一种涂布回收一体机的尾气监测与处理方法与流程

本发明涉及数据处理，具体涉及一种涂布回收一体机的尾气监测与处理方法。

背景技术：

1、在实际生产中，涂布回收一体机的尾气中vocs浓度可能因温度异常波动、设备老化等因素而发生异常波动变化，也称噪声数据，这种噪声数据可能会干扰涂布回收一体机尾气监测，进而影响对其质量合格性的评判。

技术实现思路

1、本发明提供一种涂布回收一体机的尾气监测与处理方法，以解决现有的问题。

2、本发明的一种涂布回收一体机的尾气监测与处理方法采用如下技术方案：

3、本发明一个实施例提供了一种涂布回收一体机的尾气监测与处理方法，该方法包括以下步骤：

4、获取vocs浓度数据时序序列，将vocs浓度数据时序序列等分为若干个子序列；

5、对每个子序列中的所有vocs浓度数据进行线性拟合，得到每个子序列中的每个vocs浓度数据对应的拟合vocs浓度数据；根据每个子序列中的所有vocs浓度数据和所有vocs浓度数据对应的拟合vocs浓度数据，得到每个子序列中的每个vocs浓度数据的浓度差异性指数；

6、根据每个子序列中的每个vocs浓度数据周围的vocs浓度数据对应的拟合vocs浓度数据间的差异，得到每个子序列中的每个vocs浓度数据的浓度波动系数；根据每个子序列中的所有vocs浓度数据的浓度波动系数，从每个子序列中的所有vocs浓度数据中筛选出若干个趋势转折点；

7、根据每个子序列中的每个vocs浓度数据对应的时间、每个子序列之前的所有子序列中的趋势转折点对应的时间和拟合vocs浓度数据，得到每个子序列中的每个vocs浓度数据的浓度趋势变化差异性；根据每个子序列中的每个vocs浓度数据的浓度差异性指数、每个子序列中的每个vocs浓度数据的浓度波动系数以及每个子序列中的每个vocs浓度数据的浓度趋势变化差异性，得到每个子序列中的每个vocs浓度数据的异常排放系数；

8、在vocs浓度数据时序序列中，根据所有vocs浓度数据的异常排放系数，从所有vocs浓度数据中筛选出噪声数据并对噪声数据进行优化，得到优化vocs浓度数据时序序列；根据优化vocs浓度数据时序序列中的vocs浓度数据，对涂布回收一体机的尾气排放做出判定。

9、进一步地，所述根据每个子序列中的所有vocs浓度数据和所有vocs浓度数据对应的拟合vocs浓度数据，得到每个子序列中的每个vocs浓度数据的浓度差异性指数的具体计算公式为：

10、；

11、其中，表示第个子序列中的第个vocs浓度数据的浓度差异性指数；表示第个子序列中的第个vocs浓度数据；表示第个子序列中的第个vocs浓度数据对应的拟合vocs浓度数据；表示第个子序列中vocs浓度数据的个数；表示第个子序列中的第个vocs浓度数据；表示第个子序列中的第个vocs浓度数据对应的拟合vocs浓度数据；为绝对值函数。

12、进一步地，所述根据每个子序列中的每个vocs浓度数据周围的vocs浓度数据对应的拟合vocs浓度数据间的差异，得到每个子序列中的每个vocs浓度数据的浓度波动系数，包括的具体步骤如下：

13、在每个子序列中，将以每个vocs浓度数据为中心，长度为d的线形窗口，记为每个vocs浓度数据的邻域范围，其中d为本实施例中预设的窗口长度；

14、根据每个子序列中的每个vocs浓度数据的邻域范围内的vocs浓度数据对应的拟合vocs浓度数据间的差异，得到每个子序列中的每个vocs浓度数据的浓度波动系数。

15、进一步地，所述根据每个子序列中的每个vocs浓度数据的邻域范围内的vocs浓度数据对应的拟合vocs浓度数据间的差异，得到每个子序列中的每个vocs浓度数据的浓度波动系数的具体计算公式为：

16、；

17、其中，表示第个子序列中的第个vocs浓度数据的浓度波动系数；为第个子序列中的第个vocs浓度数据的邻域范围内vocs浓度数据的数量；表示第个子序列中的第个vocs浓度数据对应的拟合vocs浓度数据；表示第个子序列中的第个vocs浓度数据的邻域范围内第个vocs浓度数据对应的拟合vocs浓度数据。

18、进一步地，所述根据每个子序列中的所有vocs浓度数据的浓度波动系数，从每个子序列中的所有vocs浓度数据中筛选出若干个趋势转折点，包括的具体步骤如下：

19、将每个子序列中的所有vocs浓度数据的浓度波动系数从大到小进行排序，得到每个子序列的浓度波动系数序列；

20、将每个子序列的浓度波动系数序列中的前p个浓度波动系数对应的vocs浓度数据，记为每个子序列中的趋势转折点，其中p为本实施例中预设的数量阈值。

21、进一步地，所述根据每个子序列中的每个vocs浓度数据对应的时间、每个子序列之前的所有子序列中的趋势转折点对应的时间和拟合vocs浓度数据，得到每个子序列中的每个vocs浓度数据的浓度趋势变化差异性，包括的具体步骤如下：

22、将每个子序列的每个vocs浓度数据相邻的两个趋势转折点对应的拟合vocs浓度数据的差值，记为每个vocs浓度数据的数据变化趋势；

23、根据每个子序列中的每个vocs浓度数据对应的时间、每个子序列之前的所有子序列中的趋势转折点对应的时间以及每个vocs浓度数据的数据变化趋势，得到每个子序列中的每个vocs浓度数据的浓度趋势变化差异性。

24、进一步地，所述根据每个子序列中的每个vocs浓度数据对应的时间、每个子序列之前的所有子序列中的趋势转折点对应的时间以及每个vocs浓度数据的数据变化趋势，得到每个子序列中的每个vocs浓度数据的浓度趋势变化差异性的具体计算公式为：

25、；

26、其中，表示第个子序列中的第个vocs浓度数据的浓度趋势变化差异性；表示第个子序列中趋势转折点的数量；表示第个子序列中的第个趋势转折点对应的时间；表示第个子序列中的第个趋势转折点对应的时间；表示第个子序列中的第个趋势转折点与第个子序列中的第个vocs浓度数据的时间间隔；表示第个子序列中的第个vocs浓度数据的数据变化趋势；表示第个子序列中的第个vocs浓度数据的数据变化趋势；为绝对值函数。

27、进一步地，所述根据每个子序列中的每个vocs浓度数据的浓度差异性指数、每个子序列中的每个vocs浓度数据的浓度波动系数以及每个子序列中的每个vocs浓度数据的浓度趋势变化差异性，得到每个子序列中的每个vocs浓度数据的异常排放系数的具体计算公式为：

28、；

29、其中，表示第个子序列中的第个vocs浓度数据的异常排放系数；表示第个子序列中的第个vocs浓度数据的浓度差异性指数；表示第个子序列中的第个vocs浓度数据的浓度波动系数；表示第个子序列中的所有vocs浓度数据的浓度波动系数的最大值；表示第个子序列中的第个vocs浓度数据的浓度趋势变化差异性；为线性归一化函数。

30、进一步地，所述在vocs浓度数据时序序列中，根据所有vocs浓度数据的异常排放系数，从所有vocs浓度数据中筛选出噪声数据并对噪声数据进行优化，得到优化vocs浓度数据时序序列，包括的具体步骤如下：

31、在vocs浓度数据时序序列中，将vocs浓度数据的异常排放系数大于等于预设的异常排放系数阈值的vocs浓度数据，记为噪声数据；

32、利用插值算法的方式对噪声数据进行运算，得到优化vocs浓度数据时序序列。

33、进一步地，所述根据优化vocs浓度数据时序序列中的vocs浓度数据，对涂布回收一体机的尾气排放做出判定，包括的具体步骤如下：

34、当优化vocs浓度数据时序序列中存在大于预设的浓度阈值的vocs浓度数据时，判定涂布回收一体机的尾气排放污染超标。

35、本发明的技术方案的有益效果是：

36、本发明实施例中，获取vocs浓度数据时序序列，将vocs浓度数据时序序列等分为若干个子序列，更细致地分析局部数据波动；对每个子序列中的所有vocs浓度数据进行线性拟合，得到每个子序列中的每个vocs浓度数据对应的拟合vocs浓度数据，有助于确定每个子序列内的整体趋势，从而使得单个vocs浓度数据的偏差可以被显著识别；根据每个子序列中的所有vocs浓度数据和所有vocs浓度数据对应的拟合vocs浓度数据，得到所有子序列中的每个vocs浓度数据的浓度差异性指数；根据所有子序列中的每个vocs浓度数据周围的vocs浓度数据对应的拟合vocs浓度数据间的差异，得到所有子序列中的每个vocs浓度数据的浓度波动系数；根据每个子序列中的所有vocs浓度数据的浓度波动系数，得到每个子序列的趋势转折点；根据所有子序列中的每个vocs浓度数据对应的时间、每个子序列之前的所有子序列中的趋势转折点对应的时间和拟合vocs浓度数据，得到所有子序列中的每个vocs浓度数据的浓度趋势变化差异性；根据所有子序列中的每个vocs浓度数据的浓度差异性指数、所有子序列中的每个vocs浓度数据的浓度波动系数以及所有子序列中的每个vocs浓度数据的浓度趋势变化差异性，得到所有子序列中的每个vocs浓度数据的异常排放系数；根据所有vocs浓度数据的异常排放系数，从所有vocs浓度数据中筛选出噪声数据并对噪声数据进行优化，得到优化vocs浓度数据时序序列，清晰化数据质量，提升数据解读的准确性；根据优化vocs浓度数据时序序列中的vocs浓度数据，对涂布回收一体机的尾气排放做出判定，为质量控制和环保合规提供科学依据。至此本发明利用vocs浓度数据的残差、波动以及浓度趋势变化差异性综合得到vocs浓度数据的异常排放系数，既能考虑数据的局部趋势特点又能结合数据的整体周期特征，使得最终得到的异常程度准确性较高。