[发明专利]一种瓦斯传感器故障数据的处理方法、装置、系统及介质在审
申请号: | 201910703030.1 | 申请日: | 2019-07-31 |
公开(公告)号: | CN110414612A | 公开(公告)日: | 2019-11-05 |
发明(设计)人: | 杨林;杨雁雯;卢雪娇;唐涛涛;翟展民 | 申请(专利权)人: | 精英数智科技股份有限公司 |
主分类号: | G06K9/62 | 分类号: | G06K9/62;G01N33/00 |
代理公司: | 北京知呱呱知识产权代理有限公司 11577 | 代理人: | 彭伶俐 |
地址: | 030032 山西省太原市小*** | 国省代码: | 山西;14 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 故障数据 瓦斯传感器 特征向量 能量归一化 瓦斯报警器 小波包分解 编码定义 状态编码 辨识 准确率 构建 预设 运维 真伪 报警 诊断 统一 | ||
1.一种瓦斯传感器故障数据的处理方法,其特征在于,包括:
获取瓦斯传感器故障数据;
将所述瓦斯传感器故障数据进行小波包分解及能量归一化处理,获取故障数据特征向量;
根据所述故障数据特征向量构建RBF神经网络,获取所述瓦斯传感器的状态编码;
根据预设编码定义,确定瓦斯传感器故障数据类型。
2.如权利要求1所述的一种瓦斯传感器故障数据的处理方法,其特征在于,所述瓦斯传感器故障数据类型包括以下一种或多种:
具有阶跃特征的偏置型信号,
预设频率区域内的周期型信号,
以固定速率偏移的漂移型信号,
具有尖峰的冲击型信号。
3.如权利要求1所述的一种瓦斯传感器故障数据的处理方法,其特征在于,所述将所述瓦斯传感器故障数据进行小波包分解及能量归一化处理包括:
将所述故障数据进行3层小波包分解,选取最优小波包基;
计算与所述最优小波包基对应的重构信号能量并进行归一化处理。
4.如权利要求2所述的一种瓦斯传感器故障数据的处理方法,其特征在于,所述根据所述故障特征向量构建RBF神经网络包括:
根据所述故障数据类型在所述故障数据特征向量中选取训练样本;
通过减聚类算法将所述训练样本进行聚类,获取聚类个数、中心向量及聚类宽度;
根据所述聚类个数、中心向量及聚类宽度,确定所述RBF神经网络的结构。
5.如权利要求4所述的一种瓦斯传感器故障数据的处理方法,其特征在于,所述RBF神经网络的拓扑结构为8-7-3。
6.如权利要求1所述的一种瓦斯传感器故障数据的处理方法,其特征在于,所述根据预设编码定义,确定瓦斯传感器故障数据类型包括:
响应于所述RBF神经网络经编码器输出为000时,确定所述瓦斯传感器故障数据为真;
响应于所述RBF神经网络经编码器输出码为001、010、011、100中任一种时,确定所述瓦斯传感器故障数据为假。
7.如权利要求1所述的一种瓦斯传感器故障数据的处理方法,其特征在于,所述根据预设编码定义,确定瓦斯传感器故障数据类型还包括:
响应于所述RBF神经网络经编码器输出为000时,确定所述瓦斯传感器故障数据为正常故障报;
响应于所述RBF神经网络经编码器输出为001时,确定所述瓦斯传感器故障数据为偏执型故障报;
响应于所述RBF神经网络经编码器输出为010时,确定所述瓦斯传感器故障数据为冲击型障报;
响应于所述RBF神经网络经编码器输出为011时,确定所述瓦斯传感器故障数据为漂移型故障报;
响应于所述RBF神经网络经编码器输出为100时,确定所述瓦斯传感器故障数据为周期型故障报。
8.一种瓦斯传感器故障数据的处理装置,其特征在于,包括:数据采集单元、分析单元,其中,
所述数据采集单元用于获取故障数据;
所述分析单元用于将所述瓦斯传感器故障数据进行小波包分解及能量归一化处理,获取所述故障数据特征向量;根据所述故障特征向量构建RBF神经网络,获取所述瓦斯传感器的状态编码;根据预设编码定义,确定瓦斯传感器故障数据类型。
9.一种瓦斯传感器故障数据的处理系统,其特征在于,包括:至少一个数据采集装置、至少一个处理器和至少一个提示装置;
所述数据采集装置用于获取故障数据;
所述处理器,用于运行一个或多个程序指令,用以执行如权利要求1-7任一项所述的方法。
10.一种计算机可读存储介质,其特征在于,所述计算机存储介质中包含一个或多个程序指令,所述一个或多个程序指令用于执行如权利要求1-7任一项所述的方法。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于精英数智科技股份有限公司,未经精英数智科技股份有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910703030.1/1.html,转载请声明来源钻瓜专利网。