基于物联网的压力大数据智能检测系统技术方案

本发明专利技术公开了一种基于物联网的压力大数据智能检测系统，其特征在于：所述系统包括参数采集平台和压力大数据处理子系统两部分，系统实现对压力检测和智能化预测，提高压力检测与预测的可靠性和精确性；本发明专利技术有效解决了现有压力检测没有根据多点压力检测的强干扰、大滞后、非线性的不确定系统对多点压力检测影响，从而极大的影响多点压力准确检测和可靠管理。理。理。

【技术实现步骤摘要】
基于物联网的压力大数据智能检测系统


[0001]本专利技术涉及压力检测的自动化控制装备的
，具体涉及一种基于物联网的压力大数据智能检测系统。

技术介绍

[0002]压力是工农业以及建筑行业等控制系统中的一种重要参数，对压力的正确测量和控制是保证控制系统正常运行的必要条件之一。压力测量系统主要由压力变送器与数据采集器、信号处理系统和终端显示等单元构成，是一种很重要的自动化现场测量系统。它可将压力变量转换为可传送的标准化输出信号，它的测量精度、性能等指标是否符合要求，是否能够准确地测得设备的压力参数并实时反映到控制系统中，以便系统对生产设备进行安全保护，使运维人员实时掌握设备内部的压力情况，是生产安全运行的重要条件。压力测量系统通常在高温、低压、腐蚀、振动等环境下工作，出现故障的几率较大，因此对压力精确测量是确保工业控制系统的必要手段。本专利根据工农业以及建筑等行业对压力精确检测的实际需要，开发一种基于物联网的压力大数据智能检测系统。

技术实现思路

[0003]本专利技术提供了一种基于物联网的压力大数据智能检测系统，本专利技术有效解决了现有压力检测没有根据多点压力检测的强干扰、大滞后、非线性的不确定系统对多点压力检测影响，从而极大的影响多点压力准确检测和可靠管理。
[0004]本专利技术通过以下技术方案实现：
[0005]一种基于物联网的压力大数据智能检测系统，其特征在于：所述系统包括参数采集平台和压力大数据处理子系统两部分，系统实现对压力检测和智能化预测，提高压力检测与预测的可靠性和精确性。
[0006]本专利技术进一步技术改进方案是：
[0007]参数采集平台包括多个检测节点、网关节点、现场监控端、云平台和移动端App组成，检测节点和网关节点之间通过构建LoRa通信网络来实现多个检测节点和网关节点之间的无线通信；检测节点将检测的压力参数通过网关节点的RS232接口发送给现场监控端，现场监控端对压力参数进行处理和预测；网关节点通过NB
‑
IoT模块与云平台之间以及云平台通过5G网络与移动端App之间实现压力参数的双向传输，网关节点与现场监控端之间通过RS232接口实现压力参数双向传输。参数采集平台结构与功能见图1所示。
[0008]本专利技术进一步技术改进方案是：
[0009]压力大数据处理子系统多个带时滞单元的Adaline神经网络模型、模糊C均值聚类FCM模型、多个NARX神经网络预测模型、2个按拍延迟线TDL、2个ARIMA预测模型、二元联系数的小波神经网络模型、压力历史趋势预测模块和二元联系数的LSTM神经网络预测模型组成；多个检测点压力传感器感知被检测环境多点压力值分别作为对应的多个带时滞单元的Adaline神经网络模型的输入，多个带时滞单元的Adaline神经网络模型输出作为模糊C均
值聚类FCM模型的输入，模糊C均值聚类FCM模型输出的多个类型的带时滞单元的Adaline神经网络模型输出值分别作为对应的多个NARX神经网络预测模型的输入，多个NARX神经网络预测模型输出作为二元联系数的小波神经网络模型的对应输入，二元联系数的小波神经网络模型输出被测量对象压力的确定值a和波动值b构成被测量对象压力的二元联系数为a+bi，二元联系数的小波神经网络模型输出被测量对象压力的确定值a和波动值b分别作为对应的2个按拍延迟线TDL输入和二元联系数的小波神经网络模型的对应输入，2个按拍延迟线TDL输出分别作为对应的ARIMA预测模型输入，2个ARIMA预测模型输出分别作为二元联系数的小波神经网络模型的对应输入，二元联系数的小波神经网络模型输出和压力历史趋势预测模块输出分别作为二元联系数的LSTM神经网络预测模型的对应输入，二元联系数的LSTM神经网络预测模型输出被测量对象压力预测的确定值e和波动值f构成被测量对象压力预测值的二元联系数为e+fi，二元联系数的LSTM神经网络预测模型输出被测量对象压力预测的确定值e和波动值f分别作为二元联系数的LSTM神经网络预测模型的对应输入，二元联系数的LSTM神经网络预测模型输出的二元联系数为被测量对象的二元联系数的压力预测值。压力大数据处理子系统的结构与功能见图2所示。
[0010]本专利技术进一步技术改进方案是：
[0011]压力历史趋势预测模块由带时滞单元的Adaline神经网络模型、EMD经验模态分解模型、GM(1，1)灰色预测模型、多个NARX神经网络预测模型、2个按拍延迟线TDL、2个ARIMA预测模型和二元联系数的BAM神经网络模型组成；压力历史值作为带时滞单元的Adaline神经网络模型的输入，带时滞单元的Adaline神经网络模型输出作为EMD经验模态分解模型的输入，EMD经验模态分解模型输出的压力低频趋势值作为GM(1，1)灰色预测模型的输入，EMD经验模态分解模型输出的多个压力高频趋势值分别作为对应的多个NARX神经网络预测模型的输入，GM(1，1)灰色预测模型输出和多个NARX神经网络预测模型输出分别作为二元联系数的BAM神经网络模型的对应输入，二元联系数的BAM神经网络模型输出被测量对象压力趋势变化的确定值c和波动值d构成被测量对象压力趋势变化值的二元联系数为c+di，二元联系数的BAM神经网络模型输出压力趋势变化的确定值c和波动值d分别作为对应的2个按拍延迟线TDL的输入和二元联系数的BAM神经网络模型的对应输入，2个按拍延迟线TDL输出作为对应的ARIMA预测模型的输入，2个ARIMA预测模型输出作为二元联系数的BAM神经网络模型的对应输入，二元联系数的BAM神经网络模型输出的二元联系数作为被测量对象的压力历史趋势变化值。压力历史趋势预测模块的结构与功能见图2所示。
[0012]本专利技术与现有技术相比，具有以下明显优点：
[0013]一、本专利技术通过EMD经验模态分解模型将原始带时滞单元的Adaline神经网络模型输出序列分解为不同频段的分量，每一个分量都显示出隐含在原序列中的不同特征信息。以降低序列的非平稳性。压力的高频波动部分数据关联性不强，频率比较高，代表原始序列的波动成分，具有一定的周期性和随机性，这与压力的周期性变化相符合；低频成分代表压力原序列的变化趋势。可见EMD能够逐级分解出压力过程的波动成分、周期成分和趋势成分，分解出的每一个分量自身包含相同的变形信息，在一定程度上减少了不同特征信息之间的相互干涉，且分解出的各分量变化曲线比原始压力变形序列曲线光滑。可见EMD能有效分析多因素共同作用下的压力过程变形数据，分解得到的各分量有GM(1，1)灰色预测模型输出和多个NARX神经网络预测模型的建立和更好地预测。最后将各分量预测结果叠加得到
最终融合预测结果。实例研究表明，所提的融合预测结果具有较高的预测精度。
[0014]二、本专利技术采用GM(1,1)灰色预测模型预测压力低频趋势的时间跨度长。用GM(1,1)灰色预测模型模型可以根据压力低频趋势值预测未来时刻压力低频趋势值，用上述方法预测出的压力低频趋势后，把压力低频趋势值再加分别加入压力低频趋势的原始数列中，相应地去掉本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于物联网的压力大数据智能检测系统，其特征在于：所述检测系统包括参数采集平台和压力大数据处理子系统两部分，系统实现对压力检测和智能化预测；所述压力大数据处理子系统由带时滞单元的Adaline神经网络模型、模糊C均值聚类FCM模型、NARX神经网络预测模型、按拍延迟线TDL、ARIMA预测模型、二元联系数的小波神经网络模型、压力历史趋势预测模块和二元联系数的LSTM神经网络预测模型组成；多个检测点压力传感器感知被检测环境多点压力值分别作为对应的多个带时滞单元的Adaline神经网络模型的输入，多个带时滞单元的Adaline神经网络模型输出作为模糊C均值聚类FCM模型的输入，模糊C均值聚类FCM模型输出的多个类型的带时滞单元的Adaline神经网络模型输出值分别作为对应的多个NARX神经网络预测模型的输入，多个NARX神经网络预测模型输出作为二元联系数的小波神经网络模型的对应输入，二元联系数的小波神经网络模型输出被测量对象压力的确定值a和波动值b构成被测量对象压力的二元联系数为a+bi，二元联系数的小波神经网络模型输出被测量对象压力的确定值a和波动值b分别作为对应的按拍延迟线TDL输入和二元联系数的小波神经网络模型的对应输入，按拍延迟线TDL输出分别作为对应的ARIMA预测模型输入，ARIMA预测模型输出分别作为二元联系数的小波神经网络模型的对应输入，二元联系数的小波神经网络模型输出和压力历史趋势预测模块输出分别作为二元联系数的LSTM神经网络预测模型的对应输入，二元联系数的LSTM神经网络预测模型输出被测量对象压力预测的确定值e和波动值f构成被测量对象压力预测值的二元联系数为e+fi，二元联系数的LSTM神经网络预测模型输出被测量对象压力预测的确定值e和波动值f分别作为二元联系数的LSTM神经网络预测模型的对应输入，二元联系数的LSTM神经网络预测模型输出的二元联系数为被测量对象的二元联系数的压力预测值。2.根据权利要求1所述的基于物联网的压力大数据智能检测系统，其特征在于：所述压力历史趋势预测模块由带时滞单元的Adaline神经网络模型、EM...

【专利技术属性】
技术研发人员：宋佳文，李吉祥，陈天旭，胡英凯，王智贤，吴佩师，马从国，丁晓红，陈亚娟，王建国，周恒瑞，周大森，秦小芹，张月红，叶文芊，金德飞，
申请(专利权)人：淮阴工学院，
类型：发明
国别省市：