CN117949029A - 基于人工智能的传感器运行测控方法和*** - Google Patents

基于人工智能的传感器运行测控方法和*** Download PDF

Info

Publication number
CN117949029A
CN117949029A CN202410352517.0A CN202410352517A CN117949029A CN 117949029 A CN117949029 A CN 117949029A CN 202410352517 A CN202410352517 A CN 202410352517A CN 117949029 A CN117949029 A CN 117949029A
Authority
CN
China
Prior art keywords
sensor
data
data acquisition
acquisition task
container
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.)
Withdrawn
Application number
CN202410352517.0A
Other languages
English (en)
Inventor
王晓丹
王曦
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.)
Sichuan Bingji Technology Co ltd
Original Assignee
Sichuan Bingji Technology Co ltd
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 Sichuan Bingji Technology Co ltd filed Critical Sichuan Bingji Technology Co ltd
Priority to CN202410352517.0A priority Critical patent/CN117949029A/zh
Publication of CN117949029A publication Critical patent/CN117949029A/zh
Withdrawn legal-status Critical Current

Links

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
    • G01D18/00—Testing or calibrating apparatus or arrangements provided for in groups G01D1/00 - G01D15/00
    • 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

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Testing Or Calibration Of Command Recording Devices (AREA)

Abstract

本发明涉及数据处理领域，公开了基于人工智能的传感器运行测控方法和***，包括：传感器管理模块根据传感器的参数建立传感器运行容器，任务管理模块获取数据采集任务，生成对应数据采集任务的传感器管理容器池，并连接到对应数据采集任务的传感器管理容器池；将数据采集任务信息发送到对应数据采集任务的传感器管理容器池，传感器数据采集任务信息进行数据采集，并发送到传感器连接的传感器运行容器；对应数据采集任务的传感器管理容器池根据数据采集任务信息，判断数据是否合格，若数据合格，完成传感器运行测控。通过本发明所提供的技术方案可以实现根据不同的测控任务，对传感器实行不同的控制策略，极大的扩展了本方案的应用范围。

Description

基于人工智能的传感器运行测控方法和***
技术领域
本发明涉及数据处理领域，具体是基于人工智能的传感器运行测控方法和***。
背景技术
随着物联网和人工智能技术的飞速发展，传感器在各个领域的应用越来越广泛。传感器能够捕获并转换各种物理量，如温度、压力、湿度、光照、声音等，为各种设备和***提供关键的运行数据。然而，由于传感器工作环境的复杂性和多变性，以及传感器本身的性能限制，传感器的运行状态和测量数据常常受到干扰和误差的影响。因此，如何有效地对传感器进行运行测控，提高传感器的测量精度和稳定性，成为当前亟待解决的问题。
传统的测控方法往往缺乏根据测控任务对传感器运行状态的自适应调整和优化，无法根据实时的运行环境和测量数据对测控策略进行动态调整，导致测控效果的不稳定。
发明内容
本发明的目的在于克服现有技术的不足，提供基于人工智能的传感器运行测控方法，包括如下步骤：
步骤一，传感器管理模块根据传感器的参数建立传感器运行容器，在任务管理模块建立传感器运行容器管理模块，将所有的传感器运行容器连接到传感器运行容器管理模块；
步骤二，任务管理模块获取数据采集任务，生成对应数据采集任务的传感器管理容器池，根据数据采集任务信息在传感器运行容器管理模块匹配到传感器运行容器，并连接到对应数据采集任务的传感器管理容器池；
步骤三，将数据采集任务信息发送到对应数据采集任务的传感器管理容器池，对应数据采集任务的传感器管理容器池根据连接的传感器运行容器，与对应的传感器连接，传感器数据采集任务信息进行数据采集，并发送到传感器连接的传感器运行容器；对应数据采集任务的传感器管理容器池根据数据采集任务信息，判断数据是否合格，若为一致性数据采集任务，则进入步骤四，若为非一致性数据采集任务，则进入步骤六；
步骤四，对应数据采集任务的传感器管理容器池根据各个传感器运行容器的数据，获取数据的一致性，若数据的一致性合格，则进入步骤八，否则，进入步骤五；
步骤五，分别获取各个传感器运行容器的数据与标准数据的偏差，根据偏差差值定位故障传感器，对故障传感器进行故障排除，传感器运行容器重新获取传感器采集的数据，并返回步骤四；
步骤六，对应数据采集任务的传感器管理容器池根据各个传感器运行容器的数据，获取各个传感器的数据与对应标准数据的偏差值，若均在设定的差值阈值范围内，则进入步骤八；否则，进入步骤七；
步骤七，根据不在差值阈值范围内的偏差值定位故障传感器，对故障传感器进行故障排除，传感器运行容器重新获取传感器采集的数据，并返回步骤六；
步骤八，数据合格，完成传感器运行测控。
进一步的，所述的根据数据采集任务信息在传感器运行容器管理模块匹配到传感器运行容器，包括：根据数据采集任务信息，获取数据采集类型，若为一致性数据采集任务，则根据数据采集任务信息中需求的传感器参数，在传感器运行容器管理模块匹配需求数量的传感器运行容器；
若为非一致性数据采集任务，则根据数据采集任务信息中需求的传感器的数量和位置，在传感器运行容器管理模块匹配对应的传感器运行容器。
进一步的，所述的将数据采集任务信息发送到对应数据采集任务的传感器管理容器池，对应数据采集任务的传感器管理容器池根据连接的传感器运行容器，与对应的传感器连接，包括：若为一致性数据采集任务，则将数据采集任务信息发送到传感器管理容器池中的各个传感器运行容器；
若为非一致性数据采集任务，则将数据采集任务根据传感器位置进行分解，得到对应传感器位置的子任务，将分解出的对应传感器位置的子任务，发送到传感器管理容器池中对应的传感器运行容器。
进一步的，所述的对应数据采集任务的传感器管理容器池根据各个传感器运行容器的数据，获取数据的一致性，包括：
传感器管理容器池根据各个传感器运行容器的数据，得到数据波动，若数据波动不大于波动阈值，则数据一致性合格，否则，则不合格。
进一步的，所述的各个传感器运行容器的数据，得到数据波动，包括：根据各个传感器运行容器的数据，得到数据最大与最小的差值，即为数据波动。
进一步的，所述的对应数据采集任务的传感器管理容器池根据各个传感器运行容器的数据，获取各个传感器的数据与对应标准数据的偏差值，包括：
不同对应传感器位置的子任务对应不同的标准数据，各个传感器采集的数据与对应传感器位置的子任务的标准数据的差，得到各个传感器采集的数据与对应标准数据的偏差值。
基于人工智能的传感器运行测控***，应用基于人工智能的传感器运行测控方法，包括云端数据服务器、传感器、传感器管理模块、数据处理模块、通信装置和任务管理模块；
所述的传感器管理模块、通信装置分别与所述的数据处理模块连接；所述的云端数据服务器和任务管理模块分别与所述的通信装置通信连接；所述的传感器与所述的传感器管理模块连接。
本发明的有益效果是：通过本发明所提供的技术方案可以实现根据不同的测控任务，对传感器实行不同的控制策略，极大的扩展了本方案的应用范围。
附图说明
图1为基于人工智能的传感器运行测控方法的流程示意图；
图2为基于人工智能的传感器运行测控***的原理示意图。
具体实施方式
下面结合附图进一步详细描述本发明的技术方案，但本发明的保护范围不局限于以下所述。
为了使本发明的目的，技术方案及优点更加清楚明白，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用以解释本发明，并不用于限定本发明，即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。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明的实施例，本领域技术人员在没有做出创造性劳动的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。需要说明的是，术语“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。
而且，术语“包括”，“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程，方法，物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程，方法，物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程，方法，物品或者设备中还存在另外的相同要素。
以下结合实施例对本发明的特征和性能作进一步的详细描述。
如图1所示，基于人工智能的传感器运行测控方法，包括如下步骤：
步骤一，传感器管理模块根据传感器的参数建立传感器运行容器，在任务管理模块建立传感器运行容器管理模块，将所有的传感器运行容器连接到传感器运行容器管理模块；
步骤二，任务管理模块获取数据采集任务，生成对应数据采集任务的传感器管理容器池，根据数据采集任务信息在传感器运行容器管理模块匹配到传感器运行容器，并连接到对应数据采集任务的传感器管理容器池；
步骤三，将数据采集任务信息发送到对应数据采集任务的传感器管理容器池，对应数据采集任务的传感器管理容器池根据连接的传感器运行容器，与对应的传感器连接，传感器数据采集任务信息进行数据采集，并发送到传感器连接的传感器运行容器；对应数据采集任务的传感器管理容器池根据数据采集任务信息，判断数据是否合格，若为一致性数据采集任务，则进入步骤四，若为非一致性数据采集任务，则进入步骤六；
步骤四，对应数据采集任务的传感器管理容器池根据各个传感器运行容器的数据，获取数据的一致性，若数据的一致性合格，则进入步骤八，否则，进入步骤五；
步骤五，分别获取各个传感器运行容器的数据与标准数据的偏差，根据偏差差值定位故障传感器，对故障传感器进行故障排除，传感器运行容器重新获取传感器采集的数据，并返回步骤四；
步骤六，对应数据采集任务的传感器管理容器池根据各个传感器运行容器的数据，获取各个传感器的数据与对应标准数据的偏差值，若均在设定的差值阈值范围内，则进入步骤八；否则，进入步骤七；
步骤七，根据不在差值阈值范围内的偏差值定位故障传感器，对故障传感器进行故障排除，传感器运行容器重新获取传感器采集的数据，并返回步骤六；
步骤八，数据合格，完成传感器运行测控。
所述的根据数据采集任务信息在传感器运行容器管理模块匹配到传感器运行容器，包括：根据数据采集任务信息，获取数据采集类型，若为一致性数据采集任务，则根据数据采集任务信息中需求的传感器参数，在传感器运行容器管理模块匹配需求数量的传感器运行容器；
若为非一致性数据采集任务，则根据数据采集任务信息中需求的传感器的数量和位置，在传感器运行容器管理模块匹配对应的传感器运行容器。
其中所述的传感器位置为沿着某一设定方向，根据需求的传感器数量，在设定的方向按照传感器的先后顺序确定的各个传感器的位置。
所述的将数据采集任务信息发送到对应数据采集任务的传感器管理容器池，对应数据采集任务的传感器管理容器池根据连接的传感器运行容器，与对应的传感器连接，包括：若为一致性数据采集任务，则将数据采集任务信息发送到传感器管理容器池中的各个传感器运行容器；
若为非一致性数据采集任务，则将数据采集任务根据传感器位置进行分解，得到对应传感器位置的子任务，将分解出的对应传感器位置的子任务，发送到传感器管理容器池中对应的传感器运行容器。
所述的对应数据采集任务的传感器管理容器池根据各个传感器运行容器的数据，获取数据的一致性，包括：
传感器管理容器池根据各个传感器运行容器的数据，得到数据波动，若数据波动不大于波动阈值，则数据一致性合格，否则，则不合格。
所述的各个传感器运行容器的数据，得到数据波动，包括：根据各个传感器运行容器的数据，得到数据最大与最小的差值，即为数据波动。
所述的对应数据采集任务的传感器管理容器池根据各个传感器运行容器的数据，获取各个传感器的数据与对应标准数据的偏差值，包括：
不同对应传感器位置的子任务对应不同的标准数据，各个传感器采集的数据与对应传感器位置的子任务的标准数据的差，得到各个传感器采集的数据与对应标准数据的偏差值。
如图2所示， 基于人工智能的传感器运行测控***，应用所述的基于人工智能的传感器运行测控方法，包括云端数据服务器、传感器、传感器管理模块、数据处理模块、通信装置和任务管理模块；
所述的传感器管理模块、通信装置分别与所述的数据处理模块连接；所述的云端数据服务器和任务管理模块分别与所述的通信装置通信连接；所述的传感器与所述的传感器管理模块连接。
以上所述仅是本发明的优选实施方式，应当理解本发明并非局限于本文所披露的形式，不应看作是对其他实施例的排除，而可用于各种其他组合、修改和环境，并能够在本文所述构想范围内，通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离本发明的精神和范围，则都应在本发明所附权利要求的保护范围内。

Claims (7)

1.基于人工智能的传感器运行测控方法，其特征在于，包括如下步骤：
步骤一，传感器管理模块根据传感器的参数建立传感器运行容器，在任务管理模块建立传感器运行容器管理模块，将所有的传感器运行容器连接到传感器运行容器管理模块；
步骤二，任务管理模块获取数据采集任务，生成对应数据采集任务的传感器管理容器池，根据数据采集任务信息在传感器运行容器管理模块匹配到传感器运行容器，并连接到对应数据采集任务的传感器管理容器池；
步骤三，将数据采集任务信息发送到对应数据采集任务的传感器管理容器池，对应数据采集任务的传感器管理容器池根据连接的传感器运行容器，与对应的传感器连接，传感器数据采集任务信息进行数据采集，并发送到传感器连接的传感器运行容器；对应数据采集任务的传感器管理容器池根据数据采集任务信息，判断数据是否合格，若为一致性数据采集任务，则进入步骤四，若为非一致性数据采集任务，则进入步骤六；
步骤四，对应数据采集任务的传感器管理容器池根据各个传感器运行容器的数据，获取数据的一致性，若数据的一致性合格，则进入步骤八，否则，进入步骤五；
步骤五，分别获取各个传感器运行容器的数据与标准数据的偏差，根据偏差差值定位故障传感器，对故障传感器进行故障排除，传感器运行容器重新获取传感器采集的数据，并返回步骤四；
步骤六，对应数据采集任务的传感器管理容器池根据各个传感器运行容器的数据，获取各个传感器的数据与对应标准数据的偏差值，若均在设定的差值阈值范围内，则进入步骤八；否则，进入步骤七；
步骤七，根据不在差值阈值范围内的偏差值定位故障传感器，对故障传感器进行故障排除，传感器运行容器重新获取传感器采集的数据，并返回步骤六；
步骤八，数据合格，完成传感器运行测控。
2.根据权利要求1所述的基于人工智能的传感器运行测控方法，其特征在于，所述的根据数据采集任务信息在传感器运行容器管理模块匹配到传感器运行容器，包括：根据数据采集任务信息，获取数据采集类型，若为一致性数据采集任务，则根据数据采集任务信息中需求的传感器参数，在传感器运行容器管理模块匹配需求数量的传感器运行容器；
若为非一致性数据采集任务，则根据数据采集任务信息中需求的传感器的数量和位置，在传感器运行容器管理模块匹配对应的传感器运行容器。
3.根据权利要求2所述的基于人工智能的传感器运行测控方法，其特征在于，所述的将数据采集任务信息发送到对应数据采集任务的传感器管理容器池，对应数据采集任务的传感器管理容器池根据连接的传感器运行容器，与对应的传感器连接，包括：若为一致性数据采集任务，则将数据采集任务信息发送到传感器管理容器池中的各个传感器运行容器；
若为非一致性数据采集任务，则将数据采集任务根据传感器位置进行分解，得到对应传感器位置的子任务，将分解出的对应传感器位置的子任务，发送到传感器管理容器池中对应的传感器运行容器。
4.根据权利要求1所述的基于人工智能的传感器运行测控方法，其特征在于，所述的对应数据采集任务的传感器管理容器池根据各个传感器运行容器的数据，获取数据的一致性，包括：
传感器管理容器池根据各个传感器运行容器的数据，得到数据波动，若数据波动不大于波动阈值，则数据一致性合格，否则，则不合格。
5.根据权利要求4所述的基于人工智能的传感器运行测控方法，其特征在于，所述的各个传感器运行容器的数据，得到数据波动，包括：根据各个传感器运行容器的数据，得到数据最大与最小的差值，即为数据波动。
6.根据权利要求3所述的基于人工智能的传感器运行测控方法，其特征在于，所述的对应数据采集任务的传感器管理容器池根据各个传感器运行容器的数据，获取各个传感器的数据与对应标准数据的偏差值，包括：
不同对应传感器位置的子任务对应不同的标准数据，各个传感器采集的数据与对应传感器位置的子任务的标准数据的差，得到各个传感器采集的数据与对应标准数据的偏差值。
7.基于人工智能的传感器运行测控***，其特征在于，应用权利要求1-6任一所述的基于人工智能的传感器运行测控方法，包括云端数据服务器、传感器、传感器管理模块、数据处理模块、通信装置和任务管理模块；
所述的传感器管理模块、通信装置分别与所述的数据处理模块连接；所述的云端数据服务器和任务管理模块分别与所述的通信装置通信连接；所述的传感器与所述的传感器管理模块连接。
CN202410352517.0A 2024-03-26 2024-03-26 基于人工智能的传感器运行测控方法和*** Withdrawn CN117949029A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202410352517.0A CN117949029A (zh) 2024-03-26 2024-03-26 基于人工智能的传感器运行测控方法和***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202410352517.0A CN117949029A (zh) 2024-03-26 2024-03-26 基于人工智能的传感器运行测控方法和***

Publications (1)

Publication Number Publication Date
CN117949029A true CN117949029A (zh) 2024-04-30

Family

ID=90805513

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202410352517.0A Withdrawn CN117949029A (zh) 2024-03-26 2024-03-26 基于人工智能的传感器运行测控方法和***

Country Status (1)

Country Link
CN (1) CN117949029A (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111782644A (zh) * 2020-07-27 2020-10-16 江苏工程职业技术学院 一种基于区块链技术的科研数据管理控制***及方法
CN116026389A (zh) * 2023-03-07 2023-04-28 湖南科技学院 一种基于数据分析的智能传感器运行检测***
CN116691351A (zh) * 2023-08-03 2023-09-05 四川吉利学院 新能源汽车电池安全智能监测及管理方法、装置及***
CN117742241A (zh) * 2023-12-27 2024-03-22 江苏安全技术职业学院 一种基于云计算的数据采集方法和***

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111782644A (zh) * 2020-07-27 2020-10-16 江苏工程职业技术学院 一种基于区块链技术的科研数据管理控制***及方法
CN116026389A (zh) * 2023-03-07 2023-04-28 湖南科技学院 一种基于数据分析的智能传感器运行检测***
CN116691351A (zh) * 2023-08-03 2023-09-05 四川吉利学院 新能源汽车电池安全智能监测及管理方法、装置及***
CN117742241A (zh) * 2023-12-27 2024-03-22 江苏安全技术职业学院 一种基于云计算的数据采集方法和***

Similar Documents

Publication Publication Date Title
CN109698857B (zh) 用于自适应工业物联网(iiot)的***和方法
CN110532152A (zh) 一种基于Kapacitor计算引擎的监控告警处理方法及***
EP3270307A3 (en) Cell processing system and method with centralized data management, monitoring and/or control
US20040059851A1 (en) Logic arrangement, system and method for configuration and control in fieldbus applications
US20200280609A1 (en) Automatic tag mapping and generation from data string
Mönks et al. Towards distributed intelligent sensor and information fusion
Zug et al. An architecture for a dependable distributed sensor system
CN116300681B (zh) 一种用于plc的自动接线监测方法及***
US20180152826A1 (en) Integration of transducer data collection
Munera et al. Dynamic reconfiguration of a RGBD sensor based on QoS and QoC requirements in distributed systems
CN110232130B (zh) 元数据管理谱系生成方法、装置、计算机设备和存储介质
CN113703506B (zh) 一种建筑材料生产车间环境控制调节方法及***
CN117949029A (zh) 基于人工智能的传感器运行测控方法和***
Mönks et al. Assisting the design of sensor and information fusion systems
US20180356801A1 (en) Method and system for optimizing the operation of at least one of a plurality of field devices from automation technology
CN101286069A (zh) 谐振频率识别
CN115883677A (zh) 一种智能网关处理消防物联设备通信异构数据的方法
CN114268650B (zh) 用于建立通信连接的配置方法及***
CN114818945A (zh) 融入类别自适应度量学习的小样本图像分类方法及装置
CN113190403A (zh) 大数据平台运行状态的监控***、计算机设备、终端、介质
Silva et al. A Compensation Model for Packet Loss Using Kalman Filter in Wireless Network Control Systems
US20240085222A1 (en) Information processing apparatus, information processing method, and computer-readable recording medium
CN117591283B (zh) 基于跨平台数据融合的云切设备管理方法及***
KR20200075091A (ko) 이상 감지를 위한, 엣지 기반의 데이터 차등 갱신 방법 및 장치
CN109635313B (zh) 一种生成pcb涨缩工具图纸的方法及装置

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
WW01 Invention patent application withdrawn after publication

Application publication date: 20240430