CN117668468B - 一种化工制备数据智能分析管理系统 - Google Patents
一种化工制备数据智能分析管理系统 Download PDFInfo
- Publication number
- CN117668468B CN117668468B CN202410128856.0A CN202410128856A CN117668468B CN 117668468 B CN117668468 B CN 117668468B CN 202410128856 A CN202410128856 A CN 202410128856A CN 117668468 B CN117668468 B CN 117668468B
- Authority
- CN
- China
- Prior art keywords
- data
- temperature monitoring
- monitoring data
- target processing
- signal
- 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
- 238000002360 preparation method Methods 0.000 title claims abstract description 23
- 238000004458 analytical method Methods 0.000 title claims abstract description 14
- 238000012544 monitoring process Methods 0.000 claims abstract description 134
- 238000012545 processing Methods 0.000 claims abstract description 84
- 238000009499 grossing Methods 0.000 claims abstract description 38
- 238000004519 manufacturing process Methods 0.000 claims abstract description 37
- 230000011218 segmentation Effects 0.000 claims abstract description 26
- 238000004140 cleaning Methods 0.000 claims abstract description 18
- 238000007726 management method Methods 0.000 claims abstract description 14
- 238000012423 maintenance Methods 0.000 claims abstract description 13
- 230000000737 periodic effect Effects 0.000 claims abstract description 12
- 238000013500 data storage Methods 0.000 claims abstract description 6
- 238000000034 method Methods 0.000 claims description 28
- 230000035772 mutation Effects 0.000 claims description 19
- 238000001914 filtration Methods 0.000 claims description 15
- 230000008859 change Effects 0.000 abstract description 12
- 238000003860 storage Methods 0.000 abstract description 8
- 230000006870 function Effects 0.000 description 22
- 230000008569 process Effects 0.000 description 5
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 208000033999 Device damage Diseases 0.000 description 1
- 241000227425 Pieris rapae crucivora Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 231100000279 safety data Toxicity 0.000 description 1
Landscapes
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明涉及数据处理技术领域,提出了一种化工制备数据智能分析管理系统,包括:数据采集模块,从数据存储器调用温度监测数据;基信号确定模块,获取每个拟合方程的第一目标函数值,确定温度监测数据的基信号;突变成分信号段确定模块,获取目标处理数据和目标处理数据序列,确定划分方式的信号段和第二目标函数值,确定最优信号分段结果,确定信号段的突变程度,确定突变成分信号段;数据清洗模块,对目标处理数据进行第一次平滑去噪,获取第一平滑目标处理数据序列,进行二次平滑,获取温度监测数据去噪后的数据,完成对所有温度监测数据的定期维护和清洗。本发明解决生产监测数据受到储存环境变化的影响,易出现失真的问题。
Description
技术领域
本发明涉及数据处理技术领域,具体涉及一种化工制备数据智能分析管理系统。
背景技术
传统的化工制备往往依赖于人工经验和手工调整,随着传感器技术和实时监测系统的普及,生产过程中产生的海量数据为化工设备的参数设置和设备调整提供了深度支持,可帮助生产人员优化生产流程。因此,对历史生产监测数据的采集、存储、维护以及管理工作都相当重要。由于传感器技术所得的生产监测数据几乎大多数为数字信号或模拟信号,信号数据对各类干扰往往更为敏感。因此,在对历史生产监测数据进行管理时,最大的问题为不同时段、不同监测环境下采集到的监测数据质量参差不齐,对质量不同的历史生产监测数据进行定期维护、清洗数据,无法确保数据质量的稳定性。
为了提升数据质量,一般会对生产监测数据使用滤波进行平滑,减少噪声对采集的生产监测数据的影响,但是,当存储环境发生变化时,生产监测数据中的白噪声和脉冲噪声混合,使用滤波进行平滑的生产监测数据出现失真问题的风险较大。
发明内容
本发明提供一种化工制备数据智能分析管理系统,以解决生产监测数据受到储存环境变化的影响,易出现失真的问题,所采用的技术方案具体如下:
本发明一个实施例提供了一种化工制备数据智能分析管理系统,该系统包括以下模块:
数据采集模块,从数据存储器调用温度监测数据和对应的采集时间;
基信号确定模块,获取温度监测数据与不同拟合方程拟合后的拟合值,根据温度监测数据和温度监测数据的拟合值,获取每个拟合方程的第一目标函数值,根据第一目标函数值确定温度监测数据的基信号;
突变成分信号段确定模块,根据温度监测数据和基信号,获取目标处理数据,确定目标处理数据序列,将目标处理数据序列按照不同划分方式,分别均分为若干个预设数值个信号段,根据每一划分方式获取的信号段,确定划分方式的第二目标函数值,根据第二目标函数值的数值大小关系,确定最优信号分段结果,根据最优信号分段结果,确定信号段的极大值极差,进而确定信号段的突变程度,根据突变程度,确定突变成分信号段;
数据清洗模块,根据突变成分信号段对目标处理数据进行第一次平滑去噪,获取第一平滑目标处理数据序列,进而进行二次平滑,获取温度监测数据去噪后的数据,完成对所有温度监测数据的定期维护和清洗。
进一步,所述根据温度监测数据和温度监测数据的拟合值,获取每个拟合方程的第一目标函数值,根据第一目标函数值确定温度监测数据的基信号的方法为:
其中,表示拟合方程/>的第一目标函数值;/>表示第/>套生产流程获取的所有温度监测数据中,第/>个温度监测数据在拟合方程/>中的拟合值;/>表示第/>套生产流程获取的所有温度监测数据中,第/>个温度监测数据在所有拟合方程中的拟合值的均值;/>表示第/>套生产流程获取的所有温度监测数据中,第/>个温度监测数据;/>表示从数据存储器中调用的一整套生产流程的总套数;/>表示一整套生产流程获取的所有温度监测数据的数量;
将第一目标函数值最小的拟合方程作为温度监测数据的基信号。
进一步,所述目标处理数据的获取方法为:
将温度监测数据与温度监测数据的基信号获取的温度监测数据的拟合值的差值记为目标处理数据。
进一步,所述划分方式的第二目标函数值的获取方法为:
将同一划分方式获取的所有信号段内包含的所有目标处理数据的方差均值,记为此划分方式的第二目标函数值。
进一步,所述最优信号分段结果的获取方法为:
将第二目标函数值最大的划分方式划分的信号段,记为最优信号分段结果。
进一步,所述信号段的极大值极差的获取方法为:
将最优信号分段结果中信号段内包含的目标处理数据的极大值中的最大值与最小值的差值,记为信号段的极大值极差。
进一步,所述信号段的突变程度的获取方法为:
将最优信号分段结果中信号段的极大值极差和偏度的乘积的归一化值记为信号段的突变程度。
进一步,所述突变成分信号段的方法为:
将突变程度大于等于第一预设阈值的信号段记为突变成分信号段。
进一步,所述根据突变成分信号段对目标处理数据进行第一次平滑去噪,获取第一平滑目标处理数据序列的方法为:
将突变成分信号段内包含的目标处理数据的标准差作为滤波去噪的滤波强度,对目标处理数据进行第一次平滑去噪,将去噪后的目标处理数据和不在突变成分信号段内的目标处理数据按照获取时间的顺序进行排列,获取第一平滑目标处理数据序列。
进一步,所述进而进行二次平滑,获取温度监测数据去噪后的数据,完成对所有温度监测数据的定期维护和清洗的方法为:
对第一平滑目标处理数据序列使用最小均方滤波进行二次平滑,将二次平滑后的目标处理数据与其对应的温度监测数据的拟合值的和,作为其对应的温度监测数据去噪后的数据,完成对所有温度监测数据的定期维护和清洗。
本发明的有益效果是:
本发明针对化工制备过程中传感器数据在定期清洗维护过程中,由于存储环境变化导致随机突变的脉冲噪声与白噪声混合问题进行分析,首先,根据已实现自动化生产的化工制备过程中,所有工艺参数或设备参数都会具有高度的重复性,均应符合最基本的变化趋势的特征,确定温度监测数据的基信号,基信号即为生产过程中,化工制备数据按照变化趋势发展的规律;然后,根据基信号确定目标处理数据,目标处理数据即为温度监测数据相对于基信号偏离的数据值,根据第二脉冲噪声突变、频发随机出现,每次出现的持续时间较短且噪声强度不固定的特征,对目标处理数据进行划分,确定突变成分信号段,突变成分信号段即为包含第二脉冲噪声的数据段,根据突变成分信号段的数据进行第一次平滑去噪,将第一次平滑去噪和未经去噪的目标处理数据一起进行第二次平滑去噪,根据第二次平滑去噪的结果获取温度监测数据去噪后的数据,完成对所有温度监测数据的定期维护和清洗,解决生产监测数据受到储存环境变化的影响,易出现失真的问题,在消除混合噪声的同时可以最大程度保留监测数据完整性和有效信息。
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性的前提下,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化工制备数据智能分析管理系统的流程示意图;
图2为温度监测数据去噪后的数据获取流程图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
请参阅图1,其示出了本发明一个实施例提供的一种化工制备数据智能分析管理系统流程图,该系统包括:数据采集模块、基信号确定模块、突变成分信号段确定模块、数据清洗模块。
数据采集模块,从数据存储器调用温度监测数据和对应的采集时间。
化工制备过程中可利用传感器监测的数据包括:反映材料物理性质和化学性质的数据、反应工艺数据、设备性能数据、产品检测数据和安全数据等,种类繁多,本实施例以化工制备过程中,设备容器内部的温度监测数据为例进行化工制备数据智能分析管理的说明。
在数据存储器中,调用存储化工制备过程中,设备容器内部的温度监测数据。每个温度数据对应一个温度监测数据的采集时间。
传感器直接采集的温度监测数据受到采集环境和数据存储器的存储环境的干扰,会包含噪声,需要在不损坏温度监测数据完整性的基础上,对温度监测数据进行高效清洗和维护。
至此,获取温度监测数据和对应的采集时间。
基信号确定模块,获取温度监测数据与不同拟合方程拟合后的拟合值,根据温度监测数据和温度监测数据的拟合值,获取每个拟合方程的第一目标函数值,根据第一目标函数值确定温度监测数据的基信号。
在数据存储器中存储的化工制备过程中利用传感器监测的数据中,包含的噪声一般分为两类,第一类是传感器数据受到电磁干扰产生的常见白噪声影响,导致数据中包含噪声,将这类噪声记为第一脉冲噪声,第二类是传感器数据长期存储在介质中,受到介质退化、存储器件损坏、数据格式转换或压缩等过程中的干扰,导致传感器数据受到脉冲噪声影响,导致数据中包含噪声,将这类噪声记为第二脉冲噪声。
在温度监测数据中,第一脉冲噪声和第二脉冲噪声共存,第一脉冲噪声在整个温度监测数据中均匀、稳态分布,而第二脉冲噪声具有突发、频发、不规则的特征,几乎不具有均匀、稳态分布的特点,因此,直接使用滤波对温度监测数据进行平滑去噪,会有较大的使温度监测数据变形、失真的风险。
在已实现自动化生产的化工制备过程中,所有工艺参数或设备参数都会具有高度的重复性,因此,温度监测数据应符合最基本的变化趋势,所以,为了去除温度监测数据中包含的噪声,可根据一整套生产流程获取的所有温度监测数据,确定温度监测数据的基本变化趋势。
使用最小二乘法,将一整套生产流程获取的所有温度监测数据分别与每个拟合模型进行拟合,获取温度监测数据分别与每个拟合模型进行拟合后,获取的拟合方程,根据拟合方程获取每个温度监测数据的拟合值。其中,使用最小二乘法将数据与拟合模型进行拟合,获取拟合方程和数据的拟合值为公知技术,不再赘述。
根据温度监测数据和温度监测数据的拟合值,确定每个拟合方程的第一目标函数值。
其中,表示拟合方程/>的第一目标函数值;/>表示第/>套生产流程获取的所有温度监测数据中,第/>个温度监测数据在拟合方程/>中的拟合值;/>表示第/>套生产流程获取的所有温度监测数据中,第/>个温度监测数据在所有拟合方程中的拟合值的均值;/>表示第/>套生产流程获取的所有温度监测数据中,第/>个温度监测数据;/>表示从数据存储器中调用的一整套生产流程的总套数;/>表示一整套生产流程获取的所有温度监测数据的数量。
当拟合方程获取的温度监测数据的拟合值与温度监测数据越为接近时,拟合模型越符合温度监测数据的变化趋势、拟合误差越小,使用拟合方程对温度监测数据进行预测的损失越小,此时,拟合方程的第一目标函数值越小。
选取第一目标函数值最小的拟合方程作为温度监测数据的基信号,基信号即为所有温度监测数据的最小损失拟合结果。确定基信号的目的在于,在对历史温度监测数据进行清洗时,最大程度地保留信号的完整性以及有效信息。
至此,获取温度监测数据的基信号。
突变成分信号段确定模块,根据温度监测数据和基信号,获取目标处理数据,确定目标处理数据序列,将目标处理数据序列按照不同划分方式,分别均分为若干个预设数值个信号段,根据每一划分方式获取的信号段,确定划分方式的第二目标函数值,根据第二目标函数值的数值大小关系,确定最优信号分段结果,根据最优信号分段结果,确定信号段的极大值极差,进而确定信号段的突变程度,根据突变程度,确定突变成分信号段。
根据温度监测数据的基信号,获取温度监测数据的拟合值,将温度监测数据与温度监测数据的拟合值的差值记为目标处理数据。
由于第二脉冲噪声突变、频发的特点,第二脉冲噪声在目标处理数据中随机出现,每次出现的持续时间较短且噪声强度不固定,因此,难以直接调节滤波器参数达到良好的去噪效果,需要对所有可能包含第二脉冲噪声的目标处理数据进行筛选。
将一整套生产流程包含的所有温度监测数据对应的目标处理数据按照温度监测数据的采集时间的先后顺序进行排列,获取目标处理数据序列。
将目标处理数据序列分别均分为多个信号段,其中,本实施例均分为的信号段的取值分别为10至目标处理数据序列包含的目标处理数据数量的内包含的所有整数,实施者也可根据实际需求对信号段的数量取值进行设定。
将同一划分方式获取的所有信号段内包含的所有目标处理数据的方差,进而计算所有信号段的方差的均值。
将所有信号段的方差的均值记为此划分方式的第二目标函数值。
当信号段的方差越大时,信号段内包含的目标处理数据的局部特征越完整,且信号段内包含的目标处理数据之间的重复性越低,此时,此划分方式的第二目标函数值越大,此划分方式越优异。
选取第二目标函数值最大的划分方式,根据该划分方式,获取目标处理数据序列均分为的多个信号段,将这些信号段记为最优信号分段结果。
至此,实现对目标处理数据序列的最优分段,获取最优信号分段结果。
根据最优信号分段结果,确定每个信号段内是否包含突发的第二脉冲噪声。
获取最优信号分段结果中每个信号段内包含的所有目标处理数据的极大值,将所有极大值中的最大值与最小值的差值,记为信号段的极大值极差。
当信号段的极大值极差越大时,信号段内越可能出现目标处理数据的突变,即该信号段内包含的目标处理数据对应的温度监测数据越可能出现突变,包含突发的第二脉冲噪声的可能性越大。
获取最优信号分段结果中信号段内包含的目标处理数据的偏度。
当信号段的偏度越大时,信号段内包含的目标处理数据越可能存在多个高斯分布组合,即越可能包含第一脉冲噪声和第二脉冲噪声。
根据最优信号分段结果中信号段的极大值极差和偏度,确定信号段的突变程度。
其中,表示最优信号分段结果中信号段/>的突变程度;/>表示最优信号分段结果中信号段/>的极大值极差;/>表示最优信号分段结果中信号段/>内包含的目标处理数据的偏度;/>表示双曲正切函数。
当最优信号分段结果中信号段的极大值极差和偏度越大时,信号段的突变程度越大,此时,信号段内包含的目标处理数据越可能包含第一脉冲噪声和第二脉冲噪声。
当信号段的突变程度大于等于第一预设阈值时,将信号段记为突变成分信号段。其中,在本实施例中,第一预设阈值取0.6。
至此,获取突变成分信号段。
数据清洗模块,根据突变成分信号段对目标处理数据进行第一次平滑去噪,获取第一平滑目标处理数据序列,进而进行二次平滑,获取温度监测数据去噪后的数据,完成对所有温度监测数据的定期维护和清洗。
将突变成分信号段内包含的目标处理数据的标准差,作为对突变成分信号段内包含的目标处理数据进行滤波去噪的滤波强度,对这些目标处理数据进行第一次平滑去噪。其中,本实施例选择高斯滤波作为滤波去噪的算法,高斯滤波去噪为公知技术,不再赘述。
将第一次平滑去噪后的所有目标处理数据和未经过第一次平滑去噪的目标处理数据,按照目标处理数据对应的温度监测数据的采集时间进行排列,获取第一平滑目标处理数据序列。
对第一平滑目标处理数据序列使用最小均方滤波进行二次平滑,得到去噪后的目标处理数据。将去噪后的目标处理数据与其对应的温度监测数据的拟合值的和,作为其对应的温度监测数据去噪后的数据,完成对所有温度监测数据的定期维护和清洗。温度监测数据去噪后的数据获取流程图如图2所示。
至此,完成对所有温度监测数据的定期维护和清洗。
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 (5)
1.一种化工制备数据智能分析管理系统,其特征在于,该系统包括以下模块:
数据采集模块,从数据存储器调用温度监测数据和对应的采集时间;
基信号确定模块,获取温度监测数据与不同拟合方程拟合后的拟合值,根据温度监测数据和温度监测数据的拟合值,获取每个拟合方程的第一目标函数值,根据第一目标函数值确定温度监测数据的基信号;
突变成分信号段确定模块,根据温度监测数据和基信号,获取目标处理数据,确定目标处理数据序列,将目标处理数据序列按照不同划分方式,分别均分为若干个预设数值个信号段,根据每一划分方式获取的信号段,确定划分方式的第二目标函数值,根据第二目标函数值的数值大小关系,确定最优信号分段结果,根据最优信号分段结果,确定信号段的极大值极差,进而确定信号段的突变程度,根据突变程度,确定突变成分信号段;
数据清洗模块,根据突变成分信号段对目标处理数据进行第一次平滑去噪,获取第一平滑目标处理数据序列,进而进行二次平滑,获取温度监测数据去噪后的数据,完成对所有温度监测数据的定期维护和清洗;
所述不同拟合方程为使用最小二乘法,将一整套生产流程获取的所有温度监测数据分别与每个拟合模型进行拟合得到的;
所述根据温度监测数据和温度监测数据的拟合值,获取每个拟合方程的第一目标函数值,根据第一目标函数值确定温度监测数据的基信号的方法为:
其中,表示拟合方程/>的第一目标函数值;/>表示第/>套生产流程获取的所有温度监测数据中,第/>个温度监测数据在拟合方程/>中的拟合值;/>表示第/>套生产流程获取的所有温度监测数据中,第/>个温度监测数据在所有拟合方程中的拟合值的均值;/>表示第/>套生产流程获取的所有温度监测数据中,第/>个温度监测数据;/>表示从数据存储器中调用的一整套生产流程的总套数;/>表示一整套生产流程获取的所有温度监测数据的数量;
将第一目标函数值最小的拟合方程作为温度监测数据的基信号;
所述目标处理数据的获取方法为:
根据温度监测数据的基信号,获取温度监测数据的拟合值,将温度监测数据与温度监测数据的拟合值的差值记为目标处理数据;
所述目标处理数据序列的获取方法为:
将一整套生产流程包含的所有温度监测数据对应的目标处理数据按照温度监测数据的采集时间的先后顺序进行排列,获取目标处理数据序列;
所述划分方式的第二目标函数值的获取方法为:
将同一划分方式获取的所有信号段内包含的所有目标处理数据的方差均值,记为此划分方式的第二目标函数值;
所述信号段的突变程度的获取方法为:
将最优信号分段结果中信号段的极大值极差和偏度的乘积的归一化值记为信号段的突变程度;
所述根据突变成分信号段对目标处理数据进行第一次平滑去噪,获取第一平滑目标处理数据序列的方法为:
将突变成分信号段内包含的目标处理数据的标准差作为滤波去噪的滤波强度,对目标处理数据进行第一次平滑去噪,将去噪后的目标处理数据和不在突变成分信号段内的目标处理数据按照获取时间的顺序进行排列,获取第一平滑目标处理数据序列。
2.根据权利要求1所述的一种化工制备数据智能分析管理系统,其特征在于,所述最优信号分段结果的获取方法为:
将第二目标函数值最大的划分方式划分的信号段,记为最优信号分段结果。
3.根据权利要求1所述的一种化工制备数据智能分析管理系统,其特征在于,所述信号段的极大值极差的获取方法为:
将最优信号分段结果中信号段内包含的目标处理数据的极大值中的最大值与最小值的差值,记为信号段的极大值极差。
4.根据权利要求1所述的一种化工制备数据智能分析管理系统,其特征在于,所述突变成分信号段的方法为:
将突变程度大于等于第一预设阈值的信号段记为突变成分信号段。
5.根据权利要求1所述的一种化工制备数据智能分析管理系统,其特征在于,所述进而进行二次平滑,获取温度监测数据去噪后的数据,完成对所有温度监测数据的定期维护和清洗的方法为:
对第一平滑目标处理数据序列使用最小均方滤波进行二次平滑,将二次平滑后的目标处理数据与其对应的温度监测数据的拟合值的和,作为其对应的温度监测数据去噪后的数据,完成对所有温度监测数据的定期维护和清洗。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410128856.0A CN117668468B (zh) | 2024-01-31 | 2024-01-31 | 一种化工制备数据智能分析管理系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410128856.0A CN117668468B (zh) | 2024-01-31 | 2024-01-31 | 一种化工制备数据智能分析管理系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117668468A CN117668468A (zh) | 2024-03-08 |
CN117668468B true CN117668468B (zh) | 2024-04-26 |
Family
ID=90079220
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410128856.0A Active CN117668468B (zh) | 2024-01-31 | 2024-01-31 | 一种化工制备数据智能分析管理系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117668468B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118028980A (zh) * | 2024-04-12 | 2024-05-14 | 浙江康鹏半导体有限公司 | 一种用于砷化镓半导体生长的智能化温度监测方法 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003296702A (ja) * | 2002-04-05 | 2003-10-17 | Japan Science & Technology Corp | 地球観測衛星データのノイズ除去処理方法、ノイズ除去処理プログラム、ノイズ除去処理プログラムを記録した記録媒体 |
CN107657242A (zh) * | 2017-10-10 | 2018-02-02 | 湖南师范大学 | 一种大地电磁信噪辨识及分离方法 |
CA3068151A1 (en) * | 2017-06-30 | 2019-01-03 | Baxter International Inc. | Systems and methods for filtering noise and analyzing venous waveform signals |
WO2021258832A1 (zh) * | 2020-06-23 | 2021-12-30 | 青岛科技大学 | 基于自适应窗口滤波和小波阈值优化的水声信号去噪方法 |
CN115840897A (zh) * | 2023-02-09 | 2023-03-24 | 广东吉器电子有限公司 | 一种温度传感器数据异常处理方法 |
CN116541732A (zh) * | 2023-07-05 | 2023-08-04 | 山东金叶智能设备有限公司 | 基于超声波数据与最优化算法的气象监测系统 |
CN116698680A (zh) * | 2023-08-04 | 2023-09-05 | 天津创盾智能科技有限公司 | 一种生物气溶胶自动监测方法及系统 |
CN117118786A (zh) * | 2023-08-08 | 2023-11-24 | 华能伊春热电有限公司 | 一种数据传输过程的干扰消除方法 |
CN117310455A (zh) * | 2023-11-30 | 2023-12-29 | 上海采起电子技术服务有限公司 | 一种基于电信号的口腔扫描仪电路板故障检测方法 |
CN117408497A (zh) * | 2023-12-14 | 2024-01-16 | 山东锦都食品有限公司 | 一种食品加工物料管控方法及系统 |
-
2024
- 2024-01-31 CN CN202410128856.0A patent/CN117668468B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003296702A (ja) * | 2002-04-05 | 2003-10-17 | Japan Science & Technology Corp | 地球観測衛星データのノイズ除去処理方法、ノイズ除去処理プログラム、ノイズ除去処理プログラムを記録した記録媒体 |
CA3068151A1 (en) * | 2017-06-30 | 2019-01-03 | Baxter International Inc. | Systems and methods for filtering noise and analyzing venous waveform signals |
CN107657242A (zh) * | 2017-10-10 | 2018-02-02 | 湖南师范大学 | 一种大地电磁信噪辨识及分离方法 |
WO2021258832A1 (zh) * | 2020-06-23 | 2021-12-30 | 青岛科技大学 | 基于自适应窗口滤波和小波阈值优化的水声信号去噪方法 |
CN115840897A (zh) * | 2023-02-09 | 2023-03-24 | 广东吉器电子有限公司 | 一种温度传感器数据异常处理方法 |
CN116541732A (zh) * | 2023-07-05 | 2023-08-04 | 山东金叶智能设备有限公司 | 基于超声波数据与最优化算法的气象监测系统 |
CN116698680A (zh) * | 2023-08-04 | 2023-09-05 | 天津创盾智能科技有限公司 | 一种生物气溶胶自动监测方法及系统 |
CN117118786A (zh) * | 2023-08-08 | 2023-11-24 | 华能伊春热电有限公司 | 一种数据传输过程的干扰消除方法 |
CN117310455A (zh) * | 2023-11-30 | 2023-12-29 | 上海采起电子技术服务有限公司 | 一种基于电信号的口腔扫描仪电路板故障检测方法 |
CN117408497A (zh) * | 2023-12-14 | 2024-01-16 | 山东锦都食品有限公司 | 一种食品加工物料管控方法及系统 |
Non-Patent Citations (3)
Title |
---|
Image denoising review: From classical to state-of-the-art approaches;Bhawna Goyal 等;information fusion;20200331;220-244 * |
物联网监控下农业温室湿度数据信号提取仿真;刘鹤 等;计算机仿真;20171031;第34卷(第10期);261-264 * |
针对城市复杂环境的人工源电磁信号去噪方法研究;周长宇;中国优秀硕士学位论文全文数据库 基础科学辑;20240115;第2024年卷(第1期);A011-283 * |
Also Published As
Publication number | Publication date |
---|---|
CN117668468A (zh) | 2024-03-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN117668468B (zh) | 一种化工制备数据智能分析管理系统 | |
CN115774652B (zh) | 一种基于聚类算法的群控设备健康监测方法、设备及介质 | |
CN117540238B (zh) | 一种工业数字化信息采集装置用数据安全管理方法 | |
CN117196353B (zh) | 基于大数据的环境污染评估与监测方法及系统 | |
CN114492935A (zh) | 一种排污数据预测方法、装置、设备及介质 | |
CN116881635B (zh) | 一种用于纺织品洗涤剂设备数据管理系统 | |
CN112116205B (zh) | 针对台区用电特征的画像方法、装置和存储介质 | |
CN109525308B (zh) | 一种光模块的检测方法、装置、设备及存储介质 | |
CN111510109A (zh) | 一种信号滤波的方法、装置、设备和介质 | |
CN110058811A (zh) | 信息处理装置、数据管理系统、方法以及计算机可读介质 | |
CN114965309A (zh) | 水质在线监测系统浊度补偿方法、系统、装置及存储介质 | |
CN115209343A (zh) | 基于mr数据定位的异常指纹识别方法 | |
CN111245531A (zh) | 通过分析设备模块功率进行参数自适应调节的方法 | |
CN110117798B (zh) | 一种铝电解的氧化铝浓度估计方法及装置 | |
CN110535543B (zh) | 一种无线电频谱信号检测门限计算方法 | |
CN114048588A (zh) | 一种海洋ctd异常值剔除方法、系统、存储介质、终端及应用 | |
CN111258264B (zh) | 现场噪声的滤波方法及装置、存储介质和处理器 | |
CN117911417B (zh) | 一种基于光电探测器的纺织布面缺陷检测方法 | |
CN115399790B (zh) | 基于贝叶斯数据融合脑电ers_erd的分析方法 | |
CN117314899B (zh) | 基于图像特征的碳纤维板质量检测方法 | |
CN117439827B (zh) | 一种网络流量大数据分析方法 | |
CN117727313B (zh) | 用于野外鸟类声音数据的智能降噪方法 | |
CN117786325B (zh) | 一种大口径物联网水表的环境温度智慧预警系统 | |
CN112882854B (zh) | 一种请求异常的处理方法及装置 | |
CN111698700B (zh) | 一种小区的工作状态的判定方法及装置 |
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 |