陈皮仓储环境异常智能预警方法及系统与流程
本技术涉及中药材仓储,尤其涉及陈皮仓储环境异常智能预警方法及系统。
背景技术:
1、陈皮作为高附加值的中药材与调味品,其品质形成过程与仓储陈化环境条件紧密关联。在持续数月乃至数年的仓储周期中,环境温度、相对湿度、氧气浓度及通风状态等参数的微小波动均可能诱发陈皮霉变、虫蛀或香气成分不可逆散失等品质劣化问题。因此,建立精准的环境监测与前瞻性预警机制对保障陈皮品质稳定性具有重要意义。
2、现有陈皮仓储管理普遍依赖固定阈值报警机制,该机制为温度、湿度等参数设定静态上下限阈值,仅当实时监测值突破边界时触发警报。此类方法存在三方面技术缺陷:其一,陈皮陈化过程呈现显著阶段性特征,例如初期需较高湿度促进生化反应而中后期需严格控湿防霉,固定阈值无法适应不同阶段的动态环境需求,导致仓储早期误报频发、后期漏报风险加剧;其二,环境参数间存在非线性耦合效应,典型如温度与相对湿度对霉菌滋生的协同作用并非简单叠加,而是在特定温湿组合区间内风险骤增,单参数阈值机制难以识别此类耦合异常;其三,仓储环境劣化常以长期漂移形式演进,监测值虽未瞬时超限但趋势持续偏离安全区域,固定阈值方法仅能响应即时超限事件,无法对渐进性漂移风险实施预判性预警。
3、上述内容仅用于辅助理解本技术的技术方案,并不代表承认上述内容是现有技术。
技术实现思路
1、本技术的主要目的在于提供一种陈皮仓储环境异常智能预警方法及系统,旨在提高预警准确性和及时性。
2、为实现上述目的,本技术提出一种陈皮仓储环境异常智能预警方法,所述的方法包括:
3、获取陈皮仓储环境中多个环境参数的时间序列以及仓储起始时间,所述环境参数包括温度、相对湿度和氧气浓度;
4、基于所述时间序列中的温度、相对湿度和氧气浓度,利用预先建立的非线性耦合模型,实时计算用于表征多参数组合协同劣化风险的耦合危险指数,并获得香气散失速率;
5、基于所述时间序列中的温度和相对湿度,并结合所述耦合危险指数和所述仓储起始时间,计算等效陈化指数,并根据所述等效陈化指数确定当前所处的陈化阶段;
6、根据所述当前所处的陈化阶段获取对应的基础环境安全边界,并利用所述耦合危险指数对所述基础环境安全边界进行动态调整,生成当前时刻的多维环境安全域;
7、对所述时间序列进行在线时序分解,提取各环境参数的长期漂移趋势;
8、基于所述时间序列中各环境参数的当前实时值、所述长期漂移趋势、所述多维环境安全域、所述香气散失速率以及所述仓储起始时间,计算异常风险指数;并基于所述异常风险指数、所述当前所处的陈化阶段和所述耦合危险指数,动态设定多层预警阈值,将所述异常风险指数与所述多层预警阈值进行比较,生成分级预警信号。
9、在一实施例中,利用预先建立的非线性耦合模型实时计算用于表征多参数组合协同劣化风险的耦合危险指数并获得香气散失速率,包括:
10、将所述时间序列中当前测得的温度和相对湿度输入预先构建的霉菌危险度曲面,获得霉菌危险分指数,所述霉菌危险度曲面表征温度、相对湿度与霉菌滋生风险之间的非线性映射关系;
11、将所述时间序列中当前测得的温度和氧气浓度输入预先构建的香气散失速率曲面,获得所述香气散失速率,并对所述香气散失速率进行无量纲化处理得到香气散失分指数;
12、对所述霉菌危险分指数和所述香气散失分指数进行加权求和,得到所述耦合危险指数。
13、在一实施例中,计算等效陈化指数并根据所述等效陈化指数确定当前所处的陈化阶段,包括:
14、自所述仓储起始时间起,根据所述时间序列中各日的温度和相对湿度,通过将日平均温度与日平均相对湿度进行非线性组合,计算基础日环境作用强度;
15、当所述耦合危险指数在连续多个采样周期内超过预设冲击阈值时,判定发生环境冲击事件,并根据冲击事件的峰值和持续时间,通过峰值与持续时间的乘积经非线性映射计算冲击增益系数;
16、利用所述冲击增益系数对所述基础日环境作用强度进行修正,得到当日最终作用强度,并将当日最终作用强度累加至所述等效陈化指数;
17、将所述等效陈化指数与预设的多个陈化阶段对应的指数阈值区间进行比较,确定所述当前所处的陈化阶段。
18、在一实施例中,生成当前时刻的多维环境安全域包括:
19、根据所述当前所处的陈化阶段,从预先存储的阶段-阈值表中读取各环境参数的基础允许波动区间和基础允许漂移速率上限;
20、对所述耦合危险指数的序列提取趋势分量并外推延长,获得未来预设时段内的耦合危险指数预测序列;
21、根据所述耦合危险指数的当前值及所述耦合危险指数预测序列,对各环境参数的基础允许波动区间进行收缩调整,并同步降低所述基础允许漂移速率上限,生成随时间演进的动态安全域边界序列,所述动态安全域边界序列构成所述多维环境安全域;其中,所述收缩调整的幅度与所述耦合危险指数的当前值及所述耦合危险指数预测序列中各值时序正相关,所述同步降低基础允许漂移速率上限的比例与所述收缩调整的幅度相匹配。
22、在一实施例中,提取各环境参数的长期漂移趋势包括:
23、根据各环境参数时间序列在连续多个采样周期内的标准差,动态调整在线时序分解的窗口长度;
24、对调整窗口后的时间序列进行分解,提取各环境参数的趋势分量;
25、对所述趋势分量进行滑动线性拟合,计算各环境参数的漂移速率和漂移方向,并计算漂移加速度,将所述漂移速率、漂移方向和漂移加速度共同作为所述长期漂移趋势。
26、在一实施例中,所述长期漂移趋势包括各环境参数的漂移速率和漂移加速度;计算异常风险指数包括:
27、根据各环境参数的当前实时值、所述漂移速率和所述漂移加速度,外推各环境参数在未来时段的预测轨迹及其置信区间;
28、将所述预测轨迹的置信区间与所述多维环境安全域中各时点的安全边界进行比较,获得各参数最早越界时间的概率分布;
29、综合所述最早越界时间的期望值、对所述漂移速率和所述漂移加速度进行无量纲化处理后加权求和得到的漂移强度表征值以及所述耦合危险指数,计算基础风险分值;
30、根据所述香气散失速率和由所述仓储起始时间与当前时间确定的仓储持续时间,计算香气累积损耗量,将所述香气累积损耗量与所述当前所处的陈化阶段允许的香气损耗上限比较,生成损耗修正系数;
31、利用所述损耗修正系数对所述基础风险分值进行调整,得到所述异常风险指数。
32、在一实施例中,基于所述异常风险指数、所述当前所处的陈化阶段和所述耦合危险指数,动态设定多层预警阈值,将所述异常风险指数与所述多层预警阈值进行比较,生成分级预警信号,包括:
33、根据所述当前所处的陈化阶段,获取预设的多档基准预警阈值,所述预设的多档基准预警阈值包括对应不同预警级别并与各环境参数关联的层级阈值;
34、利用所述耦合危险指数对所述预设的多档基准预警阈值中的各层级阈值进行缩放调整,得到动态多层预警阈值;
35、将所述异常风险指数与所述动态多层预警阈值中的各层级阈值进行比较,当所述异常风险指数超出其中一层级阈值时,生成对应该层级预警级别的预警信号;
36、基于所述时间序列,通过对每个环境参数单独施加预设变化量并确定所述异常风险指数的变化量,计算各环境参数对所述异常风险指数的贡献度;识别各环境参数在时间上的先后响应次序与依存关系,将贡献度最高的参数作为主因参数,并将时间上先于所述主因参数变化且与之存在前导关系的参数追溯为异常驱动源头;将所述异常驱动源头及其关联的参数响应次序与预先建立的劣化类型-参数前导模式库进行匹配,辨识该异常驱动源头所属的劣化类型,并将所述劣化类型对应的处置建议随所述预警信号一并输出。
37、在一实施例中,所述劣化类型-参数前导模式库至少包含以下模式及对应的处置建议:
38、第一模式,温度独立先行上升,且温度上升后引发相对湿度滞后下降,判定为外部热负荷侵入或陈皮自热型劣化,对应的处置建议为检查隔热设施或翻堆散热;
39、第二模式,相对湿度先行上升并与氧气浓度同步变化,且二者的变化共同先行于温度的上升,判定为通风不足导致的湿气积聚型劣化,对应的处置建议为加强通风或启动除湿;
40、第三模式,氧气浓度先行上升,且氧气浓度上升后引起挥发性有机物浓度加速上升,判定为换气过度导致的香气加速散失型劣化,对应的处置建议为降低换气频率或调节风阀开度。
41、在一实施例中,所述的方法还包括:
42、获取每次预警后的现场品质确认结果,根据所述现场品质确认结果将预警标记为有效预警、过度预警或漏报,并记录该次预警对应的劣化类型;
43、每经过预设统计周期,根据不同陈化阶段下各类劣化类型的预警标记统计结果,针对发生过漏报的劣化类型,自动降低该陈化阶段下该劣化类型所关联环境参数的所述预设的多档基准预警阈值中的层级阈值;针对过度预警率超过预设容许上限的劣化类型,自动提高该陈化阶段下该劣化类型所关联环境参数的所述预设的多档基准预警阈值中的层级阈值;其中,降低层级阈值的步长大于提高层级阈值的步长;所述预设的多档基准预警阈值中的层级阈值的调整按劣化类型分别执行:对霉变型劣化,当发生过漏报时,降低所述预设的多档基准预警阈值中与温度关联的层级阈值和与湿度关联的层级阈值,当过度预警率超过预设容许上限时,提高所述预设的多档基准预警阈值中与温度关联的层级阈值和与湿度关联的层级阈值;对香气散失型劣化,当发生过漏报时,降低所述预设的多档基准预警阈值中与氧气浓度关联的层级阈值和与温度关联的层级阈值,当过度预警率超过预设容许上限时,提高所述预设的多档基准预警阈值中与氧气浓度关联的层级阈值和与温度关联的层级阈值;
44、利用标记为有效预警和漏报所对应的劣化时期环境数据,对所述非线性耦合模型中该劣化类型对应的曲面区域进行增量更新。
45、此外,为实现上述目的,本技术还提出一种陈皮仓储环境异常智能预警系统,所述陈皮仓储环境异常智能预警系统包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的陈皮仓储环境异常智能预警程序,所述陈皮仓储环境异常智能预警程序配置为实现所述的陈皮仓储环境异常智能预警方法的步骤。
46、本技术提出的陈皮仓储环境异常智能预警方法及系统,通过计算等效陈化指数确定陈化阶段,利用耦合危险指数表征多参数协同劣化风险,生成动态多维环境安全域,提取长期漂移趋势,并计算异常风险指数实现分级预警,能够根据陈化阶段动态调整环境安全边界,识别多参数协同劣化风险,并对渐进性漂移风险实施预判性预警,能够提高预警准确性和及时性。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com