一种基于大数据的钢丝加工环境监管方法及系统技术方案

本发明专利技术涉及湿度信号处理的技术领域，具体涉及一种基于大数据的钢丝加工环境监管方法及系统

【技术实现步骤摘要】
一种基于大数据的钢丝加工环境监管方法及系统


[0001]本专利技术涉及湿度信号处理的
，具体涉及一种基于大数据的钢丝加工环境监管方法及系统
。

技术介绍

[0002]在钢丝加工产业中，预应力钢丝生产行业是建筑材料行业的一个重要分支，预应力钢丝是一种特殊类型的钢丝，经过处理后具有高强度和弹性特性，主要用于预应力混凝土构件的制造
。
为了确保产品的质量，预应力钢丝的加工过程需要在特定的生产环境中进行，其中空气湿度对于碳
、
铁等生产材料的影响较大，需要单独进行检测
。
[0003]在实际的生产环境中，通常利用安装湿度传感器检测当前加工环境的湿度表现，然后根据湿度传感器获取的湿度信号与历史状态对比来调整当前生产过程
。
由于实际生产环境存在多方面影响，在湿度信号传输至控制终端的过程中，可能会导致湿度信号出现一定噪声，导致无法获取准确的湿度信号
。
在预应力钢丝加工场景下，例如热处理
、
拉伸等步骤会导致环境湿度发生一定变化，这就导致现有去噪方法可能会对信号曲线过度平滑，或降噪不完全，影响对钢丝加工环境的监测与监管
。

技术实现思路

[0004]为了解决现有降噪手段对钢丝加工环境中湿度信号处理不准确，影响钢丝加工环境监管的技术问题，本专利技术的目的在于提供一种基于大数据的钢丝加工环境监管方法及系统，所采用的技术方案具体如下：一种基于大数据的钢丝加工环境监管方法，所述方法包括：获取钢丝加工环境的湿度信号；将湿度信号进行信号分解，获得多个信号分量；分析每个信号分量中频率的波动特征以及幅值的变化特征，获取每个信号分量的初始噪声程度；根据每个信号分量中不同时序段之间的差异特征，获得每个信号分量的调整系数；根据每个信号分量的所述调整系数调整对应的所述初始噪声程度，获得每个信号分量的滤波参数；根据每个信号分量的滤波参数进行自适应滤波，将滤波完成后的所有信号分量重构为去噪湿度信号；将所述去噪湿度信号与历史大数据进行匹配，筛选出异常信号数据，并生成异常提示
。
[0005]进一步地，所述初始噪声程度的获取方法包括：选择任一信号分量为目标信号分量；将所述目标信号分量的波形中相邻的极大值点和极小值点之间的波形作为一个待分析波段；根据所述目标信号分量的整体频率特征，获得第一参数；根据所述目标信号分量中频率的随机性特征，获得第二参数；根据所述目标信号分量中待分析波段的波形幅值的变化特征，获得第三参数；将所述第一参数
、
所述第二参数与所述第三参数的和进行归一化后，获得所述目
标信号分量的初始噪声程度；改变目标信号分量，获得所有信号分量各自对应的初始噪声程度
。
[0006]进一步地，所述第一参数的获取方法包括：将所述目标信号分量中极大值点的数量与所述目标信号分量的总时序长度的比值作为第一参数
。
[0007]进一步地，所述第二参数的获取方法包括：通过第二参数计算公式获取所述目标信号分量的第二参数；所述第二参数计算公式包括：；其中，表示目标信号分量的第二参数；表示目标信号分量中极大值点的数量；表示极大值点的序号；为极大值点的标识符；为极小值点的标识符；表示第个极大值点的时序；表示第个极小值点的时序；表示第个待分析波段的时序长度，表示该待分析波段的时序长度在目标信号分量中所有待分析波段时序长度中出现的概率；表示以自然数2为底数的对数函数
。
[0008]进一步地，所述第三参数的获取方法包括：获取所述目标信号分量中所有极值点对的差值绝对值，将所有差值绝对值的方差作为第三参数
。
[0009]进一步地，所述调整系数的获取方法包括：根据信号分量整体频率特征，将所有信号分量按照所述第一参数，从低到高的顺序进行排序，获得信号分量序列；选取频率最低的信号分量，通过相邻的极大值与极小值时序点的差值的二倍得到每个子波动的时序长度；选取时序长度最长的一节子波动作为当前信号分量的最长子波段，将最长子波段对应的时序段作为信号分量序列中下一个信号分量的待分析时序段，从下一个信号分量的带分析时序段中获取下一个信号分量的最长子波段，依此类推，依次获得每个信号分量对应的所述最长子波段；分析每个信号分量中最长子波段与其他部分的频率差异，依次获得每个信号分量的调整系数
。
[0010]进一步地，所述调整系数的获取方法包括：将每个信号分量中除去最长子波段的其他部分称之为比对部分，利用调整系数计算公式获得每个信号分量的调整系数；所述调整系数计算公式包括：；其中，表示第个信号分量的调整系数；为信号分量的序号；为双曲正切函数；为极大值点的标识符；为极小值点的标识符；表示第个信号分量最长子波段中极大值点的序号；表示最长子波段中第个极大值点的时序；表示最长子波段中第个极小值点的时序；表示第个信号分量中最长子波段内极大值点的数量；表示第个信号分量中最长子波段的时序区间长度；表示第个信号分量中比对部分的极大值点的数量；表示第个信号分量中比对部分的时序区间长度；表示第个信号分量中比对部分的极大值点的序号；表示第个信号分量中比对部分的第个极大值点的时序；表示第个信号分量中比对部分的第个极小值点的时序
。
[0011]进一步地，所述滤波参数的获取方法包括：根据所述初始噪声程度和所述调整系数构建调整参数计算公式；其中，所述初始噪声程度和所述调整系数均与所述调整参数呈正相关关系
。
[0012]进一步地，所述自适应滤波所使用的滤波算法为维纳滤波算法
。
[0013]本专利技术还提出了一种基于大数据的钢丝加工环境监管系统，所述系统包括存储器
、
处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现任意一项所述一种基于大数据的钢丝加工环境监管方法的步骤
。
[0014]本专利技术具有如下有益效果：本专利技术首先对获取的湿度信号进行分解，以便后续分别分析每个信号分量的特征，对每个信号分量进行准确的降噪；进一步分析信号分量中的波动特征以及幅值的变化特征，获取信号分量的初始噪声程度，初步获得信号分量的噪声程度，为后续进行进一步调整做好准备；进一步利用信号分量中的不同时序段的差异特征，获得调整系数并调整对应的初始噪声程度，获得每个信号分量的滤波参数，综合信号分量自身特征以及加工过程中工艺对信号数据的影响特征，使得滤波参数更符合钢丝加工环境的实际情景，滤波参数更加准确；进一步进行自适应滤波，然后进行信号重构，获得去噪湿度信号；最后进行大数据匹配，筛选出异常信号数据
。
本专利技术充分考虑到了钢丝加工环境中的噪声特征以及加工过程中工艺操作对湿度信号的影响，获得了每个信号分量的滤波参数，从而精确的去除每个信号分量上的噪声影响，最后进行信号重构获得准确的去噪湿度信号，为环境监管提供了准确的数据支持，提高了钢丝加工环境监管方法的准确性
。
附图说明
[0015]为了更清楚地说本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于大数据的钢丝加工环境监管方法，其特征在于，所述方法包括：获取钢丝加工环境的湿度信号；将湿度信号进行信号分解，获得多个信号分量；分析每个信号分量中频率的波动特征以及幅值的变化特征，获取每个信号分量的初始噪声程度；根据每个信号分量中不同时序段之间的差异特征，获得每个信号分量的调整系数；根据每个信号分量的所述调整系数调整对应的所述初始噪声程度，获得每个信号分量的滤波参数；根据每个信号分量的滤波参数进行自适应滤波，将滤波完成后的所有信号分量重构为去噪湿度信号；将所述去噪湿度信号与历史大数据进行匹配，筛选出异常信号数据，并生成异常提示
。2.
根据权利要求1中所述的一种基于大数据的钢丝加工环境监管方法，其特征在于，所述初始噪声程度的获取方法包括：选择任一信号分量为目标信号分量；将所述目标信号分量的波形中相邻的极大值点和极小值点之间的波形作为一个待分析波段；根据所述目标信号分量的整体频率特征，获得第一参数；根据所述目标信号分量中频率的随机性特征，获得第二参数；根据所述目标信号分量中待分析波段的波形幅值的变化特征，获得第三参数；将所述第一参数
、
所述第二参数与所述第三参数的和进行归一化后，获得所述目标信号分量的初始噪声程度；改变目标信号分量，获得所有信号分量各自对应的初始噪声程度
。3.
根据权利要求2中所述的一种基于大数据的钢丝加工环境监管方法，其特征在于，所述第一参数的获取方法包括：将所述目标信号分量中极大值点的数量与所述目标信号分量的总时序长度的比值作为第一参数
。4.
根据权利要求2中所述的一种基于大数据的钢丝加工环境监管方法，其特征在于，所述第二参数的获取方法包括：通过第二参数计算公式获取所述目标信号分量的第二参数；所述第二参数计算公式包括：；其中，表示目标信号分量的第二参数；表示目标信号分量中极大值点的数量；表示极大值点的序号；为极大值点的标识符；为极小值点的标识符；表示第个极大值点的时序；表示第个极小值点的时序；表示第个待分析波段的时序长度，表示该待分析波段的时序长度在目标信号分量中所有待分析波段时序长度中出现的概率；表示以自然数2为底数的对数函数
。5.
根据权利要求2中所述的一种基于大数据的钢丝加工环境监管方法，其特征在于，所述第三参数的获取方法包括：获取所述目标信号分量中所有极值点对的差值绝对值，将所有差值绝对值的方差作为第三参数
。6.
根据权利要求3中所述的一...

【专利技术属性】
技术研发人员：孙大勇，付崇建，宋国东，
申请(专利权)人：山东鑫大地控股集团有限公司，
类型：发明
国别省市：