System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及数据处理,尤其涉及一种基于数据分析的油渣分离效率异常检测方法。
技术介绍
1、在油渣分离的过程中为了保证对分离过程的监控,需要对油渣分离的效率进行监测,并对油渣分离过程中的异常分离效率进行预警,使得操作人员对油渣分离设备进行检测。在对油渣分离过程中的分离效率进行评估时,需要对分离机的出料端的油脂流速进行实时数据检测,但是针对不同的待分离油脂,其在油渣分离过程中出料端的油脂流速是不同的,因此,通过油脂分离速度进行分离效率评估会出现效率评估不准确的问题,故,现有技术中,通常对油渣分离过程中分离机的油渣出料端的油渣增量进行数据检测,对油渣增量时序数据进行子序列划分,并根据此划分结果进行油渣分离速度时序数据到分离效率转化过程的优化,从而根据优化后的油渣分离效率进行分离效率异常预警。
2、但在对油渣增量时序数据进行子序列划分的过程中,分离机的油渣出料端到称重板的过程中存在着油渣滞留,使得称重板下方的压力传感器对分离出的油渣进行称重时,油渣增量时序数据会出现采集不准确的情况,具体会出现一部分油渣增量时序数据较小,随后伴随着油渣增量的集中增加,导致油渣增量时序数据的数值异常,从而会存在着因为油渣增量异常而导致的子序列划分不准确。
3、因此,如何对油渣增量时序数据进行子序列的准确划分,以提高根据划分结果进行油渣分离效率异常检测的结果成为亟需解决的问题。
技术实现思路
1、有鉴于此,本专利技术实施例提供了一种基于数据分析的油渣分离效率异常检测方法,以解决如何对油
2、本专利技术实施例中提供了一种基于数据分析的油渣分离效率异常检测方法,该油渣分离效率异常检测方法包括以下步骤:
3、在油渣分离过程中,根据油渣分离后每个采样时刻的油渣分离速度和油渣增量,分别获取油渣分离速度时序序列和油渣增量时序序列;
4、获取所述油渣增量时序序列中的每个油渣增量的cof离群因子,根据所述油渣增量时序序列中每个油渣增量的cof离群因子,获取对所述油渣增量时序序列进行floss时序模态分割时每两个油渣增量之间的优化距离,根据所述每两个油渣增量之间的优化距离将所述油渣增量时序序列划分为不同模态的子序列;
5、根据每个所述子序列中的油渣增量变化,分别获取每个所述子序列对应的效率优化因子,根据每个所述子序列对应的效率优化因子,对所述油渣分离速度时序序列中的每个油渣分离速度进行优化,对应得到优化后的油渣分离速度时序序列;
6、根据所述优化后的油渣分离速度时序序列进行所述油渣分离过程中的油渣分离效率异常检测。
7、进一步的,所述根据所述油渣增量时序序列中每个油渣增量的cof离群因子,获取对所述油渣增量时序序列进行floss时序模态分割时每两个油渣增量之间的优化距离,包括:
8、针对所述油渣增量时序序列中的任一两个油渣增量,根据所述两个油渣增量的cof离群因子,获取所述两个油渣增量之间的距离优化因子,根据所述距离优化因子,获取对所述油渣增量时序序列进行floss时序模态分割时所述两个油渣增量之间的优化距离。
9、进一步的,所述根据所述两个油渣增量的cof离群因子,获取所述两个油渣增量之间的距离优化因子,包括:
10、分别对所述油渣增量时序序列中的每个油渣增量的cof离群因子与常数1的差值绝对值进行归一化处理,得到所述油渣增量时序序列中的每个油渣增量的归一化结果;
11、若任一油渣增量的归一化结果大于预设的归一化阈值,则确定所述油渣增量为显著异常油渣增量,以所述油渣增量时序序列中的显著异常油渣增量为划分点,将所述油渣增量时序序列划分为至少两个集合;
12、取所述两个油渣增量之间的任一油渣增量作为目标油渣增量,将所述目标油渣增量所在的集合作为目标集合,获取所述目标集合中所有油渣增量的油渣增量均值,计算所述目标油渣增量与所述油渣增量均值之间的相减结果;
13、获取所述目标集合中的最后一个显著异常油渣增量,获取所述最后一个显著异常油渣增量与所述目标油渣增量之间的采样时刻间隔,对所述采样时刻间隔的倒数与所述目标油渣增量之间的乘积进行归一化处理,得到对应的归一化值;
14、获取所述相减结果、所述归一化值和所述归一化结果之间的乘积作为所述目标油渣增量的油渣增量分配特征值;
15、根据所述两个油渣增量的油渣增量分配特征值,获取所述两个油渣增量之间的距离优化因子。
16、进一步的,所述根据所述两个油渣增量的油渣增量分配特征值,获取所述两个油渣增量之间的距离优化因子,包括:
17、获取所述两个油渣增量的油渣增量分配特征值之间的差值绝对值,对所述两个油渣增量的油渣增量分配特征值之间的差值绝对值进行归一化处理,得到的归一化结果作为所述两个油渣增量之间的距离优化因子。
18、进一步的,所述根据所述距离优化因子,获取对所述油渣增量时序序列进行floss时序模态分割时所述两个油渣增量之间的优化距离,包括:
19、在所述油渣增量时序序列中分别获取所述两个油渣增量的预设局部窗口,计算两个所述预设局部窗口中每个相同位置处的两个油渣增量之间的差值绝对值,得到差值绝对值之和;
20、将所述差值绝对值之和与所述两个油渣增量之间的距离优化因子之间的乘积作为对所述油渣增量时序序列进行floss时序模态分割时所述两个油渣增量之间的优化距离。
21、进一步的,所述根据每个所述子序列中的油渣增量变化,分别获取每个所述子序列对应的效率优化因子,包括:
22、针对任一子序列,根据所述子序列中的每个油渣增量,计算油渣增量的平均值,对所述油渣增量的平均值进行归一化,对应得到的归一化值作为所述子序列对应的效率优化因子。
23、进一步的,所述根据每个所述子序列对应的效率优化因子,对所述油渣分离速度时序序列中的每个油渣分离速度进行优化,得到油渣分离效率时序序列,包括:
24、针对所述油渣分离速度时序序列中的任一油渣分离速度,根据所述油渣分离速度的采样时刻确定相同采样时刻所对应的子序列作为目标子序列,获取所述油渣分离速度和所述目标子序列对应的效率优化因子之间的乘积,对所述乘积进行归一化,对应得到的归一化值作为油渣分离效率;
25、将所述油渣分离速度时序序列中的每个油渣分离速度对应的油渣分离效率组成油渣分离效率时序序列。
26、进一步的,所述根据所述油渣分离效率时序序列进行所述油渣分离过程中的油渣分离效率异常检测,包括:
27、获取预设的油渣分离效率阈值,若所述油渣分离效率时序序列中的油渣分离效率小于所述油渣分离效率阈值,则对所述油渣分离过程进行油渣分离效率异常预警。
28、本专利技术实施例与现有技术相比存在的有益效果是:
29、本专利技术在油渣分离过程中,根据油渣分离后每个采样时刻的油渣分离速本文档来自技高网...
【技术保护点】
1.一种基于数据分析的油渣分离效率异常检测方法,其特征在于,所述一种基于数据分析的油渣分离效率异常检测方法包括:
2.根据权利要求1所述的一种基于数据分析的油渣分离效率异常检测方法,其特征在于,所述根据所述油渣增量时序序列中每个油渣增量的COF离群因子,获取对所述油渣增量时序序列进行FLOSS时序模态分割时每两个油渣增量之间的优化距离,包括:
3.根据权利要求2所述的一种基于数据分析的油渣分离效率异常检测方法,其特征在于,所述根据所述两个油渣增量的COF离群因子,获取所述两个油渣增量之间的距离优化因子,包括:
4.根据权利要求3所述的一种基于数据分析的油渣分离效率异常检测方法,其特征在于,所述根据所述两个油渣增量的油渣增量分配特征值,获取所述两个油渣增量之间的距离优化因子,包括:
5.根据权利要求1所述的一种基于数据分析的油渣分离效率异常检测方法,其特征在于,所述根据所述距离优化因子,获取对所述油渣增量时序序列进行FLOSS时序模态分割时所述两个油渣增量之间的优化距离,包括:
6.根据权利要求1所述的一种基于数据分析的油
7.根据权利要求1所述的一种基于数据分析的油渣分离效率异常检测方法,其特征在于,所述根据每个所述子序列对应的效率优化因子,对所述油渣分离速度时序序列中的每个油渣分离速度进行优化,得到油渣分离效率时序序列,包括:
8.根据权利要求1所述的一种基于数据分析的油渣分离效率异常检测方法,其特征在于,所述根据所述油渣分离效率时序序列进行所述油渣分离过程中的油渣分离效率异常检测,包括:
...【技术特征摘要】
1.一种基于数据分析的油渣分离效率异常检测方法,其特征在于,所述一种基于数据分析的油渣分离效率异常检测方法包括:
2.根据权利要求1所述的一种基于数据分析的油渣分离效率异常检测方法,其特征在于,所述根据所述油渣增量时序序列中每个油渣增量的cof离群因子,获取对所述油渣增量时序序列进行floss时序模态分割时每两个油渣增量之间的优化距离,包括:
3.根据权利要求2所述的一种基于数据分析的油渣分离效率异常检测方法,其特征在于,所述根据所述两个油渣增量的cof离群因子,获取所述两个油渣增量之间的距离优化因子,包括:
4.根据权利要求3所述的一种基于数据分析的油渣分离效率异常检测方法,其特征在于,所述根据所述两个油渣增量的油渣增量分配特征值,获取所述两个油渣增量之间的距离优化因子,包括:
5.根据权利要求1所述...
【专利技术属性】
技术研发人员:徐欣,叶桂军,陈文超,
申请(专利权)人:泰安金冠宏食品科技有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。