CN117874433B - 一种水处理用深度脱氮生物过滤装备监测系统 - Google Patents
一种水处理用深度脱氮生物过滤装备监测系统 Download PDFInfo
- Publication number
- CN117874433B CN117874433B CN202410263480.4A CN202410263480A CN117874433B CN 117874433 B CN117874433 B CN 117874433B CN 202410263480 A CN202410263480 A CN 202410263480A CN 117874433 B CN117874433 B CN 117874433B
- Authority
- CN
- China
- Prior art keywords
- window size
- frequency
- expected
- size
- window
- 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
- 238000001914 filtration Methods 0.000 title claims abstract description 75
- 238000012544 monitoring process Methods 0.000 title claims abstract description 48
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 23
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 115
- 230000000694 effects Effects 0.000 claims abstract description 82
- 238000012545 processing Methods 0.000 claims abstract description 19
- 238000004590 computer program Methods 0.000 claims abstract description 4
- 238000009826 distribution Methods 0.000 claims description 32
- 238000000034 method Methods 0.000 claims description 32
- 238000011156 evaluation Methods 0.000 claims description 23
- 239000006185 dispersion Substances 0.000 claims description 8
- 238000010606 normalization Methods 0.000 claims description 8
- 230000002159 abnormal effect Effects 0.000 claims description 4
- 238000004422 calculation algorithm Methods 0.000 abstract description 13
- 230000008569 process Effects 0.000 description 28
- 238000004364 calculation method Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 6
- 230000005540 biological transmission Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000009827 uniform distribution Methods 0.000 description 2
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 1
- 229910002651 NO3 Inorganic materials 0.000 description 1
- NHNBFGGVMKEFGY-UHFFFAOYSA-N Nitrate Chemical compound [O-][N+]([O-])=O NHNBFGGVMKEFGY-UHFFFAOYSA-N 0.000 description 1
- IOVCWXUNBOPUCH-UHFFFAOYSA-M Nitrite anion Chemical compound [O-]N=O IOVCWXUNBOPUCH-UHFFFAOYSA-M 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 229910001873 dinitrogen Inorganic materials 0.000 description 1
- 244000005700 microbiome Species 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 229910017464 nitrogen compound Inorganic materials 0.000 description 1
- 150000002830 nitrogen compounds Chemical class 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 230000003595 spectral effect 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
- G06F18/10—Pre-processing; Data cleansing
-
- C—CHEMISTRY; METALLURGY
- C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F3/00—Biological treatment of water, waste water, or sewage
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M99/00—Subject matter not provided for in other groups of this subclass
- G01M99/005—Testing of complete machines, e.g. washing-machines or mobile phones
-
- 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
- G06F18/2131—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on a transform domain processing, e.g. wavelet transform
-
- C—CHEMISTRY; METALLURGY
- C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F2101/00—Nature of the contaminant
- C02F2101/10—Inorganic compounds
- C02F2101/16—Nitrogen compounds, e.g. ammonia
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/02—Preprocessing
- G06F2218/04—Denoising
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/08—Feature extraction
-
- 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
- Y02W—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO WASTEWATER TREATMENT OR WASTE MANAGEMENT
- Y02W10/00—Technologies for wastewater treatment
- Y02W10/10—Biological treatment of water, waste water, or sewage
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Hydrology & Water Resources (AREA)
- Environmental & Geological Engineering (AREA)
- Microbiology (AREA)
- Water Supply & Treatment (AREA)
- Organic Chemistry (AREA)
- Chemical & Material Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明涉及信号数据处理技术领域，具体涉及一种水处理用深度脱氮生物过滤装备监测系统，该系统包括存储器和处理器，处理器执行存储器存储的计算机程序，以实现如下步骤：基于不同预设窗口尺寸对运行状态信号数据进行短时傅里叶变换处理，获得各时间窗口；基于时间窗口的频率成分特征确定每个预设窗口尺寸的选取合理度，进而确定预期窗口尺寸及其调整系数，利用调整系数对预期窗口尺寸进行调整获得最优窗口尺寸；获取最优窗口尺寸对应的各个最优分量信号，对待监测过滤装备的运行状态进行监测。本发明通过自适应确定运行状态信号数据分解时的窗口尺寸，提高了LMD算法的分解效果，进一步提升了过滤装备的监测准确性。
Description
技术领域
本发明涉及信号数据处理技术领域，具体涉及一种水处理用深度脱氮生物过滤装备监测系统。
背景技术
深度脱氮生物过滤装备是用于处理水的关键设备之一，该装备可以有效去除水中的氮化合物，例如亚硝酸盐和硝酸盐，通过生物反应器中微生物的作用将这些化合物转化为氮气排放出去。在深度脱氮生物过滤装备进行水处理的过程中，装备运行的稳定性直接影响到水脱氮的效果，通过监测稳定性可以及时发现和解决潜在的问题，为操作人员提供实时、准确的运行数据，帮助更好的了解装备的运行状态，提高生物过滤装备的处理效果。利用传感器采集过滤装备的运行状态信号数据，通过所采集的运行状态信号数据可以分析过滤装备目前的运行状态。
为了提高运行状态分析结果的准确性，需要对运行状态信号数据进行去噪处理，而为了降低信号数据去噪的复杂性，先用LMD（Local Mean Decomposition，局部均值分解）信号分解算法对运行状态信号数据进行分解处理，再对分量信号进行滤波去噪、重构处理。LMD使用窗口函数来选取局部频率范围，不同的窗口尺寸形成不同的分解效果，而传统LMD信号分解算法中的窗口尺寸为随机设定，其促使所获得的分量信号的分解效果较差，分解效果较差则将影响分量信号的数据准确性，进而导致深度脱氮生物过滤装备的监测准确性低下。
发明内容
为了解决上述现有LMD算法分解效果较差，导致深度脱氮生物过滤装备的监测准确性低下的技术问题，本发明的目的在于提供一种水处理用深度脱氮生物过滤装备监测系统，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水处理用深度脱氮生物过滤装备监测系统，包括存储器和处理器，所述处理器执行所述存储器存储的计算机程序，以实现如下步骤：
获取待监测过滤装备的运行状态信号数据；基于不同预设窗口尺寸对运行状态信号数据进行短时傅里叶变换处理，获得每个预设窗口尺寸对应的各时间窗口；
根据每个预设窗口尺寸对应的各时间窗口内的正弦波数量、每个正弦波的相位和周期时间差，确定各时间窗口的频率成分特征；
根据各时间窗口的频率成分特征分析频率成分特征分布的均匀度和离散度，确定每个预设窗口尺寸的选取合理度；将最大选取合理度的预设窗口尺寸作为信号分解的预期窗口尺寸；
获取预期窗口尺寸对应的各个初始分量信号；根据各个初始分量信号的频谱图中各个峰值点的位置、任意两个初始分量信号之间的均方误差，确定预期窗口尺寸的调整系数；
利用调整系数对预期窗口尺寸进行调整获得最优窗口尺寸，进而获得最优窗口尺寸对应的各个最优分量信号；对各个最优分量信号进行滤波操作，获得滤波后的各个最优分量信号；
根据滤波后的各个最优分量信号，对待监测过滤装备的运行状态进行监测。
进一步地，根据每个预设窗口尺寸对应的各时间窗口内的正弦波数量、每个正弦波的相位和周期时间差，确定各时间窗口的频率成分特征，包括：
将任一预设窗口尺寸作为目标尺寸，对于目标尺寸对应的任一时间窗口，将时间窗口内的正弦波数量作为第一频率特性；计算时间窗口内每个正弦波的相位和周期时间差的乘积，将相位和周期时间差的乘积作为第二频率特性，将所有的第二频率特性的累加和作为第三频率特性；结合第一频率特性和第三频率特性，获得目标尺寸对应的时间窗口的频率成分特征。
进一步地，根据各时间窗口的频率成分特征分析频率成分特征分布的均匀度和离散度，确定每个预设窗口尺寸的选取合理度，包括：
对于目标尺寸，根据目标尺寸对应的各时间窗口的频率成分特征，计算所有频率成分特征的熵值，对熵值进行取反操作，将取反操作后的熵值作为目标尺寸的第一选取合理因子；计算所有频率成分特征的方差，对方差进行取反操作，将取反操作后的方差作为目标尺寸的第二选取合理因子；结合第一选取合理因子和第二选取合理因子，获得目标尺寸的选取合理度。
进一步地，根据各个初始分量信号的频谱图中各个峰值点的位置、任意两个初始分量信号之间的均方误差，确定预期窗口尺寸的调整系数，包括：
对于任一初始分量信号，根据初始分量信号的频谱图中各个峰值点的位置，确定初始分量信号对应的最大频率值的峰值点，记为最大峰值点；
根据各个初始分量信号对应的最大峰值点的位置，确定预期窗口尺寸的第一分解效果；
将所有初始分量信号中任意两个初始分量信号分为一组，计算每组的均方误差，将所有组的均方误差的平均值作为预期窗口尺寸的第二分解效果；
结合预期窗口尺寸的第一分解效果和第二分解效果，确定预期窗口尺寸的分解效果评价值；
根据预期窗口尺寸的分解效果评价值，确定预期窗口尺寸的调整系数。
进一步地，根据各个初始分量信号对应的最大峰值点的位置，确定预期窗口尺寸的第一分解效果，包括：
对于任一初始分量信号，根据初始分量信号对应的最大峰值点的位置，确定距离最大峰值点最近的两个谷值点；计算两个谷值点的频率值之间的差异，获得初始分量信号的频率差异；将所有初始分量信号的频率差异的平均值，作为预期窗口尺寸的第一分解效果。
进一步地，根据预期窗口尺寸的分解效果评价值，确定预期窗口尺寸的调整系数，包括：
对预期窗口尺寸的分解效果评价值进行反比例的归一化处理，将反比例的归一化处理后的分解效果评价值作为预期窗口尺寸的调整系数。
进一步地，利用调整系数对预期窗口尺寸进行调整获得最优窗口尺寸，包括：
将调整系数与预期窗口尺寸的乘积作为最优窗口尺寸。
进一步地，根据滤波后的各个最优分量信号，对待监测过滤装备的运行状态进行监测，包括：
对滤波后的各个最优分量信号进行重构，获得去噪后的运行状态信号数据；计算去噪后的运行状态信号数据中所有数据的平均值，确定为运行状态判定值；
根据运行状态判定值和预设状态阈值范围，判断待监测过滤装备的运行状态是否正常。
进一步地，根据运行状态判定值和预设状态阈值范围，判断待监测过滤装备的运行状态是否正常，包括：
若运行状态判定值在预设状态阈值范围内，则判定正常；否则，判定待监测过滤装备的运行状态不正常。
进一步地，所述运行状态信号数据的横坐标为采集时间，纵坐标为过滤装备的运行状态数据。
本发明具有如下有益效果：
本发明提供了一种水处理用深度脱氮生物过滤装备监测系统，通过对过滤装备运行过程中的运行状态信号数据进行预处理，提高了深度脱氮生物过滤装备的监测精度。在预处理的过程中，传统LMD分解算法中的窗口尺寸为随机设定的固定尺寸，而窗口尺寸的大小影响信号的分解效果，对运行状态信号数据进行分解时对应的窗口尺寸进行自适应确定，可以提高信号分解效果，在一定程度上克服了噪声成分对分解过程的影响，有助于获得准确性更高的分量信号；在自适应确定信号分解的窗口尺寸时，结合LMD分解过程中分解参数与短时傅里叶变换中时间窗口尺寸对应的局部区域的分布特征相似性，通过分析预期情况下不同预设窗口尺寸的选取合理度，确定信号分解的预期窗口尺寸，一定程度上克服了窗口尺寸选取不当产生的分解效果较差的缺陷；为了进一步提升窗口尺寸选取的合理性，基于当前的分解结果情况对预期窗口尺寸进行调整，其可以顾全噪声成分的不同分布情况，为后续的过滤装备运行状态监测提供了更准确的数据支持，使得分解过程更能适应运行状态信号的频率变化，进一步提升深度脱氮生物过滤装备的监测准确性。
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为本发明一种水处理用深度脱氮生物过滤装备监测系统的执行流程图；
图2为本发明实施例中的确定预期窗口尺寸过程的流程图。
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技术方案的具体实施方式、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”指的不一定是同一个实施例。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。
本发明实施例所针对的应用场景为：
深度脱氮生物过滤装备的监测系统涉及到过滤装备的多个传感器，如压力传感器、流量传感器、温度传感器等，压力传感器用于监测装备内部的压力变化，通过监测压力，操作人员可以了解过滤媒体的阻塞情况，有利于实时监测过滤装备的运行状态，故本实施例主要以过滤装备的压力传感器的压力数据进行状态监测分析。
参考图1，示出了本实施例一种水处理用深度脱氮生物过滤装备监测系统的执行流程图。
本实施例提供了一种水处理用深度脱氮生物过滤装备监测系统，包括存储器和处理器，所述处理器执行所述存储器存储的计算机程序，包括以下步骤：
S1，获取待监测过滤装备的运行状态信号数据。
在待监测过滤装备运行过程中，实时采集待监测过滤装备中压力传感器的压力数据，构成压力信号数据。压力信号数据的横坐标为采集时间，纵坐标为压力数据。其中，待监测过滤装备也就是待监测的深度脱氮生物过滤装备，该装备用于对水进行过滤处理；压力信号数据为运行状态信号数据的一个类型，在本实施例中运行状态信号数据指代压力信号数据，当然，实施者也可以采用其他类型的运行状态数据进行过滤装备监测分析；压力数据的采集时间间隔可以设置为2秒，采集时段可以设置为当前10分钟，实施者可以根据具体实际情况设置压力数据的采集时间间隔和采集时段，不做具体限定。
需要说明的是，选取的压力传感器要符合深度脱氮生物过滤装备的要求，还要适应过滤装备的监测环境；将压力传感器正确安装在待监测过滤装备的关键位置，关键位置通常为过滤装备的进口管道和出口管道上，其有助于确保压力传感器与管道紧密连接；将压力传感器与监测系统的数据采集模块相连接，连接传输方式可以是有线传输，也可以是无线传输；在采集压力数据之前，需要对压力传感器进行校准，以确保压力数据测量的准确度。
至此，本实施例获得了待监测过滤装备在采集时段内运行时对应的运行状态信号数据。
S2，根据运行状态信号数据，确定运行状态信号数据进行分解时的预期窗口尺寸。
需要说明的是，压力信号数据可能包含来自环境、设备本身或测量系统的噪声，为了降低信号去噪过程的复杂性，利用LMD分解算法对压力信号数据进行分解，将信号逐步分解成多个局部振动模态（Intrinsic Mode Function，IMF）。其中，单个局部振动模态可以表征整体信号的局部频率特征，IMF可以表征为分量信号，单个分量信号可以代表一个局部频率成分。
LMD分解过程中的窗口尺寸影响最终的分解效果，主要表现在：随机设定的固定窗口尺寸不仅可能促使分量信号的均值包络线的收敛量不一致，还有可能在分解过程中出现部分残差信号残留在部分分量中导致模态混叠。为了提高分量信号的分解效果，需要自适应确定运行状态信号数据分解过程中的窗口尺寸，LMD分解需要提取压力信号数据的不同频率成分，而短时傅里叶变换具有提取到原始信号中的不同频率成分的特性，因此可以利用短时傅里叶变换对压力信号数据进行处理，基于最终的处理结果确定运行状态信号数据分解过程中的分解参数，分解参数即为窗口尺寸。
具体为：基于噪声成分的稳定均匀分布的假设，分析不同预设窗口尺寸对应的所有时间窗口中正弦波的频率和相位，获得运行状态信号数据对应的最优时间窗口，最优时间窗口的尺寸可以表征为频率成分均匀的理想窗口尺寸，其可以用作后续压力信号数据分解过程中的窗口尺寸。
在本实施例中，确定预期窗口尺寸过程的流程图如图2所示，包括以下步骤：
第一步，基于不同预设窗口尺寸对运行状态信号数据进行短时傅里叶变换处理，获得每个预设窗口尺寸对应的各时间窗口。
在本实施例中，获取不同的预设窗口尺寸，是为了分析不同预设窗口尺寸下的频率成分分布的均匀情况，以便于后续基于噪声成分分布均匀的前提下选取频率成分分布最为均匀的预设窗口尺寸，即确定最大选取合理度的预设窗口尺寸；每个时间窗口内的信号可以视为由多个正弦波组成的混合信号。短时傅里叶变换处理的实现过程为现有技术，不在本发明保护范围内，此处不再进行详细阐述。
初始预设窗口尺寸可以设置为，相邻预设窗口尺寸之间的间隔为1，初始预设窗口尺寸的下一个预设窗口尺寸为/>，最大预设窗口尺寸可以设置为运行状态信号数据长度的一半，由此可以获得各个不同的预设窗口尺寸。
第二步，根据每个预设窗口尺寸对应的各时间窗口内的正弦波数量、每个正弦波的相位和周期时间差，确定各时间窗口的频率成分特征。
在本实施例中，为了量化不同预设窗口尺寸对应的频率成分分布特征，需要分析不同预设窗口尺寸下的各时间窗口的信号特征，信号特征即为频率成分特征，时间窗口内一个正弦波对应一个频率成分，频率成分特征可以包括不同预设窗口尺寸下的各时间窗口内的正弦波曲线的分布特征和频率特性。
每个预设窗口尺寸对应的各时间窗口的频率成分特征的计算过程一致，为了便于描述，将任一预设窗口尺寸作为目标尺寸，对目标尺寸对应的任一时间窗口进行频率成分特征分析，具体实现步骤可以包括：
先统计时间窗口内的正弦波数量，将时间窗口内的正弦波数量作为第一频率特性；然后，获取时间窗口内每个正弦波的相位和周期时间差，周期时间差是指一个正弦波中一个周期内的时间差；接着，对于时间窗口内每个正弦波，将相位和周期时间差的乘积作为第二频率特性，每个正弦波均有其对应的第二频率特性，将时间窗口内所有的第二频率特性的累加和作为第三频率特性；最后，通过相乘的方式结合时间窗口的第一频率特性和第三频率特性，即将第一频率特性和第三频率特性的乘积作为时间窗口的频率成分特征。
作为示例，目标尺寸对应的第r个时间窗口的频率成分特征的计算公式可以为：
；式中，/>为目标尺寸对应的第r个时间窗口的频率成分特征，/>为目标尺寸对应的第r个时间窗口的第一频率特性，/>也为目标尺寸对应的第r个时间窗口内的正弦波数量，/>为目标尺寸对应的第r个时间窗口内第i个正弦波的相位，为目标尺寸对应的第r个时间窗口内第i个正弦波的周期时间差，/>为目标尺寸对应的第r个时间窗口内第i个正弦波的第二频率特性，/>为目标尺寸对应的第r个时间窗口的第三频率特性。
在频率成分特征的计算公式中，频率成分特征用于获取期望条件下的最优时间窗口尺寸，期望条件是指运行状态信号数据中的噪声成分是均匀分布的，最优时间窗口尺寸是指最大选取合理度的预设窗口尺寸；第三频率特性可以表征目标尺寸对应的第r个时间窗口内的正弦波曲线的分布特征，第一频率特性/>可以反映出目标尺寸对应的第r个时间窗口内的频率特性，每个正弦波对应一个频率成分，所以时间窗口内的正弦波数量可以反映出频率特性。
需要说明的是，在分析频率成分特征时，不仅考虑到了时间窗口内频率成分的分布特征，还是考虑到时间窗口内频率成分的总个数，其有助于提高频率成分特征的数值准确性，促使频率成分特征更准确地表现出不同预设窗口尺寸下的每个时间窗口的频率成分的分布特征。
第三步，根据各时间窗口的频率成分特征分析频率成分特征分布的均匀度和离散度，确定每个预设窗口尺寸的选取合理度。
在量化每个预设窗口尺寸的选取合理度时，假设运行状态信号数据中的噪声成分是均匀分布的，若噪声成分均匀分布，则说明噪声成分在每个时间窗口内的分布情况是具有一致性的，即每个时间窗口内的频率成分的分布应是均匀的。某一个预设窗口尺寸对应的各时间窗口的频率成分特征分布越均匀，该预设窗口尺寸被选取用于对信号进行短时傅里叶变换处理的合理性越高，所以需要分析频率成分特征分布的均匀度和离散度，以确定每个预设窗口尺寸的选取合理度。
每个预设窗口尺寸的选取合理度的计算过程一致，为了便于描述，以目标尺寸为例确定选取合理度，具体实现步骤可以包括：
先根据目标尺寸对应的各时间窗口的频率成分特征，计算所有频率成分特征的熵值，熵值的计算公式为现有技术，此处不再赘述；对熵值进行取反操作，获得取反操作后的熵值；将取反操作后的熵值作为目标尺寸的第一选取合理因子；计算有频率成分特征的方差，方差的计算公式为现有技术，此处不再赘述；对方差进行取反操作，获得取反操作后的方差，将取反操作后的方差作为目标尺寸的第二选取合理因子，取反操作可以是计算数值的倒数，当然，也可以采用其他方式实现取反操作；通过相乘的方式结合第一选取合理因子和第二选取合理因子，将第一选取合理因子和第二选取合理因子的乘积作为目标尺寸的选取合理度。
作为示例，目标尺寸的选取合理度的计算公式可以为：
；式中，E为目标尺寸的选取合理度，N为目标尺寸对应的所有频率成分特征的类别个数，频率成分特征相等即为一类频率成分特征，n为目标尺寸对应的所有时间窗口的频率成分特征的类别序号，/>为目标尺寸对应的第n个类别的频率成分特征的出现次数，H为目标尺寸对应的所有频率成分特征的个数，/>为目标尺寸对应的第n个类别的频率成分特征的出现概率，/>为对数函数，/>为目标尺寸对应的所有频率成分特征的熵值，/>为目标尺寸对应的所有频率成分特征的方差，/>为对所有频率成分特征的熵值和方差进行取反操作，为目标尺寸的第一选取合理因子，/>为目标尺寸的第二选取合理因子。
在选取合理度的计算公式中，可以表示目标尺寸对应的所有时间窗口中频率成分的分布均匀度，熵值越大，说明所有时间窗口中频率成分特征分布越不均匀，熵值与均匀度呈现反比例关系，由于需要获取分布均匀的频率成分特征，对熵值进行取反操作；/>可以表示目标尺寸对应的所有时间窗口中频率成分的分布离散程度，/>越大，说明所有时间窗口中频率成分特征分布越离散，具有具体的分布特性的可能性越小，方差与离散程度呈现正相关关系，由于需要具有具体的分布特性，对方差进行取反操作。
第四步，将最大选取合理度的预设窗口尺寸作为信号分解的预期窗口尺寸。
在本实施例中，某个窗口尺寸的选取合理度越大，说明该窗口尺寸对应的所有频率成分特征分布越均匀，离散程度越小，越具有具体的分布特性，若按照该窗口尺寸对运行状态信号数据进行LMD分解，获得的各个分量信号之间越不容易发生频率混叠的情况，即分解效果越好。因此，将最大选取合理度对应的预设窗口尺寸作为信号分解的预期窗口尺寸，相比其他预设窗口尺寸，最大选取合理度的预设窗口尺寸的信号数据处理效果最好。
需要说明的是，在噪声成分均匀稳态分布的假设下，通过短时傅里叶变换得到的预期窗口尺寸具有理想的局部均匀性，结合LMD的分解逻辑，预期窗口尺寸可以最大程度避免分解过程中出现分量信号混叠的问题，预期窗口尺寸可以最大程度接近实际包含噪声的信号的LMD最优分解尺寸。
至此，本实施例获得了运行状态信号数据进行分解时的预期窗口尺寸。
S3，根据预期窗口尺寸和运行状态信号数据，分析预期窗口尺寸的分解结果，确定预期窗口尺寸的调整系数。
需要说明的是，LMD分解算法是一种用于非平稳信号分析的方法，通过局部特征尺度分解将信号分解为多个具有特定频率特性的分量信号，在分解过程中，窗口尺寸的选择对分量信号的频率分辨率有重要影响。预期情况下的噪声成分在信号中是均匀分布的，但是实际情况下的噪声成分的分布不一定可以达到预期情况下的均匀性。因此，通过分析预期窗口尺寸下的分解结果的频率分辨率，对实际噪声分布和预期噪声分布之间存在的误差所导致的分解结果进行补偿。
第一步，根据预期窗口尺寸和运行状态信号数据，获取预期窗口尺寸对应的各个初始分量信号。
在本实施例中，利用窗口尺寸为预期窗口尺寸的LMD分解算法，对运行状态信号数据进行分解处理，可以获得预期窗口尺寸对应的各个初始分量信号。LMD分解算法的实现过程为现有技术，不在本发明保护范围内，此处不再进行详细阐述。
第二步，根据各个初始分量信号的频谱图中各个峰值点的位置、任意两个初始分量信号之间的均方误差，确定预期窗口尺寸的调整系数。
在本实施例中，计算调整系数是为了便于后续对预期窗口尺寸进行调整，以提高最终获得的分解结果的准确性。主要通过分析各个初始分量信号的时间分辨率以及任意两个初始分量信号之间的差异，量化各个初始分量信号的分解效果，确定预期窗口尺寸的调整系数。预期窗口尺寸的分解效果越好，说明预期窗口尺寸越不需要进行调整，预期窗口尺寸的调整系数也就越小。
第一子步骤，根据各个初始分量信号的频谱图中各个峰值点的位置，确定各个初始分量信号对应的最大峰值点。
在本实施例中，先获取各个初始分量信号的频谱图，然后利用峰值点检测算法识别各个初始分量信号的频谱图中每个峰值点的位置；确定每个初始分量信号对应的最大频率值的峰值点，记为最大峰值点，从而获得各个初始分量信号对应的最大峰值点。峰值点检测算法的实现过程为现有技术，不在本发明保护范围内，此处不再进行详细阐述。
需要说明的是，主要频率在频谱图中表现的较为集中，最大峰值点的频率在其所属初始信号中最大，最大峰值点可以表征初始分量信号中的主要频率，故需要确定每个初始分量信号对应的最大峰值点。
第二子步骤，根据各个初始分量信号对应的最大峰值点的位置，确定预期窗口尺寸的第一分解效果。
需要说明的是，在LMD分解过程中使用较小的频率分辨率，说明在对信号进行分解时，考虑的频率范围相对较大，不同频率成分之间可能存在一定的模糊性；在较小的频率分辨率下，算法可能将多个相对接近的频率成分合并为一个分量信号，导致分解结果中的频率信息相对模糊，分解效果低下。频率分辨率是指将两个相邻谱峰分开的能力，在实际应用中是指分辨两个不同频率信号的最小间隔，所以通过分析与最大峰值点相邻的两个谷值点的频率差异，可以量化初始分量信号的频率分辨率情况，进而确定用于评估预期窗口尺寸的分解效果的指标之一，预期窗口尺寸的第一分解效果。
在本实施例中，对于任一初始分量信号，确定与初始分量信号对应的最大峰值点最近的两个谷值点，即与最大峰值点相邻的左谷值点和右谷值点；计算两个谷值点的频率值之间的差异，将频率值之间的差异作为频率差异，可以获得初始分量信号的频率差异；获取所有初始分量信号的频率差异，将所有初始分量信号的频率差异的平均值，作为预期窗口尺寸的第一分解效果。
第三子步骤，将所有初始分量信号中任意两个初始分量信号分为一组，计算每组的均方误差，将所有组的均方误差的平均值作为预期窗口尺寸的第二分解效果。
需要说明的是，初始分量信号可以表示为运行状态信号数据中的频率成分，分解效果越好，不同频率成分之间的差异应越大，发生模态混叠的可能性越小，所以本实施例通过分析所有初始分量信号中任意两个初始分量信号之间的差异情况，量化预期窗口尺寸的分解效果，确定预期窗口尺寸的第二分解效果。
在本实施例中，均方误差可以反映两个初始分量信号之间的差异程度，将任意两个初始分量信号分为一组，可以获得各组初始分量信号，计算各组初始分量信号均方误差，通过所有组的均方误差的平均值来衡量所有初始分量信号中任意两个初始分量信号之间的差异程度，确定预期窗口尺寸的第二分解效果。
第四子步骤，结合预期窗口尺寸的第一分解效果和第二分解效果，确定预期窗口尺寸的分解效果评价值。
在本实施例中，通过相乘的方式结合第一分解效果和第二分解效果，也就是将第一分解效果和第二分解效果的乘积作为预期窗口尺寸的分解效果评价值。
作为示例，预期窗口尺寸的分解效果评价值的计算公式可以为：
；式中，/>为预期窗口尺寸的分解效果评价值，B为预期窗口尺寸对应的初始分量信号的个数，r为预期窗口尺寸对应的初始分量信号的序号，/>为预期窗口尺寸对应的第r个初始分量信号中距离最大峰值点最近的第1个谷值点的频率值，/>为预期窗口尺寸对应的第r个初始分量信号中距离最大峰值点最近的第2个谷值点的频率值，/>为预期窗口尺寸对应的第r个初始分量信号中距离最大峰值点最近的两个谷值点的频率值之间的差异，/>也为预期窗口尺寸对应的第r个初始分量信号的频率差异，/>为求绝对值函数，/>为预期窗口尺寸的第一分解效果，M为预期窗口尺寸对应的所有组初始分量信号的个数，m为预期窗口尺寸对应的所有组初始分量信号的序号，/>为求均方误差函数，/>为预期窗口尺寸对应的第m组中的一个初始分量信号，/>为预期窗口尺寸对应的第m组中的另外一个初始分量信号，为预期窗口尺寸的第二分解效果。
在分解效果评价值的计算公式中，第一分解效果可以表示所有初始分量信号中时间分辨率的平均值，第一分解效果越小，说明所有初始分量信号中的频率分辨率越低，分解效果越差；第二分解效果/>可以表示所有初始分量信号中两两配对结果的平均值，第二分解效果越大，表示初始分量信号之间存在的差异越大，分解效果越好；分解效果评价值/>可以表示预期窗口尺寸分解信号的过程中所有初始分量信号的频率分辨率稳定性特征，分解效果评价值越大，预期窗口尺寸分解信号的过程中的频率分辨率稳定性越强，预期情况下预期窗口尺寸选取的越合理。
需要说明的是，预期窗口尺寸的分解效果评价值由多个分解效果特征量化确定，可以有效提高预期窗口尺寸的数值准确性，便于后续获得可靠程度更高的预期窗口尺寸的调整系数。
第五子步骤，根据预期窗口尺寸的分解效果评价值，确定预期窗口尺寸的调整系数。
在本实施例中，预期窗口尺寸的分解效果评价值越大，说明预期窗口尺寸对运行状态信号数据的分解效果越好，对预期窗口尺寸进行调整的幅度越小，分解效果评价值与调整系数为负相关关系。因此，对预期窗口尺寸的分解效果评价值进行反比例的归一化处理，将反比例的归一化处理后的分解效果评价值作为预期窗口尺寸的调整系数。反比例的归一化处理可以通过exp（-）函数实现，当然，实施者也可以通过其他手段实现反比例的归一化处理。
S4，利用调整系数对预期窗口尺寸进行调整获得各个最优分量信号，根据各个最优分量信号，对待监测过滤装备的运行状态进行监测。
第一步，利用调整系数对预期窗口尺寸进行调整获得各个最优分量信号。
需要说明的是，在确定预期窗口尺寸时，将运行状态信号中的噪声成分假设为均匀分布的状态，但是实际情况下的噪声成分的分布可能不是预期均匀分布的状态，因此需要基于预期窗口尺寸的分解效果获得的调整系数对预期窗口尺寸进行调整。
在本实施例中，首先，利用调整系数对预期窗口尺寸进行调整获得最优窗口尺寸，即将调整系数与预期窗口尺寸的乘积作为最优窗口尺寸；其次，利用窗口尺寸为最优窗口尺寸的LMD分解算法，再次对运行状态信号数据进行分解处理，获得最优窗口尺寸对应的各个最优分量信号。
需要说明的是，调整系数越大，表示预期窗口尺寸进行分解的过程中，初始分量信号之间的分布特征值越小，部分初始分量信号之间存在频率成分重叠的情况，该预期窗口尺寸下的分解效果越差，越需要对该预期窗口尺寸进行调整，以便于获得分解效果更好的各个最优分量信号，通过分析各个最优分量信号可以提高深度脱氮生物过滤装备的监测准确性。
第二步，根据各个最优分量信号，对待监测过滤装备的运行状态进行监测。
在本实施例中，对各个最优分量信号进行滤波处理，可以获得滤波后的各个最优分量信号；对滤波后的各个最优分量信号进行重构处理，可以获得去噪后的运行状态信号数据；计算去噪后的运行状态信号数据中所有数据的平均值，确定为运行状态判定值；若运行状态判定值在预设状态阈值范围内，则判定正常；否则，判定待监测过滤装备的运行状态不正常，过滤装备监测系统发出警报，操作人员需要及时对设备进行检测和排障，对设备进行实时监测可以有效减少设备运行过程中出现的故障风险。滤波去噪的实现过程为现有技术，不在本发明保护范围内，此处不再进行详细阐述。
其中，预设状态阈值范围可以由待监测过滤装备在正常运行时期的历史数据中的最大压力值和最小压力值构成，最大压力值和最小压力值记为和/>，预设状态阈值范围为/>。
当然，也可以采用其他方式实现基于运行状态判定值对待监测过滤装备进行监测，例如，计算待监测过滤装备在正常运行时期的所有历史压力数据的平均值，将所有历史压力数据的平均值作为参考运行状态，计算运行状态判定值与参考运行状态的比值，当比值超过超参数0.6时，判定待监测过滤装备的运行状态不正常，过滤装备监测系统发出警报。其中，超参数是根据经验设置的，这里不做具体限定，实施者可以根据具体实际情况设置超参数的大小。
至此，本实施例实现了对待监测过滤装备的运行状态进行监测，基于分解效果更好的各个最优分量信号，可以有效克服深度脱氮生物过滤装备的监测准确性低下的缺陷。
以上所述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围，均应包含在本发明的保护范围之内。
Claims (8)
1.一种水处理用深度脱氮生物过滤装备监测系统，其特征在于，包括存储器和处理器，所述处理器执行所述存储器存储的计算机程序，以实现如下步骤：
获取待监测过滤装备的运行状态信号数据；基于不同预设窗口尺寸对运行状态信号数据进行短时傅里叶变换处理，获得每个预设窗口尺寸对应的各时间窗口；
根据每个预设窗口尺寸对应的各时间窗口内的正弦波数量、每个正弦波的相位和周期时间差，确定各时间窗口的频率成分特征；
根据各时间窗口的频率成分特征分析频率成分特征分布的均匀度和离散度，确定每个预设窗口尺寸的选取合理度；将最大选取合理度的预设窗口尺寸作为信号分解的预期窗口尺寸；
获取预期窗口尺寸对应的各个初始分量信号；根据各个初始分量信号的频谱图中各个峰值点的位置、任意两个初始分量信号之间的均方误差，确定预期窗口尺寸的调整系数；
利用调整系数对预期窗口尺寸进行调整获得最优窗口尺寸，进而获得最优窗口尺寸对应的各个最优分量信号；对各个最优分量信号进行滤波操作，获得滤波后的各个最优分量信号；
根据滤波后的各个最优分量信号，对待监测过滤装备的运行状态进行监测；
根据每个预设窗口尺寸对应的各时间窗口内的正弦波数量、每个正弦波的相位和周期时间差，确定各时间窗口的频率成分特征，包括：
将任一预设窗口尺寸作为目标尺寸，对于目标尺寸对应的任一时间窗口，将时间窗口内的正弦波数量作为第一频率特性；计算时间窗口内每个正弦波的相位和周期时间差的乘积，将相位和周期时间差的乘积作为第二频率特性，将所有的第二频率特性的累加和作为第三频率特性；结合第一频率特性和第三频率特性，获得目标尺寸对应的时间窗口的频率成分特征；
根据各时间窗口的频率成分特征分析频率成分特征分布的均匀度和离散度，确定每个预设窗口尺寸的选取合理度，包括：
对于目标尺寸，根据目标尺寸对应的各时间窗口的频率成分特征，计算所有频率成分特征的熵值，对熵值进行取反操作，将取反操作后的熵值作为目标尺寸的第一选取合理因子；计算所有频率成分特征的方差，对方差进行取反操作，将取反操作后的方差作为目标尺寸的第二选取合理因子；结合第一选取合理因子和第二选取合理因子，获得目标尺寸的选取合理度。
2.根据权利要求1所述的一种水处理用深度脱氮生物过滤装备监测系统，其特征在于，根据各个初始分量信号的频谱图中各个峰值点的位置、任意两个初始分量信号之间的均方误差，确定预期窗口尺寸的调整系数，包括：
对于任一初始分量信号，根据初始分量信号的频谱图中各个峰值点的位置，确定初始分量信号对应的最大频率值的峰值点，记为最大峰值点；
根据各个初始分量信号对应的最大峰值点的位置，确定预期窗口尺寸的第一分解效果；
将所有初始分量信号中任意两个初始分量信号分为一组，计算每组的均方误差，将所有组的均方误差的平均值作为预期窗口尺寸的第二分解效果；
结合预期窗口尺寸的第一分解效果和第二分解效果，确定预期窗口尺寸的分解效果评价值；
根据预期窗口尺寸的分解效果评价值，确定预期窗口尺寸的调整系数。
3.根据权利要求2所述的一种水处理用深度脱氮生物过滤装备监测系统，其特征在于，根据各个初始分量信号对应的最大峰值点的位置，确定预期窗口尺寸的第一分解效果，包括：
对于任一初始分量信号，根据初始分量信号对应的最大峰值点的位置，确定距离最大峰值点最近的两个谷值点；计算两个谷值点的频率值之间的差异，获得初始分量信号的频率差异；将所有初始分量信号的频率差异的平均值，作为预期窗口尺寸的第一分解效果。
4.根据权利要求2所述的一种水处理用深度脱氮生物过滤装备监测系统，其特征在于，根据预期窗口尺寸的分解效果评价值，确定预期窗口尺寸的调整系数，包括：
对预期窗口尺寸的分解效果评价值进行反比例的归一化处理，将反比例的归一化处理后的分解效果评价值作为预期窗口尺寸的调整系数。
5.根据权利要求1所述的一种水处理用深度脱氮生物过滤装备监测系统，其特征在于，利用调整系数对预期窗口尺寸进行调整获得最优窗口尺寸，包括：
将调整系数与预期窗口尺寸的乘积作为最优窗口尺寸。
6.根据权利要求1所述的一种水处理用深度脱氮生物过滤装备监测系统，其特征在于，根据滤波后的各个最优分量信号，对待监测过滤装备的运行状态进行监测，包括：
对滤波后的各个最优分量信号进行重构，获得去噪后的运行状态信号数据；计算去噪后的运行状态信号数据中所有数据的平均值，确定为运行状态判定值；
根据运行状态判定值和预设状态阈值范围，判断待监测过滤装备的运行状态是否正常。
7.根据权利要求6所述的一种水处理用深度脱氮生物过滤装备监测系统，其特征在于，根据运行状态判定值和预设状态阈值范围，判断待监测过滤装备的运行状态是否正常，包括：
若运行状态判定值在预设状态阈值范围内，则判定正常；否则，判定待监测过滤装备的运行状态不正常。
8.根据权利要求1所述的一种水处理用深度脱氮生物过滤装备监测系统，其特征在于，所述运行状态信号数据的横坐标为采集时间，纵坐标为过滤装备的运行状态数据。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410263480.4A CN117874433B (zh) | 2024-03-08 | 2024-03-08 | 一种水处理用深度脱氮生物过滤装备监测系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410263480.4A CN117874433B (zh) | 2024-03-08 | 2024-03-08 | 一种水处理用深度脱氮生物过滤装备监测系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117874433A CN117874433A (zh) | 2024-04-12 |
| CN117874433B true CN117874433B (zh) | 2024-05-17 |
Family
ID=90584891
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410263480.4A Active CN117874433B (zh) | 2024-03-08 | 2024-03-08 | 一种水处理用深度脱氮生物过滤装备监测系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117874433B (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114997485A (zh) * | 2022-05-26 | 2022-09-02 | 中国石油天然气集团有限公司 | 溢流工况预测模型训练方法、装置及溢流工况预测方法 |
| CN116455086A (zh) * | 2023-06-19 | 2023-07-18 | 法拉迪电气有限公司 | 基于数据驱动的新能源合环智能调控方法 |
| CN117422628A (zh) * | 2023-12-18 | 2024-01-19 | 三亚中心医院(海南省第三人民医院、三亚中心医院医疗集团总院) | 一种心脏血管超声检查数据优化增强方法 |
| CN117574061A (zh) * | 2024-01-16 | 2024-02-20 | 暨南大学 | 一种pm2.5和臭氧污染协同防控的预测方法及系统 |
-
2024
- 2024-03-08 CN CN202410263480.4A patent/CN117874433B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114997485A (zh) * | 2022-05-26 | 2022-09-02 | 中国石油天然气集团有限公司 | 溢流工况预测模型训练方法、装置及溢流工况预测方法 |
| CN116455086A (zh) * | 2023-06-19 | 2023-07-18 | 法拉迪电气有限公司 | 基于数据驱动的新能源合环智能调控方法 |
| CN117422628A (zh) * | 2023-12-18 | 2024-01-19 | 三亚中心医院(海南省第三人民医院、三亚中心医院医疗集团总院) | 一种心脏血管超声检查数据优化增强方法 |
| CN117574061A (zh) * | 2024-01-16 | 2024-02-20 | 暨南大学 | 一种pm2.5和臭氧污染协同防控的预测方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117874433A (zh) | 2024-04-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US6804628B2 (en) | System for surveillance of spectral signals | |
| CN116865269B (zh) | 一种风电机组高谐波补偿方法及系统 | |
| CN110717472B (zh) | 基于改进的小波阈值去噪的故障诊断方法及系统 | |
| CN117235652B (zh) | 一种基于大数据的钢丝加工环境监管方法及系统 | |
| CN113325277A (zh) | 一种局部放电处理方法 | |
| Guo et al. | An enhanced modulation signal bispectrum analysis for bearing fault detection based on non-Gaussian noise suppression | |
| CN117390380B (zh) | 一种油渣分离系统中的数据分析方法 | |
| CN117591811B (zh) | 一种含氟电子废水除氟一体化设备 | |
| CN106908663A (zh) | 一种基于小波变换的电动汽车充电谐波辨识方法 | |
| CN112539887A (zh) | 一种基于wt-lcd-wd的管道泄漏信号去噪方法 | |
| CN117874433B (zh) | 一种水处理用深度脱氮生物过滤装备监测系统 | |
| CN117686774A (zh) | 一种宽频电压信号监测方法、系统、设备及存储介质 | |
| CN115859054B (zh) | 基于mic-ceemdan的水电机组尾水管压力脉动信号去噪方法 | |
| CN117172601A (zh) | 一种基于残差全卷积神经网络的非侵入式负荷监测方法 | |
| CN115659128B (zh) | 一种基于集合经验模态分解法和功率谱的信号降噪方法 | |
| CN116961799A (zh) | 一种基于时频域分布特征的信号干扰检测方法 | |
| CN113255137B (zh) | 目标对象应变数据的处理方法、装置及存储介质 | |
| CN112836583A (zh) | 一种风力机故障诊断方法 | |
| CN112034253A (zh) | 一种moa在线监测方法 | |
| CN118051409B (zh) | 一种ddr5主板板载处理器的运行状态ai监测方法 | |
| CN117349661B (zh) | 柱塞泵振动信号特征提取方法、装置、设备和存储介质 | |
| CN115877342B (zh) | 一种目标对象的确定方法、装置及设备 | |
| Liu et al. | Low-variance version of the RCC index and form factor index for machine condition monitoring | |
| CN118296539B (zh) | 一种面粉加工设备的异常状态分析方法、系统及介质 | |
| CN118427576A (zh) | 基于压力信号分解和滤波的仓储管理方法及系统 |
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 | ||
| CP03 | Change of name, title or address |
Address after: Room 1403, building a, No. 9, Furong Road, Tantou community, Songgang street, Bao'an District, Shenzhen, Guangdong 518000 Patentee after: Shenzhen Pure Water No.1 Technology Co.,Ltd. Country or region after: China Address before: Room 1403, building a, No. 9, Furong Road, Tantou community, Songgang street, Bao'an District, Shenzhen, Guangdong 518000 Patentee before: SHENZHEN PURE WATER NO.1 WATER TREATMENT TECHNOLOGY CO.,LTD. Country or region before: China |