基于压力信号分解和滤波的仓储管理方法及系统

本发明涉及信号预处理，具体涉及基于压力信号分解和滤波的仓储管理方法及系统。背景技术：1、由于工业生产和物流需求的不断增长，对管道运输的库存管理提出了更高的要求。库存管理作为一个关键环节，主要指在生产过程中，为了保证连续生产而存储在管道中的原材料、半成品和成分。有效的管道库存管理可以降低生产成本、提高生产效率和保证产品质量。现代化的管道库存管理系统通常会集成液位监测、压力监测以及其他相关传感器，并通过数据采集、处理和分析实现对库存的实时监测和管理。压力监测作为关键的仓储管理方法之一，仓储管理系统中，压力的变化会影响库存物质的稳定和品质以及影响管道或容器的有效容量，因此，库存管理系统需要考虑压力的变化情况，及时采取措施以确保库存的安全性和稳定性。2、为实现对仓储设备的智能管理，现通常利用物联网集群来进行监测管理，物联网集群技术中包括利用传感器对管道中的温度、压力和流速等实时数据进行监测，随着长时间的设备运行过程，传感器设备由于长时间运行或其他因素等，导致设备老化或性能稳定性变差等问题，使传感器数据的获取出现误差，在实时监测压力传感器信号时，其信号中具有较多的噪声数据附着，难以对原始压力信号进行读取分析，因此需要对信号进行去噪，ewt信号分解算法是常用的具有高适应性的信号分解去噪方法，但其分解受参数的影响较大且对较强噪声环境的敏感性不高，因此也无法得到更优的滤波压力信号，使后续依据滤波压力信号进行仓储管理的分析结果可信度较低。技术实现思路1、为了解决现有技术中无法得到更优的滤波压力信号，使后续依据滤波压力信号进行仓储管理的分析结果可信度较低的技术问题，本发明的目的在于提供一种基于压力信号分解和滤波的仓储管理方法及系统，所采用的技术方案具体如下：2、本发明提供了一种基于压力信号分解和滤波的仓储管理方法，所述方法包括：3、获取存储架的原始压力信号；在原始压力信号进行分解分量信号的迭代过程中，获得每次迭代的分解结果；获取每个分解结果中每个分量信号的序号以及频率带宽；4、在每个分解结果中，根据分量信号之间能量强度的差异情况，以及所有分量信号的序号与频率带宽的分布相关性，获得每个分解结果的分解预期值；根据分解预期值从所有分解结果中确定出最优分解结果；5、根据最优分解结果中每个分量信号与原始压力信号在能量离散程度上的偏差情况，获得最优分解结果中每个分量信号的信息贡献率；将最优分解结果中每个分量信号均匀划分为预设数量个局部信号段；根据每个局部信号段与所在分量信号在能量强度上的分布差异，以及每个局部信号段与所在分量信号中其他局部信号段之间的能量分布差异程度，获得每个局部信号段的噪声重要度；6、根据每个局部信号段的噪声重要度和所在分量信号的信息贡献率，从所有局部信号段中确定出噪声信号段；根据所有噪声信号段中的信号强度分布情况，获得原始压力信号中的估计噪声强度；依据原始压力信号中的估计噪声强度进行滤波，获得滤波压力信号；依据滤波压力信号进行仓储管理。7、进一步地，所述分解预期值的获取方法包括：8、依次将每个分解结果作为分析组，对于分析组中任意一个分量信号，计算该分量信号中所有信号强度均方值，获得该分量信号的信号平均功率；对该分量信号的频谱图中的频谱计算定积分，获得该分量信号的信号能量值；将该分量信号的信号平均功率和信号能量值的乘积作为该分量信号的能量强度特征值；9、将分析组中任意两个不相同的分量信号作为一个分量对；计算每个分量对中两个分量信号的能量强度特征值的差异，获得每个分量对的强度差异；将分析组中所有分量对的强度差异的平均值作为分析组的特征差异指标；10、将分析组中分量信号的序号按照从小至大的顺序排序，获得分析组的序号序列；将分析组中分量信号的频率带宽按照序号从小至大的顺序排序，获得分析组的带宽序列；计算分析组的序号序列与带宽序列的皮尔逊相关系数，进行负相关映射并归一化处理，获得分析组的分布相关指标；11、将分析组的特征差异指标与分布相关指标的乘积，作为分析组的分解预期值。12、进一步地，所述根据分解预期值从所有分解结果中确定出最优分解结果，包括：13、将分解预期值最大时的分解结果作为最优分解结果。14、进一步地，所述信息贡献率的获取方法包括：15、对于最优分解结果中的任意一个分量信号，计算该分量信号的频谱图中频谱幅度的方差，获得该分量信号的信息能量度；计算原始压力信号的频谱图中频谱幅度的方差，获得原始压力信号的总信息能量度；16、将该分量信号的信息能量度作为分子，总信息能量度与预设调节参数的和值作为分母，获得该分量信号的信息贡献率；预设调节参数为非零正数。17、进一步地，所述噪声重要度的获取方法包括：18、对于最优分解结果中任意一个分量信号，获取该分量信号的主要频率；计算该分量信号上每个局部信号段中所有信号点的信号强度的平方和，获得每个局部信号段的能量值；19、依次将该分量信号中的每个局部信号段作为目标段，计算目标段与该分量信号上每个其他局部信号段之间的能量值差异，获得目标段的每个能量差异；计算目标段的所有能量差异的平均值，作为目标段的分布均匀性；20、获取目标段的频谱图中频谱的最大峰值作为目标段的尖峰值；计算目标段的尖峰值与该分量信号主要频率对应的频谱幅度的差异，获得目标段的频谱分布性；21、根据目标段的频谱分布性和分布均匀性，获得目标段的噪声重要度，频谱分布性和分布均匀性均与噪声重要度呈正相关。22、进一步地，所述根据每个局部信号段的噪声重要度和所在分量信号的信息贡献率，从所有局部信号段中确定出噪声信号段，包括：23、对于任意一个局部信号段，将该局部信号段的噪声重要度的反比例值与所在分量信号的信息贡献率的乘积，进行负相关映射并归一化处理，获得该局部信号段的噪声特征指标；24、当噪声特征指标大于预设噪声阈值时，将对应的局部信号段即为噪声信号段。25、进一步地，所述估计噪声强度的获取方法包括：26、计算所有噪声信号段中信号点的信号强度的平均值，获得噪声平均幅值；计算所有噪声信号段中信号点的信号强度的标准差，获得噪声波动值；27、计算噪声平均幅值和噪声波动值的欧式范数，获得原始压力信号中的估计噪声强度。28、进一步地，所述获取每个分解结果中每个分量信号的序号以及频率带宽，包括：29、对于任意一个分解结果，获取该分解结果中每个分量信号的序号和对应的频谱图，在每个分量信号的频谱图中，将最大峰值点的左右相邻两个波谷点间的频率差异作为每个分量信号的频率带宽。30、进一步地，所述获取该分量信号的主要频率包括：31、通过快速傅里叶变换确定分量信号的主要频率。32、本发明提供了一种基于压力信号分解和滤波的仓储管理系统，包括存储器和处理器，处理器执行存储器存储的计算程序，以实现如上述一种基于压力信号分解和滤波的仓储管理方法。33、本发明具有如下有益效果：34、本发明对原始压力信号在分量信号的迭代分解过程中，对每次迭代分解的多种分解结果分析其分解优选程度，根据每种分解结果中分量信号的能量特征差异，以及分解的序号与频率带宽的分布规律进行分析，得到每种分解结果的预期值，通过分解预期值反映分解结果的优选情况，得到最优分解结果，此最优分解结果下分量信号间的差异是较大的，使分量信号的可读性好，能够更准确的反映原始信号的局部特征，便于后续继续对局部信号段进行分析。在最优分解结果下进一步对分量信号进行噪声情况分析，通过分量信号与原始压力信号在能量离散程度的差异得到信息贡献率，反映单个分量信号的权重情况，从分量信号整体信息贡献程度反映分量信号整体可能存在噪声的可能性。为了准确对附着噪声进行分析，对分量信号进行分段分析，从每个局部信号段与整体分量信号的能量分布情况，以及与其他信号段的能量分布差异，得到噪声重要度，反映每个局部信号段的噪声贡献程度，结合所在分量信号的信息贡献率，筛选出包含较多噪声的噪声信号段，能够更准确的针对具有噪声特征的信号段进行噪声强度估计，使根据此估计噪声强度进行滤波得到质量更好的滤波压力信号，便于后续进行仓储管理。本发明通过信号分解规则筛选出最优分解结果，在最优分解下对分量信号从整体和局部分析噪声特征，得到更准确的噪声估计使滤波压力信号质量更高，进而使后续依据滤波压力信号进行仓储管理的结果更可信。