一种自流平砂浆耐磨性测试方法与流程

本发明涉及数据处理，具体涉及一种自流平砂浆耐磨性测试方法。

背景技术：

1、自流平砂浆是一种特殊的水泥基砂浆，具有较低的黏度和流动性，能够在施工过程中自动流平并形成平整的表面。它在建筑和装修领域中具有广泛的应用，通过检测自流平砂浆的耐磨性，可以评估其使用寿命、磨损情况、选择适当涂层和进行施工质量控制。

2、当前多使用磨损试验机测试自流平砂浆的耐磨性，由于测试可能需要几小时或数天，故测试过程中会产生大量的时序数据，会占用较大的存储空间、影响数据传输效率。且由于自流平砂浆质地坚硬、表面光滑，磨损过程中会存在较长时间内产生的数据波动较小，因此通常使用死区压缩算法对采集的时序数据进行高效的压缩处理，减少数据的存储空间需求、节省存储资源和提高数据传输的效率以及方便后续的数据分析。

3、死区压缩算法是一种常见的数据压缩方法，它在编码数据时利用了数据的相关性和冗余度，其具有较高的压缩率，可以较好的保持数据精度，并且解压过程比较快速。

4、现有的问题：死区压缩算法使用固定的死区范围，无法适应数据的动态变化，而自流平砂浆耐磨性测试过程中，在自流平砂浆表面不同损伤状态下，采集的时序数据中会存在部分差异较大、且无规律的数据波动，易导致压缩后重要数据损失较多，影响后续耐磨性分析的准确性。

技术实现思路

1、本发明提供一种自流平砂浆耐磨性测试方法，以解决现有的问题。

2、本发明的一种自流平砂浆耐磨性测试方法采用如下技术方案：

3、本发明一个实施例提供了一种自流平砂浆耐磨性测试方法，该方法包括以下步骤：

4、使用传感器实时测量自流平砂浆表面与摩擦体之间的摩擦力，得到时序数据序列；依次计算时序数据序列中相邻两个数据的差值的绝对值，得到差异序列；将差异序列划分为若干个聚类簇，根据所有聚类簇内的数据的均值，将差异序列划分为若干个波动序列段和平稳序列段；

5、根据差异序列划分的波动序列段和平稳序列段对应在时序数据序列中的数据，将时序数据序列划分为若干个平稳数据序列段和波动数据序列段，并得到平稳数据序列段对应的死区范围；

6、将时序数据序列中任意一个波动数据序列段，记为目标波动数据序列段；根据目标波动数据序列段的整体趋势性和局部趋势性以及目标波动数据序列段中的数据数量，得到目标波动数据序列段的异常性；

7、根据时序数据序列中所有波动数据序列段内的数据均值和数据数量，分别得到摩擦力的差异程度和磨损时长的差异程度；根据目标波动数据序列段与其之外的所有波动数据序列段的异常权值、所有波动数据序列段的异常性、摩擦力的差异程度和磨损时长的差异程度，得到目标波动数据序列段对应的死区阈值；

8、根据时序数据序列中所有的平稳数据序列段和所有的波动数据序列段对应的死区范围，使用死区压缩算法，得到压缩后的时序数据序列；将压缩后的时序数据序列输入到磨损试验机配备的数据分析软件中，得到自流平砂浆的耐磨性。

9、进一步地，所述将差异序列划分为若干个聚类簇，根据所有聚类簇内的数据的均值，将差异序列划分为若干个波动序列段和平稳序列段，包括的具体步骤如下：

10、使用dbscan密度聚类算法，对差异序列中的数据进行聚类操作，将差异序列划分为若干个聚类簇；

11、依次计算差异序列划分的每个聚类簇内的数据均值，得到聚类簇集合；

12、使用大津算法得到聚类簇集合中数据的分割阈值，将聚类簇集合中小于分割阈值的数据对应的聚类簇，记为平稳聚类簇；将聚类簇集合中大于等于分割阈值的数据对应的聚类簇，记为波动聚类簇；

13、将差异序列中连续相邻的平稳聚类簇构成的差异序列段，记为平稳序列段；将差异序列中连续相邻的波动聚类簇构成的差异序列段，记为波动序列段。

14、进一步地，所述根据差异序列划分的波动序列段和平稳序列段对应在时序数据序列中的数据，将时序数据序列划分为若干个平稳数据序列段和波动数据序列段，并得到平稳数据序列段对应的死区范围，包括的具体步骤如下：

15、将差异序列中每个平稳序列段和波动序列段中最后一个数据对应在时序数据序列中的两个数据中的后一个数据，记为时序数据序列中分割点；

16、根据时序数据序列中所有的分割点，将时序数据序列分割成若干个数据序列段；其中，序数据序列中的每个数据序列段对应差异序列中的一个平稳序列段或者波动序列段；

17、将差异序列中的平稳序列段对应的时序数据序列中的数据序列段，记为时序数据序列中的平稳数据序列段；

18、将差异序列中的波动序列段对应的时序数据序列中的数据序列段，记为时序数据序列中的波动数据序列段；

19、将时序数据序列中所有的平稳数据序列段对应的死区阈值设置为预设的最大死区阈值，根据所有的平稳数据序列段对应的死区阈值的负数和正数，构成所有的平稳数据序列段对应的死区范围。

20、进一步地，所述根据目标波动数据序列段的整体趋势性和局部趋势性以及目标波动数据序列段中的数据数量，得到目标波动数据序列段的异常性，包括的具体步骤如下：

21、若目标波动数据序列段中的数据数量小于预设的数量阈值时，将目标波动数据序列段对应的死区阈值设置为预设的最大死区阈值；根据目标波动数据序列段对应的死区阈值的负数和正数，构成目标波动数据序列段对应的死区范围；

22、若目标波动数据序列段中的数据数量大于等于数量阈值时，使用二阶导数法，得到目标波动数据序列段中的局部极值点；

23、根据目标波动数据序列段中的数据值和局部极值点数量，得到目标波动数据序列段的整体趋势性；

24、将目标波动数据序列段的整体趋势性和目标波动数据序列段的局部趋势性的乘积的归一化值，记为目标波动数据序列段的异常校正系数；

25、根据目标波动数据序列段的异常校正系数和目标波动数据序列段中的数据数量，得到目标波动数据序列段的异常性。

26、进一步地，所述根据目标波动数据序列段中的数据值和局部极值点数量，得到目标波动数据序列段的整体趋势性，包括的具体步骤如下：

27、根据目标波动数据序列段中的最大数据值和最小数据值、目标波动数据序列段中的局部极值点数量，得到目标波动数据序列段中的数据波动性；

28、根据目标波动数据序列段中前后两半部分数据的差异、目标波动数据序列段中的数据波动性，得到目标波动数据序列段的整体趋势性。

29、进一步地，所述根据目标波动数据序列段中前后两半部分数据的差异、目标波动数据序列段中的数据波动性，得到目标波动数据序列段的整体趋势性对应的具体计算公式为：

30、

31、其中f为目标波动数据序列段的整体趋势性，s为目标波动数据序列段中的数据数量，和为目标波动数据序列段中的最大数据值和最小数据值，和为时序数据序列中的最大数据值和最小数据值，h为目标波动数据序列段中的局部极值点数量，为目标波动数据序列段中第i个数据值，为的向上取整，为的向下取整，为线性归一化函数，为目标波动数据序列段中的数据波动性，为目标波动数据序列段中前后两半部分数据的差异。

32、进一步地，所述根据目标波动数据序列段的异常校正系数和目标波动数据序列段中的数据数量，得到目标波动数据序列段的异常性对应的具体计算公式为：

33、

34、其中d为目标波动数据序列段的异常性，f为目标波动数据序列段的整体趋势性，e为目标波动数据序列段对应的差异序列中的波动序列段中的不同数据值的数量，为目标波动数据序列段对应的差异序列中的波动序列段中的数据数量，为目标波动数据序列段对应的差异序列中的波动序列段中的数据方差，为线性归一化函数，为目标波动数据序列段的局部趋势性。

35、进一步地，所述根据时序数据序列中所有波动数据序列段内的数据均值和数据数量，分别得到摩擦力的差异程度和磨损时长的差异程度，包括的具体步骤如下：

36、计算时序数据序列中每个波动数据序列段内的数据均值，将所有波动数据序列段内的数据均值的归一化值的标准差，记为摩擦力的差异程度；

37、统计时序数据序列中每个波动数据序列段内的数据数量，将所有波动数据序列段内的数据数量的归一化值的标准差，记为磨损时长的差异程度。

38、进一步地，所述根据目标波动数据序列段与其之外的所有波动数据序列段的异常权值、所有波动数据序列段的异常性、摩擦力的差异程度和磨损时长的差异程度，得到目标波动数据序列段对应的死区阈值，包括的具体步骤如下：

39、使用dtw算法，得到时序数据序列中目标波动数据序列段与其之外的每一个波动数据序列段的dtw距离；

40、根据目标波动数据序列段与其之外的每一个波动数据序列段的dtw距离的归一化值、目标波动数据序列段与其之外的每一个波动数据序列段的异常性的差异，得到目标波动数据序列段与其之外的每一个波动数据序列段的异常权值；

41、根据摩擦力的差异程度和磨损时长的差异程度的均值、目标波动数据序列段与其之外的所有波动数据序列段的异常性的差异与异常权值，得到目标波动数据序列段对应的死区阈值调整系数；

42、根据目标波动数据序列段对应的死区阈值调整系数、预设的最小死区阈值和最大死区阈值，得到目标波动数据序列段对应的死区阈值；

43、根据目标波动数据序列段对应的死区阈值的负数和正数，构成目标波动数据序列段对应的死区范围。

44、进一步地，所述根据目标波动数据序列段对应的死区阈值调整系数、预设的最小死区阈值和最大死区阈值，得到目标波动数据序列段对应的死区阈值对应的具体计算公式为：

45、

46、

47、其中p为目标波动数据序列段对应的死区阈值，a为预设的最小死区阈值，b为预设的最大死区阈值，为摩擦力的差异程度，为磨损时长的差异程度，d为目标波动数据序列段的异常性，为时序数据序列中目标波动数据序列段之外的第x个波动数据序列段的异常性，为时序数据序列中目标波动数据序列段与其之外的第x个波动数据序列段的dtw距离的归一化值，y为时序数据序列中波动数据序列段的数量，为时序数据序列中目标波动数据序列段与其之外的第x个波动数据序列段的异常权值，为时序数据序列中目标波动数据序列段与其之外的所有波动数据序列段的异常权值之和，为以自然常数为底的指数函数，为目标波动数据序列段对应的死区阈值调整系数。

48、本发明的技术方案的有益效果是：

49、本发明实施例中，使用传感器实时测量自流平砂浆表面与摩擦体之间的摩擦力，得到时序数据序列，再获取差异序列、差异序列中的波动序列段和平稳序列段、时序数据序列中的平稳数据序列段和波动数据序列段，并得到平稳数据序列段对应的死区范围。将时序数据序列中任意一个波动数据序列段，记为目标波动数据序列段，根据目标波动数据序列段的整体趋势性和局部趋势性以及目标波动数据序列段中的数据数量，得到目标波动数据序列段的异常性。考虑到所有波动数据序列段之间的差异，根据时序数据序列中所有波动数据序列段内的数据均值和数据数量，分别得到摩擦力的差异程度和磨损时长的差异程度，再结合根据目标波动数据序列段与其之外的所有波动数据序列段的异常权值、所有波动数据序列段的异常性，得到目标波动数据序列段对应的死区阈值。根据时序数据序列中所有的平稳数据序列段和所有的波动数据序列段对应的死区范围，使用死区压缩算法，得到压缩后的时序数据序列，将压缩后的时序数据序列输入到磨损试验机配备的数据分析软件中，得到自流平砂浆的耐磨性。由此本发明通过自适应死区范围，在自流平砂浆表面磨损时，对摩擦力数据变化较为异常的数据序列段，赋予较小的死区范围，减少重要数据的损失，对摩擦力数据变化较为平稳的数据序列段，赋予较大的死区范围，提高数据的压缩效率。