CN117556364A - 一种矿用矿压安全智能监测系统 - Google Patents
一种矿用矿压安全智能监测系统 Download PDFInfo
- Publication number
- CN117556364A CN117556364A CN202410043817.0A CN202410043817A CN117556364A CN 117556364 A CN117556364 A CN 117556364A CN 202410043817 A CN202410043817 A CN 202410043817A CN 117556364 A CN117556364 A CN 117556364A
- Authority
- CN
- China
- Prior art keywords
- ore
- abnormal
- ore pressure
- pressure
- sequence
- 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
- 238000005065 mining Methods 0.000 title claims abstract description 40
- 238000012544 monitoring process Methods 0.000 title claims abstract description 29
- 230000002159 abnormal effect Effects 0.000 claims abstract description 232
- 238000010586 diagram Methods 0.000 claims abstract description 86
- 238000000034 method Methods 0.000 claims abstract description 54
- 230000005856 abnormality Effects 0.000 claims abstract description 34
- 238000004364 calculation method Methods 0.000 claims abstract description 16
- 230000008569 process Effects 0.000 claims description 19
- 238000010606 normalization Methods 0.000 claims description 8
- 238000012545 processing Methods 0.000 abstract description 3
- 230000008859 change Effects 0.000 description 6
- 230000000694 effects Effects 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
Classifications
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH OR ROCK DRILLING; MINING
- E21F—SAFETY DEVICES, TRANSPORT, FILLING-UP, RESCUE, VENTILATION, OR DRAINING IN OR OF MINES OR TUNNELS
- E21F17/00—Methods or devices for use in mines or tunnels, not covered elsewhere
- E21F17/18—Special adaptations of signalling or alarm devices
-
- 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
-
- 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
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Mining & Mineral Resources (AREA)
- Life Sciences & Earth Sciences (AREA)
- Theoretical Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Geology (AREA)
- Artificial Intelligence (AREA)
- Geochemistry & Mineralogy (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Measuring Fluid Pressure (AREA)
Abstract
本发明涉及数据处理技术领域,具体涉及一种矿用矿压安全智能监测系统,包括:矿压数据采集模块,采集矿压数据;异常矿压初始异常计算模块,根据矿压序列对应箱线图的上限和下限,得到异常矿压值的初始异常程度;异常矿压初始可信度计算模块,根据局部矿压序列中矿压值的可信度,得到异常矿压值的初始可信度;异常矿压可信度计算模块,根据异常矿压值的初始可信度和箱线图的异常可能性,得到异常矿压值的可信度;真实异常矿压计算模块,根据异常矿压值的初始异常程度和异常矿压值的可信度,得到真实异常矿压值。本发明在箱线图识别出异常矿压值后,对识别结果进行修正,提高根据异常识别结果对危险情况的判断。
Description
技术领域
本发明涉及数据处理技术领域,具体涉及一种矿用矿压安全智能监测系统。
背景技术
在矿内工作属于高危工作,通过实时监测矿压数据的变化,当发现异常时及时预警,可以减少矿山事故的发生,保障矿内工作人员的安全,因此对矿压进行监测具有重要的意义。
在对矿压数据进行监测时需要识别其中的异常矿压值,由于矿压数据受地质变化等因素的影响,导致利用箱线图算法获取矿压数据的异常矿压值时,异常结果不准确,进而导致对危险情况判断不准确。
发明内容
为解决上述问题,本发明提供一种矿用矿压安全智能监测系统。
本发明的一种矿用矿压安全智能监测系统采用如下技术方案:
本发明一个实施例提供了一种矿用矿压安全智能监测系统,该系统包括以下模块:
矿压数据采集模块,用于采集矿压数据,所述矿压数据内包含若干矿压值;
异常矿压初始异常计算模块,用于根据矿压数据中的矿压值得到矿压序列,根据矿压序列中的矿压值,得到矿压序列对应箱线图的上限和下限、矿压值的正常范围及若干异常矿压值,根据矿压序列对应箱线图的上限和下限及异常矿压值,得到每个异常矿压值的初始异常程度;
异常矿压初始可信度计算模块,用于根据异常矿压值在矿压序列之后的若干矿压值,得到局部矿压序列,根据局部矿压序列中矿压值和拟合值的差异,得到局部矿压序列中每个矿压值的可信度,根据局部矿压序列中每个矿压值的可信度和异常矿压值,得到每个异常矿压值的初始可信度;
异常矿压可信度计算模块,用于根据矿压序列对应箱线图的上限和下限及矿压值的正常范围,得到矿压序列对应箱线图的异常可能性,根据异常矿压值的初始可信度和矿压序列对应箱线图的异常可能性,得到每个异常矿压值的可信度;
真实异常矿压计算模块,用于根据异常矿压值的初始异常程度和异常矿压值的可信度,得到真实异常矿压值。
进一步地,所述根据矿压序列中的矿压值,得到矿压序列对应箱线图的上限和下限、矿压值的正常范围及若干异常矿压值,包括的具体步骤如下:
根据箱线图算法获取矿压序列对应箱线图的上四分位数和下四分位数,将上四分位数记为,将下四分位数记为/>,预设一个第一数值,记为k,将作为矿压序列对应箱线图的下限,记为/>,将作为矿压序列对应箱线图的上限,记为/>,将[/>,/>]作为矿压值的正常范围,将矿压序列中矿压值超过正常范围的矿压值作为异常矿压值。
进一步地,所述根据矿压序列对应箱线图的上限和下限及异常矿压值,得到每个异常矿压值的初始异常程度,包括的具体步骤如下:
对于任意一个异常矿压值,若该异常矿压值大于或等于矿压序列对应箱线图的上限,该异常矿压值的初始异常程度为该异常矿压值减去矿压序列对应箱线图的上限得到的差值,若该异常矿压值小于矿压序列对应箱线图的下限,该异常矿压值的初始异常程度为该异常矿压值减去矿压序列对应箱线图的下限得到的差值的绝对值。
进一步地,所述根据异常矿压值在矿压序列之后的若干矿压值,得到局部矿压序列,包括的具体步骤如下:
将任意一个异常矿压值,记为目标异常矿压值,在矿压序列中将目标异常矿压值之后的个矿压值,按照从大到小的顺序排列,得到局部矿压序列,/>为预设的一个第二数值。
进一步地,所述根据局部矿压序列中矿压值和拟合值的差异,得到局部矿压序列中每个矿压值的可信度,包括的具体步骤如下:
式中,为局部矿压序列和矿压序列的相似性,/>的具体获取方法如下:,/>表示局部矿压序列和矿压序列的DTW距离,/>为超参数,/>表示以自然常数为底的指数函数;/>为局部矿压序列中第p个矿压值,/>的具体获取方法如下:将矿压序列利用最小二乘法进行拟合,得到矿压序列的拟合曲线,将局部矿压序列中第p个矿压值在拟合曲线上对应的拟合值记为/>;/>表示矿压值和拟合值的差异,/>为取绝对值,/>为避免分母为0的超参数,/>为局部矿压序列中第p个矿压值的可信度。
进一步地,所述根据局部矿压序列中每个矿压值的可信度和异常矿压值,得到每个异常矿压值的初始可信度,包括的具体步骤如下:
式中,y为目标异常矿压值,为局部矿压序列中第p个矿压值的可信度,/>为局部矿压序列中第p个矿压值,/>为局部矿压序列中矿压值的个数,/>为矿压序列内所有矿压值的标准差,/>为取绝对值,/>为目标异常矿压值的初始可信度。
进一步地,所述根据矿压序列对应箱线图的上限和下限及矿压值的正常范围,得到矿压序列对应箱线图的异常可能性,包括的具体步骤如下:
式中,为矿压序列对应箱线图的上限,/>为矿压序列对应箱线图的下限,n为矿压序列中异常矿压值的个数,/>为矿压序列中矿压值的个数,/>为矿压序列的中位数,为矿压值的正常范围中最大的矿压值,且最大的矿压值在矿压序列中,/>为矿压值的正常范围中最小的矿压值,且最小的矿压值在矿压序列中,/>为避免分母为0的超参数,/>为矿压序列对应箱线图的异常可能性。
进一步地,所述根据异常矿压值的初始可信度和矿压序列对应箱线图的异常可能性,得到每个异常矿压值的可信度,包括的具体步骤如下:
式中,为目标异常矿压值的初始可信度,/>为矿压序列对应箱线图的异常可能性,/>为线性归一化函数,/>为目标异常矿压值的可信度。
进一步地,所述根据异常矿压值的初始异常程度和异常矿压值的可信度,得到真实异常矿压值,包括的具体步骤如下:
式中,为目标异常矿压值的初始异常程度,/>为目标异常矿压值的可信度,为目标异常矿压值的异常程度,/>为线性归一化函数;
预设一个第一阈值,记为th1,若,目标异常矿压值为一个正常的矿压值,若/>,目标异常矿压值为一个真实异常矿压值。
进一步地,所述根据矿压数据中的矿压值得到矿压序列,包括的具体步骤如下:
将矿压数据中所有的矿压值按照从大到小的顺序排列,得到矿压序列。
本发明的技术方案的有益效果是:在箱线图识别出异常矿压值后,对识别结果进行修正,以提高异常矿压值识别结果的准确性,便于后续的预警提示。
在对异常数据识别结果进行修正的过程中,依据箱线图所筛选出的异常矿压值对数据趋势的表现、箱线图本身异常的可能性获得异常矿压值的可信度,据此对异常矿压值识别结果进行修正。对箱线图识别结果进行后处理,提高异常矿压值识别的结果,便于对危险情况进行判断和预警。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明一个实施例所提供的一种矿用矿压安全智能监测系统的系统框架图。
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矿用矿压安全智能监测系统,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矿用矿压安全智能监测系统的具体方案。
请参阅图1,其示出了本发明一个实施例提供的一种矿用矿压安全智能监测系统的系统框架图,该系统包括以下模块:
矿压数据采集模块:
需要说明的是,本实施例的目的是,在箱线图识别出矿压数据的初始异常值后,对初始异常值的可信度进行分析,据此对异常识别结果进行调整,提高异常识别结果的准确性,完成对矿压数据的准确异常监测,在开始分析之前,首选需要采集数据。
具体的,采集矿压数据,所述矿压数据内包含若干矿压值,具体如下:
在矿区内的任意一个液压支架旁安装一个压力传感器,压力传感器每1秒输出一个矿压值,将最近一个小时内的矿压值构成的数据序列,记为矿压数据。
至此,得到矿压数据。
异常矿压初始异常计算模块:
需要说明的是,矿压数据受地质变化等外界因素影响较大,在采用箱线图对其进行异常矿压值识别的过程中,可能会将部分正常矿压值识别为异常矿压值,为了更好地对异常矿压值进行监测,需要对箱线图所识别的异常矿压值进行调整。在对异常矿压值进行调整的过程中,通过分析每一异常矿压值的可信度,来对该异常矿压值重新进行划分。
具体的,根据矿压数据中的矿压值得到矿压序列,根据矿压序列中的矿压值,得到矿压序列对应箱线图的上限和下限、矿压值的正常范围及若干异常矿压值,具体如下:
将矿压数据中所有的矿压值按照从大到小的顺序排列,得到矿压序列,根据箱线图算法获取矿压序列对应箱线图的上四分位数和下四分位数,将上四分位数记为,将下四分位数记为/>,预设一个第一数值,记为k,本实施例以k=1.5进行叙述,将作为矿压序列对应箱线图的下限,记为/>,将作为矿压序列对应箱线图的上限,记为/>,将[/>,/>]作为矿压值的正常范围,将矿压序列中矿压值超过正常范围的矿压值作为异常矿压值。
需要说明的是,根据箱线图算法获取矿压序列的上四分位数和下四分位数为现有方法,本实例不再赘述。
需要说明的是,异常矿压值距离箱线图的上下限越远,异常程度越大,因此可以通过距离箱线图的上下限来量化异常矿压值的初始异常程度。
进一步地,根据矿压序列对应箱线图的上限和下限及异常矿压值,得到每个异常矿压值的初始异常程度,具体如下:
对于任意一个异常矿压值,若该异常矿压值大于或等于矿压序列对应箱线图的上限,该异常矿压值的初始异常程度为该异常矿压值减去矿压序列对应箱线图的上限得到的差值,若该异常矿压值小于矿压序列对应箱线图的下限,该异常矿压值的初始异常程度为该异常矿压值减去矿压序列对应箱线图的下限得到的差值的绝对值。
至此,得到每个异常矿压值的初始异常程度。
异常矿压初始可信度计算模块:
需要说明的是,因为矿压数据受地质变化等外界因素影响较大,增加了异常数据识别的难度,导致箱线图在识别异常数据的过程中,会将部分正常数据识别为异常数据,即异常矿压值中存在正常的矿压值。在箱线图识别异常数据的过程中,异常数据变化有明显趋势并且异常数据变化趋势的表现程度越好,则数据被识别为异常数据的可能性越小。因此,在分析异常矿压值的可信度过程中,可依据异常矿压值是否具有变化趋势以及异常矿压值对变化趋势的表现程度来反映该异常矿压值的可信度。
需要说明的是,若某个异常矿压值在矿压序列中后续若干矿压值发生变化,则该异常矿压值与后续若干矿压值的差异越大,那么该异常矿压值为异常矿压值的可能性就越大,该异常矿压值的可信度就越高,且后续若干矿压值与矿压序列的相关性越高,该异常矿压值对矿压序列变化趋势的表现程度越高,并在分析过程中考虑该异常矿压值的后续若干矿压值的可信度,通过对矿压数据进行最小二乘拟合,依据后续矿压值的残差反映可信度。
具体的,根据异常矿压值在矿压序列之后的若干矿压值,得到局部矿压序列,根据局部矿压序列中矿压值和拟合值的差异,得到局部矿压序列中每个矿压值的可信度,具体如下:
将任意一个异常矿压值,记为目标异常矿压值,在矿压序列中将目标异常矿压值之后的个矿压值,按照从大到小的顺序排列,得到局部矿压序列,/>为预设的一个第二数值,本实施例以/>进行叙述;需要说明的是,若目标异常矿压值之后的矿压值的数量不足5个,则通过二次线性插值进行补全。
式中,为局部矿压序列和矿压序列的相似性,/>的具体获取方法如下:,/>表示局部矿压序列和矿压序列的DTW距离,/>为避免指数函数输出值过小的超参数,本实施例采用/>进行叙述,/>表示以自然常数为底的指数函数,本实施例采用/>模型来呈现反比例关系及归一化处理,z为模型的输入,实施者可根据实际情况设置反比例函数及归一化函数;/>为局部矿压序列中第p个矿压值,/>的具体获取方法如下:将矿压序列利用最小二乘法进行拟合,得到矿压序列的拟合曲线,将局部矿压序列中第p个矿压值在拟合曲线上对应的拟合值记为/>;/>表示矿压值和拟合值的差异,/>为取绝对值,/>为避免分母为0的超参数,本实施例采用进行叙述,/>为局部矿压序列中第p个矿压值的可信度。
进一步地,根据局部矿压序列中每个矿压值的可信度和异常矿压值,得到每个异常矿压值的初始可信度,具体如下:
式中,y为目标异常矿压值,为局部矿压序列中第p个矿压值的可信度,/>为局部矿压序列中第p个矿压值,/>为预设的第二数值,即局部矿压序列中矿压值的个数,/>为矿压序列内所有矿压值的标准差,/>为取绝对值,/>为目标异常矿压值的初始可信度。
需要说明的是,获取两个序列的皮尔逊相关系数为现有方法,本实施例不再赘述,将矿压序列拟合成曲线时,拟合曲线为五次多项式曲线,表示目标异常矿压值和其后续/>个矿压值的差异和,/>表示目标异常矿压值后续每个矿压值的可信度,依据拟合残差/>和相关性来反映后续矿压值的可信度,残差越小且相关性越高则该可信度越高,将其作为权重引入异常矿压值与后续矿压值的差异运算中,后续矿压值的可信度越高在差异运算中权重就越大。
至此,得到每个异常矿压值的初始可信度。
异常矿压可信度计算模块:
需要说明的是,箱线图本身若异常也会导致识别的异常数据的可信度不高,因此,还需分析箱线图本身的异常可能性对异常矿压值的影响,进而对异常矿压值的初始可信度进行修正。
进一步需要说明的是,在箱线图识别异常数据的过程中,所识别出的异常数据越少表明箱线搭建效果越好。并且箱线图本身长度以及中位数在箱线图的位置也反映了箱线图搭建效果的好坏,箱线图越长说明所搭建箱线图内矿压值趋势越稳定、中位数的位置越靠近箱子中心,说明数据的中心趋势偏移的可能性越小。因此,分析异常数据与箱线图内所有矿压值的占比、箱线图本身长度以及中位数是否靠近箱线图中心,异常数据与箱线图内所有数据的占比越小,则该箱线图异常的可能性越小;箱线图越长且中位数越靠近箱线图中心,则该箱线图异常的可能性越小。
具体的,根据矿压序列对应箱线图的上限和下限及矿压值的正常范围,得到矿压序列对应箱线图的异常可能性,具体如下:
式中,为矿压序列对应箱线图的上限,/>为矿压序列对应箱线图的下限,n为矿压序列中异常矿压值的个数,/>为矿压序列中矿压值的个数,/>为矿压序列的中位数,为矿压值的正常范围中最大的矿压值,且最大的矿压值在矿压序列中,/>为矿压值的正常范围中最小的矿压值,且最小的矿压值在矿压序列中,/>为避免分母为0的超参数,/>为矿压序列对应箱线图的异常可能性。需要特别说明的是,矿压值的正常范围是根据矿压序列对应箱线图的上限和下限求得的,正常范围的最大值可能不在矿压序列中,正常范围的最小值也可能不在矿压序列中,因此需要保证/>及/>为矿压序列中的矿压值。
需要说明的是,表示矿压序列中异常矿压值的个数在所有矿压值个数的占比,表示箱线图的中位数和距离中心位置的偏移距离,/>表示箱线图的长度。
进一步地,根据异常矿压值的初始可信度和矿压序列对应箱线图的异常可能性,得到每个异常矿压值的可信度,具体如下:
式中,为目标异常矿压值的初始可信度,/>为矿压序列对应箱线图的异常可能性,/>为线性归一化函数,归一化的对象为所有异常矿压值的/>,/>为目标异常矿压值的可信度。
至此,通过矿压序列对应箱线图的异常可能性对初始可信度进行修正,得到每个异常矿压值的可信度。
真实异常矿压计算模块:
需要说明的是,上述模块得到了异常矿压值和每个异常矿压值的可信度,通过结合这两个特征判断矿压值的最终异常。
具体的,根据异常矿压值的初始异常程度和异常矿压值的可信度,得到真实异常矿压值,具体如下:
式中,为目标异常矿压值的初始异常程度,/>为目标异常矿压值的可信度,为目标异常矿压值的异常程度,/>为线性归一化函数,归一化的对象为所有异常矿压值的/>。
预设一个第一阈值,记为th1,本实施例以th1=0.5进行叙述,若,目标异常矿压值为一个正常的矿压值,若/>,目标异常矿压值为一个真实异常矿压值。后续通过监测真实异常矿压值,当出现真实异常矿压值,进行预警提示,矿内工作人员停止作业。
通过以上步骤,完成一种矿用矿压安全智能监测系统。
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 (10)
1.一种矿用矿压安全智能监测系统,其特征在于,该系统包括以下模块:
矿压数据采集模块,用于采集矿压数据,所述矿压数据内包含若干矿压值;
异常矿压初始异常计算模块,用于根据矿压数据中的矿压值得到矿压序列,根据矿压序列中的矿压值,得到矿压序列对应箱线图的上限和下限、矿压值的正常范围及若干异常矿压值,根据矿压序列对应箱线图的上限和下限及异常矿压值,得到每个异常矿压值的初始异常程度;
异常矿压初始可信度计算模块,用于根据异常矿压值在矿压序列之后的若干矿压值,得到局部矿压序列,根据局部矿压序列中矿压值和拟合值的差异,得到局部矿压序列中每个矿压值的可信度,根据局部矿压序列中每个矿压值的可信度和异常矿压值,得到每个异常矿压值的初始可信度;
异常矿压可信度计算模块,用于根据矿压序列对应箱线图的上限和下限及矿压值的正常范围,得到矿压序列对应箱线图的异常可能性,根据异常矿压值的初始可信度和矿压序列对应箱线图的异常可能性,得到每个异常矿压值的可信度;
真实异常矿压计算模块,用于根据异常矿压值的初始异常程度和异常矿压值的可信度,得到真实异常矿压值。
2.根据权利要求1所述一种矿用矿压安全智能监测系统,其特征在于,所述根据矿压序列中的矿压值,得到矿压序列对应箱线图的上限和下限、矿压值的正常范围及若干异常矿压值,包括的具体步骤如下:
根据箱线图算法获取矿压序列对应箱线图的上四分位数和下四分位数,将上四分位数记为,将下四分位数记为/>,预设一个第一数值,记为k,将/>作为矿压序列对应箱线图的下限,记为/>,将/>作为矿压序列对应箱线图的上限,记为/>,将[/>,/>]作为矿压值的正常范围,将矿压序列中矿压值超过正常范围的矿压值作为异常矿压值。
3.根据权利要求1所述一种矿用矿压安全智能监测系统,其特征在于,所述根据矿压序列对应箱线图的上限和下限及异常矿压值,得到每个异常矿压值的初始异常程度,包括的具体步骤如下:
对于任意一个异常矿压值,若该异常矿压值大于或等于矿压序列对应箱线图的上限,该异常矿压值的初始异常程度为该异常矿压值减去矿压序列对应箱线图的上限得到的差值,若该异常矿压值小于矿压序列对应箱线图的下限,该异常矿压值的初始异常程度为该异常矿压值减去矿压序列对应箱线图的下限得到的差值的绝对值。
4.根据权利要求1所述一种矿用矿压安全智能监测系统,其特征在于,所述根据异常矿压值在矿压序列之后的若干矿压值,得到局部矿压序列,包括的具体步骤如下:
将任意一个异常矿压值,记为目标异常矿压值,在矿压序列中将目标异常矿压值之后的个矿压值,按照从大到小的顺序排列,得到局部矿压序列,/>为预设的一个第二数值。
5.根据权利要求1所述一种矿用矿压安全智能监测系统,其特征在于,所述根据局部矿压序列中矿压值和拟合值的差异,得到局部矿压序列中每个矿压值的可信度,包括的具体步骤如下:
式中,为局部矿压序列和矿压序列的相似性,/>的具体获取方法如下:,/>表示局部矿压序列和矿压序列的DTW距离,/>为超参数,/>表示以自然常数为底的指数函数;/>为局部矿压序列中第p个矿压值,/>的具体获取方法如下:将矿压序列利用最小二乘法进行拟合,得到矿压序列的拟合曲线,将局部矿压序列中第p个矿压值在拟合曲线上对应的拟合值记为/>;/>表示矿压值和拟合值的差异,/>为取绝对值,/>为避免分母为0的超参数,/>为局部矿压序列中第p个矿压值的可信度。
6.根据权利要求4所述一种矿用矿压安全智能监测系统,其特征在于,所述根据局部矿压序列中每个矿压值的可信度和异常矿压值,得到每个异常矿压值的初始可信度,包括的具体步骤如下:
式中,y为目标异常矿压值,为局部矿压序列中第p个矿压值的可信度,/>为局部矿压序列中第p个矿压值,/>为局部矿压序列中矿压值的个数,/>为矿压序列内所有矿压值的标准差,/>为取绝对值,/>为目标异常矿压值的初始可信度。
7.根据权利要求1所述一种矿用矿压安全智能监测系统,其特征在于,所述根据矿压序列对应箱线图的上限和下限及矿压值的正常范围,得到矿压序列对应箱线图的异常可能性,包括的具体步骤如下:
式中,为矿压序列对应箱线图的上限,/>为矿压序列对应箱线图的下限,n为矿压序列中异常矿压值的个数,/>为矿压序列中矿压值的个数,/>为矿压序列的中位数,/>为矿压值的正常范围中最大的矿压值,且最大的矿压值在矿压序列中,/>为矿压值的正常范围中最小的矿压值,且最小的矿压值在矿压序列中,/>为避免分母为0的超参数,/>为矿压序列对应箱线图的异常可能性。
8.根据权利要求4所述一种矿用矿压安全智能监测系统,其特征在于,所述根据异常矿压值的初始可信度和矿压序列对应箱线图的异常可能性,得到每个异常矿压值的可信度,包括的具体步骤如下:
式中,为目标异常矿压值的初始可信度,/>为矿压序列对应箱线图的异常可能性,为线性归一化函数,/>为目标异常矿压值的可信度。
9.根据权利要求4所述一种矿用矿压安全智能监测系统,其特征在于,所述根据异常矿压值的初始异常程度和异常矿压值的可信度,得到真实异常矿压值,包括的具体步骤如下:
式中,为目标异常矿压值的初始异常程度,/>为目标异常矿压值的可信度,/>为目标异常矿压值的异常程度,/>为线性归一化函数;
预设一个第一阈值,记为th1,若,目标异常矿压值为一个正常的矿压值,若,目标异常矿压值为一个真实异常矿压值。
10.根据权利要求1所述一种矿用矿压安全智能监测系统,其特征在于,所述根据矿压数据中的矿压值得到矿压序列,包括的具体步骤如下:
将矿压数据中所有的矿压值按照从大到小的顺序排列,得到矿压序列。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410043817.0A CN117556364B (zh) | 2024-01-12 | 2024-01-12 | 一种矿用矿压安全智能监测系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410043817.0A CN117556364B (zh) | 2024-01-12 | 2024-01-12 | 一种矿用矿压安全智能监测系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117556364A true CN117556364A (zh) | 2024-02-13 |
CN117556364B CN117556364B (zh) | 2024-03-29 |
Family
ID=89816998
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410043817.0A Active CN117556364B (zh) | 2024-01-12 | 2024-01-12 | 一种矿用矿压安全智能监测系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117556364B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118053127A (zh) * | 2024-04-16 | 2024-05-17 | 山东瑞福锂业有限公司 | 一种工业设备状态监控管理方法 |
CN118053127B (zh) * | 2024-04-16 | 2024-06-21 | 山东瑞福锂业有限公司 | 一种工业设备状态监控管理方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020019998A1 (zh) * | 2018-07-25 | 2020-01-30 | 中国矿业大学 | 一种回采巷道矿压显现数据的预测方法 |
WO2021052031A1 (zh) * | 2019-09-20 | 2021-03-25 | 苏宁云计算有限公司 | 基于统计四分位距的商品库存风险预警方法、系统及计算机可读存储介质 |
WO2021212756A1 (zh) * | 2020-04-23 | 2021-10-28 | 平安科技(深圳)有限公司 | 指标异常分析方法、装置、电子设备及存储介质 |
CN115375348A (zh) * | 2022-08-04 | 2022-11-22 | 多点生活(成都)科技有限公司 | 一种基于箱线图指标的数据离群值检测方法 |
CN116433668A (zh) * | 2023-06-14 | 2023-07-14 | 东营孚瑞特能源设备有限公司 | 一种智能液压油管漏油检测方法 |
CN117370329A (zh) * | 2023-12-07 | 2024-01-09 | 湖南易比特大数据有限公司 | 基于工业物联网的设备数据智能化管理方法及系统 |
-
2024
- 2024-01-12 CN CN202410043817.0A patent/CN117556364B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020019998A1 (zh) * | 2018-07-25 | 2020-01-30 | 中国矿业大学 | 一种回采巷道矿压显现数据的预测方法 |
WO2021052031A1 (zh) * | 2019-09-20 | 2021-03-25 | 苏宁云计算有限公司 | 基于统计四分位距的商品库存风险预警方法、系统及计算机可读存储介质 |
WO2021212756A1 (zh) * | 2020-04-23 | 2021-10-28 | 平安科技(深圳)有限公司 | 指标异常分析方法、装置、电子设备及存储介质 |
CN115375348A (zh) * | 2022-08-04 | 2022-11-22 | 多点生活(成都)科技有限公司 | 一种基于箱线图指标的数据离群值检测方法 |
CN116433668A (zh) * | 2023-06-14 | 2023-07-14 | 东营孚瑞特能源设备有限公司 | 一种智能液压油管漏油检测方法 |
CN117370329A (zh) * | 2023-12-07 | 2024-01-09 | 湖南易比特大数据有限公司 | 基于工业物联网的设备数据智能化管理方法及系统 |
Non-Patent Citations (1)
Title |
---|
王怀亮;: "箱须图在识别统计数据异常值中的作用及R语言实现", 商业经济, no. 05, 10 March 2011 (2011-03-10) * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118053127A (zh) * | 2024-04-16 | 2024-05-17 | 山东瑞福锂业有限公司 | 一种工业设备状态监控管理方法 |
CN118053127B (zh) * | 2024-04-16 | 2024-06-21 | 山东瑞福锂业有限公司 | 一种工业设备状态监控管理方法 |
Also Published As
Publication number | Publication date |
---|---|
CN117556364B (zh) | 2024-03-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN117093879B (zh) | 一种数据中心智能化运营管理方法及系统 | |
CN109740648B (zh) | 电力负荷异常数据识别方法、装置和计算机设备 | |
CN114167838B (zh) | 一种伺服系统多尺度健康评估与故障预测方法 | |
CN117290802B (zh) | 一种基于数据处理的主机电源运行监测方法 | |
CN107067100B (zh) | 风电功率异常数据辨识方法及辨识装置 | |
CN116881745B (zh) | 基于大数据的压力变送器异常监测方法 | |
KR20140141051A (ko) | 제조 설비의 센서 데이터를 활용한 수율 분석 시스템 및 방법 | |
CN117349778B (zh) | 一种基于物联网的用电设备在线实时监测系统 | |
CN116772285B (zh) | 一种智能楼宇供暖负载安全实时监控方法 | |
CN116357396A (zh) | 一种瓦斯曲线关联波动异常识别方法、装置及相关组件 | |
CN117421616B (zh) | 一种矿山竖井井筒检测系统及方法 | |
CN117556364B (zh) | 一种矿用矿压安全智能监测系统 | |
CN116796209B (zh) | 一种用于检测试剂盒存储环境温度监测的数据处理方法 | |
CN115879354A (zh) | 异常检测系统和异常检测方法、电子设备及存储介质 | |
CN114117340A (zh) | 一种发动机装配检测方法、装置、存储介质和电子设备 | |
CN117931897B (zh) | 一种加热装置温度数据运行监测方法 | |
US11567482B2 (en) | Manufacturing process monitoring apparatus | |
CN116341993B (zh) | 一种用于聚苯乙烯生产过程中状态监测方法及系统 | |
CN116992389B (zh) | 一种物联网虚假数据检测方法及系统 | |
CN117805542B (zh) | 一种矿用隔爆本质安全型变频器运行监控系统 | |
CN117668684B (zh) | 基于大数据分析的电网电能数据异常检测方法 | |
CN117907631B (zh) | 一种基于风速传感器的风速矫正方法及系统 | |
CN118258861A (zh) | 一种用于食用胶浓度监测的数据采集优化方法 | |
CN117708552B (zh) | 一种基于边缘计算的发电站运维数据实时监控方法 | |
CN117892214A (zh) | 异常检测模型的构建方法、异常检测方法及异常检测系统 |
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 |