大气温室气体监测用采样泵工作状态运行监测系统及方法与流程

文档序号:37588612发布日期:2024-04-18 12:18阅读:20来源:国知局
大气温室气体监测用采样泵工作状态运行监测系统及方法与流程

本发明涉及大气环境监测,特别涉及大气温室气体监测用采样泵工作状态运行监测系统及方法。


背景技术:

1、目前,气象部门在用温室气体观测系统,主要用于监测大气中co2、ch4浓度变化,用于大气温室气体监测的采样泵是样气处理单元的重要组成部分,采样泵的工作状态对于样气采集的可靠性以及设备能耗等方面有着重要影响,目前对于大气温室气体监测用采样泵的工作状态存在监测能力不足、工作耗时长,以及工作不稳定导致的采样泵故障率增加等问题。


技术实现思路

1、为克服上述现有技术的不足,本发明提供大气温室气体监测用采样泵工作状态运行监测方法,包括:

2、获取目标采样泵的运行状态参数,对所述运行状态参数进行降噪处理,得到所述目标采样泵的无噪运行参数;

3、通过fast r-cnn算法对所述无噪运行参数进行数据评估,获取评估结果;

4、基于所述评估结果,通过student-t分布的混合模型确定所述目标采样泵异常状态对应的异常参数特征,根据所述异常参数特征进行目标采样泵故障报警。

5、优选的,所述获取目标采样泵的运行状态参数,对所述运行状态参数进行降噪处理,得到所述目标采样泵的无噪运行参数,包括:

6、通过db10小波对目标采样泵的运行状态参数进行分解,获得所述运行状态参数对应的小波系数幅值;

7、通过去除所述小波系数幅值中小波系数极大值的变化趋势显示降低的运行状态参数,得到所述目标采样泵的无噪运行参数。

8、优选的,所述通过fast r-cnn算法对所述无噪运行参数进行数据评估,获取评估结果,包括:

9、将所述目标采样泵的无噪运行参数输入深层卷积网络,通过所述深层卷积网络中的卷积操作,确定预选框尺寸,根据所述预选框尺寸得到不同尺寸的预选框特征图;

10、其中,所述预选框特征图包括多个预选框,用于进行图像特征的刻画;

11、根据每个预选框的尺寸在所述预选框特征图上进行全局聚合运算,获取一维特征数据;

12、将所述一维特征数据与fast r-cnn算法中的全连接网络对接,通过所述全连接网络对所述一维特征数据进行图像特征表达,得到图像特征表达汇总数据;

13、将svm分类器与所述全连接网络的输出端进行连接,通过所述svm分类器将所述图像特征表达汇总按照预设数据阈值进行评估分类,获取评估结果;

14、其中,所述评估结果包括:目标采样泵异常运行结果和目标采样泵正常运行结果;

15、其中,所述svm分类器是基于目标采样泵异常参数状态类型预先建立的。

16、优选的,所述svm分类器的损失函数为:

17、;

18、式中,表示svm分类器的损失函数;表示svm分类器的评估结果种类,其中包括正常结果和异常结果;表示预设数据阈值;表示对数函数;表示根据预设数据阈值在全连接网络中的输出。

19、优选的,所述基于所述评估结果,通过student-t分布的混合模型确定所述目标采样泵异常状态对应的异常参数特征,根据所述异常参数特征进行目标采样泵故障报警,包括:

20、基于所述评估结果,获取所述评估结果显示目标采样泵异常运行结果对应的一维特征数据;

21、对所述一维特征数据进行时频分布变换,获得所述一维特征数据的时频数据,并在所述时频数据中加入分析信号,确定目标采样泵的异常运行频率;

22、基于所述目标采样泵的异常运行频率,获取目标采样泵的异常时频分布,并根据所述异常时频分布进行特征提取,生成目标采样泵的运行异常特征向量;

23、通过student-t分布的混合模型对所述运行异常特征向量的隐变量进行学习,生成目标采样泵的异常参数特征对应的状态标签;

24、将带有状态标签的异常参数特征输入到深度收缩自编码网络-高斯过程模型中,获取目标采样泵异常运行状态的报警特征,根据所述报警特征进行目标采样泵故障报警。

25、优选的,所述对所述一维特征数据进行时频分布变换式如下:

26、

27、式中,表示一维特征数据的时频分布变换;表示一维特征数据;是的共轭复数;表示核函数,其中为核函数的固定参数,表示驻留时间;表示时间变量;表示频率;t表示时间。

28、优选的,在所述根据所述评估结果,确定所述目标采样泵异常状态对应的异常运行数据,根据所述异常运行数据进行故障报警之后,还包括:

29、根据所述目标采样泵异常状态对应的异常运行数据,对目标采样泵的运行参数进行改进,获取目标采样泵的改进运行参数;

30、根据所述目标采样泵的改进运行参数确定采样泵运行优化目标函数,根据所述采样泵运行优化目标函数和采样泵工作状态约束条件,构建采样泵运行优化配置模型;

31、将获取的目标采样泵的运行状态参数输入采样泵运行优化配置模型,由采样泵运行优化配置模型结合目标采样泵运行工况输出优化配置参数;

32、将所述优化配置参数反馈给所述目标采样泵的控制单元,进行参数调节;

33、其中,所述目标采样泵的控制单元为所述目标采样泵的后台控制单元。

34、优选的,所述采样泵运行优化目标函数表达式为:

35、;

36、;

37、式中,表示优化时段数量;表示第t个优化时段;表示目标采样泵在优化时段t的改进运行参数;表示目标采样泵在优化时段t的异常运行数据;表示目标采样泵运行数据异常比例;表示改进参数。

38、优选的,所述采样泵工作状态约束条件:

39、;

40、式中,表示目标采样泵在优化时段t的改进运行参数;表示目标采样泵在优化时段t的正常运行参数;表示目标采样泵在优化时段t的改进容量;表示优化时段数量;表示第t个优化时段。

41、基于同一发明构思,本发明还提供一种大气温室气体监测用采样泵工作状态运行监测系统,包括:

42、参数获取单元,用于获取目标采样泵的运行状态参数,对所述运行状态参数进行降噪处理,得到所述目标采样泵的无噪运行参数;

43、评估获取单元,用于通过fast r-cnn 算法对所述无噪运行参数进行数据评估,获取评估结果;

44、故障报警单元,用于基于所述评估结果,通过student-t分布的混合模型确定所述目标采样泵异常状态对应的异常参数特征,根据所述异常参数特征进行目标采样泵故障报警。

45、优选的,所述参数获取单元具体用于:

46、通过db10小波对目标采样泵的运行状态参数进行分解,获得所述运行状态参数对应的小波系数幅值;

47、通过去除所述小波系数幅值中小波系数极大值的变化趋势显示降低的运行状态参数,得到所述目标采样泵的无噪运行参数。

48、优选的,所述评估获取单元具体用于:

49、将所述目标采样泵的无噪运行参数输入深层卷积网络,通过所述深层卷积网络中的卷积操作,确定预选框尺寸,根据所述预选框尺寸得到不同尺寸的预选框特征图;

50、其中,所述预选框特征图包括多个预选框,用于进行图像特征的刻画;

51、根据每个预选框的尺寸在所述预选框特征图上进行全局聚合运算,获取一维特征数据;

52、将所述一维特征数据与 fast r-cnn 算法中的全连接网络对接,通过所述全连接网络对所述一维特征数据进行图像特征表达,得到图像特征表达汇总数据;

53、将svm分类器与所述全连接网络的输出端进行连接,通过所述svm分类器将所述图像特征表达汇总按照预设数据阈值进行评估分类,获取评估结果;

54、其中,所述评估结果包括:目标采样泵异常运行结果和目标采样泵正常运行结果;

55、其中,所述svm分类器是基于目标采样泵异常参数状态类型预先建立的。

56、优选的,所述评估获取单元中svm分类器的损失函数为:

57、;

58、式中,表示svm分类器的损失函数;表示svm分类器的评估结果种类,其中包括正常结果和异常结果;表示预设数据阈值;表示对数函数;表示根据预设数据阈值在全连接网络中的输出。

59、优选的,所述故障报警单元具体用于:

60、基于所述评估结果,获取所述评估结果显示目标采样泵异常运行结果对应的一维特征数据;

61、对所述一维特征数据进行时频分布变换,获得所述一维特征数据的时频数据,并在所述时频数据中加入分析信号,确定目标采样泵的异常运行频率;

62、基于所述目标采样泵的异常运行频率,获取目标采样泵的异常时频分布,并根据所述异常时频分布进行特征提取,生成目标采样泵的运行异常特征向量;

63、通过student-t分布的混合模型对所述运行异常特征向量的隐变量进行学习,生成目标采样泵的异常参数特征对应的状态标签;

64、将带有状态标签的异常参数特征输入到深度收缩自编码网络-高斯过程模型中,获取目标采样泵异常运行状态的报警特征,根据所述报警特征进行目标采样泵故障报警。

65、优选的,所述故障报警单元中对所述一维特征数据进行时频分布变换式如下:

66、

67、式中,表示一维特征数据的时频分布变换;表示一维特征数据;是的共轭复数;表示核函数,其中为核函数的固定参数,表示驻留时间;表示时间变量;表示频率;t表示时间。

68、优选的,所述大气温室气体监测用采样泵工作状态运行监测系统,还包括参数优化单元,所述参数优化单元具体用于:

69、根据所述目标采样泵异常状态对应的异常运行数据,对目标采样泵的运行参数进行改进,获取目标采样泵的改进运行参数;

70、根据所述目标采样泵的改进运行参数确定采样泵运行优化目标函数,根据所述采样泵运行优化目标函数和采样泵工作状态约束条件,构建采样泵运行优化配置模型;

71、将获取的目标采样泵的运行状态参数输入采样泵运行优化配置模型,由采样泵运行优化配置模型结合目标采样泵运行工况输出优化配置参数;

72、将所述优化配置参数反馈给所述目标采样泵的控制单元,进行参数调节;

73、其中,所述目标采样泵的控制单元为所述目标采样泵的后台控制单元。

74、优选的,所述参数优化单元中采样泵运行优化目标函数表达式为:

75、;

76、;

77、式中,表示优化时段数量;表示第t个优化时段;表示目标采样泵在优化时段t的改进运行参数;表示目标采样泵在优化时段t的异常运行数据;表示目标采样泵运行数据异常比例;表示改进参数。

78、优选的,所述参数优化单元中采样泵工作状态约束条件:

79、;

80、式中,表示目标采样泵在优化时段t的改进运行参数;表示目标采样泵在优化时段t的正常运行参数;表示目标采样泵在优化时段t的改进容量;表示优化时段数量;表示第t个优化时段。

81、与最接近的现有技术相比,本发明具有的有益效果如下:

82、1、本发明提供大气温室气体监测用采样泵工作状态运行监测系统及方法,包括:获取目标采样泵的运行状态参数,对所述运行状态参数进行降噪处理,得到所述目标采样泵的无噪运行参数;通过fast r-cnn算法对所述无噪运行参数进行数据评估,获取评估结果;基于所述评估结果,通过student-t分布的混合模型确定所述目标采样泵异常状态对应的异常参数特征,根据所述异常参数特征进行目标采样泵故障报警,本发明通过对所述目标采样泵的运行状态参数进行消噪处理可以保证消除无关数据对本发明的影响,而且通过fast r-cnn 算法可以避免传统人工巡检过程中的主观干扰这样可以保证对于数据分类的准确性,从而确保对目标采样泵的工作状态进行准确监测。

83、2、本发明通过student-t分布的混合模型就可以快速识别目标采样泵的异常工作状态,还可以实现对目标采样泵的运行状态的精准监测,根据得到的识别结果从而进行快速报警,避免造成更大的经济损失

84、3、本发明通过根据所述采样泵运行优化目标函数和采样泵工作状态约束条件,构建采样泵运行优化配置模型,再由采样泵运行优化配置模型结合目标采样泵运行工况输出优化配置参数,就可以根据得到的优化配置参数对采样泵进行运行调控,从而实现采样泵能耗的减少和泵站运营的优化。

当前第1页1 2 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1