基于深度分层模糊算法的环保设备识别方法与系统技术方案

本发明专利技术公开了一种基于深度分层模糊算法的环保设备识别方法与系统，其包括以下步骤：(1)通过谐波检测仪采集环保设备的谐波信号数据，并实地采集对应的环保设备类型信息，用于构建训练样本数据库；(2)通过局部均值分解方法提取训练样本数据库中的数据的特征向量，并利用训练样本数据库训练基于最小二乘法构建的深度分层模糊系统，以此构建出识别模型；(3)利用识别模型评估输入的谐波信号数据，以判断被检测设备是否为对应的环保设备。本发明专利技术可以实时检测设备，判断其是否为对应的环保设备，避免了偷换检测仪器至非环保设备上以及环保设备类型不匹配的问题。

【技术实现步骤摘要】
基于深度分层模糊算法的环保设备识别方法与系统
本专利技术涉及环保设备的识别，是一种通过分析设备用电数据来识别是否为对应环保设备的方法，属于数据挖掘分析领域。
技术介绍
近几年，企业环保问题受到格外关注，国家也不断修订《环保法》以加强环保监督。在企业方面，配备必要的环保治污设备是企业环保达标的基础。环保部门执法人员也会对企业环保设备进行相关的日常检查。目前，对企业环保设备进行检查时，执法人员需要亲临现场，由于需要检查的企业和项目众多，导致部分地区的执法人员在检查企业环保设备时敷衍了事。由于开启环保设备会提高企业的生产成本，所以很多企业为应付检查，仅在检查开始前才开启环保设备；还有部分企业虽然在检查时设备运转良好，各项检查也均达到标准要求，却在执法人员离开后关停环保设备；利用谐波检测仪检查的方法则存在仪器被偷换安装到其他非环保设备上的问题。通过目前部分存在的现象可以发现，环保部门对企业环保设备的日常检查方式存在着缺陷。
技术实现思路
针对目前环保设备日常检查的现状，为了能够准确、快速的解决目前环保设备日常检查中存在的问题本文档来自技高网...

【技术保护点】
1.一种基于深度分层模糊算法的环保设备识别方法，其特征在于，包括以下步骤：/n(1)通过谐波检测仪采集环保设备的谐波信号数据，并实地采集对应的环保设备类型信息，用于构建训练样本数据库；/n(2)通过局部均值分解方法提取训练样本数据库中的数据的特征向量，并利用训练样本数据库训练基于最小二乘法构建的深度分层模糊系统，以此构建出识别模型；/n(3)利用识别模型评估输入的谐波信号数据，以判断被检测设备是否为对应的环保设备。/n

【技术特征摘要】
1.一种基于深度分层模糊算法的环保设备识别方法，其特征在于，包括以下步骤：
(1)通过谐波检测仪采集环保设备的谐波信号数据，并实地采集对应的环保设备类型信息，用于构建训练样本数据库；
(2)通过局部均值分解方法提取训练样本数据库中的数据的特征向量，并利用训练样本数据库训练基于最小二乘法构建的深度分层模糊系统，以此构建出识别模型；
(3)利用识别模型评估输入的谐波信号数据，以判断被检测设备是否为对应的环保设备。


2.根据权利要求1所述的基于深度分层模糊算法的环保设备识别方法，其特征在于，所述步骤(1)步骤如下：
采集若干个信号周期的谐波信号数据xm(t)，然后将此数据上传至云平台；
并将收集所有谐波检测仪(设备节点m(m＝1,2,...,n))对应的环保设备的类型信息，将设备的类型作为类别标签ym；其中，ym∈{1,2,...,k,k+1}(k≤n)，标签1,2,...,k代表k种不同类型的环保设备，标签k+1代表非环保设备；对应关系为：
利用采集到的谐波信号数据xm(t)和每个谐波信号数据对应的类别标签ym，构建出训练样本数据库D。


3.根据权利要求1所述的基于深度分层模糊算法的环保设备识别方法，其特征在于，所述步骤(2)步骤如下：
步骤1：提取特征向量
对训练样本数据库中的每个谐波信号xm(t)进行局部均值分解求出PF分量，取PF1,PF2,PF3分量，并求出谐波信号xm(t)的PFr(r＝1,2,3)分量的瞬时幅值ar(t)和瞬时频率fr(t)，进一步利用平均值法求得各自的平均值和利用谐波信号xm(t)的PFr分量的和构建特征向量PFm，即
步骤2：搭建深度分层模糊系统
先对系统的总体参数进行设置，手动确定层数L、移动步长s和卷积窗的长度w；
将训练样本集D1中的特征向量作为系统的输入向量，即类别标签ym作为每一个模糊子系统的输出向量；
构建出第一层第i个模糊子系统的输入-输出数据对：根据该数据对，确定模糊集合...

【专利技术属性】
技术研发人员：李成栋，申存骁，彭伟，周长庚，张金萍，张桂青，
申请(专利权)人：山东建筑大学，
类型：发明
国别省市：山东;37