CN116828413A - 一种异构多源数据信号接收传输***及方法 - Google Patents
一种异构多源数据信号接收传输***及方法 Download PDFInfo
- Publication number
- CN116828413A CN116828413A CN202311070683.3A CN202311070683A CN116828413A CN 116828413 A CN116828413 A CN 116828413A CN 202311070683 A CN202311070683 A CN 202311070683A CN 116828413 A CN116828413 A CN 116828413A
- Authority
- CN
- China
- Prior art keywords
- data
- block
- sensor module
- equipment
- operation parameters
- 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 35
- 230000005540 biological transmission Effects 0.000 claims abstract description 104
- 238000012544 monitoring process Methods 0.000 claims abstract description 66
- 238000003745 diagnosis Methods 0.000 claims abstract description 49
- 230000009467 reduction Effects 0.000 claims abstract description 42
- 230000002159 abnormal effect Effects 0.000 claims abstract description 38
- 239000011159 matrix material Substances 0.000 claims abstract description 31
- 239000000284 extract Substances 0.000 claims abstract description 6
- 238000004364 calculation method Methods 0.000 claims description 29
- 230000014759 maintenance of location Effects 0.000 claims description 14
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 239000013589 supplement Substances 0.000 claims description 3
- 238000012795 verification Methods 0.000 claims description 3
- 230000008054 signal transmission Effects 0.000 abstract description 3
- 230000006835 compression Effects 0.000 description 4
- 238000007906 compression Methods 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 238000011946 reduction process Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Landscapes
- Arrangements For Transmission Of Measured Signals (AREA)
Abstract
本发明公开了一种异构多源数据信号接收传输***及方法,属于信号传输技术领域,包括步骤S1:为每个传感器模块设置第一传输模式和第二传输模式,以及第一采集模式和第二采集模式;步骤S2:计算每个传感器模块的降维矩阵;步骤S3:对设备进行初始诊断,若设备被划分为正常状态,传感器模块基于第一采集模式采集数据,使用第一传输模式将数据传输至监控模块,若设备被划分为异常状态,则执行步骤S4;步骤S4:传感器模块提取运行参数中的信号特征,基于降维矩阵将其转化为低维数据,并传输至监控模块;步骤S5:监控模块基于故障诊断模型对设备状态进行精准诊断。本发明可以基于实际情况自动调节传感器的传输模式,从而提升数据传输效率。
Description
技术领域
本发明属于信号传输技术领域,具体涉及一种异构多源数据信号接收传输***及方法。
背景技术
为提高工厂的自动化控制水平及生产效率,当前工厂已经在其内部的各个生产设备上安装传感器,通过传感器监控生产设备的电流、电压、温度和转速等参数,从而实现对各个设备运行状态的远程监控;如中国专利申请“CN105283911A”公开了一种传感器终端,传感器终端能连接多种传感器,该传感器终端能够获取来自连接传感器的感测数据,并进行无线发送,同时还可以判断与其连接的传感器的种类,基于传感器的种类执行对应的传感器数据获取方式,以及传感器数据的发送方式,最终通过该传感器终端实现对各个传感器参数的自动设置。
然而,工厂内的设备众多,同一设备不同参数还需要不同类型的传感器进行检测,这就会导致同一监控网络结构内会存在大量的传感器,如此就需要传输海量的数据,另一方面,由于传感器监控类型的不同,例如压力传感器和电流传感器,这样就会导致所有传感器不可能为同一家厂家生产,不同厂家生产的传感器,其监控设备信号所产生的数据格式也会不同,中央监控模块在接收传感器数据后还对进行格式转换;因此上述情况就会降低整个监控网络的信号传输和处理效率。
发明内容
为解决上述问题,本发明提供了一种异构多源数据信号接收传输***及方法,以解决上述背景技术中存在的问题。
为了达到上述的发明目的,本发明提出一种异构多源数据信号接收传输方法,包括:
步骤S1:获取与监控模块连接的传感器模块,为每个所述传感器模块设置第一传输模式和第二传输模式,以及第一采集模式和第二采集模式,其中,所述传感器模块在所述第一传输模式下传输数据的准确度小于所述第二传输模式,在所述第一采集模式的采集频率小于所述第二采集模式;
步骤S2:计算每个所述传感器模块的降维矩阵,所述传感器模块内设置有诊断特征集,所述诊断特征集包括多个用于诊断设备状态的信号特征,所述传感器模块基于所述第二采集模式采集设备的运行参数,计算所述运行参数中的所述信号特征,并传输至计算模块,所述计算模块内设置保留阈值,基于所述保留阈值对所述信号特征进行降维,并获取所述降维矩阵,所述计算模块将所述降维矩阵返回至所述传感器模块;
步骤S3:所述传感器模块在采集所述运行参数时对设备进行初始诊断,基于所述初始诊断将设备状态划分为正常状态和异常状态,若设备被划分为所述正常状态,所述传感器模块基于所述第一采集模式采集对应设备的所述运行参数,将所述运行参数转换为标准数据格式后,使用所述第一传输模式将其直接传输至所述监控模块,若设备被划分为所述异常状态,则执行步骤S4;
步骤S4:所述传感器模块切换为所述第二采集模式采集所述运行参数,提取所述运行参数中的所述信号特征,并基于所述降维矩阵将所述信号特征转化为低维数据,所述传感器模块将所述低维数据转换为所述标准数据格式后,基于所述第二传输模式将所述低维数据传输至所述监控模块;
步骤S5:所述监控模块内设置有故障诊断模型,所述监控模块接收所述低维数据后,基于所述故障诊断模型和所述低维数据,对设备状态进行精准诊断。
进一步的,所述步骤S3中,所述传感器模块对设备进行所述初始诊断包括以下步骤:
步骤S31:所述传感器模块获取设备在采集时长的所述运行参数后,将所述采集时长内的所述运行参数转换为数据块,设定多种状态等级,所述状态等级包括正常等级和异常等级,为数据块标定其所对应的所述状态等级;
步骤S32:若设备在生成的第一数量数据块中,存在超过第二数量的数据块为所述异常等级,则所述传感器模块将设备划分为所述异常状态。
进一步的,基于以下步骤确定数据块的所述状态等级:
获取在所述采集时长内、设备处于所述正常状态下的所述运行参数和该所述运行参数对应的时间点,若在所述采集时长中,多个连续时间点所述运行参数的相关系数在第一预设范围或第二预设范围内,则获取连续时间点中的起始时间点和终止时间点,将所述起始时间点和所述终止时间点之间设定为目标判断区域;
所述传感器模块完成所述采集时长内的实际数据采集后,计算所述采集时长内各个所述目标判断区域的相关系数,若存在所述目标判断区域的相关系数没有位于所述第一预设范围或所述第二预设范围内,则将设备划分为所述异常状态。
进一步的,所述第二传输模式基于以下步骤传输数据:
获取所述监控模块网络结构中的各个所述传感器模块的传输次序,分别编号为节点,将节点/>生成的数据块定义为第一原始块,基于所述第一原始块复制生成第一冗余块,所述第一原始块和所述第一冗余块内均包括校验数据;节点/>将所述第一原始块和所述第一冗余块发送至节点/>,节点/>基于所述校验数据校验所述第一原始块和所述第一冗余块,若其中一块存在错误,则丢弃存在错误的数据块,复制正确的数据块以补充丢弃的数据块;节点/>继续生成第二原始块,基于所述第二原始块和所述第一原始块生成第二冗余块,将其排序至所述第一原始块和所述第一冗余块之后,并连同所述第一原始块和所述第一冗余块发送至节点/>;节点/>基于所述校验数据对接收到的数据块进行校验,同时继续生成第三原始块,基于所述第二原始块和所述第三原始块生成第三冗余块,重复此步骤,直至数据到达所述监控模块。
进一步的,若所述第一原始块、所述第一冗余块和所述第二冗余块均发生错误,则在所述第一原始块和所述第一冗余块的位置生成空白数据块,所述监控模块接收所有所述传感器模块的数据后,基于其中所述空白数据块的位置向对应的所述传感器模块请求再次发送数据。
进一步的,所述传感器模块向所述监控模块传输数据块时,还包括以下步骤:
若数据块的所述状态等级为正常等级,则将数据块依据生成次序进行传输,若数据块的所述状态等级为所述异常等级,则将数据块穿插至传输队列的头部进行传输。
本发明还提供了一种异构多源数据信号接收传输***,该***用于实现上述所述的一种异构多源数据信号接收传输方法,该***主要包括:
传感器模块,所述传感器模块内设置第一传输模式和第二传输模式,以及第一采集模式和第二采集模式,其中,所述传感器模块在所述第一传输模式下传输数据的准确度小于所述第二传输模式,在所述第一采集模式的采集频率小于所述第二采集模式,所述传感器模块在采集所述运行参数时对设备进行初始诊断,基于所述初始诊断将设备状态划分为正常状态和异常状态,若设备被划分为所述正常状态,所述传感器模块基于所述第一采集模式采集对应设备的所述运行参数,将所述运行参数转换为标准数据格式后,使用所述第一传输模式将其直接传输至所述监控模块,若设备被划分为所述异常状态,所述传感器模块切换为所述第二采集模式采集所述运行参数,提取所述运行参数中的所述信号特征,并基于降维矩阵将所述信号特征转化为低维数据,所述传感器模块将所述低维数据转换为所述标准数据格式后,基于所述第二传输模式将所述低维数据传输至所述监控模块;
计算模块,用于计算每个所述传感器模块的所述降维矩阵,所述传感器模块内设置有诊断特征集和标准数据格式,所述诊断特征集包括多个用于诊断设备状态的信号特征,所述传感器模块基于所述第二采集模式采集设备的运行参数,计算所述运行参数中的所述信号特征,并传输至计算模块,所述计算模块内设置保留阈值,基于所述保留阈值对所述信号特征进行降维,并获取所述降维矩阵,所述计算模块将所述降维矩阵返回至所述传感器模块;
监控模块,所述监控模块内设置有故障诊断模型,所述监控模块接收所述低维数据后,基于所述故障诊断模型和所述低维数据,对设备状态进行精准诊断。
与现有技术相比,本发明的有益效果至少如下所述:
本发明首先通过传感器模块采集设备的运行参数,之后传感器模块对其采集的运行参数进行简易计算,进而实现对设备状态的初步判断,若设备处于正常状态,则传感器模块基于第一采集模式采集数据,然后基于第一传输模式,将数据直接传输至监控模块,从而以较快的速度传输较少的数据量,便于监控模块进行保持和记录;若传感器模块判断设备处于异常状态,则基于第二采集模式增加采集频率,以提升所采集的数据量;在数据量提升后,为保证传输效率,通过降维算法对数据进行降维处理,从而实现保存原有大部分数据信息的情况下压缩数据量,压缩完成后,传感器模块通过第二传输模式传输数据,由于第二传输模式具有更高的传输准确度,因此可以保证数据在传感器模块和监控模块之间传输时,不会因外界环境扰动而发生数据错误或数据丢失,特别的,无论是采用哪种传输模型,传感器模块采集的数据均会被事先转换为标准数据,无需监控模块接收后再进行转换。
附图说明
图1为本发明一种异构多源数据信号接收传输方法的步骤流程图;
图2为本发明设备工作曲线示意图;
图3为本发明一种异构多源数据信号接收传输***的结构图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
可以理解,本申请所使用的术语“第一”、“第二”等可在本文中用于描述各种元件,但除非特别说明,这些元件不受这些术语限制。这些术语仅用于将第一个元件与另一个元件区分。举例来说,在不脱离本申请的范围的情况下,可以将第一xx脚本称为第二xx脚本,且类似地,可将第二xx脚本称为第一xx脚本。
如图1所示,一种异构多源数据信号接收传输方法,包括:
步骤S1:获取与监控模块连接的传感器模块,为每个传感器模块设置第一传输模式和第二传输模式,以及第一采集模式和第二采集模式,其中,传感器模块在第一传输模式下传输数据的准确度小于第二传输模式,在第一采集模式的采集频率小于第二采集模式。
具体的,传感器模块包括传感器、无线传输器和控制器,传感器模块用于采集设备运行时的各种参数,例如电压和电流,无线传输器用于发送和接收传感器采集的数据,控制器用于控制无线传输器在第一传输模式和第二传输模式切换,以及传感器在第一采集模式和第二采集模式的切换;另外,在第一传输模式下,无线传输器正常传输数据及其对应的奇偶校验数据,在第二传输模式下,无线传输器提高数据的传输精确度,具体传输方式在之后进行描述,另外,第一采集模式的采集频率小于第二采集模式,例如在第一采集模式下,传感器的采集频率为100毫秒,在第一采集模式下,传感器的采集频率为10毫秒。
步骤S2:计算每个传感器模块的降维矩阵,传感器模块内设置有诊断特征集,诊断特征集包括多个用于诊断设备状态的信号特征,传感器模块基于第二采集模式采集设备的运行参数,计算运行参数中的信号特征,并传输至计算模块,计算模块内设置保留阈值,基于保留阈值对信号特征进行降维,并获取降维矩阵,计算模块将降维矩阵返回至传感器模块。
在本实施例中,诊断特征集包括标准差、最大值、最小值、过零值、峰峰值、峰度和裕度,通过采集数据的上述特征,可以将原有较多的数据凝缩为较小的数量,且通过上述特征依旧可以反应数据随时间的变化情况,因此通过提取诊断特征集中的特征依旧可以进行设备状态的诊断。
从原数据提取诊断特征集中指定的信号特征后,传感器模块将信号特征传输至计算模块,计算模块对信号特征再进行降维处理;具体的,本实施例使用PCA算法对信号特征进行降维,保留阈值为PCA降维后信号特征的累计贡献度;下面对降维过程进行简单描述,原有数据为20维数据,通过PCA降维后变为10维数据,并获得将20维数据转换为10维数据的降维矩阵,每维数据包括其自身的累计贡献度,将10维数据以累计贡献度从大到小排序,将保留阈值设置为95%,即降维后数据保留原有数据95%的信息;那么将10维数据按照排序次序依次相加,当达到95%时停止计算,并将累加的数据保留,例如前6维数据累计贡献度为35%、30%、20%、6%、4%、3%,在加到第5维数据时达到95%,那就保留前5维数据,此时前5维数据中包含了原有信号特征95%的信息。
在计算完成后保留对应的降维矩阵,在传感器再次采集到新数据的信号特征后,可以基于降维矩阵直接对其新数据进行降维,选取其中前5维数据进行传输,丢弃后5维数据。通过本步骤可以对传感器采集的数据进行降维,降维后的数据不仅保留原有数据的大部分信息,而且大大减少传感器与监控模块之间传输的数据量,降低网络传输压力。需要说明的是,该降维矩阵是确定需要提取的信号特征后提前计算的,并存储至对应的传感器模块内。
步骤S3:传感器模块在采集运行参数时对设备进行初始诊断,基于初始诊断将设备状态划分为正常状态和异常状态,若设备被划分为正常状态,传感器模块基于第一采集模式采集对应设备的运行参数,将运行参数转换为标准数据格式后,使用第一传输模式将其直接传输至监控模块,若设备被划分为异常状态,则执行步骤S4。
步骤S4:传感器模块切换为第二采集模式采集运行参数,提取运行参数中的信号特征,并基于降维矩阵将信号特征转化为低维数据,传感器模块将低维数据转换为标准数据格式后,基于第二传输模式将低维数据传输至监控模块。
标准数据格式是预先设置的、监控模块能够直接处理的格式,在传感器模块采集设备获得数据后,若传感器生成的数据格式与标准数据格式不同,则将其转换为标准数据格式,从而获得标准数据。
初始诊断为传感器模块对采集的数据进行初步简单计算,从而对设备的状态进行初步判断,若判断结果表明设备处于正常状态,则传感器模块采用第一采集模式采集数据,由于第一采集模式的采集频率较低,因此会产生较少的数据,此时将其直接进行传输,而不提取其中的信号特征;另外,通过第一采集模式采集的数据,以第一传输模式进行传输,第一传输模式虽然准确率较低,但是具备更高的传输速度;因此,在正常模式下,以较低的采集频率采集数据,并以较高的速度传输数据,可以增加数据的传输效率;若判断结果表明设备处于异常状态,则传感器模块采用第二采集模式采集数据,第二采集模式的采集频率较高,可以获得更多的数据,更多的数据可以提升监控模块对设备状态诊断的准确性,之后为压缩其数据量,使用实现计算获得降维矩阵对其进行降维,并选取其中前5维数据进行传输,这样在数据量增大的情况下,又提取其中的95%的信息,从而保证数据准确性的前提下又降低了数据量,另外,第二传输模式相比于第一传输模式具有更高的准确度,从而避免由于数据在传输过程中出现错误、致使监控模块误判设备状态的情况发生。
步骤S5:监控模块内设置有故障诊断模型,监控模块接收低维数据后,基于故障诊断模型和低维数据,对设备状态进行精准诊断。
具体的,故障诊断模型可以基于BP神经网络模型、RBF神经网络建立,具体建立过程和训练方式均为现有技术,此处不再赘述,在监控模块接收标准数据后,将其输入故障诊断模型中,故障诊断模式基于标准数据输出诊断结果,从而精准判断设备是否处于故障状态,以及处于哪种类型的故障状态。
本发明首先通过传感器模块采集设备的运行参数,之后传感器模块对其采集的运行参数进行简易计算,进而实现对设备状态的初步判断,若设备处于正常状态,则传感器模块基于第一采集模式采集数据,然后基于第一传输模式,将数据直接传输至监控模块,从而以较快的速度传输较少的数据量,便于监控模块进行保持和记录;若传感器模块判断设备处于异常状态,则基于第二采集模式增加采集频率,以提升所采集的数据量;在数据量提升后,为保证传输效率,通过降维算法对数据进行降维处理,从而实现保存原有大部分数据信息的情况下压缩数据量,压缩完成后,传感器模块通过第二传输模式传输数据,由于第二传输模式具有更高的传输准确度,因此可以保证数据在传感器模块和监控模块之间传输时,不会因外界环境扰动而发生数据错误或数据丢失,特别的,无论是采用哪种传输模型,传感器模块采集的数据均会被事先转换为标准数据,无需监控模块接收后再进行转换。
因此,通过本发明的技术方案,不仅解决不同传感器数据生成不同数据格式的问题,而且还能基于实际情况自动调节传感器的传输模式,从而提升数据的传输效率和传输准确度。
在本实施例中,传感器模块采集设备的运行参数后,基于以下步骤确定设备的运行状态。
步骤S31:传感器模块获取设备在采集时长的运行参数后,将采集时长内的运行参数转换为数据块,设定多种状态等级,状态等级包括正常等级和异常等级,为数据块标定其所对应的状态等级;
步骤S32:若设备在生成的第一数量数据块中,存在超过第二数量的数据块为异常等级,则传感器模块将设备划分为异常状态。
下面对上述过程进行解释,首先设置采集时长,采集时长包括多个时间点,传感器在采集时长内的每个时间点采集数据,将这段时长所采集的数据组合为一个数据块,传感器模块基于数据块内包含的设备运行参数,对该数据块的状态等级进行分级,也即是对数据块对应时长的运行参数进行评价,具体评价方式在之后进行描述;在获得多个数据块的状态等级后,对其进行编码,例如设置临界等级为C,那么A、B、C为正常等级,D、E为异常等级,若第一数量为5,在获得5个数据块后,将其状态等级编码为BCDDE,若第二数量为2,由于状态编码包括三个异常等级,超过了第二数量,则传感器模块将所检测设备的状态划分以异常状态。
在本实施例中,基于以下步骤确定数据块的状态等级。
获取在采集时长内、设备处于正常状态下的运行参数和该运行参数对应的时间点,若在采集时长中,多个连续时间点运行参数的相关系数在第一预设范围或第二预设范围内,则获取连续时间点中的起始时间点和终止时间点,将起始时间点和终止时间点之间设定为目标判断区域;
传感器模块完成采集时长内的实际数据采集后,计算采集时长内各个目标判断区域的相关系数,若存在目标判断区域的相关系数没有位于第一预设范围或第二预设范围内,则将设备划分为异常状态。
这里结合图2对上述步骤进行解释,图2为设备在正常状态下的一段完整工作曲线,传感器模块采集的为设备的电流数据,那么将其与出现该电流数据的时间点对应并绘制在坐标轴中,然后将各个坐标点依次连接就会获得图2中设备在工作过程中的电流变化曲线;图中0-T4为一个采集时长,在0-T4中,若多个连续时间点相邻电流数据之间的相关系数在第一预设范围或第二预设范围内,例如0.8至1,或者-0.8至-1,也即若某一时段内的数据线性相关,则获取该时段的起始时间点和终止时间点,例如在T1-T2时间段内的电流数据呈线性上升,T2-T3时间段内的数据平行于x轴,那么很明显,两个时间段内,电流数值与时间之间具有明显的线性关系,那么就将这两个时间段均设定为目标判断区域。在图2中,目标判断区域分别为T1-T2、T2-T3和T3-T4。
在确定该设备的目标判断区域后,当传感器模块采集一个采集时长的实际工作曲线后,计算实际工作曲线中T1-T2、T2-T3和T3-T4三个时间段内数据的相关系数,若其中T2-T3的相关系数没有位于第一预设范围或第二预设范围内,表明该时间段内的电流与时间的相关性较弱,而正确状态,该段内的数据与时间应该线性相关,那么出现此情况就表明该段出现较大的数据波动,需要将设备状态划分为异常状态,在本实施例中,若存在一个目标判断区域异常,则将数据块等级设置为D,存在两个及两个以上目标判断区域异常,则将数据块等级设置为E。
在第二传输模式中,基于以下步骤确保传感器模块与监控模块之间传输数据的准确性。
获取监控模块网络结构中的各个传感器模块的传输次序,分别编号为节点,将节点/>生成的数据块定义为第一原始块,基于第一原始块复制生成第一冗余块,第一原始块和第一冗余块内均包括校验数据;节点/>将第一原始块和第一冗余块发送至节点/>,节点/>基于校验数据校验第一原始块和第一冗余块,若其中一块存在错误,则丢弃存在错误的数据块,复制正确的数据块以补充丢弃的数据块;节点/>继续生成第二原始块,基于第二原始块和第一原始块生成第二冗余块,将其排序至第一原始块和第一冗余块之后,并连同第一原始块和第一冗余块发送至节点/>。
一般的,由于工厂内传感器数量众多,一般采用环形网络结构,在环形网络结构中,数据沿单向传输,那么在此前提下,位于环线网络首端传感器数据需要沿着环形网络传输较长路径后才能到达监控模块,当监控模块发现接收的数据发生错误后,还需要去传感器重新传输,这样会耗费较多的时间成本;为此,在本发明的第二传输模式中,首先获取网络结构中各个传感器模块的传输次序,并分别编号为节点,当节点/>生成数据块后,将其定义为第一原始块,在传输前,传感器模块复制第一原始块,得到与第一原始块内容完全相同的第一冗余块,之后节点/>将第一原始块、第一冗余块和对应的奇偶校验数据发送给节点/>,节点/>通过奇偶校验数据可以对数据块的完成性和正确性进行核验,奇偶检验数据的生成和使用方法均为现有技术,此处不再赘述。在复制第一原始块的情况下,即便第一原始块在传输中出现错误和数据丢失,也可以通过第一冗余块恢复,从而提升数据传输的准确性。
节点生成的第二原始块后,基于第一原始块和第二原始块生成第二冗余块,具体的,在本实施例中,第二冗余块可以通过第一原始块和第二原始块异或生成,那么第二原始块也可以通过第一原始块和第二冗余块反向生成,当丢失第二原始块时,可以通过第一原始块和第二冗余块计算重新生成;另外,若同时丢失第一原始块和第一冗余块,也可以通过第二原始块和第二冗余块重新生成第一原始块,通过这种生成方式,在不增加复制数据块数量的情况下,可以进一步提升数据块的冗余性。
节点基于校验数据对接收到的数据块进行校验,同时继续生成第三原始块,基于第二原始块和第三原始块生成第三冗余块,重复此步骤,直至数据到达监控模块。
通过上述方式传输数据块,由于数据块之间存在冗余,在传输过程中,即便某个数据块由于信号干扰出现错误,因为存在冗余数据块的关系,也可以在传输过程中快速恢复,这样保证了数据块传输的准确性。
若第一原始块、第一冗余块和第二冗余块均发生错误,则在第一原始块和第一冗余块的位置生成空白数据块,监控模块接收所有传感器模块的数据后,基于其中空白数据块的位置向对应的传感器模块请求再次发送数据。
在同时丢失第一原始块、第一冗余块和第二冗余块的特殊情况下,由于此时第一原始块无法恢复,因此在对应的位置设置空白数据块,当数据到达监控模块后,监控模块可以根据空白数据块的位置,准确定位哪个传感器模块数据存在缺失,从而及时的向该传感器模块发出重传请求,进而提供模块间的交互效率。
在本实施例中,传感器模块向监控模块传输数据块时,还包括以下步骤:
若数据块的状态等级为正常等级,则将数据块依据生成次序进行传输,若数据块的状态等级为异常等级,则将数据块穿插至传输队列的头部进行传输。
通过此步骤可以缩短状态等级异常数据块的传输时间,使得监控模块可以更加快速的获得该数据块,从而对数据块对应的设备及早进行诊断。
如图3所示,本发明还提供了一种异构多源数据信号接收传输***,该***用于实现上述的一种异构多源数据信号接收传输方法,该***主要包括:
传感器模块,包括传感器D1、无线传输器D2和控制器D3,传感器模块内设置第一传输模式和第二传输模式,以及第一采集模式和第二采集模式,其中,传感器模块在第一传输模式下传输数据的准确度小于第二传输模式,在第一采集模式的采集频率小于第二采集模式,传感器模块在采集运行参数时对设备进行初始诊断,基于初始诊断将设备状态划分为正常状态和异常状态,若设备被划分为正常状态,传感器模块基于第一采集模式采集对应设备的运行参数,将运行参数转换为标准数据格式后,使用第一传输模式将其直接传输至监控模块,若设备被划分为异常状态,传感器模块切换为第二采集模式采集运行参数,提取运行参数中的信号特征,并基于降维矩阵将信号特征转化为低维数据,传感器模块将低维数据转换为标准数据格式后,基于第二传输模式将低维数据传输至监控模块;
计算模块,用于计算每个传感器模块的降维矩阵,传感器模块内设置有诊断特征集和标准数据格式,诊断特征集包括多个用于诊断设备状态的信号特征,传感器模块基于第二采集模式采集设备的运行参数,计算运行参数中的信号特征,并传输至计算模块,计算模块内设置保留阈值,基于保留阈值对信号特征进行降维,并获取降维矩阵,计算模块将降维矩阵返回至传感器模块;
监控模块,监控模块内设置有故障诊断模型,监控模块接收低维数据后,基于故障诊断模型和低维数据,对设备状态进行精准诊断。
应该理解的是,虽然本发明各实施例的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,各实施例中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,上述的程序可存储于一个非易失性计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
上述的实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
上述的实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
上述的仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (7)
1.一种异构多源数据信号接收传输方法,其特征在于,包括:
步骤S1:获取与监控模块连接的传感器模块,为每个所述传感器模块设置第一传输模式和第二传输模式,以及第一采集模式和第二采集模式,其中,所述传感器模块在所述第一传输模式下传输数据的准确度小于所述第二传输模式,在所述第一采集模式的采集频率小于所述第二采集模式;
步骤S2:计算每个所述传感器模块的降维矩阵,所述传感器模块内设置有诊断特征集,所述诊断特征集包括多个用于诊断设备状态的信号特征,所述传感器模块基于所述第二采集模式采集设备的运行参数,计算所述运行参数中的所述信号特征,并传输至计算模块,所述计算模块内设置保留阈值,基于所述保留阈值对所述信号特征进行降维,并获取所述降维矩阵,所述计算模块将所述降维矩阵返回至所述传感器模块;
步骤S3:所述传感器模块在采集所述运行参数时对设备进行初始诊断,基于所述初始诊断将设备状态划分为正常状态和异常状态,若设备被划分为所述正常状态,所述传感器模块基于所述第一采集模式采集对应设备的所述运行参数,将所述运行参数转换为标准数据格式后,使用所述第一传输模式将其直接传输至所述监控模块,若设备被划分为所述异常状态,则执行步骤S4;
步骤S4:所述传感器模块切换为所述第二采集模式采集所述运行参数,提取所述运行参数中的所述信号特征,并基于所述降维矩阵将所述信号特征转化为低维数据,所述传感器模块将所述低维数据转换为所述标准数据格式后,基于所述第二传输模式将所述低维数据传输至所述监控模块;
步骤S5:所述监控模块内设置有故障诊断模型,所述监控模块接收所述低维数据后,基于所述故障诊断模型和所述低维数据,对设备状态进行精准诊断。
2.根据权利要求1所述的一种异构多源数据信号接收传输方法,其特征在于,所述步骤S3中,所述传感器模块对设备进行所述初始诊断包括以下步骤:
步骤S31:所述传感器模块获取设备在采集时长的所述运行参数后,将所述采集时长内的所述运行参数转换为数据块,设定多种状态等级,所述状态等级包括正常等级和异常等级,为数据块标定其所对应的所述状态等级;
步骤S32:若设备在生成的第一数量数据块中,存在超过第二数量的数据块为所述异常等级,则所述传感器模块将设备划分为所述异常状态。
3.根据权利要求2所述的一种异构多源数据信号接收传输方法,其特征在于,基于以下步骤确定数据块的所述状态等级:
获取在所述采集时长内、设备处于所述正常状态下的所述运行参数和该所述运行参数对应的时间点,若在所述采集时长中,多个连续时间点所述运行参数的相关系数在第一预设范围或第二预设范围内,则获取连续时间点中的起始时间点和终止时间点,将所述起始时间点和所述终止时间点之间设定为目标判断区域;
所述传感器模块完成所述采集时长内的实际数据采集后,计算所述采集时长内各个所述目标判断区域的相关系数,若存在所述目标判断区域的相关系数没有位于所述第一预设范围或所述第二预设范围内,则将设备划分为所述异常状态。
4.根据权利要求3所述的一种异构多源数据信号接收传输方法,其特征在于,所述第二传输模式基于以下步骤传输数据:获取所述监控模块网络结构中的各个所述传感器模块的传输次序,分别编号为节点,将节点/>生成的数据块定义为第一原始块,基于所述第一原始块复制生成第一冗余块,所述第一原始块和所述第一冗余块内均包括校验数据;
节点将所述第一原始块和所述第一冗余块发送至节点/>,节点/>基于所述校验数据校验所述第一原始块和所述第一冗余块,若其中一块存在错误,则丢弃存在错误的数据块,复制正确的数据块以补充丢弃的数据块;
节点继续生成第二原始块,基于所述第二原始块和所述第一原始块生成第二冗余块,将其排序至所述第一原始块和所述第一冗余块之后,并连同所述第一原始块和所述第一冗余块发送至节点/>;
节点基于所述校验数据对接收到的数据块进行校验,同时继续生成第三原始块,基于所述第二原始块和所述第三原始块生成第三冗余块,重复此步骤,直至数据到达所述监控模块。
5.根据权利要求4所述的一种异构多源数据信号接收传输方法,其特征在于,若所述第一原始块、所述第一冗余块和所述第二冗余块均发生错误,则在所述第一原始块和所述第一冗余块的位置生成空白数据块,所述监控模块接收所有所述传感器模块的数据后,基于其中所述空白数据块的位置向对应的所述传感器模块请求再次发送数据。
6.根据权利要求2所述的一种异构多源数据信号接收传输方法,其特征在于,所述传感器模块向所述监控模块传输数据块时,还包括以下步骤:
若数据块的所述状态等级为正常等级,则将数据块依据生成次序进行传输,若数据块的所述状态等级为所述异常等级,则将数据块穿插至传输队列的头部进行传输。
7.一种异构多源数据信号接收传输***,用于实现如权利要求1-6任一项所述的异构多源数据信号接收传输方法,其特征在于,包括:
传感器模块,所述传感器模块内设置第一传输模式和第二传输模式,以及第一采集模式和第二采集模式,其中,所述传感器模块在所述第一传输模式下传输数据的准确度小于所述第二传输模式,在所述第一采集模式的采集频率小于所述第二采集模式,所述传感器模块在采集所述运行参数时对设备进行初始诊断,基于所述初始诊断将设备状态划分为正常状态和异常状态,若设备被划分为所述正常状态,所述传感器模块基于所述第一采集模式采集对应设备的所述运行参数,将所述运行参数转换为标准数据格式后,使用所述第一传输模式将其直接传输至所述监控模块,若设备被划分为所述异常状态,所述传感器模块切换为所述第二采集模式采集所述运行参数,提取所述运行参数中的所述信号特征,并基于降维矩阵将所述信号特征转化为低维数据,所述传感器模块将所述低维数据转换为所述标准数据格式后,基于所述第二传输模式将所述低维数据传输至所述监控模块;
计算模块,用于计算每个所述传感器模块的所述降维矩阵,所述传感器模块内设置有诊断特征集和标准数据格式,所述诊断特征集包括多个用于诊断设备状态的信号特征,所述传感器模块基于所述第二采集模式采集设备的运行参数,计算所述运行参数中的所述信号特征,并传输至计算模块,所述计算模块内设置保留阈值,基于所述保留阈值对所述信号特征进行降维,并获取所述降维矩阵,所述计算模块将所述降维矩阵返回至所述传感器模块;
监控模块,所述监控模块内设置有故障诊断模型,所述监控模块接收所述低维数据后,基于所述故障诊断模型和所述低维数据,对设备状态进行精准诊断。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311070683.3A CN116828413B (zh) | 2023-08-24 | 2023-08-24 | 一种异构多源数据信号接收传输***及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311070683.3A CN116828413B (zh) | 2023-08-24 | 2023-08-24 | 一种异构多源数据信号接收传输***及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116828413A true CN116828413A (zh) | 2023-09-29 |
CN116828413B CN116828413B (zh) | 2023-12-08 |
Family
ID=88118750
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311070683.3A Active CN116828413B (zh) | 2023-08-24 | 2023-08-24 | 一种异构多源数据信号接收传输***及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116828413B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105120516A (zh) * | 2015-07-15 | 2015-12-02 | 华南理工大学 | 一种基于群智感知环境下的位置信息采集框架 |
CN106198924A (zh) * | 2016-06-27 | 2016-12-07 | 重庆大学 | 基于自适应采集频率的危岩监测***及其风险评估方法 |
CN106710653A (zh) * | 2016-12-05 | 2017-05-24 | 浙江大学 | 一种用于核电机组运行监控的实时数据异常诊断方法 |
CN109142904A (zh) * | 2017-06-28 | 2019-01-04 | 许继集团有限公司 | 一种特高压直流输电换流阀故障监测方法及装置 |
CN110139235A (zh) * | 2019-05-06 | 2019-08-16 | 湖南弘睿盛智能科技有限公司 | 动力环境监控***的无线传感器的管理方法及*** |
CN113469217A (zh) * | 2021-06-01 | 2021-10-01 | 桂林电子科技大学 | 一种基于深度学习的无人驾驶汽车导航传感器异常检测方法 |
CN115980875A (zh) * | 2022-12-23 | 2023-04-18 | 上海华测导航技术股份有限公司 | 一种地质灾害监测数据采集方法、装置及电子设备 |
-
2023
- 2023-08-24 CN CN202311070683.3A patent/CN116828413B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105120516A (zh) * | 2015-07-15 | 2015-12-02 | 华南理工大学 | 一种基于群智感知环境下的位置信息采集框架 |
CN106198924A (zh) * | 2016-06-27 | 2016-12-07 | 重庆大学 | 基于自适应采集频率的危岩监测***及其风险评估方法 |
CN106710653A (zh) * | 2016-12-05 | 2017-05-24 | 浙江大学 | 一种用于核电机组运行监控的实时数据异常诊断方法 |
CN109142904A (zh) * | 2017-06-28 | 2019-01-04 | 许继集团有限公司 | 一种特高压直流输电换流阀故障监测方法及装置 |
CN110139235A (zh) * | 2019-05-06 | 2019-08-16 | 湖南弘睿盛智能科技有限公司 | 动力环境监控***的无线传感器的管理方法及*** |
CN113469217A (zh) * | 2021-06-01 | 2021-10-01 | 桂林电子科技大学 | 一种基于深度学习的无人驾驶汽车导航传感器异常检测方法 |
CN115980875A (zh) * | 2022-12-23 | 2023-04-18 | 上海华测导航技术股份有限公司 | 一种地质灾害监测数据采集方法、装置及电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN116828413B (zh) | 2023-12-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101487865B (zh) | 故障诊断方法和故障诊断*** | |
CN111823952B (zh) | 电芯温度的诊断方法、存储介质和电子设备 | |
CN101127243B (zh) | 存储器控制器和存储器控制方法 | |
KR102291964B1 (ko) | 반도체 제조 공정에서 고장 검출 및 불량 원인 진단을 위한 방법 | |
CN112101554B (zh) | 异常检测方法及装置、设备、计算机可读存储介质 | |
CN112487356B (zh) | 一种结构健康监测数据增强方法 | |
CN110471816B (zh) | 固态硬盘的数据管理方法及装置 | |
CN107544366B (zh) | 一种自动控制***中冗余传感器信号采集及处理方法 | |
CN109670549B (zh) | 火电机组的数据筛选方法、装置以及计算机设备 | |
CN115685050B (zh) | 一种电能表故障检测方法及*** | |
CN116828413B (zh) | 一种异构多源数据信号接收传输***及方法 | |
CN114323671A (zh) | 借助人工智能方法基于对电驱动***的组件的预测诊断来确定剩余使用寿命的方法和设备 | |
CN109756860A (zh) | 桥梁结构数据采集方法、装置、计算机设备和存储介质 | |
KR102485474B1 (ko) | 통계적 데이터 특성 추출을 통한 해상 센서 자가 고장 진단 장치 | |
CN109947064B (zh) | 智能通水温度控制专家***及硬件检测和数据监测方法 | |
KR20230125116A (ko) | 머신러닝 클러스터링 알고리즘과 통계적 기법을 이용해 고장 데이터가 부재한 시스템의 결함 탐지 및 고장 진단 예측 방법 | |
CN109211564B (zh) | 一种用于滚珠丝杠副健康评估的自适应阈值检测方法 | |
JP6981386B2 (ja) | 検針値収集装置および検針値収集方法 | |
CN206656749U (zh) | 火电厂传感器故障诊断*** | |
CN111983295B (zh) | 一种设备故障预测方法及*** | |
CN109489223A (zh) | 数据处理方法、装置、设备和空调 | |
CN111524341B (zh) | 一种燃气行业rtu数据采集方法 | |
CN112710918B (zh) | 基于边缘计算的无线数据采集方法及*** | |
CN115358278A (zh) | 一种用电采集器的状态量分布式监测方法及*** | |
CN102680228B (zh) | 检测风机齿轮箱状态的方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |