一种具备边缘计算终端的雷达水情监测系统的制作方法

1.本发明涉及水利大数据分析技术领域，更具体的说是涉及一种具备边缘计算终端的雷达水情监测系统。


背景技术：

2.现有的对于雷达水情监测，都为在末端采集装置中实现，末端采集装置包括处理模块、通信模块以及数据采集模块。数据采集模块将采集的数据通过处理模块计算出水位数据，再通过通信模块发送出去。这种方法使末端采集装置的造成以下几种情况：
3.1、采集数据量大、数据密集，导致数据精确度低，上传数据流量大、费用高，功耗高；
4.2、为降低数据量，采集装置减少测量频率，从而导致反馈数据不准确，无法精准反映水情。
5.因功耗大，设备需要有稳定且持久的电源进行能量支持，更导致设备在偏远野外安装费用高昂，运维成本大。同时，计算数据频繁输出，数据信息量巨大，设备的使用时长问题愈发明显。
6.因此，如何提供一种具备边缘计算终端的雷达水情监测系统，是本领域技术人员亟需解决的问题。


技术实现要素：

7.有鉴于此，本发明提供了一种具备边缘计算终端的雷达水情监测系统，能够解决传统雷达水情监测因无法对采集到的数据进行预处理，导致的数据量密集、数据精确度低、功耗大、传输流量大、传输费用大、无法精准反映水情等问题。
8.为了实现上述目的，本发明采用如下技术方案：
9.一种具备边缘计算终端的雷达水情监测系统，包括末端数据采集装置、ai边缘计算终端和物联网云平台；
10.所述末端数据采集装置用于采集飞行时间数据并将所述飞行时间数据上传至所述ai边缘计算终端；
11.所述ai边缘计算终端用于对所述飞行时间数据进行预处理，并根据预处理后的数据进行边缘计算，根据边缘计算的结果调整控制参数并反馈至所述末端数据采集装置，或将预处理后的数据进行滤波后上传至所述物联网云平台。
12.其中，所述ai边缘计算终端计算得到的水利信息，通过3g、4g等网络传输至所述物联网云平台，所述物联网云平台对这些数据进行存储、融合处理等操作，对所述ai边缘计算终端中的算法进行全网更新。
13.进一步的，所述末端数据采集装置包括雷达水位计、mcu处理器和第一通信模块；
14.所述雷达水位计用于采集脉冲飞行时间数据，并将所述飞行时间数据通过所述第一通信模块上传至所述ai边缘计算终端；
15.所述mcu处理器采用互相关算法将根据所述飞行时间数据和所述雷达水位计运行状态进行本地化处理，并将处理后的本地化数据转换成预设标准格式后通过第一通信模块发送至所述ai边缘计算终端。
16.进一步的，所述ai边缘计算终端包括dsp处理器、第二通信模块和第三通信模块；
17.所述dsp处理器用于根据所述末端数据采集装置预先设置的数据采集频率对所述飞行时间数据进行数据补齐后采用主成分分析算法进行解析，得到流量信息；
18.所述第二通信模块用于将所述优化参数反馈至所述末端采集装置；
19.所述第三通信模块与所述物联网云平台通信连接，进行数据交互。
20.进一步的，所述末端采集装置还包括电子水尺，所述电子水尺用于监测水位，采集水位信息。
21.进一步的，所述ai边缘计算终端采用中位值滤波算法，将飞行时间差进行滤波处理，得到滤波后的飞行时间差，并将所述飞行时间差通过所述第三通信模块上传至所述物联网云平台。
22.进一步的，根据权利要求3所述的一种具备边缘计算终端的雷达水情监测系统，其特征在于，所述ai边缘计算终端还包括本地数据存储模块，用于存储ai边缘计算算法，所述dsp处理器根据所述ai边缘计算算法计算水位流量。
23.进一步的，所述本地数据存储模块还用于存储预处理数据；所述dsp处理器根据所述本体数据存储模块提供的源数据对所述ai边缘计算算法进行自我优化。
24.本发明的有益效果：
25.经由上述的技术方案可知，与现有技术相比，本发明公开提供了一种具备边缘计算终端的雷达水情监测系统，大计算量在水利ai边缘计算终端中完成，末端采集装置只需进行数据采集，末端采集装置的工作时间减少，大大降低了雷达水情监测的功耗需求，提升了产品性能；同时，该系统可利用水利ai边缘计算终端中存储的算法等进行全网更新，方便快捷，以很低的计算代价获得高精度的水情信息检测；为了减轻末端装置的压力，所述水利ai边缘计算终端还采用滤波算法对脉冲发出时间和接收反射回波时间进行滤波。
附图说明
26.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的实施例，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，还可以根据提供的附图获得其他的附图。
27.图1附图为本发明提供的一种具备边缘计算终端的雷达水情监测系统结构示意图。
具体实施方式
28.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。基于本发明中的实施例，本领域普通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，都属于本发明保护的范围。
29.如图1，本发明实施例公开了一种具备边缘计算终端的雷达水情监测系统，包括末端数据采集装置、ai边缘计算终端和物联网云平台；
30.末端数据采集装置用于采集飞行时间数据并将飞行时间数据上传至ai边缘计算终端；
31.ai边缘计算终端用于对飞行时间数据进行预处理，并根据预处理后数据进行边缘计算，根据边缘计算的结果调整控制参数并反馈至末端数据采集装置，或将预处理后的数据滤波后上传至物联网云平台。
32.在另一实施例中，末端数据采集装置包括雷达水位计、mcu处理器和第一通信模块；
33.雷达水位计用于采集脉冲飞行时间数据，并将飞行时间数据通过第一通信模块上传至ai边缘计算终端；
34.mcu处理器采用互相关算法将根据飞行时间数据和雷达水位计运行状态进行本地化处理，并将处理后的本地化数据转换成预设标准格式后通过第一通信模块发送至ai边缘计算终端。
35.其中，本地化处理是指本地处理模块对接收到的飞行时间以及水位计运行状态信息进行智能运算，并根据运算结果对现场设备进行实时调整和控制，同时将本地控制信息和状态信息转换成预设标准格式后上传至边缘计算终端；通过mcu处理器的本地化处理，提高了数据处理效率，避免无效数据或错误数据的产生，并减少将错误数据、无效数据上传，避免垃圾数据的产生，影响设备的计量；以轻量化处理减轻设备的工作时间，降低产品功耗。
36.在另一实施例中，ai边缘计算终端包括dsp处理器、第二通信模块和第三通信模块；
37.dsp处理器用于根据末端数据采集装置预先设置的数据采集频率对飞行时间数据进行数据补齐后采用主成分分析算法进行解析，得到流量信息；
38.第二通信模块用于将优化参数反馈至末端采集装置；
39.第三通信模块与物联网云平台通信连接，进行数据交互。
40.其中，对飞行时间数据进行数据补齐即预处理过程，这个预处理是指将采集的飞行时间进行时间序列上的补充，如采集频率为2s，1mins采集30个数据，边缘计算终端实际获取29个数据，若少一个数据，则将第28个时间点数据自动填充到29序列上，目的就是为下一步的主成分分析的解析过程提供源数据。根据解析到的水位信息，引入水力学参数如断面、渠道糙率和谢才系数等，通过参数拟合得出流量信息。
41.在另一实施例中，采用中位值滤波算法，将飞行时间差进行滤波处理，得到滤波后的飞行时间差，以减轻末端计算的大量数据的计算工作，得到有效采样值，将得到的飞行时间差传递给第三通信模块。
42.在另一实施例中，末端采集装置还包括电子水尺，电子水尺用于监测水位，采集水位信息。
43.其中，电子水尺采集的水位信息作为自动化率定的水位数据，将根据飞行时间数据计算的水位数据与电子水池采集的水位数据进行率定，提高了测试数据的准确性。
44.在另一实施例中，ai边缘计算终端采用中位值滤波算法，将飞行时间差进行滤波
处理，得到滤波后的飞行时间差，并将飞行时间差通过第三通信模块上传至物联网云平台。
45.在另一实施例中，ai边缘计算终端还包括本地数据存储模块，用于存储本地算法，dsp处理器根据本地化算法计算水位流量。
46.在另一实施例中，本地数据存储模块还用于存储预处理数据；dsp处理器根据本体数据存储模块提供的源数据对ai边缘计算算法进行自我优化。本发明对雷达水情监测，如水位监测和流速流量监测；通过大数据自学习算法不断优化水位流量率定系数以及温补系数，提升测试数据的精度。
47.本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
48.对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。