CN114500615A - 基于物联传感技术的智能终端 - Google Patents
基于物联传感技术的智能终端 Download PDFInfo
- Publication number
- CN114500615A CN114500615A CN202210406019.0A CN202210406019A CN114500615A CN 114500615 A CN114500615 A CN 114500615A CN 202210406019 A CN202210406019 A CN 202210406019A CN 114500615 A CN114500615 A CN 114500615A
- Authority
- CN
- China
- Prior art keywords
- value
- internet
- things
- signals
- response
- 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
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y20/00—Information sensed or collected by the things
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y40/00—IoT characterised by the purpose of the information processing
- G16Y40/20—Analytics; Diagnosis
-
- 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)
- Computing Systems (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Biomedical Technology (AREA)
- Telephonic Communication Services (AREA)
Abstract
本发明涉及物联网传感器技术领域,用于解决现有的智能终端在对物联网传感器的管理过程中,其管控的方式存在较大的片面性和误差性,难以保证物联网传感器信息交换的稳定性,也难以实现对物联网传感器的数据延迟性精确的预判分析,故极大的阻碍了物联传感技术高效发展的问题,尤其公开了基于物联传感技术的智能终端,包括终端管控平台,终端管控平台的内部设置有服务器,服务器通讯连接有数据采集单元、延迟分析单元、整合论证单元、分布论证单元、预警输出单元和显示终端;本发明,从不同层面对物联网传感器的运转状态进行了精确的分析,提高了对物联网传感器管控的全面性和准确性,促进了物联传感技术行业的高效发展。
Description
技术领域
本发明涉及物联网传感器技术领域,具体为基于物联传感技术的智能终端。
背景技术
物联传感技术,又称物联网传感器技术,其是通过射频识别(RFID)、红外感应器、全球定位***、激光扫描器等信息传感设备,按约定的协议,把任何物品与互联网连接起来,进行信息交换和通讯,以实现智能化识别、定位、跟踪、监控和管理的一种网络,因此,做到对物联传感技术的智能管控,则显得至关重要;
但现有的智能终端在对物联网传感器的管理过程中,大都是仅能做到对物联网传感器的表观情况进行监测和管控,无法做到对物联网传感器的运行状态进行高效的监测分析,故对物联传感技术层面的管控的方式存在较大的片面性和误差性,难以保证物联网传感器信息交换的稳定性,也难以实现对物联网传感器的数据延迟性精确的预判分析,无法实现对物联网传感器的真正的管控,故极大的阻碍了物联传感技术的发展;
为了解决上述缺陷,现提供一种技术方案。
发明内容
本发明的目的就在于为了解决现有的智能终端在对物联网传感器的管理过程中,其管控的方式存在较大的片面性和误差性,难以保证物联网传感器信息交换的稳定性,也难以实现对物联网传感器的数据延迟性精确的预判分析,无法实现对物联网传感器的真正的管控,故极大的阻碍了物联传感技术高效发展的问题,通过符号标定、模型建立以及数据分析的方式,将多个物联网传感器的运行状态进行整合分析,进而对物联网传感器的整体运行状态情况进行了初步的预判分析,并利用公式化的处理、阈值的代入比对以及信号交叉判定的方式,分别从不同层面和角度对物联网传感器的运转状态效率进行了精确的分析,从而在实现了对物联网传感器的高效管控与监测的同时,也促进了对物联网传感器管控的全面性和准确性,实现了真正意义上的对物联网传感器运行效率的管控分析,保证物联网传感器信息交换的稳定性,极大的促进了物联传感技术行业的高效发展,而提出基于物联传感技术的智能终端。
本发明的目的可以通过以下技术方案实现:
基于物联传感技术的智能终端,包括终端管控平台,终端管控平台的内部设置有服务器,服务器通讯连接有数据采集单元、延迟分析单元、整合论证单元、分布论证单元、预警输出单元和显示终端;
终端管控分析平台用于对各物联传感技术中的各物联网传感器的运行效率进行分析,通过数据采集单元采集各物联网传感器的数据运行信息,并将其分别发送至延迟分析单元、整合论证单元与分布论证单元,延迟分析单元用于对接收各物联网传感器的数据运行信息进行延迟层面定向分析处理,据此生成正常延迟信号和异常延迟信号,并将正常延迟信号发送至整合论证单元,将异常延迟信号发送至分布论证单元;
整合论证单元用于接收正常延迟信号,并据此调取各物联网传感器的数据运行信息进行数据整合分析处理,据此生成高级运行判定信号、中级运行判定信号和低级运行判定信号,并将其发送至预警输出单元;
分布论证单元用于接收异常延迟信号,并据此调取各物联网传感器的数据运行信息进行逐项预判分析处理,据此生成高级运行判定信号、中级运行判定信号和低级运行判定信号,并将其发送至预警输出单元;
预警输出单元对接收的各等级运行判定信号进行判定分析处理,据此生成低级警示信号、中级警示信号和高级警示信号,并将其以文本字样描述的方式发送至显示终端进行显示说明。
进一步的,数据运行信息包括转换量值、执行量值、传输量值和响应量值。
进一步的,延迟层面定向分析处理的具体操作步骤如下:
S1:捕捉同一时间点的各物联网传感器的数据运行信息中的响应量值,并将其标定为xyli,并将同一时间的各物联网传感器的响应量值进行均值分析,求得均值响应系数Jxyl,其中,i={1,2,3…n};
S2:给各物联网传感器的运行设置时间区间值j,且j={1,2,3…m},并捕捉时间区间值内的各物联网传感器的响应量值xylij,对时间区间值内的各物联网传感器的响应量值xylij进行模型比对分析处理,据此生成高效响应值、正常响应值和低效响应值;
S3:依据步骤S2,对各物联网传感器生成的高效响应值、正常响应值和低效响应值进行数据统计分析处理,据此生成正常延迟信号和异常延迟信号。
进一步的,模型比对分析处理的具体操作步骤如下:
以时间为横坐标,以响应量值为纵坐标,并据此建立动态直角坐标系,将均值响应系数Jxyl作为参照线绘制在动态直角坐标系上,即Y=Jxyl;
将时间区间值内的各物联网传感器的响应量值通过描点的方式绘制在动态直角坐标系上,并将处于参照线Y=Jxyl以上的响应量值标定为低效响应值,将处于参照线Y=Jxyl上的转换量值标定为正常响应值,并将处于参照线Y=Jxyl以上的响应量值标定为高效响应值。
进一步的,数据统计分析处理的具体操作步骤如下:
分别统计时间区间值内的各物联网传感器出现的高效响应值、正常响应值和低效响应值的数量和,并将其分别标定为Sy1i、Sy2i和Sy3i,若满足Sy1i≥Sy2i+Sy3i或Sy1i+Sy2i>Sy3i时,则将对应的物联网传感器标定为正响应信号,若满足Sy1i<Sy2i+Sy3i或Sy1i+Sy2i≤Sy3i时,则将对应的物联网传感器标定为负响应信号;
统计n个物联网传感器中被标定为正响应信号与负响应信号的物联网传感器的个数,并将正响应信号的物联网传感器的个数标定为SL1,将负响应信号的物联网传感器的个数标定为SL2,若满足SL1>SL2时,则生成正常延迟信号,若满足SL1≤SL2时,则生成异常延迟信号。
进一步的,数据整合分析处理的具体操作步骤如下:
当接收到正常延迟信号时,调取各物联网传感器的数据运行信息中的转换量值、执行量值、传输量值和响应量值,并将其分别标定为zhli、zxli、csli和xyli,并将转换量值、执行量值、传输量值和响应量值进行公式化处理,依据公式Yani=e3×csli÷(e1×zhli+e2×zxli+e4×xyli),求得各物联网传感器的运行系数Yani,其中,e1、e2、e3和e4分别为转换量值、执行量值、传输量值和响应量值的权重因子系数,且e4>e2>e1>e3>0,e1+e2+e3+e4=3.025;
设置延迟参照区间值Yu1,并将其与各物联网传感器的运行系数Yani进行比对分析,当运行系数Yani处于延迟参照区间值Yu1的范围之内或当运行系数Yani大于延迟参照区间值Yu1的最大值时,则均生成肯定信号,当运行系数Yani小于延迟参照区间值Yu1的最小值时,则生成否定信号;
统计各类型信号的数量和,当肯定信号的数量和>否定信号的数量和时,则生成高级运行判定信号,当肯定信号的数量和=否定信号的数量和时,则生成中级运行判定信号,当肯定信号的数量和<否定信号的数量和时,则生成低级运行判定信号。
进一步的,逐项预判分析处理的具体操作步骤如下:
当接收到异常延迟信号时,调取各物联网传感器的数据运行信息中的转换量值zhli、执行量值zxli和传输量值csli,并将其分别与对应的预设参照值Ca1、Ca2和Ca3内进行比对分析;
当转换量值zhli小于等于对应的预设参照值Ca1时,则生成转换合格信号,当转换量值zhli大于对应的预设参照值Ca1时,则生成转换不合格信号,当执行量值zxli小于等于对应的预设参照值Ca2时,则生成执行合格信号,当执行量值zxli大于对应的预设参照值Ca2时,则生成执行不合格信号,当传输量值csli大于等于对应的预设参照值Ca3时,则生成传输合格信号,当传输量值csli小于对应的预设参照值Ca3时,则生成传输不合格信号;
并将上述生成的各类型信号进行交叉集合分析处理,据此生成高级运行判定信号、中级运行判定信号和低级运行判定信号。
进一步的,交叉集合分析处理的具体操作步骤如下:
将转换合格信号与转换不合格信号分别记作H-1和H-2,将执行合格信号与执行不合格信号分别记作X-1和X-2,将传输合格信号与传输不合格信号分别记作S-1和S-2;
若同时获取的信号满足H-1∩X-1∩S-1时,则均生成高级运行判定信号,若同时获取的信号满足H-1∩X-2∩S-1或H-2∩X-1∩S-1或H-1∩X-1∩S-2时,则均生成中级运行判定信号,而其他情况下,则均生成低级运行判定信号。
进一步的,判定分析处理的具体操作步骤如下:
当接收到高级运行判定信号时,则生成低级警示信号,并以“当前各物联网传感器的工作状态均处于较为高效且平稳的运转水平阶段,无需组织任何措施”的文本字样发送至显示终端;
当接收到中级运行判定信号时,则生成中级警示信号,并以“当前各物联网传感器的工作状态均处于正常的运转水平阶段,无需组织任何措施”的文本字样发送至显示终端;
当接收到低级运行判定信号时,则生成高级警示信号,并以“当前各物联网传感器的工作均处于较为低效的运转水平阶段,需要组织加强管控措施”的文本字样发送至显示终端。
与现有技术相比,本发明的有益效果是:
(1)本发明,通过符号化的标定、坐标模型的建立以及数据统计分析的方式,对各物联网传感器的响应量值的状态情况进行准确的分析,进而明确了各物联网传感器的数据延迟状态情况,并结合分类求和、数据对比和信号输出的方式,将多个物联网传感器的运行状态进行整合分析,进而在对物联网传感器的整体运行状态情况进行了初步的预判分析的同时,也为后续对物联传感技术的深层管控分析奠定了基础;
(2)本发明,通过符号化的标定、公式化的处理、阈值的代入比对以及数据信号输出的方式,从数据分析层面对物联网传感器的运行效率进行了精准且全面的判定分析,从而在实现了对物联网传感器的高效管控与监测的同时,也促进了对物联网传感器管控的全面性和准确性,实现了真正意义上的对物联网传感器运行效率的管控分析,极大的促进了物联传感技术行业的高效发展;
(3)本发明,利用符号的标定、参照值的设定以及信号交叉判定的方式,从逐项信号比对分析的层面对物联网传感器的运行效率进行准确且全面的判定分析,从而在对物联网传感器的运行状态进行高效的监测分析的同时,也实现了对物联网传感器的数据延迟性精确的预判分析,进而保证物联网传感器信息交换的稳定性,促进了物联网传感器技术的发展与应用。
附图说明
为了便于本领域技术人员理解,下面结合附图对本发明作进一步的说明;
图1为本发明的***总框图;
图2为本发明的延迟层面定向分析处理步骤的直角坐标系示意图。
具体实施方式
下面将结合实施例对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施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作出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
如图1所示,基于物联传感技术的智能终端,包括终端管控平台,终端管控平台的内部设置有服务器,服务器通讯连接有数据采集单元、延迟分析单元、整合论证单元、分布论证单元、预警输出单元和显示终端;
终端管控分析平台用于对各物联传感技术中的各物联网传感器的运行效率进行分析,通过数据采集单元采集各物联网传感器的数据运行信息,并将其分别发送至延迟分析单元、整合论证单元;
其中,数据运行信息用于表示物联网传感器运行效率好坏的一类数据信息,且数据运行信息包括转换量值、执行量值、传输量值和响应量值;
当延迟分析单元接收到各物联网传感器的数据运行信息进行延迟层面定向分析处理,具体的操作过程如下:
捕捉同一时间点的各物联网传感器的数据运行信息中的响应量值,并将其标定为xyli,并将同一时间的各物联网传感器的响应量值进行均值分析,依据公式Jxyl=(xyl1+xyl2+……+xyln)÷n,其中,i={1,2,3…n},求得均值响应系数Jxyl,需要说明的是,i表示物联网传感器的个数,且i为大于等于1的正整数;
还需指出的是,响应量值用于表示单位时间内物联网传感器对接收的模拟信号进行分析解读的响应时间长短的数据量值,需要说明的是,响应量值的表现数值越小,则越说明物联网传感器的响应速度快,并进一步说明物联网传感器的运行效率高;
给各物联网传感器的运行设置时间区间值j,且j={1,2,3…m},其中,j表示时间点个数,且时间区间值由若干个实时的时间点构成,且j为大于等于1的正整数并捕捉时间区间值内的各物联网传感器的响应量值xylij,对时间区间值内的各物联网传感器的响应量值xylij进行模型比对分析处理,具体的操作过程如下:
如图2所述,以时间为横坐标,以响应量值为纵坐标,并据此建立动态直角坐标系,将均值响应系数Jxyl作为参照线绘制在动态直角坐标系上,即Y=Jxyl;
将时间区间值内的各物联网传感器的响应量值通过描点的方式绘制在动态直角坐标系上,并将处于参照线Y=Jxyl以上的响应量值标定为低效响应值,将处于参照线Y=Jxyl上的转换量值标定为正常响应值,并将处于参照线Y=Jxyl以上的响应量值标定为高效响应值;
对各物联网传感器生成的高效响应值、正常响应值和低效响应值进行数据统计分析处理,具体的操作过程如下:
分别统计时间区间值内的各物联网传感器出现的高效响应值、正常响应值和低效响应值的数量和,并将其分别标定为Sy1i、Sy2i和Sy3i,若满足Sy1i≥Sy2i+Sy3i或Sy1i+Sy2i>Sy3i时,则将对应的物联网传感器标定为正响应信号,若满足Sy1i<Sy2i+Sy3i或Sy1i+Sy2i≤Sy3i时,则将对应的物联网传感器标定为负响应信号;
统计n个物联网传感器中被标定为正响应信号与负响应信号的物联网传感器的个数,并将正响应信号的物联网传感器的个数标定为SL1,将负响应信号的物联网传感器的个数标定为SL2,若满足SL1>SL2时,则生成正常延迟信号;
并将正常延迟信号发送至整合论证单元,当整合论证单元接收到正常延迟信号,并据此调取各物联网传感器的数据运行信息进行数据整合分析处理,具体的操作过程如下:
当接收到正常延迟信号时,调取各物联网传感器的数据运行信息中的转换量值、执行量值、传输量值和响应量值,并将其分别标定为zhli、zxli、csli和xyli,并将转换量值、执行量值、传输量值和响应量值进行公式化处理,依据公式Yani=e3×csli÷(e1×zhli+e2×zxli+e4×xyli),求得各物联网传感器的运行系数Yani,当运行系数Yani的表现数值越大,则越说明当前该物联网传感器的运行效率越好,其中,e1、e2、e3和e4分别为转换量值、执行量值、传输量值和响应量值的权重因子系数,且e4>e2>e1>e3>0,e1+e2+e3+e4=3.025;
需要说明的是,转换量值用于表示物联网传感器在一次数据转换中,将模拟信号转换为数字信号的所用的时间长短的数据量值,其中,当转换量值的表现数值越小时,则越说明物联网传感器的转换效率高,并进一步说明物联网传感器的运行效率高;
而执行量值用于表示物联网传感器在执行一次信息交换通讯所使用的时间多少的数据量值,其中,当执行量值的表现数值越小时,则越说明物联网传感器的执行效率高,并进一步说明物联网传感器的运行效率高,传输量值用于表示物联网传感器在发送和接收一次数据信号时,所传输的数据信号的容量大小的数据量值;
还需指出的是,权重因子系数用于均衡各项数据在公式计算中的占比权重,从而促进计算结果的准确性,具体表示为转换量值、执行量值、传输量值和响应量值相对于运行系数的重要程度;
如公式:Yani=e3×csli÷(e1×zhli+e2×zxli+e4×xyli),由本领域技术人员采集多组样本数据并对每一组样本数据设定对应的权重因子系数;将设定的权重因子系数和采集的样本数据代入公式,任意四个公式构成四元一次方程组,将计算得到的系数进行筛选并取均值,得到e1、e2、e3和e4取值分别为0.348、0.602、0.6988和1.3762;
设置延迟参照区间值Yu1,并将其与各物联网传感器的运行系数Yani进行比对分析,当运行系数Yani处于延迟参照区间值Yu1的范围之内或当运行系数Yani大于延迟参照区间值Yu1的最大值时,则均生成肯定信号,当运行系数Yani小于延迟参照区间值Yu1的最小值时,则生成否定信号;
需要说明的是,区间值指的是一个范围值,且延迟参照区间值Yu1可表示为[20,50]或[50,80]等;
统计各类型信号的数量和,当肯定信号的数量和>否定信号的数量和时,则生成高级运行判定信号,当肯定信号的数量和=否定信号的数量和时,则生成中级运行判定信号,当肯定信号的数量和<否定信号的数量和时,则生成低级运行判定信号;
并将生成高级运行判定信号、中级运行判定信号和低级运行判定信号均发送至预警输出单元;
需要说明的是,整合论证单元用于对物联传感器的数据运行信息中的各类运行数据通过公式整合的形式和信号整合输出的方式进行处理,从而实现了对物联传感技术管控分析的准确性和全面性,保证了物联网传感器信息交换的稳定性;
当预警输出单元接收到高级运行判定信号、中级运行判定信号和低级运行判定信号时,并据此进行判定分析处理,具体的操作过程如下:
当接收到高级运行判定信号时,则生成低级警示信号,并以“当前各物联网传感器的工作状态均处于较为高效且平稳的运转水平阶段,无需组织任何措施”的文本字样发送至显示终端;
当接收到中级运行判定信号时,则生成中级警示信号,并以“当前各物联网传感器的工作状态均处于正常的运转水平阶段,无需组织任何措施”的文本字样发送至显示终端;
当接收到低级运行判定信号时,则生成高级警示信号,并以“当前各物联网传感器的工作均处于较为低效的运转水平阶段,需要组织加强管控措施”的文本字样发送至显示终端。
实施例二:
如图1所示,通过数据采集单元采集各物联网传感器的数据运行信息,并将其分别发送至延迟分析单元与分布论证单元;
延迟分析单元用于对接收各物联网传感器的数据运行信息进行延迟层面定向分析处理,具体的操作过程如下:
捕捉同一时间点的各物联网传感器的数据运行信息中的响应量值,并将其标定为xyli,并将同一时间的各物联网传感器的响应量值进行均值分析,依据公式Jxyl=(xyl1+xyl2+……+xyln)÷n,其中,i={1,2,3…n},求得均值响应系数Jxyl;
给各物联网传感器的运行设置时间区间值j,且j={1,2,3…m},其中,j表示时间点个数,且时间区间值由若干个实时的时间点构成,并捕捉时间区间值内的各物联网传感器的响应量值xylij,对时间区间值内的各物联网传感器的响应量值xylij进行模型比对分析处理,据此生成高效响应值、正常响应值和低效响应值;
对各物联网传感器生成的高效响应值、正常响应值和低效响应值进行数据统计分析处理,具体的操作过程如下:
分别统计时间区间值内的各物联网传感器出现的高效响应值、正常响应值和低效响应值的数量和,并将其分别标定为Sy1i、Sy2i和Sy3i,若满足Sy1i≥Sy2i+Sy3i或Sy1i+Sy2i>Sy3i时,则将对应的物联网传感器标定为正响应信号,若满足Sy1i<Sy2i+Sy3i或Sy1i+Sy2i≤Sy3i时,则将对应的物联网传感器标定为负响应信号;
统计n个物联网传感器中被标定为正响应信号与负响应信号的物联网传感器的个数,并将正响应信号的物联网传感器的个数标定为SL1,将负响应信号的物联网传感器的个数标定为SL2,若满足SL1≤SL2时,则生成异常延迟信号;
并生成异常延迟信号,将异常延迟信号发送至分布论证单元,当分布论证单元接收到异常延迟信号,并据此调取各物联网传感器的数据运行信息进行逐项预判分析处理,具体的操作过程如下:
调取各物联网传感器的数据运行信息中的转换量值zhli、执行量值zxli和传输量值csli,并将其分别与对应的预设参照值Ca1、Ca2和Ca3内进行比对分析;
当转换量值zhli小于等于对应的预设参照值Ca1时,则生成转换合格信号,当转换量值zhli大于对应的预设参照值Ca1时,则生成转换不合格信号,当执行量值zxli小于等于对应的预设参照值Ca2时,则生成执行合格信号,当执行量值zxli大于对应的预设参照值Ca2时,则生成执行不合格信号,当传输量值csli大于等于对应的预设参照值Ca3时,则生成传输合格信号,当传输量值csli小于对应的预设参照值Ca3时,则生成传输不合格信号;
并将转换合格信号或转换不合格信号与执行合格信号或执行不合格信号与传输合格信号或传输不合格信号之间进行交叉集合分析处理,具体的操作过程如下:
将转换合格信号与转换不合格信号分别记作H-1和H-2,将执行合格信号与执行不合格信号分别记作X-1和X-2,将传输合格信号与传输不合格信号分别记作S-1和S-2;
若同时获取的信号满足H-1∩X-1∩S-1时,则均生成高级运行判定信号,若同时获取的信号满足H-1∩X-2∩S-1或H-2∩X-1∩S-1或H-1∩X-1∩S-2时,则均生成中级运行判定信号,而其他情况下,则均生成低级运行判定信号;
需要说明的是,其他情况包括以下情况:H-2∩X-2∩S-2,H-1∩X-2∩S-2,H-2∩X-1∩S-2,H-2∩X-2∩S-1;
并将生成的高级运行判定信号、中级运行判定信号和低级运行判定信号发送至预警输出单元;
需要说明的是,分布论证单元用于对物联传感器的数据运行信息中的各类运行数据通过分布逐级分析的输出的方式进行处理,从而也实现了对物联传感技术管控分析的准确性和全面性,保证了物联网传感器信息交换的稳定性;
预警输出单元对接收的各等级运行判定信号进行判定分析处理,据此生成低级警示信号、中级警示信号和高级警示信号,并将其以文本字样描述的方式发送至显示终端进行显示说明。
上述公式均是采集大量数据进行软件模拟得出且选取与真实值接近的一个公式,公式中的系数是由本领域技术人员根据实际情况进行设置;
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权重因子系数;只要不影响参数与量化后数值的比例关系即可。
本发明在使用时,通过采集各物联网传感器的数据运行信息,并据此构建物联网传感器智能管控终端,进而来实现对物联网传感器的运行效率情况的管控分析;
通过采集各物联网传感器的数据运行信息中的响应量值,并利用符号化的标定、坐标模型的建立以及数据统计分析的方式,对各物联网传感器的响应量值的状态情况进行准确的分析,进而明确了各物联网传感器的数据延迟状态情况;
又利用分类求和、数据对比和信号输出的方式,将多个物联网传感器的运行状态进行整合分析,进而对物联网传感器的整体运行状态情况进行了初步的预判分析,据此生成了判定物联网传感器运行状态的正常延迟信号和异常延迟信号,从而在构建了物联网传感器管控的整体性的同时,也实现了对物联网传感器的运行状态准确的初步预判分析,并为后续对物联传感技术的深层管控分析奠定了基础;
依据正常延迟信号数据信息,通过采集各物联网传感器的数据运行信息中的所有数据量值,利用符号化的标定、公式化的处理、阈值的代入比对以及数据信号输出的方式,进而从概向层面对物联网传感器的运行效率进行了精准且全面的判定分析,从而在实现了对物联网传感器的高效管控与监测的同时,也促进了对物联网传感器管控的全面性和准确性,实现了真正意义上的对物联网传感器运行效率的管控分析,极大的促进了物联传感技术行业的高效发展;
依据异常延迟信号数据信息,通过采集各物联网传感器的数据运行信息中的其他因素的数据量值,利用符号的标定、参照值的设定以及信号交叉判定的方式,进而从逐项比对分析的层面对物联网传感器的运行效率进行准确且全面的判定分析,从而在对物联网传感器的运行状态进行高效的监测分析的同时,也实现了对物联网传感器的数据延迟性精确的预判分析,进而保证物联网传感器信息交换的稳定性,促进了物联网传感器技术的发展与应用。
以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节,也不限制该发明仅为的具体实施方式。显然,根据本说明书的内容,可作很多的修改和变化。本说明书选取并具体描述这些实施例,是为了更好地解释本发明的原理和实际应用,从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。
Claims (9)
1.基于物联传感技术的智能终端,包括终端管控平台,其特征在于,终端管控平台的内部设置有服务器,服务器通讯连接有数据采集单元、延迟分析单元、整合论证单元、分布论证单元、预警输出单元和显示终端;
终端管控分析平台用于对各物联传感技术中的各物联网传感器的运行效率进行分析,通过数据采集单元采集各物联网传感器的数据运行信息,并将其分别发送至延迟分析单元、整合论证单元与分布论证单元;
延迟分析单元用于对接收各物联网传感器的数据运行信息进行延迟层面定向分析处理,据此生成正常延迟信号和异常延迟信号,并将正常延迟信号发送至整合论证单元,将异常延迟信号发送至分布论证单元;
整合论证单元用于接收正常延迟信号,并据此调取各物联网传感器的数据运行信息进行数据整合分析处理,据此生成高级运行判定信号、中级运行判定信号和低级运行判定信号,并将其发送至预警输出单元;
分布论证单元用于接收异常延迟信号,并据此调取各物联网传感器的数据运行信息进行逐项预判分析处理,据此生成高级运行判定信号、中级运行判定信号和低级运行判定信号,并将其发送至预警输出单元;
预警输出单元对接收的各等级运行判定信号进行判定分析处理,据此生成低级警示信号、中级警示信号和高级警示信号,并将其以文本字样描述的方式发送至显示终端进行显示说明。
2.根据权利要求1所述的基于物联传感技术的智能终端,其特征在于,数据运行信息包括转换量值、执行量值、传输量值和响应量值。
3.根据权利要求1所述的基于物联传感技术的智能终端,其特征在于,延迟层面定向分析处理的具体操作步骤如下:
S1:捕捉同一时间点的各物联网传感器的响应量值xyli,其中,i={1,2,3…n},并将同一时间的各物联网传感器的响应量值进行均值分析,求得均值响应系数Jxyl;
S2:给各物联网传感器的运行设置时间区间值j,且j={1,2,3…m},并捕捉时间区间值内的各物联网传感器的响应量值xylij,对时间区间值内的各物联网传感器的响应量值xylij进行模型比对分析处理,据此生成高效响应值、正常响应值和低效响应值;
S3:依据步骤S2,对各物联网传感器生成的高效响应值、正常响应值和低效响应值进行数据统计分析处理,据此生成正常延迟信号和异常延迟信号。
4.根据权利要求3所述的基于物联传感技术的智能终端,其特征在于,模型比对分析处理的具体操作步骤如下:
以时间为横坐标,以响应量值为纵坐标,并据此建立动态直角坐标系,将均值响应系数Jxyl作为参照线绘制在动态直角坐标系上,即Y=Jxyl;
将时间区间值内的各物联网传感器的响应量值通过描点的方式绘制在动态直角坐标系上,并将处于参照线Y=Jxyl以上的响应量值标定为低效响应值,将处于参照线Y=Jxyl上的转换量值标定为正常响应值,并将处于参照线Y=Jxyl以上的响应量值标定为高效响应值。
5.根据权利要求3所述的基于物联传感技术的智能终端,其特征在于,数据统计分析处理的具体操作步骤如下:
分别统计时间区间值内的各物联网传感器出现的高效响应值、正常响应值和低效响应值的数量和,并将其分别标定为Sy1i、Sy2i和Sy3i,若满足Sy1i≥Sy2i+Sy3i或Sy1i+Sy2i>Sy3i时,则将对应的物联网传感器标定为正响应信号,若满足Sy1i<Sy2i+Sy3i或Sy1i+Sy2i≤Sy3i时,则将对应的物联网传感器标定为负响应信号;
统计n个物联网传感器中被标定为正响应信号与负响应信号的物联网传感器的个数,并将正响应信号的物联网传感器的个数标定为SL1,将负响应信号的物联网传感器的个数标定为SL2,若满足SL1>SL2时,则生成正常延迟信号,若满足SL1≤SL2时,则生成异常延迟信号。
6.根据权利要求1所述的基于物联传感技术的智能终端,其特征在于,数据整合分析处理的具体操作步骤如下:
当接收到正常延迟信号时,调取各物联网传感器的转换量值zhli、执行量值zxli、传输量值csli和响应量值xyli,并将转换量值、执行量值、传输量值和响应量值进行公式化处理,依据公式Yani=e3×csli÷(e1×zhli+e2×zxli+e4×xyli),求得各物联网传感器的运行系数Yani,其中,e1、e2、e3和e4分别为转换量值、执行量值、传输量值和响应量值的权重因子系数,且e4>e2>e1>e3>0;
设置延迟参照区间值Yu1,并将其与各物联网传感器的运行系数Yani进行比对分析,当运行系数Yani处于延迟参照区间值Yu1的范围之内或当运行系数Yani大于延迟参照区间值Yu1的最大值时,则均生成肯定信号,当运行系数Yani小于延迟参照区间值Yu1的最小值时,则生成否定信号;
统计各类型信号的数量和,当肯定信号的数量和>否定信号的数量和时,则生成高级运行判定信号,当肯定信号的数量和=否定信号的数量和时,则生成中级运行判定信号,当肯定信号的数量和<否定信号的数量和时,则生成低级运行判定信号。
7.根据权利要求1所述的基于物联传感技术的智能终端,其特征在于,逐项预判分析处理的具体操作步骤如下:
当接收到异常延迟信号时,调取各物联网传感器的转换量值zhli、执行量值zxli和传输量值csli,并将其分别与对应的预设参照值Ca1、Ca2和Ca3内进行比对分析;
当转换量值zhli小于等于对应的预设参照值Ca1时,则生成转换合格信号,当转换量值zhli大于对应的预设参照值Ca1时,则生成转换不合格信号,当执行量值zxli小于等于对应的预设参照值Ca2时,则生成执行合格信号,当执行量值zxli大于对应的预设参照值Ca2时,则生成执行不合格信号,当传输量值csli大于等于对应的预设参照值Ca3时,则生成传输合格信号,当传输量值csli小于对应的预设参照值Ca3时,则生成传输不合格信号;
并将上述生成的各类型信号进行交叉集合分析处理,据此生成高级运行判定信号、中级运行判定信号和低级运行判定信号。
8.根据权利要求7所述的基于物联传感技术的智能终端,其特征在于,交叉集合分析处理的具体操作步骤如下:
将转换合格信号与转换不合格信号分别记作H-1和H-2,将执行合格信号与执行不合格信号分别记作X-1和X-2,将传输合格信号与传输不合格信号分别记作S-1和S-2;
若同时获取的信号满足H-1∩X-1∩S-1时,则均生成高级运行判定信号,若同时获取的信号满足H-1∩X-2∩S-1或H-2∩X-1∩S-1或H-1∩X-1∩S-2时,则均生成中级运行判定信号,而其他情况下,则均生成低级运行判定信号。
9.根据权利要求1所述的基于物联传感技术的智能终端,其特征在于,判定分析处理的具体操作步骤如下:
当接收到高级运行判定信号时,则生成低级警示信号,并以“当前各物联网传感器的工作状态均处于较为高效且平稳的运转水平阶段,无需组织任何措施”的文本字样发送至显示终端;
当接收到中级运行判定信号时,则生成中级警示信号,并以“当前各物联网传感器的工作状态均处于正常的运转水平阶段,无需组织任何措施”的文本字样发送至显示终端;
当接收到低级运行判定信号时,则生成高级警示信号,并以“当前各物联网传感器的工作均处于较为低效的运转水平阶段,需要组织加强管控措施”的文本字样发送至显示终端。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210406019.0A CN114500615B (zh) | 2022-04-18 | 2022-04-18 | 基于物联传感技术的智能终端 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210406019.0A CN114500615B (zh) | 2022-04-18 | 2022-04-18 | 基于物联传感技术的智能终端 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114500615A true CN114500615A (zh) | 2022-05-13 |
CN114500615B CN114500615B (zh) | 2022-07-12 |
Family
ID=81489651
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210406019.0A Active CN114500615B (zh) | 2022-04-18 | 2022-04-18 | 基于物联传感技术的智能终端 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114500615B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115101202A (zh) * | 2022-06-13 | 2022-09-23 | 戎誉科技(深圳)有限公司 | 一种基于大数据的健康检测数据管理*** |
Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060077013A1 (en) * | 2004-10-08 | 2006-04-13 | Denso Corporation | Anomaly detector for vibratory angular rate sensor |
US20120310599A1 (en) * | 2011-05-31 | 2012-12-06 | Fujitsu Limited | Sensor data collection system |
WO2015038040A1 (en) * | 2013-09-10 | 2015-03-19 | Telefonaktiebolaget L M Ericsson (Publ) | Method and monitoring centre for supporting supervision of events |
CN106682742A (zh) * | 2016-12-06 | 2017-05-17 | 浙江图讯科技股份有限公司 | 一种基于物联网技术的实时数据采集分析方法 |
CN106790515A (zh) * | 2016-12-19 | 2017-05-31 | 浙江晶日照明科技有限公司 | 一种异常事件处理***及其应用方法 |
CN106934876A (zh) * | 2017-03-16 | 2017-07-07 | 广东翼卡车联网服务有限公司 | 一种车辆异常驾驶事件的识别方法及*** |
JP2017224174A (ja) * | 2016-06-15 | 2017-12-21 | シャープ株式会社 | 情報取得端末、情報収集装置、行動観察システム、情報取得端末の制御方法、および、情報収集装置の制御方法 |
CN109753010A (zh) * | 2019-01-15 | 2019-05-14 | 江苏东方赛光电有限公司 | 一种实时液位监测数据采集预警*** |
CN110657864A (zh) * | 2019-10-08 | 2020-01-07 | 三门核电有限公司 | 一种传感器响应时间测量方法 |
CN110865929A (zh) * | 2019-11-26 | 2020-03-06 | 携程旅游信息技术(上海)有限公司 | 异常检测预警方法及*** |
CN112216077A (zh) * | 2020-09-02 | 2021-01-12 | 国网河北省电力有限公司电力科学研究院 | 物联感知监测***及监测预警方法、移动终端及云端服务器 |
CN112783714A (zh) * | 2019-11-09 | 2021-05-11 | 北京航天长峰科技工业集团有限公司 | 一种基于大数据平台的安全运维一体化监控方法 |
CN113360339A (zh) * | 2020-03-06 | 2021-09-07 | 罗伯特·博世有限公司 | 用于提供均匀的数据块的预处理方法 |
CN113609230A (zh) * | 2021-09-16 | 2021-11-05 | 平安国际智慧城市科技股份有限公司 | 数据同步异常告警方法、装置、计算机设备和存储介质 |
CN113656812A (zh) * | 2021-07-26 | 2021-11-16 | 上饶市中科院云计算中心大数据研究院 | 一种基于大数据技术的数据管理***和方法 |
CN114238383A (zh) * | 2021-12-21 | 2022-03-25 | 中国电信集团***集成有限责任公司 | 一种用于供应链监控的大数据提取方法及装置 |
-
2022
- 2022-04-18 CN CN202210406019.0A patent/CN114500615B/zh active Active
Patent Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060077013A1 (en) * | 2004-10-08 | 2006-04-13 | Denso Corporation | Anomaly detector for vibratory angular rate sensor |
US20120310599A1 (en) * | 2011-05-31 | 2012-12-06 | Fujitsu Limited | Sensor data collection system |
WO2015038040A1 (en) * | 2013-09-10 | 2015-03-19 | Telefonaktiebolaget L M Ericsson (Publ) | Method and monitoring centre for supporting supervision of events |
JP2017224174A (ja) * | 2016-06-15 | 2017-12-21 | シャープ株式会社 | 情報取得端末、情報収集装置、行動観察システム、情報取得端末の制御方法、および、情報収集装置の制御方法 |
CN106682742A (zh) * | 2016-12-06 | 2017-05-17 | 浙江图讯科技股份有限公司 | 一种基于物联网技术的实时数据采集分析方法 |
CN106790515A (zh) * | 2016-12-19 | 2017-05-31 | 浙江晶日照明科技有限公司 | 一种异常事件处理***及其应用方法 |
CN106934876A (zh) * | 2017-03-16 | 2017-07-07 | 广东翼卡车联网服务有限公司 | 一种车辆异常驾驶事件的识别方法及*** |
CN109753010A (zh) * | 2019-01-15 | 2019-05-14 | 江苏东方赛光电有限公司 | 一种实时液位监测数据采集预警*** |
CN110657864A (zh) * | 2019-10-08 | 2020-01-07 | 三门核电有限公司 | 一种传感器响应时间测量方法 |
CN112783714A (zh) * | 2019-11-09 | 2021-05-11 | 北京航天长峰科技工业集团有限公司 | 一种基于大数据平台的安全运维一体化监控方法 |
CN110865929A (zh) * | 2019-11-26 | 2020-03-06 | 携程旅游信息技术(上海)有限公司 | 异常检测预警方法及*** |
CN113360339A (zh) * | 2020-03-06 | 2021-09-07 | 罗伯特·博世有限公司 | 用于提供均匀的数据块的预处理方法 |
CN112216077A (zh) * | 2020-09-02 | 2021-01-12 | 国网河北省电力有限公司电力科学研究院 | 物联感知监测***及监测预警方法、移动终端及云端服务器 |
CN113656812A (zh) * | 2021-07-26 | 2021-11-16 | 上饶市中科院云计算中心大数据研究院 | 一种基于大数据技术的数据管理***和方法 |
CN113609230A (zh) * | 2021-09-16 | 2021-11-05 | 平安国际智慧城市科技股份有限公司 | 数据同步异常告警方法、装置、计算机设备和存储介质 |
CN114238383A (zh) * | 2021-12-21 | 2022-03-25 | 中国电信集团***集成有限责任公司 | 一种用于供应链监控的大数据提取方法及装置 |
Non-Patent Citations (3)
Title |
---|
ZHANG YUFANG ET AL: "Distributed Intrusion Detection Based on Anomaly Intrusion Detection", 《PROCEEDING OF THE 10TH INTERNATIONAL CONFERENCE ON MACHINE LEARNING AND CYBERNETICS》 * |
姚章俊: "可信监测***中数据采集与异常分析的研究与实现", 《万方学位论文数据库》 * |
赵爱业: "用电信息采集***数据采集异常分析", 《河北电力技术》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115101202A (zh) * | 2022-06-13 | 2022-09-23 | 戎誉科技(深圳)有限公司 | 一种基于大数据的健康检测数据管理*** |
Also Published As
Publication number | Publication date |
---|---|
CN114500615B (zh) | 2022-07-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114168906B (zh) | 一种基于云计算的测绘地理信息数据采集*** | |
CN114113987B (zh) | 一种芯片检验追踪方法及*** | |
CN114977483B (zh) | 一种智能电网调控控制设备故障诊断*** | |
CN117394337A (zh) | 一种电网负荷预警方法及其*** | |
CN113298498A (zh) | 一种基于工业物联网平台的管理*** | |
CN114500615B (zh) | 基于物联传感技术的智能终端 | |
CN115979350A (zh) | 一种海洋监测设备数据采集*** | |
CN115660288A (zh) | 一种基于互联网大数据的分析管理*** | |
CN113333304B (zh) | 一种基于互联网的环保卷材检测评估分拣*** | |
CN114608741A (zh) | 一种基于大数据的压力传感器采集*** | |
CN114610553A (zh) | 一种智能设备检测***及其检测方法 | |
CN116702005A (zh) | 一种基于神经网络的数据异常诊断方法和电子设备 | |
CN116522096A (zh) | 基于动作捕捉的三维数字孪生内容智能制作方法 | |
CN101458513A (zh) | 统计过程控制方法及装置 | |
CN115936680A (zh) | 一种设备运维的智能派单方法及*** | |
CN113825253B (zh) | 一种基于大数据的智能电子秤监控***及其方法 | |
CN112434750B (zh) | 基于卷积神经网络的大坝监测数据发展模式识别方法 | |
CN109753018B (zh) | 一种基于云端智能的误差补偿***及动态补偿方法 | |
CN115988104B (zh) | 一种传感器兼容处理方法及*** | |
Zheng et al. | Real-time remote data acquisition and process monitoring system for automatic filling line | |
CN117723917B (zh) | 基于光纤非本征法珀型超声波传感器的监测应用方法 | |
CN117870779B (zh) | 一种自动化设备远程无线智能监控方法及*** | |
CN114754920B (zh) | 一种工业炉炉腔压力检测***及其工作方法 | |
CN116052404B (zh) | 一种基于5g通信技术的电网数据交互*** | |
CN117314202B (zh) | 一种基于工业互联网的产品碳效监测及优化方法及*** |
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 |