CN117915222B - 一种无线爆破联动通信方法 - Google Patents
一种无线爆破联动通信方法 Download PDFInfo
- Publication number
- CN117915222B CN117915222B CN202410316277.9A CN202410316277A CN117915222B CN 117915222 B CN117915222 B CN 117915222B CN 202410316277 A CN202410316277 A CN 202410316277A CN 117915222 B CN117915222 B CN 117915222B
- Authority
- CN
- China
- Prior art keywords
- signal
- monitoring
- distribution network
- blasting
- data set
- 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
- 230000006854 communication Effects 0.000 title claims abstract description 125
- 238000004891 communication Methods 0.000 title claims abstract description 124
- 238000005422 blasting Methods 0.000 title claims abstract description 92
- 238000000034 method Methods 0.000 title claims abstract description 63
- 238000012544 monitoring process Methods 0.000 claims abstract description 122
- 230000005540 biological transmission Effects 0.000 claims abstract description 28
- 238000007781 pre-processing Methods 0.000 claims abstract description 8
- 238000009826 distribution Methods 0.000 claims description 80
- 238000012549 training Methods 0.000 claims description 29
- 230000008569 process Effects 0.000 claims description 27
- 230000011664 signaling Effects 0.000 claims description 23
- 230000002159 abnormal effect Effects 0.000 claims description 21
- 238000004458 analytical method Methods 0.000 claims description 14
- 238000004364 calculation method Methods 0.000 claims description 11
- 230000001133 acceleration Effects 0.000 claims description 9
- 230000010354 integration Effects 0.000 claims description 6
- 238000003860 storage Methods 0.000 claims description 6
- 238000005070 sampling Methods 0.000 claims description 3
- 230000001502 supplementing effect Effects 0.000 claims description 3
- 230000008054 signal transmission Effects 0.000 abstract description 4
- 230000000694 effects Effects 0.000 abstract description 2
- 238000012545 processing Methods 0.000 description 13
- 230000006870 function Effects 0.000 description 9
- 238000004590 computer program Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 230000008859 change Effects 0.000 description 4
- 238000007405 data analysis Methods 0.000 description 3
- 230000005856 abnormality Effects 0.000 description 2
- 238000013524 data verification Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000008439 repair process Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Landscapes
- Mobile Radio Communication Systems (AREA)
Abstract
本发明涉及无线通信技术领域,尤其涉及一种无线爆破联动通信方法,包括通过采集爆破点监测数据,并获取监测信号数据组;通过对存储的爆破点监测信号数据组进行预处理,并获取历史数据集;通过构建联动通信模型,输入实际监测信号输出相应的预测结果,并获取询问信号;根据联动通信预测模型判断爆破点通信是否正常,并监测无线联动通信质量;提高了爆破监测数据的利用效率和准确性,确保通信状态的可靠性和稳定性。本发明用于解决现有方案中没有对工程爆破作业的信号传输进行精准监测,导致通信效果不佳和数据传输不稳定的技术问题。
Description
技术领域
本发明涉及无线通信技术领域,尤其涉及一种无线爆破联动通信方法。
背景技术
无线联动通信方法是一种利用无线通信技术实现设备之间相互通信、协作和联动的方法,这种方法通常涉及到在不同设备之间建立通信链接,通过传输数据、信息或指令来实现设备之间的协同工作。
无线联动通信方法通常应用于各种领域,如智能家居、工业自动化、智能交通、物联网等。在工程爆破作业中,无线通信可能存在一定的传输延迟,尤其是在网络拥塞或信号干扰较大的情况下,可能影响实时性要求较高的应用,若没有对监测数据进行数据整合和精准分析,会导致工程爆破作业的整体通信状态不稳定,会对整个爆破过程造成极大影响。
发明内容
本发明的目的是为了解决背景技术中的问题,而提出的一种无线爆破联动通信方法。
为了实现上述目的,本发明采用了如下技术方案:
一种无线爆破联动通信方法,包括:
步骤一、采集爆破点监测数据,并获取监测信号数据组;
步骤二、对存储的爆破点监测信号数据组进行预处理,并获取历史数据集;
步骤三、针对历史数据集构建联动通信模型,通过输入实际监测信号输出相应的预测结果,并获取询问信号;
步骤四、根据联动通信预测模型判断爆破点通信是否正常,并监测无线联动通信质量。
需要说明的是,本发明实施例中一种无线爆破联动通信方法的应用对象可以为某爆破工程的通信质量监测,具体的可以为监测工程爆破作业中的信号传输;本发明提出的一种无线爆破联动通信方法,采集爆破点监测数据,并获取监测信号数据组;对存储的爆破点监测信号数据组进行预处理,并获取历史数据集;针对历史数据集构建联动通信模型,通过输入实际监测信号输出相应的预测结果,并获取询问信号;根据联动通信预测模型判断爆破点通信是否正常,并监测无线联动通信质量;该方法有效提升了爆破监测的效率和精度,为爆破作业提供可靠的支持和保障,确保无线爆破联动通信过程的可靠性和一致性。所述一种无线爆破联动通信方法具有实时性强、灵活性高、覆盖范围广、成本低、可靠性高和信息共享性强等优势,能够有效提升爆破监测的效率和精度,为爆破作业提供可靠的支持、保障以及智能化水平。
进一步的,采集爆破点监测数据,并获取监测信号数据组的过程包括:
设置爆破点配网数据,根据配网数据中爆破点声压级SPL和振动速度获取声波信号和振动信号;
获取预定时段内的第一监测信息和第二监测信息,其中所述第一监测信息为声波信号对应的配网设备的传输信令时间信息,所述第二监测信息为振动信号对应的配网设备的传输信令时间信息;
通过获取的声波信号或振动信号与其对应的传输信令时间信息进行关联整合,形成完整的监测信号数据组,并以文件或数据库记录的形式存储。
进一步的,根据配网数据中爆破点声压级SPL和振动速度获取声波信号和振动信号的过程包括:
使用声波或加速度传感器测量爆破环境中的声音状况或振动情况;
利用声波或加速度传感器转换为电信号,记录并在监测点安装相关工具;
将采集到的声音或加速度数据传输到数据采集设备。
进一步的,将获取的声波信号或振动信号与其对应的传输信令时间信息进行关联整合的过程包括:
将声波信号或振动信号的时间戳与传输信令时间信息进行对齐,确保时间尺度一致;
根据时间戳将声波信号或振动信号与传输信令时间信息进行匹配;
将匹配成功的声波信号或振动信号与传输信令时间信息进行整合,形成完整的监测信号数据组;
对整合后的监测信号数据组进行验证;
需要说明的是,对齐时间戳的方法可以利用采集的数据,找到相应时间点的对应关系,或使用时间窗口等方法;匹配数据通过使用时间戳作为关键字进行匹配,将相同时间戳的声波信号或振动信号与传输信令时间信息进行关联;整合数据是按照时间顺序进行排列,形成时间序列数据,以便后续的分析和处理;在进行数据验证时,需要检查是否有缺失数据或异常数据,进行必要的处理和修复;在形成监测信号数据组后,可以对其进行进一步的分析、处理和应用,包括特征提取、模型训练等;通过一系列的关联整合过程可以获取更全面、准确的监测数据,为后续的数据分析和应用提供可靠的基础。
进一步的,对存储的爆破点监测信号数据组进行预处理,并获取历史数据集的过程包括:
若预定时段内所获取的一组监测信号数据组的数值中有缺失值或异常值,则使用监测信号数据组的标准数值进行补充;
若预定时段内所获取的一组监测信号数据组的数值中有重复值,则去除其中异常值,并对其余重复值进行平均计算,将计算获取的均值进行替换存储;
根据预处理后的信号数据组获取历史数据集A。
进一步的,针对历史数据集构建联动通信模型的过程包括:
C1、对历史数据集A进行有放回的随机采样,获取历史数据集A的若干训练样本数据集;
C2、对训练样本数据集Ac进行特征选择,进行对应回归树的划分;其中c表示属于相应历史数据集的训练样本数据集的编号,c=1,2,3,……,o;o为正整数;
C3、按照声波和振动信号特征分别对训练样本数据集Ac中的样本数据进行特征选择;
C4、设定同时期的信号标准范围表;对每个特征的属性值进行区间划分;
C5、参照对应不同时期的信号标准范围表进行比对,将属于对应信号标准范围的属性值标记为第一属性类,将小于对应信号标准范围的属性值标记为第二属性类,将大于对应信号标准范围的属性值标记为第三属性类;
C6、根据特征的属性类,将训练样本数据集Ac中的样本数据划分为不同的子集,并标记为无线通信集,其中u=1,2;Ac1表示无线声波通信集,Ac2表示无线振动通信集;
C7、通过计算获取特征信号波动趋值;
C8、重复步骤C2,将训练后的多个回归树组合成联动通信预测模型。
进一步的,所述特征信号波动趋值的计算公式如下:
;
式中表示特征信号波动趋值;/>表示训练样本数据集中的无线通信集;E表示特征集合;n表示特征集合中的特征数量;m表示训练样本数据集中的样本数量;/>表示第j个样本在特征集合E中的第i个特征的属性值;/>表示第j个样本在特征集合E中的平均属性值;
需要注意的是,特征信号波动趋值用于衡量特征数据的波动程度或变化趋势;在训练模型进行信号预测时,特征信号波动趋值可以进行特征选择、异常检测和模型训练,通过计算特征信号波动趋值,筛选出对预测目标影响较大的特征,从而进行特征选择,提高模型的预测准确性和效率;异常的特征信号波动趋值可能表示数据异常或异常情况的发生,可以用于监测和识别数据中的异常情况,提高系统的稳定性和鲁棒性;在训练模型时,特征信号波动趋值作为输入特征,帮助模型更好地理解特征之间的关系和变化趋势,从而提高模型的拟合能力和泛化能力;总之,特征信号波动趋值可以帮助优化模型的特征选择过程,提高模型的性能和鲁棒性,从而更准确地预测目标变量的数值或类别。
进一步的,通过输入实际监测信号输出相应的预测结果,并获取询问信号的过程包括:
将实际监测信号输入联动通信预测模型中,并统计预测结果的数量;
对训练后的联动通信预测模型的多个回归树的不同输出结果进行汇总统计;
选择数值范围相近且出现次数多的输出结果作为该联动通信预测模型的预测结果;
提取联动通信预测模型预测结果中的特征信号波动趋值,并生成询问信号D0。
进一步的,根据联动通信预测模型判断爆破点通信是否正常,并监测无线联动通信质量的过程包括:
W1、接收联动通信预测模型中的询问信号D0;对询问信号对应的配网时延信号进行监测,为每个配网时延信号定义一个标识号;
其中,使用专门的监测设备或系统实时监测配网时延;可以将相关设备安装在配电网的关键节点上,定期发送信号并记录信号的传输时延,以便立即查看对应的配网时延数据;
W2、基于爆破点配网时延信号和发射频率的相关性,绘制正弦函数曲线图;通过对正弦函数曲线图的分析,获取联动通信预测模型中的询问信号对应的所有配网时延信号的发射频率,得到最大频率和最小频率/>;
W3、依次接收配网时延信号,并重新计算得到配网时延信号对应的发射频率,实时更新最大频率和最小频率/>;
W4、设置第一指定时间值;在第一指定时间内,计算分析得到配网时延信号对应的最大频率出现的平均时间间隔T1和配网时延信号对应的最小频率出现的平均时间间隔T2,并求取T1和T2的最大公因数,作为周期T0;
W5、以周期T0为基准,获取对应配网时延信号,且正弦曲线周期的峰值和谷值分别为和/>,同时获取配网时延信号的平均时间间隔为(T1+T2)/2;
W6、判断每个曲线周期内是否接收到配网时延信号;若是则将该曲线周期的下一个周期时间设为当前周期的一半,并执行步骤W7;反之则将周期恢复至初始状态T0,重新进行周期监测;
W7、预设第二指定时间值;检查是否在第二指定时间内再次接收到步骤W6中的配网时延信号;若是则执行步骤W8;反之则曲线周期恢复至初始状态T0,返回步骤W6;
W8、记录接收到的配网时延信号及其频率;将该配网时延信号的频率标记为配网时延频率值Pa;
W9、通过设置配网时延基准值与配网时延频率值Pa相互比对,判断无线联动通信质量,若配网时延频率值Pa与基准值相符,则确认爆破点通信正常;若不相符,则确认存在异常情况,自动生成反馈信号,并定位对应的配网时延标识号,同时将反馈信号与对应的配网设备互联,进行相应的控制操作;
其中,设置的配网时延基准值是根据历史数据或者标准设定的一个预期值,表示正常情况下的配网时延。
与现有的技术相比,本发明提供了一种无线爆破联动通信方法的优点在于:
1、本发明通过实时采集爆破点监测数据,确保数据的及时性和准确性,通过获取监测信号数据组,可以建立起对爆破点状态的实时监测;
2、本发明通过预处理爆破点监测数据,清除数据中的噪声、异常值和缺失值,确保数据的质量和可靠性,通过获取历史数据集用于后续的模型训练和分析,提高了数据的再利用性和价值;
3、本发明通过构建联动通信模型,并根据历史数据和实时监测信号进行预测,提高了对爆破点通信状态的理解和预见性,通过输入实际监测信号,可以输出相应的预测结果,为后续决策提供参考依据。
4、通过判断通信状态并监测通信质量,实时判断爆破点通信是否正常,及时发现异常情况并采取相应的措施,通过监测无线联动通信质量来评估通信系统的性能和稳定性,及时调整和优化通信网络,确保通信的可靠性和稳定性。
综上所述,本发明可以根据实际情况,对无线爆破联动通信方法进行验证,实现信息共享和协同工作,提高了爆破监测数据的利用效率和准确性,通过全面的数据分析,有助于增强数据的可靠性和可用性,为爆破作业提供可靠的支持和保障,确保后续无线爆破联动通信方法的正常实行。
附图说明
图1为本发明提出的一种无线爆破联动通信方法的流程图。
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,所描述的实施条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。
参照图1,一种无线爆破联动通信方法,包括:
步骤一、采集爆破点监测数据,并获取监测信号数据组;
步骤二、对存储的爆破点监测信号数据组进行预处理,并获取历史数据集;
步骤三、针对历史数据集构建联动通信模型,通过输入实际监测信号输出相应的预测结果,并获取询问信号;
步骤四、根据联动通信预测模型判断爆破点通信是否正常,并监测无线联动通信质量。
需要说明的是,本发明实施例中一种无线爆破联动通信方法的应用对象可以为某爆破工程的通信质量监测,具体的可以为监测工程爆破作业中的信号传输;所述一种无线爆破联动通信方法具有实时性强、灵活性高、覆盖范围广、成本低、可靠性高和信息共享性强等优势,能够有效提升爆破监测的效率和精度,为爆破作业提供可靠的支持、保障以及智能化水平。
所述步骤一中,采集爆破点监测数据,并获取监测信号数据组的过程包括:
S101、设置爆破点配网数据,根据配网数据中爆破点声压级SPL和振动速度获取声波信号和振动信号;
S102、获取预定时段内的第一监测信息和第二监测信息,其中所述第一监测信息为声波信号对应的配网设备的传输信令时间信息,所述第二监测信息为振动信号对应的配网设备的传输信令时间信息:
S103、通过获取的声波信号或振动信号与其对应的传输信令时间信息进行关联整合,形成完整的监测信号数据组,并以文件或数据库记录的形式存储。
根据配网数据中爆破点声压级SPL和振动速度获取声波信号和振动信号的过程包括:
B01、使用声波或加速度传感器测量爆破环境中的声音状况或振动情况;
B02、利用声波或加速度传感器转换为电信号,记录并在监测点安装相关工具;
B03、将采集到的声音或加速度数据传输到数据采集设备。
将获取的声波信号或振动信号与其对应的传输信令时间信息进行关联整合的过程包括:
B11、将声波信号或振动信号的时间戳与传输信令时间信息进行对齐,确保时间尺度一致;
B12、根据时间戳将声波信号或振动信号与传输信令时间信息进行匹配;
B13、将匹配成功的声波信号或振动信号与传输信令时间信息进行整合,形成完整的监测信号数据组;
B14、对整合后的监测信号数据组进行验证;
在上述步骤B11至B14中,对齐时间戳的方法可以利用采集的数据,找到相应时间点的对应关系,或使用时间窗口等方法;匹配数据通过使用时间戳作为关键字进行匹配,将相同时间戳的声波信号或振动信号与传输信令时间信息进行关联;整合数据是按照时间顺序进行排列,形成时间序列数据,以便后续的分析和处理;在进行数据验证时,需要检查是否有缺失数据或异常数据,进行必要的处理和修复;在形成监测信号数据组后,可以对其进行进一步的分析、处理和应用,包括特征提取、模型训练等;通过一系列的关联整合过程可以获取更全面、准确的监测数据,为后续的数据分析和应用提供可靠的基础。
所述步骤二中,对存储的爆破点监测信号数据组进行预处理,并获取历史数据集的过程包括:
S201、若预定时段内所获取的一组监测信号数据组的数值中有缺失值或异常值,则使用监测信号数据组的标准数值进行补充;
S202、若预定时段内所获取的一组监测信号数据组的数值中有重复值,则去除其中异常值,并对其余重复值进行平均计算,将计算获取的均值进行替换存储;
S203、根据预处理后的信号数据组获取历史数据集A。
所述步骤三中,针对历史数据集构建联动通信模型,通过输入实际监测信号输出相应的预测结果,并获取询问信号的过程包括:
S301、对历史数据集A进行有放回的随机采样,获取历史数据集A的若干训练样本数据集;
S302、对训练样本数据集Ac进行特征选择,进行对应回归树的划分;其中c表示属于相应历史数据集的训练样本数据集的编号,c=1,2,3,……,o;o为正整数;
S303、按照声波和振动信号特征分别对训练样本数据集Ac中的样本数据进行特征选择;
S304、设定同时期的信号标准范围表;对每个特征的属性值进行区间划分;
S305、参照对应不同时期的信号标准范围表进行比对,将属于对应信号标准范围的属性值标记为第一属性类,将小于对应信号标准范围的属性值标记为第二属性类,将大于对应信号标准范围的属性值标记为第三属性类;
S306、根据特征的属性类,将训练样本数据集Ac中的样本数据划分为不同的子集,并标记为无线通信集,其中u=1,2;Ac1表示无线声波通信集,Ac2表示无线振动通信集;
S307、利用公式计算特征信号波动趋值,其中计算公式如下:;
式中表示特征信号波动趋值;/>表示训练样本数据集中的无线通信集;E表示特征集合;n表示特征集合中的特征数量;m表示训练样本数据集中的样本数量;/>表示第j个样本在特征集合E中的第i个特征的属性值;/>表示第j个样本在特征集合E中的平均属性值;
在步骤S307中,所述特征信号波动趋值用于衡量特征数据的波动程度或变化趋势;在训练模型进行信号预测时,特征信号波动趋值可以进行特征选择、异常检测和模型训练,通过计算特征信号波动趋值,筛选出对预测目标影响较大的特征,从而进行特征选择,提高模型的预测准确性和效率;异常的特征信号波动趋值可能表示数据异常或异常情况的发生,可以用于监测和识别数据中的异常情况,提高系统的稳定性和鲁棒性;在训练模型时,特征信号波动趋值作为输入特征,帮助模型更好地理解特征之间的关系和变化趋势,从而提高模型的拟合能力和泛化能力;总之,特征信号波动趋值可以帮助优化模型的特征选择过程,提高模型的性能和鲁棒性,从而更准确地预测目标变量的数值或类别;
S308、重复步骤S302,将训练后的多个回归树组合成联动通信预测模型;
S309、将实际监测信号输入联动通信预测模型中,并统计预测结果的数量;
S310、对训练后的联动通信预测模型的多个回归树的不同输出结果进行汇总统计;
S311、选择数值范围相近且出现次数多的输出结果作为该联动通信预测模型的预测结果;
S312、提取联动通信预测模型预测结果中的特征信号波动趋值,并生成询问信号D0。
所述步骤四中,根据联动通信预测模型判断爆破点通信是否正常,并监测无线联动通信质量的过程包括:
S401、接收联动通信预测模型中的询问信号D0;对询问信号对应的配网时延信号进行监测,为每个配网时延信号定义一个标识号;
在步骤S401中,使用专门的监测设备或系统实时监测配网时延;可以将相关设备安装在配电网的关键节点上,定期发送信号并记录信号的传输时延,以便立即查看对应的配网时延数据;
S402、基于爆破点配网时延信号和发射频率的相关性,绘制正弦函数曲线图;通过对正弦函数曲线图的分析,获取联动通信预测模型中的询问信号对应的所有配网时延信号的发射频率,得到最大频率和最小频率/>;
S403、依次接收配网时延信号,并重新计算得到配网时延信号对应的发射频率,实时更新最大频率和最小频率/>;
S404、设置第一指定时间值;在第一指定时间内,计算分析得到配网时延信号对应的最大频率出现的平均时间间隔T1和配网时延信号对应的最小频率出现的平均时间间隔T2,并求取T1和T2的最大公因数,作为周期T0;
S405、以周期T0为基准,获取对应配网时延信号,且正弦曲线周期的峰值和谷值分别为和/>,同时获取配网时延信号的平均时间间隔为(T1+T2)/2;
S406、判断每个曲线周期内是否接收到配网时延信号;若是则将该曲线周期的下一个周期时间设为当前周期的一半,并执行步骤S407;反之则将周期恢复至初始状态T0,重新进行周期监测;
S407、预设第二指定时间值;检查是否在第二指定时间内再次接收到步骤S406中的配网时延信号;若是则执行步骤S408;反之则曲线周期恢复至初始状态T0,返回步骤S406;
S408、记录接收到的配网时延信号及其频率;将该配网时延信号的频率标记为配网时延频率值Pa;
S409、通过设置配网时延基准值与配网时延频率值Pa相互比对,判断无线联动通信质量,若配网时延频率值Pa与基准值相符,则确认爆破点通信正常;若不相符,则确认存在异常情况,自动生成反馈信号,并定位对应的配网时延标识号,同时将反馈信号与对应的配网设备互联,进行相应的控制操作;
在步骤S409中,设置的配网时延基准值是根据历史数据或者标准设定的一个预期值,表示正常情况下的配网时延。
本发明实施例中,通过采集爆破点监测数据,并实时采集爆破点监测数据,确保数据的及时性和准确性,通过获取监测信号数据组建立起对爆破点状态的实时监测,通过预处理爆破点监测数据来清除数据中的噪声、异常值和缺失值,确保数据的质量和可靠性,获取历史数据集可以用于后续的模型训练和分析,提高了数据的再利用性和价值,通过构建联动通信模型,能够根据历史数据和实时监测信号进行预测,提高了对爆破点通信状态的理解和预见性,通过输入实际监测信号,可以输出相应的预测结果,为后续决策提供参考依据,通过判断通信状态并监测通信质量,可以实时判断爆破点通信是否正常,及时发现异常情况并采取相应的措施,通过监测无线联动通信质量评估通信系统的性能和稳定性,及时调整和优化通信网络,确保通信的可靠性和稳定性。综上所述,本发明实例涉及到数据采集、综合分析和结果生成的决策,解决现有方案中没有对工程爆破作业的信号传输进行精准监测,导致通信效果不佳和数据传输不稳定的技术问题。在实际情况中,可能需要更多的数据和上下文信息来做出具体的决策和优化方案。
此外,上述中涉及的公式均是去除量纲取其数值计算,是由采集大量数据进行软件模拟得到最接近真实情况的一个公式,公式中的比例系数以及分析过程中各个预设的阈值由本领域的技术人员根据实际情况设定或者大量数据模拟获得;比例系数的大小是为了将各个参数进行量化得到的一个具体的数值,便于后续比较,关于比例系数的大小,取决于样本数据的多少及本领域技术人员对每一组样本数据初步设定对应的处理系数;只要不影响参数与量化后数值的比例关系即可。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,各个实施例重点说明的都是与其他实施例的不同之处。尤其,对于装置实施例而言,由于其基本依托于方法实施例,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。
为了描述得方便,描述以上装置时以功能分为各种单元分别描述。当然,在实施本申请时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
其次:本发明公开实施例附图中,只涉及与本公开实施例涉及的结构,其他结构可参考通常设计,在不冲突情况下,本发明同一实施例及不同实施例可以相互组合;
最后:以上所述仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,根据本发明的技术方案及其发明构思加以等同替换或改变,都应涵盖在本发明的保护范围之内。
Claims (5)
1.一种无线爆破联动通信方法,其特征在于:
步骤一、采集爆破点监测数据,并获取监测信号数据组;其中,爆破点监测数据为爆破点配网数据,包括配网数据中爆破点声压级SPL和振动速度;
步骤二、对存储的爆破点监测信号数据组进行预处理,并获取历史数据集;
步骤三、针对历史数据集构建联动通信模型,通过输入实际监测信号输出相应的预测结果,并获取询问信号;
步骤四、根据联动通信预测模型判断爆破点通信是否正常,并监测无线联动通信质量;
其中所述步骤二,对存储的爆破点监测信号数据组进行预处理,并获取历史数据集的过程包括:
若预定时段内所获取的一组监测信号数据组的数值中有缺失值或异常值,则使用监测信号数据组的标准数值进行补充;
若预定时段内所获取的一组监测信号数据组的数值中有重复值,则去除其中异常值,并对其余重复值进行平均计算,将计算获取的均值进行替换存储;
根据预处理后的信号数据组获取历史数据集A;
其中所述步骤三,针对历史数据集构建联动通信模型的过程包括:
C1、对历史数据集A进行有放回的随机采样,获取历史数据集A的若干训练样本数据集Ac;
C2、对训练样本数据集Ac进行特征选择,进行对应回归树的划分;其中c表示属于相应历史数据集的训练样本数据集的编号,c=1,2,3,……,o;o为正整数;
C3、按照声波和振动信号特征分别对训练样本数据集Ac中的样本数据进行特征选择;
C4、设定同时期的信号标准范围表;对每个特征的属性值进行区间划分;
C5、参照对应不同时期的信号标准范围表进行比对,将属于对应信号标准范围的属性值标记为第一属性类,将小于对应信号标准范围的属性值标记为第二属性类,将大于对应信号标准范围的属性值标记为第三属性类;
C6、根据特征的属性类,将训练样本数据集Ac中的样本数据划分为不同的子集,并标记为无线通信集,其中u=1,2;Ac1表示无线声波通信集,Ac2表示无线振动通信集;
C7、通过计算获取特征信号波动趋值;其中,特征信号波动趋值的计算公式如下:
;
式中表示特征信号波动趋值;/>表示训练样本数据集中的无线通信集;E表示特征集合;n表示特征集合中的特征数量;m表示训练样本数据集中的样本数量;表示第j个样本在特征集合E中的第i个特征的属性值;/>表示第j个样本在特征集合E中的平均属性值;
C8、重复步骤C2,将训练后的多个回归树组合成联动通信预测模型;
其中所述步骤四,根据联动通信预测模型判断爆破点通信是否正常,并监测无线联动通信质量的过程包括:
W1、接收联动通信预测模型中的询问信号D0;对询问信号对应的配网时延信号进行监测,为每个配网时延信号定义一个标识号;
W2、基于爆破点配网时延信号和发射频率的相关性,绘制正弦函数曲线图;通过对正弦函数曲线图的分析,获取联动通信预测模型中的询问信号对应的所有配网时延信号的发射频率,得到最大频率和最小频率/>;
W3、依次接收配网时延信号,并重新计算得到配网时延信号对应的发射频率,实时更新最大频率和最小频率/>;
W4、设置第一指定时间值;在第一指定时间内,计算分析得到配网时延信号对应的最大频率出现的平均时间间隔T1和配网时延信号对应的最小频率出现的平均时间间隔T2,并求取T1和T2的最大公因数,作为周期T0;
W5、以周期T0为基准,获取对应配网时延信号,且正弦曲线周期的峰值和谷值分别为和/>,同时获取配网时延信号的平均时间间隔为(T1+T2)/2;
W6、判断每个曲线周期内是否接收到配网时延信号;若是则将该曲线周期的下一个周期时间设为当前周期的一半,并执行步骤W7;反之则将周期恢复至初始状态T0,重新进行周期监测;
W7、预设第二指定时间值;检查是否在第二指定时间内再次接收到步骤W6中的配网时延信号;若是则执行步骤W8;反之则曲线周期恢复至初始状态T0,返回步骤W6;
W8、记录接收到的配网时延信号及其频率;将该配网时延信号的频率标记为配网时延频率值Pa;
W9、通过设置配网时延基准值与配网时延频率值Pa相互比对,判断无线联动通信质量,若配网时延频率值Pa与基准值相符,则确认爆破点通信正常;若不相符,则确认存在异常情况,自动生成反馈信号,并定位对应的配网时延标识号,同时将反馈信号与对应的配网设备互联,进行相应的控制操作。
2.根据权利要求1所述的一种无线爆破联动通信方法,其特征在于:所述步骤一中,采集爆破点监测数据,并获取监测信号数据组的过程包括:
设置爆破点配网数据,根据配网数据中爆破点声压级SPL和振动速度获取声波信号和振动信号;
获取预定时段内的第一监测信息和第二监测信息,其中所述第一监测信息为声波信号对应的配网设备的传输信令时间信息,所述第二监测信息为振动信号对应的配网设备的传输信令时间信息;
通过获取的声波信号或振动信号与其对应的传输信令时间信息进行关联整合,形成完整的监测信号数据组,并以文件或数据库记录的形式存储。
3.根据权利要求2所述的一种无线爆破联动通信方法,其特征在于:根据配网数据中爆破点声压级SPL和振动速度获取声波信号和振动信号的过程包括:
使用声波或加速度传感器测量爆破环境中的声音状况或振动情况;
利用声波或加速度传感器转换为电信号,记录并在监测点安装相关工具;
将采集到的声音或加速度数据传输到数据采集设备。
4.根据权利要求2所述的一种无线爆破联动通信方法,其特征在于:将获取的声波信号或振动信号与其对应的传输信令时间信息进行关联整合的过程包括:
将声波信号或振动信号的时间戳与传输信令时间信息进行对齐,确保时间尺度一致;
根据时间戳将声波信号或振动信号与传输信令时间信息进行匹配;
将匹配成功的声波信号或振动信号与传输信令时间信息进行整合,形成完整的监测信号数据组;
对整合后的监测信号数据组进行验证。
5.根据权利要求1所述的一种无线爆破联动通信方法,其特征在于:所述步骤三中,通过输入实际监测信号输出相应的预测结果,并获取询问信号的过程包括:
将实际监测信号输入联动通信预测模型中,并统计预测结果的数量;
对训练后的联动通信预测模型的多个回归树的不同输出结果进行汇总统计;
选择数值范围相近且出现次数多的输出结果作为该联动通信预测模型的预测结果;
提取联动通信预测模型预测结果中的特征信号波动趋值,并生成询问信号D0。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410316277.9A CN117915222B (zh) | 2024-03-20 | 2024-03-20 | 一种无线爆破联动通信方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410316277.9A CN117915222B (zh) | 2024-03-20 | 2024-03-20 | 一种无线爆破联动通信方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117915222A CN117915222A (zh) | 2024-04-19 |
CN117915222B true CN117915222B (zh) | 2024-06-04 |
Family
ID=90692766
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410316277.9A Active CN117915222B (zh) | 2024-03-20 | 2024-03-20 | 一种无线爆破联动通信方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117915222B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111161171A (zh) * | 2019-12-18 | 2020-05-15 | 三明学院 | 爆破振动信号基线漂零校正和消噪方法、装置、设备及系统 |
CN114070335A (zh) * | 2020-08-06 | 2022-02-18 | 索尼公司 | 电子设备、通信方法和存储介质 |
CN115481661A (zh) * | 2022-09-05 | 2022-12-16 | 中国科学院武汉岩土力学研究所 | 基于模态分解的爆破信号检测方法及装置 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180284735A1 (en) * | 2016-05-09 | 2018-10-04 | StrongForce IoT Portfolio 2016, LLC | Methods and systems for industrial internet of things data collection in a network sensitive upstream oil and gas environment |
US11555939B2 (en) * | 2016-08-31 | 2023-01-17 | Halliburton Energy Services, Inc. | Real-time processing and control of DAS VSP surveys |
CA3177620A1 (en) * | 2021-05-06 | 2022-11-06 | Strong Force Iot Portfolio 2016, Llc | Quantum, biological, computer vision, and neural network systems for industrial internet of things |
-
2024
- 2024-03-20 CN CN202410316277.9A patent/CN117915222B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111161171A (zh) * | 2019-12-18 | 2020-05-15 | 三明学院 | 爆破振动信号基线漂零校正和消噪方法、装置、设备及系统 |
CN114070335A (zh) * | 2020-08-06 | 2022-02-18 | 索尼公司 | 电子设备、通信方法和存储介质 |
CN115481661A (zh) * | 2022-09-05 | 2022-12-16 | 中国科学院武汉岩土力学研究所 | 基于模态分解的爆破信号检测方法及装置 |
Non-Patent Citations (2)
Title |
---|
基于人工震源的长偏移距地震信号检测和探测研究;林建民;《中国博士学位论文全文数据库》;20090715;1-160 * |
基于光纤传感的微震信号采集和识别与震源定位研究;宋广东;《中国博士学位论文全文数据库》;20201015;1-161 * |
Also Published As
Publication number | Publication date |
---|---|
CN117915222A (zh) | 2024-04-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114298863B (zh) | 一种智能抄表终端的数据采集方法及系统 | |
US20070061144A1 (en) | Batch statistics process model method and system | |
CN101180590A (zh) | 预测性排放物监测系统及方法 | |
CN110632546B (zh) | 基于全网域证据集的电子式互感器可信度评估方法和装置 | |
CN116483015B (zh) | 一种车间设备监控方法、装置、设备及存储介质 | |
CN111294841B (zh) | 一种无线网络问题的处理方法、装置及存储介质 | |
CN115484112B (zh) | 支付大数据安全防护方法、系统及云平台 | |
CN116862081B (zh) | 一种污染治理设备运维方法及系统 | |
CN117915222B (zh) | 一种无线爆破联动通信方法 | |
CN111523798B (zh) | 一种自动建模的方法、装置、系统、及其电子设备 | |
CN115936680B (zh) | 一种设备运维的智能派单方法及系统 | |
CN115514679B (zh) | 一种基于通信模块的异常来源监测方法及系统 | |
CN117217020A (zh) | 一种基于数字孪生的工业模型构建方法及系统 | |
CN114019946B (zh) | 工控终端的监控数据处理方法及装置 | |
CN105608638B (zh) | 一种判定智能终端与电能表的表码数据同步状态的方法及其系统 | |
Baxter et al. | Parallelising algorithms to exploit heterogeneous architectures for real-time control systems | |
CN117949886B (zh) | 互感器校验仪智能调控方法、系统、电子设备及存储介质 | |
CN117688432B (zh) | 一种基于盾构机的健康状态检测方法、设备及介质 | |
CN113030883B (zh) | 一种计算机仿真中高效传输雷达威力图数据方法及系统 | |
CN117318053B (zh) | 用于储能电站的能源需求预测方法及系统 | |
CN116229700B (zh) | 一种锂电池储能箱的监测数据误差分析方法及系统 | |
CN111159861B (zh) | 基于数据包络分析的锂电池多源可靠性试验数据评价方法 | |
CN111144685A (zh) | 一种确定智能电能表质量技术基础能力评价指标体系的方法和系统 | |
CN117725724A (zh) | 一种基于需求的工业互联网仿真方法及系统 | |
CN117834455A (zh) | 一种电力物联网数据传输仿真方法和系统 |
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 |