CN109556649B - 一种智能传感器的信号采集监测方法 - Google Patents
一种智能传感器的信号采集监测方法 Download PDFInfo
- Publication number
- CN109556649B CN109556649B CN201811456129.8A CN201811456129A CN109556649B CN 109556649 B CN109556649 B CN 109556649B CN 201811456129 A CN201811456129 A CN 201811456129A CN 109556649 B CN109556649 B CN 109556649B
- Authority
- CN
- China
- Prior art keywords
- signal
- parameter
- parameters
- steady
- time
- 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
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Testing Or Calibration Of Command Recording Devices (AREA)
Abstract
本发明公开了一种智能传感器的信号采集监测方法,属于传感器技术领域。它包括设置传感器模块和微控制器模块,微控制器模块按如下步骤处理数据:读取传感器模块检测到的信号;将信号转换为第一信号参数,第一信号参数包括第一信号数值及其产生时间;把第一信号数值对时间进行积分,获得各时间段的第一信号积分参数;获得突变积分参数;建立包括可选的第一信号参数、各时间段的第一信号积分参数以及突变积分参数的多参数组参数;多参数组参数作为过程参数对监测状况进行整体判断,反馈结果。本发明通过包括突变积分参数在内的多个参数或组合从不同角度体现各种特征,通过多参数组参数对监测状况进行整体判断,大幅度提高了传感器采集精度,监测结果更加准确。
Description
技术领域
本发明属于传感器技术领域,具体地说,涉及一种智能传感器的信号采集监测方法。
背景技术
现阶段,常规传感器一般是采用敏感材料制作成的一种检测装置,能感受到被测量的信息,并能将感受到的信息,按一定规律变换成为电信号或其他所需形式的信息输出,以满足信息的传输、处理、存储、显示、记录和控制等要求。但检测对象的微弱信号变化检测比较困难,一方面传感器测量精度有限,分辨微小信号及其变化比较困难,单纯使用放大电路,很容易因干扰导致判断结果有误;另一方面,绝大多数传感器信号所反映的异常参数是时变性暂态参数,随时间变化差别很大,绝大多数隐患早期阶段,暂态参数绝大部分时间内为正常数值,早期隐患的异常一般具有统计意义,例如出现频率趋快、数值渐大。
现有传感器技术基于传感器的储存空间、通讯带宽及通讯流量的限制,往往只能对短时段的全体数据计算处理,或者是对长时间的部分随机抽样数据进行处理,很难获得时间足够长的全体数据的大尺度特征信息,或者时间足够短的突发异常信息。
公开号为CN105509815B,公开日为2017年11月21日的中国专利公开了一种基于积分算法的非电量信号采集监测方法,包括以下步骤:设置非电量传感器,将非电量传感器的输出信号,转换还原为非电量信号参数,把非电量信号参数或非电量信号参数变化量对时间进行积分,获得各时间段非电量信号参数进行存储;根据各时间段非电量积分参数对非电量信号参数状况进行判断,并对异常进行监测。该专利将非电量检测转换成非电量积分参数检测,有利于对细小隐患进行累积放大,即在隐患发生的中早期及时发现预警处理,避免隐患严重化,从而避免损失,降低风险。但是,该专利的检测数据过于单一,也并没有直接提取有效数据。
发明内容
1、要解决的问题
针对现有传感器很难获得时间足够长的全体数据的大尺度特征信息,即使获得大尺度信息也很难获得有效数据的问题,本发明提供一种智能传感器的信号采集监测方法,通过少量的针对过程的多参数组参数,替代海量的单一传感器原始数据。
2、技术方案
为解决上述问题,本发明采用如下的技术方案。
一种智能传感器的信号采集监测方法,包括设置传感器模块和微控制器模块,所述微控制器模块按如下步骤处理数据:
S1、读取传感器模块检测到的信号;
S2、将所述信号转换为第一信号参数,所述第一信号参数包括第一信号数值及其产生时间;把第一信号数值对时间进行积分,获得各时间段的第一信号积分参数;
S3、获得突变积分参数;所述突变积分参数是以突变为时间起止边界的时间段的积分;
设定第一信号参数的稳态基准值带阈,沿时间方向根据各时间段内第一信号数值与稳态基准值带阈的关系,判断第一信号处于稳态或稳态中的子突变、稳态之间的迁移跃变还是各具体过程;所述突变包括稳态中的子突变和稳态之间的迁移跃变;
S4、建立包括第一信号参数、第一信号积分参数以及突变积分参数的多参数组参数;
S5、所述多参数组参数作为过程参数对监测状况进行整体判断,反馈结果。
作为优化方案,在步骤S1、S2中,
在同一小短时间段内按相同频率读取传感器模块检测到的信号,对转换获得的第一信号数值进行累加,获得第一信号自积分参数和累加次数,通过对所述第一信号自积分参数与累加次数相除,获得该小短时间段的第一信号数值,用于输出;
每个所述小短时间段均在一个突变时间段范围内或稳态中的相邻子突变间的一个子稳态时间段范围内,所述小短时间段长度限制在1s~10s范围内。
作为优化方案,步骤S3中,在一个稳态中,设定第一信号数值的均值为E,按E的比例设定阈值W,那么E±W为该稳态的稳态基准值带阈;
当第一信号数值在一半以上的时间稳定单向超出或在一半以上的时间稳定单向低于前一阶段的稳态基准值带阈,则从一个稳态进入另一个新的稳态;
在同一稳态中,第一信号数值超出稳态基准值带阈后又返回的时间段区间为一个子突变;在同一稳态中相邻子突变间第一信号数值超出稳态基准值带阈的部分为一个子稳态。
作为优化方案,步骤S4中,所述多参数组参数包括迁移跃变的相关参数,所述迁移跃变的相关参数为所述迁移跃变的起点时间、持续时长、正负符号、极值、产生序号中的一个或多个。
作为优化方案,步骤S4中,所述多参数组参数包括各个稳态中子突变的相关参数,所述各个稳态中子突变的相关参数包括子突变的起点时间、持续时长、第一信号积分参数、正负符号、极值和产生序号中的一个或多个。
3、有益效果
相比于现有技术,本发明的有益效果为:
(1)本发明在获得各时间段第一信号积分参数的基础上,通过构造从一个稳态迁移跃变到后一稳态的迁移跃变过程,以及每个稳态的各个子突变过程,从而捕捉第一信号数值沿时间方向变化的每一个渐变过程和突变过程,并生成从每个具体过程起始时间开始的,具体迁移跃变时长或子突变时长为时间段长度的积分参数,即突变积分参数。通过构造包括第一信号参数、第一信号积分参数以及突变积分参数的多参数组参数,多参数组参数能够从不同角度体现检测对象的综合信息。
本发明并不机械地依赖第一信号对时间进行积分,扩大时间范围提高传感器监测精度,而是通过相关的多个参数或组合从不同角度体现各种特征,通过多参数组参数对监测状况进行整体判断,大幅度提高了传感器采集精度,监测结果更加准确。
(2)对于信号微弱类型传感器,设置对第一信号数值进行自积分处理,通过连续累加计算,获得小短时间段的第一信号自积分参数,自积分频率与采样频率一致,同一小短时间段,自积分频率相同;针对微弱信号,通过加快自积分频率这一方面可把微弱信号的微小数据转化获得大数值的自积分数值,另一方面通过加快信号采样频率和自积分频率,再把自积分数值除以累加次数获得的第一信号数值更接近于实际的传感器信号数值,用于显示输出,大幅度提高数据的平稳性和真实性,避免显示等输出数据的较大幅度跳变。
(3)本发明的多参数组参数还包括迁移跃变以及子突变这些突变的相关参数,掌握突变的起始时间,突变存在的时长;通过突变过程的第一信号积分、极值等参数表达具体突变的整体程度;通过子突变跳变的正负符号表达跳变的上升或下降属性,通过某个长时间段内各个子突变跳变的正负符号的分时分布表达检测对象的宏观振荡特性。例如,某次采集的空气中氨气浓度单个数据,可能意义不明确,实用价值不大,但增加采集时间、地点作为相关参数,就会让人清楚知道是某时某地的氨气浓度。
附图说明
图1为本发明方法流程图。
具体实施方式
下面结合附图和具体实施例对本发明进行详细描述。
实施例1
一种智能传感器的信号采集监测方法,包括传感器模块和微控制器模块,传感器模块连接到微控制器模块,微控制器模块具有通讯接口电路;如图1所示,微控制器模块按如下步骤处理数据:
S1、读取传感器模块检测到的信号;
S2、将信号转换为第一信号参数,第一信号参数包括第一信号数值及其产生时间;把第一信号参数对时间进行积分,获得各时间段的第一信号积分参数,其中以各整分钟、小时、日、月第一信号积分参数为主;
S3、获得突变积分参数;所述突变积分参数是以突变为时间起止边界的时间段积分;
设定第一信号参数的稳态基准值带阈,沿时间方向根据各时间段内第一信号数值与稳态基准值带阈的关系,判断第一信号处于稳态或稳态中的子突变、稳态之间的迁移跃变各具体过程;所述突变包括稳态中的子突变和稳态之间的迁移跃变;
具体来说,稳态基准值带阈、稳态、子突变和迁移跃变按如下方法确定:
在一个稳态中,设定第一信号数值的均值为E,E可以是平均值,也可以是其他均值;按E的比例设定阈值W,那么E±W为该稳态的稳态基准值带阈。对于E值的确定,不需要监测完整个稳态,一个稳态很可能持续一个月、一年或者多年以上的时间,那么为了尽快确定E值,我们可以选取一天的第一信号数值的均值作为E;W根据实际需要以及测量精度来选取,一般可以在E的5%-80%范围内选取,例如,有时为了提高测量精度,可以选取E的5%,但要根据实际使用的传感器来具体确定这个比例。本专利所述稳态具有大多数(一般50%以上)时间值第一信号数值在稳态基准值带阈范围内,瞬间或短时间第一信号数值在数值超出基准带阈范围,但能很快返回到稳态基准值带阈;当第一信号数值在一半以上的时间稳定单向超出或在一半以上的时间稳定单向低于前一阶段的稳态基准值带阈,则从一个稳态进入另一个新的稳态;在同一稳态中,第一信号数值超出稳态基准值带阈后又返回的时间段区间为一个子突变。此外,根据实际需要,子突变之间的迁移跃变也可作为突变;
S4、建立包括第一信号参数、第一信号积分参数以及突变积分参数的多参数组参数;
S5、多参数组参数作为过程参数对监测状况进行整体判断,反馈结果。例如,通过多参数组的时间参数,可具体掌握监测对象发生相关突变的开始时间、延续时长;通过其他具体参数可判断各突变的具体变化程度、发展趋势,及时反馈准确的结果。例如,对压力/形变/应变等类传感器,外界条件的变化会在一定时间产生突变,但随着相关外界条件消失,又会回到原稳态,如一辆汽车长时间停在一个设置有应变传感器的地方,但汽车移走后,应变情况又恢复原状,现有传感器很难检测到这种突变,但是本发明不仅能检测到这种突变,还能根据时间、地点等参数判断出该突变发生的原因。
本实施例采用的智能传感器的信号采集监测方法,并不机械地依赖第一信号对时间进行积分,扩大时间范围提高传感器监测精度。第一信号数值变化具有渐变和突变,通常在数小时或数日或数月长时间渐变阶段或过程形成的积分参数值,可能会小于甚至远小于几秒钟或几分钟极短时间突变阶段内形成的积分参数值。如果不加分辨地把渐变阶段和突变阶段的积分参数混合在一起,就必然抹掉渐变阶段和突变阶段各自的特征信息,实用意义大幅降低。本发明通过构造从一个稳态迁移跃变到其后一稳态的迁移跃变过程,以及每个稳态的各个子突变过程,从而捕捉到突变积分参数并加以利用,建立包括第一信号参数、第一信号积分参数以及突变积分参数的多参数组参数。
单一参数一般只体现为检测对象的具体某一特征,一般敏感材料传感器单次采集的第一信号数值通常直接体现为最主要的特征参数,但也避免不了太过单一和片面,增加其它相关参数会就能多角度增加传感器的实际效果。本实施例构造了包括第一信号参数、第一信号积分参数以及突变积分参数的多参数组参数,通过相关的多个参数或组合从不同角度体现各种特征,从而构成足以体现检测对象综合特征的多参数组。通过多参数组参数对监测状况进行整体判断,大幅度提高了传感器采集精度,监测结果更加准确。
本发明在早期隐患监测预警中具有显著的实际效果,早期隐患具有信号微弱、变化缓慢、实时数据量大等特点,尽管这些长时间缓慢变化的海量数据中隐藏着各种信息需要表达,但绝大部分信息是低效重复的,既没有本地大量储存的价值,也没有占用大容量公网带宽及流量资源上传到云平台的价值。本发明通过细分的各个迁移跃变过程或子突变过程的第一信号积分参数,把微弱信号转变成容易观察的足够大信号,这是一种大数据处理方式,实现对微弱信号及其变化的放大效应,从而大幅度提高传感器精度。本发明沿着时间方向化繁为简,把第一信号海量数据转化为在依次连续的稳态及其各个子突变、稳态间的迁移跃变等过程场景,通过数据量很少但表达内容丰富的多参数组从多角度全方位表达各个具体过程场景的综合特征。本发明大幅度降低有效数据容量,在以渐变为主的早期隐患阶段,可能连续多日仅有几个稳态过程场景的依次产生,甚至仍处于同一稳态阶段,这几日的第一信号数据总量可能几十兆甚至几百兆,但有效数据可能只是一个仍在延续的稳态及其几个子突变的多参数组参数,数据容量可能只有几十或上百字节数目,但足以清楚表达这几日的监测对象状况和变化情况。把数据海量第一信号数据向数据量极少的多参数组轻量级数据的传感器边缘侧处理转换,不仅显著有利于传感器边缘侧存储和数据传输,而且大幅度降低了观察物理世界的难度,从而大幅度提高了对物理对象或检测对象进行早期隐患监测预警实际效果。
实施例2
实施例2与实施例1的方案基本相同,区别仅在于,在在步骤S1、S2中,
在同一小短时间段内按相同频率读取传感器模块检测到的信号,对转换获得的第一信号数值进行累加,获得第一信号自积分参数和累加次数,通过对第一信号自积分参数与累加次数相除,获得该小短时间段的第一信号数值,用于输出;
每个小短时间段均在一个突变时间段范围内或稳态中的相邻子突变间的一个子稳态时间段范围内,小短时间段长度限制在1s~10s范围内。对于信号微弱类型传感器,设置对第一信号数值进行自积分处理,通过连续累加计算,获得小短时间段的第一信号自积分参数,自积分频率与采样频率一致,针对微弱信号,通过加快频率越加快第一信号数值。
实施例3
本实施例与实施例2的方案基本相同,区别仅在于:
多参数组参数还包括迁移跃变和各个稳态中子突变的相关参数,迁移跃变的相关参数为所述迁移跃变的起点时间、持续时长、正负符号、极值、产生序号中的一个或多个;各个稳态中子突变的相关参数包括子突变的起点时间、持续时长、第一信号积分参数、正负符号、极值和产生序号中的一个或多个。
从前一稳态迁移跃变到下一稳态的迁移跃变过程持续的时间为迁移跃变时长,迁移跃变产生的开始时间为该迁移跃变的起点时间,该迁移跃变所在时间段内第一信号对时间的积分,形成该迁移跃变的第一信号积分,该迁移跃变第一信号数值大于E+W,为正迁移跃变,该迁移跃变第一信号数值小于E-W,为负迁移跃变,该迁移跃变为正迁移跃变时第一信号的最大值或为负迁移跃变时的最小值为该迁移跃变的极值,一个迁移跃变的起点时间、持续时长、第一信号积分、正负符号、极值和产生序号等,其中的两个或多个构成该迁移跃变的多参数组,该多参数组还可扩展包括与该迁移跃变相关的其它参数;
第一信号数值在数值超出基准带阈范围,经过一段时间后才返回到稳态基准值带阈,为该稳态的一个子突变或子突变跳变,一个稳态可包含多个子突变,这段时间为该子突变持续时长,子突变形成时的时间为该子突变的起点时间,该子突变所在时间段内第一信号对时间的积分,形成该子突变的第一信号积分,该子突变第一信号数值大于E+W,为正子突变,该子突变第一信号数值小于E-W,为负子突变,该子突变为正子突变时第一信号的最大值或为负子突变时的最小值为该子突变的极值,一个子突变的起点时间、持续时长,第一信号积分参数、正负符号、极值和产生序号等,其中的两个或多个构成该子突变的多参数组,该多参数组还可扩展包括与该子突变相关的其它参数;
本发明通过沿时间方向连续采集众多第一信号数据,分析获得在各时间段内第一信号的连续变化过程情况,监测是否产生突变——稳态的迁移跃变或稳态内部的子突变跳变,掌握突变的起始时间,突变存在的时长;通过突变过程的第一信号积分、极值等参数表达具体突变的整体程度;通过子突变跳变的正负符号表达跳变的上升或下降属性,通过某个长时间段内各个子突变跳变的正负符号的分时分布表达检测对象的宏观振荡特性。例如,某次采集的空气中氨气浓度单个数据,可能意义不明确不具备实用性,但增加采集时间、地点作为相关参数,就会让人清楚知道是某时某地的氨气浓度。
本发明能够将传感器单次采集转变成沿时间方向的多次连续采集和数据计算、数据聚合等数据处理,形成基于第一信号的多参数数据,通过对多参数数据的分析处理,不仅大幅度提高传感器信号检测精度,还可获得潜藏的众多特征。分别通过相关的多个参数或相互的组合从不同角度体现各种特征,从而构成体现检测对象综合特征的多参数组。
Claims (5)
1.一种智能传感器的信号采集监测方法,包括设置传感器模块和微控制器模块,其特征在于,所述微控制器模块按如下步骤处理数据:
S1、读取传感器模块检测到的信号;
S2、将所述信号转换为第一信号参数,所述第一信号参数包括第一信号数值及其产生时间;把第一信号数值对时间进行积分,获得各时间段的第一信号积分参数;
S3、获得突变积分参数;所述突变积分参数是以突变为时间起止边界的时间段的积分;
设定第一信号参数的稳态基准值带阈,沿时间方向根据各时间段内第一信号数值与稳态基准值带阈的关系,判断第一信号处于稳态或稳态中的子突变、稳态之间的迁移跃变还是各具体过程;所述突变包括稳态中的子突变和稳态之间的迁移跃变;
S4、建立包括第一信号参数、第一信号积分参数以及突变积分参数的多参数组参数;
S5、所述多参数组参数作为过程参数对监测状况进行整体判断,反馈结果。
2.根据权利要求1所述的一种智能传感器的信号采集监测方法,其特征在于,在步骤S1、S2中,
在同一小短时间段内按相同频率读取传感器模块检测到的信号,对转换获得的第一信号数值进行累加,获得第一信号自积分参数和累加次数,通过对所述第一信号自积分参数与累加次数相除,获得该小短时间段的第一信号数值,用于输出;
每个所述小短时间段均在一个突变时间段范围内或稳态中的相邻子突变间的一个子稳态时间段范围内,所述小短时间段长度限制在1s~10s范围内。
3.根据权利要求1所述的一种智能传感器的信号采集监测方法,其特征在于,步骤S3中,在一个稳态中,设定第一信号数值的均值为E,按E的比例设定阈值W,那么E±W为该稳态的稳态基准值带阈;
当第一信号数值在一半以上的时间稳定单向超出或在一半以上的时间稳定单向低于前一阶段的稳态基准值带阈,则从一个稳态进入另一个新的稳态;
在同一稳态中,第一信号数值超出稳态基准值带阈后又返回的时间段区间为一个子突变;在同一稳态中相邻子突变间第一信号数值超出稳态基准值带阈的部分为一个子稳态。
4.根据权利要求1所述的一种智能传感器的信号采集监测方法,其特征在于,步骤S4中,所述多参数组参数包括迁移跃变的相关参数,所述迁移跃变的相关参数为所述迁移跃变的起点时间、持续时长、正负符号、极值、产生序号中的一个或多个。
5.根据权利要求1所述的一种智能传感器的信号采集监测方法,其特征在于,步骤S4中,所述多参数组参数包括各个稳态中子突变的相关参数,所述各个稳态中子突变的相关参数包括子突变的起点时间、持续时长、第一信号积分参数、正负符号、极值和产生序号中的一个或多个。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811456129.8A CN109556649B (zh) | 2018-11-30 | 2018-11-30 | 一种智能传感器的信号采集监测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811456129.8A CN109556649B (zh) | 2018-11-30 | 2018-11-30 | 一种智能传感器的信号采集监测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109556649A CN109556649A (zh) | 2019-04-02 |
CN109556649B true CN109556649B (zh) | 2020-12-22 |
Family
ID=65868227
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811456129.8A Active CN109556649B (zh) | 2018-11-30 | 2018-11-30 | 一种智能传感器的信号采集监测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109556649B (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5996343A (en) * | 1998-11-12 | 1999-12-07 | Caterpillar Inc. | Overspeed control system for a hydro-mechanical drive system |
EP1365031A1 (en) * | 2002-05-21 | 2003-11-26 | MTM Laboratories AG | Method for detection of somatic mutations using mass spectometry |
CN101295177A (zh) * | 2007-04-23 | 2008-10-29 | 三菱电机株式会社 | 用于检测传感器采样流中的变化的方法和*** |
CN101969230A (zh) * | 2010-10-18 | 2011-02-09 | 吕纪文 | 一种供电回路监控装置及*** |
CN102288818A (zh) * | 2011-05-12 | 2011-12-21 | 航天科工深圳(集团)有限公司 | 一种分体式的测量方法及分体式配电终端 |
CN102323379A (zh) * | 2011-05-23 | 2012-01-18 | 常熟市智胜信息技术有限公司 | 便携式无线井下气体检测仪 |
CN105509815A (zh) * | 2016-01-21 | 2016-04-20 | 单立辉 | 一种基于积分算法的非电量信号采集监测方法 |
CN105606131A (zh) * | 2016-01-21 | 2016-05-25 | 单立辉 | 一种非电量信号采集监测方法 |
CN106773676A (zh) * | 2016-11-30 | 2017-05-31 | 浙江中控软件技术有限公司 | 用于化工过程的激励信号的生成方法和装置 |
CN107154783A (zh) * | 2017-04-18 | 2017-09-12 | 西安交通大学 | 应用独立成分分析和s变换检测***过程耦合情况下光伏***故障电弧的方法 |
CN107701236A (zh) * | 2017-10-13 | 2018-02-16 | 鄂尔多斯市营盘壕煤炭有限公司 | 一种箕斗装载硐室的多信息数据监测*** |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100436552B1 (ko) * | 2001-07-09 | 2004-06-18 | 광주과학기술원 | 단백질 분해효소의 기질특이성을 측정하는 방법 |
-
2018
- 2018-11-30 CN CN201811456129.8A patent/CN109556649B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5996343A (en) * | 1998-11-12 | 1999-12-07 | Caterpillar Inc. | Overspeed control system for a hydro-mechanical drive system |
EP1365031A1 (en) * | 2002-05-21 | 2003-11-26 | MTM Laboratories AG | Method for detection of somatic mutations using mass spectometry |
CN101295177A (zh) * | 2007-04-23 | 2008-10-29 | 三菱电机株式会社 | 用于检测传感器采样流中的变化的方法和*** |
CN101969230A (zh) * | 2010-10-18 | 2011-02-09 | 吕纪文 | 一种供电回路监控装置及*** |
CN102288818A (zh) * | 2011-05-12 | 2011-12-21 | 航天科工深圳(集团)有限公司 | 一种分体式的测量方法及分体式配电终端 |
CN102323379A (zh) * | 2011-05-23 | 2012-01-18 | 常熟市智胜信息技术有限公司 | 便携式无线井下气体检测仪 |
CN105509815A (zh) * | 2016-01-21 | 2016-04-20 | 单立辉 | 一种基于积分算法的非电量信号采集监测方法 |
CN105606131A (zh) * | 2016-01-21 | 2016-05-25 | 单立辉 | 一种非电量信号采集监测方法 |
CN106773676A (zh) * | 2016-11-30 | 2017-05-31 | 浙江中控软件技术有限公司 | 用于化工过程的激励信号的生成方法和装置 |
CN107154783A (zh) * | 2017-04-18 | 2017-09-12 | 西安交通大学 | 应用独立成分分析和s变换检测***过程耦合情况下光伏***故障电弧的方法 |
CN107701236A (zh) * | 2017-10-13 | 2018-02-16 | 鄂尔多斯市营盘壕煤炭有限公司 | 一种箕斗装载硐室的多信息数据监测*** |
Also Published As
Publication number | Publication date |
---|---|
CN109556649A (zh) | 2019-04-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101713997B (zh) | 风力涡轮机的状态监测方法和*** | |
CN104330675B (zh) | 基于多元时间序列的变电设备在线监测分析***及其方法 | |
CN105866725A (zh) | 一种基于聚类分析和云模型的智能电表故障分类方法 | |
CN103291544A (zh) | 数字化风电机组功率曲线绘制方法 | |
CN103892830A (zh) | 一种基于人体皮肤电阻变化的情绪检测方法及*** | |
CN106405280B (zh) | 一种智能变电站在线监测参数趋势预警方法 | |
CN117093947B (zh) | 一种发电柴油机运行异常监测方法及*** | |
CN117952599B (zh) | 一种基于云计算的智慧机房平台运维管理*** | |
CN109374686B (zh) | 一种气体传感器 | |
CN109556649B (zh) | 一种智能传感器的信号采集监测方法 | |
CN109556741B (zh) | 一种传感器数据处理方法及一种智能温度传感器 | |
CN111917114B (zh) | 一种适用于嵌入式平台的电力负荷事件检测方法 | |
CN109520643B (zh) | 一种微弱应力应变信号测量用传感器 | |
CN115656764A (zh) | 一种用于发光二极管的照明质量检测方法 | |
CN108594035A (zh) | 一种负荷检测方法及*** | |
CN109521158B (zh) | 一种可燃气体智能传感器 | |
CN102486502B (zh) | 电力特征辨识装置及其方法 | |
CN112952810A (zh) | 一种风电暂态过程划分方法及装置 | |
CN116502070B (zh) | 一种微型风电机组状态智能监测*** | |
CN110533108A (zh) | 一种基于孤立森林算法的销量异常值检测方法 | |
CN110488279A (zh) | 一种基于雷达的行人与树木区分方法与装置 | |
CN220690299U (zh) | 温度采样电路 | |
CN114861808B (zh) | 一种水轮发电机组变负荷试验数据智能分拣方法 | |
CN113030749B (zh) | 电流检测方法及装置、设备、***以及存储介质 | |
CN118100446B (zh) | 一种用于电力***的节点运行状态智能检测方法 |
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 |