CN110610295A - 资源环境负荷数据通用集成采集***及方法 - Google Patents
资源环境负荷数据通用集成采集***及方法 Download PDFInfo
- Publication number
- CN110610295A CN110610295A CN201910749647.7A CN201910749647A CN110610295A CN 110610295 A CN110610295 A CN 110610295A CN 201910749647 A CN201910749647 A CN 201910749647A CN 110610295 A CN110610295 A CN 110610295A
- Authority
- CN
- China
- Prior art keywords
- data
- sensor
- acquisition
- measured
- value
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 53
- 238000012545 processing Methods 0.000 claims abstract description 34
- 238000004364 calculation method Methods 0.000 claims abstract description 32
- 238000005070 sampling Methods 0.000 claims abstract description 29
- 230000002159 abnormal effect Effects 0.000 claims abstract description 26
- 239000000428 dust Substances 0.000 claims abstract description 20
- 239000012855 volatile organic compound Substances 0.000 claims abstract description 17
- 238000005303 weighing Methods 0.000 claims abstract description 13
- 230000008030 elimination Effects 0.000 claims abstract description 12
- 238000003379 elimination reaction Methods 0.000 claims abstract description 12
- 230000007613 environmental effect Effects 0.000 claims abstract description 12
- 238000004891 communication Methods 0.000 claims abstract description 11
- 239000000463 material Substances 0.000 claims description 11
- 238000005259 measurement Methods 0.000 claims description 11
- 239000000126 substance Substances 0.000 claims description 11
- 238000003754 machining Methods 0.000 claims description 8
- 238000003860 storage Methods 0.000 claims description 7
- 238000009826 distribution Methods 0.000 claims description 5
- 238000013500 data storage Methods 0.000 claims description 4
- 230000001419 dependent effect Effects 0.000 claims description 4
- 238000009792 diffusion process Methods 0.000 claims description 4
- 238000012417 linear regression Methods 0.000 claims description 4
- MWUXSHHQAYIFBG-UHFFFAOYSA-N Nitric oxide Chemical compound O=[N] MWUXSHHQAYIFBG-UHFFFAOYSA-N 0.000 abstract description 25
- RAHZWNYVWXNFOC-UHFFFAOYSA-N Sulphur dioxide Chemical compound O=S=O RAHZWNYVWXNFOC-UHFFFAOYSA-N 0.000 abstract description 17
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 abstract description 12
- 229910002091 carbon monoxide Inorganic materials 0.000 abstract description 12
- CBENFWSGALASAD-UHFFFAOYSA-N Ozone Chemical compound [O-][O+]=O CBENFWSGALASAD-UHFFFAOYSA-N 0.000 abstract description 2
- 239000007789 gas Substances 0.000 description 19
- 238000004519 manufacturing process Methods 0.000 description 7
- 239000002173 cutting fluid Substances 0.000 description 4
- 238000001514 detection method Methods 0.000 description 3
- 239000003344 environmental pollutant Substances 0.000 description 3
- 231100000719 pollutant Toxicity 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000005034 decoration Methods 0.000 description 2
- 239000010419 fine particle Substances 0.000 description 2
- 238000009776 industrial production Methods 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 231100000331 toxic Toxicity 0.000 description 2
- 230000002588 toxic effect Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 208000028571 Occupational disease Diseases 0.000 description 1
- 231100000570 acute poisoning Toxicity 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 230000001627 detrimental effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 238000000227 grinding Methods 0.000 description 1
- 231100000206 health hazard Toxicity 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000003801 milling Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 150000002894 organic compounds Chemical class 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 239000002910 solid waste Substances 0.000 description 1
- 238000007514 turning Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
- 239000002351 wastewater Substances 0.000 description 1
- -1 workpieces Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/21—Design, administration or maintenance of databases
- G06F16/211—Schema design and management
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Computational Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Mathematical Physics (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Educational Administration (AREA)
- General Engineering & Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Quality & Reliability (AREA)
- Health & Medical Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Primary Health Care (AREA)
- Evolutionary Biology (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Probability & Statistics with Applications (AREA)
- Manufacturing & Machinery (AREA)
- Algebra (AREA)
- Game Theory and Decision Science (AREA)
- Software Systems (AREA)
- Arrangements For Transmission Of Measured Signals (AREA)
Abstract
本发明公开了一种资源环境负荷数据通用集成采集***及方法，采集***包括数据采集模块、数据通信模块和数据处理模块，通过集成粉尘、噪声、功率、挥发性有机物、二氧化硫、氮氧化物、一氧化碳、臭氧以及电子称重计等传感器，实现多种数据的集成采集，并对采集数据进行数据处理；采集方法包括设置气体指标浓度采样点，将各传感器布置在待测点；确定需要实时采集的指标量；在数据指标稳定后，进行数据采集；对数据进行缺失值补偿、数据异常值剔除，对数据缺失值补偿和异常值剔除处理后的测量数据进行加权计算。本发明可解决目前工艺车间相关指标采集效率低、采集结果不准确的问题。
Description
技术领域
本发明属于车间工艺环境监测领域，特别是一种资源环境负荷数据通用集成采集***及方法。
背景技术
现代制造业在将资源转变为产品的制造过程中消耗了大量的物料和能源，并产生了大量废弃和有害污染物质，对环境和操作工人健康都构成了严重危害。在工艺资源负荷中，物料和能源的消耗是主要的工艺输入。在工艺环境负荷中，粉尘最为常见，是多种职业疾病的主要成因，大颗粒的粉尘(PM100)还容易在生产车间产生粉尘***；挥发性有机物(VOCs)为生产原料中使用有机化合物的产物，容易引起工人的急性中毒；二氧化硫(SO2)、氮氧化物(NOx)、一氧化碳(CO)、臭氧(O3)等为常见的环境排放有毒有害污染物，也是重要的职业健康危害指标；高分贝的噪声也会对工人听力造成损害，并影响周边居民。但是目前针对这些指标的检测主要通过单个传感器，步骤繁琐，数据样本少；且相关传感器的检测主要针对大气环境，缺少针对车间尤其单台设备采集时采样位置和采样时间等采集方法的规定；缺少一种能够集成采集车间各类资源环境负荷数据的通用集成采集***及方法。
中国专利公开号CN108351335A公开了一种采集并记录空气中的细微颗粒和/或NOx气体密度的装置和方法，该专利介绍了一种用于采集并记录空气中的细微颗粒和NOx气体密度的车载装置和移动式方法，该方法测量指标主要为PM2.5和NOx，检测指标少，对多种传感器采集的集成度较低。中国专利公开号CN105548502A公开了—种空气质量检测仪，该试验装置主要用于环境监测领域，适合在城市中各处进行布置，但对工业生产场景中相对密闭车间环境的指标分析不足，不适用于在复杂的车间工艺环境中进行检测，并且不能针对单台离散型机床设备进行数据的采集。中国专利公开号CN 105865993A公开了—种空气质量检测仪，该装置主要针对室内装修产生的有毒有害气体，且同样无法针对单台机床设备进行数据的采集。同时，以上专利均未对测量值进行数据处理，且未提出针对指标采集传感器布置及采样频率设置等相关采集方法。
综上所述，目前的采集装置均主要针对大气环境及室内装修，还没有一套能够集成采集车间内单台机床设备相关污染物质且操作简单的采集***，且缺少对采集位置和采样时间等采集方法的规定，严重阻碍了制造业工艺的绿色优化及车间内操作工人职业卫生的改善与发展。
发明内容
本发明的目的在于提供一种资源环境负荷数据通用集成采集***及方法，以解决目前工艺车间相关指标采集效率低、采集结果不准确的问题。
实现本发明目的的技术解决方案为：
一种资源环境负荷数据通用集成采集***，包括数据采集模块、通信模块、数据处理模块；
所述数据采集模块包括粉尘传感器、噪声传感器、功率传感器、电子称重计、RFID读写器、VOCs传感器、SO2传感器、NOx传感器、CO传感器、O3传感器中的任一种或多种任意组合；所述粉尘传感器用于采集粉尘含量；所述噪声传感器用于采集噪声；所述功率传感器用于实时测量机床加工过程中的功率；所述电子称重计用于称量物料的输入输出重量；所述RFID读写器用于识物料信息；所述VOCs传感器、SO2传感器、NOx传感器、CO传感器、O3传感器用于测量相应的气体浓度；
所述通信模块用于将数据采集模块采集的数据发送至数据处理模块；
所述数据处理模块包括数据缺失值补偿单元、数据异常值剔除单元、数据加权计算单元、存储单元；所述数据缺失值补偿单元用于通过回归插补法补偿气体传感器测得异常采集点的丢失数据；所述异常值剔除单元用于将气体传感器测得的异常值剔除；所述数据加权计算单元用于对数据缺失值补偿单元和异常值剔除单元处理后的测量数据进行加权计算；所述存储单元用于对处理后的数据进行实时显示、曲线绘制及数据存储。
一种资源环境负荷数据通用集成采集方法，包括以下步骤：
步骤1、设置气体指标浓度采样点，将各传感器布置在待测点；
步骤2、确定需要实时采集的指标量；
步骤3、采集数据：在数据指标稳定后，进行数据采集；
步骤4、数据处理：对数据进行缺失值补偿、数据异常值剔除，对数据缺失值补偿和异常值剔除处理后的测量数据进行加权计算。
本发明与现有技术相比，其显著优点是：
(1)本发明的采集***，能够采集粉尘、VOCs、SO2、NOx、CO、O3、功率、物料信息、噪声等各类加工工艺中的资源环境负荷数据；相比分别使用各类单独传感器进行采集，该装置便携性高，大大简化了传感器的安装采集过程，提高了数据采集的效率；集成性强，能够采集各指标同一时刻的数据，以及使用多个同种传感器采集多点的数据；从而为工业场景进行工艺环境影响评价采集相关数据提供了合适的资源环境负荷数据采集***。
(2)本发明***设有数据处理模块，对相关数据进行缺失值补偿、异常值剔除和相关加权平均计算处理，使采集得到的数据更加完整、准确，并可以更好的反映出不同时段或不同区域下测量值数据的分布情况。
(3)本发明可同步集成采集多种资源环境负荷数据的采集***的采集方法，设置了仪器采集位置和采样时间，针对封闭式和开放式机床及其加工场景的不同分别设置了气体指标浓度的采集点，对单台机床设备级数据和整个车间级数据的采集都提出了数据采集的方案和计算方法，提高了采集数据的质量，在工业生产车间数据采集的应用中有很大的优势。
附图说明
图1为资源环境负荷数据采集***的结构示意图。
图2为资源环境负荷数据采集***的机盒内装置主视示意图。
具体实施方式
下面结合附图及具体实施例对本发明做进一步的介绍。
结合图1、图2，本发明的一种资源环境负荷数据通用集成采集***，包括数据采集模块、通信模块、数据处理模块；
所述数据采集模块包括粉尘传感器5、噪声传感器11、功率传感器、电子称重计、RFID读写器、VOCs(挥发性有机物)传感器3、SO2传感器2、NOx传感器8、CO传感器9、O3传感器10中的任一种或多种任意组合；所述粉尘传感器5用于采集PM100粉尘含量；所述噪声传感器11用于采集噪声；所述功率传感器用于实时测量机床加工过程中的功率以计算出能耗；所述电子称重计用于称量工件、切削液等物料的输入输出重量；所述RFID读写器用于识别机床型号、工件材质、切削液油品、刀具材料及几何角度等物料信息；所述VOCs传感器3、SO2传感器2、NOx传感器8、CO传感器9、O3传感器10用于测量相应的气体浓度。各类气体传感器可采用扩散式采样，也可采用泵吸式采样；采用扩散式采样的传感器集成在主控机盒1中的传感器安装板4上，通过机盒表面的通孔与环境气体接触采样；采用泵吸式采样的传感器与其他指标的传感器通过线缆与主控机盒1连接。
所述通信模块用于将数据采集模块采集的数据发送至数据处理模块；包括采用有线或无线的多种方式将数据采集模块采集的数据发送至数据处理模块；例如有线方式可采用数据采集卡6、RS232、RS485等有线通信模块进行主控机盒附近传感器的数据通信；无线方式包括WiFi、ZIGBEE、GPRS等无线通信模块将传感器布置在远端进行数据通信，从而同时监测多点数据。这使得采集模块中的传感器可以自由布置。
所述数据处理模块包括数据缺失值补偿单元、数据异常值剔除单元、数据加权计算单元、存储单元；
所述数据缺失值补偿单元用于通过回归插补法补偿气体传感器测得异常采集点的丢失数据(缺失值)，具体过程如下：
将异常采集点的丢失数据作为因变量，其他正常测得数据作为自变量，利用它们之间正常采集条件下的拟合关系建立回归模型来预测缺失值，利用多元线性回归模型进行缺失值插补：
以传感器的丢失数据y为因变量，即缺失值；n个传感器正常测得的数据x1,x2,...,xn为自变量，即与缺失值相关的其他测量值，建立多元线性回归模型：
y＝β0+β1x1+β2x2+...+βnxn+ε (1)
其中，β0,β1,β2,...,βn为相关参数系数；ε为常数，服从零均值、相互独立且同方差服从正态分布等经典假定；
计算参数β0,β1,β2,...,βn的估计值：
利用实际测量中的n个传感器正常测得的数据，采用最小二乘法可以求出参数β0,β1,β2,...,βn的估计值求出参数估计值之后，即可得到多元回归方程：
代入自变量的值即可得到缺失值。
所述异常值剔除单元用于将气体传感器测得的异常值剔除，具体过程如下：根据拉依达准则(3σ)，对单个传感器的被测量进行等精度测量，独立得到其相同条件下的数据x1,x2,...,xn，算出x1,x2,...,xn的算术平均值及剩余误差并按贝塞尔公式算出标准偏差σ，若某个测量值xb的剩余误差vb(1≤b≤n),满足下式(3)：
则认为xb是含有粗大误差值的坏值，予以剔除。
经过数据缺失值补偿单元和异常值剔除单元处理后，采集得到的数据将不会存在空档和无效数据，也不会存在过大和过小数据。
对于不受环境影响的数据通过数据存储单元保存，例如功率传感器、电子称重计、RFID读写器测得的数据。对于受环境影响的数据需通过数据加权计算单元进行加权计算。
所述数据加权计算单元用于对数据缺失值补偿单元和异常值剔除单元处理后的测量数据进行加权计算；包括面积加权计算单元和时间加权计算单元：
所述时间加权计算单元用于对单台机床设备级数据气体指标浓度的采集值，按一天8h班工作制中上午、中午、下午或几个典型生产工作日选取至少3个不同时段分别进行采集，得到其中指标数据的最高值，并计算得到这些时段的加权平均浓度值，具体计算过程如下：
C＝(C1T1+C2T2+……+CnTn)/(T1+T2+……+Tn) (4)
式中：C为空气中有害物质时间加权平均浓度，mg/m3；
C1、C2、……、Cn为不同时段测得的空气中有害物质浓度，mg/m3；
T1、T2、……、Tn为劳动者在不同时段有害物质浓度下的工作时间，h。
所述面积加权计算单元用于对整个车间级数据的采集值，按车削、铣削、磨削等切削工艺或封闭式、开放式机床等设备类型划分至少3个不同加工区域分别进行采集，得到其中指标数据的最高值，并计算得到这些区域的加权平均浓度值，具体计算过程如下：
C车间＝(C1S1+C2S2+……+CnSn)/(S1+S2+……+Sn) (5)
式中：C车间为车间中整体有害物质浓度，mg/m3；
C1、C2、……、Cn为不同代表性区域测得的有害物质浓度，mg/m3；
S1、S2、……、Sn为不同区域的面积，m2。
将原始测量数据使用加权平均的处理计算方法处理得到特征值，可以更好的反映出不同时段下或不同区域下测量值数据的分布情况；之后由存储单元对采集所得处理后的数据进行实时显示、曲线绘制及数据存储。
基于上述的采集***，本发明还提出了一种可同步集成采集多种资源环境负荷数据的采集方法，包括以下步骤：
步骤1、判断待测机床类型，根据封闭式和开放式机床及加工场景的不同，设置气体指标浓度采样点，将各传感器布置在待测点，接上电源，将数据传输模块与上位机相连，打开上位机软件。气体指标浓度采样点的设置应面向待测设备产生源，如刀具加工位置。若刀具活动范围小应采用刀具附近单个采集点的数据，如封闭式机床采样点布置在机床门处，开放式机床采样点布置在工件被加工侧；但若刀具活动范围大，如封闭式机床四周有缺口导致气体扩散，或开放式机床在较大平面内做刀具的回转加工，则应在机床前、后、左、右等方位布置多个相同的传感器进行采集。
步骤2、确定需要实时采集的指标量，用粉尘、VOCs、SO2、NOx、CO、O3传感器采集相应的气体，噪声传感器采集噪声，功率传感器采集电压电流信息。同时对于其他工艺场景信息，可用电子称重计称量工件、切削液、废水、固废的重量，用RFID读写器采集机床、工件、切削液、刀具的相关信息。
步骤3、采集数据：运行机床进行实际加工，并使其周围可能产生干扰的机床设备停止工作；在设备工作的开始阶段，相关指标浓度会随着加工的进行不断升高，但在一段时间后趋于稳定，故指标有效数据的测量应在机床工作15-30min后进行。
步骤4、通过存储单元的显示屏显示采集得到的数据，粉尘、VOCs、SO2、NOX、CO、O3、噪声等实时数据以时间为横轴、指标值为纵轴绘制数据曲线，采集结束后，进行数据处理并存储。根据需要采集单台机床设备级的数据还是整个车间级的数据，重复步骤1-4进行至少3次采集后使用不同的加权计算单元求平均。
此处方法中的处理过程基于数据处理模块的处理过程，包括缺失值补偿、数据异常值剔除、数据加权计算，具体内容同上述数据处理模块的处理过程，此处不再赘述。
进一步的，粉尘、VOCs、SO2、NOX、CO、O3、噪声传感器因采集方法和指标产生源类似集成在主控机盒附近，采样点位置布置距刀具加工位置0.5-1m；功率传感器安装在机床电机电源输入端处；电子称重计工作位置任意，通过传输线与上位机软件相连。采集时粉尘、VOCs、SO2、NOx、CO、O3等气体传感器可每1-10s读数一次；噪声传感器采样频率可达5-20kHz，功率传感器采样频率可达25-70Hz；每个时段的数据应采集10-30min，为避免不同时段数据间的干扰，时段选取的采集时间应至少间隔1h。
Claims (10)
1.一种资源环境负荷数据通用集成采集***，其特征在于，包括数据采集模块、通信模块、数据处理模块；
所述数据采集模块包括粉尘传感器、噪声传感器、功率传感器、电子称重计、RFID读写器、VOCs传感器、SO2传感器、NOx传感器、CO传感器、O3传感器中的任一种或多种任意组合；所述粉尘传感器用于采集粉尘含量；所述噪声传感器用于采集噪声；所述功率传感器用于实时测量机床加工过程中的功率；所述电子称重计用于称量物料的输入输出重量；所述RFID读写器用于识物料信息；所述VOCs传感器、SO2传感器、NOx传感器、CO传感器、O3传感器用于测量相应的气体浓度；
所述通信模块用于将数据采集模块采集的数据发送至数据处理模块；
所述数据处理模块包括数据缺失值补偿单元、数据异常值剔除单元、数据加权计算单元、存储单元；所述数据缺失值补偿单元用于通过回归插补法补偿气体传感器测得异常采集点的丢失数据；所述异常值剔除单元用于将气体传感器测得的异常值剔除；所述数据加权计算单元用于对数据缺失值补偿单元和异常值剔除单元处理后的测量数据进行加权计算；所述存储单元用于对处理后的数据进行实时显示、曲线绘制及数据存储。
2.根据权利要求1所述的采集***，其特征在于，所述数据缺失值补偿单元具体工作过程如下：
以传感器的丢失数据y为因变量，n个传感器正常测得的数据x1,x2,...,xn为自变量，建立多元线性回归模型：
y＝β0+β1x1+β2x2+...+βnxn+ε (1)
其中，β0,β1,β2,...,βn为相关参数系数；ε为常数，服从零均值、相互独立且同方差服从正态分布等经典假定；
计算参数β0,β1,β2,...,βn的估计值：
利用实际测量中的n个传感器正常测得的数据，采用最小二乘法可以求出参数β0,β1,β2,...,βn的估计值求出参数估计值之后，即可得到多元回归方程：
代入自变量的值即可得到缺失值。
3.根据权利要求1所述的采集***，其特征在于，所述异常值剔除单元具体工作过程如下：
根据拉依达准则对单个传感器的被测量进行等精度测量，独立得到其相同条件下的数据x1,x2,...,xn，算出x1,x2,...,xn的算术平均值及剩余误差并按贝塞尔公式算出标准偏差σ，若某个测量值xb的剩余误差vb(1≤b≤n),满足下式：
则认为xb是含有粗大误差值的坏值，予以剔除。
4.根据权利要求1所述的采集***，其特征在于，所述数据加权计算单元包括面积加权计算单元和时间加权计算单元；
所述时间加权计算单元用于对单台机床设备级数据气体指标浓度的采集值选取不同时段得到的最高值，并计算得到这些时段的加权平均浓度值C；
C＝(C1T1+C2T2+……+CnTn)/(T1+T2+……+Tn) (4)
其中C1、C2、……、Cn为不同时段测得的空气中有害物质浓度；T1、T2、……、Tn为劳动者在不同时段有害物质浓度下的工作时间；
所述面积加权计算单元用于对整个车间级数据的采集值选取不同加工区域的最高值，并计算得到这些区域的加权平均浓度值C车间；
C车间＝(C1S1+C2S2+……+CnSn)/(S1+S2+……+Sn) (5)
其中C1、C2、……、Cn为不同代表性区域测得的有害物质浓度；S1、S2、……、Sn为不同区域的面积。
5.根据权利要求1所述的采集***，其特征在于，采用扩散式采样的传感器集成在主控机盒中的传感器安装板上，通过机盒表面的通孔与环境气体接触采样；采用泵吸式采样的传感器与其他指标的传感器通过线缆与主控机盒连接。
6.根据权利要求1-5任一项所述的采集***的采集方法，其特征在于，包括以下步骤：
步骤1、设置气体指标浓度采样点，将各传感器布置在待测点；
步骤2、确定需要实时采集的指标量；
步骤3、采集数据：在数据指标稳定后，进行数据采集；
步骤4、数据处理：对数据进行缺失值补偿、数据异常值剔除，对数据缺失值补偿和异常值剔除处理后的测量数据进行加权计算。
7.根据权利要求6所述的采集方法，其特征在于，步骤4中缺失值补偿具体为：以传感器的丢失数据y为因变量，n个传感器正常测得的数据x1,x2,...,xn为自变量，建立多元线性回归模型：
y＝β0+β1x1+β2x2+...+βnxn+ε (1)
其中，β0,β1,β2,...,βn为相关参数系数；ε为常数，服从零均值、相互独立且同方差服从正态分布等经典假定；
计算参数β0,β1,β2,...,βn的估计值：
利用实际测量中的n个传感器正常测得的数据，采用最小二乘法可以求出参数β0,β1,β2,...,βn的估计值求出参数估计值之后，即可得到多元回归方程：
代入自变量的值即可得到缺失值。
8.根据权利要求6所述的采集方法，其特征在于，步骤4中数据异常值剔除具体为：根据拉依达准则对单个传感器的被测量进行等精度测量，独立得到其相同条件下的数据x1,x2,...,xn，算出x1,x2,...,xn的算术平均值及剩余误差并按贝塞尔公式算出标准偏差σ，若某个测量值xb的剩余误差vb(1≤b≤n),满足下式：
则认为xb是含有粗大误差值的坏值，予以剔除。
9.根据权利要求6所述的采集方法，其特征在于，步骤4中数据进行加权计算包括面积加权计算和时间加权计算：
所述时间加权计算用于对单台机床设备级数据气体指标浓度的采集值选取不同时段得到的最高值，并计算得到这些时段的加权平均浓度值C；
C＝(C1T1+C2T2+……+CnTn)/(T1+T2+……+Tn) (4)
其中C1、C2、……、Cn为不同时段测得的空气中有害物质浓度；T1、T2、……、Tn为劳动者在不同时段有害物质浓度下的工作时间；
所述面积加权计算用于对整个车间级数据的采集值选取不同加工区域的最高值，并计算得到这些区域的加权平均浓度值C车间；
C车间＝(C1S1+C2S2+……+CnSn)/(S1+S2+……+Sn) (5)
其中C1、C2、……、Cn为不同代表性区域测得的有害物质浓度；S1、S2、……、Sn为不同区域的面积。
10.根据权利要求6所述的采集方法，其特征在于，采集前应根据待测机床类型及加工场景的不同设置采样点，封闭式机床采样点布置在机床门处，开放式机床采样点布置在工件被加工侧；若开放式机床在加工平面内做刀具的回转加工，则应在机床前、后、左、右各方位布置至少1个传感器进行采集；采集时有效数据的测量应在设备工作15-30min后进行；所述粉尘、VOCs、SO2、NOX、CO、O3、噪声传感器采样点位置布置距刀具加工位置0.5-1m；功率传感器安装在机床电机电源输入端处；采集时粉尘、VOCs、SO2、NOx、CO、O3等气体传感器可每1-10s读数一次；噪声传感器采样频率可达5-20kHz，功率传感器采样频率可达25-70Hz；每个时段的数据应采集10-30min，选取的采集时段应至少间隔1h。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910749647.7A CN110610295B (zh) | 2019-08-14 | 2019-08-14 | 资源环境负荷数据通用集成采集***及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910749647.7A CN110610295B (zh) | 2019-08-14 | 2019-08-14 | 资源环境负荷数据通用集成采集***及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110610295A true CN110610295A (zh) | 2019-12-24 |
| CN110610295B CN110610295B (zh) | 2022-08-16 |
Family
ID=68890941
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910749647.7A Active CN110610295B (zh) | 2019-08-14 | 2019-08-14 | 资源环境负荷数据通用集成采集***及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110610295B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2021179742A1 (zh) * | 2020-03-10 | 2021-09-16 | 中国科学院深圳先进技术研究院 | 一种臭氧缺失数据的插补方法、装置及插补设备 |
| WO2022083177A1 (zh) * | 2020-10-19 | 2022-04-28 | 长鑫存储技术有限公司 | 环境数据监测方法及监测*** |
| CN115524449A (zh) * | 2022-09-15 | 2022-12-27 | 山东大学 | 一种机电产品服役过程清单数据动态收集方法及*** |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104516991A (zh) * | 2013-09-27 | 2015-04-15 | 中国石油化工集团公司 | 一种伽马传感器全温度范围补偿方法 |
| CN106870080A (zh) * | 2017-01-23 | 2017-06-20 | 哈尔滨工程大学 | 一种适用于船用柴油机SCR***NH3、NOx浓度及所处温度的实时监测方法 |
| US20190205843A1 (en) * | 2017-12-31 | 2019-07-04 | Bull Sas | System and process for maintenance management during a mass gathering |
-
2019
- 2019-08-14 CN CN201910749647.7A patent/CN110610295B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104516991A (zh) * | 2013-09-27 | 2015-04-15 | 中国石油化工集团公司 | 一种伽马传感器全温度范围补偿方法 |
| CN106870080A (zh) * | 2017-01-23 | 2017-06-20 | 哈尔滨工程大学 | 一种适用于船用柴油机SCR***NH3、NOx浓度及所处温度的实时监测方法 |
| US20190205843A1 (en) * | 2017-12-31 | 2019-07-04 | Bull Sas | System and process for maintenance management during a mass gathering |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2021179742A1 (zh) * | 2020-03-10 | 2021-09-16 | 中国科学院深圳先进技术研究院 | 一种臭氧缺失数据的插补方法、装置及插补设备 |
| WO2022083177A1 (zh) * | 2020-10-19 | 2022-04-28 | 长鑫存储技术有限公司 | 环境数据监测方法及监测*** |
| US11928948B2 (en) | 2020-10-19 | 2024-03-12 | Changxin Memory Technologies, Inc. | Environmental data monitoring method and monitoring system |
| CN115524449A (zh) * | 2022-09-15 | 2022-12-27 | 山东大学 | 一种机电产品服役过程清单数据动态收集方法及*** |
| CN115524449B (zh) * | 2022-09-15 | 2024-06-11 | 山东大学 | 一种机电产品服役过程清单数据动态收集方法及*** |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110610295B (zh) | 2022-08-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110610295B (zh) | 资源环境负荷数据通用集成采集***及方法 | |
| CN101033989B (zh) | 环境监测装置及方法 | |
| CN201607390U (zh) | 环境空气质量监测装置 | |
| CN106442888B (zh) | 汽车环保排气污染物检测用底盘测功机综合校准*** | |
| CN107677614B (zh) | 一种水中重金属污染风险在线预警***及方法 | |
| CN108614071B (zh) | 分布式室外大气质量监测精度校正***及参数更新方法 | |
| CN113655175A (zh) | 一种网格化空气监测方法、***、计算机设备及存储介质 | |
| CN105486812A (zh) | 连续环境空气质量监测中电子鼻恶臭等级赋值方法及应用 | |
| CN116468204B (zh) | 工业产品碳足迹在线监测方法、***、设备和存储介质 | |
| CN116758719A (zh) | 一种生产车间设备环境在线监测*** | |
| CN104062409B (zh) | 智能油烟气体分析方法和设备 | |
| CN102778445A (zh) | 一种标态干基智能分析仪和检测方法 | |
| Tuo et al. | Dynamic acquisition and real-time distribution of carbon emission for machining through mining energy data | |
| CN108775921A (zh) | 工业烟气在线连续监测装置 | |
| CN203909009U (zh) | 一种烟气连续在线监测*** | |
| CN205002802U (zh) | 一种在线监测大气污染物*** | |
| CN115792165B (zh) | 一种环境水质智能监测方法及*** | |
| CN116659568A (zh) | 一种船舶涂装车间现场环境监测*** | |
| CN113804595B (zh) | 一种多参数空气质量监测*** | |
| CN207410366U (zh) | 大气网格化精准监控*** | |
| CN2510858Y (zh) | 红外气体分析仪 | |
| CN202101700U (zh) | 在线固体物理光学特征分析仪 | |
| CN216956755U (zh) | 一种隧道环境监测设备精度检测装置 | |
| CN117054616B (zh) | 一种基于人工智能的远程中台大气污染溯源*** | |
| CN211179409U (zh) | 一种玻璃棉面密度自动测量装置 |
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 |