CN116720153B - 一种基于多传感器的信息融合***及方法 - Google Patents

一种基于多传感器的信息融合***及方法 Download PDF

Info

Publication number
CN116720153B
CN116720153B CN202310616355.2A CN202310616355A CN116720153B CN 116720153 B CN116720153 B CN 116720153B CN 202310616355 A CN202310616355 A CN 202310616355A CN 116720153 B CN116720153 B CN 116720153B
Authority
CN
China
Prior art keywords
sensor
data
detected
value
sensing
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
CN202310616355.2A
Other languages
English (en)
Other versions
CN116720153A (zh
Inventor
纪剑祥
武莎莎
张青春
岑晨
陈帅
李华
张晨
孙梓夫
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.)
Huaiyin Institute of Technology
Original Assignee
Huaiyin Institute 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 Huaiyin Institute of Technology filed Critical Huaiyin Institute of Technology
Priority to CN202310616355.2A priority Critical patent/CN116720153B/zh
Publication of CN116720153A publication Critical patent/CN116720153A/zh
Application granted granted Critical
Publication of CN116720153B publication Critical patent/CN116720153B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/25—Fusion techniques
    • 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
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Testing Or Calibration Of Command Recording Devices (AREA)

Abstract

本发明公开了一种基于多传感器的信息融合***及方法，属于传感器领域，用于解决当下通过传感器进行信息采集时，由于未对传感器的监测情况和设备情况进行分析导致采集得到的数据不具备参考价值的问题，包括设备分析模块、数据融合模块、传感监测模块和设备剔除模块，所述传感监测模块用于对传感器的历史传感情况进行监测，所述设备剔除模块用于对不符合传感监测的传感器进行剔除，所述设备分析模块用于对待检传感器的设备情况进行分析，所述数据融合模块用于对正常传感集中待检传感器工作时采集得到的数据信息进行融合，本发明从监测和设备等因素对传感器进行分析，基于传感器的分析结果实现信息的准确融合。

Description

一种基于多传感器的信息融合***及方法
技术领域
本发明属于传感器领域，涉及信息融合技术，具体是一种基于多传感器的信息融合***及方法。
背景技术
传感器是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、记录和控制等要求的检测装置。传感器的存在和发展，让物体有了触觉、味觉和嗅觉等感官，让物体变得活了起来，传感器是人类五官的延长。传感器具有微型化、数字化、智能化、多功能化、***化、网络化等特点，它是实现自动检测和自动控制的首要环节。
当下通过传感器对某一物体或某一区域进行信息采集时，由于未对传感器的监测情况和设备情况进行分析，导致部分传感器所采集得到的相关数据不具备参考价值，进而对某一物体或某一区域的信息采集出现偏差；
为此，我们提出一种基于多传感器的信息融合***及方法。
发明内容
针对现有技术存在的不足，本发明目的是提供一种基于多传感器的信息融合***及方法。
本发明所要解决的技术问题为：
如何结合传感器监测情况和设备情况的分析结果实现信息的准确融合。
本发明的目的可以通过以下技术方案实现：
一种基于多传感器的信息融合***，包括数据采集模块、设备分析模块、数据融合模块、显示模块、传感监测模块、存储模块、设备剔除模块以及服务器；
所述存储模块用于存储不同传感器的历史传感数据，并将历史传感数据发送至传感监测模块；所述传感监测模块用于对传感器的历史传感情况进行监测，得到传感器的传感监测值经服务器发送至设备剔除模块；
所述设备剔除模块用于对不符合传感监测的传感器进行剔除，得到剔除传感器或待检传感器反馈至服务器，若服务器接收到剔除传感器，则将剔除传感器进行剔除，若服务器接收到待检传感器，则不进行任何操作；
所述数据采集模块用于在设备监测时段内采集待检传感器的实时设备数据并经服务器发送至设备分析模块；所述设备分析模块用于对待检传感器的设备情况进行分析，得到正常传感集或异常传感集反馈至服务器，若服务器接收到异常传感集，则不进行任何操作，若服务器接收到正常传感集，则生成采集指令加载至数据采集模块；
所述数据采集模块用于接收到采集指令后采集正常传感集中待检传感器工作时的实时采集数据并经服务器发送至数据融合模块；
所述数据融合模块用于对正常传感集中待检传感器工作时采集得到的数据信息进行融合，得到传感器的信息融合包反馈至服务器，所述服务器将传感器的信息融合包发送至显示模块，所述显示模块用于将传感器的信息融合包进行显示。
进一步地，历史传感数据为传感器的投入使用时间、故障次数、数据异常次数以及每次数据异常时的数据偏差值；
实时设备数据为在设备监测时段内待检传感器的实时温度值和实时电流值；
实时采集数据为正常传感集中待检传感器工作时所采集得到的采集分贝值和采集振动值。
进一步地，所述传感监测模块的监测过程具体如下：
获取传感器的投入使用时间，利用服务器的当前时间减去投入使用时间得到传感器的投入使用时长；
而后获取传感器的故障次数和数据异常次数；
同时获取传感器每次数据异常时的数据偏差值，每次数据异常时的数据偏差值相加求和除以数据异常次数得到传感器的数据偏差均值；
计算传感器的传感监测值。
进一步地，投入使用时长、故障次数、数据异常次数和数据偏差均值均与传感监测值成反正比；
投入使用时长、故障次数、数据异常次数和数据偏差均值的数值越大，则传感监测值的数值越大。
进一步地，所述设备剔除模块的工作过程具体如下：
获取传感器的传输监测值；
而后获取服务器中存储的传感器的剔除监测值区间；
将传感器的传输监测值与剔除监测值区间进行比对；
若传感监测值属于剔除监测值区间，则将对应传感器标记为剔除传感器；
若传感监测值不属于剔除监测值区间，则将对应传感器标记为待检传感器。
进一步地，所述设备分析模块的分析过程具体如下：
在设备监测时段内设定若干个时间点，获取在不同时间点时待检传感器的实时温度值和实时电流值；
计算相邻时间点之间实时温度值的差值得到待检传感器在对应相邻时间点之间的温度变化值；
获取服务器中存储的传感器的温度异常变化区间；
将待检传感器在对应相邻时间点之间的温度变化值与温度异常变化区间进行比对；
若温度变化值属于温度异常变化区间，则将对应相邻时间点之间的时段记为温度异常时段；若温度变化值属于温度异常变化区间，则不进行任何操作；
统计所有温度异常时段的数量，将所有温度异常时段的时长相加求和后比对设备监测时段的时长得到待检传感器在设备监测时段内的温度异常时长占比；
同理，计算待检传感器在设备监测时段内的电流异常时长占比；
计算待检传感器的设备异常值；
若设备异常值大于等于设备异常阈值，则将待检传感器归纳至异常传感集；
若设备异常值小于设备异常阈值，则将待检传感器归纳至正常传感集。
进一步地，所述数据融合模块的工作过程具体如下：
获取正常传感集中待检传感器工作时所采集得到的采集分贝值和采集振动值；
统计正常传感集中待检传感器的数量记为融合设备数；
将正常传感集中待检传感器工作时所采集得到的采集分贝值相加求和除以融合设备数得到正常传感集中待检传感器的采集分贝均值；
同理，计算正常传感集中待检传感器的采集振动均值；
将正常传感集中待检传感器的采集分贝均值和采集振动均值整合打包为传感器的信息融合包。
一种基于多传感器的信息融合方法，方法具体如下：
步骤S100，存储模块将历史传感数据发送至传感监测模块，利用传感监测模块用于对传感器的历史传感情况进行监测，获取传感器的投入使用时间，利用服务器的当前时间减去投入使用时间得到传感器的投入使用时长，而后获取传感器的故障次数和数据异常次数，同时获取传感器每次数据异常时的数据偏差值，每次数据异常时的数据偏差值相加求和除以数据异常次数得到传感器的数据偏差均值，计算传感器的传感监测值，传感监测模块将传感器的传感监测值反馈至服务器，服务器将传感器的传感监测值发送至设备剔除模块；
步骤S200，设备剔除模块对不符合传感监测的传感器进行剔除，获取传感器的传输监测值，而后获取服务器中存储的传感器的剔除监测值区间，将传感器的传输监测值与剔除监测值区间进行比对，若传感监测值属于剔除监测值区间，则将对应传感器标记为剔除传感器，若传感监测值不属于剔除监测值区间，则将对应传感器标记为待检传感器，设备剔除模块将剔除传感器或待检传感器反馈至服务器，若服务器接收到剔除传感器，则将剔除传感器进行剔除，若服务器接收到待检传感器，则不进行任何操作；
步骤S300，数据采集模块在设备监测时段内采集待检传感器的实时设备数据，并将实时设备数据发送至服务器，服务器将实时设备数据发送至设备分析模块，设备分析模块对待检传感器的设备情况进行分析，在设备监测时段内设定若干个时间点，获取在不同时间点时待检传感器的实时温度值和实时电流值，计算相邻时间点之间实时温度值的差值得到待检传感器在对应相邻时间点之间的温度变化值，获取服务器中存储的传感器的温度异常变化区间，将待检传感器在对应相邻时间点之间的温度变化值与温度异常变化区间进行比对，若温度变化值属于温度异常变化区间，则将对应相邻时间点之间的时段记为温度异常时段；若温度变化值属于温度异常变化区间，则不进行任何操作，统计所有温度异常时段的数量，将所有温度异常时段的时长相加求和后比对设备监测时段的时长得到待检传感器在设备监测时段内的温度异常时长占比，同理，计算待检传感器在设备监测时段内的电流异常时长占比，计算待检传感器的设备异常值，若设备异常值大于等于设备异常阈值，则将待检传感器归纳至异常传感集，若设备异常值小于设备异常阈值，则将待检传感器归纳至正常传感集，设备分析模块将正常传感集或异常传感集反馈至服务器，若服务器接收到异常传感集，则不进行任何操作，若服务器接收到正常传感集，则生成采集指令加载至数据采集模块；
步骤S400，数据采集模块接收到采集指令后采集正常传感集中待检传感器工作时的实时采集数据，并将实时采集数据发送至服务器，服务器将实时采集数据发送至数据融合模块；
步骤S500，数据融合模块对正常传感集中待检传感器工作时采集得到的数据信息进行融合，获取正常传感集中待检传感器工作时所采集得到的采集分贝值和采集振动值，统计正常传感集中待检传感器的数量记为融合设备数，将正常传感集中待检传感器工作时所采集得到的采集分贝值相加求和除以融合设备数得到正常传感集中待检传感器的采集分贝均值，同理，计算正常传感集中待检传感器的采集振动均值，将正常传感集中待检传感器的采集分贝均值和采集振动均值整合打包为传感器的信息融合包，数据融合模块将传感器的信息融合包反馈至服务器，服务器将传感器的信息融合包发送至显示模块，显示模块将传感器的信息融合包进行显示。
与现有技术相比，本发明的有益效果是：
本发明利用传感监测模块对传感器的历史传感情况进行监测，得到传感器的传感监测值发送至设备剔除模块，设备剔除模块对不符合传感监测的传感器进行剔除，得到剔除传感器或待检传感器，而后利用设备分析模块对待检传感器的设备情况进行分析，得到正常传感集或异常传感集，最终通过数据融合模块对正常传感集中待检传感器工作时采集得到的数据信息进行融合，得到传感器的信息融合，本发明从监测和设备等因素对传感器进行分析，基于传感器的分析结果实现信息的准确融合。
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为本发明的整体***框图；
图2为本发明的工作流程图。
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做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。
在一实施例中，请参阅图1所示，一种基于多传感器的信息融合***，包括数据采集模块、设备分析模块、数据融合模块、显示模块、传感监测模块、存储模块、设备剔除模块以及服务器；
在本实施例中，所述服务器连接有存储模块，所述存储模块用于存储不同传感器的历史传感数据，并将历史传感数据发送至传感监测模块；
需要具体说明的是，历史传感数据为传感器的投入使用时间、故障次数、数据异常次数以及每次数据异常时的数据偏差值；
所述传感监测模块用于对传感器的历史传感情况进行监测，监测过程具体如下：
将传感器标记为u，u=1，2，……，z，z为正整数；
获取传感器的投入使用时间，利用服务器的当前时间减去投入使用时间得到传感器的投入使用时长STu；
而后获取传感器的故障次数GCu和数据异常次数SCu；
同时获取传感器每次数据异常时的数据偏差值，每次数据异常时的数据偏差值相加求和除以数据异常次数得到传感器的数据偏差均值SPu；
通过公式CJu=（STu×a1+GCu×a2+SCu×a3+SPu×a4）/（a1+a2+a3+a4）计算得到传感器的传感监测值CJu；式中，a1、a2、a3和a4均为固定数值的比例系数，且a1、a2、a3和a4的取值均大于零；
可理解的是，投入使用时长、故障次数、数据异常次数和数据偏差均值均与传感监测值成反正比，即投入使用时长、故障次数、数据异常次数和数据偏差均值的数值越大，则传感监测值的数值越大；
所述传感监测模块将传感器的传感监测值反馈至服务器，所述服务器将传感器的传感监测值发送至设备剔除模块；
所述设备剔除模块用于对不符合传感监测的传感器进行剔除，工作过程具体如下：
获取上述计算得到传感器的传输监测值；
而后获取服务器中存储的传感器的剔除监测值区间；
将传感器的传输监测值与剔除监测值区间进行比对；
若传感监测值属于剔除监测值区间，则将对应传感器标记为剔除传感器；
若传感监测值不属于剔除监测值区间，则将对应传感器标记为待检传感器；
所述设备剔除模块将剔除传感器或待检传感器反馈至服务器，若服务器接收到剔除传感器，则将剔除传感器进行剔除，若服务器接收到待检传感器，则不进行任何操作；
在本实施例中，所述数据采集模块用于在设备监测时段内采集待检传感器的实时设备数据，并将实时设备数据发送至服务器，所述服务器将实时设备数据发送至设备分析模块；
需要具体说明的是，实时设备数据为在设备监测时段内待检传感器的实时温度值、实时电流值等；
所述设备分析模块用于对待检传感器的设备情况进行分析，分析过程具体如下：
在设备监测时段内设定若干个时间点，获取在不同时间点时待检传感器的实时温度值和实时电流值；
计算相邻时间点之间实时温度值的差值得到待检传感器在对应相邻时间点之间的温度变化值；
获取服务器中存储的传感器的温度异常变化区间；
将待检传感器在对应相邻时间点之间的温度变化值与温度异常变化区间进行比对；
若温度变化值属于温度异常变化区间，则将对应相邻时间点之间的时段记为温度异常时段；若温度变化值属于温度异常变化区间，则不进行任何操作；
统计所有温度异常时段的数量，将所有温度异常时段的时长相加求和后比对设备监测时段的时长得到待检传感器在设备监测时段内的温度异常时长占比WYZu；
同理，按照上述步骤，计算得到待检传感器在设备监测时段内的电流异常时长占比LYZu；
通过公式SYu=WYZu×α+LYZu×β计算得到待检传感器的设备异常值SYu；式中，α和β均为固定数值的权重系数，且α和β的取值均大于零；
若设备异常值大于等于设备异常阈值，则将待检传感器归纳至异常传感集；
若设备异常值小于设备异常阈值，则将待检传感器归纳至正常传感集；
所述设备分析模块将正常传感集或异常传感集反馈至服务器，若服务器接收到异常传感集，则不进行任何操作，若服务器接收到正常传感集，则生成采集指令加载至数据采集模块；
所述数据采集模块用于接收到采集指令后采集正常传感集中待检传感器工作时的实时采集数据，并将实时采集数据发送至服务器，所述服务器将实时采集数据发送至数据融合模块；
需要具体说明的是，实时采集数据为正常传感集中待检传感器工作时所采集得到的采集分贝值、采集振动值等；
所述数据融合模块用于对正常传感集中待检传感器工作时采集得到的数据信息进行融合，工作过程具体如下：
获取正常传感集中待检传感器工作时所采集得到的采集分贝值和采集振动值；
统计正常传感集中待检传感器的数量记为融合设备数；
将正常传感集中待检传感器工作时所采集得到的采集分贝值相加求和除以融合设备数得到正常传感集中待检传感器的采集分贝均值；
同理，可以计算得到正常传感集中待检传感器的采集振动均值；
将正常传感集中待检传感器的采集分贝均值和采集振动均值整合打包为传感器的信息融合包；
所述数据融合模块将传感器的信息融合包反馈至服务器，所述服务器将传感器的信息融合包发送至显示模块，所述显示模块用于将传感器的信息融合包进行显示。
在本申请中，若出现相应的计算公式，则上述计算公式均是去量纲取其数值计算，公式中存在的权重系数、比例系数等系数，其设置的大小是为了将各个参数进行量化得到的一个结果值，关于权重系数和比例系数的大小，只要不影响参数与结果值的比例关系即可。
在另一实施例中，请参阅图2所示，现提出一种基于多传感器的信息融合方法，方法具体如下：
步骤S100，存储模块将历史传感数据发送至传感监测模块，利用传感监测模块用于对传感器的历史传感情况进行监测，获取传感器的投入使用时间，利用服务器的当前时间减去投入使用时间得到传感器的投入使用时长，而后获取传感器的故障次数和数据异常次数，同时获取传感器每次数据异常时的数据偏差值，每次数据异常时的数据偏差值相加求和除以数据异常次数得到传感器的数据偏差均值，计算传感器的传感监测值，传感监测模块将传感器的传感监测值反馈至服务器，服务器将传感器的传感监测值发送至设备剔除模块；
步骤S200，设备剔除模块对不符合传感监测的传感器进行剔除，获取传感器的传输监测值，而后获取服务器中存储的传感器的剔除监测值区间，将传感器的传输监测值与剔除监测值区间进行比对，若传感监测值属于剔除监测值区间，则将对应传感器标记为剔除传感器，若传感监测值不属于剔除监测值区间，则将对应传感器标记为待检传感器，设备剔除模块将剔除传感器或待检传感器反馈至服务器，若服务器接收到剔除传感器，则将剔除传感器进行剔除，若服务器接收到待检传感器，则不进行任何操作；
步骤S300，数据采集模块在设备监测时段内采集待检传感器的实时设备数据，并将实时设备数据发送至服务器，服务器将实时设备数据发送至设备分析模块，设备分析模块对待检传感器的设备情况进行分析，在设备监测时段内设定若干个时间点，获取在不同时间点时待检传感器的实时温度值和实时电流值，计算相邻时间点之间实时温度值的差值得到待检传感器在对应相邻时间点之间的温度变化值，获取服务器中存储的传感器的温度异常变化区间，将待检传感器在对应相邻时间点之间的温度变化值与温度异常变化区间进行比对，若温度变化值属于温度异常变化区间，则将对应相邻时间点之间的时段记为温度异常时段；若温度变化值属于温度异常变化区间，则不进行任何操作，统计所有温度异常时段的数量，将所有温度异常时段的时长相加求和后比对设备监测时段的时长得到待检传感器在设备监测时段内的温度异常时长占比，同理，计算待检传感器在设备监测时段内的电流异常时长占比，计算待检传感器的设备异常值，若设备异常值大于等于设备异常阈值，则将待检传感器归纳至异常传感集，若设备异常值小于设备异常阈值，则将待检传感器归纳至正常传感集，设备分析模块将正常传感集或异常传感集反馈至服务器，若服务器接收到异常传感集，则不进行任何操作，若服务器接收到正常传感集，则生成采集指令加载至数据采集模块；
步骤S400，数据采集模块接收到采集指令后采集正常传感集中待检传感器工作时的实时采集数据，并将实时采集数据发送至服务器，服务器将实时采集数据发送至数据融合模块；
步骤S500，数据融合模块对正常传感集中待检传感器工作时采集得到的数据信息进行融合，获取正常传感集中待检传感器工作时所采集得到的采集分贝值和采集振动值，统计正常传感集中待检传感器的数量记为融合设备数，将正常传感集中待检传感器工作时所采集得到的采集分贝值相加求和除以融合设备数得到正常传感集中待检传感器的采集分贝均值，同理，计算正常传感集中待检传感器的采集振动均值，将正常传感集中待检传感器的采集分贝均值和采集振动均值整合打包为传感器的信息融合包，数据融合模块将传感器的信息融合包反馈至服务器，服务器将传感器的信息融合包发送至显示模块，显示模块将传感器的信息融合包进行显示。
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 (4)

1.一种基于多传感器的信息融合***，包括：
存储模块，用于存储不同传感器的历史传感数据，并将历史传感数据发送至传感监测模块；
传感监测模块，用于对传感器的历史传感情况进行监测，得到传感器的传感监测值经服务器发送至设备剔除模块；
其特征在于，还包括：
设备剔除模块，用于对不符合传感监测的传感器进行剔除，得到剔除传感器或待检传感器；
数据采集模块，用于在设备监测时段内采集待检传感器的实时设备数据并经服务器发送至设备分析模块；
设备分析模块，用于对待检传感器的设备情况进行分析，得到正常传感集或异常传感集；
数据采集模块，还用于接收到采集指令后采集正常传感集中待检传感器工作时的实时采集数据并经服务器发送至数据融合模块；
数据融合模块，用于对正常传感集中待检传感器工作时采集得到的数据信息进行融合，得到传感器的信息融合包经服务器发送至显示模块；
显示模块，用于将传感器的信息融合包进行显示；
历史传感数据为传感器的投入使用时间、故障次数、数据异常次数以及每次数据异常时的数据偏差值；
实时设备数据为在设备监测时段内待检传感器的实时温度值和实时电流值；
实时采集数据为正常传感集中待检传感器工作时所采集得到的采集分贝值和采集振动值；
所述传感监测模块的监测过程具体如下：
获取传感器的投入使用时间，利用服务器的当前时间减去投入使用时间得到传感器的投入使用时长；
而后获取传感器的故障次数和数据异常次数；
同时获取传感器每次数据异常时的数据偏差值，每次数据异常时的数据偏差值相加求和除以数据异常次数得到传感器的数据偏差均值；
计算传感器的传感监测值；
投入使用时长、故障次数、数据异常次数和数据偏差均值均与传感监测值成反正比；
投入使用时长、故障次数、数据异常次数和数据偏差均值的数值越大，则传感监测值的数值越大；
所述设备剔除模块的工作过程具体如下：
获取传感器的传输监测值；
而后获取服务器中存储的传感器的剔除监测值区间；
将传感器的传输监测值与剔除监测值区间进行比对；
若传感监测值属于剔除监测值区间，则将对应传感器标记为剔除传感器；
若传感监测值不属于剔除监测值区间，则将对应传感器标记为待检传感器；
所述设备剔除模块将剔除传感器或待检传感器反馈至服务器，若服务器接收到剔除传感器，则将剔除传感器进行剔除，若服务器接收到待检传感器，则不进行任何操作；
所述设备分析模块的分析过程具体如下：
在设备监测时段内设定若干个时间点，获取在不同时间点时待检传感器的实时温度值和实时电流值；
计算相邻时间点之间实时温度值的差值得到待检传感器在对应相邻时间点之间的温度变化值；
获取服务器中存储的传感器的温度异常变化区间；
将待检传感器在对应相邻时间点之间的温度变化值与温度异常变化区间进行比对；
若温度变化值属于温度异常变化区间，则将对应相邻时间点之间的时段记为温度异常时段；若温度变化值属于温度异常变化区间，则不进行任何操作；
统计所有温度异常时段的数量，将所有温度异常时段的时长相加求和后比对设备监测时段的时长得到待检传感器在设备监测时段内的温度异常时长占比；
同理，计算待检传感器在设备监测时段内的电流异常时长占比；
计算待检传感器的设备异常值；
若设备异常值大于等于设备异常阈值，则将待检传感器归纳至异常传感集；
若设备异常值小于设备异常阈值，则将待检传感器归纳至正常传感集。
2.根据权利要求1所述的一种基于多传感器的信息融合***，其特征在于，所述设备分析模块将正常传感集或异常传感集反馈至服务器，若服务器接收到异常传感集，则不进行任何操作，若服务器接收到正常传感集，则生成采集指令加载至数据采集模块。
3.根据权利要求1所述的一种基于多传感器的信息融合***，其特征在于，所述数据融合模块的工作过程具体如下：
获取正常传感集中待检传感器工作时所采集得到的采集分贝值和采集振动值；
统计正常传感集中待检传感器的数量记为融合设备数；
将正常传感集中待检传感器工作时所采集得到的采集分贝值相加求和除以融合设备数得到正常传感集中待检传感器的采集分贝均值；
同理，计算正常传感集中待检传感器的采集振动均值；
将正常传感集中待检传感器的采集分贝均值和采集振动均值整合打包为传感器的信息融合包。
4.一种基于多传感器的信息融合方法，其特征在于，基于权利要求1-3任一项所述的一种基于多传感器的信息融合***，方法具体如下：
步骤S100，存储模块将历史传感数据发送至传感监测模块，利用传感监测模块对传感器的历史传感情况进行监测，得到传感器的传感监测值经服务器发送至设备剔除模块；
步骤S200，设备剔除模块对不符合传感监测的传感器进行剔除，得到剔除传感器或待检传感器；
步骤S300，数据采集模块在设备监测时段内采集待检传感器的实时设备数据，设备分析模块结合实时设备数据对待检传感器的设备情况进行分析，得到正常传感集或异常传感集；
步骤S400，数据采集模块采集正常传感集中待检传感器工作时的实时采集数据，实时采集数据经服务器发送至数据融合模块；
步骤S500，数据融合模块对正常传感集中待检传感器工作时采集得到的数据信息进行融合，得到传感器的信息融合包经服务器发送至显示模块，显示模块将传感器的信息融合包进行显示。
CN202310616355.2A 2023-05-29 2023-05-29 一种基于多传感器的信息融合***及方法 Active CN116720153B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310616355.2A CN116720153B (zh) 2023-05-29 2023-05-29 一种基于多传感器的信息融合***及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310616355.2A CN116720153B (zh) 2023-05-29 2023-05-29 一种基于多传感器的信息融合***及方法

Publications (2)

Publication Number Publication Date
CN116720153A CN116720153A (zh) 2023-09-08
CN116720153B true CN116720153B (zh) 2024-07-05

Family

ID=87872544

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310616355.2A Active CN116720153B (zh) 2023-05-29 2023-05-29 一种基于多传感器的信息融合***及方法

Country Status (1)

Country Link
CN (1) CN116720153B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117221149A (zh) * 2023-09-22 2023-12-12 国网江苏省电力有限公司扬州供电分公司 一种基于物联网技术的多站融合数据中心站数据采集方法
CN117761419B (zh) * 2023-11-15 2024-07-23 淮阴工学院 一种变压器用运行状态监测方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108195728A (zh) * 2018-02-01 2018-06-22 山东诺方电子科技有限公司 一种基于多核颗粒物传感器技术的控制***及其控制方法
CN108875784A (zh) * 2017-05-15 2018-11-23 塔塔顾问服务有限公司 用于工业中的性能指标的基于数据的优化的方法和***

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109242104A (zh) * 2018-08-04 2019-01-18 大唐国际发电股份有限公司张家口发电厂 一种利用数据分析实时发现设备故障异常的***
CN110633800B (zh) * 2019-10-18 2022-08-02 北京邮电大学 基于自动驾驶车辆的车道位置确定方法、设备及存储介质
CN113096393A (zh) * 2021-03-29 2021-07-09 中移智行网络科技有限公司 一种路况预警方法、装置及边缘云设备
CN113093985B (zh) * 2021-06-09 2021-09-10 中国南方电网有限责任公司超高压输电公司广州局 传感器数据链路异常检测方法、装置和计算机设备
CN114818888B (zh) * 2022-04-13 2023-04-07 合肥工业大学 基于多通道卡尔曼滤波的土壤成分数据融合方法和***
CN115752471A (zh) * 2022-11-17 2023-03-07 亿航智能设备（广州）有限公司 一种传感器数据的处理方法、设备及计算机可读存储介质

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108875784A (zh) * 2017-05-15 2018-11-23 塔塔顾问服务有限公司 用于工业中的性能指标的基于数据的优化的方法和***
CN108195728A (zh) * 2018-02-01 2018-06-22 山东诺方电子科技有限公司 一种基于多核颗粒物传感器技术的控制***及其控制方法

Also Published As

Publication number Publication date
CN116720153A (zh) 2023-09-08

Similar Documents

Publication Publication Date Title
CN116720153B (zh) 一种基于多传感器的信息融合***及方法
CN116026389A (zh) 一种基于数据分析的智能传感器运行检测***
CN110864795B (zh) 一种称重异常报警***
CN113011798B (zh) 一种基于区块链的产品检测信息处理***
CN109916496A (zh) 一种电子秤的监测方法及***
CN116399402B (zh) 一种用于生态环境监测的无线传感器的故障预警***
US11755007B2 (en) System and method for determining a health condition and an anomaly of an equipment using one or more sensors
CN115540987A (zh) 基于载荷传感器的动态车辆超载检测方法及控制装置
CN113008351A (zh) 一种基于电子皮带秤的功能状态评价方法
CN113934536B (zh) 面向边缘计算的数据采集方法
CN114593845A (zh) 一种基于互联网的荷重传感器安全监测***
JP4693950B2 (ja) 計量システム
CN110864776B (zh) 称重设备预测性维护算法以及称重设备预测性维护方法
CN110598680A (zh) 一种机械设备健康状态评估方法、***和可读存储介质
CN107544478B (zh) 在核电dcs鉴定中的模拟量自动测试装置和方法
CN111908061B (zh) 一种散货输料传送带状态监测方法
CN113869403A (zh) 基于便携式测温装置的温度检测方法及装置
KR102359985B1 (ko) 데이터 수집 시스템 및 방법
JP2010101905A (ja) 計量システム
CN117420811B (zh) 一种用于自动化生产的生产线质量监测方法及***
CN116878728B (zh) 一种压力传感器故障检测分析处理***
CN116366757B (zh) 一种线下门店手机pos机错误智能检测***
CN116908533B (zh) 一种具有计量功能的电力用户用电信息采集设备
CN117110691B (zh) 一种电力设备数据采集***
CN116879121B (zh) 一种基于光纤传感技术的空气颗粒物浓度实时监测***

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: Ji Jianxiang

Inventor after: Wu Shasha

Inventor after: Zhang Qingchun

Inventor after: Cen Chen

Inventor after: Chen Shuai

Inventor after: Li Hua

Inventor after: Zhang Chen

Inventor after: Sun Zifu

Inventor before: Ji Jianxiang

Inventor before: Wu Shasha

Inventor before: Zhang Qingchun

Inventor before: Cen Chen

Inventor before: Chen Shuai

Inventor before: Li Hua

Inventor before: Zhang Chen

Inventor before: Sun Zifu

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