CN109699021B - 一种基于时间加权的农业物联网故障诊断方法 - Google Patents

一种基于时间加权的农业物联网故障诊断方法 Download PDF

Info

Publication number
CN109699021B
CN109699021B CN201811654282.1A CN201811654282A CN109699021B CN 109699021 B CN109699021 B CN 109699021B CN 201811654282 A CN201811654282 A CN 201811654282A CN 109699021 B CN109699021 B CN 109699021B
Authority
CN
China
Prior art keywords
data
sensor
time
things
agricultural internet
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
Application number
CN201811654282.1A
Other languages
English (en)
Other versions
CN109699021A (zh
Inventor
黄怡宁
何金保
韩玉静
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Ningbo University of Technology
Original Assignee
Ningbo University of Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Ningbo University of Technology filed Critical Ningbo University of Technology
Priority to CN201811654282.1A priority Critical patent/CN109699021B/zh
Publication of CN109699021A publication Critical patent/CN109699021A/zh
Application granted granted Critical
Publication of CN109699021B publication Critical patent/CN109699021B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/30—Services specially adapted for particular environments, situations or purposes
    • H04W4/38—Services specially adapted for particular environments, situations or purposes for collecting sensor information
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W24/00—Supervisory, monitoring or testing arrangements
    • H04W24/04—Arrangements for maintaining operational condition

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Theoretical Computer Science (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Operations Research (AREA)
  • Algebra (AREA)
  • Evolutionary Biology (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Arrangements For Transmission Of Measured Signals (AREA)
  • Testing Or Calibration Of Command Recording Devices (AREA)

Abstract

本发明提出一种基于时间加权的农业物联网故障诊断方法，通过无线传感器采集大气温度、土壤温度、光照时间、大气湿度，将数据发送至上位机保存。上位机对数据时间加权，预测传感器将来数据，通过实测数据和预测数据的误差，来判断传感器的故障。由于农业物联网的传感器数据变化较为缓慢，而时间最新的数据最具参考价值，通过时间加权方法加大时间最新数据的权重，进而预测将来数据，获得的数据较为准确。本发明实现简单，满足实际应用的需要。

Description

一种基于时间加权的农业物联网故障诊断方法
技术领域
本发明涉及一种基于时间加权的农业物联网故障诊断方法。
背景技术
随着物联网技术的快速发展，将其应用在农业***中具有广阔的应用前景。通过农业物联网技术可以有效节约人力资源并降低人对农田环境的影响，获取精准的作物环境和作物信息。我国是农业生产大国，农业是国民经济的根本，农业具有对象多样、分散、地域广阔等特点，因此采用无线传感器网络获取农业数据信息，前景广阔。针对无线传感器网络提出了各种各样的故障诊断方法，但是这些方法适用于传感器密集、正常状态节点测量值误差较低时，在环境复杂情况下并不适用。并且，现有的故障诊断主要是针对特定传感器、特定网络、特定环境需求而进行研究，不具备通用性。因此，针对农业物联网故障诊断，开展基于实际需要的无线传感器网络故障诊断方法具有重要的经济意义。
发明内容
鉴于现有技术的缺点，本发明的目的在于提供一种基于时间加权的农业物联网故障诊断方法，针对农业物联网中无线传感器，采用数据时间加权诊断传感器故障，该方法具体步骤如下：
步骤一，通过无线传感器采集大气温度、土壤温度、光照时间、大气湿度，将数据发送至上位机保存；
步骤二，针对每个传感器设置时间窗长度T，取T内n个数据[D1,D2,D3,…,Dn]，该数据是按照时间顺序排列，对数据进行时间加权，即数据按照下式变换：
Figure GDA0003133349910000011
其中i＝1,2,3,…n，得到时间加权后数据
Figure GDA0003133349910000012
步骤三，利用时间加权后数据
Figure GDA0003133349910000013
预测将来的数据
Figure GDA0003133349910000014
预测公式如下：
Figure GDA0003133349910000015
步骤四，若无线传感器实测的第n+1个数据Dn+1与预测的数据
Figure GDA0003133349910000021
之间误差大于阈值θ，即
Figure GDA0003133349910000022
则判断无线传感器可能出现故障；
步骤五，若步骤四中判断传感器可能出现故障，则连续2次采集该无线传感器数据，按照步骤二、三、四的方法进行判断，若有1次或2次出现故障，则确认该传感器出现故障，报警；否则，则确认该传感器正常，不报警。
综上所述，本发明提出一种基于时间加权的农业物联网故障诊断方法，对数据时间加权，预测传感器将来数据，通过实测数据和预测数据的误差，来判断传感器的故障。由于农业物联网的传感器数据变化较为缓慢，而时间最新的数据最具参考价值，通过时间加权方法加大时间最新数据的权重，进而预测将来数据，获得的数据较为准确。并且，只有3次数据中2次或2次以上的出现故障，才作为故障，可以有效避免误报。本发明方法实现简单，可操作性好。
附图说明
图1为本发明实施例的流程图。
具体实施方式
以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地实施。
本发明的目的在于提供一种基于时间加权的农业物联网故障诊断方法，针对农业物联网中无线传感器，采用数据时间加权诊断传感器故障，流程如图1所示，该方法具体步骤如下：
步骤一，通过无线传感器采集大气温度、土壤温度、光照时间、大气湿度，将数据发送至上位机保存；
步骤二，针对每个传感器设置时间窗长度T，取T内n个数据[D1,D2,D3,…,Dn]，该数据是按照时间顺序排列，最新的数据排在最后，对数据进行时间加权，即数据按照下式变换：
Figure GDA0003133349910000023
其中i＝1,2,3,…n，得到时间加权后数据
Figure GDA0003133349910000024
时间窗长度T可根据实际情况选择，取T为3小时，假设3小时内传感器数据n为9，则9个数据加权后为
Figure GDA0003133349910000031
步骤三，利用时间加权后数据
Figure GDA0003133349910000032
预测将来的数据
Figure GDA0003133349910000033
预测公式如下：
Figure GDA0003133349910000034
则预测的下一个数据为
Figure GDA0003133349910000035
步骤四，若无线传感器实测的第n+1个数据Dn+1与预测的数据
Figure GDA0003133349910000036
之间误差大于阈值θ，即
Figure GDA0003133349910000037
阈值根据实际设置，则判断无线传感器可能出现故障。也就是
Figure GDA0003133349910000038
判断无线传感器可能出现故障。
步骤五，若步骤四中判断传感器可能出现故障，则连续2次采集该无线传感器数据，按照步骤二、三、四的方法进行判断，若有1次或2次出现故障，则确认该传感器出现故障，报警；否则，则确认该传感器正常，不报警。
综上所述，本发明提出一种基于时间加权的农业物联网故障诊断方法，对数据时间加权，预测传感器将来数据，通过实测数据和预测数据的误差，来判断传感器的故障。由于农业物联网的传感器数据变化较为缓慢，而时间最新的数据最具参考价值，通过时间加权方法加大时间最新数据的权重，进而预测将来数据，获得的数据较为准确。并且，只有3次数据中2次或2次以上的出现故障，才作为故障，可以有效避免误报。本发明有效克服了现有技术中的种种缺点而具高度产业利用价值。

Claims (1)

1.一种基于时间加权的农业物联网故障诊断方法，针对农业物联网中无线传感器，采用数据时间加权诊断传感器故障，该方法特征在于：
步骤一，通过无线传感器采集大气温度、土壤温度、光照时间、大气湿度，将数据发送至上位机保存；
步骤二，针对每个传感器设置时间窗长度T，取T内n个数据[D1,D2,D3,…,Dn]，该数据是按照时间顺序排列，对数据进行时间加权，即数据按照下式变换：
Figure FDA0003133349900000011
其中i＝1,2,3,…, n，得到时间加权后数据
Figure FDA0003133349900000012
步骤三，利用时间加权后数据
Figure FDA0003133349900000013
预测将来的数据
Figure FDA0003133349900000014
Figure FDA0003133349900000015
预测公式如下：
Figure FDA0003133349900000016
步骤四，若无线传感器实测的第n+1个数据Dn+1与预测的数据
Figure FDA0003133349900000017
之间误差大于阈值θ，即
Figure FDA0003133349900000018
则判断无线传感器可能出现故障；
步骤五，若步骤四中判断传感器可能出现故障，则连续2次采集该无线传感器数据，按照步骤二、三、四的方法进行判断，若有1次或2次出现故障，则确认该传感器出现故障，报警；否则，则确认该传感器正常，不报警。
CN201811654282.1A 2018-12-31 2018-12-31 一种基于时间加权的农业物联网故障诊断方法 Active CN109699021B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811654282.1A CN109699021B (zh) 2018-12-31 2018-12-31 一种基于时间加权的农业物联网故障诊断方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811654282.1A CN109699021B (zh) 2018-12-31 2018-12-31 一种基于时间加权的农业物联网故障诊断方法

Publications (2)

Publication Number Publication Date
CN109699021A CN109699021A (zh) 2019-04-30
CN109699021B true CN109699021B (zh) 2021-08-10

Family

ID=66232502

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811654282.1A Active CN109699021B (zh) 2018-12-31 2018-12-31 一种基于时间加权的农业物联网故障诊断方法

Country Status (1)

Country Link
CN (1) CN109699021B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113554224B (zh) * 2021-07-20 2022-11-25 上海航天测控通信研究所 多点统计与健康趋势预测相结合的故障诊断方法和***

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101799367A (zh) * 2010-01-27 2010-08-11 北京信息科技大学 一种机电设备神经网络故障趋势预测方法
CN102324034A (zh) * 2011-05-25 2012-01-18 北京理工大学 基于最小二乘支持向量机在线预测的传感器故障诊断方法
CN104202765A (zh) * 2014-08-26 2014-12-10 北京邮电大学 基于分布式网络的传感器故障检测方法及装置
CN106709250A (zh) * 2016-12-22 2017-05-24 河海大学 一种基于并行Kalman算法的数据流异常检测方法
CN107628036A (zh) * 2016-07-19 2018-01-26 通用汽车环球科技运作有限责任公司 传感器故障的检测和重建

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4023228B2 (ja) * 2002-06-19 2007-12-19 日産自動車株式会社 車載用障害物検知装置
US9599531B1 (en) * 2015-12-21 2017-03-21 International Business Machines Corporation Topological connectivity and relative distances from temporal sensor measurements of physical delivery system

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101799367A (zh) * 2010-01-27 2010-08-11 北京信息科技大学 一种机电设备神经网络故障趋势预测方法
CN102324034A (zh) * 2011-05-25 2012-01-18 北京理工大学 基于最小二乘支持向量机在线预测的传感器故障诊断方法
CN104202765A (zh) * 2014-08-26 2014-12-10 北京邮电大学 基于分布式网络的传感器故障检测方法及装置
CN107628036A (zh) * 2016-07-19 2018-01-26 通用汽车环球科技运作有限责任公司 传感器故障的检测和重建
CN106709250A (zh) * 2016-12-22 2017-05-24 河海大学 一种基于并行Kalman算法的数据流异常检测方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Sensor Fault Detection for Linear Continuous-Time Systems;Heng Wang;《2009 Chinese Control and Decision Conference》;20090807;1606-1610 *
基于时间加权K近邻法的无线传感网***故障诊断;赵锡恒;《计算机应用研究》;20151031;第32卷(第10期);3096-3100 *

Also Published As

Publication number Publication date
CN109699021A (zh) 2019-04-30

Similar Documents

Publication Publication Date Title
CN110087207B (zh) 无线传感器网络缺失数据重建方法
CN105792110A (zh) 一种多数据来源的数据融合、智能搜索的处理方法
CN109699021B (zh) 一种基于时间加权的农业物联网故障诊断方法
CN110266527B (zh) 基于空间相关性的传感器节点故障分类报警方法及装置
CN108682140A (zh) 一种基于压缩感知和自回归模型的增强型异常检测方法
Karthik et al. Data trust model for event detection in wireless sensor networks using data correlation techniques
Ou et al. Design and implementation of anomaly condition detection in agricultural IoT platform system
CN114866975A (zh) 一种安全监测传感器的无盲区布设方法
CN107371175B (zh) 一种使用协作预测的自组织网络故障检测方法
CN107222169B (zh) 一种基于离群点检测的光伏阵列实时监控与故障检测方法
CN116839656A (zh) 一种用于工业互联网的工业现场监测***及检测方法
CN107977730A (zh) 一种多传感器数据融合技术的风速测量方法
CN116256026B (zh) 一种动态服役工况下多维拼接拼焊结构的健康监测***
CN111738996B (zh) 基于机器学习的桥梁健康监测预警***
CN117277558A (zh) 一种电力***运行设备故障监测***及方法
CN204461495U (zh) 一种农田环境监测***
CN111579565B (zh) 农业干旱监测方法、***及存储介质
CN114608654B (zh) 一种基于多传感器网络的抗震支架安全预警方法及***
Vacariu et al. Water parameters monitoring on a cyberwater platform
CN113077628B (zh) 一种复合地磁车辆检测器的算法
CN109587652B (zh) 一种农业物联网故障诊断方法
CN114137636B (zh) 一种环形压力传感器的区域气象监测管理方法及***
Dong et al. Study of RSSI accuracy for outdoor sensor localization
CN113654974A (zh) 一种海上风电单桩基础腐蚀状态的评估方法及监测***
CN111505663A (zh) 一种改进优化的智能船舶目标定位数据融合方法

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
CB03 Change of inventor or designer information

Inventor after: Huang Yining

Inventor after: He Jinbao

Inventor after: Han Yujing

Inventor before: He Jinbao

CB03 Change of inventor or designer information
GR01 Patent grant
GR01 Patent grant