CN117041768B - 一种基于大数据的多通道信号采集与处理方法及*** - Google Patents
一种基于大数据的多通道信号采集与处理方法及*** Download PDFInfo
- Publication number
- CN117041768B CN117041768B CN202311289222.5A CN202311289222A CN117041768B CN 117041768 B CN117041768 B CN 117041768B CN 202311289222 A CN202311289222 A CN 202311289222A CN 117041768 B CN117041768 B CN 117041768B
- Authority
- CN
- China
- Prior art keywords
- target
- big data
- abnormal
- state
- value
- 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
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 18
- 230000002159 abnormal effect Effects 0.000 claims abstract description 110
- 238000006243 chemical reaction Methods 0.000 claims abstract description 94
- 238000005070 sampling Methods 0.000 claims abstract description 67
- 238000000034 method Methods 0.000 claims abstract description 41
- 230000005856 abnormality Effects 0.000 claims description 35
- 230000005540 biological transmission Effects 0.000 claims description 31
- 238000012545 processing Methods 0.000 claims description 30
- 238000012544 monitoring process Methods 0.000 claims description 15
- 238000004364 calculation method Methods 0.000 claims description 9
- 238000004458 analytical method Methods 0.000 claims description 5
- 238000004891 communication Methods 0.000 claims description 4
- 230000008054 signal transmission Effects 0.000 abstract description 3
- 238000001514 detection method Methods 0.000 description 5
- 238000003860 storage Methods 0.000 description 5
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 230000007704 transition Effects 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- 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
- H04L67/50—Network services
- H04L67/56—Provisioning of proxy services
- H04L67/565—Conversion or adaptation of application format or content
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04Q—SELECTING
- H04Q9/00—Arrangements in telecontrol or telemetry systems for selectively calling a substation from a main station, in which substation desired apparatus is selected for applying a control signal thereto or for obtaining measured values therefrom
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Signal Processing (AREA)
- Testing And Monitoring For Control Systems (AREA)
- Arrangements For Transmission Of Measured Signals (AREA)
Abstract
本申请提供一种基于大数据的多通道信号采集与处理方法及***，该方法包括如下步骤：获取待监测目标集群中各个目标的历史运行状态异常大数据；根据目标的历史运行状态异常大数据，计算目标的失态影响程度突出值；根据目标的历史运行状态异常大数据，为目标配置多个通道；根据目标的失态影响程度突出值，为多个通道配置通道采样频率；多个通道根据配置的通道采样频率，采集目标的运行状态感知信号。本申请提高对目标的信号采集质量、信号传输速度与信号转换速度，并且优化配置通道的采样频率。
Description
技术领域
本申请涉及数据处理技术领域，尤其涉及一种基于大数据的多通道信号采集与处理方法及***。
背景技术
随着现代化工业生产中，对产品精度要求愈来愈高，在现代工业生产尤其是自动化生产过程中，要用各种传感器来监视和控制生产过程中的各个参数，使设备工作在正常状态或最佳状态，并使产品达到最好的质量。
目前的工业信号采集***，存在采集通道较少、采样质量低的问题。
另外，多通道信号采集时，在信号通过量较大时会存在延迟或信号转换慢、传输慢的现象。并且，多通道采集信号的频率未进行合理的配置，不能适应实际的采样需求。
因此，目前亟需解决的技术问题是：如何提高对目标的信号采集质量、信号传输速度与信号转换速度，并且优化配置通道的采样频率。
发明内容
本申请的目的在于提供一种基于大数据的多通道信号采集与处理方法及***，提高对目标的信号采集质量、信号传输速度与信号转换速度，并且优化配置通道的采样频率。
为达到上述目的，作为本申请的第一方面，本申请提供一种基于大数据的多通道信号采集与处理方法，该方法包括如下步骤：获取待监测目标集群中各个目标的历史运行状态异常大数据；根据目标的历史运行状态异常大数据，计算目标的失态影响程度突出值；根据目标的历史运行状态异常大数据，为目标配置多个通道；根据目标的失态影响程度突出值，为多个通道配置通道采样频率；多个通道根据配置的通道采样频率，采集目标的运行状态感知信号。
如上所述的基于大数据的多通道信号采集与处理方法，其中，该方法还包括：信号转换模块将运行状态感知信号转换为数字信号；对数字信号进行分析处理，判断该数字信号是否存在信号异常，若是，则对目标的运行状态进行优化，否则，无需对目标的运行状态进行优化。
如上所述的基于大数据的多通道信号采集与处理方法，其中，根据目标的历史运行状态异常大数据，为目标配置多个通道的方法包括：根据目标的历史运行状态异常大数据，获取目标历史运行状态异常类型；根据目标历史运行状态异常类型的不同，为目标匹配不同的通道。
如上所述的基于大数据的多通道信号采集与处理方法，其中，根据目标的失态影响程度突出值，为多个通道配置通道采样频率的方法包括：根据目标的失态影响程度突出值，为目标配置多个通道的采样频率倍增值；根据多个通道的采样频率倍增值和通道的初始采样频率，确定通道采样频率。
如上所述的基于大数据的多通道信号采集与处理方法，其中，获取待监测目标集群中各个目标的历史运行状态异常大数据的方法包括：获取待监测目标集群中各个目标的历史运行状态监测大数据和运行状态标准数据范围；根据目标的历史运行状态监测大数据和运行状态标准数据范围，获取目标的历史运行状态异常大数据。
如上所述的基于大数据的多通道信号采集与处理方法，其中，根据目标的失态影响程度突出值，为目标配置多个通道的采样频率倍增值的方法包括：为目标的失态影响程度突出值划定多个范围区间，每个范围区间对应不同的采样频率倍增值。
如上所述的基于大数据的多通道信号采集与处理方法，其中，目标的失态影响程度突出值越大的范围区间，对应的采样频率倍增值越大。
如上所述的基于大数据的多通道信号采集与处理方法，其中，对信号转换模块的传输转换综合压力进行监测。
作为本申请的第二方面，本申请提供一种基于大数据的多通道信号采集与处理***，该***包括：数据获取模块，用于获取待监测目标集群中各个目标的历史运行状态异常大数据；数据处理器，用于根据目标的历史运行状态异常大数据，计算目标的失态影响程度突出值；通道配置模块，用于根据目标的历史运行状态异常大数据，为目标配置多个通道；以及根据目标的失态影响程度突出值，为多个通道配置通道采样频率；多个通道，用于根据配置的通道采样频率，采集目标的运行状态感知信号。
如上所述的基于大数据的多通道信号采集与处理***，其中，该***还包括：信号转换模块，用于将运行状态感知信号转换为数字信号；信号分析处理模块，用于对数字信号进行分析处理，判断该数字信号是否存在信号异常，若是，则对目标的运行状态进行优化，否则，无需对目标的运行状态进行优化。
本申请实现的有益效果如下：
（1）、本申请根据目标的历史运行状态异常大数据，为目标配置多个通道，通过多通道的信号采集，解决目前一般仪器的测试通道少的问题。从而实现多通道的信号采集，提高信号采集效率和信号采集质量。
（2）、本申请根据目标的失态影响程度突出值，为多个通道配置通道采样频率，从而实现根据目标的失态影响程度突出值，为不同的通道配置不同的采样频率，提高通道的采样精准度。
（3）、本申请对信号转换模块的传输转换综合压力进行监测，从而在信号转换模块传输转换综合压力较大时，增加新的信号转换模块进行信号转换处理，避免单一信号转换模块的传输转换压力过大，提高整体信号的转换效率和传输效率，同时合理利用信号转换模块的资源。
附图说明
为了更清楚地说明本申请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申请中记载的一些实施例，对于本领域技术人员来讲，还可以根据这些附图获得其他的附图。
图1为本申请实施例的一种基于大数据的多通道信号采集与处理方法的流程图。
图2为本申请实施例的获取待监测目标集群中各个目标的历史运行状态异常大数据的方法流程图。
图3为本申请实施例的为目标配置多个通道的方法流程图。
图4为本申请实施例的为多个通道配置通道采样频率的方法流程图。
图5为本申请实施例的对信号转换模块的传输转换综合压力进行监测的方法流程图。
图6为本申请实施例的一种基于大数据的多通道信号采集与处理***的结构示意图。
附图标记：10-数据获取模块；20-数据处理器；30-通道配置模块；40-通道；50-信号转换模块；60-信号分析处理模块；100-多通道信号采集与处理***。
具体实施方式
下面结合本申请实施例中的附图，对本申请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申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。
实施例一
如图1所示，本申请提供一种基于大数据的多通道信号采集与处理方法，该方法包括如下步骤：
步骤S1，获取待监测目标集群中各个目标的历史运行状态异常大数据。
如图2所示，步骤S1包括如下步骤：
步骤S110，获取待监测目标集群中各个目标的历史运行状态监测大数据和运行状态标准数据范围。
步骤S120，根据目标的历史运行状态监测大数据和运行状态标准数据范围，获取目标的历史运行状态异常大数据。
比较目标的历史运行状态监测大数据和运行状态标准数据范围的大小，若目标的历史运行状态监测大数据超出运行状态标准数据范围，则存储为目标的历史运行状态异常大数据。
步骤S2，根据目标的历史运行状态异常大数据，计算目标的失态影响程度突出值。
具体的，根据单个目标的历史运行状态异常大数据，计算该目标的失态影响程度突出值。分别计算待监测目标集群中每个目标的失态影响程度突出值。
其中，目标的历史运行状态异常大数据包括历史运行状态异常大数据的类型、历史运行状态异常值及异常持续时间等。
具体的，目标的失态影响程度突出值的计算公式为：
；
其中，表示目标的失态影响程度突出值；/>表示目标的历史运行状态异常大数据的总种类数；/>表示第/>种历史运行状态异常大数据的数值异常影响权重；/>表示第/>种历史运行状态异常大数据的总个数；/>表示第/>种历史运行状态异常大数据第/>个数据的异常值，/>表示第/>种历史运行状态异常大数据的标准值；/>表示第/>种历史运行状态异常大数据持续异常的影响权重；/>表示第/>种历史运行状态异常大数据第/>个数据的发生时刻；/>表示第/>种历史运行状态异常大数据第/>个数据的发生时刻；/>表示第/>种历史运行状态异常大数据关联异常影响权重；/>表示第/>种历史运行状态异常大数据关联异常值。
其中，第种历史运行状态异常大数据关联异常值的计算公式如下：
；
其中，表示在第/>个数据的采样时刻与当前目标通信连接也存在异常的其他目标的数量，/>表示与当前目标通信连接的目标的总数量。
步骤S3，根据目标的历史运行状态异常大数据，为目标配置多个通道。
如图3所示，步骤S3包括如下子步骤：
步骤S310，根据目标的历史运行状态异常大数据，获取目标历史运行状态异常类型。
具体的，目标历史运行状态异常类型例如为：电压异常、电流异常、温度异常等。
作为本发明的其他具体实施例，还根据目标的历史运行状态异常大数据，获取目标的异常值范围。可选的，不同的异常值范围对应不同的通道。
步骤S320，根据目标历史运行状态异常类型的不同，为目标匹配不同的通道。
其中，不同的目标历史运行状态异常类型对应不同的通道。
作为本发明的具体实施例，通道的采集端设置信号采集装置，信号采集装置例如为：电压传感器、温度传感器、电流传感器或电量检测器等。根据目标历史运行状态异常类型匹配具有相应类型采集端的通道。例如，目标历史运行状态异常类型为电压异常，则匹配采集端为电压传感器的通道；目标历史运行状态异常类型为电流异常，则匹配采集端为电流传感器的通道。
具体的，根据目标历史运行状态异常类型和异常值范围，匹配具备相同类型及相应数值采集范围（即能够采集目标历史运行状态异常数据异常值范围）的信号采集装置的通道，进而通过匹配的通道采集目标的运行状态感知信号。
具体的，不同的通道采集的运行状态感知信号例如为：第一通道采集0-100V的电压信号；第二通道采集100-200的电压信号，第三通道采集0.5-1.5A的电流信号，第四通道采集90-200W的工作功率信号等。
作为本发明的具体实施例，目标例如为工业物联网设备或无人机等。
作为本发明的具体实施例，各个通道可单独设置信号采集装置的参数。参数包括传感器规格、参考参数、过载值、校准系数等。
步骤S4，根据目标的失态影响程度突出值，为多个通道配置通道采样频率。
如图4所示，步骤S4包括如下步骤：
步骤S410，根据目标的失态影响程度突出值，为目标配置多个通道的采样频率倍增值。
具体的，根据目标的失态影响程度突出值，为目标配置多个通道的采样频率倍增值的方法包括：为目标的失态影响程度突出值划定多个范围区间，每个范围区间对应不同的采样频率倍增值。
作为本发明的具体实施例，目标的失态影响程度突出值越大的范围区间，对应的采样频率倍增值越大，从而更大程度上提高通道采样频率，提高对目标的异常监测频率，而对于目标的失态影响程度突出值较小的范围区间，则配置较小的采样频率倍增值，从而在较小程度上提高通道采样频率或者降低通道采样频率，进而对于失态影响程度突出值较小的目标减少通道采样频率，即减小异常监测频率，有利于提高资源的利用率，使得更多的资源用于对失态影响程度突出值较大的目标进行异常监测和异常分析。
作为本发明的具体实施例，采样频率倍增值的设定范围在0-1之间的数，也可以设置在1-10之间的数等，在此不限制采样频率倍增值的设定范围。
作为举例说明，采样频率倍增值设置为0.5、1.2、1.5、2、2.5、3、4、5、6、8、10等。
步骤S420，根据多个通道的采样频率倍增值和通道的初始采样频率，确定通道采样频率。
具体的，通道采样频率为在通道的初始采样频率基础上，乘以采样频率倍增值获得的值。
假设初始采样频率为每周1次，采样频率倍增值为2，则通道采样频率为每周2次。
作为本发明的具体实施例，不同通道的采样频率可以是相同的或不同的。
步骤S5，多个通道根据配置的通道采样频率，采集目标的运行状态感知信号。
需要解释的是，不同的通道采集不同类型的运行状态感知信号，或者同一种类型不同数值范围的运行状态感知信号。不同类型例如为电压信号、电流信号或工作功率信号等。通过多通道的信号采集，解决目前一般仪器的测试通道少的问题。
步骤S6，信号转换模块将运行状态感知信号转换为数字信号。
作为本发明的具体实施例，多个通道通过网关将目标的运行状态感知信号传输至信号转换模块，信号转换模块将运行状态感知信号转换为数字信号。
作为本发明的具体实施例，多个通道将采集的目标的运行状态感知信号传输至信号转换模块，信号转换模块根据接收信号的先后顺序对运行状态感知信号进行转换为数字信号。若接收运行状态感知信号时间相同或时间差在预定范围内，则通道按照运行状态感知信号对应目标的优先级对运行状态感知信号进行转换，优选转换优先级靠前的目标的运行状态感知信号。
作为本发明的具体实施例，对信号转换模块的传输转换综合压力进行监测。
如图5所示，对信号转换模块的传输转换综合压力进行监测的方法包括如下步骤：
步骤S610，采集信号转换模块的传输转换综合压力特征数据。
具体的，传输转换综合压力特征数据包括信号转换模块等待传输的数据包数量和数据包大小（传输给上位机）、信号转换模块丢包率、信号转换模块等待转换的运行状态感知信号数量和等待转换的运行状态感知信号的预测转换时间。
步骤S620，根据信号转换模块的传输转换综合压力特征数据，计算信号转换模块的传输转换综合压力值。
具体的，信号转换模块的传输转换综合压力值的计算公式如下：
；
其中，表示信号转换模块的传输转换综合压力值；/>表示信号转换模块等待传输的数据包的影响权重；/>表示信号转换模块等待传输的数据包的数量；/>表示信号转换模块第/>个等待传输的数据包的大小；/>表示信号转换模块的数据传输速率；/>表示等待传输的数据包的最大允许传输时间；/>表示信号转换模块的丢包率影响权重；/>表示信号转换模块接收到运行状态感知信号的数量；/>表示信号转换模块发送给上位机的数字信号的数量；/>表示信号转换模块等待转换的运行状态感知信号的影响权重；/>表示信号转换模块等待转换的运行状态感知信号的数量；/>表示信号转换模块等待转换的运行状态感知信号的预测转换时间。
步骤S630，比较信号转换模块的传输转换综合压力值与预设压力阈值的大小，若信号转换模块的传输转换综合压力值大于预设压力阈值，则增加新的信号转换模块来处理未转换的运行状态感知信号，否则，无需增加新的信号转换模块。
步骤S7，对数字信号进行分析处理，判断该数字信号是否存在信号异常，若是，则对目标的运行状态进行优化，否则，无需对目标的运行状态进行优化。
作为本发明的具体实施例，上位机或CPU处理器接收信号转换模块转换的数字信号，将数字信号与预先存储在上位机或CPU处理器中对应的标准信号进行比较，判断是否存在不同，若是，则该数字信号存在信号异常，否则，该数字信号无信号异常。
作为本发明的具体实施例，上位机或CPU处理器中存储有预先训练的数字信号异常检测模型，上位机或CPU处理器通过预先训练的数字信号异常检测模型检测数字信号是否存在异常。数字信号异常检测模型为根据已知的正常的不同类型的数字信号对神经网络基础学习模型进行训练获得，该训练方法采用现有的技术，在此不再赘述。
作为本发明的具体实施例，上位机或CPU处理器接收信号转换模块转换的数字信号，将数字信号输入到预先训练的数字信号异常检测模型中进行检测识别，获取存在异常的数字信号，并输出数字信号的异常结果。
作为本发明的具体实施例，对目标的运行状态进行优化即对目标进行维修，使得目标的运行状态数据恢复正常。
作为本发明的具体实施例，多通道采集的信号实时显示在上位机，可直观查看异常信号。
实施例二
如图6所示，本申请提供一种基于大数据的多通道信号采集与处理***100，该***包括：
数据获取模块10，用于获取待监测目标集群中各个目标的历史运行状态异常大数据。
数据处理器20，用于根据目标的历史运行状态异常大数据，计算目标的失态影响程度突出值。
通道配置模块30，用于根据目标的历史运行状态异常大数据，为目标配置多个通道；以及根据目标的失态影响程度突出值，为多个通道配置通道采样频率。
多个通道40，用于根据配置的通道采样频率，采集目标的运行状态感知信号。
如图6所示，一种基于大数据的多通道信号采集与处理***100还包括：
信号转换模块50，用于将运行状态感知信号转换为数字信号。
信号分析处理模块60，用于对数字信号进行分析处理，判断该数字信号是否存在信号异常，若是，则对目标的运行状态进行优化，否则，无需对目标的运行状态进行优化。
其中，目标的失态影响程度突出值的计算公式为：
；
其中，表示目标的失态影响程度突出值；/>表示目标的历史运行状态异常大数据的总种类数；/>表示第/>种历史运行状态异常大数据的数值异常影响权重；/>表示第/>种历史运行状态异常大数据的总个数；/>表示第/>种历史运行状态异常大数据第/>个数据的异常值，/>表示第/>种历史运行状态异常大数据的标准值；/>表示第/>种历史运行状态异常大数据持续异常的影响权重；/>表示第/>种历史运行状态异常大数据第/>个数据的发生时刻；/>表示第/>种历史运行状态异常大数据第/>个数据的发生时刻；/>表示第/>种历史运行状态异常大数据关联异常影响权重；/>表示第/>种历史运行状态异常大数据关联异常值。
其中，第种历史运行状态异常大数据关联异常值的计算公式如下：
；
其中，表示在第/>个数据的采样时刻与当前目标通信连接也存在异常的其他目标的数量，/>表示与当前目标通信连接的目标的总数量。
本申请还提供一种计算机存储介质，所述计算机存储介质存储有计算机指令，所述计算机指令被调用时，用于执行所述的大容量固态硬盘的地址映射方法。计算机存储介质中包含一个或多个程序指令，一个或多个程序指令用于被处理器执行一种基于大数据的多通道信号采集与处理方法。
本发明所公开的实施例提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序指令，当所述计算机程序指令在计算机上运行时，使得计算机执行上述的一种基于大数据的多通道信号采集与处理方法。
本发明实施例提供一种处理器，用于处理上述的一种基于大数据的多通道信号采集与处理方法。
在本发明实施例中，处理器可以是一种集成电路芯片，具有信号的处理能力。处理器可以是通用处理器、数字信号处理器(Digital Signal Processor，简称 DSP)、专用集成电路(Application Specific Integrated Circuit，简称 ASIC)、现场可编程门阵列(Field Programmable Gate Array，简称 FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。处理器读取存储介质中的信息，结合其硬件完成上述方法的步骤。
存储介质可以是存储器，例如可以是易失性存储器或非易失性存储器，或可包括易失性和非易失性存储器两者。
其中，非易失性存储器可以是只读存储器(Read-Only Memory，简称 ROM)、可编程只读存储器(Programmable ROM，简称 PROM)、可擦除可编程只读存储器(Erasable PROM，简称Z230078F8XM2016.EPROM)、电可擦除可编程只读存储器(Electrically EPROM，简称EEPROM)或闪存。易失性存储器可以是随机存取存储器(Random Access Memory，简称RAM)，其用作外部高速缓存。通过示例性但不是限制性说明，许多形式的 RAM 可用，例如静态随机存取存储器(Static RAM，简称 SRAM)、动态随机存取存储器(Dynamic RAM，简称DRAM)、同步动态随机存取存储器(Synchronous DRAM，简称 SDRAM)、双倍数据速率同步动态随机存取存储器(Double Data Rate SDRAM，简 称 DDRSDRAM) 、 增 强 型 同 步 动态 随 机 存 取 存 储 器(Enhanced SDRAM，简称 ESDRAM)、同步连接动态随机存取存储器(Synchlink DRAM，简称SLDRAM)和直接内存总线随机存取存储器(Direct Rambus RAM，简称 DRRAM)。
本申请实现的有益效果如下：
（1）、本申请根据目标的历史运行状态异常大数据，为目标配置多个通道，通过多通道的信号采集，解决目前一般仪器的测试通道少的问题。从而实现多通道的信号采集，提高信号采集效率和信号采集质量。
（2）、本申请根据目标的失态影响程度突出值，为多个通道配置通道采样频率，从而实现根据目标的失态影响程度突出值，为不同的通道配置不同的采样频率，提高通道的采样精准度。
（3）、本申请对信号转换模块的传输转换综合压力进行监测，从而在信号转换模块传输转换综合压力较大时，增加新的信号转换模块进行信号转换处理，避免单一信号转换模块的传输转换压力过大，提高整体信号的转换效率和传输效率，同时合理利用信号转换模块的资源。
在本申请的描述中，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个所述特征。在本申请的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
在本申请的描述中，“例如”一词用来表示“用作例子、例证或说明”。本申请中被描述为“例如”的任何实施例不一定被解释为比其它实施例更优选或更具优势。为了使本领域任何技术人员能够实现和使用本发明，给出了以下描述。在以下描述中，为了解释的目的而列出了细节。应当明白的是，本领域普通技术人员可以认识到，在不使用这些特定细节的情况下也可以实现本发明。在其它实例中，不会对公知的结构和过程进行详细阐述，以避免不必要的细节使本发明的描述变得晦涩。因此，本发明并非旨在限于所示的实施例，而是与符合本申请所公开的原理和特征的最广范围相一致。
以上所述仅为本发明的实施方式而已，并不用于限制本发明。对于本领域技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原理内所做的任何修改、等同替换、改进等，均应包括在本发明的权利要求范围之内。
Claims (10)
1.一种基于大数据的多通道信号采集与处理方法，其特征在于，该方法包括如下步骤：
获取待监测目标集群中各个目标的历史运行状态异常大数据；
根据目标的历史运行状态异常大数据，计算目标的失态影响程度突出值；
根据目标的历史运行状态异常大数据，为目标配置多个通道；
根据目标的失态影响程度突出值，为多个通道配置通道采样频率；
多个通道根据配置的通道采样频率，采集目标的运行状态感知信号；
其中，根据目标的失态影响程度突出值，为多个通道配置通道采样频率的方法包括：
根据目标的失态影响程度突出值，为目标配置多个通道的采样频率倍增值；
根据多个通道的采样频率倍增值和通道的初始采样频率，确定通道采样频率；
其中，目标的失态影响程度突出值的计算公式为：
；
其中，表示目标的失态影响程度突出值；/>表示目标的历史运行状态异常大数据的总种类数；/>表示第/>种历史运行状态异常大数据的数值异常影响权重；/>表示第/>种历史运行状态异常大数据的总个数；/>表示第/>种历史运行状态异常大数据第/>个数据的异常值，/>表示第/>种历史运行状态异常大数据的标准值；/>表示第/>种历史运行状态异常大数据持续异常的影响权重；/>表示第/>种历史运行状态异常大数据第/>个数据的发生时刻；表示第/>种历史运行状态异常大数据第/>个数据的发生时刻；/>表示第/>种历史运行状态异常大数据关联异常影响权重；/>表示第/>种历史运行状态异常大数据关联异常值；
其中，第种历史运行状态异常大数据关联异常值的计算公式如下：
；
其中，表示在第/>个数据的采样时刻与当前目标通信连接也存在异常的其他目标的数量，/>表示与当前目标通信连接的目标的总数量。
2.根据权利要求1所述的基于大数据的多通道信号采集与处理方法，其特征在于，该方法还包括：
信号转换模块将运行状态感知信号转换为数字信号；
对数字信号进行分析处理，判断该数字信号是否存在信号异常，若是，则对目标的运行状态进行优化，否则，无需对目标的运行状态进行优化。
3.根据权利要求1所述的基于大数据的多通道信号采集与处理方法，其特征在于，根据目标的历史运行状态异常大数据，为目标配置多个通道的方法包括：
根据目标的历史运行状态异常大数据，获取目标历史运行状态异常类型；
根据目标历史运行状态异常类型的不同，为目标匹配不同的通道。
4.根据权利要求2所述的基于大数据的多通道信号采集与处理方法，其特征在于，对所述信号转换模块的传输转换综合压力进行监测。
5.根据权利要求1所述的基于大数据的多通道信号采集与处理方法，其特征在于，获取待监测目标集群中各个目标的历史运行状态异常大数据的方法包括：
获取待监测目标集群中各个目标的历史运行状态监测大数据和运行状态标准数据范围；
根据目标的历史运行状态监测大数据和运行状态标准数据范围，获取目标的历史运行状态异常大数据。
6.根据权利要求4所述的基于大数据的多通道信号采集与处理方法，其特征在于，根据目标的失态影响程度突出值，为目标配置多个通道的采样频率倍增值的方法包括：
为目标的失态影响程度突出值划定多个范围区间，每个范围区间对应不同的采样频率倍增值。
7.根据权利要求6所述的基于大数据的多通道信号采集与处理方法，其特征在于，目标的失态影响程度突出值越大的范围区间，对应的采样频率倍增值越大。
8.根据权利要求4所述的基于大数据的多通道信号采集与处理方法，其特征在于，对所述信号转换模块的传输转换综合压力进行监测的方法包括：
采集信号转换模块的传输转换综合压力特征数据；
根据信号转换模块的传输转换综合压力特征数据，计算信号转换模块的传输转换综合压力值；
比较信号转换模块的传输转换综合压力值与预设压力阈值的大小，若信号转换模块的传输转换综合压力值大于预设压力阈值，则增加新的信号转换模块来处理未转换的运行状态感知信号，否则，无需增加新的信号转换模块。
9.一种基于大数据的多通道信号采集与处理***，其特征在于，该***包括：
数据获取模块，用于获取待监测目标集群中各个目标的历史运行状态异常大数据；
数据处理器，用于根据目标的历史运行状态异常大数据，计算目标的失态影响程度突出值；
通道配置模块，用于根据目标的历史运行状态异常大数据，为目标配置多个通道；以及根据目标的失态影响程度突出值，为多个通道配置通道采样频率；
多个通道，用于根据配置的通道采样频率，采集目标的运行状态感知信号；
其中，目标的失态影响程度突出值的计算公式为：
；
其中，表示目标的失态影响程度突出值；/>表示目标的历史运行状态异常大数据的总种类数；/>表示第/>种历史运行状态异常大数据的数值异常影响权重；/>表示第/>种历史运行状态异常大数据的总个数；/>表示第/>种历史运行状态异常大数据第/>个数据的异常值，/>表示第/>种历史运行状态异常大数据的标准值；/>表示第/>种历史运行状态异常大数据持续异常的影响权重；/>表示第/>种历史运行状态异常大数据第/>个数据的发生时刻；表示第/>种历史运行状态异常大数据第/>个数据的发生时刻；/>表示第/>种历史运行状态异常大数据关联异常影响权重；/>表示第/>种历史运行状态异常大数据关联异常值；
其中，第种历史运行状态异常大数据关联异常值的计算公式如下：
；
其中，表示在第/>个数据的采样时刻与当前目标通信连接也存在异常的其他目标的数量，/>表示与当前目标通信连接的目标的总数量。
10.根据权利要求9所述的基于大数据的多通道信号采集与处理***，其特征在于，该***还包括：
信号转换模块，用于将运行状态感知信号转换为数字信号；
信号分析处理模块，用于对数字信号进行分析处理，判断该数字信号是否存在信号异常，若是，则对目标的运行状态进行优化，否则，无需对目标的运行状态进行优化。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311289222.5A CN117041768B (zh) | 2023-10-08 | 2023-10-08 | 一种基于大数据的多通道信号采集与处理方法及*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311289222.5A CN117041768B (zh) | 2023-10-08 | 2023-10-08 | 一种基于大数据的多通道信号采集与处理方法及*** |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117041768A CN117041768A (zh) | 2023-11-10 |
| CN117041768B true CN117041768B (zh) | 2023-12-26 |
Family
ID=88632196
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311289222.5A Active CN117041768B (zh) | 2023-10-08 | 2023-10-08 | 一种基于大数据的多通道信号采集与处理方法及*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117041768B (zh) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102231630A (zh) * | 2011-06-24 | 2011-11-02 | 清华大学 | 基于周期性随机信号混频的多通道采样方法 |
| CN110073301A (zh) * | 2017-08-02 | 2019-07-30 | 强力物联网投资组合2016有限公司 | 工业物联网中具有大数据集的数据收集环境下的检测方法和*** |
| CN115474108A (zh) * | 2022-09-16 | 2022-12-13 | 南京品淳通信科技有限公司 | 一种基于边缘计算的事件监控***及监控方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TWI555404B (zh) * | 2014-03-28 | 2016-10-21 | 晨星半導體股份有限公司 | 多通道串列連線信號接收系統 |
-
2023
- 2023-10-08 CN CN202311289222.5A patent/CN117041768B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102231630A (zh) * | 2011-06-24 | 2011-11-02 | 清华大学 | 基于周期性随机信号混频的多通道采样方法 |
| CN110073301A (zh) * | 2017-08-02 | 2019-07-30 | 强力物联网投资组合2016有限公司 | 工业物联网中具有大数据集的数据收集环境下的检测方法和*** |
| CN115474108A (zh) * | 2022-09-16 | 2022-12-13 | 南京品淳通信科技有限公司 | 一种基于边缘计算的事件监控***及监控方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117041768A (zh) | 2023-11-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN117093879B (zh) | 一种数据中心智能化运营管理方法及*** | |
| CN108627720B (zh) | 一种基于贝叶斯算法的电力设备状态监测方法 | |
| BR112021013786A2 (pt) | Método e sistema para detectar anomalias ou indicações prematuras de falha de equipamento | |
| CN117278643B (zh) | 基于云边协同的车载云标定数据传输*** | |
| CN117354171B (zh) | 基于物联网平台的平台健康状况预警方法及*** | |
| CN112734977B (zh) | 一种基于物联网的设备风险预警***及算法 | |
| CN117041768B (zh) | 一种基于大数据的多通道信号采集与处理方法及*** | |
| CN117892246A (zh) | 一种智能化开关柜用数据处理方法 | |
| CN117783745A (zh) | 用于换电柜的数据在线监测方法及*** | |
| CN117456707B (zh) | 一种智能母线槽温湿度异常预警方法及装置 | |
| CN113679395B (zh) | 一种多通道并行实时脑神经锋电位信号检测方法、装置和*** | |
| CN114608741A (zh) | 一种基于大数据的压力传感器采集*** | |
| CN114500615B (zh) | 基于物联传感技术的智能终端 | |
| CN112985518B (zh) | 一种基于物联网的温湿度智能监测方法及装置 | |
| CN115797355A (zh) | 太阳能光伏发电装置故障检测方法及*** | |
| CN116366756A (zh) | 一种手机智能化测试运行监控*** | |
| JP2022184619A (ja) | 測定装置、測定方法、及び監視システム | |
| CN113328881A (zh) | 一种面向非合作无线网络的拓扑感知方法及装置、*** | |
| CN117277565B (zh) | 一种用于配电网状态监测的通信***及方法 | |
| CN117978628B (zh) | 一种基于智慧园区通信控制方法及*** | |
| CN117082652B (zh) | 一种基于LoRa自组网同频避让的数据传输方法和*** | |
| CN117040137B (zh) | 基于多源数据的环网柜温升预警方法、***、终端及介质 | |
| CN117119503B (zh) | 基于5g工业互联网的智慧矿山数据采集方法 | |
| CN117990041B (zh) | 一种无线无源的形变监测方法 | |
| CN118168742A (zh) | 一种风电机组的振动监测和诊断*** |
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 | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: A multi-channel signal acquisition and processing method and system based on big data Granted publication date: 20231226 Pledgee: Zhongguancun Branch of Bank of Beijing Co.,Ltd. Pledgor: Beijing Huake Haixun Technology Co.,Ltd. Registration number: Y2024110000073 |