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清洗,具体涉及一种直发梳自动感应温度预警方法及系统。
技术介绍
1、直发梳作为一种烫发工具被广泛使用,由于使用不当或设备故障等原因,直发梳在使用过程中产生的高温可能会对用户的头发和头皮造成损害,甚至引发安全隐患。因此,对直发梳进行温度预警非常重要。
2、通过在直发梳上安装的红外线传感器实时感知直发梳表面的温度变化,因周围环境温度变化与电磁辐射等因素容易导致传感器采集的温度信号中存在噪声,导致温度信号不准确。将信号分离为分量信号,通过滤波算法对每个分量信号进行去噪,由于不同分量信号中包含的噪声类型与噪声强度存在差异,则不同分量信号所需的滤波强度存在差异,现有方法预先指定滤波算法中的参数,若滤波算法中的参数设置不合理,导致分量信号中噪声无法有效去除和信号失真的情况,进而导致温度信号去噪效果较差,降低对直发梳的温度预警的准确度。
技术实现思路
1、为了解决对分量信号滤波时滤波算法中参数设置不合理,导致温度信号去噪效果较差,使直发梳的温度预警出现误差的技术问题,本专利技术的目的在于提供一种直发梳自动感应温度预警方法及系统,所采用的技术方案具体如下:
2、第一方面,本专利技术一个实施例提供了一种直发梳自动感应温度预警方法,该方法包括:
3、分别获取直发梳在当前工作时间段内的原始温度信号,以及历史工作时间段内的正常温度信号;
4、对原始温度信号进行独立成分分析,得到各个独立分量信号;根据每个独立分量信号的峭度值与周期程度,获取每
5、依据任意两个独立分量信号中数据点的幅值差异与所述独立特征值之间的差异,得到独立分量信号之间的差异度;
6、将每个独立分量信号划分为不同局部信号段,获取每个局部信号段的幅值均变化率;结合每个独立分量信号中相邻数据点之间的斜率的离散程度,每个独立分量信号的局部信号段的所述幅值均变化率的混乱程度以及所述独立特征值,获得每个独立分量信号的噪声隶属度;
7、利用所述噪声隶属度对所述差异度进行调整,得到每个独立分量信号的滤波强度值;基于所述滤波强度值,利用滤波算法对原始温度信号的独立分量信号进行滤波,得到去噪温度信号;
8、基于去噪温度信号与正常温度信号中数据点的幅值差异,对直发梳的温度进行预警。
9、进一步地,所述根据每个独立分量信号的峭度值与周期程度,获取每个独立分量信号的独立特征值的方法,包括:
10、对于每个独立分量信号,以时间为横轴,温度值为纵轴建立二维坐标系,将独立分量信号映射至所述二维坐标系中,得到信号曲线段;选取所述信号曲线段中除最后一个拐点外的其余任意一个拐点作为分析点,将分析点与其相邻的下一个拐点均作为分析点的特征点,分别过每个特征点作所述二维坐标系的横轴的垂线,作为特征线;将所述信号曲线段,两条所述特征线以及所述横轴围成区域作为分析点的分析区域;计算所述分析区域的面积作为分析点的特征面积值;
11、根据独立分量信号对应的所述信号曲线段中除最后一个拐点外的其余任意两个拐点的所述特征面积值之间的差异,获取独立分量信号的周期显著度;
12、获取每个独立分量信号的峭度值;结合每个独立分量信号的峭度值与标准高斯曲线的峭度值之间的差异,以及所述周期显著度,获取每个独立分量信号的所述独立特征值。
13、进一步地,所述每个独立分量信号的所述独立特征值的计算公式如下:
14、;式中,f为每个独立分量信号的所述独立特征值;k为每个独立分量信号的峭度值;y为标准高斯曲线的峭度值;m为每个独立分量信号对应的所述信号曲线段中拐点的总数量;为每个独立分量信号对应的所述信号曲线段中第u个拐点的所述特征面积值;为每个独立分量信号对应的所述信号曲线段中第v个拐点的所述特征面积值;为每个独立分量信号的所述周期显著度;为绝对值函数;为预设正数。
15、进一步地,所述独立分量信号之间的差异度的计算公式如下:
16、;式中,为独立分量信号之间的所述差异度;n为独立分量信号的总数量;为第n1个独立分量信号的所述独立特征值;为第n2个独立分量信号的所述独立特征值;为第n1个独立分量信号中数据点的总数量;为第n1个独立分量信号中第a个数据点的幅值;为第n2个独立分量信号的中数据点的总数量;为第n2个独立分量信号中第b个数据点的幅值;为绝对值函数。
17、进一步地,所述获取每个局部信号段的幅值均变化率的方法,包括;
18、对于每个独立分量信号的每个局部信号段,将局部信号段中每个数据点与其相邻下一个数据点的幅值之间的差值绝对值,作为局部信号段中每个数据点的局部幅值差;统计局部信号段中除最后一个数据点外的其余数据点的所述局部幅值差的总和作为局部信号段的综合幅值差;
19、将局部信号段的两个端点位置的数据点对应时刻之间的时间间隔作为局部信号段的时长;
20、将局部信号段的所述综合幅值差与所述时长的比值作为局部信号段的所述幅值均变化率。
21、进一步地,所述获得每个独立分量信号的噪声隶属度的方法,包括:
22、获取每个独立分量信号中每个数据点与其相邻的下一个数据点之间的斜率,作为每个独立分量信号中每个数据点的倾斜值;计算每个独立分量信号中除最后一个数据点外的其余数据点的所述倾斜值的方差,作为每个独立分量信号的毛刺显著度;
23、获取每个独立分量信号的局部信号段的所述幅值均变化率的信息熵作为每个独立分量信号的变化率混乱度;
24、根据每个独立分量信号的所述独立特征值,所述毛刺显著度与所述变化率混乱度,获取每个独立分量信号的噪声隶属度;所述独立特征值与所述噪声隶属度为负相关的关系,所述毛刺显著度与所述变化率混乱度均与所述噪声隶属度为正相关的关系。
25、进一步地,所述每个独立分量信号的滤波强度值的获取方法,包括:
26、利用每个独立分量信号的所述噪声隶属度对所述差异度进行加权,得到每个独立分量信号的滤波强度值。
27、进一步地,所述基于所述滤波强度值,利用滤波算法对原始温度信号的独立分量信号进行滤波,得到去噪温度信号的方法,包括:
28、将每个独立分量信号的所述滤波强度值,作为对每个独立分量信号进行滤波处理的高斯滤波算法的标准差,得到每个独立分量信号的滤波分量信号;
29、将原始温度信号的所有独立分量信号的滤波分量信号进行重构,得到所述去噪温度信号。
30、进一步地,所述基于去噪温度信号与正常温度信号中数据点的幅值差异,对直发梳的温度进行预警发热方法,包括:
31、将去噪温度信号与正常温度信号作为分析信号,计算分析信号中数据点的幅值的方差作为分析信号的幅值离散度;
32、对去噪温度信号与正常温度信号的所述幅值离散度之间的差值绝对值进行归一化,得到温度差异度;
33、当所述温度差异度小于预设差异阈值时,直发梳的温度处于正常本文档来自技高网...
【技术保护点】
1.一种直发梳自动感应温度预警方法,其特征在于,该方法包括:
2.根据权利要求1所述的一种直发梳自动感应温度预警方法,其特征在于,所述根据每个独立分量信号的峭度值与周期程度,获取每个独立分量信号的独立特征值的方法,包括:
3.根据权利要求2所述的一种直发梳自动感应温度预警方法,其特征在于,所述每个独立分量信号的所述独立特征值的计算公式如下:
4.根据权利要求1所述的一种直发梳自动感应温度预警方法,其特征在于,所述独立分量信号之间的差异度的计算公式如下:
5.根据权利要求1所述的一种直发梳自动感应温度预警方法,其特征在于,所述获取每个局部信号段的幅值均变化率的方法,包括;
6.根据权利要求1所述的一种直发梳自动感应温度预警方法,其特征在于,所述获得每个独立分量信号的噪声隶属度的方法,包括:
7.根据权利要求1所述的一种直发梳自动感应温度预警方法,其特征在于,所述每个独立分量信号的滤波强度值的获取方法,包括:
8.根据权利要求1所述的一种直发梳自动感应温度预警方法,其特征在于,所述基于所述滤波强度值,
9.根据权利要求1所述的一种直发梳自动感应温度预警方法,其特征在于,所述基于去噪温度信号与正常温度信号中数据点的幅值差异,对直发梳的温度进行预警发热方法,包括:
10.一种直发梳自动感应温度预警系统,其特征在于,该系统包括:存储器、处理器以及存储在所述存储器中并可在处理器上运行的计算机程序,处理器执行所述计算机程序时,实现上述权利要求1-9任意一项所述一种直发梳自动感应温度预警方法的步骤。
...【技术特征摘要】
1.一种直发梳自动感应温度预警方法,其特征在于,该方法包括:
2.根据权利要求1所述的一种直发梳自动感应温度预警方法,其特征在于,所述根据每个独立分量信号的峭度值与周期程度,获取每个独立分量信号的独立特征值的方法,包括:
3.根据权利要求2所述的一种直发梳自动感应温度预警方法,其特征在于,所述每个独立分量信号的所述独立特征值的计算公式如下:
4.根据权利要求1所述的一种直发梳自动感应温度预警方法,其特征在于,所述独立分量信号之间的差异度的计算公式如下:
5.根据权利要求1所述的一种直发梳自动感应温度预警方法,其特征在于,所述获取每个局部信号段的幅值均变化率的方法,包括;
6.根据权利要求1所述的一种直发梳自动感应温度预警方法,其特征在于,所述获得每个独立分量信号的噪声隶属度的方...
【专利技术属性】
技术研发人员:章妙娣,崔俊财,张志鸿,周彬彬,伍金松,曾荣光,陈建峰,
申请(专利权)人:宁波泰利电器有限公司,
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。