[發(fā)明專利]一種基于物聯(lián)網(wǎng)的漁業(yè)水上養(yǎng)殖設(shè)施安全預(yù)警系統(tǒng)及方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202011485957.1
• 申請(qǐng)日: 2020-12-16
• 公開（公告）號(hào): CN112578725B
• 公開（公告）日: 2022-09-13
• 發(fā)明（設(shè)計(jì)）人: 黃應(yīng)邦;林錫坤;馬勝偉;吳洽兒;林群;潘灶林
• 申請(qǐng)（專利權(quán)）人: 中國水產(chǎn)科學(xué)研究院南海水產(chǎn)研究所
• 主分類號(hào): G05B19/048
• 分類號(hào): G05B19/048
• 代理公司: 佛山粵進(jìn)知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 44463
• 代理人: 張敏

1.一種基于物聯(lián)網(wǎng)的漁業(yè)水上養(yǎng)殖設(shè)施安全預(yù)警方法，其特征在于，包括：

獲取設(shè)備參數(shù)信息，提取特征值，建立參數(shù)模型；

通過大數(shù)據(jù)獲取歷史養(yǎng)殖環(huán)境數(shù)據(jù)，并進(jìn)行預(yù)處理，得到歷史養(yǎng)殖環(huán)境信息；

通過參數(shù)模型結(jié)合歷史養(yǎng)殖環(huán)境信息，生成設(shè)備預(yù)設(shè)信息；采集設(shè)備實(shí)時(shí)運(yùn)行數(shù)據(jù)，將設(shè)備實(shí)時(shí)運(yùn)行數(shù)據(jù)與設(shè)備預(yù)設(shè)信息進(jìn)行比較，得到偏差率；

判斷所述偏差率是否大于預(yù)設(shè)偏差率閾值；

若大于，則生成設(shè)備預(yù)警信息；

將設(shè)備預(yù)警信息按照預(yù)定方式傳輸至監(jiān)控平臺(tái)；

其中，獲取設(shè)備參數(shù)信息，提取特征值，建立參數(shù)模型，具體包括：

獲取設(shè)備參數(shù)信息，提取特征值，生成特征數(shù)據(jù)，

將特征數(shù)據(jù)分類成標(biāo)準(zhǔn)集數(shù)據(jù)與訓(xùn)練集數(shù)據(jù)；

將標(biāo)準(zhǔn)集數(shù)據(jù)進(jìn)行均值化處理，并建立參數(shù)模型；

將訓(xùn)練集內(nèi)的數(shù)據(jù)輸入?yún)?shù)模型，得到輸出數(shù)據(jù)，

判斷輸出數(shù)據(jù)是否大于預(yù)設(shè)閾值，若大于，

則判定該訓(xùn)練集數(shù)據(jù)異常，并剔除對(duì)應(yīng)訓(xùn)練集內(nèi)的訓(xùn)練數(shù)據(jù)；

其中，通過大數(shù)據(jù)獲取歷史養(yǎng)殖環(huán)境數(shù)據(jù)，并進(jìn)行預(yù)處理，具體包括：

獲取歷史養(yǎng)殖環(huán)境數(shù)據(jù)，通過小波分析法對(duì)養(yǎng)殖環(huán)境數(shù)據(jù)進(jìn)行降噪，得到結(jié)果信息；

提取結(jié)果信息特征值，將特征值進(jìn)行向量分解；

建立向量權(quán)重自適應(yīng)函數(shù)，并對(duì)特征值向量進(jìn)行加權(quán)計(jì)算；

加權(quán)計(jì)算后的多尺度特征向量進(jìn)行融合，生成新的環(huán)境數(shù)據(jù)；

其中，所述基于物聯(lián)網(wǎng)的漁業(yè)水上養(yǎng)殖設(shè)施安全預(yù)警方法，還包括：

獲取海量故障診斷數(shù)據(jù)，建立設(shè)備預(yù)警模型；

采集設(shè)備運(yùn)行數(shù)據(jù)，生成設(shè)備狀態(tài)曲線，

將設(shè)備狀態(tài)曲線進(jìn)行平滑處理，并剔除異常數(shù)據(jù)，

根據(jù)設(shè)備預(yù)警模型，生成設(shè)備故障預(yù)警信息，

根據(jù)故障預(yù)警信息，建立維修決策。

2.根據(jù)權(quán)利要求1所述的一種基于物聯(lián)網(wǎng)的漁業(yè)水上養(yǎng)殖設(shè)施安全預(yù)警方法，其特征在于，所述歷史養(yǎng)殖環(huán)境信息包括養(yǎng)殖水質(zhì)、養(yǎng)殖水環(huán)境溶解氧、水環(huán)境PH值、水溫中的一種或多種。

3.根據(jù)權(quán)利要求1所述的一種基于物聯(lián)網(wǎng)的漁業(yè)水上養(yǎng)殖設(shè)施安全預(yù)警方法，其特征在于，設(shè)定采樣時(shí)間T1,T2,T3......Tn，采集不同采樣時(shí)間下的養(yǎng)殖環(huán)境數(shù)據(jù)，分別記為X1,X2,X3......Xn，

判斷相鄰時(shí)刻下的水質(zhì)數(shù)據(jù)差值是否大于預(yù)定閾值，

若大于，則采用均值平滑法進(jìn)行水平處理；

若小于，則采用線性差值法進(jìn)行數(shù)據(jù)修復(fù)。

4.根據(jù)權(quán)利要求1所述的一種基于物聯(lián)網(wǎng)的漁業(yè)水上養(yǎng)殖設(shè)施安全預(yù)警方法，其特征在于，

獲取水位信息，并將設(shè)備分割為水上區(qū)域與水下區(qū)域；

獲取水上區(qū)域設(shè)備運(yùn)行數(shù)據(jù)，并將設(shè)備運(yùn)行數(shù)據(jù)與第一閾值進(jìn)行比較，

若大于，則調(diào)整設(shè)備水上區(qū)域與水下區(qū)域比值；

獲取水下區(qū)域設(shè)備運(yùn)行數(shù)據(jù)，將設(shè)備運(yùn)行數(shù)據(jù)與第二閾值進(jìn)行比較，

若大于，調(diào)整設(shè)備運(yùn)行數(shù)據(jù)，并生成預(yù)警信息。

5.根據(jù)權(quán)利要求4所述的一種基于物聯(lián)網(wǎng)的漁業(yè)水上養(yǎng)殖設(shè)施安全預(yù)警方法，其特征在于，獲取設(shè)備參數(shù)信息，提取特征值，建立參數(shù)模型，具體包括：

獲取設(shè)備參數(shù)信息，提取特征值，生成特征數(shù)據(jù)，

將特征數(shù)據(jù)分類成標(biāo)準(zhǔn)集數(shù)據(jù)與訓(xùn)練集數(shù)據(jù)；

將標(biāo)準(zhǔn)集數(shù)據(jù)進(jìn)行均值化處理，并建立參數(shù)模型；

將訓(xùn)練集內(nèi)的數(shù)據(jù)輸入?yún)?shù)模型，得到輸出數(shù)據(jù)，

判斷輸出數(shù)據(jù)是否大于預(yù)設(shè)閾值，若大于，

則判定該訓(xùn)練集數(shù)據(jù)異常，并剔除對(duì)應(yīng)訓(xùn)練集內(nèi)的訓(xùn)練數(shù)據(jù)。

6.根據(jù)權(quán)利要求4所述的一種基于物聯(lián)網(wǎng)的漁業(yè)水上養(yǎng)殖設(shè)施安全預(yù)警方法，其特征在于，通過大數(shù)據(jù)獲取歷史養(yǎng)殖環(huán)境數(shù)據(jù)，并進(jìn)行預(yù)處理，具體包括：

獲取歷史養(yǎng)殖環(huán)境數(shù)據(jù)，通過小波分析法對(duì)養(yǎng)殖環(huán)境數(shù)據(jù)進(jìn)行降噪，得到結(jié)果信息；

提取結(jié)果信息特征值，將特征值進(jìn)行向量分解；

建立向量權(quán)重自適應(yīng)函數(shù)，并對(duì)特征值向量進(jìn)行加權(quán)計(jì)算；

加權(quán)計(jì)算后的多尺度特征向量進(jìn)行融合，生成新的環(huán)境數(shù)據(jù)。

7.一種基于物聯(lián)網(wǎng)的漁業(yè)水上養(yǎng)殖設(shè)施安全預(yù)警系統(tǒng)，其特征在于，該系統(tǒng)包括：存儲(chǔ)器、處理器，所述存儲(chǔ)器中包括基于物聯(lián)網(wǎng)的漁業(yè)水上養(yǎng)殖設(shè)施安全預(yù)警方法程序，所述基于物聯(lián)網(wǎng)的漁業(yè)水上養(yǎng)殖設(shè)施安全預(yù)警方法程序被所述處理器執(zhí)行時(shí)實(shí)現(xiàn)如下步驟：

獲取設(shè)備參數(shù)信息，提取特征值，建立參數(shù)模型；

通過大數(shù)據(jù)獲取歷史養(yǎng)殖環(huán)境數(shù)據(jù)，并進(jìn)行預(yù)處理，得到歷史養(yǎng)殖環(huán)境信息；

通過參數(shù)模型結(jié)合歷史養(yǎng)殖環(huán)境信息，生成設(shè)備預(yù)設(shè)信息；采集設(shè)備實(shí)時(shí)運(yùn)行數(shù)據(jù)，將設(shè)備實(shí)時(shí)運(yùn)行數(shù)據(jù)與設(shè)備預(yù)設(shè)信息進(jìn)行比較，得到偏差率；

判斷所述偏差率是否大于預(yù)設(shè)偏差率閾值；

若大于，則生成設(shè)備預(yù)警信息；

將設(shè)備預(yù)警信息按照預(yù)定方式傳輸至監(jiān)控平臺(tái)；

其中，獲取設(shè)備參數(shù)信息，提取特征值，建立參數(shù)模型，具體包括：

獲取設(shè)備參數(shù)信息，提取特征值，生成特征數(shù)據(jù)，

將特征數(shù)據(jù)分類成標(biāo)準(zhǔn)集數(shù)據(jù)與訓(xùn)練集數(shù)據(jù)；

將標(biāo)準(zhǔn)集數(shù)據(jù)進(jìn)行均值化處理，并建立參數(shù)模型；

將訓(xùn)練集內(nèi)的數(shù)據(jù)輸入?yún)?shù)模型，得到輸出數(shù)據(jù)，

判斷輸出數(shù)據(jù)是否大于預(yù)設(shè)閾值，若大于，

則判定該訓(xùn)練集數(shù)據(jù)異常，并剔除對(duì)應(yīng)訓(xùn)練集內(nèi)的訓(xùn)練數(shù)據(jù)；

其中，通過大數(shù)據(jù)獲取歷史養(yǎng)殖環(huán)境數(shù)據(jù)，并進(jìn)行預(yù)處理，具體包括：

獲取歷史養(yǎng)殖環(huán)境數(shù)據(jù)，通過小波分析法對(duì)養(yǎng)殖環(huán)境數(shù)據(jù)進(jìn)行降噪，得到結(jié)果信息；

提取結(jié)果信息特征值，將特征值進(jìn)行向量分解；

建立向量權(quán)重自適應(yīng)函數(shù)，并對(duì)特征值向量進(jìn)行加權(quán)計(jì)算；

加權(quán)計(jì)算后的多尺度特征向量進(jìn)行融合，生成新的環(huán)境數(shù)據(jù)；

其中，所述基于物聯(lián)網(wǎng)的漁業(yè)水上養(yǎng)殖設(shè)施安全預(yù)警方法，還包括：

獲取海量故障診斷數(shù)據(jù)，建立設(shè)備預(yù)警模型；

采集設(shè)備運(yùn)行數(shù)據(jù)，生成設(shè)備狀態(tài)曲線，

將設(shè)備狀態(tài)曲線進(jìn)行平滑處理，并剔除異常數(shù)據(jù)，

根據(jù)設(shè)備預(yù)警模型，生成設(shè)備故障預(yù)警信息，

根據(jù)故障預(yù)警信息，建立維修決策。