【技术实现步骤摘要】
本专利技术一般地涉及数据处理。更具体地，本专利技术涉及一种基于数字孪生的云平台监控方法及系统。
技术介绍
1、数字孪生系统是指以数字化的方式拷贝工程的物理对象模拟工厂在现实环境中的行为，对产品的设计、工艺、制造乃至整个工厂进行虚拟仿真，从而提高产品研发、制造生产效率，提前预判出错的可能，实现节约生产成本，降低生产损耗的目的。
2、在数字孪生系统中需要将传感器收集到的数据实时传输到云平台，以便云平台可以对生产线的实时监控，在供水设备的成产测试过程中，往往需要对采集到的流量数据进行实时监控，以确保供水设备的质量，但是由于采集的流量数据存在噪声数据，对于采集流量数据中的噪声数据，现有技术采用粒子滤波算法进行噪声数据去除，利用去噪后的数据建立设备数字孪生模型。
3、由于在供水设备的运行过程中水质的变化会影响流量传感器的测量结果从而产生噪声，尤其是当水中含有杂质或气泡时，会引起流量数据的波动或不稳定性，意味着不同时间段内产生的噪声的强度可能不同，因此现有的粒子滤波算法采用统一的粒子数量以及随机粒子进行滤波去噪时，容易产生采样偏差的情况，即某些区域的粒子密度较低无法更好地反应真实数据分布，或者将噪声数据点直接作为粒子进行初始化，导致滤波结果失真的情况，影响到建立设备数字孪生模型的准确性，导致对流量数据的监控存在误差。
技术实现思路
1、为解决上述一个或多个技术问题，本专利技术提出一种基于数字孪生的云平台监控方法及系统，方法提高了建立设备数字孪生模型的准确性，系统能够对流
2、采集供水设备运行时的流量数据和所述流量数据对应的压力数据；所述流量数据包含多个流量数据点，所述压力数据包含多个压力数据点；
3、预设每个流量数据点的局部范围，并获取所述局部范围的多个极值点，根据所述多个极值点中每两个相邻极值点的时间差和数值差，得到所述每个流量数据点的噪声程度；
4、根据每个压力数据点对所述每个流量数据点的噪声程度进行修正，得到所述每个流量数据点修正后的噪声程度；
5、利用所有流量数据点修正后的噪声程度筛选出目标流量数据点，并对所述目标流量数据点进行粒子初始化；
6、利用粒子初始化后的目标流量数据点对所述流量数据进行粒子滤波去噪；
7、根据粒子滤波去噪后的流量数据建立数字孪生平台对供水设备进行监控。
8、进一步的，根据所述多个极值点中每两个相邻极值点的时间差和数值差，得到所述每个流量数据点的噪声程度，包括：
9、将每两个相邻的极值点分为一组，得到所述局部范围内的多组极值点；
10、根据每一组极值点中的两个极值点的时间差和数值差，得到所述每个流量数据点的局部范围内的数据波动程度和数据规律性；
11、基于所述数据波动程度和规律性，计算所述每个流量数据点的噪声程度，所述噪声程度满足如下关系式：
12、
13、式中，i为流量数据点的序号，为第i个流量数据点的噪声程度，为统一度量化的权重，为以自然常数e为底的指数函数，为第i个流量数据点的局部范围内的数据波动程度，为第i个流量数据点的局部范围内的数据规律性。
14、进一步的，所述每个流量数据点的局部范围内的数据波动程度，包括：
15、将每一组极值点中两个极值点的时间差的倒数，作为所述局部范围内出现每一组极值点的频率，将所述局部范围内出现所有组极值点的频率的均值，作为所述局部范围内的数据变化频率；
16、将每一组极值点中两个极值点的数值差，作为所述局部范围内每一组极值点的幅度差，将所述局部范围内所有组极值点的幅度差的均值，作为所述局部范围内的数据变化幅度；
17、则所述局部范围内的数据波动程度为：所述局部范围内的数据变化频率和数据变化幅度之和。
18、进一步的，所述每个流量数据点的局部范围内的数据规律性，包括：
19、将所述局部范围内出现所有组极值点的频率的方差的倒数，作为所述局部范围内的数据频率变化的一致性；
20、将所述局部范围内所有组极值点的幅度差的方差的倒数，作为所述局部范围内的数据幅度变化的一致性；
21、则所述每个流量数据点的局部范围内的数据规律性为：所述局部范围内的数据频率变化的一致性和数据幅度变化的一致性之和。
22、进一步的，根据每个压力数据点对所述每个流量数据点的噪声程度进行修正，得到所述每个流量数据点修正后的噪声程度，包括：
23、首先，筛选每个压力数据点对应的标准流量数据点，包括：
24、获取每个压力数据点对应的多个流量数据点，包括：获取与该压力数据数值相同的所有压力数据点对应的多个流量数据点，作为该压力数据点对应的多个流量数据点；
25、将采集的压力数据点按照数值从小到大进行排序，以压力数据点的数值为横坐标，以每个压力数据点对应的多个流量数据点的数值为纵坐标，构建坐标系；
26、对每个压力数据点对应的多个流量数据点按照数值进行聚类，根据聚类结果计算每个压力数据点对应的标准流量数值；
27、然后，拟合流量数据点和压力数据点之间的函数关系，包括：
28、利用最小二乘法对所有压力数据点对应的标准流量数值进行曲线拟合，得到压力数据点的数值和对应的标准流量数值之间的函数关系，其中自变量为压力数据点的数值，为压力数据点对应的标准流量数值；
29、最后，基于所述函数关系对所述每个流量数据点的噪声程度进行修正，包括：
30、
31、式中，为第i个流量数据点的噪声程度，为第i个流量数据点修正后的噪声程度，为第i个流量数据点的数值，为第i个流量数据点对应的压力数据点的数值，含义为第i个流量数据点对应的压力数据点，按照所述函数关系计算出的第i个流量数据点对应的标准流量数值，为以自然常数e为底的指数函数。
32、进一步的，对每个压力数据点对应的多个流量数据点按照数值进行聚类，根据聚类结果计算每个压力数据点对应的标准流量数值，包括：
33、利用dbscan聚类算法对坐标系中每一个压力数据点对应的多个流量数据点进行分类，设定聚类半径为0.3，得到多个类簇；
34、将流量数据点最多的一个类簇作为真实类簇，计算真实类簇中所有流量数据点的数值均值，将该均值作为该压力数据对应的标准流量数值。
35、进一步的，利用所有流量数据点修正后的噪声程度筛选出目标流量数据点，包括：
36、首先，对所有的流量数据点按照噪声程度从小到大排序；
37、然后，取前m%的流量数据点作为流量数据集，作为迭代的开始，迭代步长为1%，迭代的终止条件为取到前%的流量数据点，其中，m%和%为流量数据点的百分比，均为预设值；
38、在每次迭代过程中，计算本次参与迭代的流量数据集的优选度：
39、...
【技术保护点】
1.一种基于数字孪生的云平台监控方法，其特征在于，包括：
2.根据权利要求1所述的一种基于数字孪生的云平台监控方法，其特征在于，根据所述多个极值点中每两个相邻极值点的时间差和数值差，得到所述每个流量数据点的噪声程度，包括：
3.根据权利要求2所述的一种基于数字孪生的云平台监控方法，其特征在于，所述每个流量数据点的局部范围内的数据波动程度，包括：
4.根据权利要求2所述的一种基于数字孪生的云平台监控方法，其特征在于，所述每个流量数据点的局部范围内的数据规律性，包括：
5.根据权利要求2所述的一种基于数字孪生的云平台监控方法，其特征在于，根据每个压力数据点对所述每个流量数据点的噪声程度进行修正，得到所述每个流量数据点修正后的噪声程度，包括：
6.根据权利要求5所述的一种基于数字孪生的云平台监控方法，其特征在于，对每个压力数据点对应的多个流量数据点按照数值进行聚类，根据聚类结果计算每个压力数据点对应的标准流量数值，包括：
7.根据权利要求5所述的一种基于数字孪生的云平台监控方法，其特征在于，利用所有流量数据点修正后
8.根据权利要求7所述的一种基于数字孪生的云平台监控方法，其特征在于，所述参与迭代的流量数据集的数据完备性，包括：
9.根据权利要求8所述的一种基于数字孪生的云平台监控方法，其特征在于，所述预设每个流量数据点的局部范围，包括：
10.一种基于数字孪生的云平台监控系统，其特征在于，所述监控系统包括存储器和处理器，所述存储器上存储有计算机程序，所述处理器执行所述计算机程序以实现如权利要求1-9任一项所述监控方法的步骤。
...【技术特征摘要】
1.一种基于数字孪生的云平台监控方法，其特征在于，包括：
2.根据权利要求1所述的一种基于数字孪生的云平台监控方法，其特征在于，根据所述多个极值点中每两个相邻极值点的时间差和数值差，得到所述每个流量数据点的噪声程度，包括：
3.根据权利要求2所述的一种基于数字孪生的云平台监控方法，其特征在于，所述每个流量数据点的局部范围内的数据波动程度，包括：
4.根据权利要求2所述的一种基于数字孪生的云平台监控方法，其特征在于，所述每个流量数据点的局部范围内的数据规律性，包括：
5.根据权利要求2所述的一种基于数字孪生的云平台监控方法，其特征在于，根据每个压力数据点对所述每个流量数据点的噪声程度进行修正，得到所述每个流量数据点修正后的噪声程度，包括：
6.根据权利要求5所述的一种基于数字孪...
【专利技术属性】
技术研发人员：王延毅，陈倩倩，
申请(专利权)人：山东华立供水设备有限公司，
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。