【技术实现步骤摘要】
本专利技术涉及油液质量检测，具体涉及一种油液质量监测方法、装置及物联网系统。
技术介绍
1、油液质量检测对油液生产、应用具有重要的指导意义，而油液参数(例如水分、粘度等)准确、可靠的检测结果是油液质量评价依据和支撑。然而，受环境因素干扰、传感器本身精度误差等限制，油液参数检测精度较低，进而影响到油液质量评价的可信度。此外，油液检测过程中大量数据需要处理，而目前尚未能实现对这些数据的高效处理，进而影响到油液质量检测效率。
技术实现思路
1、专利技术目的：本专利技术的第一目的是提供一种能够实现油液参数高效、准确检测，进而实现准确、及时给出油液质量评价结果的油液质量监测方法；本专利技术的第二目的是提供一种油液质量监测装置；本专利技术的第三目的是提供一种油液质量监测物联网系统。
2、技术方案：本专利技术所述的油液质量监测方法，包括：
3、(1)构建油液质量检测模型：
4、所述油液质量检测模型包括油液参数处理模块1-4、gat图神经网络模型-woa优化的elman神经网络模型4-5、gat图神经网络模型-sarima模型3和gat图神经网络模型-gwo的lightgbm模型2-3；
5、多个水分传感器输出、多个粘度传感器输出、多个ph值传感器输出和多个污染传感器输出分别作为油液参数处理模块1-4的输入，同时全部作为gat图神经网络模型-gwo的lightgbm模型3的输入；各油液参数处理模块输出分别作为gat图神经网络模型-woa优化的elma
6、油液参数处理模块包括bitcn神经网络模型1-2、bigru神经网络模型1-2、gat图神经网络模型-woa优化的elman神经网络模型1-3、gat图神经网络模型-sarima模型1-2和gat图神经网络模型-gwo的lightgbm模型1；
7、多个参数传感器输出分别作为bitcn神经网络模型1、bigru神经网络模型1和gat图神经网络模型-gwo的lightgbm模型1的输入，bitcn神经网络模型1输出分别作为bitcn神经网络模型2、gat图神经网络模型-sarima模型1和gat图神经网络模型-woa优化的elman神经网络模型1的输入，bitcn神经网络模型2输出分别作为gat图神经网络模型-sarima模型2和gat图神经网络模型-woa优化的elman神经网络模型1的输入；bigru神经网络模型1输出分别作为bigru神经网络模型2、gat图神经网络模型-sarima模型1和gat图神经网络模型-woa优化的elman神经网络模型2的输入，bigru神经网络模型2的输出分别作为gat图神经网络模型-sarima模型2和gat图神经网络模型-woa优化的elman神经网络模型2的输入，gat图神经网络模型-sarima模型1-2的输出作为gat图神经网络模型-woa优化的elman神经网络模型3的输入，gat图神经网络模型-gwo的lightgbm模型1输出分别作为gat图神经网络模型-woa优化的elman神经网络模型1-3的输入，gat图神经网络模型-woa优化的elman神经网络模型1-3输出分别为x、y和z，构成三参数值<x，y，z>，作为多个参数传感器输出的预测值。
8、(2)利用构建的油液质量检测模型进行油液质量监测。
9、进一步地，油液质量等级分为一级、二级、三级、四级和五级。
10、进一步地，
11、 序号 油液质量等级 三参数值 1 一级 <0.7，0.8，0.9> 2 二级 <0.6，0.7，0.8 3 三级 <0.5，0.6，0.7> 4 四级 <0.4，0.5，0.6> 5 五级 <0.3，0.4，0.5>
12、油液质量等级根据上表确定。
13、本专利技术所述的油液质量监测装置，包括存储器和处理器，存储器中存储有计算机程序，当计算机程序被处理器执行时，实现所述的油液质量监测方法。
14、本专利技术所述的油液质量监测物联网系统，用于实现所述的油液质量监测方法，包括感知层、油液监测云平台和应用层，感知层包括多个油液参数检测端，用于对油液参数进行测量并将测量的油液参数信息上传至油液监测云平台；应用层包括油液监测端，油液监测端能够访问油液监测云平台，油液监测端软件功能包括通信参数设置、油液参数信息分析与处理、油液质量检测模型。
15、进一步地，油液参数检测端包括水分传感器、ph值传感器、污染物传感器、温度传感器、粘度传感器、密度传感器、介电常数传感器、stm32微处理器和通信模块，各传感器通过对应的信号调理电路连接stm32微处理器，通信模块连接stm32微处理器，用于将检测的测量的油液参数信息上传至油液监测云平台。
16、进一步地，通信模块采用4g通信模块。
17、进一步地，应用层还包括油液手机app监测端，用户通过油液手机app监测端对油液参数信息进行实时监测。
18本文档来自技高网...
【技术保护点】
1.一种油液质量监测方法，其特征在于，包括：
2.根据权利要求1所述的油液质量监测方法，其特征在于，油液质量等级分为一级、二级、三级、四级和五级。
3.根据权利要求2所述的油液质量监测方法，其特征在于，
4.一种油液质量监测装置，包括存储器和处理器，存储器中存储有计算机程序，其特征在于，当计算机程序被处理器执行时，实现权利要求1至3中任一项所述的油液质量监测方法。
5.一种油液质量监测物联网系统，用于实现权利要求1至3中任一项所述的油液质量监测方法，其特征在于，包括感知层、油液监测云平台和应用层，感知层包括多个油液参数检测端，用于对油液参数进行测量并将测量的油液参数信息上传至油液监测云平台；应用层包括油液监测端，油液监测端能够访问油液监测云平台，油液监测端软件功能包括通信参数设置、油液参数信息分析与处理、油液质量检测模型。
6.根据权利要求5所述的油液质量监测物联网系统，其特征在于，油液参数检测端包括水分传感器、PH值传感器、污染物传感器、温度传感器、粘度传感器、密度传感器、介电常数传感器、STM32微处理器和通信模块，
7.根据权利要求6所述的油液质量监测物联网系统，其特征在于，通信模块采用4G通信模块。
8.根据权利要求5所述的油液质量监测物联网系统，其特征在于，应用层还包括油液手机APP监测端，用户通过油液手机APP监测端对油液参数信息进行实时监测。
9.根据权利要求5所述的油液质量监测物联网系统，其特征在于，油液监测端通过5G网络访问油液监测云平台。
10.根据权利要求5所述的油液质量监测物联网系统，其特征在于，油液监测端采用工业控制计算机。
...【技术特征摘要】
1.一种油液质量监测方法，其特征在于，包括：
2.根据权利要求1所述的油液质量监测方法，其特征在于，油液质量等级分为一级、二级、三级、四级和五级。
3.根据权利要求2所述的油液质量监测方法，其特征在于，
4.一种油液质量监测装置，包括存储器和处理器，存储器中存储有计算机程序，其特征在于，当计算机程序被处理器执行时，实现权利要求1至3中任一项所述的油液质量监测方法。
5.一种油液质量监测物联网系统，用于实现权利要求1至3中任一项所述的油液质量监测方法，其特征在于，包括感知层、油液监测云平台和应用层，感知层包括多个油液参数检测端，用于对油液参数进行测量并将测量的油液参数信息上传至油液监测云平台；应用层包括油液监测端，油液监测端能够访问油液监测云平台，油液监测端软件功能包括通信参数设置、油液参数信息分析与处理、油液质量检测模型。
6.根据权利要求...
【专利技术属性】
技术研发人员：丁唯峰，田雯雪，陈倪嘉乐，马从国，叶小婷，李月，张静，周恒瑞，丁卫红，马海波，
申请(专利权)人：淮阴工学院，
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。