【技術實現步驟摘要】
本專利技術涉及油液質量檢測，具體涉及一種油液質量監測方法、裝置及物聯網系統。
技術介紹
1、油液質量檢測對油液生產、應用具有重要的指導意義，而油液參數(例如水分、粘度等)準確、可靠的檢測結果是油液質量評價依據和支撐。然而，受環境因素干擾、傳感器本身精度誤差等限制，油液參數檢測精度較低，進而影響到油液質量評價的可信度。此外，油液檢測過程中大量數據需要處理，而目前尚未能實現對這些數據的高效處理，進而影響到油液質量檢測效率。
技術實現思路
1、專利技術目的：本專利技術的第一目的是提供一種能夠實現油液參數高效、準確檢測，進而實現準確、及時給出油液質量評價結果的油液質量監測方法；本專利技術的第二目的是提供一種油液質量監測裝置；本專利技術的第三目的是提供一種油液質量監測物聯網系統。
2、技術方案：本專利技術所述的油液質量監測方法，包括：
3、(1)構建油液質量檢測模型：
4、所述油液質量檢測模型包括油液參數處理模塊1-4、gat圖神經網絡模型-woa優化的elman神經網絡模型4-5、gat圖神經網絡模型-sarima模型3和gat圖神經網絡模型-gwo的lightgbm模型2-3；
5、多個水分傳感器輸出、多個粘度傳感器輸出、多個ph值傳感器輸出和多個污染傳感器輸出分別作為油液參數處理模塊1-4的輸入，同時全部作為gat圖神經網絡模型-gwo的lightgbm模型3的輸入；各油液參數處理模塊輸出分別作為gat圖神經網絡模型-woa優化的elma
6、油液參數處理模塊包括bitcn神經網絡模型1-2、bigru神經網絡模型1-2、gat圖神經網絡模型-woa優化的elman神經網絡模型1-3、gat圖神經網絡模型-sarima模型1-2和gat圖神經網絡模型-gwo的lightgbm模型1；
7、多個參數傳感器輸出分別作為bitcn神經網絡模型1、bigru神經網絡模型1和gat圖神經網絡模型-gwo的lightgbm模型1的輸入，bitcn神經網絡模型1輸出分別作為bitcn神經網絡模型2、gat圖神經網絡模型-sarima模型1和gat圖神經網絡模型-woa優化的elman神經網絡模型1的輸入，bitcn神經網絡模型2輸出分別作為gat圖神經網絡模型-sarima模型2和gat圖神經網絡模型-woa優化的elman神經網絡模型1的輸入；bigru神經網絡模型1輸出分別作為bigru神經網絡模型2、gat圖神經網絡模型-sarima模型1和gat圖神經網絡模型-woa優化的elman神經網絡模型2的輸入，bigru神經網絡模型2的輸出分別作為gat圖神經網絡模型-sarima模型2和gat圖神經網絡模型-woa優化的elman神經網絡模型2的輸入，gat圖神經網絡模型-sarima模型1-2的輸出作為gat圖神經網絡模型-woa優化的elman神經網絡模型3的輸入，gat圖神經網絡模型-gwo的lightgbm模型1輸出分別作為gat圖神經網絡模型-woa優化的elman神經網絡模型1-3的輸入，gat圖神經網絡模型-woa優化的elman神經網絡模型1-3輸出分別為x、y和z，構成三參數值<x，y，z>，作為多個參數傳感器輸出的預測值。
8、(2)利用構建的油液質量檢測模型進行油液質量監測。
9、進一步地，油液質量等級分為一級、二級、三級、四級和五級。
10、進一步地，
11、 序號 油液質量等級 三參數值 1 一級 <0.7，0.8，0.9> 2 二級 <0.6，0.7，0.8 3 三級 <0.5，0.6，0.7> 4 四級 <0.4，0.5，0.6> 5 五級 <0.3，0.4，0.5>
12、油液質量等級根據上表確定。
13、本專利技術所述的油液質量監測裝置，包括存儲器和處理器，存儲器中存儲有計算機程序，當計算機程序被處理器執行時，實現所述的油液質量監測方法。
14、本專利技術所述的油液質量監測物聯網系統，用于實現所述的油液質量監測方法，包括感知層、油液監測云平臺和應用層，感知層包括多個油液參數檢測端，用于對油液參數進行測量并將測量的油液參數信息上傳至油液監測云平臺；應用層包括油液監測端，油液監測端能夠訪問油液監測云平臺，油液監測端軟件功能包括通信參數設置、油液參數信息分析與處理、油液質量檢測模型。
15、進一步地，油液參數檢測端包括水分傳感器、ph值傳感器、污染物傳感器、溫度傳感器、粘度傳感器、密度傳感器、介電常數傳感器、stm32微處理器和通信模塊，各傳感器通過對應的信號調理電路連接stm32微處理器，通信模塊連接stm32微處理器，用于將檢測的測量的油液參數信息上傳至油液監測云平臺。
16、進一步地，通信模塊采用4g通信模塊。
17、進一步地，應用層還包括油液手機app監測端，用戶通過油液手機app監測端對油液參數信息進行實時監測。
18本文檔來自技高網...
【技術保護點】
1.一種油液質量監測方法，其特征在于，包括：
2.根據權利要求1所述的油液質量監測方法，其特征在于，油液質量等級分為一級、二級、三級、四級和五級。
3.根據權利要求2所述的油液質量監測方法，其特征在于，
4.一種油液質量監測裝置，包括存儲器和處理器，存儲器中存儲有計算機程序，其特征在于，當計算機程序被處理器執行時，實現權利要求1至3中任一項所述的油液質量監測方法。
5.一種油液質量監測物聯網系統，用于實現權利要求1至3中任一項所述的油液質量監測方法，其特征在于，包括感知層、油液監測云平臺和應用層，感知層包括多個油液參數檢測端，用于對油液參數進行測量并將測量的油液參數信息上傳至油液監測云平臺；應用層包括油液監測端，油液監測端能夠訪問油液監測云平臺，油液監測端軟件功能包括通信參數設置、油液參數信息分析與處理、油液質量檢測模型。
6.根據權利要求5所述的油液質量監測物聯網系統，其特征在于，油液參數檢測端包括水分傳感器、PH值傳感器、污染物傳感器、溫度傳感器、粘度傳感器、密度傳感器、介電常數傳感器、STM32微處理器和通信模塊，
7.根據權利要求6所述的油液質量監測物聯網系統，其特征在于，通信模塊采用4G通信模塊。
8.根據權利要求5所述的油液質量監測物聯網系統，其特征在于，應用層還包括油液手機APP監測端，用戶通過油液手機APP監測端對油液參數信息進行實時監測。
9.根據權利要求5所述的油液質量監測物聯網系統，其特征在于，油液監測端通過5G網絡訪問油液監測云平臺。
10.根據權利要求5所述的油液質量監測物聯網系統，其特征在于，油液監測端采用工業控制計算機。
...【技術特征摘要】
1.一種油液質量監測方法，其特征在于，包括：
2.根據權利要求1所述的油液質量監測方法，其特征在于，油液質量等級分為一級、二級、三級、四級和五級。
3.根據權利要求2所述的油液質量監測方法，其特征在于，
4.一種油液質量監測裝置，包括存儲器和處理器，存儲器中存儲有計算機程序，其特征在于，當計算機程序被處理器執行時，實現權利要求1至3中任一項所述的油液質量監測方法。
5.一種油液質量監測物聯網系統，用于實現權利要求1至3中任一項所述的油液質量監測方法，其特征在于，包括感知層、油液監測云平臺和應用層，感知層包括多個油液參數檢測端，用于對油液參數進行測量并將測量的油液參數信息上傳至油液監測云平臺；應用層包括油液監測端，油液監測端能夠訪問油液監測云平臺，油液監測端軟件功能包括通信參數設置、油液參數信息分析與處理、油液質量檢測模型。
6.根據權利要求...
【專利技術屬性】
技術研發人員：丁唯峰，田雯雪，陳倪嘉樂，馬從國，葉小婷，李月，張靜，周恒瑞，丁衛紅，馬海波，
申請(專利權)人：淮陰工學院，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。