常分析。
在本发明实施例中，根据每组局部数据构建每组局部数据的箱线图，需要说明的是，构建箱线图为公知技术，在本发明实施例中仅做简单的介绍。如图8所示，其示出了局部数据的箱线图，箱线内所有数据从小到大排序，取第25%、50%和75%位置上的数值，即下四分位数（Q1）、中位数（Q2）和上四分位数（Q3），异常上限UCL，异常下限LCL。图中，偏离箱线图边缘的数据为，其异常程度/>。
例如，箱线图包含的数据为：6，4，7，9，3，6，8，13，7，8，7，6，10，2，9，7，8，16，因此下四分位数Q1=6，中位数Q2=7，上四分位数Q3=9，异常上限UCL=13，异常下限LCL=2，进而可以获得偏离上下限的数据为16。确定偏离上下限的数据异常程度为：。
获取每组局部数据的疑似异常数据：将每组局部数据的箱线图中的大于上边缘的铀放射性污染数据以及小于下边缘的铀放射性污染数据，记为每组局部数据的疑似异常数据。
需要说明的是，已知当任一组局部数据的任一疑似异常数据与该组局部数据的箱线图的上下边缘之间的两个距离值中的最小距离值越大时，说明该组局部数据的该疑似异常数据的异常程度较大，而对于每组局部数据的单个疑似异常数据的异常表现会受其水平位置一致其他铀放射性污染数据的影响，因此在本发明中根据任一局部数据的任一疑似异常数据到该局部数据的箱线图的上下边缘的最小距离值以及，与该组局部数据的该疑似异常数据水平位置一致的铀放射性数据的异常程度获取该组局部数据的该疑似异常数据的水平位置异常程度。参见图5，假设图5中的标号为1的小黑点为疑似异常数据，则标号为2、3、4、5、6的小黑点为与疑似异常数据水平位置一致的铀放射性污染数据。
需要进一步说明的是，已知每组局部数据的单个疑似异常数据的异常表现会受其水平位置一致其他铀放射性污染数据的影响，主要表现在对每组局部数据的箱线图边缘的影响，因此通过分析与任一组局部数据的任一疑似异常数据水平位置一致的铀放射性数据的箱线图与该组局部数据的箱线图之间的上下边缘的差异，差异越大时，说明该组局部数据的该疑似异常数据受其水平位置一致其他铀放射性污染数据的影响越大，此时与该组局部数据的该疑似异常数据水平位置一致的铀放射性数据的异常程度的关注度越高，因此根据该组局部数据的该疑似异常数据水平位置一致的铀放射性数据的箱线图与该组局部数据的箱线图之间的上下边缘的差异，获取该组局部数据的该疑似异常数据的水平异常权重。
获取第组局部数据的第/>个疑似异常数据的水平异常权重：
式中，代表第/>组局部数据的第/>个疑似异常数据的水平异常权重，/>代表第组局部数据的箱线图的上边缘值；/>代表第/>组局部数据的箱线图的下边缘值；/>代表与第/>组局部数据的第/>个疑似异常数据水平位置一致的铀放射性数据构成的箱线图的上边缘值；/>代表与第/>组局部数据的第/>个疑似异常数据水平位置一致的铀放射性数据构成的箱线图的下边缘值；/>代表归一化函数，采用线性归一化方法对第/>组局部数据的所有疑似异常数据的/>进行归一化。
获取第组局部数据的第/>个疑似异常数据的水平位置异常程度：
式中，代表第/>组局部数据的第/>个疑似异常数据的水平位置异常程度；获取第组局部数据的第/>个疑似异常数据与第/>组局部数据的箱线图的上边缘之间的距离以及下边缘之间的距离，将两个距离值中最小的距离值记为/>；/>代表第/>组局部数据的第/>个疑似异常数据的值；/>代表与第/>组局部数据的第/>个疑似异常数据水平位置一致的铀放射性数据中的中位数；/>为第/>组局部数据的第/>个疑似异常数据与其水平位置一致的铀放射性数据中的中位数之间的差异，代表与第/>组局部数据的第/>个疑似异常数据水平位置一致的铀放射性数据的异常程度；/>代表绝对值符号；/>代表第/>组局部数据的第/>个疑似异常数据的水平异常权重，其值越大时，越应该关注与第/>组局部数据的第/>个疑似异常数据水平位置一致的铀放射性数据的异常程度。
需要说明的是，已知当任一组局部数据的任一疑似异常数据与该组局部数据的箱线图的边缘之间的距离越大时，说明该组局部数据的该疑似异常数据的异常程度较大，而对于每组局部数据的单个疑似异常数据的异常表现会受其旋转圆周位置一致的其他铀放射性污染数据的影响，因此在本发明中根据任一局部数据的任一疑似异常数据到该局部数据的箱线图的上下边缘的最小距离值以及，与该组局部数据的该疑似异常数据旋转位置一致的铀放射性数据的异常程度获取该组局部数据的该疑似异常数据的旋转圆周位置异常程度。
参见图6，假设图6中的标号为0的小黑点为疑似异常数据，则标号为1、2的小黑点为与疑似异常数据旋转圆周位置一致的铀放射性污染数据，若标号为3的小黑点为疑似异常数据，则标号为4、5的小黑点为与疑似异常数据旋转圆周位置一致的铀放射性污染数据。
需要进一步说明的是，已知每组局部数据的单个疑似异常数据的异常表现会受其旋转圆周位置一致的其他铀放射性污染数据的影响，主要表现在对每组局部数据的箱线图边缘的影响，因此通过分析与任一组局部数据的任一疑似异常数据旋转圆周位置一致的其他铀放射性数据的箱线图与该组局部数据的箱线图之间的上下边缘的差异，差异越大时，说明该组局部数据的该疑似异常数据受其旋转圆周位置一致其他铀放射性污染数据的影响越大，此时与该组局部数据的该疑似异常数据旋转圆周位置一致的铀放射性数据的异常程度的关注度越高，因此根据该组局部数据的该疑似异常数据水平位置一致的铀放射性数据的箱线图与该组局部数据的箱线图之间的上下边缘的差异，获取该组局部数据的该疑似异常数据的权重。
在本发明实施例中，获取第组局部数据的第/>个疑似异常数据的旋转异常权重：
式中，代表第/>组局部数据的第/>个疑似异常数据的旋转异常权重；/>代表第组局部数据的箱线图的上边缘值；/>代表第/>组局部数据的箱线图的下边缘值；/>代表与第/>组局部数据的第/>个疑似异常数据旋转圆周位置一致的铀放射性数据构成的箱线图的上边缘值；/>代表与第/>组局部数据的第/>个疑似异常数据旋转圆周位置一致的铀放射性数据构成的箱线图的下边缘值；/>代表归一化函数，采用线性归一化方法对第/>组局部数据的所有疑似异常数据的/>进行归一化；/>代表绝对值符号。
获取第组局部数据的第/>个疑似异常数据的旋转圆周位置异常程度：
式中，代表第/>组局部数据的第/>个疑似异常数据的旋转圆周位置异常程度；获取第/>组局部数据的第/>个疑似异常数据与第/>组局部数据的箱线图的上边缘之间的距离以及下边缘之间的距离，将两个距离值中最小的距离值记为/>；/>代表第/>组局部数据的第个疑似异常数据的值；/>代表与第/>组局部数据的第/>个疑似异常数据旋转圆周位置一致的铀放射性数据中的中位数；/>为第/>组局部数据的第/>个疑似异常数据与其旋转圆周位置一致的铀放射性数据中的中位数之间的差异，代表与第/>组局部数据的第/>个疑似异常数据旋转圆周位置一致的铀放射性数据的异常程度；/>代表第/>组局部数据的第个疑似异常数据的旋转异常权重；/>代表绝对值符号。
至此，对每组局部数据构建箱线图，获取每组局部数据的疑似异常数据，获取每组局部数据的每个疑似异常数据的水平位置异常程度以及每组局部数据的每个疑似异常数据的旋转圆周位置异常程度。
修正异常程度获取模块104，对每组局部数据的每个疑似异常数据的水平位置异常程度进行修正，获取每组局部数据的每个疑似异常数据的水平位置修正异常程度，对每组局部数据的每个疑似异常数据的旋转圆周位置异常程度进行修正，获取每组局部数据的每个疑似异常数据的旋转圆周位置修正异常程度。
需要说明的是，模块103中根据每组局部数据的单个疑似异常数据的异常表现会受其旋转圆周位置一致的其他铀放射性污染数据的影响以及水平位置一致的其他铀放射性污染数据的影响，获取了每组局部数据的每个疑似异常数据的旋转圆周位置异常程度以及每组局部数据的每个疑似异常数据的水平位置异常程度，主要是基于每个疑似异常数据的局部数据对于与该疑似异常数据变化的影响，一般认为在使用探测装置对管道中的铀放射性污染数据进行采集时，探测装置的污染探测器与管道内壁的距离一致，但在实际中由于管道内部可能存在异物，从而引起探测装置发生偏移，使得探测装置的污染探测器与管道内壁的距离关系不一致，进而使得采集的铀放射污染数据的部分采集不准确，影响了每组局部数据的每个疑似异常数据的旋转圆周位置异常程度以及水平位置异常程度。参见图7中的左侧图，为探测装置的污染探测器与管道内壁的距离一致时的表现、右侧图代表探测装置出现了偏移后，探测装置的污染探测器与管道内壁的距离不一致时的表现，OR代表探测装置的偏移方向。
当探测装置发生偏移后，任一组局部数据的任一疑似异常数据的水平位置异常程度可能会受采集与该疑似异常数据水平位置一致的其他铀放射性污染数据时，对应的污染探测器到管道内壁距离的影响，从而使得获取的该组局部数据的任一疑似异常数据的水平位置异常程度不准确，因此在本发明中根据与该疑似异常数据水平位置一致的其他铀放射性污染数据对应的污染探测器到管道内壁距离进行分析，对该组局部数据的任一疑似异常数据的水平位置异常程度进行修正。
在本发明实施例中，获取第组局部数据的第/>个疑似异常数据的水平位置修正异常程度：
式中，代表第/>组局部数据的第/>个疑似异常数据的水平位置修正异常程度；/>代表第/>组局部数据的第/>个疑似异常数据的水平位置异常程度；/>代表与第/>组局部数据的第/>个疑似异常数据水平位置一致的其他铀放射性污染数据对应的污染探测器到管壁之间的距离均值；/>代表与第/>组局部数据的第/>个疑似异常数据水平位置一致的其他铀放射性污染数据对应的污染探测器到管壁之间的最小距离值；/>代表第/>组局部数据的第/>个疑似异常数据的探测设备水平偏移程度，其值越小时，则第/>组局部数据的第/>个疑似异常数据的水平位置异常程度越可信，其值越大时，说明采集与第/>个疑似异常数据水平位置一致的其他铀放射性污染数据对应的污染探测器到管道内壁距离不一，即探测装置发生了偏移，则第/>组局部数据的第/>个疑似异常数据的水平位置异常程度越不可信。
需要说明的是，当探测装置发生偏移后，任一组局部数据的任一疑似异常数据的旋转圆周位置异常程度同样会采集与该疑似异常数据旋转圆周位置一致的其他铀放射性污染数据时，对应的污染探测器到管道内壁距离的影响，从而使得获取的该组局部数据的任一疑似异常数据的旋转圆周位置异常程度不准确，已知当与该组局部数据的该疑似异常数据旋转圆周位置一致的所有铀放射性数据对应的污染探测器到管壁之间的所有距离值越不相似，说明探测装置的偏移程度越大，此时获取的该组局部数据的任一疑似异常数据的旋转圆周位置异常程度不准确；因此在本发明中根据与该疑似异常数据旋转圆周位置一致的其他铀放射性污染数据对应的污染探测器到管道内壁距离，进行分析，对该组局部数据的任一疑似异常数据的旋转圆周位置异常程度进行修正。
在本发明实施例中，获取第组局部数据的第/>个疑似异常数据的旋转圆周位置修正异常程度：
式中，代表第/>组局部数据的第/>个疑似异常数据的旋转圆周位置修正异常程度；/>代表第/>组局部数据的第/>个疑似异常数据的旋转圆周位置异常程度；/>代表与第/>组局部数据的第/>个疑似异常数据旋转圆周位置一致的所有铀放射性数据对应的污染探测器到管壁之间的距离均值；/>代表与第/>组局部数据的第/>个疑似异常数据旋转圆周位置一致的所有铀放射性数据对应的污染探测器到管壁之间的最小距离值；代表第/>组局部数据的第/>个疑似异常数据的探测装置旋转偏移程度，其值越小时，第/>组局部数据的第/>个疑似异常数据的旋转圆周位置异常程度越可信；/>代表与第/>组局部数据的第/>个疑似异常数据旋转圆周位置一致的所有铀放射性数据对应的污染探测器到管壁之间的所有距离值的标准差，其值越大时，说明探测装置的偏移程度越大，第/>组局部数据的第/>个疑似异常数据的旋转圆周位置异常程度越不准确。
至此，对每组局部数据的每个疑似异常数据的水平位置异常程度进行修正，获取每组局部数据的每个疑似异常数据的水平位置修正异常程度，对每组局部数据的每个疑似异常数据的旋转圆周位置异常程度进行修正，获取每组局部数据的每个疑似异常数据的旋转圆周位置修正异常程度。
最终异常程度获取模块105，根据每组局部数据的每个疑似异常数据的水平位置修正异常程度以及旋转圆周位置修正异常程度，获取每组局部数据的每个疑似异常数据的最终异常程度。
需要说明的是，上述模块104中获取了每组局部数据的每个疑似异常数据的旋转圆周位置修正异常程度以及每组局部数据的每个疑似异常数据的水平位置修正异常程度，此时需要结合每组局部数据的每个疑似异常数据的两个不同位置的修正异常程度，获取每组局部数据的每个疑似异常数据的最终异常程度。
在本发明实施例中，获取每组局部数据的每个疑似异常数据的最终异常程度：
式中，代表第/>组局部数据的第/>个疑似异常数据的最终异常程度；/>代表第组局部数据的第/>个疑似异常数据的旋转圆周位置修正异常程度；/>代表第/>组局部数据的第/>个疑似异常数据的水平位置修正异常程度；/>代表归一化函数，采用线性归一化方法对第/>组局部数据的所有疑似异常数据的/>进行归一化。
至此，根据每组局部数据的每个疑似异常数据的水平位置修正异常程度，以及每组局部数据的每个疑似异常数据的旋转圆周位置修正异常程度，获取每组局部数据的每个疑似异常数据的最终异常程度。
异常数据获取模块106，根据每组局部数据的每个疑似异常数据的最终异常程度，获取每组局部数据中的异常数据。
在本发明实施例中，预设异常程度阈值，当第/>组局部数据的第/>个疑似异常数据的最终异常程度大于异常程度阈值/>时，认为第/>组局部数据的第/>个疑似异常数据为异常数据，反之第/>组局部数据的第/>个疑似异常数据为正常数据，得到第/>组局部数据中的异常数据；同理获取每组局部数据中异常数据，在本发明实施例中，预设异常阈值/>，在其他实施例中，实施人员可根据具体实施情况设置/>的值。
在管道中的铀放射性污染数据中将每组数据中的异常数据删除，得到清洗后的数据，将清洗后的数据传输中机器人控制中心，进行铀放射性污染分析。
实施例2：
在实施例1的基础上，本实施例提供一种可选的方法，用来获取第组局部数据的第/>个疑似异常数据的旋转圆周位置异常程度：
式中，代表第/>组局部数据的第/>个疑似异常数据的旋转圆周位置异常程度；获取第/>组局部数据的第/>个疑似异常数据与第/>组局部数据的箱线图的上边缘之间的距离以及下边缘之间的距离，将两个距离值中最小的距离值记为/>；/>代表第/>组局部数据的第个疑似异常数据的值；/>代表与第/>组局部数据的第/>个疑似异常数据旋转圆周位置一致的铀放射性数据中的中位数；/>为第/>组局部数据的第/>个疑似异常数据与其旋转圆周位置一致的铀放射性数据中的中位数之间的差异，代表与第/>组局部数据的第/>个疑似异常数据旋转圆周位置一致的铀放射性数据的异常程度；/>代表第/>组局部数据的第个疑似异常数据的旋转异常权重，本实施例中以/>为例进行叙述；/>代表绝对值符号。
实施例3：
在实施例1的基础上，本实施例提供一种可选的方法，用来获取第组局部数据的第/>个疑似异常数据的水平位置异常程度：
式中，代表第/>组局部数据的第/>个疑似异常数据的水平位置异常程度；获取第组局部数据的第/>个疑似异常数据与第/>组局部数据的箱线图的上边缘之间的距离以及下边缘之间的距离，将两个距离值中最小的距离值记为/>；/>代表第/>组局部数据的第/>个疑似异常数据的值；/>代表与第/>组局部数据的第/>个疑似异常数据水平位置一致的铀放射性数据中的中位数；/>为第/>组局部数据的第/>个疑似异常数据与其水平位置一致的铀放射性数据中的中位数之间的差异，代表与第/>组局部数据的第/>个疑似异常数据水平位置一致的铀放射性数据的异常程度；/>代表绝对值符号；/>代表第/>组局部数据的第/>个疑似异常数据的水平异常权重，本实施例中以/>为例进行叙述；/>代表绝对值符号。
以上所述仅为本发明的较佳实施例而已，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 (7)
1.一种基于管道机器人的铀放射性污染测量传输系统，其特征在于，所述系统包括：
铀放射性污染数据获取模块，用于采集管道中的铀放射性污染数据；
局部数据获取模块；用于对管道中的铀放射性污染数据进行分组，获取若干组局部数据；
异常程度获取模块，用于对每组局部数据构建每组局部数据的箱线图，得到每组局部数据的疑似异常数据；根据每组局部数据的箱线图，以及与每组局部数据的疑似异常数据水平位置一致的铀放射性污染数据所构建的箱线图的上下边缘，获取每组局部数据的每个疑似异常数据的水平异常权重；根据每组局部数据的箱线图及每个疑似异常数据的水平异常权重，获取每组局部数据的每个疑似异常数据的水平异常程度；
根据每组局部数据的箱线图，以及与每组局部数据的疑似异常数据旋转圆周位置一致的铀放射性污染数据所构建的箱线图的上下边缘，获取每组局部数据的每个疑似异常数据的旋转异常权重；根据每组局部数据的箱线图及每个疑似异常数据的旋转异常权重，获取每组局部数据的每个疑似异常数据的旋转圆周位置异常程度；
修正异常程度获取模块，用于根据其他铀放射性污染数据对应的污染探测器的位置分布，以及每组局部数据的每个疑似异常数据的水平异常程度，获取每组局部数据的每个疑似异常数据的水平位置修正异常程度；根据其他铀放射性污染数据对应的污染探测器的位置分布，以及每组局部数据的每个疑似异常数据的旋转圆周位置异常程度，获取每组局部数据的每个疑似异常数据的旋转圆周位置修正异常程度；
最终异常程度获取模块，用于根据每组局部数据的每个疑似异常数据的旋转圆周位置修正异常程度以及水平位置修正异常程度，获取每组局部数据的每个疑似异常数据的最终异常程度；
异常数据获取模块，用于根据每组局部数据的每个疑似异常数据的最终异常程度获取每组局部数据中的异常数据；
所述对每组局部数据构建每组局部数据的箱线图，得到每组局部数据的疑似异常数据，包括的步骤为：
将每组局部数据的箱线图中的大于上边缘的铀放射性污染数据以及小于下边缘的铀放射性污染数据，记为每组局部数据的疑似异常数据；
所述根据其他铀放射性污染数据对应的污染探测器的位置分布，以及每组局部数据的每个疑似异常数据的水平异常程度，获取每组局部数据的每个疑似异常数据的水平位置修正异常程度，包括的步骤为：
式中，代表第/>组局部数据的第/>个疑似异常数据的水平位置修正异常程度；/>代表第/>组局部数据的第/>个疑似异常数据的水平位置异常程度；/>代表与第/>组局部数据的第/>个疑似异常数据水平位置一致的其他铀放射性污染数据对应的污染探测器到管壁之间的距离均值；/>代表与第/>组局部数据的第/>个疑似异常数据水平位置一致的其他铀放射性污染数据对应的污染探测器到管壁之间的最小距离值；
所述根据其他铀放射性污染数据对应的污染探测器的位置分布，以及每组局部数据的每个疑似异常数据的旋转圆周位置异常程度，获取每组局部数据的每个疑似异常数据的旋转圆周位置修正异常程度，包括的步骤为：
式中，代表第/>组局部数据的第/>个疑似异常数据的旋转圆周位置修正异常程度；代表第/>组局部数据的第/>个疑似异常数据的旋转圆周位置异常程度；/>代表与第组局部数据的第/>个疑似异常数据旋转圆周位置一致的所有铀放射性数据对应的污染探测器到管壁之间的距离均值；/>代表与第/>组局部数据的第/>个疑似异常数据旋转圆周位置一致的所有铀放射性数据对应的污染探测器到管壁之间的最小距离值；/>代表与第/>组局部数据的第/>个疑似异常数据旋转圆周位置一致的所有铀放射性数据对应的污染探测器到管壁之间的所有距离值的标准差。
2.根据权利要求1所述的一种基于管道机器人的铀放射性污染测量传输系统，其特征在于，所述对管道中的铀放射性污染数据进行分组，获取若干组局部数据，包括的步骤为：
预设分段长度，根据分段长度将管道划分为多个段，将管道每个段中所有位置上的铀放射性污染数据作为一组局部数据，得到若干组局部数据。
3.根据权利要求1所述的一种基于管道机器人的铀放射性污染测量传输系统，其特征在于，所述根据每组局部数据的箱线图，以及与每组局部数据的疑似异常数据水平位置一致的铀放射性污染数据所构建的箱线图的上下边缘，获取每组局部数据的每个疑似异常数据的水平异常权重，包括的步骤为：
式中，代表第/>组局部数据的第/>个疑似异常数据的水平异常权重，/>代表第/>组局部数据的箱线图的上边缘值；/>代表第/>组局部数据的箱线图的下边缘值；/>代表与第/>组局部数据的第/>个疑似异常数据水平位置一致的铀放射性数据构成的箱线图的上边缘值；/>代表与第/>组局部数据的第/>个疑似异常数据水平位置一致的铀放射性数据构成的箱线图的下边缘值；/>代表绝对值符号；/>代表归一化函数。
4.根据权利要求1所述的一种基于管道机器人的铀放射性污染测量传输系统，其特征在于，所述根据每组局部数据的箱线图及每个疑似异常数据的水平异常权重，获取每组局部数据的每个疑似异常数据的水平异常程度，包括的步骤为：
式中，代表第/>组局部数据的第/>个疑似异常数据的水平位置异常程度；获取第/>组局部数据的第/>个疑似异常数据与第/>组局部数据的箱线图的上边缘之间的距离以及下边缘之间的距离，将两个距离值中最小的距离值记为/>；/>代表第/>组局部数据的第/>个疑似异常数据的值；/>代表与第/>组局部数据的第/>个疑似异常数据水平位置一致的铀放射性数据中的中位数；/>代表第/>组局部数据的第/>个疑似异常数据的水平异常权重；/>代表绝对值符号。
5.根据权利要求1所述的一种基于管道机器人的铀放射性污染测量传输系统，其特征在于，所述根据每组局部数据的箱线图，以及与每组局部数据的疑似异常数据旋转圆周位置一致的铀放射性污染数据所构建的箱线图的上下边缘，获取每组局部数据的每个疑似异常数据的旋转异常权重，包括的步骤为：
式中，代表第/>组局部数据的第/>个疑似异常数据的旋转异常权重；/>代表第/>组局部数据的箱线图的上边缘值；/>代表第/>组局部数据的箱线图的下边缘值；/>代表与第/>组局部数据的第/>个疑似异常数据旋转圆周位置一致的铀放射性数据构成的箱线图的上边缘值；/>代表与第/>组局部数据的第/>个疑似异常数据旋转圆周位置一致的铀放射性数据构成的箱线图的下边缘值；/>代表绝对值符号；/>代表归一化函数。
6.根据权利要求1所述的一种基于管道机器人的铀放射性污染测量传输系统，其特征在于，所述根据每组局部数据的箱线图及每个疑似异常数据的旋转异常权重，获取每组局部数据的每个疑似异常数据的旋转圆周位置异常程度，包括的步骤为：
式中，代表第/>组局部数据的第/>个疑似异常数据的旋转圆周位置异常程度；获取第组局部数据的第/>个疑似异常数据与第/>组局部数据的箱线图的上边缘之间的距离以及下边缘之间的距离，将两个距离值中最小的距离值记为/>；/>代表第/>组局部数据的第/>个疑似异常数据的值；/>代表与第/>组局部数据的第/>个疑似异常数据旋转圆周位置一致的铀放射性数据中的中位数；/>代表第/>组局部数据的第/>个疑似异常数据的旋转异常权重；/>代表绝对值符号。
7.根据权利要求1所述的一种基于管道机器人的铀放射性污染测量传输系统，其特征在于，所述获取每组局部数据的每个疑似异常数据的最终异常程度，包括的步骤为：
式中，代表第/>组局部数据的第/>个疑似异常数据的最终异常程度；/>代表第/>组局部数据的第/>个疑似异常数据的旋转圆周位置修正异常程度；/>代表第/>组局部数据的第/>个疑似异常数据的水平位置修正异常程度；/>代表归一化函数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311737073.4A CN117421689B (zh) | 2023-12-18 | 2023-12-18 | 一种基于管道机器人的铀放射性污染测量传输系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311737073.4A CN117421689B (zh) | 2023-12-18 | 2023-12-18 | 一种基于管道机器人的铀放射性污染测量传输系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117421689A CN117421689A (zh) | 2024-01-19 |
| CN117421689B true CN117421689B (zh) | 2024-03-12 |
Family
ID=89531135
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311737073.4A Active CN117421689B (zh) | 2023-12-18 | 2023-12-18 | 一种基于管道机器人的铀放射性污染测量传输系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117421689B (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2021047306A1 (zh) * | 2019-09-10 | 2021-03-18 | 中兴通讯股份有限公司 | 一种异常行为判定方法、装置、终端及可读存储介质 |
| CN115858630A (zh) * | 2023-02-21 | 2023-03-28 | 新风光电子科技股份有限公司 | 一种储能电站储能数据的异常检测方法 |
| CN117056864A (zh) * | 2023-10-11 | 2023-11-14 | 广东力创信息技术有限公司 | 一种管道漏损预警方法及系统 |
| CN117057150A (zh) * | 2023-08-21 | 2023-11-14 | 长江生态环保集团有限公司 | 一种基于无监督叠加集成的供水管网爆管检测与识别方法 |
| CN117195008A (zh) * | 2023-11-08 | 2023-12-08 | 山东神光航天科技有限公司 | 一种用于空气质量监测的异常数据处理方法 |
| CN117235447A (zh) * | 2023-11-10 | 2023-12-15 | 天津六百光年智能科技有限公司 | 一种建筑能源数据管理方法及系统 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| MX2007011513A (es) * | 2005-05-27 | 2008-02-22 | Entech Eng Inc | Sistema de reparacion y deteccion de anomalias subterraneas. |
-
2023
- 2023-12-18 CN CN202311737073.4A patent/CN117421689B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2021047306A1 (zh) * | 2019-09-10 | 2021-03-18 | 中兴通讯股份有限公司 | 一种异常行为判定方法、装置、终端及可读存储介质 |
| CN115858630A (zh) * | 2023-02-21 | 2023-03-28 | 新风光电子科技股份有限公司 | 一种储能电站储能数据的异常检测方法 |
| CN117057150A (zh) * | 2023-08-21 | 2023-11-14 | 长江生态环保集团有限公司 | 一种基于无监督叠加集成的供水管网爆管检测与识别方法 |
| CN117056864A (zh) * | 2023-10-11 | 2023-11-14 | 广东力创信息技术有限公司 | 一种管道漏损预警方法及系统 |
| CN117195008A (zh) * | 2023-11-08 | 2023-12-08 | 山东神光航天科技有限公司 | 一种用于空气质量监测的异常数据处理方法 |
| CN117235447A (zh) * | 2023-11-10 | 2023-12-15 | 天津六百光年智能科技有限公司 | 一种建筑能源数据管理方法及系统 |
Non-Patent Citations (3)
| Title |
|---|
| 杨文明 .Pipe Line Safety Monitoring using Distributed Optical Fiber Vibration Sensor in the China West-East Gas Pipeline Project.《2018 Asia Communications and Photonics Conference(ACP))》.2019,摘要. * |
| 王永涛.拟流场法在高水位污水管道渗漏检测中的应用研究.《现代电子技术》.2023,全文. * |
| 王红君 ; 白鹏 ; 赵辉 ; 岳有军 ; .钢铁企业高炉煤气发生量异常数据检测.化工自动化及仪表.2016,(06),全文. * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117421689A (zh) | 2024-01-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP2959836B1 (en) | Ct image calibration method and device and ct system | |
| US7232990B2 (en) | Peak detection calibration for gamma camera using non-uniform pinhole aperture grid mask | |
| CN100501445C (zh) | 放射线诊断装置 | |
| CN107710018B (zh) | 放射线检测元件的灵敏度校正方法以及放射线断层摄影装置 | |
| US11137516B2 (en) | System and method for passive assay of holdup deposits in nuclear piping | |
| CN111538068B (zh) | 一种放射性表面污染测量装置及表面污染测量方法 | |
| CN104434150B (zh) | 数字x线成像系统的二维调制传递函数测量方法 | |
| FR2931250A1 (fr) | Dispositif et procede de detection et d'identification en temps reel d'une source radioactive en mouvement | |
| CN112082501B (zh) | 一种绝缘子三维尺寸测量方法及绝缘子三维尺寸测量系统 | |
| CN117421689B (zh) | 一种基于管道机器人的铀放射性污染测量传输系统 | |
| WO2009114992A1 (zh) | 放射性物质检测和x光辐射成像的集成系统和集成方法 | |
| CN113916306A (zh) | 基于多传感信息融合的管道缺陷检测及定位方法 | |
| CN116449038B (zh) | 一种多道分析器的质量控制方法、装置及多道分析器 | |
| JP4734618B2 (ja) | 放射線測定装置 | |
| JP2012173237A (ja) | 陽電子放射断層撮像装置 | |
| CN109765249A (zh) | 一种基于random变换的CT系统参数标定与成像方法 | |
| CN105115987B (zh) | 基于数字滤波的圆锥滚子倒装缺陷检测方法 | |
| KR101693679B1 (ko) | 실시간 광전피크 탐색 방법 및 장치 | |
| JPS6183983A (ja) | ポジトロンｃｔの補正方法 | |
| CN118566442B (zh) | 一种大气环境污染物浓度检测方法及系统 | |
| CN117540854B (zh) | 一种基于云平台的多通道土壤信息监测系统 | |
| US9351697B2 (en) | Method and system for dimensional analysis of an object | |
| Stochioiu et al. | Monitoring of the radioactivity concentration of air in the area of the IFIN-HH, Romania | |
| US20240335178A1 (en) | Method and apparatus for autoencoder-based anomaly detection in medical imaging systems | |
| CN117665012B (zh) | 一种检测管壁缺陷类型及绘制管壁缺陷图像的方法 |
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 |