CN117978200A - 应用于呼吸防护设备的通讯***、方法及呼吸防护*** - Google Patents
应用于呼吸防护设备的通讯***、方法及呼吸防护*** Download PDFInfo
- Publication number
- CN117978200A CN117978200A CN202410202269.1A CN202410202269A CN117978200A CN 117978200 A CN117978200 A CN 117978200A CN 202410202269 A CN202410202269 A CN 202410202269A CN 117978200 A CN117978200 A CN 117978200A
- Authority
- CN
- China
- Prior art keywords
- pairing
- respiratory protection
- unit
- data
- information
- 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.)
- Pending
Links
- 230000000241 respiratory effect Effects 0.000 title claims abstract description 97
- 238000004891 communication Methods 0.000 title claims abstract description 75
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000003860 storage Methods 0.000 claims abstract description 52
- 230000005540 biological transmission Effects 0.000 claims abstract description 34
- 230000008569 process Effects 0.000 claims abstract description 24
- 238000012545 processing Methods 0.000 claims description 53
- 238000004458 analytical method Methods 0.000 claims description 31
- 238000004422 calculation algorithm Methods 0.000 claims description 15
- 238000007405 data analysis Methods 0.000 claims description 13
- 230000007774 longterm Effects 0.000 claims description 7
- 238000006243 chemical reaction Methods 0.000 claims description 5
- 238000004140 cleaning Methods 0.000 claims description 5
- 238000010606 normalization Methods 0.000 claims description 5
- 230000029058 respiratory gaseous exchange Effects 0.000 claims description 5
- 238000005065 mining Methods 0.000 claims description 4
- 238000013507 mapping Methods 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 abstract description 6
- 238000001914 filtration Methods 0.000 description 15
- 238000007726 management method Methods 0.000 description 10
- 230000000694 effects Effects 0.000 description 9
- 238000012423 maintenance Methods 0.000 description 9
- 238000013461 design Methods 0.000 description 8
- 238000009434 installation Methods 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 7
- 238000010801 machine learning Methods 0.000 description 6
- 230000002159 abnormal effect Effects 0.000 description 5
- 238000000429 assembly Methods 0.000 description 5
- 230000000712 assembly Effects 0.000 description 5
- 230000008859 change Effects 0.000 description 5
- 238000004519 manufacturing process Methods 0.000 description 5
- 238000005457 optimization Methods 0.000 description 5
- 230000006872 improvement Effects 0.000 description 4
- 230000000737 periodic effect Effects 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 238000012417 linear regression Methods 0.000 description 3
- 238000007619 statistical method Methods 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 238000012795 verification Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000011217 control strategy Methods 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 238000003066 decision tree Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000013439 planning Methods 0.000 description 2
- 238000007637 random forest analysis Methods 0.000 description 2
- 230000001932 seasonal effect Effects 0.000 description 2
- 230000001960 triggered effect Effects 0.000 description 2
- 230000032683 aging Effects 0.000 description 1
- 238000005311 autocorrelation function Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000030279 gene silencing Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 230000002688 persistence Effects 0.000 description 1
- 230000003449 preventive effect Effects 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000013179 statistical model Methods 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 238000012731 temporal analysis Methods 0.000 description 1
- 238000000700 time series analysis Methods 0.000 description 1
- 231100000331 toxic Toxicity 0.000 description 1
- 230000002588 toxic effect Effects 0.000 description 1
- 239000002341 toxic gas Substances 0.000 description 1
- 238000004148 unit process Methods 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明属于呼吸防护技术领域,尤其涉及一种应用于呼吸防护设备的通讯***、方法及呼吸防护***,通讯***包括:配对传输模块,包括第一配对单元和第二配对单元;主控模块,包括通讯单元、控制单元和存储单元:通讯单元与配对传输模块通讯连接,以进行信息传输;控制单元对第一配对单元和/或第二配对单元的身份信息,以及配对信息进行采集及处理。通过通讯***可实现呼吸防护设备与主控模块的有效通讯,通过主控模块建立多个呼吸防护设备的数据库,可以对数据进行分析、挖掘和可视化处理,以发现数据之间的关联性和规律性,从而为决策提供支持;统一的平台或***也可以与其他***集成,实现自动化的决策控制和监控管理,提高***的智能化水平。
Description
技术领域
本发明属于呼吸防护技术领域,尤其涉及一种应用于呼吸防护设备的通讯***、方法及呼吸防护***。
背景技术
电动呼吸设备大体上包括能够佩挂于人体腰间的主机、可拆卸地安装在主机上的过滤组件、面罩、位于主机与面罩之间的连接管、电池组及其他组件等。
为了保证使用者获得最佳的使用效果,首先,需要保证上述各组件的安装稳定性,例如,需确保过滤组件如滤芯、滤毒罐安装到位,从而实现有效的过滤,以及,需确保连接管的安装稳定性,保证主机与面罩之间气流的顺畅流通等等;其次,还需要确保部分组件在有效的使用时间内,这对于过滤组件是尤为关键的,例如,对于在有毒场合使用呼吸防护设备的用户,滤毒罐只能在有限的时间内提供呼吸防护,一旦使用超过设定时间,很有可能被毒气突破,对使用者造成人身安全的损害,因此,每一个滤毒罐都有必要记录它的使用时间,从而提醒告知用户滤毒罐很可能要达到突破时间,需及时更换滤毒罐,避免人身安全遭到损害;除此之外,根据噪音的限定要求,还需根据不同的过滤组件进行不同的风量控制,例如,滤毒罐的阻力大于滤芯的阻力,只有工作在一档的时候,滤毒罐才可以满足相关的静音要求,因此针对滤毒罐需降低风量档位,而针对普通的滤芯则可实现二挡或三挡等的风量供给。
针对上述需求,目前均已具有有效的技术手段,例如通过定位检测装置检测过滤组件是否安装到位,以及对过滤组件的类型和使用时长进行精准的识别;但目前检测和识别的数据结果均仅仅对应独立的呼吸防护设备使用,使用者仅可以根据对应性的数据来人为的执行呼吸防护设备的使用状态判断及操作。
而随着产品技术的发展,在大数据水平上进行有效的分析和决策控制成为了产品设计及控制的方向之一,这需要将上述数据整合到一个统一的平台或***中,因此,一种可实现呼吸防护设备数据通讯的专属***,成为了本领域的一项技术需求。
发明内容
本发明中提供了一种应用于呼吸防护设备的通讯***、方法及呼吸防护***,可有效解决背景技术中的问题。
为了达到上述目的,本发明所采用的技术方案是:
应用于呼吸防护设备的通讯***,包括:
配对传输模块,包括在设定位置范围内配对连接,且分别安装于呼吸防护设备的不同组件上的第一配对单元和第二配对单元;
主控模块,与若干所述配对传输模块连接,包括通讯单元、控制单元和存储单元:
所述通讯单元与所述配对传输模块通讯连接,以进行信息传输;
所述控制单元对所述第一配对单元和/或所述第二配对单元的身份信息,以及所述第一配对单元和第二配对单元的配对信息进行采集及处理,其中,所述身份信息至少包括所对应的呼吸防护设备的组件信息;
所述存储单元对所述身份信息和配对信息的采集及处理结果进行存储。
进一步地,还包括定位模块,安装于所述呼吸防护设备的设定位置;
所述通讯单元与所述定位模块通讯连接;
所述控制单元对所述定位模块的定位信息进行采集及处理;
所述存储单元对所述定位信息的采集和/或处理结果进行存储。
进一步地,所述控制单元对所述身份信息的采集及处理,包括:
持续判断是否有新的配对传输模块配对成功,直至判断结果为是,则对所述配对传输模块中第一配对单元和/或第二配对单元的身份信息进行采集;
为所述身份信息赋予:
唯一标识部分,记录所述呼吸防护设备上对应安装所述第一配对单元和/或第二配对单元的设定组件的唯一标识;
动态标识部分,记录所述设定组件的实时设定参数。
进一步地,所述存储单元通过第一存储区域仅存储一次所述唯一标识部分,通过第二存储区域存储与所述唯一标识部分对应的动态标识部分。
进一步地,建立所述第一存储区域和第二存储区域的对应性,包括:
在所述第一存储区域建立虚拟文件***,将每个唯一标识映射到一个唯一的文件路径或文件名;
将所述实时设定参数的动态数据以文件的形式存储在第二存储区域中,每个文件的路径或文件名与所述唯一标识对应。
进一步地,所述主控模块还包括数据处理单元,对所述存储单元所存储的数据进行处理及分析,并根据分析结果实现呼吸防护设备的使用状态预测。
进一步地,所述数据处理单元包括:
数据处理器,对从所述存储单元获取的数据进行处理,所述处理至少包括数据清洗、转换、归一化以及特征工程;
数据分析算法,对处理后的数据进行深入分析和挖掘,以发现数据中的趋势和关联性,获得分析结果;
预测模型,根据所述分析结果建立,用于预测未来呼吸防护设备的使用状态。
进一步地,所述预测模型为LSTM模型,包括:
输入层,接收所述分析结果;
LSTM层,学习所述分析结果中时间序列数据的长期依赖关系,并生成内部表示;
输出层,接收来自所述LSMT层的所述内部表示,且生成最终的预测结果;
滑动窗口,将来自所述分析结果中的时间序列数据划分为不同的窗口,并通过滑动窗口的方式在时间轴上移动,以生成系列的子序列数据,并输入所述LSTM层。
应用于呼吸防护设备的通讯方法,采用如上所述的呼吸防护设备的通讯***,包括:
采集安装于呼吸防护设备上,且需进行相对安装的两组件的配对信息,以及,采集至少其中一个组件的组件信息;
将所述配对信息和组件信息通过通讯连接进行传输;
对传输完成的所述配对信息和组件信息进行处理;
对不同所述配对信息和组件信息的处理结果进行集中存储。
呼吸防护***,包括若干呼吸防护设备,以及如上所述的应用于呼吸防护设备的通讯***;
所述通讯***包括若干配对传输模块,分别安装于若干所述呼吸防护设备上不同的需进行相对安装的两组件上;
所述通讯***通过所述主控模块和若干所述配对传输模块,对来自不同呼吸防护设备的所述身份信息和配对信息进行集中的采集、处理及存储;
所述主控模块与所述呼吸防护设备的风机连接,根据处理结果至少对所述风机的供给风量进行控制,以及,对设定组件的使用状态进行监测。
通过本发明的技术方案,可实现以下技术效果:
通过通讯***可实现呼吸防护设备与主控模块的有效通讯,通过主控模块建立多个呼吸防护设备的数据库,可以对数据进行分析、挖掘和可视化处理,以发现数据之间的关联性和规律性,从而为决策提供支持;基于数据分析的结果,可以制定相应的决策和控制策略,例如制定设备维护计划、优化设备设计、提高生产效率等,同时,统一的平台或***也可以与其他***集成,实现自动化的决策控制和监控管理,提高***的智能化水平。
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,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为应用于呼吸防护设备的通讯***的框架图;
图2为控制单元对身份信息的采集及处理的流程图;
图3为数据处理单元的框架图。
具体实施方式
下面将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,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本发明。本文所使用的术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组合。
实施例一
如图1所示,应用于呼吸防护设备的通讯***,包括:
配对传输模块,包括在设定位置范围内配对连接,且分别安装于呼吸防护设备的不同组件上的第一配对单元和第二配对单元;
主控模块,与若干配对传输模块连接,包括通讯单元、控制单元和存储单元:
通讯单元与配对传输模块通讯连接,以进行信息传输;
控制单元对第一配对单元和/或第二配对单元的身份信息,以及第一配对单元和第二配对单元的配对信息进行采集及处理,其中,身份信息至少包括所对应的呼吸防护设备的组件信息;
存储单元对身份信息和配对信息的采集及处理结果进行存储。
在本实施例中,通过配对传输模块中第一配对单元和第二配对单元的设置,可有效解决呼吸防护设备中各组件的装配判断,在使用过程中,第一配对单元和第二配对单元分别安装在等待相对安装的两组件上,从而通过配对连接的建立或解除来判断两组件的安装是否到位;在通讯***应用的过程中,例如,将一个配对传输模块中的第一配对单元安装在过滤组件上,第二配对单元安装在壳体上,通过第一配对单元和第二配对单元配对成功的结果可判定过滤组件相对于壳体安装到位;再例如,将一组配对传输模块中的第一配对单元安装在连接管一端,将第二配对单元安装在主机或面罩上,通过第一配对单元和第二配对单元配对成功的结果可判断连接管相对于主机或面罩安装到位。
主控模块与若干配对传输模块连接,可同时实现同多个呼吸防护设备上多组组件的安装准确性判断,且作为数据存储及处理的平台;主控模块所进行的工作包括第一配对单元和/或第二配对单元的身份信息的采集及处理,其中包括仅对第一配对单元的身份信息进行采集及处理,仅对第二配对单元的身份信息进行采集及处理,以及同时对第一配对单元和第二配对单元的身份信息进行采集和处理;在实施过程中,身份信息的识别目的至少包括通过身份信息判断安装第一配对单元和第二配对单元的组件信息,例如将第一配对单元安装在过滤组件上,通过身份信息来反映该过滤组件的型号、使用时长、工作状态等等。
存储单元则对上述信息的采集时间、原始数据以及处理结果等等进行存储,以供后续使用。
通过上述通讯***可实现呼吸防护设备与主控模块的有效通讯,通过主控模块建立多个呼吸防护设备的数据库,可以对数据进行分析、挖掘和可视化处理,以发现数据之间的关联性和规律性,从而为决策提供支持,例如,可以分析不同型号过滤组件的使用寿命、不同配对情况下的设备稳定性等。基于数据分析的结果,可以制定相应的决策和控制策略,例如制定设备维护计划、优化设备设计、提高生产效率等。同时,统一的平台或***也可以与其他***集成,实现自动化的决策控制和监控管理,提高***的智能化水平。
在实施过程中,配对信号可通过蓝牙,zigbee,无线宽带(Wi-Fi),超宽带(UWB),NFC(13.56MHz、433MHz、860MHz-960MHz)以及2.4G装置等其中的一种或几种进行传输;而对于通讯单元与配对传输模块的通讯连接,可通过GPRS/CDMA无线通信技术,数传电台通信,扩频微波通信,无线网桥,卫星通信,短波通信等其中的一种或几种实现。在选择通信技术时,还需要考虑通信的安全性、成本、能耗以及对设备硬件和软件的兼容性等因素,综合考虑上述因素后,可根据实际的需要选择最合适的通信技术,以确保通讯的稳定性和可靠性。
作为上述实施例的优选,应用于呼吸防护设备的通讯***还包括定位模块,安装于呼吸防护设备的设定位置;
通讯单元与定位模块通讯连接;
控制单元对定位模块的定位信息进行采集及处理;
存储单元对定位信息的采集和/或处理结果进行存储。
通过定位模块采集的位置信息,可以实现对呼吸防护设备的有效管理和维护,用户可以轻松地追踪设备的位置历史记录,了解设备的使用情况和位置变化,有助于制定更有效的维护计划和管理策略;定位模块提供精准的定位信息,这对于需要在复杂环境中操作或需要快速定位的场景非常有用,例如在紧急情况下,可以准确地定位设备和使用者的位置,加快救援速度;位置数据可以用于分析设备的使用模式和行为,通过分析设备在不同位置下的使用情况,可以识别出潜在的改进点和优化方案,从而提高设备的性能和使用效率。
针对通讯***产品,可将定位模块与配对传输模块中的第一配对单元和/或第二配对单元集成,而作为整体进行安装,降低安装难度对于通讯***的应用是有利的。
作为上述实施例的优选,如图2所示,控制单元对身份信息的采集及处理,包括:
持续判断是否有新的配对传输模块配对成功,直至判断结果为是,则对配对传输模块中第一配对单元和/或第二配对单元的身份信息进行采集;
为身份信息赋予:
唯一标识部分,记录呼吸防护设备上对应安装第一配对单元和/或第二配对单元的设定组件的唯一标识;
动态标识部分,记录设定组件的实时设定参数。
在上述实施例中,***能够及时识别并记录新的配对情况,除首次的安装外,在后续过滤组件的更换过程中,该过程对于新的过滤组件的识别是尤为关键的,这有助于确保设备中各组件的实时状态得到准确地监测和记录,提高了***的实时性和可靠性。
在实施的过程中,针对呼吸防护设备的部分组件是无需进行身份信息的采集的,例如,当相对于呼吸防护设备的壳体进行过滤组件的安装时,通过与壳体连接的第一配对单元和与过滤组件连接的第二配对单元进行二者相对安装位置的识别是必要的,而对于身份信息仅仅通过第二配对单元来识别过滤组件的组件信息即可,而无需通过第一配对单元来识别壳体的组件信息,具体地,使用寿命较为关键的组件是需要对组件信息进行采集的,如电池组、主机、过滤组件等,而面罩、连接管、壳体等则可根据实际的需要进行具体的选择。
为身份信息赋予唯一标识部分,能够记录配对传输模块中第一配对单元和/或第二配对单元所对应的设定组件的唯一标识,这样的设计可以确保每个组件都有独特的身份信息,避免了信息混淆和错误识别,提高了数据的准确性和可信度;动态标识部分记录了设定组件的实时设定参数,这意味着***能够实时记录设备各组件的当前状态和参数信息,这有助于用户及时了解设备的工作状态和性能参数,便于及时调整和优化设备的工作效率和性能;通过记录每个设定组件的唯一标识和动态参数,***可以实现对每个组件的个性化管理和优化,例如,针对不同的组件可以制定个性化的维护计划和优化策略,从而提高设备的使用寿命和性能。
通过持续采集和处理身份信息,***可以积累大量的数据,用于数据分析和决策支持,通过分析设备各组件的配对情况和动态参数变化,可以发现潜在的问题和改进点,从而指导未来的设备设计和管理策略。
从数据存储的优化角度出发,作为上述实施例的优选,存储单元通过第一存储区域仅存储一次唯一标识部分,通过第二存储区域存储与唯一标识部分对应的动态标识部分。
在上述优化方案中,通过仅存储一次唯一标识部分,避免了重复存储相同的身份信息,有效节省了存储空间,这对于大量数据的存储和管理尤为重要,有助于降低***成本和提高存储效率;将动态标识部分与唯一标识部分对应建立存储专区,确保了数据之间的一致性和关联性,这样的设计使得相关数据能够以组的形式进行存储和管理,提高了数据的可靠性和管理效率;通过建立动态标识部分的存储专区,使得相关的数据能够被组织和存储在一起,便于后续的数据检索和处理,这有助于提高数据的访问速度和处理效率,提升了***的性能和响应能力;通过优化存储单元的设计,避免了存储相同数据的冗余现象,降低了数据冗余的风险。这有助于保持数据的一致性和完整性,减少了数据管理的复杂性和风险。
作为上述实施例的优选,建立第一存储区域和第二存储区域的对应性,包括:
在第一存储区域建立虚拟文件***,将每个唯一标识映射到一个唯一的文件路径或文件名;
将实时设定参数的动态数据以文件的形式存储在第二存储区域中,每个文件的路径或文件名与唯一标识对应。
在实施过程中,需确保第一存储区域中的每个唯一标识都有其对应的动态数据文件,并且路径或文件名的命名规则能够明确地与唯一标识对应起来,这样,当需要获取某个唯一标识对应的动态数据时,只需使用该唯一标识来构造文件路径或文件名,就能够准确地找到对应的动态数据文件。
在第一存储区域中,建立一个虚拟文件***,其中的每个唯一标识都会被映射到一个唯一的文件路径或文件名,例如,假设唯一标识为ID_001,可以将其映射到路径/unique_id/ID_001或者文件名ID_001.txt;在第二存储区域中,则与之对应的动态数据文件可以存储在路径/dynamic_data/ID_001_data.txt或者文件名ID_001_data.txt。
控制单元对配对信息的采集及处理通常包括以下几个方面:
当配对成功时,控制单元会记录配对成功的时间、设备的唯一标识、以及配对成功的结构信息,如过滤组件与壳体的配对,这些信息可以帮助后续的数据分析和设备管理;
控制单元对配对信息进行验证和解析,确保信息的准确性和完整性,这至少涉及对配对成功的结构信息进行校验,如检查配对成功的结构是否符合设备组装的预期情况;
控制单元往往会对配对信息进行进一步的处理,以满足特定的需求,例如,可以根据配对成功的结构信息对设备的组装状态进行分析,监测设备的装配准确性和稳定性;如果控制单元检测到配对信息异常或不一致,可能会触发警报或异常处理机制,例如,如果配对信息显示配对结构不匹配或不合理,可能需要触发警报并进行进一步的检查和处理。
作为上述实施例的优选,主控模块还包括数据处理单元,对存储单元所存储的数据进行处理及分析,并根据分析结果实现呼吸防护设备的使用状态预测。
在本优选方案中,由于数据处理单元直接从存储单元获取数据,因此可以确保处理的数据与存储的数据一致,避免了数据不一致或冲突的情况;存储单元中存储的数据是实时更新的,因此数据处理单元能够即时获取到最新的数据,从而进行实时的处理和分析;存储单元中的数据经过验证和确认后存储,因此可以保证数据的准确性和可靠性,数据处理单元基于这些准确的数据进行处理和分析,从而得出准确的预测结果。
在实施过程中,通过预测呼吸防护设备的使用状态,可以及时发现潜在问题或故障迹象,采取预防性维护措施,避免设备因未预料到的故障而停机或损坏,从而提高设备的可靠性和持续性;通过预测结果可以合理规划和优化资源的利用,包括人力、材料和设备等,从而提高资源利用效率,降低生产成本;另外,根据预测结果还可以采取相应的措施,减少设备的过度使用或不当操作,延长设备的使用寿命,降低设备维护和更换成本,可以及时发现设备存在的安全隐患或风险因素,采取相应的安全措施,保障操作人员和生产环境的安全。
作为上述实施例的优选,如图3所示,数据处理单元包括:
数据处理器,对从存储单元获取的数据进行处理,处理至少包括数据清洗、转换、归一化以及特征工程;
其中,数据清洗用于检测和纠正数据中的错误、缺失或异常值,确保数据的质量和一致性;数据转换包括将数据从原始格式转换为适合分析和建模的格式,例如将数据编码为数字类型、将分类变量转换为数值型等;数据归一化用于调整数据的尺度和范围,以确保不同特征之间的权重相对一致,避免某些特征对模型的影响过大;特征工程是指通过创建新的特征或组合现有特征来提高数据表征能力,使得数据更具有解释性和预测性;
数据分析算法,对处理后的数据进行深入分析和挖掘,以发现数据中的趋势和关联性,获得分析结果;
数据分析算法包括统计分析、机器学习算法、深度学习算法等,具体来说,数据分析算法通常包括以下几个方面的工作:
统计分析是数据分析的基础,通过计算数据的各种统计量,如均值、方差、相关系数等,来描述数据的基本特征和分布情况,统计分析可以帮助了解数据的集中趋势、离散程度以及不同变量之间的相关性,从而揭示数据的整体特性。
机器学习算法是一类能够从数据中学习并提取模式和规律的算法,通过对大量历史数据的学习和训练,机器学习算法能够发现数据中的隐藏模式,并建立起预测模型来预测未来的趋势和状态,可应用于本实施例中的机器学习算法包括线性回归、决策树、支持向量机、随机森林等。
深度学习算法是一种基于人工神经网络的机器学习方法,它通过多层次的神经网络结构来学习数据的复杂特征和表示,深度学习算法在处理大规模数据和复杂模式识别任务时表现出色,能够自动学习数据中的抽象表示,并应用于预测、分类、聚类等任务。
预测模型,根据分析结果建立,用于预测未来呼吸防护设备的使用状态。
预测模型可以采用各种机器学习算法或统计模型来建立,例如线性回归、决策树、随机森林、神经网络等,这些模型将从数据分析中获得的特征和关联性转化为可用于预测的模式和规律,从而能够对未来的设备状态进行准确预测;预测模型的建立需要经过训练和验证,确保其具有良好的泛化能力和预测准确性,以满足实际应用的需求。
数据分析算法为预测模型提供了基础和支持,帮助识别出数据中的模式和关联性;而预测模型则利用这些分析结果建立起来,用于预测未来的趋势和状态,通过综合使用这两个过程,可以更全面地理解和利用数据,从而提高预测的准确性和可靠性。
其中,预测模型为LSTM模型,包括:
输入层,接收分析结果;
LSTM层,学习分析结果中时间序列数据的长期依赖关系,并生成内部表示;
输出层,接收来自LSMT层的内部表示,且生成最终的预测结果;
滑动窗口,将来自分析结果中的时间序列数据划分为不同的窗口,并通过滑动窗口的方式在时间轴上移动,以生成系列的子序列数据,并输入LSTM层。
采用LSTM等深度学习模型进行预测,能够更好地捕捉时间序列数据中的长期依赖关系和复杂模式,从而提高预测的准确性和稳定性,结合滑动窗口技术,可以增加数据的多样性和丰富性,提高模型的泛化能力和预测效果。
以以下具体情况作为举例,假设需要预测呼吸防护设备中过滤组件的寿命:
首先,从呼吸防护设备中收集一系列关于过滤组件使用状态的数据,可具体包括工作时间、工作温度、工作湿度等等信息。然后,对这些数据进行处理和分析,包括数据清洗、转换、归一化等操作,得到了一组用于预测的分析结果。
接着,将这些分析结果输入到预测模型中:在输入层,将这些分析结果传递给LSTM层,LSTM层将学习这些数据中的时间序列模式和长期依赖关系,例如过滤组件的使用模式随着时间的变化,通过学习这些模式,LSTM层将生成内部表示,捕捉到数据中的潜在规律和趋势;在输出层,接收来自LSTM层的内部表示,并将其转化为最终的预测结果,即过滤组件的寿命预测,这个预测结果可以展示在未来一段时间内过滤组件可能需要更换的时机,从而提前采取相应的维护措施,避免设备因为过滤组件的故障而停机或影响使用效果。
此外,通过引入滑动窗口的方法,可以将原始时间序列数据划分为不同的窗口,并在时间轴上滑动,生成一系列的子序列数据,这样做的好处是可以增加数据的多样性和丰富性,从而提高模型的泛化能力和预测准确性。
上述模型结构适用于处理多种类型的组件数据,包括但不限于过滤组件、电池组件、传感器组件等,无论是哪种类型的组件数据,都可以通过预测模型进行分析和预测,以实现对呼吸防护设备各组件的使用状态进行有效管理和维护。针对呼吸防护设备的具体应用场景,部分组件数据具有明显的时间特征,例如过滤组件的使用寿命随着时间的推移而变化、电池的充放电循环次数增加,电池的容量和性能可能会逐渐下降、传感器组件在长时间使用过程中可能会受到环境因素的影响,导致性能下降或失效等等,采用LSTM模型可以很好地捕捉到这种时间序列数据中的长期依赖关系和模式,从而实现对组件使用状态的准确预测,滑动窗口技术能够增加数据的多样性和丰富性,更好地反映数据的时间特征,提高预测模型的泛化能力和预测效果。
在实施过程中,滑动窗口的滑动方式可以通过设置两个关键参数来实现:
窗口大小:表示每个窗口包含的时间序列数据的数量,窗口大小的设置通常需要根据数据的特点和预测任务来确定,可以根据经验或实验进行调优。
滑动步长:表示每次滑动窗口在时间轴上移动的距离,也称为滑动间隔,用于控制窗口之间的重叠度和连续性,较小的滑动步长可以增加窗口之间的重叠度,从而提高数据的利用率和模型的稳定性,但会增加计算量;而较大的滑动步长可以减少重叠度,降低计算量,但可能会损失部分信息。
作为一种优选的方式,窗口大小和滑动步长之间的关系可优化的设定为:
S=W×(α+β)/2
其中,S表示滑动步长,W表示窗口大小,α和β分别表示周期性因子和趋势性因子,分别根据数据分析算法的分析结果中的趋势进行调整;S 表示滑动步长,其单位取决于窗口大小 W 的单位;W 表示窗口大小,其单位通常是时间单位,例如天、小时等;α和β分别表示周期性因子和趋势性因子,是无单位的纯数值。它们的值通常在 0 到 1 之间,表示对应的因子对滑动步长的影响程度。
具体地,周期性因子α用于考虑数据中存在的周期性变化,例如季节性变化或周期性事件对呼吸防护设备使用状态的影响,一种常见的计算周期性因子的方法是使用傅立叶变换或自相关函数来分析数据的周期性特征,并从中提取周期性因子的值,具体计算方法可能涉及复杂的频域分析技术,以确定数据中存在的周期性成分,并量化其影响程度;趋势性因子β用于考虑数据中存在的趋势性变化,例如数据随时间呈现出的持续增长或下降趋势,计算趋势性因子的方法可以基于线性回归、移动平均或其他时间序列分析技术,以确定数据的整体趋势方向和变化速度,具体计算方法可能涉及对数据进行拟合或趋势线的估计,以获取趋势性因子的值。
总体而言,周期性因子α和趋势性因子β都是为了更好地反映数据的特点而进行调整的,但是它们分别关注数据中的周期性和趋势性变化,因此在调整滑动窗口时起到了不同的作用。
在呼吸防护设备的具体场景中,采用上述方案的技术优势体现在以下几个方面:
更准确的预测:通过周期性因子 α 和趋势性因子 β 的调整,滑动窗口的大小和步长能够更好地适应呼吸防护设备使用状态的周期性变化和趋势性变化。例如,如果设备存在季节性变化或长期趋势,调整这两个因子可以使得滑动窗口更有效地捕捉到这些特征,从而提高预测的准确性。
更有效的数据利用:通过优化滑动窗口的方式,可以在保持一定的重叠度的情况下增加窗口之间的连续性,从而提高数据的利用率。在呼吸防护设备的场景中,如果某个时间段内的数据对预测下一个时间段的设备状态具有重要影响,那么采用合适的滑动窗口设计可以更充分地利用这些信息,使得模型能够更准确地捕捉到设备状态的变化。
减少信息丢失:通过调整滑动步长,可以在保持预测准确性的同时减少计算量。较小的滑动步长可以提高窗口之间的重叠度,增加数据的连续性,从而减少信息丢失;而较大的滑动步长则可以降低计算量,提高模型训练和预测的效率。在呼吸防护设备的预测任务中,这意味着可以在保证预测准确性的前提下,更高效地处理大量的时间序列数据。
实施例二
应用于呼吸防护设备的通讯方法,采用如实施例一所述的呼吸防护设备的通讯***,包括:
采集安装于呼吸防护设备上,且需进行相对安装的两组件的配对信息,以及,采集至少其中一个组件的组件信息;
将配对信息和组件信息通过通讯连接进行传输;
对传输完成的配对信息和组件信息进行处理;
对不同配对信息和组件信息的处理结果进行集中存储。
本实施例的技术效果如实施例一中所描述的,此处不再赘述。
实施例三
呼吸防护***,包括若干呼吸防护设备,以及如实施例一所述的应用于呼吸防护设备的通讯***;
通讯***包括若干配对传输模块,分别安装于若干呼吸防护设备上不同的需进行相对安装的两组件上;
通讯***通过主控模块和若干配对传输模块,对来自不同呼吸防护设备的身份信息和配对信息进行集中的采集、处理及存储;
主控模块与呼吸防护设备的风机连接,根据处理结果至少对风机的供给风量进行控制,以及,对设定组件的使用状态进行监测。
在实施过程中,相较于实施例一所能够实现的技术效果,本实施例中,可进一步有效的实现呼吸防护设备更为精细的控制,例如,通过主机供给风量的控制,可实现针对不同过滤组件的风量对应调节,从而满足设定的噪音要求,具体地,当过滤组件采用滤毒罐时,需因其阻力较大而降低风量,而当过滤组件采用普通的滤芯时,因其阻力较小可适当提高风量;通过主控模块对风机供给风量的控制,可以根据不同过滤组件的特性调节风量,以满足设定的噪音要求,这种精细的控制能够在不同工作条件下保证呼吸防护设备的性能和舒适性。
而针对使用状态的监测,则可通过组件信息而有效的获得,各个组件的详细信息,包括生产日期,材料,版本等等,还包括滤芯、滤毒罐的使用时间、电池组剩余电量等等,这些信息有助于实时监测设备的运行状态,及时发现问题并采取相应措施,提高了设备的可靠性和安全性。通过主控模块可实现呼吸防护设备的远程控制,这种功能使得操作人员可以远程调整设备的工作参数,进行远程维护和管理,提高了设备的智能化水平和使用便利性。
本实施例中的呼吸防护***通过进一步的技术改进和功能增强,提高了对呼吸防护设备的监测、控制和管理能力,为用户提供了更加安全、便捷和舒适的使用体验。具体实施时,可设置显示装置,具体可通过显示屏,包括LCD屏,断码屏,触摸屏等进行显示,其显示内容可包含以下几个功能中的一个或者几个:组件,包括滤芯,滤毒罐,软管等的连接状态,使用时间,老化程度,呼吸机使用状态,各个报警提醒,包括滤芯未安装,堵塞,滤毒罐未安装,或使用时间过长,风机异常,主板异常,电池组异常等等。
以上显示和描述了本发明的基本原理、主要特征及优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (10)
1.应用于呼吸防护设备的通讯***,其特征在于,包括:
配对传输模块,包括在设定位置范围内配对连接,且分别安装于呼吸防护设备的不同组件上的第一配对单元和第二配对单元;
主控模块,与若干所述配对传输模块连接,包括通讯单元、控制单元和存储单元:
所述通讯单元与所述配对传输模块通讯连接,以进行信息传输;
所述控制单元对所述第一配对单元和/或所述第二配对单元的身份信息,以及所述第一配对单元和第二配对单元的配对信息进行采集及处理,其中,所述身份信息至少包括所对应的呼吸防护设备的组件信息;
所述存储单元对所述身份信息和配对信息的采集及处理结果进行存储。
2.根据权利要求1所述的应用于呼吸防护设备的通讯***,其特征在于,还包括定位模块,安装于所述呼吸防护设备的设定位置;
所述通讯单元与所述定位模块通讯连接;
所述控制单元对所述定位模块的定位信息进行采集及处理;
所述存储单元对所述定位信息的采集和/或处理结果进行存储。
3.根据权利要求1所述的应用于呼吸防护设备的通讯***,其特征在于,所述控制单元对所述身份信息的采集及处理,包括:
持续判断是否有新的配对传输模块配对成功,直至判断结果为是,则对所述配对传输模块中第一配对单元和/或第二配对单元的身份信息进行采集;
为所述身份信息赋予:
唯一标识部分,记录所述呼吸防护设备上对应安装所述第一配对单元和/或第二配对单元的设定组件的唯一标识;
动态标识部分,记录所述设定组件的实时设定参数。
4.根据权利要求3所述的应用于呼吸防护设备的通讯***,其特征在于,所述存储单元通过第一存储区域仅存储一次所述唯一标识部分,通过第二存储区域存储与所述唯一标识部分对应的动态标识部分。
5.根据权利要求4所述的应用于呼吸防护设备的通讯***,其特征在于,建立所述第一存储区域和第二存储区域的对应性,包括:
在所述第一存储区域建立虚拟文件***,将每个唯一标识映射到一个唯一的文件路径或文件名;
将所述实时设定参数的动态数据以文件的形式存储在第二存储区域中,每个文件的路径或文件名与所述唯一标识对应。
6.根据权利要求1~5任一项所述的应用于呼吸防护设备的通讯***,其特征在于,所述主控模块还包括数据处理单元,对所述存储单元所存储的数据进行处理及分析,并根据分析结果实现呼吸防护设备的使用状态预测。
7.根据权利要求6所述的应用于呼吸防护设备的通讯***,其特征在于,所述数据处理单元包括:
数据处理器,对从所述存储单元获取的数据进行处理,所述处理至少包括数据清洗、转换、归一化以及特征工程;
数据分析算法,对处理后的数据进行深入分析和挖掘,以发现数据中的趋势和关联性,获得分析结果;
预测模型,根据所述分析结果建立,用于预测未来呼吸防护设备的使用状态。
8.根据权利要求7所述的应用于呼吸防护设备的通讯***,其特征在于,所述预测模型为LSTM模型,包括:
输入层,接收所述分析结果;
LSTM层,学习所述分析结果中时间序列数据的长期依赖关系,并生成内部表示;
输出层,接收来自所述LSMT层的所述内部表示,且生成最终的预测结果;
滑动窗口,将来自所述分析结果中的时间序列数据划分为不同的窗口,并通过滑动窗口的方式在时间轴上移动,以生成系列的子序列数据,并输入所述LSTM层。
9.应用于呼吸防护设备的通讯方法,采用如权利要求1所述的呼吸防护设备的通讯***,其特征在于,包括:
采集安装于呼吸防护设备上,且需进行相对安装的两组件的配对信息,以及,采集至少其中一个组件的组件信息;
将所述配对信息和组件信息通过通讯连接进行传输;
对传输完成的所述配对信息和组件信息进行处理;
对不同所述配对信息和组件信息的处理结果进行集中存储。
10.呼吸防护***,其特征在于,包括若干呼吸防护设备,以及如权利要求1所述的应用于呼吸防护设备的通讯***;
所述通讯***包括若干配对传输模块,分别安装于若干所述呼吸防护设备上不同的需进行相对安装的两组件上;
所述通讯***通过所述主控模块和若干所述配对传输模块,对来自不同呼吸防护设备的所述身份信息和配对信息进行集中的采集、处理及存储;
所述主控模块与所述呼吸防护设备的风机连接,根据处理结果至少对所述风机的供给风量进行控制,以及,对设定组件的使用状态进行监测。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410202269.1A CN117978200A (zh) | 2024-02-23 | 2024-02-23 | 应用于呼吸防护设备的通讯***、方法及呼吸防护*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410202269.1A CN117978200A (zh) | 2024-02-23 | 2024-02-23 | 应用于呼吸防护设备的通讯***、方法及呼吸防护*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117978200A true CN117978200A (zh) | 2024-05-03 |
Family
ID=90852999
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410202269.1A Pending CN117978200A (zh) | 2024-02-23 | 2024-02-23 | 应用于呼吸防护设备的通讯***、方法及呼吸防护*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117978200A (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102083179A (zh) * | 2010-08-11 | 2011-06-01 | 大唐移动通信设备有限公司 | 一种节能小区的控制处理方法及基站 |
CN103347307A (zh) * | 2013-07-19 | 2013-10-09 | 深圳市理邦精密仪器股份有限公司 | 一种监护仪的无线识别及数据传输的方法及*** |
CN113613549A (zh) * | 2019-04-04 | 2021-11-05 | 深圳迈瑞生物医疗电子股份有限公司 | 一种医疗设备配对***和方法 |
CN117114454A (zh) * | 2023-10-25 | 2023-11-24 | 南京中鑫智电科技有限公司 | 一种基于Apriori算法的直流套管状态评估方法及*** |
-
2024
- 2024-02-23 CN CN202410202269.1A patent/CN117978200A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102083179A (zh) * | 2010-08-11 | 2011-06-01 | 大唐移动通信设备有限公司 | 一种节能小区的控制处理方法及基站 |
CN103347307A (zh) * | 2013-07-19 | 2013-10-09 | 深圳市理邦精密仪器股份有限公司 | 一种监护仪的无线识别及数据传输的方法及*** |
CN113613549A (zh) * | 2019-04-04 | 2021-11-05 | 深圳迈瑞生物医疗电子股份有限公司 | 一种医疗设备配对***和方法 |
CN117114454A (zh) * | 2023-10-25 | 2023-11-24 | 南京中鑫智电科技有限公司 | 一种基于Apriori算法的直流套管状态评估方法及*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109886430B (zh) | 一种基于工业大数据的设备健康状态评估与预测方法 | |
CN109240244B (zh) | 基于数据驱动的设备运行状态健康度分析方法及*** | |
US8046180B2 (en) | Model-based determination of power source replacement in wireless and other devices | |
CN116647819B (zh) | 基于传感器网络的仪器能耗监测方法及*** | |
MX2013000066A (es) | Sistema, metodo y aparato para la gestion de estado y de pronosticos del equipo de campo de petroleo. | |
CN110977614A (zh) | 一种数控机床健康诊断方法 | |
CN117176560B (zh) | 一种基于物联网的监测设备监管***及其方法 | |
CN110988559A (zh) | 基于物联网的变电站直流***全生命周期的在线监测方法 | |
CN111486555A (zh) | 一种人工智能ai专家***进行中央空调节能调控的方法 | |
CN112367046A (zh) | 一种适用于偏远地区分布式光伏的云边协同远程运维*** | |
CN102931625A (zh) | 一种继电保护在线状态检修智能决策分析装置和其信号处理方法及其应用 | |
CN117113729A (zh) | 一种基于数字孪生的电力设备在线状态监测*** | |
KR20200084401A (ko) | 빅데이타를 활용한 공기압축기 양방향 고장진단 및 원격운전제어 시스템 | |
CN111045364B (zh) | 一种基于大数据平台的动力环境监控***辅助决策方法 | |
CN117032120A (zh) | 集成一体式空压站智能云控制***及控制方法 | |
CN117761444B (zh) | 一种电涌保护器的寿命监测方法及*** | |
CN117666367A (zh) | 煤矿井下机械远程控制方法及*** | |
CN118210265A (zh) | 一种空压站改造联控管理*** | |
CN110908344A (zh) | 监控分站、方法及*** | |
CN117346129A (zh) | 锅炉高温过热器外包低温受热面的温度调控*** | |
CN117061568A (zh) | 一种电气设备的智能数据处理方法及*** | |
CN117978200A (zh) | 应用于呼吸防护设备的通讯***、方法及呼吸防护*** | |
CN115718448A (zh) | 一种燃气调压站的智能监控***及监控方法 | |
CN111382946B (zh) | 设备健康状态的自主评估方法、***及工业互联网设备 | |
CN117128162B (zh) | 智慧能源空压站节能控制***及控制方法 |
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 |