【技術實現步驟摘要】
本專利技術涉及數據智能識別，具體而言，涉及一種計算機數據智能識別系統及方法。
技術介紹
1、計算機數據識別是指利用計算機和相關技術，對大量數據進行分析、識別和理解的過程；這種過程通常涉及數據挖掘、機器學習、人工智能等技術和方法，旨在從數據中提取有價值的信息、模式或知識；對于大型工廠來說，這種計算機數據識別能夠識別工廠內設備存在異常的數據，并進行預警操作；因此，對于大型智能化工廠來說，計算機數據識別尤為重要；
2、數據質量直接影響識別結果的準確性，生產的計算機數據要具有較高的時效性才能為生產作出正確有效的決策；目前的工廠在利用計算機數據識別時通常是依據技術人員對工藝的了解以設定數據采集周期，這種數據采集方式存在較大的局限性，存在不足以覆蓋所有可能的變化或異常情況，使得識別得到的結果置信度不高，無法為生產作出準確的決策。
技術實現思路
1、本專利技術的主要目的在于提供一種計算機數據智能識別系統及方法，以克服上述
技術介紹
提到的問題。
2、為實現上述目的，根據本專利技術的一個方面，提供了一種計算機數據智能識別系統，該系統包括：數據庫、數據識別模塊和決策輸出模塊；
3、數據庫依據接收到的采集指令，則通過控制與其通信連接的各傳感器進行數據采集以得到生產信息和維護信息；其中生產信息包括各設備的運行功率、運行溫度和運行振幅；維護信息包括維護記錄；
4、數據識別模塊基于設備的運行信息進行識別以得到設備的狀態參數；其中運行信息包括工廠各設備的運行溫度、運
5、決策輸出模塊基于接收到的狀態參數進行綜合分析以得到各設備的生產干擾指數，據此輸出決策意見，其中決策意見包括停產檢修決策、設備維護決策和無需調整決策；
6、其中設備維護決策的具體步驟為：
7、步驟一：將高度干擾設備和中度干擾設備記為維護設備，并將各維護設備依據其對應的生產干擾指數從大至小的順序進行排序得到維護列表；選取其中生產干擾指數最大的維護設備記為目標設備；
8、步驟二：調取各維護人員的維護記錄，其中維護記錄包括維護次數以及每次維護對應的設備的生產干擾指數記為sdk、維護開始時刻和維護結束時刻；將維護開始時刻和維護結束時刻進行時間差值計算得到維護時長記為mk，其中k=1,2,3……k，k取值為正整數，k表示的是維護總次數，k表示的是其中任意一次維護；獲取維護人員當前的待維護設備數量記為l，并將其與生產干擾指數sdk和維護時長mk代入設定的公式進行計算得到維護人員的維護時效值lm，其中f1、f2、f3分別為設定的比例系數；由此可得各維護人員對應的維護時效值；
9、步驟三：于各維護人員中選取維護時效值最大的為目標維護人員，并將目標設備分配至目標維護人員，由此該目標維護人員的待維護設備數量增加一；當維護人員完成一個維護設備的維護時，則對應的該維護人員的待維護設備數量減少一；將各維護人員的待維護設備數量更新至步驟二；
10、步驟四：重復步驟一至步驟三，直至將所有的維護設備維護完畢。
11、進一步的，基于接收到的狀態參數進行綜合分析的具體過程如下：
12、201：設定每個型號的設備分別對應一個重要分數，提取各設備型號，并將其與設定的所有型號進行比對以匹配到對應的重要分數；將各設備的重要分數s、設備運行值yg和振動異常值hg代入設定的公式進行計算得到各設備對應的生產干擾指數sd，其中d1、d2分別為設定的比例系數；
13、202：將各設備的生產干擾指數與設定的干擾區間進行比較分析以將生產干擾指數對應的設備分為高度干擾設備、中度干擾設備和低度干擾設備，分別統計高度干擾設備、中度干擾設備和低度干擾設備的累計次數，并將其分別記為u1、u2和u3；將高度干擾設備、中度干擾設備和低度干擾設備對應的生產干擾指數分別進行求和計算得到高度干擾值、中度干擾值和低度干擾值，并將其分別記為u4、u5和u6；將u1、u2、u3、u4、u5和u6代入設定的公式進行計算得到生產決策值un，其中n1、n2、n3分別為設定的比例系數，且n1＞n2＞n3＞0；
14、203：當生產決策值大于設定的決策區間中的最大值時，則輸出停產檢修決策；當生產決策值處于設定的決策區間中時，則輸出設備維護決策；當生產決策值小于設定的決策區間中的最小值時，則輸出無需調整決策。
15、進一步的，基于設備的運行信息進行識別的具體過程為：
16、401：調取各采集時刻的運行功率和運行溫度，并據此對設備的運行狀態進行深化分析以得到設備運行值；
17、402：調取各采集時刻對應的運行振幅，并據此對應設備的振動狀態進行量化分析以得到振動異常值；
18、403：將設備運行值yg和振動異常值hg代入設定的公式進行計算得到最新的采集頻率p，其中r1、r2分別為設定的比例系數，β為頻率轉換系數；由此可得各設備的最新采集頻率，依據各設備的最新采集頻率生成采集指令，并將其發送至數據庫以指導數據庫對各設備的數據采集。
19、進一步的，依據運行功率和運行溫度對設備的運行狀態進行深化分析的具體過程為：
20、501：設定每個型號的設備分別對應一個設計參數，提取各設備型號，并將其與設定的所有型號進行比對以匹配到對應的設計參數，其中設計參數包括設計溫度和設計功率；將設計溫度ht、設計功率hw、運行溫度tq和運行功率wq代入設定的公式進行計算得到各采集時刻的設備標準值twq，其中b1、b2分別為設定的比例系數，q=1,2,3……q，q取值為正整數，q表示的是采集時刻的總數量，q表示的是其中任意一個采集時刻的序號；
21、502：以時間為橫坐標，以設備標準值為縱坐標構建二維直角坐標系，將設備標準值依據其對應的采集時刻輸入至坐標軸中，并將設備標準值于坐標軸中的位置記為標準點，采用圓滑的曲線依次連接標準點以得到設備標注值隨著時間變化曲線圖；
22、503：對設備標注值隨著時間變化曲線圖進行圖形趨勢解析得到設備運行值。
23、進一步的，對設備標注值隨著時間變化曲線圖進行圖形趨勢解析的具體過程為：
24、601：于各標準點處作曲線的切線，并利用最小二乘法計算切線斜率以得到各標準點對應的標準斜率記為zq；
25、602：將大于零的標準斜率記為正相關斜率，并將其與設定的正相關區間進行比較分析以將正相關斜率分為高度正相關、中度正相關和低度正相關，分別統計高度正相關、中度正相關和低度正相關的數量，并將其分別記為g1、g2、g3；將各正相關斜率進行求和計算得到正斜率總值記為g4；將g1、g2、g3、g4代入設定的公式進行計算得到正相關值ga，其中a1、a2、a3分別為設定的比例系數，且a1＞a2＞a3＞0；
26、將小于零的標準斜率進行取絕對值得到負相關斜率，同理，對負相關斜率進行比較分析得到負相關值記為aa；
27、603：將標準本文檔來自技高網...
【技術保護點】
1.一種計算機數據智能識別系統，其特征在于，包括：數據識別模塊和決策輸出模塊；
2.根據權利要求1所述的一種計算機數據智能識別系統，其特征在于，基于接收到的狀態參數進行綜合分析的具體過程如下：
3.根據權利要求1所述的一種計算機數據智能識別系統，其特征在于，還包括數據庫；
4.根據權利要求1所述的一種計算機數據智能識別系統，其特征在于，基于設備的運行信息進行識別的具體過程為：
5.根據權利要求4所述的一種計算機數據智能識別系統，其特征在于，依據運行功率和運行溫度對設備的運行狀態進行深化分析的具體過程為：
6.根據權利要求5所述的一種計算機數據智能識別系統，其特征在于，對設備標注值隨著時間變化曲線圖進行圖形趨勢解析的具體過程為：
7.根據權利要求4所述的一種計算機數據智能識別系統，其特征在于，依據運行振幅對設備的振動狀態進行量化分析的具體過程為：
8.根據權利要求7所述的一種計算機數據智能識別系統，其特征在于，對設備的振幅風險值隨著時間變化曲線圖進行圖形趨勢解析的具體過程為：
9.一種計
...【技術特征摘要】
1.一種計算機數據智能識別系統，其特征在于，包括：數據識別模塊和決策輸出模塊；
2.根據權利要求1所述的一種計算機數據智能識別系統，其特征在于，基于接收到的狀態參數進行綜合分析的具體過程如下：
3.根據權利要求1所述的一種計算機數據智能識別系統，其特征在于，還包括數據庫；
4.根據權利要求1所述的一種計算機數據智能識別系統，其特征在于，基于設備的運行信息進行識別的具體過程為：
5.根據權利要求4所述的一種計算機數據智能識別系統，其特征在于，依據運行功率和運行溫度對設備的運行狀態進行深化分析的具體過程為：...
【專利技術屬性】
技術研發人員：唐華，
申請(專利權)人：深圳品網科技有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。