CN112526945A - 具备反馈与闭环控制功能的全流程监控与预警*** - Google Patents
具备反馈与闭环控制功能的全流程监控与预警*** Download PDFInfo
- Publication number
- CN112526945A CN112526945A CN202011239221.6A CN202011239221A CN112526945A CN 112526945 A CN112526945 A CN 112526945A CN 202011239221 A CN202011239221 A CN 202011239221A CN 112526945 A CN112526945 A CN 112526945A
- Authority
- CN
- China
- Prior art keywords
- feedback
- control unit
- measured
- matrix
- early warning
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 20
- 230000006870 function Effects 0.000 title claims abstract description 17
- 238000000034 method Methods 0.000 title claims description 16
- 238000005259 measurement Methods 0.000 claims abstract description 43
- 238000004364 calculation method Methods 0.000 claims abstract description 36
- 238000004458 analytical method Methods 0.000 claims abstract description 31
- 238000012545 processing Methods 0.000 claims abstract description 8
- 239000011159 matrix material Substances 0.000 claims description 49
- 238000004891 communication Methods 0.000 claims description 18
- 230000000007 visual effect Effects 0.000 claims description 11
- 235000013619 trace mineral Nutrition 0.000 claims description 4
- 239000011573 trace mineral Substances 0.000 claims description 4
- 238000005516 engineering process Methods 0.000 description 6
- 230000002457 bidirectional effect Effects 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000007726 management method Methods 0.000 description 4
- 230000008447 perception Effects 0.000 description 4
- 238000007405 data analysis Methods 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000001174 ascending effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 230000000087 stabilizing effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/41875—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by quality surveillance of production
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/4184—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by fault tolerance, reliability of production system
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/4185—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by the network communication
-
- 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
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明提出一种具备反馈与闭环控制功能的全流程监控与预警***,包括现场测控单元、边缘计算组件、分组调节单元、反馈控制单元以及主动控制单元,现场测控单元包括第一数量的测控传感器;边缘计算组件包括第二数量的边缘计算终端;反馈控制单元连接汇总所述第二数量的边缘计算终端对于不同类型设备参数的边缘计算处理结果并进行总体趋势分析,基于所述总体趋势分析生成反馈控制指令;分组调节单元基于所述反馈控制单元和/或所述主动控制单元的指令,调节所述第一数量的测量传感器与所述第二数量的边缘计算终端的分组对应关系。本发明的技术方案能够基于边缘计算实现现场不同设备参数的全流程监控与预警,并且基于闭环控制和反馈控制调整。
Description
技术领域
本发明属于数据监控与预警技术领域,尤其涉及一种具备反馈与闭环控制功能的全流程监控与预警***。
背景技术
随着信息技术跨越式发展,现场设备数量大幅增长,传统运维方式已无法满足全面掌控设备状态、精确评估风险的需求,亟需加快推动现代信息通信技术与传统运检技术逐步融合。“大数据、云计算、物联网、移动互联”等现代信息通信新技术为运检技术创新发展和管理模式变革带来了难得的机遇。
现场设备远程协助云服务平台采用云服务技术架构,并基于4G移动通信技术,建立一线从业人员高级专业技术人员间的实时语音、视频,文字交互平台。一线变电从业人员在现场通过便携式移动终端设备,能够获取云端局高级专业技术人员的远程协助,并查询相关设备资源。
然而,基于集中云计算模式的深度视觉方法需要占有大量的计算资源,无法满足物联网对全面感知和高效协同的要求,由此需求下,边缘计算应时而生。边缘计算和人工智能彼此赋能,将催生“边缘智能”的崭新范式。
申请号为CN201910225486.1的中国发明专利申请提出一种基于机器学***台的数据处理负荷,同时保障数据安全,能有效实现远程设备的运行健康状态管理和故障预测。
CN202010733999.6的申请则提出基于边缘计算的设备故障三级双向预警方法及***,包括构建基于自适应指数平滑算法的第一级双向数据感知预测模型,对采集节点的数据进行预测,初步筛选故障信号并上传,减少正常信号传输的代价;构建了基于扩展的卡尔曼滤波的自回归移动平均算法的第二级双向数据感知预测模型,用于进一步确认故障信号的准确性,降低误报率,减少边端与云端的沟通成本;构造了一种基于LSTM与BP神经网络组合的第三级双向数据感知预测模型,旨在实现基于边缘设备的强计算能力,进一步提高数据的准确性,及时响应底层需求,减少云层传输的时延。该发明大幅减少了数据声波通信传输过程所消耗的带宽和时延,同时有效的对故障信号进行预警。
然而,发明人发现,上述技术方案都是基于静态的模型进行单向数据分析,并且是针对个体异常信号进行预警,并未考虑数据是否稳定通常是整体性的;同时,单向的被动数据分析也无法满足不同用户的个性化主动调控要求,也无法使得***实现稳定的自反馈。
发明内容
为解决上述技术问题,本发明提出一种具备反馈与闭环控制功能的全流程监控与预警***,包括现场测控单元、边缘计算组件、分组调节单元、反馈控制单元以及主动控制单元,现场测控单元包括第一数量的测控传感器;边缘计算组件包括第二数量的边缘计算终端;反馈控制单元连接汇总所述第二数量的边缘计算终端对于不同类型设备参数的边缘计算处理结果并进行总体趋势分析,基于所述总体趋势分析生成反馈控制指令;分组调节单元基于所述反馈控制单元和/或所述主动控制单元的指令,调节所述第一数量的测量传感器与所述第二数量的边缘计算终端的分组对应关系。本发明的技术方案能够基于边缘计算实现现场不同设备参数的全流程监控与预警,并且基于闭环控制和反馈控制调整。
具体而言,在本发明的技术方案中,所述现场测控单元包括采集现场不同类型设备的待测参数的第一数量的测控传感器;
所述边缘计算组件包括第二数量的边缘计算终端,所述边缘计算终端与所述测控传感器进行数据通信;
所述反馈控制单元连接所述边缘计算组件,汇总所述第二数量的边缘计算终端对于所述不同类型设备参数的边缘计算处理结果并进行总体趋势分析,基于所述总体趋势分析,生成反馈控制指令;
所述主动控制单元包括可视化控制界面,所述现场不同类型的多个设备对应的状态图标在所述可视化控制界面上动态显示;
所述分组调节单元基于所述反馈控制单元和/或所述主动控制单元的指令,调节所述第一数量的测量传感器与所述第二数量的边缘计算终端的分组对应关系。
在初始状态下,所述分组调节单元将所述第一数量的测控传感器随机的平均分成第二数量的分组,每个所述分组中的测控传感器只与一个边缘计算终端进行数据通信。
在后续进入工作状态后,第x个边缘计算终端获取其对应的分组中所有y个测控传感器采集的所述待测参数Ta,k,构造待测参数矩阵MTx;
所述反馈控制单元将所述x个待测参数矩阵MTx组合后,判断其组合矩阵是否稳定;
如果所述组合矩阵不稳定,则对每一个所述待测参数矩阵进行广义特征根分析,基于所述广义特征根的分析结果,生成所述反馈控制指令。
如果所述组合矩阵稳定,则发送稳定值信号给所述主动控制单元,并在所述主动控制单元的所述可视化控制界面上高亮显示特定的第一组待测设备;
所述特定的第一组待测设备的待测参数对应于所述组合矩阵的迹元素。
所述主动控制单元选中所述高亮显示特定的第一待测设备,将所述第一待测设备的ID发送至所述分组调节单元,使得所述分组调节单元将所述第一待测设备平均分配到N个分组中。
总体来说,本发明通过多个边缘计算单元与现场测控单元的分组对应关系调整,在反馈控制单元识别出存在异常的待测设备的情况下,能够及时提出预警;而在反馈控制单元未能识别出异常的情况下,主动控制单元又可以针对特定的关键设备进行主动调控,从而实现了反馈与闭环控制的双结合。
本发明的进一步优点将结合说明书附图在具体实施例部分进一步详细体现。
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,下面将对实施例中所需要使用的附图作简单地介绍,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他的附图。
图1是本发明一个实施例的一种具备反馈与闭环控制功能的全流程监控与预警***的整体示意图
图2是图1所述***进行分组控制的数据传输示意图
图3是图1所述***执行反馈控制的原理示意图
图4是图1所述***执行主动控制的原理示意图
具体实施方式
下面,结合附图以及具体实施方式,对发明做出进一步的描述。
参见图1,是本发明一个实施例的一种具备反馈与闭环控制功能的全流程监控与预警***的整体示意图。
在图1中,所述***包括现场测控单元、边缘计算组件、分组调节单元、反馈控制单元以及主动控制单元。
所述现场测控单元包括采集现场不同类型设备的待测参数的第一数量的测控传感器;
作为一个优选,在本实施例中,所述测控传感器可以是布置于变电站现场的远程终端单元。
在本实施例中,远程终端单元(Remote Terminal Unit,RTU),是一种针对通信距离较长和工业现场环境恶劣而设计的具有模块化结构的、特殊的计算机测控单元。
RTU具有一些独特的特点:
(1)通信距离长,同时提供多种通信端口,以适应分散应用和本地的不同通信要求。
(2)CPU计算能力强,提供大容量程序和数据存储空间,适合就地运算和大量数据安全存储。
(3)适应恶劣的温度和湿度环境,工作环境温度为-40~+85℃。
(4)模块结构化设计,便于扩展。
通过所述RTU获取多种不同类型的现场送变电设备的不同状态参数,
每个所述RTU将自身采集的所述状态参数发送至自身所在分组对应的边缘计算单元。
在本实施例中,所述边缘计算组件包括第二数量的边缘计算终端,所述边缘计算终端与所述测控传感器进行数据通信;
所述反馈控制单元连接所述边缘计算组件,汇总所述第二数量的边缘计算终端对于所述不同类型设备参数的边缘计算处理结果并进行总体趋势分析,基于所述总体趋势分析,生成反馈控制指令;
所述主动控制单元包括可视化控制界面,所述现场不同类型的多个设备对应的状态图标在所述可视化控制界面上动态显示;
所述分组调节单元基于所述反馈控制单元和/或所述主动控制单元的指令,调节所述第一数量的测量传感器与所述第二数量的边缘计算终端的分组对应关系。
作为一个具体的例子,所述第一数量为M,所述第二数量为N;所述M和N均为正整数,且满足如下关系:
在初始状态下,所述分组调节单元将所述第一数量的测控传感器随机的平均分成第二数量的分组,每个所述分组中的测控传感器只与一个边缘计算终端进行数据通信。
以图2为例,图2所述的实例中,现场测控单元包括6个测控传感器,编号为01-06,边缘计算组件包括3个边缘计算单元,编号为ABC。
在图2中的状态中,01-02号测控传感器仅与边缘计算单元A进行数据通信;03-04号测控传感器仅与边缘计算单元B进行数据通信;04-05号测控传感器仅与边缘计算单元C进行数据通信。
在图2的基础上参见图3,更一般的,所述反馈控制单元汇总所述N个边缘计算终端的边缘计算结果,并进行总体趋势分析,具体包括:
每个所述测控传感器为组合传感器,所述每个现场设备均包含K个不同类型的待测参数;
第a个测控传感器获取第k类待测参数Ta,k,
其中,a=1,2,…M;k=1,2;…K
第x个边缘计算终端获取其对应的分组中所有y个测控传感器采集的所述待测参数Ta,k,构造待测参数矩阵MTx:
所述反馈控制单元将所述x个待测参数矩阵MTx组合后,判断其组合矩阵是否稳定;
如果所述组合矩阵不稳定,则对每一个所述待测参数矩阵进行广义特征根分析,基于所述广义特征根的分析结果,生成所述反馈控制指令。
在上述实施例中,所述边缘计算终端可以是执行移动边缘计算的终端设备。
边缘计算是一种在网络边缘侧进行分析和计算的新模式,边缘计算的对象包括云计算中心下行的数据和网络边缘终端上行的数据,边缘计算的计算资源可以是数据源到云计算中心之间的任意计算资源。
相对来说,边缘终端主要包括终端设备和边缘服务器。通过将智能算法从云计算中心迁移到边缘设备上,便于为用户提供更快、更好的智能服务。
在本实例中,所述边缘计算终端的边缘计算结果,是指每个边缘计算终端汇总其对应分组中的多个测控传感器获取的待测参数的处理。
由于边缘计算终端可以配置一定的智能处理算法,因此,可以在本地及时的利用相应的算法处理所述待测参数集合,避免数据延迟。
回到图3的实施例,所述反馈控制单元将所述x个待测参数矩阵MTx组合生成组合矩阵,具体包括:
将所述x个待测参数矩阵MTx的至少部分元素进行组合,生成T阶矩阵,
其中,min{a,K}≤T≤max{y*k,M*N。
针对该T阶矩阵,进行稳定性分析,具体包括:
判断该T阶矩阵的所有特征根的绝对值是否小于1,如果是,则该T阶矩阵稳定。
继续参见图4。
如果所述组合矩阵稳定,则发送稳定值信号给所述主动控制单元,并在所述主动控制单元的所述可视化控制界面上高亮显示特定的第一组待测设备;
所述特定的第一组待测设备的待测参数对应于所述组合矩阵的迹元素。
所述主动控制单元选中所述高亮显示特定的第一待测设备,将所述第一待测设备的ID发送至所述分组调节单元,使得所述分组调节单元将所述第一待测设备平均分配到N个分组中。
如果所述组合矩阵不稳定,则对每一个所述待测参数矩阵进行广义特征根分析,基于所述广义特征根的分析结果,生成所述反馈控制指令。
对所述待测参数矩阵进行广义特征根分析,基于所述广义特征根的分析结果,生成所述反馈控制指令,具体包括:
计算待测参数矩阵MTx的广义特征根,若所述广义特征根的绝对值均大于1,则该待测参数矩阵MTx不稳定;
生成反馈控制指令发送给所述分组调节单元,使得所述分组调节单元减少所述第x个边缘计算终端对应的分组中的所述测控传感器的数量。
进一步的,若所述待测参数矩阵MTx不稳定,则发出预警信号给所述主动控制单元,并所述主动控制单元的所述可视化控制界面上高亮显示特定的第二待测设备;
所述特定的第二待测设备的待测参数对应于所述待测参数矩阵MTx的对角线元素。
其中,对每一个所述待测参数矩阵进行广义特征根分析,具体包括:
对于待测参数矩阵MTx,获取其至少一个t阶子矩阵,对所述t阶子矩阵进行特征值分析;
其中,t=min{y,K}。
在上述各个实施例的稳定判断中,是参照赫尔维兹稳定性判据来判断稳定的实施方案。
不过需要指出的是,本实施例并非直接简单的套用赫尔维兹稳定性判据,而是进行了相应的改进,以矩阵特征根或者迹元素为依据。事实上,本领域技术人员知晓的是赫尔维兹稳定性判据也不是用于矩阵的稳定性,而是用于控制***的控制方程的系数行列式。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。
Claims (10)
1.一种具备反馈与闭环控制功能的全流程监控与预警***,所述***包括现场测控单元、边缘计算组件、分组调节单元、反馈控制单元以及主动控制单元,其特征在于:
所述现场测控单元包括采集现场不同类型设备的待测参数的第一数量的测控传感器;
所述边缘计算组件包括第二数量的边缘计算终端,所述边缘计算终端与所述测控传感器进行数据通信;
所述反馈控制单元连接所述边缘计算组件,汇总所述第二数量的边缘计算终端对于所述不同类型设备参数的边缘计算处理结果并进行总体趋势分析,基于所述总体趋势分析,生成反馈控制指令;
所述主动控制单元包括可视化控制界面,所述现场不同类型的多个设备对应的状态图标在所述可视化控制界面上动态显示;
所述分组调节单元基于所述反馈控制单元和/或所述主动控制单元的指令,调节所述第一数量的测量传感器与所述第二数量的边缘计算终端的分组对应关系。
3.如权利要求1或2所述的一种具备反馈与闭环控制功能的全流程监控与预警***,其特征在于:
在初始状态下,所述分组调节单元将所述第一数量的测控传感器随机的平均分成第二数量的分组,每个所述分组中的测控传感器只与一个边缘计算终端进行数据通信。
4.如权利要求2所述的一种具备反馈与闭环控制功能的全流程监控与预警***,其特征在于:
所述反馈控制单元汇总所述N个边缘计算终端的边缘计算结果,并进行总体趋势分析,具体包括:
每个所述测控传感器为组合传感器,所述每个现场设备均包含K个不同类型的待测参数;
第a个测控传感器获取第k类待测参数Ta,k,
其中,a=1,2,…M;k=1,2,…K
第x个边缘计算终端获取其对应的分组中所有y个测控传感器采集的所述待测参数Ta,k,构造待测参数矩阵MTx:
所述反馈控制单元将所述x个待测参数矩阵MTx组合后,判断其组合矩阵是否稳定;
如果所述组合矩阵不稳定,则对每一个所述待测参数矩阵进行广义特征根分析,基于所述广义特征根的分析结果,生成所述反馈控制指令。
5.如权利要求4所述的一种具备反馈与闭环控制功能的全流程监控与预警***,其特征在于:
对所述待测参数矩阵进行广义特征根分析,基于所述广义特征根的分析结果,生成所述反馈控制指令,具体包括:
计算待测参数矩阵MTx的广义特征根,若所述广义特征根的绝对值均大于1,则该待测参数矩阵MTx不稳定;
生成反馈控制指令发送给所述分组调节单元,使得所述分组调节单元减少所述第x个边缘计算终端对应的分组中的所述测控传感器的数量。
6.如权利要求4所述的一种具备反馈与闭环控制功能的全流程监控与预警***,其特征在于:
如果所述组合矩阵稳定,则发送稳定值信号给所述主动控制单元,并在所述主动控制单元的所述可视化控制界面上高亮显示特定的第一组待测设备;
所述特定的第一组待测设备的待测参数对应于所述组合矩阵的迹元素。
7.如权利要求6所述的一种具备反馈与闭环控制功能的全流程监控与预警***,其特征在于:
所述主动控制单元选中所述高亮显示特定的第一待测设备,将所述第一待测设备的ID发送至所述分组调节单元,使得所述分组调节单元将所述第一待测设备平均分配到N个分组中。
8.如权利要求5所述的一种具备反馈与闭环控制功能的全流程监控与预警***,其特征在于:
若所述待测参数矩阵MTx不稳定,则发出预警信号给所述主动控制单元,并所述主动控制单元的所述可视化控制界面上高亮显示特定的第二待测设备;
所述特定的第二待测设备的待测参数对应于所述待测参数矩阵MTx的对角线元素。
9.如权利要求4所述的一种具备反馈与闭环控制功能的全流程监控与预警***,其特征在于:
所述反馈控制单元将所述x个待测参数矩阵MTx组合生成组合矩阵,具体包括:
将所述x个待测参数矩阵MTx的至少部分元素进行组合,生成T阶矩阵,
其中,min{a,K}≤T≤max{y*k,M*N。
10.如权利要求4所述的一种具备反馈与闭环控制功能的全流程监控与预警***,其特征在于:
对每一个所述待测参数矩阵进行广义特征根分析,具体包括:
对于待测参数矩阵MTx,获取其至少一个t阶子矩阵,对所述t阶子矩阵进行特征值分析;
其中,t=min{y,K}。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011239221.6A CN112526945B (zh) | 2020-11-09 | 2020-11-09 | 具备反馈与闭环控制功能的全流程监控与预警*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011239221.6A CN112526945B (zh) | 2020-11-09 | 2020-11-09 | 具备反馈与闭环控制功能的全流程监控与预警*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112526945A true CN112526945A (zh) | 2021-03-19 |
CN112526945B CN112526945B (zh) | 2022-07-05 |
Family
ID=74980688
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011239221.6A Active CN112526945B (zh) | 2020-11-09 | 2020-11-09 | 具备反馈与闭环控制功能的全流程监控与预警*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112526945B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113271701A (zh) * | 2021-06-02 | 2021-08-17 | 连云港瑞普森照明科技有限公司 | Led模组自动照明***及方法 |
Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO1998024192A1 (en) * | 1996-11-26 | 1998-06-04 | Trw Inc. | Cochannel signal processing system |
US20170270877A1 (en) * | 2015-09-11 | 2017-09-21 | Boe Technology Group Co., Ltd. | Driving mode switching method and module, and display device |
CN109041130A (zh) * | 2018-08-09 | 2018-12-18 | 北京邮电大学 | 基于移动边缘计算的资源分配方法 |
CN109659955A (zh) * | 2018-12-25 | 2019-04-19 | 国网黑龙江省电力有限公司电力科学研究院 | 一种dfig与sssc协调电力***广域阻尼控制方法 |
CN110167059A (zh) * | 2019-05-22 | 2019-08-23 | 电子科技大学 | 一种边缘计算场景下基站业务量预测方法 |
CN110207951A (zh) * | 2019-05-23 | 2019-09-06 | 北京航空航天大学 | 一种基于视觉的飞机线缆支架装配状态检测方法 |
US20200007409A1 (en) * | 2018-06-29 | 2020-01-02 | Electronics And Telecommunications Research Institute | INTELLIGENT INTERNET OF EVERYTHING (IoE) EDGE COMPUTIING SYSTEM FOR HIGH RELIABLE INTERNET OF THINGS (IoT) SERVICE |
CN110991193A (zh) * | 2019-11-27 | 2020-04-10 | 语联网(武汉)信息技术有限公司 | 一种基于OpenKiWi的翻译矩阵模型选择*** |
CN111105617A (zh) * | 2019-12-19 | 2020-05-05 | 浙大网新***工程有限公司 | 基于矩阵稳定性分析的智能交通预测*** |
CN111160048A (zh) * | 2019-11-27 | 2020-05-15 | 语联网(武汉)信息技术有限公司 | 一种基于聚类进化的翻译引擎优化***及方法 |
WO2020125839A1 (de) * | 2018-12-18 | 2020-06-25 | GRID INVENT gGmbH | Elektronisches element und elektrisch angesteuertes anzeigeelement |
CN111581056A (zh) * | 2020-05-06 | 2020-08-25 | 厦门理工学院 | 基于人工智能的软件工程数据库维护与预警*** |
CN111736566A (zh) * | 2019-03-25 | 2020-10-02 | 南京智能制造研究院有限公司 | 一种基于机器学习与边缘计算的远程设备健康预测方法 |
US20200327371A1 (en) * | 2019-04-09 | 2020-10-15 | FogHorn Systems, Inc. | Intelligent Edge Computing Platform with Machine Learning Capability |
CN111783846A (zh) * | 2020-06-12 | 2020-10-16 | 国网山东省电力公司电力科学研究院 | 一种智慧用能服务协同控制***和方法 |
CN111800505A (zh) * | 2020-07-05 | 2020-10-20 | 胡时英 | 现场远程终端单元控制下的大数据采集与处理*** |
CN111884347A (zh) * | 2020-08-28 | 2020-11-03 | 国网山东省电力公司郯城县供电公司 | 多源电力信息融合的电力数据集中控制*** |
-
2020
- 2020-11-09 CN CN202011239221.6A patent/CN112526945B/zh active Active
Patent Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO1998024192A1 (en) * | 1996-11-26 | 1998-06-04 | Trw Inc. | Cochannel signal processing system |
US20170270877A1 (en) * | 2015-09-11 | 2017-09-21 | Boe Technology Group Co., Ltd. | Driving mode switching method and module, and display device |
US20200007409A1 (en) * | 2018-06-29 | 2020-01-02 | Electronics And Telecommunications Research Institute | INTELLIGENT INTERNET OF EVERYTHING (IoE) EDGE COMPUTIING SYSTEM FOR HIGH RELIABLE INTERNET OF THINGS (IoT) SERVICE |
CN109041130A (zh) * | 2018-08-09 | 2018-12-18 | 北京邮电大学 | 基于移动边缘计算的资源分配方法 |
WO2020125839A1 (de) * | 2018-12-18 | 2020-06-25 | GRID INVENT gGmbH | Elektronisches element und elektrisch angesteuertes anzeigeelement |
CN109659955A (zh) * | 2018-12-25 | 2019-04-19 | 国网黑龙江省电力有限公司电力科学研究院 | 一种dfig与sssc协调电力***广域阻尼控制方法 |
CN111736566A (zh) * | 2019-03-25 | 2020-10-02 | 南京智能制造研究院有限公司 | 一种基于机器学习与边缘计算的远程设备健康预测方法 |
US20200327371A1 (en) * | 2019-04-09 | 2020-10-15 | FogHorn Systems, Inc. | Intelligent Edge Computing Platform with Machine Learning Capability |
CN110167059A (zh) * | 2019-05-22 | 2019-08-23 | 电子科技大学 | 一种边缘计算场景下基站业务量预测方法 |
CN110207951A (zh) * | 2019-05-23 | 2019-09-06 | 北京航空航天大学 | 一种基于视觉的飞机线缆支架装配状态检测方法 |
CN111160048A (zh) * | 2019-11-27 | 2020-05-15 | 语联网(武汉)信息技术有限公司 | 一种基于聚类进化的翻译引擎优化***及方法 |
CN110991193A (zh) * | 2019-11-27 | 2020-04-10 | 语联网(武汉)信息技术有限公司 | 一种基于OpenKiWi的翻译矩阵模型选择*** |
CN111105617A (zh) * | 2019-12-19 | 2020-05-05 | 浙大网新***工程有限公司 | 基于矩阵稳定性分析的智能交通预测*** |
CN111581056A (zh) * | 2020-05-06 | 2020-08-25 | 厦门理工学院 | 基于人工智能的软件工程数据库维护与预警*** |
CN111783846A (zh) * | 2020-06-12 | 2020-10-16 | 国网山东省电力公司电力科学研究院 | 一种智慧用能服务协同控制***和方法 |
CN111800505A (zh) * | 2020-07-05 | 2020-10-20 | 胡时英 | 现场远程终端单元控制下的大数据采集与处理*** |
CN111884347A (zh) * | 2020-08-28 | 2020-11-03 | 国网山东省电力公司郯城县供电公司 | 多源电力信息融合的电力数据集中控制*** |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113271701A (zh) * | 2021-06-02 | 2021-08-17 | 连云港瑞普森照明科技有限公司 | Led模组自动照明***及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112526945B (zh) | 2022-07-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108199795B (zh) | 一种设备状态的监测方法和装置 | |
CN110977614B (zh) | 一种数控机床健康诊断方法 | |
CN111322732A (zh) | 一种空调健康状态分析方法和*** | |
CN109507924B (zh) | 用于油田作业设备的远程监控*** | |
CN117176560B (zh) | 一种基于物联网的监测设备监管***及其方法 | |
CN112666885A (zh) | 基于工业互联网环保设备监控管理平台 | |
CN116937575A (zh) | 一种网格***用的能源监控管理*** | |
CN109670584A (zh) | 一种基于大数据的故障诊断方法及*** | |
CN113687609A (zh) | 应用于异常环境下的物联网智能监测***及监测方法 | |
CN108923422A (zh) | 物联代理数据处理方法、***及电网终端设备监测*** | |
CN110941558B (zh) | 一种智慧办公远程运维的方法及*** | |
CN115640860B (zh) | 一种工业云服务的机电设备远程维护方法及*** | |
CN115642706A (zh) | 一种电网内配电负荷监控*** | |
CN112526945B (zh) | 具备反馈与闭环控制功能的全流程监控与预警*** | |
CN113065749A (zh) | 一种建筑材料的养护室环境智能*** | |
CN115442212A (zh) | 一种基于云计算的智能监控分析方法及*** | |
CN109149776A (zh) | 应用于智能电网的输电线路可靠监测*** | |
CN115146977A (zh) | 一种基于物联网的企业能效数据管理方法及*** | |
CN113726559A (zh) | 基于人工智能网络安全分析预警模型 | |
CN117834677A (zh) | 一种基于主动感知技术的水利一体化智能监控*** | |
CN117221069A (zh) | 一种基于微服务器架构的管理方法及装置 | |
CN116566839A (zh) | 一种电力企业通信资源质量评估*** | |
CN202798762U (zh) | 用于电力通信故障信息分析告警装置 | |
CN115118722A (zh) | 基于边缘计算的水质智能监测*** | |
CN206378727U (zh) | 基于物联网的污水监控*** |
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 |