CN118863870B - 一种基于物联网的特种压力表性能数据监测管理系统及方法 - Google Patents
一种基于物联网的特种压力表性能数据监测管理系统及方法 Download PDFInfo
- Publication number
- CN118863870B CN118863870B CN202411350666.XA CN202411350666A CN118863870B CN 118863870 B CN118863870 B CN 118863870B CN 202411350666 A CN202411350666 A CN 202411350666A CN 118863870 B CN118863870 B CN 118863870B
- Authority
- CN
- China
- Prior art keywords
- pressure gauge
- loss
- data
- pressure
- performance
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 29
- 238000012544 monitoring process Methods 0.000 title claims abstract description 23
- 238000012417 linear regression Methods 0.000 claims abstract description 38
- 238000013210 evaluation model Methods 0.000 claims abstract description 21
- 238000007405 data analysis Methods 0.000 claims abstract description 17
- 238000013500 data storage Methods 0.000 claims abstract description 15
- 238000007726 management method Methods 0.000 claims abstract description 15
- 238000011056 performance test Methods 0.000 claims abstract description 14
- 238000005259 measurement Methods 0.000 claims description 44
- 238000012360 testing method Methods 0.000 claims description 32
- 238000004519 manufacturing process Methods 0.000 claims description 20
- 238000002922 simulated annealing Methods 0.000 claims description 14
- 101100517648 Saccharomyces cerevisiae (strain ATCC 204508 / S288c) NUM1 gene Proteins 0.000 claims description 9
- 101100129590 Schizosaccharomyces pombe (strain 972 / ATCC 24843) mcp5 gene Proteins 0.000 claims description 9
- 238000001816 cooling Methods 0.000 claims description 9
- 230000007613 environmental effect Effects 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 6
- 230000008859 change Effects 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 6
- 230000000694 effects Effects 0.000 claims description 3
- 230000004044 response Effects 0.000 claims description 3
- 238000012423 maintenance Methods 0.000 claims description 2
- 238000005457 optimization Methods 0.000 claims description 2
- 230000000875 corresponding effect Effects 0.000 claims 2
- 230000002596 correlated effect Effects 0.000 claims 1
- 230000007423 decrease Effects 0.000 claims 1
- 238000000137 annealing Methods 0.000 abstract 4
- 238000004088 simulation Methods 0.000 abstract 4
- 239000012530 fluid Substances 0.000 description 8
- 238000012549 training Methods 0.000 description 4
- 238000012795 verification Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000005260 corrosion Methods 0.000 description 3
- 230000007797 corrosion Effects 0.000 description 3
- 238000009776 industrial production Methods 0.000 description 3
- 239000000126 substance Substances 0.000 description 2
- 230000002378 acidificating effect Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000003556 assay Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/20—Administration of product repair or maintenance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/27—Regression, e.g. linear or logistic regression
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/01—Dynamic search techniques; Heuristics; Dynamic trees; Branch-and-bound
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- Economics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computational Linguistics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Biology (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Measuring Fluid Pressure (AREA)
Abstract
本发明公开了一种基于物联网的特种压力表性能数据监测管理系统及方法，涉及压力表性能数据监测技术领域，包括数据采集模块、数据存储模块、数据分析模块、压力表性能测试模块和控制模块；数据采集模块用于获取压力表的运行环境数据；数据分析模块用于建立压力表的损耗度评估模型；数据存储模块运行环境数据；压力表性能测试用于对压力表的性能进行检测；控制模块用于通知管理人员对压力表进行监视；本发明借助模拟退火算法对损耗度进行调整；以多元线性回归模型计算损耗度，在模拟退火算法的内循环中，对多元线性回归模型的权值进行一次调整，模拟退火算法结束时，也得到了多元线性回归模型权值的全局最优解或较好的局部最优解。
Description
技术领域
本发明涉及压力表性能数据监测技术领域，具体为一种基于物联网的特种压力表性能数据监测管理系统及方法。
背景技术
压力表是一种测量压力的仪表，通常用于测量流体或气体的压力，压力表可以通过压力传感器或压力变送器来测量压力，并将压力信号转换成电信号，以便进行测量和记录，压力表通常用于工业生产领域，用于监测流体的压力；压力表的检定周期通常为一年或半年，具体取决于使用环境和要求，在检定周期内，需要定期对压力表进行校准和测试，以确保其性能符合要求；在压力表的长期使用过程中，压力表受到各种环境因素的影响，如高温、高湿度、强烈振动等，这些因素都可能影响压力表的测量误差，此外，一些酸性、碱性物质也可能对压力表造成影响；因此，如何根据压力表受到的不同环境因素，判断压力表是否需要进行检定成为了一个需要解决的问题。
发明内容
本发明的目的在于提供一种基于物联网的特种压力表性能数据监测管理系统及方法，以解决上述背景技术中提出的问题。
在本发明的一个方面，提供一种基于物联网的特种压力表性能数据监测管理系统，包括：数据采集模块、数据存储模块、数据分析模块、压力表性能测试模块和控制模块；所述数据采集模块的输出端与所述数据分析模块和数据存储模块的输入端相互连接，用于获取压力表的运行环境数据；所述数据分析模块的输出端与所述控制模块的输入端相互连接，基于压力表的运行环境数据，建立压力表的损耗度评估模型，判断压力表的损耗情况；所述数据存储模块与所述数据分析模块相互连接，用于存储压力表的历史性能测试数据、运行环境数据和产品的生产信息；所述压力表性能测试模块的输出端与所述数据存储模块的输入端相互连接，用于对压力表的性能进行检测；所述控制模块，当确定压力表性能不符合生产规格的要求时，通知管理人员对压力表进行监视，并联系维修人员对压力表进行检定和维护保养。
具体地，所述数据分析模块通过对压力表的运行环境数据进行积分，得到压力表的损耗度特征；将压力表的损耗度特征作为输入，损耗度作为输出，训练多元线性回归模型，作为压力表的损耗度评估模型，对压力表的性能进行评估；同时，利用模拟退火算法对损耗度进行调整，进而对多元线性回归模型的权值进行调整，优化压力表性能评估模型的效果。
具体地，力表性能测试模块还包括控制器单元、压力源单元、测试数据采集单元、测试数据处理单元和显示单元；所述控制器单元用于设置测试参数和控制测试流程；所述压力源单元用于测试的压力信号；所述测试数据采集单元用于采集压力表的测试数据；所述测试数据处理单元用于对采集到的压力表测试数据进行分析和处理，并计算压力表的性能指标；所述显示单元，用于显示处理后的压力表测试结果。
所述数据采集模块包括直接测量单元和间接测量单元，所述直接测量单元通过传感器直接获取对压力表产生影响的环境数据；所述间接测量单元用于从产品的生产信息中提取出无法直接通过传感器进行测量的环境数据；
例如，在工业生产的过程中，使用压力表测量流体的压力时，腐蚀度通常无法直接进行测量，对工业生产来说，分析主产物的浓度是必要过程，而主产物的浓度与流体的腐蚀度存在相关性，此时可以使用主产物的浓度代替流体的腐蚀度；弹簧丝性能变化是压力表误差的主要来源之一，流体压力的波动将会影响弹簧丝的形变，进而对压力表的性能产生影响，通过测量流体压力的波动，可以间接获取弹簧丝的形变数据，并且测量流体压力的波动就是安装压力表的目的，不会带来额外的资源消耗。
在本发明的另一个方面，提供一种基于物联网的特种压力表性能数据监测管理方法，包括以下步骤：
S5-1，获取压力表的使用数据，从压力表的使用数据中提取出损耗度特征；
S5-2，基于压力表的使用数据，建立压力表损耗度评估模型；
S5-3，使用压力表损耗度评估模型判断当前压力表的测量误差是否满足生产规格的要求，若满足，则重复执行步骤S5-3；若不满足，则对压力表进行鉴定和维修保养。
在步骤S5-2中，所述基于压力表的损耗度特征，建立压力表损耗度评估模型，还包括以下步骤：
记压力表的损耗度特征为X1、X2、…、Xn，n为损耗度特征的数量；以压力表的损耗度特征为输入，压力表的损耗度为输出，训练n元线性回归模型作为压力表损耗度评估模型，，式中i的取值范围是区间[1,m]之间的正整数，m是压力表历史使用数据的数量；k为自然数，表示迭代次数；、、…、表示第k次迭代后，损耗度特征的权值；、、…、表示第i个压力表历史使用数据的损耗度特征；表示第k次迭代后，第i个压力表的损耗度的回归值；通过模拟退火算法优化n元线性回归模型的权值；
通过多元线性回归模型将不同的环境因素连接，得到压力表整体的损耗度；压力表的测量误差与损耗度应该是正相关的关系，为此需要根据压力表的测量误差对压力表的损耗度进行调整，进而优化多元线性回归模型的权值；压力表的测量误差通过测试确定，在使用本发明提供的方法之前，通常以一年或半年为周期对压力表进行检定，从历史的检定结果中可得到压力表的测量误差。
通过模拟退火算法优化n元线性回归模型的权值具体包括以下步骤：
S7-1，设置初始温度T0，设定损耗度特征权值、、…、为1，将损耗度特征、、…、代入到公式中计算损耗度的初始值，，将设定的耗度特征权值、、…、和损耗度的初始值作为初始解，确定初始解对应的损失值loss0；将初始解作为当前解，将初始温度作为当前温度，将迭代次数k的初始值设置为0；
在压力表历史使用数据中，找到测量误差与阈值最接近的压力表历史使用数据data，将压力表历史使用数据data的损耗度初始值作为决策边界，，比较其他压力表历史使用数据的损耗度初始值与决策边界；若损耗度初始值大于或等于决策边界，则判断压力表需要进行检修；反之压力表不需要进行检修；将得到的决策正确率作为损失值；正确决策包括两种情况：压力表损耗度回归值大于等于决策边界且压力表的测量误差大于或等于生产规格的要求，以及压力表损耗度回归值小于决策边界且压力表的测量误差小于生产规格的要求；损耗度的初始值与损耗度的回归值一样，因为损耗度的初始值是权值都为1时的回归值，直接使用损耗度可以判断决策正确率；从下一次迭代开始，损耗度与损耗度回归值不相同，使用损耗度回归值计算决策正确率；
S7-2，对计数单位b=1、2、…、L，重复步骤S7-3至S7-4；L为内循环的次数；
S7-3，将迭代次数k的值加1，通过在当前解的基础上产生扰动改变损耗度特征权值和损耗度，将扰动后选择的损耗度特征权值和损耗度作为新解，确定新解对应的决策正确率p；
S7-4，计算新解带来的响应时间期望值的增量Δp，若增量小于0，则以概率1接受新解作为新的当前解，若增量大于或等于0，则以概率接受新解作为新的当前解；
若新解被接受，则k保持不变；若新解不被接受，则k的值减1，n元线性回归模型的参数没有发生变化；
S7-5，选择降温方案，按照降温方案降低当前温度，若当前温度大于或等于设定阈值，则进入步骤S7-2；若当前温度小于设定阈值，则根据当前解，确定损耗度特征权值和损耗度。
具体地，损耗度特征、、…、通过以下公式进行计算：
，，…，；式中、、…、为第i个压力表历史使用数据的损耗度特征在t时刻的测量值，t为积分变量；
积分区间为压力表进行两次检定之间的时间段，由于设备条件的限制，损耗度特征的测量是离散的，可以对损耗度特征进行近似计算：；式中为压力表进行两次检定之间的时间段之间的时间点，为测量设备的测量周期，以多个矩形面积之和对曲边梯形的面积进行近似；其余损耗度特征以类似方式进行近似；
在步骤S7-3中，所述在当前解的基础上产生扰动，改变损耗度特征权值和损耗度还包括以下步骤：
S9-1，在当前解、、…、和的基础上，依概率对所有压力表的损耗度进行调整得到；
S9-2，将损耗度特征、、…、作为输入，压力表的损耗度作为输出，训练n元线性回归模型，得到损耗度特征权值、、…、；
n元线性回归模型的输入保持不变，输出损耗度随着迭代进行调整，调整完损耗度之后，需要对n元线性回归模型的权值进行调整，并利用调整后的权值计算出压力表历史使用数据的回归值，比较回归值与决策边界，得到决策准确性，用于判断是否需要接收迭代调整后的损耗度；
S9-4，在压力表历史使用数据中，找到测量误差与阈值最接近的压力表历史使用数据data的损耗度特征、、…、，，根据损耗度特征权值、、…、计算该压力表历史使用数据的损耗度，作为新的决策边界；计算其他压力表历史使用数据的损耗度回归值得到；
本发明以线性回归模型判断当前的压力表是否需要进行检定，将当前压力表的损耗度特征作输入到线性回归模型中，得到损耗度的回归值；将损耗度的回归值与决策边界进行比较判断是否需要检定。
决策正确率通过以下方式进行确定：
比较压力表历史使用数据的损耗度回归值与决策边界，统计正确决策的压力表历史使用数据的数量NUM1，取NUM1与m的比值NUM1/m作为决策正确率，历史使用数据data不参与进行计算；
依概率对所有压力表的损耗度进行调整得到包括以下步骤：
S10-1，以mis1、mis2、…、mism表示压力表的历史测量误差，则mismax为最接近阈值的测量误差；计算mis1、mis2、…、mism与mismax的代数差，得到Δmis1、Δmis2、…、Δmism；
测量误差都取正数，无论测量值大于还是小于实际值，取绝对值作为测量误差；
S10-2，对i=1、2、…m，执行步骤S10-3；
S10-3，通过随机数依概率将调整为，，为符号变量，若大于等于阈值，且小于决策边界，则为1；若大于等于阈值，且大于决策边界，则为0；若小于阈值，且小于决策边界，则为0；若小于阈值，且大于决策边界，则为1；与的绝对值成正相关；
代数差带有正负号，当小于0时，说明压力表的性能符合生产规则的要求，损耗度应该朝减小的方向调整；当大于0时，说明压力表的性能不符合生产规则的要求，损耗度应该朝增加的方向调整；
对于已经正确进行决策的压力表使用数据来说，调整损耗度是不需要的，在当前的决策边界下，不能提高决策准确率，因此将符号变量设置为0；对于没有正确进行决策的压力表使用数据，全部进行调整可能不是最佳的，需要找到最佳的调整方式，所以通过模拟退火算法依概率对这些使用数据的损耗度进行迭代调整。
与现有技术相比，本发明所达到的有益效果是：借助模拟退火算法对损耗度进行调整，以一定概率接受较差的损耗度组合，有利于避免陷入局部最优解，有利于找到全局最优解；以多元线性回归模型计算损耗度，在模拟退火算法的内循环中，每执行一步，对多元线性回归模型的权值进行一次调整，模拟退火算法结束时，也得到了多元线性回归模型权值的全局最优解或较好的局部最优解；以间接方式测量对压力表产生影响的环境因素，有助于减少资源花费，提高企业的利润率。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1是本发明实施例一种基于物联网的特种压力表性能数据监测管理系统的结构示意图。
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。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。
在本发明的实施例中，请参阅图1，提供一种基于物联网的特种压力表性能数据监测管理系统，包括：包括数据采集模块、数据存储模块、数据分析模块、压力表性能测试模块和控制模块；所述数据采集模块的输出端与所述数据分析模块和数据存储模块的输入端相互连接，用于获取压力表的运行环境数据；所述数据分析模块的输出端与所述控制模块的输入端相互连接，基于压力表的运行环境数据，建立压力表的损耗度评估模型，判断压力表的损耗情况；所述数据存储模块与所述数据分析模块相互连接，用于存储压力表的历史性能测试数据、运行环境数据和产品的生产信息；所述压力表性能测试模块的输出端与所述数据存储模块的输入端相互连接，用于对压力表的性能进行检测；所述控制模块，当确定压力表性能不符合生产规格的要求时，通知管理人员对压力表进行监视，并联系维修人员对压力表进行检定和维护保养。
所述数据分析模块通过对压力表的运行环境数据进行积分，得到压力表的损耗度特征；将压力表的损耗度特征作为输入，损耗度作为输出，训练多元线性回归模型，作为压力表的损耗度评估模型，对压力表的性能进行评估；同时，利用模拟退火算法对损耗度进行调整，进而对多元线性回归模型的权值进行调整，优化压力表性能评估模型的效果。
压力表性能测试模块还包括控制器单元、压力源单元、测试数据采集单元、测试数据处理单元和显示单元；所述控制器单元用于设置测试参数和控制测试流程；所述压力源单元用于测试的压力信号；所述测试数据采集单元用于采集压力表的测试数据；所述测试数据处理单元用于对采集到的压力表测试数据进行分析和处理，并计算压力表的性能指标；所述显示单元，用于显示处理后的压力表测试结果。
所述数据采集模块包括直接测量单元和间接测量单元，所述直接测量单元通过传感器直接获取对压力表产生影响的环境数据；所述间接测量单元用于从产品的生产信息中提取出无法直接通过传感器进行测量的环境数据。
在本发明的实施例中，提供一种基于物联网的特种压力表性能数据监测管理方法，包括以下步骤：
S5-1，获取压力表的使用数据，从压力表的使用数据中提取出损耗度特征；
记压力表的损耗度特征为X1、X2、X3、X4，分别代表相对湿度、温度、腐蚀性和压力变化率；其中腐蚀性通过检测生产过程中的主产物浓度间接表示；
S5-2，基于压力表的使用数据，建立压力表损耗度评估模型；
以压力表的损耗度特征为输入，压力表的损耗度为输出，训练4元线性回归模型作为压力表损耗度评估模型，，式中i的取值范围是区间[1,m]之间的正整数，m是压力表历史使用数据的数量；k为自然数，表示迭代次数；、、、表示第k次迭代后，损耗度特征的权值；、、、表示第i个压力表历史使用数据的损耗度特征；表示第k次迭代后，第i个压力表的损耗度的回归值；
损耗度特征、、、通过以下公式进行计算：
，，…，；式中、、…、为第i个压力表历史使用数据的损耗度特征在t时刻的测量值，t为积分变量；
通过模拟退火算法优化4元线性回归模型的权值，包括以下步骤S7-1至S7-5：
S7-1，设置初始温度T0为100，设定损耗度特征权值、、、为1，将损耗度特征、、、代入到公式中计算损耗度的初始值，，将设定的耗度特征权值、、、和损耗度的初始值作为初始解，确定初始解对应的损失值loss0；将初始解作为当前解，将初始温度作为当前温度，将迭代次数k的初始值设置为0；
在压力表历史使用数据中，找到测量误差与阈值最接近的压力表历史使用数据data，将压力表历史使用数据data的损耗度初始值作为决策边界，，比较其他压力表历史使用数据的损耗度初始值与决策边界；若损耗度初始值大于或等于决策边界，则判断压力表需要进行检修；反之压力表不需要进行检修；将得到的决策正确率作为损失值；正确决策包括两种情况：压力表损耗度回归值大于等于决策边界且压力表的测量误差大于或等于生产规格的要求，以及压力表损耗度回归值小于决策边界且压力表的测量误差小于生产规格的要求；
S7-2，对计数单位b=1、2、…、20，重复步骤S7-3至S7-4；
S7-3，将迭代次数k的值加1，通过在当前解的基础上产生扰动改变损耗度特征权值和损耗度，将扰动后选择的损耗度特征权值和损耗度作为新解，确定新解对应的决策正确率p；比较压力表历史使用数据的损耗度回归值与决策边界，统计正确决策的压力表历史使用数据的数量NUM1，取NUM1与m的比值NUM1/m作为决策正确率，压力表历史使用数据data不参与进行计算；
在当前解的基础上产生扰动包括以下步骤S9-1至S9-4：
S9-1，在当前解、、、和的基础上，依概率对所有压力表的损耗度进行调整得到；包括步骤S10-1至S10-3，
S10-1，以mis1、mis2、…、mism表示压力表的历史测量误差，则mismax为最接近阈值的测量误差；计算mis1、mis2、…、mism与mismax的代数差，得到Δmis1、Δmis2、…、Δmism；
S10-2，对i=1、2、…m，执行步骤S10-3；
S10-3，通过随机数依概率将调整为，，为符号变量，若大于等于阈值，且小于决策边界，则为1；若大于等于阈值，且大于决策边界，则为0；若小于阈值，且小于决策边界，则为0；若小于阈值，且大于决策边界，则为1；与的绝对值成正相关；可取为G，G为正常数；
S9-2，将损耗度特征、、、作为输入，压力表的损耗度作为输出，训练4元线性回归模型，得到损耗度特征权值、、、；
S9-4，在压力表历史使用数据中，找到测量误差与阈值最接近的压力表历史使用数据data的损耗度特征、、、，，根据损耗度特征权值、、、计算该压力表历史使用数据的损耗度，作为新的决策边界；计算其他压力表历史使用数据的损耗度回归值得到；
S7-4，计算新解带来的响应时间期望值的增量Δp，若增量小于0，则以概率1接受新解作为新的当前解，若增量大于或等于0，则以概率接受新解作为新的当前解；
若新解被接受，则k保持不变；若新解不被接受，则k的值减1，4元线性回归模型的参数没有发生变化；
S7-5，选择降温方案，按照降温方案降低当前温度，若当前温度大于或等于设定阈值，则进入步骤S7-2；若当前温度小于设定阈值，则根据当前解，确定损耗度特征权值和损耗度；当采用降温系数为0.9的线性降温曲线进行降温后，首次迭代之后温度由100℃变成100×0.9℃；阈值设置为一个较小的值，这里阈值可取为1℃
4元线性回归模型权值更新的具体流程如下：
首先，计算得到m个压力表历史使用数据的、、、，按照公式计算出每个数据的损耗度，，此时损耗度与损耗度回归值相同，找出测量误差与阈值最接近的压力表历史使用数据的损耗度，作为决策边界，测量误差由国家规定或者生成规格的要求确定，根据决策边界和损耗度回归值计算出决策正确率；
进行首次迭代，将调整为，以、、、为输入，为输出，得到4元线性回归模型的权值、、、，在根据权值、、、和输入、、、得到损耗度回归值，此时新的决策边界变更为，按照步骤S10-3，与相同，不会发生变化，手动将也变更为，根据决策边界和损耗度回归值计算出决策正确率，并且按照概率确定是否接受、、、和；若接受，则将迭代次数k的值加1，、、、、将在、、、、的基础上产生，若不接受，则k保持不变，继续在、、、、的基础上产生、、、、；持续重复上述步骤对4元线性回归模型权值进行调整直到模拟退火算法结束；
S5-3，使用压力表损耗度评估模型判断当前压力表的测量误差是否满足生产规格的要求，若满足，则重复执行步骤S5-3；若不满足，则对压力表进行鉴定和维修保养。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。
最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (9)
1.一种基于物联网的特种压力表性能数据监测管理系统，其特征在于，包括数据采集模块、数据存储模块、数据分析模块、压力表性能测试模块和控制模块；所述数据采集模块的输出端与所述数据分析模块和数据存储模块的输入端相互连接，用于获取压力表的运行环境数据；所述数据分析模块的输出端与所述控制模块的输入端相互连接，基于压力表的运行环境数据，建立压力表的损耗度评估模型，判断压力表的损耗情况；所述数据存储模块与所述数据分析模块相互连接，用于存储压力表的历史性能测试数据、运行环境数据和产品的生产信息；所述压力表性能测试模块的输出端与所述数据存储模块的输入端相互连接，用于对压力表的性能进行检测；所述控制模块，当确定压力表性能不符合生产规格的要求时，通知管理人员对压力表进行监视，并联系维修人员对压力表进行检定和维护保养；
所述数据分析模块通过对压力表的运行环境数据进行积分，得到压力表的损耗度特征；将压力表的损耗度特征作为输入，损耗度作为输出，训练多元线性回归模型，作为压力表的损耗度评估模型，对压力表的性能进行评估；同时，利用模拟退火算法对损耗度进行调整，进而对多元线性回归模型的权值进行调整，优化压力表性能评估模型的效果。
2.根据权利要求1所述的一种基于物联网的特种压力表性能数据监测管理系统，其特征在于，压力表性能测试模块还包括控制器单元、压力源单元、测试数据采集单元、测试数据处理单元和显示单元；所述控制器单元用于设置测试参数和控制测试流程；所述压力源单元用于测试的压力信号；所述测试数据采集单元用于采集压力表的测试数据；所述测试数据处理单元用于对采集到的压力表测试数据进行分析和处理，并计算压力表的性能指标；所述显示单元，用于显示处理后的压力表测试结果。
3.根据权利要求1所述的一种基于物联网的特种压力表性能数据监测管理系统，其特征在于，所述数据采集模块包括直接测量单元和间接测量单元，所述直接测量单元通过传感器直接获取对压力表产生影响的环境数据；所述间接测量单元用于从产品的生产信息中提取出无法直接通过传感器进行测量的环境数据。
4.一种基于物联网的特种压力表性能数据监测管理方法，其特征在于，包括以下步骤：
S5-1，获取压力表的使用数据，从压力表的使用数据中提取出损耗度特征；
S5-2，基于压力表的使用数据，建立压力表损耗度评估模型；获取压力表的损耗度特征，以压力表的损耗度特征为输入，压力表的损耗度为输出，训练线性回归模型作为压力表损耗度评估模型；并通过模拟退火算法优化线性回归模型的权值；
S5-3，使用压力表损耗度评估模型判断当前压力表的测量误差是否满足生产规格的要求，若满足，则重复执行步骤S5-3；若不满足，则对压力表进行鉴定和维修保养。
5.根据权利要求4所述的一种基于物联网的特种压力表性能数据监测管理方法，其特征在于，在步骤S5-2中，所述基于压力表的损耗度特征，建立压力表损耗度评估模型，还包括以下步骤：
记压力表的损耗度特征为X1、X2、…、Xn，n为损耗度特征的数量；以压力表的损耗度特征为输入，压力表的损耗度为输出，训练n元线性回归模型作为压力表损耗度评估模型，，式中i的取值范围是区间[1,m]之间的正整数，m是压力表历史使用数据的数量；k为自然数，表示迭代次数；、、…、表示第k次迭代后，损耗度特征的权值；、、…、表示第i个压力表历史使用数据的损耗度特征；表示第k次迭代后，第i个压力表的损耗度的回归值；通过模拟退火算法优化n元线性回归模型的权值。
6.根据权利要求5所述的一种基于物联网的特种压力表性能数据监测管理方法，其特征在于，所述通过模拟退火算法优化n元线性回归模型的权值具体包括以下步骤：
S7-1，设置初始温度T0，设定损耗度特征权值、、…、为1，将损耗度特征、、…、代入到公式中计算损耗度的初始值，，将设定的耗度特征权值、、…、和损耗度的初始值作为初始解，确定初始解对应的损失值loss0；将初始解作为当前解，将初始温度作为当前温度，将迭代次数k的初始值设置为0；
在压力表历史使用数据中，找到测量误差与阈值最接近的压力表历史使用数据data，将压力表历史使用数据data的损耗度初始值作为决策边界，，比较其他压力表历史使用数据的损耗度初始值与决策边界；若损耗度初始值大于或等于决策边界，则判断压力表需要进行检修；反之压力表不需要进行检修；将得到的决策正确率作为损失值；正确决策包括两种情况：压力表损耗度回归值大于等于决策边界且压力表的测量误差大于或等于生产规格的要求，以及压力表损耗度回归值小于决策边界且压力表的测量误差小于生产规格的要求；
S7-2，对计数单位b=1、2、…、L，重复步骤S7-3至S7-4；L为内循环的次数；
S7-3，将迭代次数k的值加1，通过在当前解的基础上产生扰动改变损耗度特征权值和损耗度，将扰动后选择的损耗度特征权值和损耗度作为新解，确定新解对应的决策正确率p；
S7-4，计算新解带来的响应时间期望值的增量Δp，若增量小于0，则以概率1接受新解作为新的当前解，若增量大于或等于0，则以概率接受新解作为新的当前解；
若新解被接受，则k保持不变；若新解不被接受，则k的值减1，n元线性回归模型的参数没有发生变化；
S7-5，选择降温方案，按照降温方案降低当前温度，若当前温度大于或等于设定阈值，则进入步骤S7-2；若当前温度小于设定阈值，则根据当前解，确定损耗度特征权值和损耗度。
7.根据权利要求5所述的一种基于物联网的特种压力表性能数据监测管理方法，其特征在于，损耗度特征、、…、通过以下公式进行计算：
，，…，；式中、、…、为第i个压力表历史使用数据的损耗度特征在t时刻的测量值，t为积分变量。
8.根据权利要求7所述的一种基于物联网的特种压力表性能数据监测管理方法，其特征在于，在步骤S7-3中，所述在当前解的基础上产生扰动，改变损耗度特征权值和损耗度还包括以下步骤：
S9-1，在当前解、、…、和的基础上，依概率对所有压力表的损耗度进行调整得到；
S9-2，将损耗度特征、、…、作为输入，压力表的损耗度作为输出，训练n元线性回归模型，得到损耗度特征权值、、…、；
S9-4，在压力表历史使用数据中，找到测量误差与阈值最接近的压力表历史使用数据data的损耗度特征、、…、，，根据损耗度特征权值、、…、计算该压力表历史使用数据的损耗度，作为新的决策边界；计算其他压力表历史使用数据的损耗度回归值得到。
9.根据权利要求8所述的一种基于物联网的特种压力表性能数据监测管理方法，其特征在于，决策正确率通过以下方式进行确定：
比较压力表历史使用数据的损耗度回归值与决策边界，统计正确决策的压力表历史使用数据的数量NUM1，取NUM1与m的比值NUM1/m作为决策正确率，压力表历史使用数据data不参与进行计算；
依概率对所有压力表的损耗度进行调整得到包括以下步骤：
S10-1，以mis1、mis2、…、mism表示压力表的历史测量误差，则mismax为最接近阈值的测量误差；计算mis1、mis2、…、mism与mismax的代数差，得到Δmis1、Δmis2、…、Δmism；
S10-2，对i=1、2、…m，执行步骤S10-3；
S10-3，通过随机数依概率将调整为，，为符号变量，若大于等于阈值，且小于决策边界，则为1；若大于等于阈值，且大于决策边界，则为0；若小于阈值，且小于决策边界，则为0；若小于阈值，且大于决策边界，则为1；与的绝对值成正相关。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202411350666.XA CN118863870B (zh) | 2024-09-26 | 2024-09-26 | 一种基于物联网的特种压力表性能数据监测管理系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202411350666.XA CN118863870B (zh) | 2024-09-26 | 2024-09-26 | 一种基于物联网的特种压力表性能数据监测管理系统及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN118863870A CN118863870A (zh) | 2024-10-29 |
| CN118863870B true CN118863870B (zh) | 2025-02-21 |
Family
ID=93165394
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202411350666.XA Active CN118863870B (zh) | 2024-09-26 | 2024-09-26 | 一种基于物联网的特种压力表性能数据监测管理系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN118863870B (zh) |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106556491A (zh) * | 2016-06-15 | 2017-04-05 | 厦门医学高等专科学校 | 基于压力表的压力监测调控装置及其方法 |
| CN111947832A (zh) * | 2020-08-11 | 2020-11-17 | 董伟 | 一种基于互联网的压力表检测系统 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP7162301B2 (ja) * | 2018-11-16 | 2022-10-28 | 東京ガスエンジニアリングソリューションズ株式会社 | 圧力計の検査方法、および圧力計の検査装置 |
| CN112668920A (zh) * | 2021-01-05 | 2021-04-16 | 合肥卉清电子科技有限公司 | 一种智能压力表控制系统及其控制方法 |
| CN114626162B (zh) * | 2022-03-22 | 2024-04-16 | 中车大连机车研究所有限公司 | 一种接触球轴承损耗程度定量识别方法 |
| CN115493094A (zh) * | 2022-09-15 | 2022-12-20 | 红旗仪表（长兴）有限公司 | 应用于压力表的监测方法、装置、电子设备及存储介质 |
| CN118224155B (zh) * | 2024-05-23 | 2024-09-10 | 江苏恒源液压有限公司 | 一种液压设备的压力监测方法及系统 |
-
2024
- 2024-09-26 CN CN202411350666.XA patent/CN118863870B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106556491A (zh) * | 2016-06-15 | 2017-04-05 | 厦门医学高等专科学校 | 基于压力表的压力监测调控装置及其方法 |
| CN111947832A (zh) * | 2020-08-11 | 2020-11-17 | 董伟 | 一种基于互联网的压力表检测系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN118863870A (zh) | 2024-10-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111508216B (zh) | 一种大坝安全监测数据智能预警方法 | |
| CN108700852B (zh) | 模型参数值推定装置及推定方法、记录介质、模型参数值推定系统 | |
| CN112508105B (zh) | 一种采油机故障检测与检索方法 | |
| CN109186813A (zh) | 一种温度传感器自检装置及方法 | |
| CN101738991B (zh) | 检测产品品质超规与评估产品实际测量值的方法 | |
| CN117889943B (zh) | 基于机器学习的气体超声波流量计检验方法及系统 | |
| CN116295948B (zh) | 大温差环境下工业温度传感器的异常检测方法、系统及存储介质 | |
| CN116910677A (zh) | 一种工业仪表故障诊断方法及系统 | |
| CN117269734A (zh) | 一种主板带电老化检测系统 | |
| CN117553840A (zh) | 一种基于智能化管理的仪表及其系统 | |
| CN119169946B (zh) | 一种电子纸显示效果的测试方法、装置、介质及程序产品 | |
| CN110553631B (zh) | 一种关于水位流量关系的水位测量系列误差分析方法 | |
| CN118863870B (zh) | 一种基于物联网的特种压力表性能数据监测管理系统及方法 | |
| CN118797972B (zh) | 一种用于管理探针卡寿命的高精度管理方法及系统 | |
| CN118898347B (zh) | 一种数控机床铸件效能评估方法 | |
| US20220044151A1 (en) | Apparatus and method for electronic determination of system data integrity | |
| CN116738859B (zh) | 一种铜管在线无损寿命评估方法及系统 | |
| CN111639715A (zh) | 基于ls-svm的汽车仪表组装质量预测方法与系统 | |
| CN118442666B (zh) | 基于多源数据的通风空调系统传感器故障诊断方法及系统 | |
| CN119168833B (zh) | 一种环境监测质量控制智能监管系统及方法 | |
| CN118914733B (zh) | 一种基于极性反转测试的贴片压敏电阻稳定性评估方法 | |
| CN110543153B (zh) | 一种多工况工业过程的过渡工况故障检测方法 | |
| CN119026065B (zh) | 一种短流程电炉炼钢设备故障诊断方法 | |
| KR20240030239A (ko) | 인공지능을 이용한 오염물질측정기의 보정방법 | |
| Li et al. | A Study on Health Assessment Technology for Sensor of Nuclear Power Plant Based on Dissimilarity of Residual Distribution |
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 | ||
| GR01 | Patent grant |