一种基于工业物联网的安全生产监测方法技术

本发明专利技术涉及数据处理领域，具体涉及一种基于工业物联网的安全生产监测方法，包括：获取机床设备在每个时间的振动信号数据组成的信号波；获取振动信号数据的若干时序间隔；根据每个时序间隔中的数据得到每个时序间隔的信号波动程度，得到所有的异常时序间隔；根据每个异常时序间隔的数据得到基线的恒定值，得到处理后的振动信号数据；获取若干分量和每个分量的若干时序间隔；根据每个分量的每个时序间隔中的数据得到每个分量的最优窗口步长；根据每个分量的最优窗口步长得到每个分量去噪后的数据，根据所有分量去噪后的数据得到修正后的振动信号数据；根据修正后的振动信号数据进行监测。本发明专利技术用数据处理方式，提高了监测的准确性。准确性。准确性。

【技术实现步骤摘要】
一种基于工业物联网的安全生产监测方法


[0001]本专利技术涉及数据处理
，具体涉及一种基于工业物联网的安全生产监测方法。

技术介绍

[0002]在日常生活和工业生产中，随处可见物联网的影子，工业物联网的广泛应用使得现代工业迅速发展，发展的过程中出现了各种各样的挑战。工业生产现场的线路不断增多，包括各种设备连接线和信号传输线路，同时增长的还有各种工业自动化产生的数据量，其次再加上工业信息化程度的提高，有限的人力已经无法管理日益飞速增长的数据以及对生产设备运行状态的监测。基于物联网的工业生产，不光可以节省对设备状态监测所需的人力资源，并且可以有效避免出现一些生产事故的发生，有效提高对设备运行故障的响应效率。
[0003]在工业生产有很多的设备，导致对其中一种设备的正常生产过程进行监控时，由于其他设备的干扰和一些噪声的干扰导致监测到的数据不太准确，则通过对监测到的数据进行分析，得到的结果不能很好的去评定设备在生产过程是否是正常的，所以针对监测到的数据要进行去噪处理，得到一个较为准确的监测数据。

技术实现思路

[0004]本专利技术提供一种基于工业物联网的安全生产监测方法，以解决现有的问题。
[0005]本专利技术的一种基于工业物联网的安全生产监测方法采用如下技术方案：包括以下步骤：获取机床设备在每个时间的振动信号数据组成的信号波；对信号波进行划分，得到信号波的若干时序间隔；根据信号波的每个时序间隔中的极大值点和极小值点对应的振动信号数据和时间得到信号波的每个时序间隔的信号波动程度，根据信号波的时序间隔的信号波动程度得到信号波的所有异常时序间隔；根据信号波的每个异常时序间隔的极大值点和极小值点对应的振动信号数据得到信号波的每个异常时序间隔的均值包络线；根据信号波的所有异常时序间隔的均值包络线对应的数据得到基线的恒定值，根据基线的恒定值对振动信号数据进行处理得到处理后的振动信号数据；对处理后的振动信号数据进行分解，得到若干分量，对每个分量进行划分，得到每个分量的若干时序间隔；根据每个分量的每个时序间隔中的数据得到每个分量的每个时序间隔的信号波动程度；根据每个分量的时序间隔的信号波动程度得到每个分量的最优窗口步长；根据每个分量的最优窗口步长得到每个分量去噪后的数据，根据所有分量去噪后的数据得到修正后的振动信号数据；
根据修正后的振动信号数据得到异常数据点的个数，根据异常数据点的个数进行机床设备的安全生产监测。
[0006]进一步地，所述对信号波进行划分，得到信号波的若干时序间隔，包括的具体步骤如下：使用预设间隔阈值A对振动信号数据对应的信号波进行均等划分，得到信号波的若干个时序间隔。
[0007]进一步地，所述根据信号波的每个时序间隔中的极大值点和极小值点对应的振动信号数据和时间得到信号波的每个时序间隔的信号波动程度，根据信号波的时序间隔的信号波动程度得到信号波的所有异常时序间隔，包括的具体步骤如下：获得每个时序间隔上的极大值点和极小值点，记为每个时序间隔的极值点，每个时序间隔的信号波动程度的公式为：式中，表示第c个时序间隔内的第z个极值点对应的振动信号数据，表示第c个时序间隔内的第z个极值点对应的时间，表示第c个时序间隔内的所有极值点对应的振动信号数据的均值，表示第c个时序间隔内的所有极值点对应的时间的均值，表示第c个时序间隔内的所有极值点对应的振动信号数据的标准差，表示第c个时序间隔内的所有极值点对应的时间的标准差，v表示第c个时序间隔内的所有极值点的个数，表示第c个时序间隔内的第z个极值点与相邻的第z+1个极值点对应的振动信号数据之间的差异，表示第c个时序间隔内所有相邻极值点对应的振动信号数据之间差异的均值，表示双曲线正切函数，表示第c个时序间隔的信号波动程度；当大于预设阈值B时，则第c个时序间隔为异常时序间隔；当小于等于预设阈值B时，则第c个时序间隔为正常时序间隔。
[0008]进一步地，所述根据信号波的每个异常时序间隔的极大值点和极小值点对应的振动信号数据得到信号波的每个异常时序间隔的均值包络线，包括的具体步骤如下：获取每个异常时序间隔中的极大值点和极小值点，用所有的极大值点对应的振动信号数据通过最小二乘法使用五次多项式进行线性拟合，将拟合得到的曲线记为上包络线；用所有的极小值点对应的振动信号数据通过最小二乘法使用五次多项式进行线性拟合，将拟合得到的曲线记为下包络线；将每个异常时序间隔中每个时间在上包络线对应的数据和在下包络线对应的数据的均值，记为每个异常时序间隔中每个时间的中间数据，将异常时序间隔中所有时间的中间数据连接得到一条曲线，记为均值包络线。
[0009]进一步地，所述根据信号波的所有异常时序间隔的均值包络线对应的数据得到基线的恒定值，根据基线的恒定值对振动信号数据进行处理得到处理后的振动信号数据，包括的具体步骤如下：基线的恒定值的获取公式为：
式中，表示第p个异常时序间隔的信号波动程度，表示第p个异常时序间隔的均值包络线上第m个时间的数据，s表示第p个异常时序间隔的均值包络线上所有时间的数据个数，q表示所有的异常时序间隔的个数，表示基线的恒定值；将振动信号数据的每个异常时序间隔中的每个数据减去基线的恒定值，得到处理后的振动信号数据。
[0010]进一步地，所述对处理后的振动信号数据进行分解，得到若干分量，对每个分量进行划分，得到每个分量的若干时序间隔，包括的具体步骤如下：对处理后的振动信号数据通过EMD进行分解，得到若干分量，然后使用预设间隔阈值A对每个分量进行均等划分，得到每个分量的若干时序间隔。
[0011]进一步地，所述根据每个分量的每个时序间隔中的数据得到每个分量的每个时序间隔的信号波动程度，包括的具体步骤如下：根据每个分量的每个时序间隔中的极大值点和极小值点对应的数据和时间通过每个时序间隔的信号波动程度的公式得到每个分量的每个时序间隔的信号波动程度。
[0012]进一步地，所述每个分量的最优窗口步长的具体获取步骤如下：将每个分量中信号波动程度相等的时序间隔划分为一个类别，将每个分量中的所有时序间隔划分为若干个类别，每个分量的最优窗口步长的公式为：式中，表示第i个分量中第j个类别对应的时序间隔的个数，表示第i个分量中类别的个数，R为预设阈值，表示第i个分量的最优窗口步长，表示向下取整函数。
[0013]进一步地，所述根据每个分量的最优窗口步长得到每个分量去噪后的数据，根据所有分量去噪后的数据得到修正后的振动信号数据，包括的具体步骤如下：以每个分量的每个数据为窗口中心点，获取每个分量的每个数据的最优窗口，其中最优窗口中窗口中心点左边的数据个数等于右边的数据个数等于最优窗口步长，通过每个分量的每个数据的最优窗口使用均值滤波对每个分量进行去噪，得到每个分量去噪后的数据，对所有的分量去噪后的数据进行合并得到修正后的振动信号数据。
[0014]进一步地，所述根据修正后的振动信号数据得到异常数据点的个数，根据异常数据点的个数进行机床设备的安全生产监测，包括的具体步骤如下：将修正后的振动信号数据映射到[
‑
1,1本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于工业物联网的安全生产监测方法，其特征在于，该方法包括以下步骤：获取机床设备在每个时间的振动信号数据组成的信号波；对信号波进行划分，得到信号波的若干时序间隔；根据信号波的每个时序间隔中的极大值点和极小值点对应的振动信号数据和时间得到信号波的每个时序间隔的信号波动程度，根据信号波的时序间隔的信号波动程度得到信号波的所有异常时序间隔；根据信号波的每个异常时序间隔的极大值点和极小值点对应的振动信号数据得到信号波的每个异常时序间隔的均值包络线；根据信号波的所有异常时序间隔的均值包络线对应的数据得到基线的恒定值，根据基线的恒定值对振动信号数据进行处理得到处理后的振动信号数据；对处理后的振动信号数据进行分解，得到若干分量，对每个分量进行划分，得到每个分量的若干时序间隔；根据每个分量的每个时序间隔中的数据得到每个分量的每个时序间隔的信号波动程度；根据每个分量的时序间隔的信号波动程度得到每个分量的最优窗口步长；根据每个分量的最优窗口步长得到每个分量去噪后的数据，根据所有分量去噪后的数据得到修正后的振动信号数据；根据修正后的振动信号数据得到异常数据点的个数，根据异常数据点的个数进行机床设备的安全生产监测。2.根据权利要求1所述一种基于工业物联网的安全生产监测方法，其特征在于，所述对信号波进行划分，得到信号波的若干时序间隔，包括的具体步骤如下：使用预设间隔阈值A对振动信号数据对应的信号波进行均等划分，得到信号波的若干个时序间隔。3.根据权利要求1所述一种基于工业物联网的安全生产监测方法，其特征在于，所述根据信号波的每个时序间隔中的极大值点和极小值点对应的振动信号数据和时间得到信号波的每个时序间隔的信号波动程度，根据信号波的时序间隔的信号波动程度得到信号波的所有异常时序间隔，包括的具体步骤如下：获得每个时序间隔上的极大值点和极小值点，记为每个时序间隔的极值点，每个时序间隔的信号波动程度的公式为：；式中，表示第c个时序间隔内的第z个极值点对应的振动信号数据，表示第c个时序间隔内的第z个极值点对应的时间，表示第c个时序间隔内的所有极值点对应的振动信号数据的均值，表示第c个时序间隔内的所有极值点对应的时间的均值，表示第c个时序间隔内的所有极值点对应的振动信号数据的标准差，表示第c个时序间隔内的所有极值点对应的时间的标准差，v表示第c个时序间隔内的所有极值点的个数，表示第c个
时序间隔内的第z个极值点与相邻的第z+1个极值点对应的振动信号数据之间的差异，表示第c个时序间隔内所有相邻极值点对应的振动信号数据之间差异的均值，表示双曲线正切函数，表示第c个时序间隔的信号波动程度；当大于预设阈值B时，则第c个时序间隔为异常时序间隔；当小于等于预设阈值B时，则第c个时序间隔为正常时序间隔。4.根据权利要求1所述一种基于工业物联网的安全生产监测方法，其特征在于，所述根据信号波的每个异常时序间隔的极大值点和极小值点对应的振动信号数据得到信号波的每个异常时序间隔的均值包络线，包括的具体步骤如下：获取每个异常时序间隔中的极大值点和极小值点，用所有的极大值点对应的振动信号数据通过最小二乘法使用五次多项式进行线性拟合，将拟合得到的曲线记为上包络线；用所有的极小值点对应的振动信号数据通过最小二乘法使用五次多项式进行线性拟合，将拟合得到的曲线记为下包络线；...

【专利技术属性】
技术研发人员：徐建娴，李岚，宋安平，王岩，金新城，乐世宏，叶飞，童林，于刚，尹诚，陈亮，李涤非，孙晨，狄时华，
申请(专利权)人：联通江苏产业互联网有限公司，
类型：发明
国别省市：