CN116989897A - 一种低功耗的可车载式危废库远程异常监测*** - Google Patents
一种低功耗的可车载式危废库远程异常监测*** Download PDFInfo
- Publication number
- CN116989897A CN116989897A CN202311243511.1A CN202311243511A CN116989897A CN 116989897 A CN116989897 A CN 116989897A CN 202311243511 A CN202311243511 A CN 202311243511A CN 116989897 A CN116989897 A CN 116989897A
- Authority
- CN
- China
- Prior art keywords
- temperature
- data
- abnormal
- characteristic value
- sequence
- 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
- 239000002699 waste material Substances 0.000 title claims abstract description 61
- 230000005856 abnormality Effects 0.000 title claims abstract description 60
- 238000012544 monitoring process Methods 0.000 title claims abstract description 39
- 230000002159 abnormal effect Effects 0.000 claims abstract description 96
- 238000000034 method Methods 0.000 claims abstract description 24
- 239000011159 matrix material Substances 0.000 claims abstract description 12
- 239000002920 hazardous waste Substances 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000010276 construction Methods 0.000 claims description 3
- 230000004931 aggregating effect Effects 0.000 claims description 2
- 230000002547 anomalous effect Effects 0.000 claims description 2
- 230000000694 effects Effects 0.000 claims description 2
- 238000001514 detection method Methods 0.000 abstract description 3
- 230000002269 spontaneous effect Effects 0.000 description 4
- 238000002485 combustion reaction Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 238000010438 heat treatment Methods 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 239000000779 smoke Substances 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 241000287196 Asthenes Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 239000002360 explosive Substances 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
- G01J5/02—Constructional details
- G01J5/03—Arrangements for indicating or recording specially adapted for radiation pyrometers
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Investigating Or Analyzing Materials Using Thermal Means (AREA)
- Incineration Of Waste (AREA)
Abstract
本发明公开一种低功耗的可车载式危废库远程异常监测***,涉及数据处理技术领域。所述***包括:采集器用于采集危废库各个区域的温度监测数据;处理器用于根据温度的变化特点,以及异常出现时的区域温度变化特点,计算异常特征值;根据异常特征值得到窗口特征值矩阵,并据此计算每个区域在各个时间段的温度异常程度,并预测下个时间段的温度异常程度,根据预测的异常程度来进行报警以及处理相应隐患。本发明提供的预测可能发生火灾的区域的方法,可以帮助检测人员及早发现安全隐患,并采取相应的措施,从而避免火灾的发生。
Description
技术领域
本发明涉及数据处理技术领域,尤其涉及一种低功耗的可车载式危废库远程异常监测***。
背景技术
危废库大多存放一些在常温环境中容易分解成有害物质的废料,在贮存期间发生意外将会造成大规模的环境污染,并且这些废料分解产生的液体和气体大多属于易燃易爆物质,在遇到明火或者温度过高时会导致火灾、***等安全隐患。因此需要对危废库进行异常监测,能够及时发现可能存在的安全隐患,对工作人员进行提前预警,并及时处理隐患。
而目前用于危废库的火灾报警监控方式都是属于事故后报警,即发生火灾后通过烟雾传感器感知烟雾或者通过温度传感器感知温度超过设定的温度阈值来触发报警***,对于危废库这种危险废品集中的地方,一旦发生火灾将没有挽救的余地。因此,本发明提出一种低功耗的可车载式危废库远程异常监测***,通过数据采集设备来获取危废库内的温度数据,并对异常数据进行实时分析,来实现对危废库进行远程的异常监测,在火灾发生前进行报警,以达到及时处理隐患的目的。
发明内容
本发明提供了一种低功耗的可车载式危废库远程异常监测***,包括:采集器和处理器;
采集器用于采集危废库各个区域的温度监测数据;
处理器用于根据温度的变化特点,以及异常出现时的区域温度变化特点,计算异常特征值;根据异常特征值得到窗口特征值矩阵,并据此计算每个区域在各个时间段的温度异常程度,并预测下个时间段的温度异常程度,根据预测的异常程度来进行报警以及处理相应隐患。
如上所述的一种低功耗的可车载式危废库远程异常监测***,其中,在危废库不同区域安装红外温度传感器,通过这些红外温度传感器来实时采集危废库不同区域的温度数据。
如上所述的一种低功耗的可车载式危废库远程异常监测***,其中,根据温度的变化特点,以及异常出现时的区域温度变化特点,计算异常特征值,具体包括如下子步骤:
计算原始温度数据序列对应的原始温度变化序列/>,从原始温度变化序列/>中提取满足预设条件的异常数据点集合/>;
将异常数据点集合对应的原始温度数据序列/>中的数据点合并到集合/>中,记为异常温度数据集合/>;
消除原始温度数据中异常数据的影响,得到数据集合,接着将数据集合/>中的数据替换掉原始温度数据序列/>中对应的数据,得到温度数据序列。
计算异常特征值,异常特征值包括:超过该时刻区域间第一偏离程度的异常温度特征值、超过该时刻区域间第二偏离程度的异常温度特征值和温度骤升特征值。
如上所述的一种低功耗的可车载式危废库远程异常监测***,其中,计算原始温度数据序列对应的原始温度变化序列/>,从原始温度变化序列/>中提取满足预设条件的异常数据点集合/>,具体包括:
对于第个原始温度数据序列/>,计算/>中第/>个数据点/>与上一个数据点/>的差值,其中/>,得到原始温度数据序列/>对应的原始温度变化序列/>;
对于原始温度变化序列,选取/>中的数据点/>,以/>为中心的1*L窗口对原始温度变化序列/>进行遍历,每个窗口表示一个时间片段,对于每个窗口,满足条件的数据点/>为原始温度变化序列/>中的异常数据点,。将原始温度变化序列/>中的异常数据点合并到集合/>中,记为异常数据点集合/>。
如上所述的一种低功耗的可车载式危废库远程异常监测***,其中,消除原始温度数据中异常数据的影响,具体为:将第个原始温度数据序列/>对应的异常温度数据集合中的数据点的温度进行如下处理以消除原始温度数据中异常数据的影响:;将处理之后的数据集合记为/>,接着将数据集合中的数据替换掉原始温度数据序列/>中对应的数据,将得到的温度数据序列记为/>。
如上所述的一种低功耗的可车载式危废库远程异常监测***,其中,第一异常特征值,/>表示数据点/>的区域间异常温度特征值,即超过该时刻区域间第一偏离程度/>的异常温度特征值;/>、/>分别表示上述计算的每个窗口在时间为/>时的温度的均值、标准差;/>表示区域间正常温度的偏离程度;/>表示取最大值。
如上所述的一种低功耗的可车载式危废库远程异常监测***,其中,第二异常特征值,/>表示数据点/>的区域内异常温度特征值,即超过该时刻区域间第二偏离程度/>的异常温度特征值;/>、/>分别表示在曲线/>上的所有数据点温度的均值和标准差;/>表示在同一个区域内,同一个时间段内的正常温度的偏离程度。
如上所述的一种低功耗的可车载式危废库远程异常监测***,其中,根据数据点集合和数据点集合/>构建数据点/>的温度骤升特征值,即第三异常特征值,/>中的每个数据点均疑似为危险废品区域的异常温度对应的数据点,则/>疑似为照明灯等设备区域的异常温度对应的数据点。
如上所述的一种低功耗的可车载式危废库远程异常监测***,其中,分别计算两个区域每个温度的三个特征值,得到三个特征值序列,分别对这两个区域对应特征值序列进行一致度的计算,分别得到两个区域关于第一、第二、第三特征值序列的一致度,依据计算的一致度计算三个特征值的权重系数;分解权重系数和窗口特征值矩阵计算异常程度。
本发明实现的有益效果如下:针对危废库传统的事故后火灾报警监控方式,本发明通过时间-温度坐标图中数据点温度的变化趋势构建了第一、第二、第三特征值,第一、第二、第三特征值考虑了数据点的温度在空间和时间上的分布特点,以及危废品区域和照明灯区域在发生温度异常时的不同特点,可以更准确地定位可能存在异常的地点和时间,并区分开危废品区域和照明灯区域的异常温度,从而提高了检测的准确性。其次基于危废品区域发生异常温度时对这三个特征值的不同影响,通过这三个特征值构建了窗口特征值矩阵,得到了每个区域的异常程度在时间上的分布情况,据此预测了下个检测时间段内可能发生火灾的区域。这种预测可能发生火灾的区域的方法,可以帮助检测人员及早发现安全隐患,并采取相应的措施,从而避免火灾的发生。
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,下面将对实施例或现有技术描述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中记载的一些实施例,对于本领域普通技术人员来讲,还可以根据这些附图获得其他的附图。
图1是本发明实施例一提供的一种低功耗的可车载式危废库远程异常监测***示意图;
图2是一种低功耗的可车载式危废库远程异常监测方法流程图;
图3是以时间为横轴、温度为纵轴建立的时间-温度坐标图。
具体实施方式
下面结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例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,本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例一:
如图1所示,本发明实施例一提供一种低功耗的可车载式危废库远程异常监测***,安装在车载设备上,且耗能较低。具体包括采集器31和处理器32,所述采集器31用于采集危废库各个区域的温度监测数据。所述处理器32用于根据温度的变化特点,以及异常出现时的区域温度变化特点,计算异常特征值;根据异常特征值得到窗口特征值矩阵,并据此计算每个区域在各个时间段的温度异常程度,并预测下个时间段的温度异常程度,根据预测的异常程度来进行报警以及处理相应隐患。
如图2所示,所述处理器32具体执行一种低功耗的可车载式危废库远程异常监测方法,包括:
步骤210、采集危废库各个区域的温度监测数据。
在危废库不同区域安装红外温度传感器,通过这些红外温度传感器来实时采集危废库不同区域的温度数据。
本发明设定红外温度传感器的个数为m,每个传感器采集的数据量记为n,相邻两次采集的时间间隔记为T,则m个传感器共采集m*n个温度数据。具体的传感器个数m、采集的数据量n以及间隔时段T均可由实施者自行定义。
至此,即可得到用于检测危废库异常状况的m个区域的原始温度数据序列,分别记为。其中每个区域对应的原始温度数据序列/>,/>。
步骤220、根据温度的变化特点,以及异常出现时的区域温度变化特点,计算异常特征值。
由于温度是随时间进行连续变化的,而在危废品和照明灯等设备出现异常时区域温度会发生突变,因此原始温度数据序列中发生突变的数据即为异常数据,可据此来除去原始温度数据序列中的异常数据。
本申请实施例中,根据温度的变化特点,以及异常出现时的区域温度变化特点,构建特征值,具体包括如下子步骤:
步骤221、计算原始温度数据序列对应的原始温度变化序列/>,从原始温度变化序列/>中提取满足预设条件的异常数据点集合/>。
具体的,对于第个原始温度数据序列/>,计算/>中第/>个数据点/>与上一个数据点的差值,其中/>,得到原始温度数据序列/>对应的原始温度变化序列,其中原始温度变化序列/>中第/>个数据点/>表示原始温度数据序列/>中第/>个数据点/>处于温度上升趋势,/>表示/>处于温度下降趋势。对于原始温度变化序列/>,选取/>中的数据点/>,以/>为中心的1*L窗口对原始温度变化序列/>进行遍历,则每个窗口表示一个时间片段,其中L取经验值例如为4。对于每个窗口,满足以下条件的数据点/>为原始温度变化序列/>中的异常数据点:
其中,。将原始温度变化序列/>中的异常数据点合并到集合/>中,记为异常数据点集合/>。
步骤222、将异常数据点集合对应的原始温度数据序列/>中的数据点合并到集合中,记为异常温度数据集合/>。
步骤223、消除原始温度数据中异常数据的影响,得到数据集合,接着将数据集合/>中的数据替换掉原始温度数据序列/>中对应的数据,得到温度数据序列。
为消除原始温度数据中异常数据的影响,将第个原始温度数据序列/>对应的异常温度数据集合/>中的数据点的温度进行如下处理:
将处理之后的数据集合记为,接着将数据集合/>中的数据替换掉原始温度数据序列/>中对应的数据,将得到的温度数据序列记为/>。
对所有的原始温度数据序列都进行上述处理,并将得到的温度数据序列分别记为。
步骤224、计算异常特征值,异常特征值包括:超过该时刻区域间第一偏离程度的异常温度特征值、超过该时刻区域间第二偏离程度的异常温度特征值和温度骤升特征值。
正常情况下,危废库各个区域的温度是接近的,并且都是低温。在存放危险废品的区域发生危险废品自燃前的一段时间内,该区域的温度会出现持续上升的趋势,并且温升出现骤升的情况,高温持续较长时间。危废库内监控现场的照明灯等常用设备也会因长时间的使用而出现升温现象,并且长时间处于高温状态,只是照明灯的升温是以较慢的速度进行的。因此根据各个区域的温度数据的变化特点来筛选出异常升温的区域,并且区分出是由危险废品产生的异常升温还是由照明灯等设备产生的异常升温。
以时间为横轴,温度为纵轴来建立时间-温度坐标图,如图3所示,以温度数据序列中的数据点对应的时间值为横坐标的值,数据点对应的温度值为纵坐标/>的值,则可得到每个温度数据序列对应的曲线,将第/>个温度数据序列/>对应的曲线记为曲线/>,则曲线表示第/>个区域的温度在时间-温度坐标图中的分布情况。
(一)计算第一异常特征值:超过该时刻区域间第一偏离程度的异常温度特征值;
由于危废库各个区域的温度在正常情况下是近似的,并且正常温度都是低温度。因此在同一时刻,将偏离该时刻所有区域温度的平均值较大的高温度定义为区域间异常温度。设置一个大小的滑动窗口,其中/>表示在时间-温度坐标图中横坐标的半个单位长度,/>表示时间-温度坐标图中所有数据点的纵坐标的最大值。以一个时刻/>为滑动步长将该窗口沿着时间轴对时间-温度坐标图进行遍历,并且窗口内只包含同一时间上m条曲线上的m个数据点。对于即将出现危险废品自燃的区域,以及长时间工作的照明灯区域,这些区域的温度偏离正常温度的程度较大,因此设置一个温度阈值/>,/>取经验值为/>,先去掉每个窗口内温度大于/>的数据点,再计算每个窗口内剩余数据点在时间为/>时的温度的均值/>以及标准差/>,并以此判断时间-温度坐标图中的数据点/>的温度是否为区域间异常温度,具体如下:
式中,表示数据点/>的区域间异常温度特征值,记为第一异常特征值;/>、分别表示上述计算的每个窗口在时间为/>时的温度的均值、标准差;/>表示区域间正常温度的偏离程度,/>取经验值1;/>表示取最大值。温度/>的数据点/>为正常数据点,则该数据点的第一异常特征值/>;温度/>的数据点/>为疑似异常数据点,表示数据点/>温度的偏离平均温度的程度,偏离程度小于/>的数据点为正常数据点,偏离程度大于/>的数据点为异常数据点,并且偏离程度越大表示该数据点的第一异常特征值/>越大。
(二)计算第二异常特征值:超过该时刻区域间第二偏离程度的异常温度特征值;
在存放危险废品的区域发生危险废品自燃前的一段时间内,该区域的温度会出现持续上升的趋势。而危废库内监控现场的照明灯等常用设备也会因长时间的使用而出现升温现象,并且会出现长期高温现象。因此在同一区域内,将偏离所有时刻的温度的平均值程度较大的温度定义为区域内异常温度。计算时间-温度坐标图中曲线上的所有数据点温度的均值/>以及标准差/>,并以此判断时间-温度坐标图中的数据点/>的温度是否为区域内异常温度,具体如下:
式中,表示数据点/>的区域内异常温度特征值,记为第二异常特征值;/>、分别表示在曲线/>上的所有数据点温度的均值和标准差;/>表示在同一个区域内,同一个时间段内的正常温度的偏离程度,/>取经验值2,/>则表示数据点/>的温度/>比均值/>大/>个标准差;/>()表示取最大值。温度/>的数据点/>为正常数据点,则该数据点的第二异常特征值/>;温度/>的数据点/>为疑似异常数据点,/>表示数据点/>温度的偏离平均温度的程度,偏离程度小于/>的数据点为正常数据点,偏离程度大于/>的数据点为异常数据点,并且偏离程度越大表示该数据点的第二异常特征值越大;数据点/>的第二异常特征值/>表示该数据点的温度为区域内异常温度。
(三)计算第三异常特征值:温度骤升特征值;
当危险废品出现异常,即将发生自燃前的一段时间里,该区域的温度会在短期内急剧升高。而危废库内监控现场的照明灯等常用设备的升温是以较慢的速度进行的。设定两个温度阈值,并且/>,/>分别取经验值0.5、3。当同一区域相邻时间点的温度升高幅度大于/>时,则该温度疑似为危险废品区域的异常温度;当同一区域相邻时间点的温度升高幅度不小于/>且不大于/>时,则该温度疑似为照明灯等设备区域的异常温度。
对时间-温度坐标图中的每条连续曲线分别处理,具体过程如下所示:
以第个区域对应的曲线/>为例,计算曲线/>上每个数据点的升温值/>,即在曲线上数据点对应的下一个时刻的温度减去该数据点的温度。由于曲线/>上的最后一个数据点没有升温值,因此遍历曲线/>上的前/>个数据点,将/>的数据点放入到第一数据集合/>中,将/>的数据点放入到第二数据集合/>中。对每条曲线进行如上处理,得到每条曲线对应的第一数据集合和第二数据集合。将所有的第一数据集合整合成数据集合/>,将所有的第二数据集合整合成数据集合/>,则/>中的每个数据点均疑似为危险废品区域的异常温度对应的数据点,则/>疑似为照明灯等设备区域的异常温度对应的数据点。
根据数据点集合和数据点集合/>构建数据点/>的温度骤升特征值,记为第三异常特征值,第三异常特征值/>的计算方法如下所示:
式中,表示数据点/>的第三异常特征值;/>表示数据点/>的升温值。表示升温值/>的数据点的集合;/>表示升温值/>的数据点的集合。则数据点/>的升温值/>的数据点为正常数据点,其第三异常特征值/>;数据点/>的升温值/>的值越大,则其第三异常特征值/>的值越大。
步骤230、根据异常特征值得到窗口特征值矩阵,并据此计算每个区域在各个时间段的温度异常程度,并预测下个时间段的温度异常程度,根据预测的异常程度来进行报警以及处理相应隐患。
设置一个以个时刻t为时间滑动窗口的宽度,/>个时刻t为窗口滑动步长,/>例如分别取经验值20、1,则一共能得到/>个窗口。对时间-温度坐标图进行遍历。提取每个窗口在各个时刻的特征值,构建一个特征值矩阵,如下所示:
上述特征矩阵中,表示第/>个滑动窗口的特征值矩阵;/>表示第/>条曲线/>在该窗口中的特征值矩阵;/>表示在该窗口中第/>条曲线/>上第/>个数据点对应的特征值向量。
通过发生火灾的为危废库的历史温度数据,获取危险废品区域发生自燃时的前个监测时间段的温度数据和正常区域的温度数据,/>自行设置,需留出足够时间来处理隐患,本发明设置/>。按照上述方法分别计算这两个区域中每个温度的3个特征值,这两个区域各得到3个特征值序列。利用序列比对算法(序列对比算法为现有公知技术,不再赘述)分别对这两个区域对应特征值序列进行一致度的计算,分别得到两个区域关于第一、第二、第三特征值序列的一致度/>,一致度范围为/>。一致度越大,表示这两个区域关于同一特征值序列之间的一致性越高,则该特征值凸显目标温度为危险废品区域异常温度的能力越低,即该特征值的权重系数越小,则三个特征值的权重系数分别记为。
根据每个窗口的特征值矩阵得到每个区域的当前时间段的异常程度:
式中,表示第/>个窗口中第/>条曲线对应区域的异常程度;/>表示窗口内第/>条曲线上第/>个数据点的特征值向量;/>分别表示对/>对应的权重系数进行归一化处理后的结果。/>的值域为/>,/>的值越接近1表示第/>个窗口中第/>条曲线对应区域的异常程度越大。
计算所有窗口中每条曲线对应区域的异常程度,每条曲线各得到个异常程度。以第/>个区域对应的曲线/>为例,将曲线/>的这/>个值按照时间顺序进行排序,并以T为时间间隔进行曲线拟合来预测最后一个时间滑动窗口的下一个窗口中每条曲线对应的异常程度/>,曲线拟合为现有公知技术,不再赘述。对m条曲线进行相同的处理,得到m条曲线各自对应的异常程度/>。设定异常阈值/>,/>分别取经验值0.4、0.7。当曲线对应的异常程度/>时,表示该曲线对应的区域的温度有轻微异常;时,表示该曲线对应的区域的温度发生中度异常,***将发出一级警报;时,表示该曲线对应的区域的温度发生高度异常,***将发出二级警报。至此,根据本发明所述方法可实现对危废库各个区域当前时间段的温度异常程度进行远程监测,并预测下个时间段的异常程度,在火灾发生前进行报警,以达到及时处理隐患的目的。
以上所述的具体实施方式,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施方式而已,并不用于限定本发明的保护范围,凡在本发明的技术方案的基础之上,所做的任何修改、等同替换、改进等,均应包括在本发明的保护范围之内。
Claims (9)
1.一种低功耗的可车载式危废库远程异常监测***,其特征在于,包括:采集器和处理器;
采集器用于采集危废库各个区域的温度监测数据;
处理器用于根据温度的变化特点,以及异常出现时的区域温度变化特点,计算异常特征值;根据异常特征值得到窗口特征值矩阵,并据此计算每个区域在各个时间段的温度异常程度,并预测下个时间段的温度异常程度,根据预测的异常程度来进行报警以及处理相应隐患。
2.如权利要求1所述的一种低功耗的可车载式危废库远程异常监测***,其特征在于,在危废库不同区域安装红外温度传感器,通过这些红外温度传感器来实时采集危废库不同区域的温度数据。
3.如权利要求1所述的一种低功耗的可车载式危废库远程异常监测***,其特征在于,根据温度的变化特点,以及异常出现时的区域温度变化特点,计算异常特征值,具体包括如下子步骤:
计算原始温度数据序列对应的原始温度变化序列/>,从原始温度变化序列/>中提取满足预设条件的异常数据点集合/>;
将异常数据点集合对应的原始温度数据序列/>中的数据点合并到集合/>中,记为异常温度数据集合/>;
消除原始温度数据中异常数据的影响,得到数据集合,接着将数据集合/>中的数据替换掉原始温度数据序列/>中对应的数据,得到温度数据序列;
计算异常特征值,异常特征值包括:超过对应时刻区域间第一偏离程度的异常温度特征值、超过对应时刻区域间第二偏离程度的异常温度特征值和温度骤升特征值。
4.如权利要求3所述的一种低功耗的可车载式危废库远程异常监测***,其特征在于,计算原始温度数据序列对应的原始温度变化序列/>,从原始温度变化序列/>中提取满足预设条件的异常数据点集合/>,具体包括:
对于第个原始温度数据序列/>,计算/>中第/>个数据点/>与上一个数据点/>的差值,其中/>,得到原始温度数据序列/>对应的原始温度变化序列/>;
对于原始温度变化序列,选取/>中的数据点/>,以/>为中心的1*L窗口对原始温度变化序列/>进行遍历,每个窗口表示一个时间片段,对于每个窗口,满足/>并且条件的数据点/>为原始温度变化序列/>中的异常数据点,/>;将原始温度变化序列/>中的异常数据点合并到集合/>中,记为异常数据点集合/>。
5.如权利要求4所述的一种低功耗的可车载式危废库远程异常监测***,其特征在于,消除原始温度数据中异常数据的影响,具体为:将第个原始温度数据序列/>对应的异常温度数据集合/>中的数据点的温度进行如下处理以消除原始温度数据中异常数据的影响:;将处理之后的数据集合记为/>,接着将数据集合中的数据替换掉原始温度数据序列/>中对应的数据,将得到的温度数据序列记为/>。
6.如权利要求3所述的一种低功耗的可车载式危废库远程异常监测***,其特征在于,第一异常特征值,/>表示数据点/>的区域间异常温度特征值,即超过对应时刻区域间第一偏离程度/>的异常温度特征值;/>、/>分别表示上述计算的每个窗口在时间为/>时的温度的均值、标准差;/>表示区域间正常温度的偏离程度;/>表示取最大值。
7.如权利要求3所述的一种低功耗的可车载式危废库远程异常监测***,其特征在于,第二异常特征值,/>表示数据点/>的区域内异常温度特征值,即超过对应时刻区域间第二偏离程度/>的异常温度特征值;/>、/>分别表示在曲线/>上的所有数据点温度的均值和标准差;/>表示在同一个区域内,同一个时间段内的正常温度的偏离程度。
8.如权利要求3所述的一种低功耗的可车载式危废库远程异常监测***,其特征在于,根据数据点集合和数据点集合/>构建数据点/>的温度骤升特征值,即第三异常特征值,/>中的每个数据点均疑似为危险废品区域的异常温度对应的数据点,则/>疑似为照明灯设备区域的异常温度对应的数据点。
9.如权利要求3所述的一种低功耗的可车载式危废库远程异常监测***,其特征在于,分别计算两个区域每个温度的三个特征值,得到三个特征值序列,分别对这两个区域对应特征值序列进行一致度的计算,分别得到两个区域关于第一、第二、第三特征值序列的一致度,依据计算的一致度计算三个特征值的权重系数;分解权重系数和窗口特征值矩阵计算异常程度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311243511.1A CN116989897B (zh) | 2023-09-26 | 2023-09-26 | 一种低功耗的可车载式危废库远程异常监测*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311243511.1A CN116989897B (zh) | 2023-09-26 | 2023-09-26 | 一种低功耗的可车载式危废库远程异常监测*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116989897A true CN116989897A (zh) | 2023-11-03 |
CN116989897B CN116989897B (zh) | 2023-12-22 |
Family
ID=88523453
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311243511.1A Active CN116989897B (zh) | 2023-09-26 | 2023-09-26 | 一种低功耗的可车载式危废库远程异常监测*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116989897B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117272192A (zh) * | 2023-11-22 | 2023-12-22 | 青岛洛克环保科技有限公司 | 基于污水检测的磁混凝高效沉淀池污水处理*** |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH10281880A (ja) * | 1997-04-02 | 1998-10-23 | Nippon Steel Corp | 赤外線温度計による設備異常診断方法 |
US20150233771A1 (en) * | 2012-10-26 | 2015-08-20 | Fujitsu Limited | Temperature measurement system and abnormality detection method |
CN208092890U (zh) * | 2018-05-03 | 2018-11-13 | 合肥芯福传感器技术有限公司 | 仓库监控与管理*** |
KR20190109644A (ko) * | 2018-03-06 | 2019-09-26 | 한국전자통신연구원 | 온실 데이터 수집 이상 감지 장치 및 그 방법 |
CN113537352A (zh) * | 2021-07-15 | 2021-10-22 | 杭州鲁尔物联科技有限公司 | 传感器异常值监测方法、装置、计算机设备及存储介质 |
KR102319083B1 (ko) * | 2021-02-03 | 2021-11-02 | 주식회사메리츠엔지니어링 | 인공지능 기반의 화재예방 제공 장치 및 방법 |
CN113963503A (zh) * | 2020-06-08 | 2022-01-21 | 飞巽传感技术(上海)有限公司 | 火灾预警方法及*** |
CN114265882A (zh) * | 2021-12-24 | 2022-04-01 | 中冶赛迪重庆信息技术有限公司 | 时序信号点异常检测方法、***、设备及介质 |
CN115342937A (zh) * | 2022-10-20 | 2022-11-15 | 正大农业科学研究有限公司 | 温度异常检测方法及装置 |
CN115439998A (zh) * | 2022-08-10 | 2022-12-06 | 中国科学院上海微***与信息技术研究所 | 一种危化品仓库云数联动监测分级报警*** |
KR20230032286A (ko) * | 2021-08-30 | 2023-03-07 | (주)아이티언 | 시계열 데이터를 이용한 주기성을 갖는 이상 수치 검출 시스템 |
CN115840897A (zh) * | 2023-02-09 | 2023-03-24 | 广东吉器电子有限公司 | 一种温度传感器数据异常处理方法 |
CN116069139A (zh) * | 2022-08-08 | 2023-05-05 | 荣耀终端有限公司 | 温度预测方法、装置、电子设备及介质 |
CN116559677A (zh) * | 2023-05-11 | 2023-08-08 | 中国大唐集团科学技术研究院有限公司中南电力试验研究院 | 电化学储能电站储能电池温度监测异常的判别方法 |
-
2023
- 2023-09-26 CN CN202311243511.1A patent/CN116989897B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH10281880A (ja) * | 1997-04-02 | 1998-10-23 | Nippon Steel Corp | 赤外線温度計による設備異常診断方法 |
US20150233771A1 (en) * | 2012-10-26 | 2015-08-20 | Fujitsu Limited | Temperature measurement system and abnormality detection method |
KR20190109644A (ko) * | 2018-03-06 | 2019-09-26 | 한국전자통신연구원 | 온실 데이터 수집 이상 감지 장치 및 그 방법 |
CN208092890U (zh) * | 2018-05-03 | 2018-11-13 | 合肥芯福传感器技术有限公司 | 仓库监控与管理*** |
CN113963503A (zh) * | 2020-06-08 | 2022-01-21 | 飞巽传感技术(上海)有限公司 | 火灾预警方法及*** |
KR102319083B1 (ko) * | 2021-02-03 | 2021-11-02 | 주식회사메리츠엔지니어링 | 인공지능 기반의 화재예방 제공 장치 및 방법 |
CN113537352A (zh) * | 2021-07-15 | 2021-10-22 | 杭州鲁尔物联科技有限公司 | 传感器异常值监测方法、装置、计算机设备及存储介质 |
KR20230032286A (ko) * | 2021-08-30 | 2023-03-07 | (주)아이티언 | 시계열 데이터를 이용한 주기성을 갖는 이상 수치 검출 시스템 |
CN114265882A (zh) * | 2021-12-24 | 2022-04-01 | 中冶赛迪重庆信息技术有限公司 | 时序信号点异常检测方法、***、设备及介质 |
CN116069139A (zh) * | 2022-08-08 | 2023-05-05 | 荣耀终端有限公司 | 温度预测方法、装置、电子设备及介质 |
CN115439998A (zh) * | 2022-08-10 | 2022-12-06 | 中国科学院上海微***与信息技术研究所 | 一种危化品仓库云数联动监测分级报警*** |
CN115342937A (zh) * | 2022-10-20 | 2022-11-15 | 正大农业科学研究有限公司 | 温度异常检测方法及装置 |
CN115840897A (zh) * | 2023-02-09 | 2023-03-24 | 广东吉器电子有限公司 | 一种温度传感器数据异常处理方法 |
CN116559677A (zh) * | 2023-05-11 | 2023-08-08 | 中国大唐集团科学技术研究院有限公司中南电力试验研究院 | 电化学储能电站储能电池温度监测异常的判别方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117272192A (zh) * | 2023-11-22 | 2023-12-22 | 青岛洛克环保科技有限公司 | 基于污水检测的磁混凝高效沉淀池污水处理*** |
CN117272192B (zh) * | 2023-11-22 | 2024-03-08 | 青岛洛克环保科技有限公司 | 基于污水检测的磁混凝高效沉淀池污水处理*** |
Also Published As
Publication number | Publication date |
---|---|
CN116989897B (zh) | 2023-12-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116989897B (zh) | 一种低功耗的可车载式危废库远程异常监测*** | |
CN109325692B (zh) | 水管网的数据实时分析方法及装置 | |
CN101719299B (zh) | 一种火灾、可燃气体报警***及方法 | |
JP2019526098A (ja) | 産業施設において改善措置を自動的に生成する方法およびシステム | |
US11579002B2 (en) | Sensor fusion for fire detection and air quality monitoring | |
CN104535221B (zh) | 一种基于分布式光纤测温智能分析方法 | |
CN111627181A (zh) | 融合多源参数及其梯度信息的综合管廊火灾预警方法 | |
CN111199626A (zh) | 一种管廊智能在线监测*** | |
Sowah et al. | Hardware module design of a real-time multi-sensor fire detection and notification system using fuzzy logic | |
CN117411918B (zh) | 一种基于iot物联网的监控报警方法及*** | |
CN116539231B (zh) | 一种化工危险气体的远程监测方法及*** | |
JP2008225857A (ja) | 火災発生時間を予測可能な火災警報装置 | |
CN112991657A (zh) | 基于5g通信技术的森林火灾智能预警控制*** | |
CN113759219A (zh) | 主动式环境安全监测预警装置、方法及安装方案 | |
CN117055446A (zh) | 一种模拟信号的电气信号设备监控***及方法 | |
CN208044799U (zh) | 用于轨道交通电力***的火灾检测装置 | |
Wang et al. | Forest fire detection system based on Fuzzy Kalman filter | |
CN113741354A (zh) | 安全生产监控预警方法、***以及具有存储功能的装置 | |
CN103485825B (zh) | 一种通过时间差进行煤矿井下温度预警的方法 | |
RU2487416C1 (ru) | Адаптивный способ пожарной сигнализации | |
Abdulrazak et al. | Prevent cooking risks in kitchen of elderly people: Adaptable reasoning engine based on fuzzy logic for smart oven | |
CN104697573A (zh) | 一种环境监控实现方法 | |
RU117684U1 (ru) | Адаптивная система пожарной сигнализации | |
CN118072496B (zh) | 一种基于物联网的电器设备智能安全检测***及方法 | |
CN109186786B (zh) | 一种监测电气设备是否电接触过热的装置及其方法 |
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 |