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,具体涉及一种油渣分离系统中的数据分析方法。
技术介绍
1、油渣分离系统是用于处理含有油污的废水或液体混合物的设备,其主要目的是将油水分离,以减少环境污染并回收有用的油。其中,数据分析在油渣分离系统中扮演着重要的角色,有助于优化油渣分离系统的性能、监测设备状态、提高油水分离效率,以及降低操作成本。具体的,油渣分离系统中通过传感器监测各个系统参数,包括流量、温度、压力、油水混合物的化学成分等,这些传感器提供大量的实时监测数据,用于分析和控制油渣分离系统。
2、由于温度对油渣的分离影响较大,因此,目前对温度的监测较为严谨。但是在采集温度的监测数据时,温度传感器会受到多种因素的影响,导致采集的温度的监测数据存在噪声,进而需要对温度的监测数据进行去噪处理,以保证得到准确的温度数据。
3、在现有技术中,对数据进行去噪的方法较多,其中,小波变换算法对数据进行去噪具有较好的效果,小波变换算法能够将信号分解成不同尺度的分量信号,以揭示信号的局部特征和频率成分,然后根据各分量信号的变化对其进行去噪,但是在进行分量信号去噪时,小波阈值的选取至关重要,而合适的小波阈值能够提高去噪效果。
4、因此,如何在利用小波变换算法对油渣分离系统的温度监测数据进行去噪时,确定合适的小波阈值成为亟待解决的问题。
技术实现思路
1、有鉴于此,本专利技术实施例提供了一种油渣分离系统中的数据分析方法,以解决如何在利用小波变换算法对油渣分离系统的温度监测数据进行去噪时,
2、本专利技术实施例中提供了一种油渣分离系统中的数据分析方法,所述数据分析方法包括:
3、获取预设时段内油渣分离系统的温度信号;
4、获取对所述温度信号进行经验模态分解时的所有极值点,对所述所有极值点进行筛选,得到目标极值点,根据所述目标极值点,将所述温度信号分解为至少一个imf分量信号作为参考分量信号,对所述温度信号进行传统的经验模态分解,得到至少一个imf分量信号作为实际分量信号;
5、针对所有的参考分量信号和实际分量信号中的任一分量信号,根据所述分量信号中每个数据点的幅值和相邻极值点之间的水平间距,获取所述分量信号的波动程度;
6、针对任一实际分量信号,在所有的参考分量信号中获取与所述实际分量信号的频率分量相等的目标参考分量信号,根据所述实际分量信号与所述目标参考分量信号之间对应波动程度的差异和相似度,获取所述实际分量信号的小波阈值;
7、根据每个所述实际分量信号的小波阈值对所有的实际分量信号进行自适应去噪,得到去噪后的温度信号。
8、优选的,所述对所述所有极值点进行筛选,得到目标极值点,包括:
9、针对任一极值点,根据所述极值点与其局部极值点之间的幅值差异,获取所述极值点的局部特征值;
10、根据所述极值点与其相邻极值点之间的局部特征值的差异,获取所述极值点为目标极值点的疑似程度;
11、根据所述极值点为目标极值点的疑似程度,获取所述极值点为目标极值点所占的权重系数;
12、当所述极值点为目标极值点所占的权重系数满足预设的权重系数阈值时,确定所述极值点为目标极值点。
13、优选的,所述极值点为极大值点,则所述根据所述极值点与其局部极值点之间的幅值差异,获取所述极值点的局部特征值,包括:
14、获取所述极大值点的左相邻极小值点和右相邻极小值点;
15、计算所述极大值点与所述左相邻极小值点之间对应幅值的第一差值绝对值,计算所述极大值点与所述右相邻极小值点之间对应幅值的第二差值绝对值,获取所述第一差值绝对值和所述第二差值绝对值之间的第一平均值;
16、获取所述极大值点与所述左相邻极小值点之间相隔的数据点,以及获取所述极大值点与所述右相邻极小值点之间相隔的数据点,针对所有相隔的数据点中的任一数据点,获取所述数据点与其后相邻数据点之间对应幅值的差值绝对值,计算所有差值绝对值的第二平均值;
17、将所述第一平均值和所述第二平均值之间的乘积作为所述极大值点的局部特征值。
18、优选的,所述极值点为极小值点,则所述根据所述极值点与其局部极值点之间的幅值差异,获取所述极值点的局部特征值,包括:
19、获取所述极小值点的左相邻极大值点和右相邻极大值点;
20、计算所述极小值点与所述左相邻极大值点之间对应幅值的第一差值绝对值,计算所述极小值点与所述右相邻极大值点之间对应幅值的第二差值绝对值,获取所述第一差值绝对值和所述第二差值绝对值之间的第一平均值;
21、获取所述极小值点与所述左相邻极大值点之间相隔的数据点,以及获取所述极小值点与所述右相邻极大值点之间相隔的数据点,针对所有相隔的数据点中的任一数据点,获取所述数据点与其后相邻数据点之间对应幅值的差值绝对值,计算所有差值绝对值的第二平均值;
22、将所述第一平均值和所述第二平均值之间的乘积作为所述极小值点的局部特征值。
23、优选的,所述根据所述极值点与其相邻极值点之间的局部特征值的差异,获取所述极值点为目标极值点的疑似程度,包括:
24、获取所述极值点的左相邻极值点和右相邻极值点,计算所述极值点与所述左相邻极值点之间对应局部特征值的第三差值绝对值,计算所述极值点与所述右相邻极值点之间对应局部特征值的第四差值绝对值
25、计算所述第三差值绝对值与所述第四差值绝对值之间的均值,将所述均值与所述极值点的局部特征值之间的乘积作为所述极值点为目标极值点的疑似程度。
26、优选的,所述根据所述极值点为目标极值点的疑似程度,获取所述极值点为目标极值点所占的权重系数,包括:
27、获取所有极值点为目标极值点的疑似程度的总和,将所述极值点为目标极值点的疑似程度与所述所有极值点为目标极值点的疑似程度的总和之间的比值作为所述极值点为目标极值点所占的权重系数。
28、优选的,所述根据所述分量信号中每个数据点的幅值和相邻极值点之间的水平间距,获取所述分量信号的波动程度,包括:
29、获取所述分量信号中所有数据点的幅值均值,根据所述分量信号中每个数据点的幅值与幅值均值之间的差值绝对值,计算差值绝对值的均值;
30、根据所述分量信号中每两个相邻极值点之间的水平间距,计算水平间距的均值;
31、将所述差值绝对值的均值和所述水平间距的均值之间的乘积作为所述分量信号的波动程度。
32、优选的,所述根据所述实际分量信号与所述目标参考分量信号之间对应波动程度的差异和相似度,获取所述实际分量信号的小波阈值,包括:
33、获取所述实际分量信号的波动程度与所述目标参考分量信号的波动程度之间的差值的绝对值,利用dtw算法计算所述实际分量信号与所述目标参考分量信号之间的相似度,获取所述相似度的倒数;
34、对所述绝对值和所述相似度的倒数之间本文档来自技高网...
【技术保护点】
1.一种油渣分离系统中的数据分析方法,其特征在于,所述数据分析方法包括:
2.如权利要求1所述的数据分析方法,其特征在于,所述对所述所有极值点进行筛选,得到目标极值点,包括:
3.如权利要求2所述的数据分析方法,其特征在于,所述极值点为极大值点,则所述根据所述极值点与其局部极值点之间的幅值差异,获取所述极值点的局部特征值,包括:
4.如权利要求2所述的数据分析方法,其特征在于,所述极值点为极小值点,则所述根据所述极值点与其局部极值点之间的幅值差异,获取所述极值点的局部特征值,包括:
5.如权利要求2所述的数据分析方法,其特征在于,所述根据所述极值点与其相邻极值点之间的局部特征值的差异,获取所述极值点为目标极值点的疑似程度,包括:
6.如权利要求1所述的数据分析方法,其特征在于,所述根据所述极值点为目标极值点的疑似程度,获取所述极值点为目标极值点所占的权重系数,包括:
7.如权利要求1所述的数据分析方法,其特征在于,所述根据所述分量信号中每个数据点的幅值和相邻极值点之间的水平间距,获取所述分量信号的波动程度,包
8.如权利要求1所述的数据分析方法,其特征在于,所述根据所述实际分量信号与所述目标参考分量信号之间对应波动程度的差异和相似度,获取所述实际分量信号的小波阈值,包括:
9.如权利要求1所述的数据分析方法,其特征在于,在所述获取预设时段内油渣分离系统的温度信号之前,包括:
...【技术特征摘要】
1.一种油渣分离系统中的数据分析方法,其特征在于,所述数据分析方法包括:
2.如权利要求1所述的数据分析方法,其特征在于,所述对所述所有极值点进行筛选,得到目标极值点,包括:
3.如权利要求2所述的数据分析方法,其特征在于,所述极值点为极大值点,则所述根据所述极值点与其局部极值点之间的幅值差异,获取所述极值点的局部特征值,包括:
4.如权利要求2所述的数据分析方法,其特征在于,所述极值点为极小值点,则所述根据所述极值点与其局部极值点之间的幅值差异,获取所述极值点的局部特征值,包括:
5.如权利要求2所述的数据分析方法,其特征在于,所述根据所述极值点与其相邻极值点之间的局部特征值的差异,获取所...
【专利技术属性】
技术研发人员:阚笑,吴忠笑,葛传迎,
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。