CN117599519B - 一种用于数字化反冲洗一体机的智能控制方法 - Google Patents
一种用于数字化反冲洗一体机的智能控制方法 Download PDFInfo
- Publication number
- CN117599519B CN117599519B CN202410095070.3A CN202410095070A CN117599519B CN 117599519 B CN117599519 B CN 117599519B CN 202410095070 A CN202410095070 A CN 202410095070A CN 117599519 B CN117599519 B CN 117599519B
- Authority
- CN
- China
- Prior art keywords
- pressure data
- deposition
- data sequence
- pipeline
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 75
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 320
- 230000008021 deposition Effects 0.000 claims abstract description 203
- 238000001914 filtration Methods 0.000 claims abstract description 41
- 230000005856 abnormality Effects 0.000 claims abstract description 25
- 238000011010 flushing procedure Methods 0.000 claims abstract description 19
- 239000010865 sewage Substances 0.000 claims abstract description 10
- 238000002347 injection Methods 0.000 claims abstract description 6
- 239000007924 injection Substances 0.000 claims abstract description 6
- 230000008569 process Effects 0.000 claims description 23
- 230000002159 abnormal effect Effects 0.000 claims description 17
- 238000004364 calculation method Methods 0.000 claims description 10
- 238000004062 sedimentation Methods 0.000 claims description 6
- 238000013507 mapping Methods 0.000 claims description 4
- 238000000513 principal component analysis Methods 0.000 claims description 4
- 230000006641 stabilisation Effects 0.000 claims 1
- 238000011105 stabilization Methods 0.000 claims 1
- 238000012544 monitoring process Methods 0.000 abstract description 3
- 230000000903 blocking effect Effects 0.000 description 6
- 230000008859 change Effects 0.000 description 6
- 239000002352 surface water Substances 0.000 description 6
- 239000004576 sand Substances 0.000 description 4
- 238000005137 deposition process Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 239000002689 soil Substances 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 241001465754 Metazoa Species 0.000 description 1
- 238000011001 backwashing Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000000356 contaminant Substances 0.000 description 1
- 238000005202 decontamination Methods 0.000 description 1
- 230000003588 decontaminative effect Effects 0.000 description 1
- 238000005553 drilling Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000035558 fertility Effects 0.000 description 1
- 239000003337 fertilizer Substances 0.000 description 1
- 239000003673 groundwater Substances 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 229910001385 heavy metal Inorganic materials 0.000 description 1
- 239000010842 industrial wastewater Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 230000008635 plant growth Effects 0.000 description 1
- 231100000614 poison Toxicity 0.000 description 1
- 239000000243 solution Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000003440 toxic substance Substances 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
- B01D—SEPARATION
- B01D37/00—Processes of filtration
- B01D37/04—Controlling the filtration
- B01D37/046—Controlling the filtration by pressure measuring
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
- B01D—SEPARATION
- B01D24/00—Filters comprising loose filtering material, i.e. filtering material without any binder between the individual particles or fibres thereof
- B01D24/48—Filters comprising loose filtering material, i.e. filtering material without any binder between the individual particles or fibres thereof integrally combined with devices for controlling the filtration
- B01D24/4884—Filters comprising loose filtering material, i.e. filtering material without any binder between the individual particles or fibres thereof integrally combined with devices for controlling the filtration by pressure measuring
Landscapes
- Chemical & Material Sciences (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Control Of Fluid Pressure (AREA)
Abstract
本发明涉及数据滤波技术领域，具体涉及一种用于数字化反冲洗一体机的智能控制方法，包括：根据出水口压力数据序列中的数据分布，获得每个时刻的压力数据的波动程度和异常程度；根据每个进水口压力数据序列中数据分布，获得每个进水口的沉积稳定度，根据每个管道的进水口的沉积稳定度和任意两个沉积窗口的数据分布的差异，获得任意两个沉积窗口之间的沉积特征和每个沉积窗口的沉积稳定因子；得到调整后的滤波窗口大小，对压力数据进行滤波，根据滤波后的数据对反冲洗一体机进行控制。本发明优化了滤波窗口大小的参数，提高了压力数据的监测的准确性，提高了对反冲洗一体机污水注入控制的精确性。
Description
技术领域
本发明涉及数据滤波技术领域，具体涉及一种用于数字化反冲洗一体机的智能控制方法。
背景技术
在农业的水资源来源中，有钻井得到的地下水、有河流的地表水、以及平时收集的雨水等等，在这些用于农业的水资源中，河流的地表水占比较大，因此河流的地表水就显得非常的重要；但是由于工业废水的排放和城市污水的排放，导致河流的地表水中化学物质、重金属和有机物较多，造成河流的地表水污染严重，如果直接使用河流的污水用于农业中，第一，影响土壤的物理性质和化学性质，降低土壤的肥力，并可能使土壤无法支持健康的植物生长；第二，则可能导致农作物中积累有毒物质，当这些农作物被食用时，有害物质可能进入食物链，对人类和动物产生潜在的健康风险。因此河流地表水的去污就显得非常的重要。
在对河流污水的处理过程中通常使用反冲洗一体机中的过滤单元进行过滤，过滤单元中使用砂滤器，当使用砂滤器过滤的时间越长，则由于可能出现堵塞的情况，因此可以在每个管道的进水口和出水口安装压力传感器获取到压力数据来分析砂滤器的堵塞情况，当出现堵塞时，则需要进行更换砂滤器；但是由于水质或者地面振动的影响导致通过压力传感器采集到的数据存在误差，因此需要对压力数据进行去噪处理；在对压力数据的去噪过程中，常规的技术可以使用SG滤波进行压力数据的去噪，但是由于SG滤波在去噪过程中，滤波窗口的大小都是固定的，当滤波窗口过大，则就会造成原数据中一些信息的丢失，当滤波窗口过小，又起不到很好的滤波效果；因此滤波窗口的过大或者过小会降低压力数据的监测的准确性，降低了对反冲洗一体机污水注入控制的精确性。
发明内容
本发明提供一种用于数字化反冲洗一体机的智能控制方法，以解决现有的问题。
本发明的一种用于数字化反冲洗一体机的智能控制方法采用如下技术方案：
本发明一个实施例提供了一种用于数字化反冲洗一体机的智能控制方法，该方法包括以下步骤：
采集反冲洗一体机中每个管道若干个时刻的进水口压力数据序列和出水口压力数据序列；
根据所有出水口压力数据序列在同一时刻邻域中的数据分布的差异，获得每个出水口压力数据序列中每个时刻的压力数据的波动程度，根据每个出水口压力数据序列中不同时刻的邻域中压力数据之间的差异和波动程度，获得每个出水口压力数据序列中每个时刻的压力数据的异常程度；
根据每个进水口压力数据序列中数据分布，获得每个进水口的沉积稳定度，根据每个管道的进水口压力数据序列和出水口压力数据序列之间的差异，获得每个管道的压力差数据序列，将每个管道的压力差数据序列均等划分为若干个沉积窗口，根据每个管道的进水口的沉积稳定度和压力差数据序列中任意两个沉积窗口的数据分布的差异，获得每个管道的压力差数据序列中任意两个沉积窗口之间的沉积特征，根据每个管道的压力差数据序列中任意两个沉积窗口之间的沉积特征、任意两个沉积窗口中数据点之间的距离和每个出水口压力数据序列中每个时刻的压力数据的异常程度，获得每个管道的压力差数据序列中每个沉积窗口的沉积稳定因子；
根据沉积稳定因子获得每个管道的调整系数，根据每个管道的调整系数对预设初始滤波窗口大小参数进行调整，获得每个管道调整后的滤波窗口大小，根据每个管道调整后的滤波窗口大小对压力数据进行滤波，获得滤波后的数据，根据滤波后的数据对反冲洗一体机进行控制。
进一步地，所述根据所有出水口压力数据序列在同一时刻邻域中的数据分布的差异，获得每个出水口压力数据序列中每个时刻的压力数据的波动程度，包括的具体步骤如下：
以出水口压力数据序列中每个时刻的压力数据为中心点，以A为邻域窗口大小，获得出水口压力数据序列中每个时刻的压力数据的邻域窗口；其中，A为预设参数；
每个出水口压力数据序列中每个时刻的压力数据的波动程度的计算公式为：
式中，表示第/>个出水口的出水口压力数据序列中第/>个时刻的压力数据的邻域窗口中所有压力数据的标准差，/>表示第/>个出水口的出水口压力数据序列中第/>个时刻的压力数据的邻域窗口中所有压力数据的标准差，/>表示第/>个出水口的出水口压力数据序列中第/>个时刻的压力数据的邻域窗口中所有压力数据的均值，/>表示第/>个出水口的出水口压力数据序列中第/>个时刻的压力数据的邻域窗口中所有压力数据的均值，/>表示所有出水口的数量，/>为绝对值符号，/>表示第/>个出水口的出水口压力数据序列中第/>个时刻的压力数据的波动程度，/>表示/>函数。
进一步地，所述根据每个出水口压力数据序列中不同时刻的邻域中压力数据之间的差异和波动程度，获得每个出水口压力数据序列中每个时刻的压力数据的异常程度，包括的计算公式如下：
式中，表示第/>个出水口的出水口压力数据序列中第/>个时刻的压力数据的邻域窗口中所有压力数据的标准差，/>表示第/>个出水口的出水口压力数据序列中第/>个时刻的压力数据的邻域窗口中所有压力数据的标准差，/>表示每个出水口的出水口压力数据序列中所有压力数据的总个数，/>表示第/>个出水口的出水口压力数据序列中第/>个时刻的压力数据的波动程度，/>表示第/>个出水口的出水口压力数据序列中第/>个时刻的压力数据的波动程度，/>为绝对值符号，/>表示第/>个出水口的出水口压力数据序列中第/>个时刻的压力数据的异常程度。
进一步地，所述根据每个进水口压力数据序列中数据分布，获得每个进水口的沉积稳定度，包括的具体步骤如下：
以时间顺序为横轴，以压力数据值为纵轴建立参考坐标系；将每个进水口压力数据序列映射在参考坐标系中，根据最小二乘法对每个进水口压力数据序列进行曲线拟合，得到进水口压力数据曲线；获取每个进水口压力数据曲线中的极值点，将进水口压力数据序列中所有离极值点最近的压力数据点，记为进水口压力数据序列中的分割点；根据进水口压力数据序列中的分割点将每个进水口压力数据序列划分为若干个小区间序列；其中，极值点包括极大值点和极小值点；
将每个进水口压力数据序列的若干个小区间序列进行两两组合，得到若干个小区间序列组合；将每个小区间序列均等划分为B个沉积序列，对每个小区间序列中的所有沉积序列按照时间顺序进行位置编号；根据DTW算法可以得到每个进水口压力数据序列中的每个小区间序列组合的相同位置序号的沉积序列之间的相似度；将每个进水口压力数据序列中的每个小区间序列的两个端点之间的欧式距离，记为每个小区间序列的沉积能力；其中，B为预设参数；
每个进水口的沉积稳定度的计算公式为：
式中，表示第/>个进水口压力数据序列中的第/>个小区间序列组合的第/>个位置序号的两个沉积序列之间的相似度，/>表示第/>个进水口压力数据序列中的第/>个小区间序列组合的两个小区间序列之间的沉积能力的差值的绝对值，/>表示每个进水口压力数据序列中所有的小区间序列组合的总个数，/>为预设参数，/>表示第/>个进水口的沉积稳定度，/>表示/>函数。
进一步地，所述根据每个管道的进水口压力数据序列和出水口压力数据序列之间的差异，获得每个管道的压力差数据序列，包括的具体步骤如下：
将每个管道中的进水口压力数据序列和出水口压力数据序列中，相同时刻的进水口压力数据减去出水口压力数据，得到每个管道的压力差数据序列。
进一步地，所述将每个管道的压力差数据序列均等划分为若干个沉积窗口，包括的具体步骤如下：
将每个管道的压力差数据序列均等划分为大小为A的若干个沉积窗口，其中，A为预设参数。
进一步地，所述根据每个管道的进水口的沉积稳定度和压力差数据序列中任意两个沉积窗口的数据分布的差异，获得每个管道的压力差数据序列中任意两个沉积窗口之间的沉积特征，包括的具体步骤如下：
通过主成分分析算法获得每个沉积窗口的主成分方向；
每个管道的压力差数据序列中任意两个沉积窗口之间的沉积特征的计算公式为：
式中，表示第/>个管道对应的进水口的沉积稳定度，/>表示第/>个管道的压力差数据序列中第/>个沉积窗口所有数据的均值和第/>个沉积窗口所有数据的均值之间的差异，/>表示第/>个管道的压力差数据序列中第/>个沉积窗口的主成分方向和第/>个沉积窗口的主成分方向之间的夹角，/>表示第/>个管道的压力差数据序列中第/>个沉积窗口和第/>个沉积窗口之间的沉积特征，/>表示余弦函数，/>表示以自然常数为底的指数函数，/>表示/>函数，其中，差异表示差值的绝对值。
进一步地，所述根据每个管道的压力差数据序列中任意两个沉积窗口之间的沉积特征、任意两个沉积窗口中数据点之间的距离和每个出水口压力数据序列中每个时刻的压力数据的异常程度，获得每个管道的压力差数据序列中每个沉积窗口的沉积稳定因子，包括的具体步骤如下：
根据DTW算法将每个压力差数据序列中任意两个沉积窗口之间数据点进行匹配，得到任意两个沉积窗口之间的若干对匹配数据点；
每个管道的压力差数据序列中每个沉积窗口的沉积稳定因子的计算公式为：
式中，表示第/>个管道的压力差数据序列中第/>个沉积窗口和第/>个沉积窗口之间的沉积特征，/>表示第/>个管道对应的出水口压力数据序列中所有时刻的压力数据的异常程度的均值，/>表示第/>个管道的压力差数据序列中第/>个沉积窗口和第/>个沉积窗口之间第/>对匹配数据点之间的欧式距离，/>表示每个管道的压力差数据序列中任意两个沉积窗口之间匹配数据点的对数，/>表示每个管道的压力差数据序列中所有沉积窗口的个数，/>表示第/>个管道的压力差数据序列中第/>个沉积窗口的沉积稳定因子。
进一步地，所述根据沉积稳定因子获得每个管道的调整系数，根据每个管道的调整系数对预设初始滤波窗口大小参数进行调整，获得每个管道调整后的滤波窗口大小，包括的具体步骤如下：
计算每个管道的压力差数据序列中所有沉积窗口的沉积稳定因子的均值，记为每个管道的第一特征，将/>记为每个管道的调整系数，其中，/>表示以自然常数为底的指数函数；
将每个管道的调整系数加上的结果记为每个管道的第二特征，将每个管道的第二特征乘积预设初始滤波窗口大小参数的结果再进行向上取整，获得每个管道调整后的滤波窗口大小；其中，/>为预设参数。
进一步地，所述根据每个管道调整后的滤波窗口大小对压力数据进行滤波，获得滤波后的数据，根据滤波后的数据对反冲洗一体机进行控制，包括的具体步骤如下：
根据每个管道调整后的滤波窗口大小通过SG滤波算法对每个管道对应的进水口压力数据序列和出水口压力数据序列进行滤波，获得每个管道滤波后的进水口压力数据序列和出水口压力数据序列；
将每个管道滤波后的进水口压力数据序列和出水口压力数据序列中，每个时刻的进水口压力数据减去出水口压力数据再进行线性归一化，得到每个时刻的压力差数据，当每个时刻的压力差数据大于预设阈值Y时，则判定为异常时刻，当每个时刻的压力差数据小于或者等于预设阈值Y时，则判定为正常时刻，当连续出现Th个异常时刻时，则判定管道的过滤器发生了堵塞，此时进行预警，将堵塞的情况反馈到后台显示器上，并控制反冲洗一体机停止污水的注入，最后，通知过滤器更换人员对过滤器进行更换；其中，Th为预设参数。
本发明的技术方案的有益效果是：本发明根据出水口压力数据序列在每个时刻邻域中的数据分布的差异，获得每个出水口压力数据序列中每个时刻的压力数据的波动程度和异常程度，确定出每个时刻由外界振动干扰的影响程度；根据每个进水口压力数据序列中数据分布，获得每个进水口的沉积稳定度，确定出了每个进水口受外界振动干扰的程度；根据每个管道的进水口的沉积稳定度和压力差数据序列中任意两个沉积窗口的数据分布的差异，获得每个管道的压力差数据序列中任意两个沉积窗口之间的沉积特征，和每个管道的压力差数据序列中每个沉积窗口的沉积稳定因子，排除了外界振动干扰对压力数据的影响；根据沉积稳定因子获得每个管道的调整系数，根据每个管道的调整系数对预设初始滤波窗口大小参数进行调整，获得每个管道调整后的滤波窗口大小，根据每个管道调整后的滤波窗口大小对压力数据进行滤波，获得滤波后的数据，根据滤波后的数据对反冲洗一体机进行控制，优化了滤波窗口大小的参数，提高了压力数据的监测的准确性，进一步提高了对反冲洗一体机污水注入控制的精确性。
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，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为本发明一种用于数字化反冲洗一体机的智能控制方法的步骤流程图。
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用于数字化反冲洗一体机的智能控制方法，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用于数字化反冲洗一体机的智能控制方法的具体方案。
请参阅图1，其示出了本发明一个实施例提供的一种用于数字化反冲洗一体机的智能控制方法的步骤流程图，该方法包括以下步骤：
步骤S001：采集反冲洗一体机的进水口和出水口的压力数据。
需要说明的是，为了分析反冲洗一体机中的过滤单元是否存在堵塞的情况，因此需要采集反冲洗一体机的进水口和出水口的压力数据，通过进水口和出水口的压力数据来分析过滤单元的堵塞情况。
具体地，以五分钟为时间间隔，通过压力传感器采集三天内反冲洗一体机的进水口和出水口的压力数据，按照时间顺序组成进水口压力数据序列和出水口压力数据序列。其中，反冲洗一体机中有多个进水口和多个出水口，一个进水口对应一组进水口压力数据序列，一个出水口对应一组出水口压力数据序列。在本实施例中的反冲洗一体机中有多个管道，一个管道有进水口和出水口，即一个进水口对应一个出水口。
至此，得到每个管道的进水口压力数据序列和出水口压力数据序列。
步骤S002：根据所有出水口压力数据序列在同一时刻邻域中的数据分布的差异，获得每个出水口压力数据序列中每个时刻的压力数据的波动程度，根据每个出水口压力数据序列中不同时刻的邻域中压力数据之间的差异和波动程度，获得每个出水口压力数据序列中每个时刻的压力数据的异常程度。
需要说明的是，当反冲洗一体机的过滤单元正常工作，没有发生堵塞时，其进水口和出水口的压力数据都是平稳的，则相邻时刻的压力数据之间的差异都比较小，即波动范围较小；当过滤单元出现堵塞时，进水口和出水口的压力数据都会发生较大程度的改变，此时则相邻时刻的压力数据之间的差异较大，即波动范围较大，但此时的波动是一种有趋势的改变；当污水的水质差异较大或者压力传感器周围存在振动时，采集到的压力数据也存在波动，但是此时的波动是极个别时刻的数据的波动，并没有一种趋势的波动，因此可以根据这些特征来分析每个时刻数据的异常波动情况。
具体地，预设一个参数A，其中本实施例以A=15为例进行叙述，本实施例不进行具体限定，其中A可根据具体实施情况而定。以进水口压力数据序列和出水口压力数据序列中每个时刻的压力数据为中心点，以A为邻域窗口大小，获得进水口压力数据序列和出水口压力数据序列中每个时刻的压力数据的邻域窗口；其中，在邻域窗口的中心点左侧和右侧的数据点个数相同。
根据不同出水口的出水口压力数据序列在同一时刻的邻域窗口中数据分布的差异特征，获得每个出水口的出水口压力数据序列中每个时刻的压力数据的波动程度，用公式表示为：
式中，表示第/>个出水口的出水口压力数据序列中第/>个时刻的压力数据的邻域窗口中所有压力数据的标准差，/>表示第/>个出水口的出水口压力数据序列中第/>个时刻的压力数据的邻域窗口中所有压力数据的标准差，/>表示第/>个出水口的出水口压力数据序列中第/>个时刻的压力数据的邻域窗口中所有压力数据的均值，/>表示第/>个出水口的出水口压力数据序列中第/>个时刻的压力数据的邻域窗口中所有压力数据的均值，/>表示所有出水口的数量，/>为绝对值符号，/>表示第/>个出水口的出水口压力数据序列中第/>个时刻的压力数据的波动程度，/>表示/>函数，用于对数据的归一化。
其中，表示不同出水口在同一时刻的压力数据的邻域窗口中所有数据的标准差的差异，当该差异越大时，表示该时刻的压力数据出现波动的程度越大，当该差异越小时，表示该时刻的压力数据出现波动的程度越小。/>表示不同出水口在同一时刻的压力数据的邻域窗口中所有数据的均值的差异，当该差异越大时，表示该时刻的压力数据出现异常波动的程度越小，因为可能是有趋势时的压力数据波动，并不是因为振动引起的压力数据的异常；当该差异越小时，表示该时刻的压力数据出现异常波动的程度越大，因为可能振动引起的压力数据的异常。其中，差异表示差值的绝对值。
至此，得到每个出水口的出水口压力数据序列中每个时刻的压力数据的波动程度。
需要说明的是，当一个出水口的出水口压力数据序列中的所有压力数据呈现趋势改变时，其对应的邻域窗口内的压力数据异常波动较小，而当一个出水口的出水口压力数据序列中的所有压力数据不是呈现趋势改变时，此时邻域窗口内的压力数据异常波动较大；因此可以根据所有时刻的邻域窗口内压力数据的分布波动之间的差异来分析每个时刻的压力数据的异常波动情况。
具体地，根据每个出水口压力数据序列中不同时刻的压力数据的邻域窗口中压力数据之间的差异和波动程度，获得每个出水口的出水口压力数据序列中每个时刻的压力数据的异常程度，用公式表示为：
式中，表示第/>个出水口的出水口压力数据序列中第/>个时刻的压力数据的邻域窗口中所有压力数据的标准差，/>表示第/>个出水口的出水口压力数据序列中第/>个时刻的压力数据的邻域窗口中所有压力数据的标准差，/>表示每个出水口的出水口压力数据序列中所有压力数据的总个数，/>表示第/>个出水口的出水口压力数据序列中第/>个时刻的压力数据的波动程度，/>表示第/>个出水口的出水口压力数据序列中第/>个时刻的压力数据的波动程度，/>为绝对值符号，/>表示第/>个出水口的出水口压力数据序列中第/>个时刻的压力数据的异常程度。
其中，表示同一个出水口的出水口压力数据序列中不同时刻的压力数据的邻域窗口内所有数据的标准差的差异，当该差异越大时，表示出现异常波动的可能性越大，即压力数据的异常程度越大；当该差异越小时，表示出现异常波动的可能性越小，即压力数据的异常程度越小。
至此，得到每个出水口的出水口压力数据序列中每个时刻的压力数据的异常程度。
步骤S003：根据每个进水口压力数据序列中数据分布，获得每个进水口的沉积稳定度，根据每个管道的进水口压力数据序列和出水口压力数据序列之间的差异，获得每个管道的压力差数据序列，将每个管道的压力差数据序列均等划分为若干个沉积窗口，根据每个管道的进水口的沉积稳定度和压力差数据序列中任意两个沉积窗口的数据分布的差异，获得每个管道的压力差数据序列中任意两个沉积窗口之间的沉积特征，根据每个管道的压力差数据序列中任意两个沉积窗口之间的沉积特征、任意两个沉积窗口中数据点之间的距离和每个出水口压力数据序列中每个时刻的压力数据的异常程度，获得每个管道的压力差数据序列中每个沉积窗口的沉积稳定因子。
需要说明的是，反冲洗一体机在进行过滤过程时，水通过过滤单元，这可能会导致进水口和出水口之间存在一定的压力差异。如果过滤单元在一段时间内积聚了大量的颗粒和污染物，导致堵塞，那么水在通过进水口进入过滤单元时会遇到更大的阻力，从而产生进水口处的高压；与此同时，由于堵塞，出水口的水流受到限制，压力相对较低。
进一步需要说明的是，当出现堵塞时，进水口的压力数据是呈现趋势性的变化，当由于振动的干扰导致进水口的数据变化时，则进水口的压力数据是范围性的波动较大，且变化不是趋势性的，因此可以通过对进水口的进水口压力数据序列进行划分区间分段，分析每段的中压力数据的变化特征来分析每个进水口的沉积稳定度。
具体地，以时间顺序为横轴，以压力数据值为纵轴建立参考坐标系；将每个进水口的进水口压力数据序列映射在参考坐标系中，根据最小二乘法通过五次多项式对每个进水口的进水口压力数据序列进行曲线拟合，得到进水口压力数据曲线；获取每个进水口压力数据曲线中的极值点，将进水口压力数据序列中所有离极值点最近的压力数据点，记为进水口压力数据序列中的分割点；根据进水口压力数据序列中的分割点将每个进水口压力数据序列划分为若干个小区间序列。其中，本实施例通过五次多项式进行曲线拟合，但是在本实施例中不进行具体的限定，实施者可根据具体情况而定；最小二乘法为公知技术，此处不再进行具体赘述。其中，极值点包括极大值点和极小值点。
将每个进水口压力数据序列的若干个小区间序列进行两两组合，得到若干个小区间序列组合。预设一个参数B，其中本实施例以B=20为例进行叙述，本实施例不进行具体限定，其中B可根据具体实施情况而定。将每个小区间序列均等划分为B个沉积序列，对每个小区间序列中的所有沉积序列按照时间顺序进行位置编号，此时，每个小区间序列中的所有沉积序列都有自己的位置序号。根据DTW算法（动态时间规整算法）可以得到每个进水口压力数据序列中的每个小区间序列组合的相同位置序号的沉积序列之间的相似度。将每个进水口压力数据序列中的每个小区间序列的两个端点之间的欧式距离，记为每个小区间序列的沉积能力。其中，DTW算法为公知技术，此处不再进行具体赘述。
需要说明的是，当采集压力数据的过程中，如果压力传感器没有受到外接的干扰，则两个序列之间的相似度较高，而压力传感器受到外接的干扰，则两个序列之间的相似度较低；又因为振动的干扰是一个短时间的影响，因此将每个进水口压力数据序列划分为若干个小序列进行分析。
具体地，根据每个进水口压力数据序列中的每个小区间序列组合的相同位置序号的沉积序列之间的相似度、小区间序列的沉积能力之间的差异，获得每个进水口的沉积稳定度，用公式表示为：
式中，表示第/>个进水口压力数据序列中的第/>个小区间序列组合的第/>个位置序号的两个沉积序列之间的相似度，/>表示第/>个进水口压力数据序列中的第/>个小区间序列组合的两个小区间序列之间的沉积能力的差值的绝对值，/>表示每个进水口压力数据序列中所有的小区间序列组合的总个数，/>为预设参数，/>表示第/>个进水口的沉积稳定度，/>表示/>函数，用于对数据的归一化。
其中，当每个进水口压力数据序列中的每个小区间序列组合的相同位置序号的沉积序列之间的相似度越高，表示该进水口的越是正常沉积的过程，即该进水口的沉积稳定度越大；当每个进水口压力数据序列中的每个小区间序列组合的相同位置序号的沉积序列之间的相似度越低，表示该进水口的越不符号正常沉积的过程，则可能是存在振动的干扰，即该进水口的沉积稳定度越小。两个小区间序列之间的沉积能力的差异作为相似度的权值，即当小区间序列的两个端点之间的欧式距离的差异越大，则表示该进水口的沉积稳定度越大，反之越小。
至此，得到每个进水口的沉积稳定度。
需要说明的是，在正常情况下，即在过滤器没有出现堵塞的情况时，每个管道在每个时刻的进水口压力数据和出水口压力数据之间的压力差几乎不变，或者差异不大，但是当过滤器出现堵塞时，每个管道在连续相邻时刻的进水口压力数据和出水口压力数据之间的压力差时逐渐增大的，因此可以通过压力差数据进行分析。
进一步需要说明的是，在本实施例中的反冲洗一体机中有多个管道，一个管道有进水口和出水口，即一个进水口对应一个出水口。
具体地，将每个管道中的进水口压力数据序列和出水口压力数据序列中，相同时刻的进水口压力数据减去出水口压力数据，得到每个管道的压力差数据序列。将每个管道的压力差数据序列均等划分为大小为A的若干个沉积窗口，其中，沉积窗口之间不重合；其中A为预设参数。
通过主成分分析算法对每个压力差数据序列中每个沉积窗口的所有数据进行分析，获取每个沉积窗口的主成分方向；其中，主成分分析算法为公知技术，此处不再进行具体赘述。
根据每个压力差数据序列中任意两个沉积窗口的主成分方向之间的夹角、任意两个沉积窗口所有数据的均值之间的差异和每个进水口的沉积稳定度，获得每个管道的压力差数据序列中任意两个沉积窗口之间的沉积特征，用公式表示为：
式中，表示第/>个管道对应的进水口的沉积稳定度，/>表示第/>个管道的压力差数据序列中第/>个沉积窗口所有数据的均值和第/>个沉积窗口所有数据的均值之间的差异，/>表示第/>个管道的压力差数据序列中第/>个沉积窗口的主成分方向和第/>个沉积窗口的主成分方向之间的夹角，/>表示第/>个管道的压力差数据序列中第/>个沉积窗口和第/>个沉积窗口之间的沉积特征，/>表示余弦函数，/>表示以自然常数为底的指数函数，/>表示/>函数，用于对数据的归一化；其中，差异表示差值的绝对值。
其中，表示两个沉积窗口的主成分方向之间的差异，当该差异越大时，表示两个沉积窗口之间的沉积特征越大，当该差异越小时，表示两个沉积窗口之间的沉积特征越小。
根据DTW算法将每个压力差数据序列中任意两个沉积窗口之间数据点进行匹配，得到任意两个沉积窗口之间的若干对匹配数据点，其中，DTW算法是通过最短距离进行数据点匹配的。根据每个管道对应的出水口压力数据序列中所有时刻的压力数据的异常程度的均值、每个管道的任意两个沉积窗口之间的沉积特征和任意两个沉积窗口之间所有匹配数据点之间的距离，获得每个管道的压力差数据序列中每个沉积窗口的沉积稳定因子，用公式表示为：
式中，表示第/>个管道的压力差数据序列中第/>个沉积窗口和第/>个沉积窗口之间的沉积特征，/>表示第/>个管道对应的出水口压力数据序列中所有时刻的压力数据的异常程度的均值，/>表示第/>个管道的压力差数据序列中第/>个沉积窗口和第/>个沉积窗口之间第/>对匹配数据点之间的欧式距离，/>表示每个管道的压力差数据序列中任意两个沉积窗口之间匹配数据点的对数，/>表示每个管道的压力差数据序列中所有沉积窗口的个数，/>表示第/>个管道的压力差数据序列中第/>个沉积窗口的沉积稳定因子。
其中，表示沉积窗口的所有匹配数据点之间的欧式距离和所有时刻的异常程度的乘积，当该乘积越大，表示该沉积窗口的稳定性越差，即对应的沉积稳定因子越小；当该乘积越小，表示该沉积窗口的稳定性越好，即对应的沉积稳定因子越大。
至此，得到每个管道的压力差数据序列中每个沉积窗口的沉积稳定因子。
步骤S004：根据沉积稳定因子获得每个管道的调整系数，根据每个管道的调整系数对预设初始滤波窗口大小参数进行调整，获得每个管道调整后的滤波窗口大小，根据每个管道调整后的滤波窗口大小对压力数据进行滤波，获得滤波后的数据，根据滤波后的数据对反冲洗一体机进行控制。
需要说明的是，当每个管道的压力差数据序列中每个沉积窗口的沉积稳定因子越大，表示对应的管道的进水口在沉积过程中比较稳定，则需要调整的程度就越小；当每个管道的压力差数据序列中每个沉积窗口的沉积稳定因子越小，表示对应的管道的进水口在沉积过程中越不稳定，则需要调整的程度就越大。
具体地，对每个管道的压力差数据序列中每个沉积窗口的沉积稳定因子进行负相关映射，获得每个管道的调整系数，用公式表示为：
式中，表示第/>个管道的压力差数据序列中第/>个沉积窗口的沉积稳定因子，/>表示每个管道的压力差数据序列中所有沉积窗口的个数，/>表示第/>个管道的调整系数，表示以自然常数为底的指数函数。
预设一个初始滤波窗口大小参数U，其中本实施例以U=20为例进行叙述，本实施例不进行具体限定，其中U可根据具体实施情况而定。预设一个参数，其中本实施例以为例进行叙述，本实施例不进行具体限定，其中/>可根据具体实施情况而定。
根据每个管道的调整系数对初始滤波窗口大小参数进行调整，获得每个管道调整后的滤波窗口大小，用公式表示为：
式中，表示预设初始滤波窗口大小参数，/>表示第/>个管道的调整系数，/>表示第个管道调整后的滤波窗口大小，/>表示对/>进行向上取整。
至此，得到每个管道调整后的滤波窗口大小。
根据每个管道调整后的滤波窗口大小通过SG滤波算法对每个管道对应的进水口压力数据序列和出水口压力数据序列进行滤波，获得每个管道滤波后的进水口压力数据序列和出水口压力数据序列。其中，SG滤波算法为公知技术，此处不再进行具体赘述。
预设一个阈值Y，其中本实施例以Y=0.5为例进行叙述，本实施例不进行具体限定，其中Y可根据具体实施情况而定。预设一个参数Th，其中本实施例以Th=10为例进行叙述，本实施例不进行具体限定，其中Th可根据具体实施情况而定。
将每个管道滤波后的进水口压力数据序列和出水口压力数据序列中，每个时刻的进水口压力数据减去出水口压力数据再进行线性归一化，得到每个时刻的压力差数据，当每个时刻的压力差数据大于预设阈值Y时，则判定该时刻为异常时刻，当每个时刻的压力差数据小于或者等于预设阈值Y时，则判定该时刻为正常时刻，当连续出现Th个异常时刻时，则判定管道的过滤器发生了堵塞，此时进行预警，将堵塞的情况反馈到后台显示器上，并控制反冲洗一体机停止污水的注入，最后，通知过滤器更换人员对过滤器进行更换。
至此，本实施例完成。
需要说明的是，本实施例中所用的模型仅用于表示负相关关系和约束模型输出的结果处于/>区间内，具体实施时，可替换成具有同样目的的其他模型，本实施例只是以/>模型为例进行叙述，不对其做具体限定，其中/>是指该模型的输入。
需要说明的是，在其它实施例中，利用反冲洗一体机进行过滤时，当过滤器出现堵塞也是同时适用的，例如当水肥中的颗粒也出现堵塞时，也可以使用本实施例进行更换过滤器，避免堵塞严重。
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 (1)
1.一种用于数字化反冲洗一体机的智能控制方法，其特征在于，该方法包括以下步骤：
采集反冲洗一体机中每个管道若干个时刻的进水口压力数据序列和出水口压力数据序列；
根据所有出水口压力数据序列在同一时刻邻域中的数据分布的差异，获得每个出水口压力数据序列中每个时刻的压力数据的波动程度，根据每个出水口压力数据序列中不同时刻的邻域中压力数据之间的差异和波动程度，获得每个出水口压力数据序列中每个时刻的压力数据的异常程度；
根据每个进水口压力数据序列中数据分布，获得每个进水口的沉积稳定度，根据每个管道的进水口压力数据序列和出水口压力数据序列之间的差异，获得每个管道的压力差数据序列，将每个管道的压力差数据序列均等划分为若干个沉积窗口，根据每个管道的进水口的沉积稳定度和压力差数据序列中任意两个沉积窗口的数据分布的差异，获得每个管道的压力差数据序列中任意两个沉积窗口之间的沉积特征，根据每个管道的压力差数据序列中任意两个沉积窗口之间的沉积特征、任意两个沉积窗口中数据点之间的距离和每个出水口压力数据序列中每个时刻的压力数据的异常程度，获得每个管道的压力差数据序列中每个沉积窗口的沉积稳定因子；
根据沉积稳定因子获得每个管道的调整系数，根据每个管道的调整系数对预设初始滤波窗口大小参数进行调整，获得每个管道调整后的滤波窗口大小，根据每个管道调整后的滤波窗口大小对压力数据进行滤波，获得滤波后的数据，根据滤波后的数据对反冲洗一体机进行控制；
所述根据所有出水口压力数据序列在同一时刻邻域中的数据分布的差异，获得每个出水口压力数据序列中每个时刻的压力数据的波动程度，包括的具体步骤如下：
以出水口压力数据序列中每个时刻的压力数据为中心点，以A为邻域窗口大小，获得出水口压力数据序列中每个时刻的压力数据的邻域窗口；其中，A为预设参数；
每个出水口压力数据序列中每个时刻的压力数据的波动程度的计算公式为：
式中，表示第/>个出水口的出水口压力数据序列中第/>个时刻的压力数据的邻域窗口中所有压力数据的标准差，/>表示第/>个出水口的出水口压力数据序列中第/>个时刻的压力数据的邻域窗口中所有压力数据的标准差，/>表示第/>个出水口的出水口压力数据序列中第/>个时刻的压力数据的邻域窗口中所有压力数据的均值，/>表示第/>个出水口的出水口压力数据序列中第/>个时刻的压力数据的邻域窗口中所有压力数据的均值，/>表示所有出水口的数量，/>为绝对值符号，/>表示第/>个出水口的出水口压力数据序列中第/>个时刻的压力数据的波动程度，/>表示/>函数；
所述根据每个出水口压力数据序列中不同时刻的邻域中压力数据之间的差异和波动程度，获得每个出水口压力数据序列中每个时刻的压力数据的异常程度，包括的计算公式如下：
式中，表示第/>个出水口的出水口压力数据序列中第/>个时刻的压力数据的邻域窗口中所有压力数据的标准差，/>表示第/>个出水口的出水口压力数据序列中第/>个时刻的压力数据的邻域窗口中所有压力数据的标准差，/>表示每个出水口的出水口压力数据序列中所有压力数据的总个数，/>表示第/>个出水口的出水口压力数据序列中第/>个时刻的压力数据的波动程度，/>表示第/>个出水口的出水口压力数据序列中第/>个时刻的压力数据的波动程度，/>为绝对值符号，/>表示第/>个出水口的出水口压力数据序列中第/>个时刻的压力数据的异常程度；
所述根据每个进水口压力数据序列中数据分布，获得每个进水口的沉积稳定度，包括的具体步骤如下：
以时间顺序为横轴，以压力数据值为纵轴建立参考坐标系；将每个进水口压力数据序列映射在参考坐标系中，根据最小二乘法对每个进水口压力数据序列进行曲线拟合，得到进水口压力数据曲线；获取每个进水口压力数据曲线中的极值点，将进水口压力数据序列中所有离极值点最近的压力数据点，记为进水口压力数据序列中的分割点；根据进水口压力数据序列中的分割点将每个进水口压力数据序列划分为若干个小区间序列；其中，极值点包括极大值点和极小值点；
将每个进水口压力数据序列的若干个小区间序列进行两两组合，得到若干个小区间序列组合；将每个小区间序列均等划分为B个沉积序列，对每个小区间序列中的所有沉积序列按照时间顺序进行位置编号；根据DTW算法可以得到每个进水口压力数据序列中的每个小区间序列组合的相同位置序号的沉积序列之间的相似度；将每个进水口压力数据序列中的每个小区间序列的两个端点之间的欧式距离，记为每个小区间序列的沉积能力；其中，B为预设参数；
每个进水口的沉积稳定度的计算公式为：
式中，表示第/>个进水口压力数据序列中的第/>个小区间序列组合的第/>个位置序号的两个沉积序列之间的相似度，/>表示第/>个进水口压力数据序列中的第/>个小区间序列组合的两个小区间序列之间的沉积能力的差值的绝对值，/>表示每个进水口压力数据序列中所有的小区间序列组合的总个数，/>为预设参数，/>表示第/>个进水口的沉积稳定度，表示/>函数；
所述根据每个管道的进水口压力数据序列和出水口压力数据序列之间的差异，获得每个管道的压力差数据序列，包括的具体步骤如下：
将每个管道中的进水口压力数据序列和出水口压力数据序列中，相同时刻的进水口压力数据减去出水口压力数据，得到每个管道的压力差数据序列；
所述将每个管道的压力差数据序列均等划分为若干个沉积窗口，包括的具体步骤如下：
将每个管道的压力差数据序列均等划分为大小为A的若干个沉积窗口，其中，A为预设参数；
所述根据每个管道的进水口的沉积稳定度和压力差数据序列中任意两个沉积窗口的数据分布的差异，获得每个管道的压力差数据序列中任意两个沉积窗口之间的沉积特征，包括的具体步骤如下：
通过主成分分析算法获得每个沉积窗口的主成分方向；
每个管道的压力差数据序列中任意两个沉积窗口之间的沉积特征的计算公式为：
式中，表示第/>个管道对应的进水口的沉积稳定度，/>表示第/>个管道的压力差数据序列中第/>个沉积窗口所有数据的均值和第/>个沉积窗口所有数据的均值之间的差异，表示第/>个管道的压力差数据序列中第/>个沉积窗口的主成分方向和第/>个沉积窗口的主成分方向之间的夹角，/>表示第/>个管道的压力差数据序列中第/>个沉积窗口和第/>个沉积窗口之间的沉积特征，/>表示余弦函数，/>表示以自然常数为底的指数函数，表示/>函数，其中，差异表示差值的绝对值；
所述根据每个管道的压力差数据序列中任意两个沉积窗口之间的沉积特征、任意两个沉积窗口中数据点之间的距离和每个出水口压力数据序列中每个时刻的压力数据的异常程度，获得每个管道的压力差数据序列中每个沉积窗口的沉积稳定因子，包括的具体步骤如下：
根据DTW算法将每个压力差数据序列中任意两个沉积窗口之间数据点进行匹配，得到任意两个沉积窗口之间的若干对匹配数据点；
每个管道的压力差数据序列中每个沉积窗口的沉积稳定因子的计算公式为：
式中，表示第/>个管道的压力差数据序列中第/>个沉积窗口和第/>个沉积窗口之间的沉积特征，/>表示第/>个管道对应的出水口压力数据序列中所有时刻的压力数据的异常程度的均值，/>表示第/>个管道的压力差数据序列中第/>个沉积窗口和第/>个沉积窗口之间第/>对匹配数据点之间的欧式距离，/>表示每个管道的压力差数据序列中任意两个沉积窗口之间匹配数据点的对数，/>表示每个管道的压力差数据序列中所有沉积窗口的个数，表示第/>个管道的压力差数据序列中第/>个沉积窗口的沉积稳定因子；
所述根据沉积稳定因子获得每个管道的调整系数，根据每个管道的调整系数对预设初始滤波窗口大小参数进行调整，获得每个管道调整后的滤波窗口大小，包括的具体步骤如下：
计算每个管道的压力差数据序列中所有沉积窗口的沉积稳定因子的均值，记为每个管道的第一特征，将/>记为每个管道的调整系数，其中，/>表示以自然常数为底的指数函数；
将每个管道的调整系数加上的结果记为每个管道的第二特征，将每个管道的第二特征乘积预设初始滤波窗口大小参数的结果再进行向上取整，获得每个管道调整后的滤波窗口大小；其中，/>为预设参数；
所述根据每个管道调整后的滤波窗口大小对压力数据进行滤波，获得滤波后的数据，根据滤波后的数据对反冲洗一体机进行控制，包括的具体步骤如下：
根据每个管道调整后的滤波窗口大小通过SG滤波算法对每个管道对应的进水口压力数据序列和出水口压力数据序列进行滤波，获得每个管道滤波后的进水口压力数据序列和出水口压力数据序列；
将每个管道滤波后的进水口压力数据序列和出水口压力数据序列中，每个时刻的进水口压力数据减去出水口压力数据再进行线性归一化，得到每个时刻的压力差数据，当每个时刻的压力差数据大于预设阈值Y时，则判定为异常时刻，当每个时刻的压力差数据小于或者等于预设阈值Y时，则判定为正常时刻，当连续出现Th个异常时刻时，则判定管道的过滤器发生了堵塞，此时进行预警，将堵塞的情况反馈到后台显示器上，并控制反冲洗一体机停止污水的注入，最后，通知过滤器更换人员对过滤器进行更换；其中，Th为预设参数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410095070.3A CN117599519B (zh) | 2024-01-24 | 2024-01-24 | 一种用于数字化反冲洗一体机的智能控制方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410095070.3A CN117599519B (zh) | 2024-01-24 | 2024-01-24 | 一种用于数字化反冲洗一体机的智能控制方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117599519A CN117599519A (zh) | 2024-02-27 |
| CN117599519B true CN117599519B (zh) | 2024-04-12 |
Family
ID=89952104
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410095070.3A Active CN117599519B (zh) | 2024-01-24 | 2024-01-24 | 一种用于数字化反冲洗一体机的智能控制方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117599519B (zh) |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103906149A (zh) * | 2012-12-28 | 2014-07-02 | 中国移动通信集团北京有限公司 | 一种信号波动分析方法、装置及系统 |
| CN107096272A (zh) * | 2017-05-10 | 2017-08-29 | 上海伶尔亿环境工程有限公司 | 一种全自动列管式反冲洗过滤器及其过滤方法 |
| WO2021213301A1 (zh) * | 2020-04-20 | 2021-10-28 | 阿里巴巴集团控股有限公司 | 深度图处理方法、视频重建方法及相关装置 |
| CN114849316A (zh) * | 2022-07-11 | 2022-08-05 | 冠兴(西安)通信电子工程有限公司 | 一种智能化反冲洗过滤的自动控制系统 |
| CN115848558A (zh) * | 2023-02-13 | 2023-03-28 | 威海中远海运重工科技有限公司 | 一种船舶压载水智能调控系统 |
| CN116340819A (zh) * | 2023-03-20 | 2023-06-27 | 西安普特流体控制有限公司 | 一种供水管网水力状态判别方法 |
| CN116992393A (zh) * | 2023-09-27 | 2023-11-03 | 联通(江苏)产业互联网有限公司 | 一种基于工业物联网的安全生产监测方法 |
| CN117033911A (zh) * | 2023-10-07 | 2023-11-10 | 深圳市魔样科技有限公司 | 基于智能眼镜数据的计步分析方法 |
| CN117407700A (zh) * | 2023-12-14 | 2024-01-16 | 国网山东省电力公司莱芜供电公司 | 一种带电作业过程中作业环境的监测方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101932719B1 (ko) * | 2012-04-27 | 2018-12-27 | 삼성전자주식회사 | 단층 영상 생성 장치 및 단층 영상 생성 방법 |
-
2024
- 2024-01-24 CN CN202410095070.3A patent/CN117599519B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103906149A (zh) * | 2012-12-28 | 2014-07-02 | 中国移动通信集团北京有限公司 | 一种信号波动分析方法、装置及系统 |
| CN107096272A (zh) * | 2017-05-10 | 2017-08-29 | 上海伶尔亿环境工程有限公司 | 一种全自动列管式反冲洗过滤器及其过滤方法 |
| WO2021213301A1 (zh) * | 2020-04-20 | 2021-10-28 | 阿里巴巴集团控股有限公司 | 深度图处理方法、视频重建方法及相关装置 |
| CN114849316A (zh) * | 2022-07-11 | 2022-08-05 | 冠兴(西安)通信电子工程有限公司 | 一种智能化反冲洗过滤的自动控制系统 |
| CN115848558A (zh) * | 2023-02-13 | 2023-03-28 | 威海中远海运重工科技有限公司 | 一种船舶压载水智能调控系统 |
| CN116340819A (zh) * | 2023-03-20 | 2023-06-27 | 西安普特流体控制有限公司 | 一种供水管网水力状态判别方法 |
| CN116992393A (zh) * | 2023-09-27 | 2023-11-03 | 联通(江苏)产业互联网有限公司 | 一种基于工业物联网的安全生产监测方法 |
| CN117033911A (zh) * | 2023-10-07 | 2023-11-10 | 深圳市魔样科技有限公司 | 基于智能眼镜数据的计步分析方法 |
| CN117407700A (zh) * | 2023-12-14 | 2024-01-16 | 国网山东省电力公司莱芜供电公司 | 一种带电作业过程中作业环境的监测方法 |
Non-Patent Citations (1)
| Title |
|---|
| 基于多项式滤波的常减压装置稳态工况判别;罗凡等;炼油与化工;20170228(第1期);第51-55页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117599519A (zh) | 2024-02-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Solé-Torres et al. | Effect of different sand filter underdrain designs on emitter clogging using reclaimed effluents | |
| CN114849316B (zh) | 一种智能化反冲洗过滤的自动控制系统 | |
| CN111811580A (zh) | 一种水量/水质监测布点方法及预警响应系统 | |
| CN117599519B (zh) | 一种用于数字化反冲洗一体机的智能控制方法 | |
| CN114219252B (zh) | 一种基于sce-ua算法的流域单位线分析方法 | |
| CN114580852B (zh) | 基于工业大数据的水泵挡水板清理实时提醒系统 | |
| CN115374657A (zh) | 一种用于滤油机的净化性能评估方法及系统 | |
| CN117071680B (zh) | 一种用于农村河道的清淤防淤设备以及方法 | |
| CN103116877A (zh) | 一种水库水位过程平滑处理方法 | |
| CN211735715U (zh) | 一种地下调节池专用非金属格栅 | |
| CN115495475B (zh) | 一种湖泊水污染治理方法及系统 | |
| Solé-Torres et al. | Assessment of microirrigation field distribution uniformity procedures for pressure-compensating emitters under potential clogging conditions | |
| CN114693493B (zh) | 一种基于IoT的污染河流水生态修复系统 | |
| Arboleda‐Valencia et al. | Hydraulic Behavior of Declining‐Rate Filtration | |
| CN210612999U (zh) | 一种污水过滤装置 | |
| Hasani et al. | Performance of disc, conventional and automatic screen filters under rainbow trout fish farm effluent for drip irrigation system | |
| CN117520752B (zh) | 基于大数据的水利工程信息管理方法 | |
| CN117379978B (zh) | 超滤膜池运行方法及装置、电子设备、可读存储介质 | |
| CN105709467B (zh) | 排泥系统及使用其的方法 | |
| CN209333269U (zh) | 一种具有过滤槽的污水生物处理装置 | |
| CN205046469U (zh) | 一种露天输送物料栈桥排水系统 | |
| CN205153097U (zh) | 一种带有自动清淤功能的火力发电厂集水井 | |
| Dabrowski | The progression of flow rates in variable declining rate filter systems | |
| CN114933403B (zh) | 基于水体污泥分析的污染治理设备的控制方法 | |
| CN219823876U (zh) | 一种防堵型复合人工湿地 |
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 |