【技术实现步骤摘要】
本专利技术涉及数据处理，尤其涉及一种物联网超声波水表的数据智能监测方法。
技术介绍
1、物联网（lot）超声波水表是一种智能化的测量设备，利用超声波技术和物联网技术来实时监控和记录水流量数据，该类测量设备通常被安装在住宅、商业或工业环境中，以追踪和管理水资源使用。物联网超声波水表使用超声波来测量水流，没有机械部件，降低了维护需求并提高了寿命，同时超声波测量方法比传统的机械水表更准确，几乎不受沉积物的影响，进而通过物联网技术，物联网超声波水表可以实时发送读数数据（流体流量）到远程服务器，方便进行远程监控和分析。
2、基于上述可知，物联网超声波水表的性能或健康状态与物联网超声波水表发送的读数数据的准确性是相关联的，且物联网超声波水表发送的读数数据是通过物联网超声波水表中的超声波传感器的振动（实际上是超声波信号）测量得到，即通过精确测量超声波信号的传播时间，计算流体的速度和体积流量，因此，对物联网超声波水表中的超声波传感器的运行状态进行监测十分重要。具体的，对超声波传感器的振动数据进行采集监测，并根据采集的振动数据对物联网超声波水表的性能、健康状态进行分析评估，任何与正常值显著不同的振动数据可能都表明超声波水表存在异常。同时，通过监测连续的振动数据，可以提前发现潜在的设备故障或系统问题，以帮助运营者尽早采取行动，避免更严重的后果。
3、对物联网超声波水表中的超声波传感器的运行状态进行监测时，需要采集大量的振动数据，通过对这些振动数据进行压缩存储，以在后续分析超声波传感器的运行状态时获取这些存储的振动数据。由于振
4、因此，如何提高物联网超声波水表中的超声波传感器的振动数据的压缩效果，以保证后续根据压缩后的振动数据对超声波传感器的运行状态进行监测的准确性成为亟需解决的问题。
技术实现思路
1、有鉴于此，本专利技术实施例提供了一种物联网超声波水表的数据智能监测方法，以解决如何提高物联网超声波水表中的超声波传感器的振动数据的压缩效果，以保证后续根据压缩后的振动数据对超声波传感器的运行状态进行监测的准确性的问题。
2、本专利技术实施例中提供了一种物联网超声波水表的数据智能监测方法，该数据智能监测方法包括以下步骤：
3、基于预设的采样频率获取目标时段内的物联网超声波水表中的超声波传感器的振动数据，将所述振动数据映射到时序二维空间中，得到对应的振动数据变化曲线；
4、对所述振动数据变化曲线进行周期划分，得到至少一个振动周期，针对任一振动周期，根据所述振动周期与其他振动周期之间的曲线变化差异，获取所述振动周期的变化异常程度，根据每个所述振动周期的变化异常程度将所有振动周期划分为第一类周期和第二类周期；
5、针对所述第一类周期中的任一振动周期，根据所述振动周期与所述第一类周期内的其他振动周期之间的周期长度差异，获取所述振动周期的数据精度保留程度，根据所述第一类周期中的每个振动周期的数据精度保留程度，将所述第一类周期中的所有振动周期划分为第三类周期和第四类周期；
6、对所述第二类周期、所述第三类周期和所述第四类周期中的振动数据进行自适应压缩存储处理，以完成对所述物联网超声波水表的数据智能监测。
7、进一步的，所述对所述振动数据变化曲线进行周期划分，得到至少一个振动周期，包括：
8、获取所述振动数据变化曲线上的极小值点，分别将每两个相邻的极小值点之间的曲线作为一个振动周期，得到至少一个振动周期。
9、进一步的，所述根据所述振动周期与其他振动周期之间的曲线变化差异，获取所述振动周期的变化异常程度，包括：
10、根据所述振动周期对应的曲线幅值和周期时长，获取所述振动周期的第一曲线形态异常程度，根据所述振动周期对应的曲线拐点数量和曲线斜率，获取所述振动周期的第二曲线形态异常程度，根据所述第一曲线形态异常程度和所述第二曲线形态异常程度获取所述振动周期的变化异常程度。
11、进一步的，所述根据所述振动周期对应的曲线幅值和周期时长，获取所述振动周期的第一曲线形态异常程度，包括：
12、获取所有振动周期的最大曲线幅值和周期时长，根据所有振动周期的最大曲线幅值和周期时长，分别计算得到最大曲线幅值均值和周期时长均值；
13、获取所述振动周期的最大曲线幅值与所述最大曲线幅值均值之间的第一差值绝对值，对所述第一差值绝对值进行归一化处理，得到对应的第一归一化值，获取所述振动周期的周期时长与所述周期时长均值之间的第二差值绝对值，对所述第二差值绝对值进行归一化处理，得到对应的第二归一化值；
14、获取所述第一归一化值和所述第二归一化值之间的相加结果，对所述相加结果进行负映射，得到对应的映射值，将常数1与所述映射值之间的差值作为所述振动周期的第一曲线形态异常程度。
15、进一步的，所述根据所述振动周期对应的曲线拐点数量和曲线斜率，获取所述振动周期的第二曲线形态异常程度，包括：
16、获取所有振动周期对应的曲线拐点数量，根据所有振动周期对应的曲线拐点数量，获取曲线拐点数量均值，计算所述振动周期的曲线拐点数量与所述曲线拐点数量均值之间的第三差值绝对值，对所述第三差值绝对值进行负映射，得到对应的第一映射值；
17、根据每个振动周期对应的曲线拐点，分别将每个振动周期划分为至少两个分段曲线，针对所有振动周期中的第i个分段曲线，根据每个振动周期中的第i个分段曲线的曲线斜率，获取第i个分段曲线的斜率均值；
18、令所述振动周期中的第i个分段曲线作为目标分段曲线，计算所述目标分段曲线的曲线斜率与所述第i个分段曲线的斜率均值之间的第四差值绝对值，根据所述振动周期中的每个分段曲线对应的第四差值绝对值，计算差值绝对值之和，对所述差值绝对值之和进行负映射，得到对应的第二映射值；
19、对所述第一映射值和所述第二映射值进行加权求和，得到对应的加权求和结果，将常数1与所述加权求和结果之间的差值作为所述振动周期的第二曲线形态异常程度。
20、进一步的，所述根据所述第一曲线形态异常程度和所述第二曲线形态异常程度获取所述振动周期的变化异常程度，包括：
21、分别获取所述第一曲线形态异常程度和所述第二曲线形态异常程度的权重，根据所述权重，对所述第一曲线形态异常程度和所述第二曲线形态异常程度进行加权求和，得到的加权求和结果作为所述振动周期的变化异常程度。
22、进一步的，所述根据每个所述振动周期的变化异常程度将所有振动周期划分为第一类周期和第二类周期，包括：...
【技术保护点】
1.一种物联网超声波水表的数据智能监测方法，其特征在于，所述一种物联网超声波水表的数据智能监测方法包括：
2.根据权利要求1所述的一种物联网超声波水表的数据智能监测方法，其特征在于，所述对所述振动数据变化曲线进行周期划分，得到至少一个振动周期，包括：
3.根据权利要求1所述的一种物联网超声波水表的数据智能监测方法，其特征在于，所述根据所述振动周期与其他振动周期之间的曲线变化差异，获取所述振动周期的变化异常程度，包括：
4.根据权利要求3所述的一种物联网超声波水表的数据智能监测方法，其特征在于，所述根据所述振动周期对应的曲线幅值和周期时长，获取所述振动周期的第一曲线形态异常程度，包括：
5.根据权利要求3所述的一种物联网超声波水表的数据智能监测方法，其特征在于，所述根据所述振动周期对应的曲线拐点数量和曲线斜率，获取所述振动周期的第二曲线形态异常程度，包括：
6.根据权利要求3所述的一种物联网超声波水表的数据智能监测方法，其特征在于，所述根据所述第一曲线形态异常程度和所述第二曲线形态异常程度获取所述振动周期的变化异常程度，包
7.根据权利要求1所述的一种物联网超声波水表的数据智能监测方法，其特征在于，所述根据每个所述振动周期的变化异常程度将所有振动周期划分为第一类周期和第二类周期，包括：
8.根据权利要求1所述的一种物联网超声波水表的数据智能监测方法，其特征在于，所述根据所述振动周期与所述第一类周期内的其他振动周期之间的周期长度差异，获取所述振动周期的数据精度保留程度，包括：
9.根据权利要求1所述的一种物联网超声波水表的数据智能监测方法，其特征在于，所述根据所述第一类周期中的每个振动周期的数据精度保留程度，将所述第一类周期中的所有振动周期划分为第三类周期和第四类周期，包括：
10.根据权利要求1所述的一种物联网超声波水表的数据智能监测方法，其特征在于，所述对所述第二类周期、所述第三类周期和所述第四类周期中的振动数据进行自适应压缩存储处理，包括：
...【技术特征摘要】
1.一种物联网超声波水表的数据智能监测方法，其特征在于，所述一种物联网超声波水表的数据智能监测方法包括：
2.根据权利要求1所述的一种物联网超声波水表的数据智能监测方法，其特征在于，所述对所述振动数据变化曲线进行周期划分，得到至少一个振动周期，包括：
3.根据权利要求1所述的一种物联网超声波水表的数据智能监测方法，其特征在于，所述根据所述振动周期与其他振动周期之间的曲线变化差异，获取所述振动周期的变化异常程度，包括：
4.根据权利要求3所述的一种物联网超声波水表的数据智能监测方法，其特征在于，所述根据所述振动周期对应的曲线幅值和周期时长，获取所述振动周期的第一曲线形态异常程度，包括：
5.根据权利要求3所述的一种物联网超声波水表的数据智能监测方法，其特征在于，所述根据所述振动周期对应的曲线拐点数量和曲线斜率，获取所述振动周期的第二曲线形态异常程度，包括：
6.根据权利要求3所述的一种物联网超声波水表的数据智能监测方法，其...
【专利技术属性】
技术研发人员：曲延河，董天晖，薛文忠，
申请(专利权)人：山东晨晖电子科技有限公司，
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。