基于物联网的移动硬盘运行监控系统
文献发布时间:2024-04-18 20:01:23
技术领域
本发明涉及数据处理技术领域,具体涉及基于物联网的移动硬盘运行监控系统。
背景技术
移动硬盘的运行温度数据是监控移动硬盘中的一种关键数据,若移动硬盘的运行温度过高会加速移动硬盘的使用寿命,甚至直接导致移动硬盘的损坏,所以需要监控移动硬盘的运行温度;但是由于移动硬盘的温度存在噪声数据,而噪声数据会对移动硬盘运行监控产生负面影响。而传统的通过EMD分解算法,对移动硬盘的运行温度数据进行去噪时;会由于EMD端点效应的影响,导致无法有效的去除温度数据中的噪声数据。
发明内容
本发明提供基于物联网的移动硬盘运行监控系统,以解决现有的问题:传统的通过EMD分解算法,对移动硬盘的运行温度数据进行去噪时;会由于EMD端点效应的影响,导致无法有效的去除温度数据中的噪声数据。
本发明的基于物联网的移动硬盘运行监控系统采用如下技术方案:
包括以下模块:
数据采集模块,用于采集温度数据、振动数据以及电压数据;
数据分析模块,用于根据温度数据、振动数据以及电压数据,获取温度数据的起始段、振动数据的起始段、电压数据的起始段、温度数据的结尾段、振动数据的结尾段以及电压数据的结尾段;根据温度数据的起始段与振动数据的起始段,获取温度数据的起始段的第一正常程度;根据温度数据的起始段与电压数据的起始段,获取温度数据的起始段的第二正常程度;根据温度数据的起始段的第一正常程度与温度数据的起始段的第二正常程度,获取温度数据的起始段的正常程度;根据温度数据的起始段的正常程度,不断去除温度数据的起始段中的噪声数据,得到目标起始段;根据温度数据的结尾段、振动数据的结尾段以及电压数据的结尾段,获取目标终止段;
数据分解模块,用于根据目标起始段与目标终止段,获取目标起始段遍历集合与目标终止段遍历集合;根据目标起始段遍历集合与目标终止段遍历集合,设置温度数据开头处的上包络点与下包络点,与结尾处的上包络点与下包络点,进行EMD分解,获取温度数据的最佳IMF分量;
数据去噪模块,用于根据温度数据的最佳IMF分量,对温度数据进行去噪。
优选的,所述采集温度数据、振动数据以及电压数据,包括的具体方法为:
预设一个采集时间
优选的,所述根据温度数据、振动数据以及电压数据,获取温度数据的起始段、振动数据的起始段、电压数据的起始段、温度数据的结尾段、振动数据的结尾段以及电压数据的结尾段,包括的具体方法为:
预设一个数据段范围
优选的,所述根据温度数据的起始段与振动数据的起始段,获取温度数据的起始段的第一正常程度,包括的具体方法为:
根据温度数据的起始段中的数据与振动数据的起始段中的数据,获取温度数据的起始段的第一正常程度,其具体的计算公式为:
式中,
优选的,所述根据温度数据的起始段与电压数据的起始段,获取温度数据的起始段的第二正常程度,包括的具体方法为:
预设一个局部范围
式中,
根据温度数据的起始段中的数据与电压数据的起始段中的数据的稳定性,获取温度数据的起始段的第二正常程度,其具体的计算公式为:
式中,
优选的,所述根据温度数据的起始段的第一正常程度与温度数据的起始段的第二正常程度,获取温度数据的起始段的正常程度,包括的具体方法为:
根据温度数据的起始段的第一正常程度与温度数据的起始段的第二正常程度,获取温度数据的起始段的正常程度,其具体的计算公式为:
式中,
优选的,所述根据温度数据的起始段的正常程度,不断去除温度数据的起始段中的噪声数据,得到目标起始段,包括的具体方法为:
将温度数据的起始段,记为第一起始段;计算第一起始段中所有数据的均值,记为第一起始段均值,将第一起始段中与第一起始段均值差异最大的数据去除,得到第二起始段,获取第二起始段的正常程度;
预设一个正常程度差异阈值
若第二起始段的正常程度与第一起始段的正常程度之间的差大于等于
优选的,所述根据目标起始段与目标终止段,获取目标起始段遍历集合与目标终止段遍历集合,包括的具体方法为:
将目标起始段中的最大值与最小值分别记为
式中,
式中,
优选的,所述根据目标起始段遍历集合与目标终止段遍历集合,设置温度数据开头处的上包络点与下包络点,与结尾处的上包络点与下包络点,进行EMD分解,获取温度数据的最佳IMF分量,包括的具体方法为:
从目标起始段遍历集合中任选两个元素进行组合,将其中大的元素作为上起始包络点,小的元素作为下起始包络点,得到若干个起始包络点组合;从目标终止段遍历集合中任选两个元素,将其中大的元素作为上终止包络点,小的元素作为下终止包络点,得到若干个终止包络点个组合;再将若干个起始包络点组合与若干个终止包络点个组合,进行两两配对,得到若干种配对;
对于第
对第
式中,
得到所有种配对的匹配程度,将最大的匹配程度所对应的所有IMF分量,作为温度数据的最佳IMF分量。
优选的,所述根据温度数据的最佳IMF分量,对温度数据进行去噪,包括的具体方法为:
对温度数据的最佳IMF分量进行小波阈值去噪处理,得到经过小波阈值去噪处理后的温度数据的最佳IMF分量;对经过小波阈值去噪处理后的温度数据的最佳IMF分量进行IMF分量重构,得到新的温度数据,完成对温度数据的去噪。
本发明的技术方案的有益效果是:本发明通过联立温度数据与振动数据、温度数据与电压数据之间的关系,初步去除温度数据的两端中的噪声数据,得到目标起始与目标终止段;根据目标起始段与目标终止段,获取目标起始段遍历集合与目标终止段遍历集合;根据目标起始段遍历集合与目标终止段遍历集合,设置温度数据开头处的上包络点与下包络点,与结尾处的上包络点与下包络点,进行EMD分解,使得到的温度数据的最佳IMF分量极大的减轻了EMD端点效应的影响,从而有效的去除温度数据中的噪声数据。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明基于物联网的移动硬盘运行监控系统的结构框图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例,对依据本发明提出的基于物联网的移动硬盘运行监控系统,其具体实施方式、结构、特征及其功效,详细说明如下。在下述说明中,不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外,一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
下面结合附图具体的说明本发明所提供的基于物联网的移动硬盘运行监控系统的具体方案。
请参阅图1,其示出了本发明一个实施例提供的基于物联网的移动硬盘运行监控系统的结构框图,该系统包括以下模块:
数据采集模块101,用于采集温度数据、振动数据以及电压数据。
需要说明的是,由于移动硬盘的运行温度过高会加速移动硬盘的使用寿命,甚至直接导致移动硬盘的损坏,所以需要监控移动硬盘的运行温度,确保移动硬盘时刻处于安全的工作温度范围内,因此移动硬盘的运行温度数据是监控移动硬盘中的一种关键数据。但是由于移动硬盘的温度存在噪声数据,而噪声数据会对移动硬盘运行监控产生负面影响,而本实施例作为一种基于物联网的移动硬盘运行监控系统,提出了一种对移动硬盘运行时的温度数据进行去噪的系统,而为了对移动硬盘运行时的温度数据进行去噪,不仅需要采集移动硬盘运行时的温度数据,还需要采集移动硬盘运行时的振动数据以及电压数据,以更好的去除移动硬盘运行时的温度数据中的噪声数据。
具体的,预设一个采集时间
至此,得到温度数据、振动数据以及电压数据。
数据分析模块102,用于根据温度数据、振动数据以及电压数据,获取温度数据的起始段、振动数据的起始段、电压数据的起始段、温度数据的结尾段、振动数据的结尾段以及电压数据的结尾段;根据温度数据的起始段与振动数据的起始段,获取温度数据的起始段的第一正常程度;根据温度数据的起始段与电压数据的起始段,获取温度数据的起始段的第二正常程度;根据温度数据的起始段的第一正常程度与温度数据的起始段的第二正常程度,获取温度数据的起始段的正常程度;根据温度数据的起始段的正常程度,不断去除温度数据的起始段中的噪声数据,得到目标起始段;根据温度数据的结尾段、振动数据的结尾段以及电压数据的结尾段,获取目标终止段。
需要说明的是,由于移动硬盘运行时的温度数据中存在噪声数据,而为了能够更好地对移动硬盘运行时的温度数据进行监控,需对移动硬盘运行时的温度数据进行去噪,而传统的通过EMD分解算法,得到若干IMF分量信号,再通过小波阈值滤波器对IMF分量信号进行滤波,得到新的IMF分量信号,最后根据新的IMF分量信号,进行信号重构,完成对移动硬盘运行时的温度数据的去噪。但是在通过对温度数据进行EMD分解时,由于温度数据中的第一个数据与最后一个数据处于信号的边界,导致数据不完整,使得信号边界处没有得到充分的分解,最终导致无法有效的去除温度数据中的噪声数据;即由于EMD端点效应的影响,导致无法有效的去除温度数据中的噪声数据。
需要进一步说明的是,本实施例作为一种基于物联网的移动硬盘运行监控系统,提出了一种对移动硬盘运行时的温度数据进行去噪的系统,其主要手段是通过在温度数据的两端预设一个数据段范围,根据数据段中的数据消除EMD端点效应的影响,但是由于在数据段中有可能存在噪声数据,为了够好的消除EMD端点效应的影响,首先需要进行初步的去噪处理,得到目标数据段。
具体的,预设一个数据段范围
需要说明的是,当移动硬盘的温度升高时,移动硬盘的内部机械结构会受热膨胀,进而导致振动数据升高,即振动数据会随着温度数据的升高而升高,同时数据段中的噪声数据越少,则温度数据与振动数据所表现出的正比关系就越强;而当数据段的噪声数据越少,该数据段就越正常,因此通过温度数据与振动数据所表现出的正比关系,获取温度数据的起始段的第一正常程度,通过温度数据的结尾段与振动数据的结尾段,获取温度数据的结尾段的第一正常程度,由于获取温度数据的起始段的第一正常程度与温度数据的结尾段的第一正常程度,因此以获取温度数据的起始段的第一正常程度为例进行说明。
具体的,根据温度数据的起始段中的数据与振动数据的起始段中的数据,获取温度数据的起始段的第一正常程度,其具体的计算公式为:
式中,
需要是说明的是,
需要进一步说明的是,移动硬盘中的电子元件的性能通常会随着温度的变化而变化,所以当移动硬盘的温度升高时,移动硬盘中的电子元件的性能会发生变化,导致电路的整体性能受到影响,使移动硬盘的电压数据产生波动,即温度数据越高,电压数据越不稳定,而电压数据的稳定性,可通过若干个连续的电压数据获取。
具体的,预设一个局部范围
式中,
需要说明的是,当第
需要进一步说明的是,当温度数据越高时,电压数据就越不稳定,即温度数据与电压数据的稳定性呈反比关系,同时数据段中的噪声数据越少,则温度数据与电压数据所表现出的反比关系就越强;而当数据段的噪声数据越少,该数据段的正常程度就越高,因此通过温度数据与电压数据所表现出的反比关系,获取温度数据的起始段的第二正常程度,通过温度数据的结尾段与电压数据的结尾段,获取温度数据的结尾段的第二正常程度,由于获取温度数据的起始段的第二正常程度与温度数据的结尾段的第二正常程度,因此以获取温度数据的起始段的第二正常程度为例进行说明。
具体的,根据温度数据的起始段中的数据与电压数据的起始段中的数据的稳定性,获取温度数据的起始段的第二正常程度,其具体的计算公式为:
式中,
需要说明的是,
需要进一步说明的是,在温度数据的起始段的第一正常程度与温度数据的起始段的第二正常程度越大,则温度数据的起始段越正常,故可以根据温度数据的起始段的第一正常程度与温度数据的起始段的第二正常程度,获取温度数据的起始段的正常程度,其具体的计算公式为:
式中,
需要说明的是,由于获取温度数据的起始段的正常程度与获取温度数据的终止段的正常程度的过程相同,故在本实施例中不再对获取温度数据的终止段的正常程度的过程进行赘述。
具体的,将温度数据的起始段,记为第一起始段;计算第一起始段中所有数据的均值,记为第一起始段均值,将第一起始段中与第一起始段均值差异最大的数据去除,得到第二起始段,获取第二起始段的正常程度。
需要说明的是,由于获取第二起始段的正常程度与获取温度数据的起始段的正常程度的过程相同,故在本实施例中不再进行赘述。当第二起始段的正常程度与第一起始段的正常程度之间的差越大,则说明去除的数据越可能是噪声数据;当第二起始段的正常程度与第一起始段的正常程度之间的差越小,则说明去除的数据越可能是正常数据,故可以设置一个阈值,不断的剔除噪声数据。
具体的,预设一个正常程度差异阈值
若第二起始段的正常程度与第一起始段的正常程度之间的差大于等于
至此,得到目标起始段;由于获取目标终止段的过程与目标起始段的过程完全一致,因此在本实施例不再对获取目标终止段的过程进行赘述。
数据分解模块103,用于根据目标起始段与目标终止段,获取目标起始段遍历集合与目标终止段遍历集合;根据目标起始段遍历集合与目标终止段遍历集合,设置温度数据开头处的上包络点与下包络点,与结尾处的上包络点与下包络点,进行EMD分解,获取温度数据的最佳IMF分量。
需要说明的是,由于本实施例作为一种基于物联网的移动硬盘运行监控系统,提出了一种对移动硬盘运行时的温度数据进行去噪的系统,其手段是通过消除EMD端点效应的影响,是温度数据能够的到充分的EMD分解,达到对温度数据进行去噪的目的。再数据分析模块102得到目标起始段与目标终止段后,即可根据目标起始段与目标终止段,消除EMD端点效应的影响。
具体的,将目标起始段中的最大值与最小值分别记为
式中,
式中,
进一步的,从目标起始段遍历集合中任选两个元素进行组合,将其中大的元素作为上起始包络点,小的元素作为下起始包络点,得到若干个起始包络点组合;从目标终止段遍历集合中任选两个元素,将其中大的元素作为上终止包络点,小的元素作为下终止包络点,得到若干个终止包络点个组合;再将若干个起始包络点组合与若干个终止包络点个组合,进行两两配对,得到若干种配对。
对于第
对第
式中,
更进一步的,得到所有种配对的匹配程度,将最大的匹配程度所对应的所有IMF分量,作为温度数据的最佳IMF分量。
需要进一步说明的是,由于EMD端点效应的影响会引入热外的频率成分,从而干扰IMF分量的频率特征;因此本实施例通过不断遍历端点处的包络点取值,对温度数据进行多次EMD分解,在对温度数据进行EMD分解的过程中,如果IMF分量的对应的频谱范围的含量与温度数据中对应频谱范围的含量的比值越大,则表示引入的额外频率成分越少,即该种包络点配对越能够减轻EMD端点效应的影响;同时,IMF分量的频率带宽越窄,则越能有反应数据的局部特征,因此配对的匹配程度越大,该种配对的包络点越能够表征温度数据。
至此,得到温度数据的最佳IMF分量。
数据去噪模块104,用于根据温度数据的最佳IMF分量,对温度数据进行去噪。
需要说明的是,由于本实施例作为一种基于物联网的移动硬盘运行监控系统,提出了一种对移动硬盘运行时的温度数据进行去噪的系统;而通过数据分解模块103得到的温度数据的最佳IMF分量极大的减轻了EMD端点效应的影响,因此可以根据数据分解模块103得到的温度数据的最佳IMF分量,对温度数据进行去噪。
具体的,对温度数据的最佳IMF分量进行小波阈值去噪处理,由于小波阈值去噪作为一种公知的现有技术,故本实施例不再进行赘述;得到经过小波阈值去噪处理后的温度数据的最佳IMF分量;对经过小波阈值去噪处理后的温度数据的最佳IMF分量进行IMF分量重构,得到新的温度数据,完成对温度数据的去噪,由于IMF分量重构作为一种公知的现有技术故在本实施例中不再进行赘述。
在完成对温度数据的去噪后,集合对去噪后的数据进行监控,从而避免了由噪声数据导致的误判。
至此,本实施例完成。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
- 一种基于iBeacon的室内定位及辅助导航方法、装置及系统
- 基于Ble的多设备升级方法、装置、系统及终端
- 一种基于Wi-Fi室内定位导航的智慧停车方法和智慧停车场系统
- 一种无人叉车室内定位导航系统及导航方法
- 基于BLE的室内定位导航方法、装置及系统
- 基于蓝牙通信的室内定位方法、系统和BLE芯片