基于物联网的防爆电器试验台的异常监测平台及系统的制作方法

allin2025-07-02  11


本发明涉及数据处理,尤其涉及基于物联网的防爆电器试验台的异常监测平台及系统。


背景技术:

1、防爆电器试验台是一种专门用于测试和验证防爆电器性能的设备,旨在确保防爆电器能够在潜在爆炸性环境中安全可靠地运行。防爆电器广泛应用于石油、化工、煤矿、制药等行业,这些行业中存在大量的易燃易爆物质,一旦发生事故,将对人身和经济造成巨大伤害和损失。由于防爆电器的性能是通过防爆电器试验台进行检测,因此,对于防爆电器试验台自身性能的监测同样至关重要。

2、公告号为cn218240270u的专利文件公开了一种防爆电器保护性能试验台,包括主体,所述主体的正面安装有测试台,所述测试台的右侧安装有一组垂直杆,且垂直杆位于主体的右侧,所述垂直杆的右侧安装有一组升降架,所述测试台的内部安装有升降电机,所述主体的顶部安装有清理器,且清理器的位于垂直杆的左侧,通过安装有垂直杆,工作人员能够操作控制按钮控制升降电机启动,使升降电机能够带动动力轮旋转和钢缆绳伸缩,使钢缆绳能够配合支杆带动滚动轮和升降架进行升降移动,同时支撑轮为升降架提供支撑,使一组升降架能够配合连接杆带动其顶部所测试的设备进行升降移动,使在测试防爆电器保护性能试验前能够方便自动升降被测试设备高度,节省工作人员的体力。

3、然而,上述专利文件并没有提到如何对防爆电器试验台本身进行监测,以保证防爆电器试验台异常监测结果的准确性;在现有技术中可以使用lof算法监测防爆电器试验台,但是由于各监测参数在不同区间范围内分布均匀度不同,传统lof算法通过局部密度获取局部离群因子,会使得实际正常的数据点由于分布不均导致局部离群因子偏高,在后续判断时虚警为异常数据点的情况,导致防爆电器试验台监测结果不准确。


技术实现思路

1、为了解决传统lof算法通过局部密度获取局部离群因子,会使得实际正常的数据点由于分布不均导致局部离群因子偏高,在后续判断时虚警为异常数据点的情况,导致防爆电器试验台监测结果不准确的问题,本发明提供基于物联网的防爆电器试验台的异常监测平台及系统。

2、第一方面,本发明提供基于物联网的防爆电器试验台的异常监测平台,采用如下的技术方案:

3、基于物联网的防爆电器试验台的异常监测平台,包括:数据采集模块,获取目标试验台以及各参考实验台同一类型的各次任务的各项参数;数据处理模块,将各参考试验台的各次任务分别作为一个候选任务,根据目标试验台各次任务与候选任务的目标参数之间的dtw距离的均值,确定候选任务的参考度;将目标试验台当前任务作为第一任务,根据候选任务和第一任务中的各采样点的目标参数,确定候选任务对第一任务中的各采样点在目标参数内的参考距离度量系数;根据目标试验台各次任务中各采样点的目标参数,确定第一任务中各采样点在目标参数内的距离度量系数;根据所述距离度量系数、所有候选任务的参考度以及所有候选任务对应的参考距离度量系数,确定第一任务中各采样点在目标参数内的最终距离度量系数,根据所有参数内的所述最终距离度量系数,确定第一任务中各采样点的局部可达密度,依据所述局部可达密度通过lof算法获取第一任务中各采样点的离群因子;分析预警模块,响应于离群因子大于异常阈值,发出异常预警提示。

4、通过使用dtw距离来比较目标试验台与参考试验台的任务数据,可以更准确地识别时间序列数据中的异常;利用已知数据作为对比基础,确定候选任务的参考度,更准确地识别潜在的异常情况;计算候选任务对第一任务中各采样点的参考距离度量系数,并综合所有候选任务的参考度,自适应各采样点的最终距离度量系数,提高对于复杂数据的适应能力;依据本发明中获取的局部可达密度通过lof算法获取每个采样点的离群因子,使得离群因子的值更加准确,减少将采样点虚警为异常数据点的情况;在离群因子超过设定的异常阈值时及时发出预警,能够迅速响应可能的设备故障或异常,从而提高系统的安全性和可靠性。

5、进一步地,所述各项参数包括防爆电器试验台的温度参数、压力参数、振动参数、电流参数和电压参数。

6、进一步地,所述参考度满足如下关系式:

7、;式中,为第个参考试验台第次任务中第项参数的参考度,为目标试验台任务的数量,为目标试验台第次任务与第个参考试验台第次任务的第项参数之间的dtw距离,线性归一化函数。

8、通过使用线性归一化函数,将dtw距离转化为一个标准化的度量,有助于避免由于参数尺度不同而造成的影响,从而提高了比较的公平性;使用均值对dtw距离进行平均,可以有效减少单次任务中的异常数据对参考度的影响。

9、进一步地,所述参考距离度量系数满足如下关系式:

10、;式中,为第个参考试验台第次任务对第一任务中的第个采样点在第项参数内的参考距离度量系数,为第个参考试验台第次任务中的采样点的数量,为第一任务中的第个采样点在第项参数的值,为第个参考试验台第次任务中第个采样点在第项参数的值,线性归一化函数,为自然指数函数。

11、通过自然指数函数和线性归一化函数,确保了对异常情况的精准识别和量化,从而提高了异常监测的准确性和可靠性;通过将每个采样点与参考试验台的多个采样点进行对比,并通过指数衰减和归一化处理,有效区分正常波动与异常变化,增强了系统的鲁棒性和检测精度。

12、进一步地,所述距离度量系数满足如下关系式:

13、;式中,为第一任务中的第个采样点在第项参数内的距离度量系数,为目标试验台任务的数量,为目标试验台第次任务中的采样点的数量,为第一任务中的第个采样点在第项参数的值,为目标试验台第次任务中的第个采样点在第项参数的值,线性归一化函数,为自然指数函数。

14、通过计算目标试验台各次任务中采样点与当前采样点在参数值上的指数衰减距离,并进行线性归一化,从而精确量化了每个采样点的距离度量系数,提高了异常检测的准确性和鲁棒性。

15、进一步地,所述最终距离度量系数满足如下关系式:

16、;式中,为第一任务中的第个采样点在第项参数内的最终距离度量系数,为参考试验台的数量,为第个参考试验台任务的数量,为第个参考试验台第次任务中第项参数的参考度,为第个参考试验台第次任务对第一任务中的第个采样点在第项参数内的参考距离度量系数,为第一任务中的第个采样点在第项参数内的距离度量系数。

17、通过综合参考试验台和目标试验台的距离度量系数,并依据参考试验台的参考度为权重,从而计算出最终距离度量系数,提高了异常检测的准确性和可靠性。

18、进一步地,所述局部可达密度满足如下关系式:

19、;式中,为第一任务中的第个采样点的局部可达密度,为参数的类别数量,为预设的局部范围内的采样点的数量,为第一任务中的第个采样点在第项参数内的最终距离度量系数,为第一任务中的第个采样点在第项参数的值,为第一任务中的第个采样点的局部范围内的第个采样点在第项参数的值。

20、通过获取局部可达密度,可以有效地度量目标试验台在某一采样点的局部环境中与其邻近点的相对密度,有助于识别在特定区域内的异常值或密集区;通过考虑目标点在局部范围内的其它数据点的影响,可以更精确地反映局部数据的结构,有助于提高数据分析和处理的准确性。

21、第二方面,本发明提供基于物联网的防爆电器试验台的异常监测系统,采用如下的技术方案:

22、基于物联网的防爆电器试验台的异常监测系统,包括:基于物联网的防爆电器试验台的异常监测终端和上述的基于物联网的防爆电器试验台的异常监测平台。

23、通过采用上述技术方案,将上述的基于物联网的防爆电器试验台的异常监测平台和基于物联网的防爆电器试验台的异常监测终端集成制作为基于物联网的防爆电器试验台的异常监测系统,从而方便使用。

24、本发明具有以下技术效果:

25、通过数据采集、处理、分析和预警的手段,显著提高了监测精度、数据处理能力和异常检测准确性,优化维护策略,降低成本,并提升系统的可靠性和安全性;再依据局部可达密度作为权重通过lof算法获取第一任务中的各采样点的离群因子,能够更准确地识别出异常采样点,避免正常数据点虚警为异常数据点,使得防爆电器试验台监测结果更准确。


技术特征:

1.基于物联网的防爆电器试验台的异常监测平台,其特征在于,包括:

2.根据权利要求1所述的基于物联网的防爆电器试验台的异常监测平台,其特征在于,所述各项参数包括防爆电器试验台的温度参数、压力参数、振动参数、电流参数和电压参数。

3.根据权利要求1所述的基于物联网的防爆电器试验台的异常监测平台,其特征在于,所述参考度满足如下关系式:

4.根据权利要求1所述的基于物联网的防爆电器试验台的异常监测平台,其特征在于,所述参考距离度量系数满足如下关系式:

5.根据权利要求1所述的基于物联网的防爆电器试验台的异常监测平台,其特征在于,所述距离度量系数满足如下关系式:

6.根据权利要求1所述的基于物联网的防爆电器试验台的异常监测平台,其特征在于,所述最终距离度量系数满足如下关系式:

7.根据权利要求1所述的基于物联网的防爆电器试验台的异常监测平台,其特征在于,所述局部可达密度满足如下关系式:

8.基于物联网的防爆电器试验台的异常监测系统,其特征在于,包括:基于物联网的防爆电器试验台的异常监测终端和根据权利要求1至7任一项权利要求所述的基于物联网的防爆电器试验台的异常监测平台。


技术总结
本发明涉及数据处理技术领域,尤其涉及基于物联网的防爆电器试验台的异常监测平台及系统。平台包括:数据采集模块,获取目标试验台以及各参考实验台同一类型的各次任务的各项参数;数据处理模块,依次确定参考度、参考距离度量系数、距离度量系数和最终距离度量系数和局部可达密度,依据局部可达密度通过LOF算法获取离群因子;分析预警模块,响应于离群因子大于异常阈值,发出异常预警提示。依据局部可达密度作为权重通过LOF算法获取第一任务中的各采样点的离群因子,能够更准确地识别出异常采样点,避免正常数据点虚警为异常数据点,使得防爆电器试验台监测结果更准确。

技术研发人员:刘太坡,程勇,楚强,王慧,刘勇,史修仓,邵大伟,尹箫箫
受保护的技术使用者:山东硕鑫机电科技有限公司
技术研发日:
技术公布日:2024/10/31
转载请注明原文地址: https://www.8miu.com/read-22704.html

最新回复(0)