[發明專利]基于類腦分層記憶機制的實時數據流智能化處理平臺

有效

• 申請號: 201711352760.9
• 申請日: 2017-12-15
• 公開（公告）號: CN108107729B
• 公開（公告）日: 2019-11-08
• 發明（設計）人: 丁永生;王偉凱;陳磊;郝礦榮;任立紅
• 申請（專利權）人: 東華大學
• 主分類號: G05B13/04
• 分類號: G05B13/04
• 代理公司: 上海統攝知識產權代理事務所(普通合伙) 31303
• 代理人: 金利琴

本發明提出一種基于類腦分層記憶機制的實時數據流智能化處理平臺，包括數據預處理模塊、分層記憶網絡模塊、在線監測與故障診斷模塊、數據有效性復核模塊、數據庫模塊及實時生產系統；其中分層記憶網絡模塊用于分層存儲經數據預處理模塊預處理后的用于構建平臺的數據樣本、接收數據預處理模塊發送的正常數據樣本、檢索與正常數據樣本最接近的數據樣本并將其發送至數據庫模塊；數據庫模塊用于存儲與分層記憶網絡模塊存儲的預處理后的數據樣本ID一致的原始數據樣本、接收分層記憶網絡模塊發送的最接近的數據樣本并提取與該數據樣本ID一致的原始數據樣本反饋到實時生產系統。本發明能實時反饋，并對數據進行簡化，緩解了數據處理及存儲壓力。

技術領域

本發明屬于類腦智能及工業大數據領域，涉及一種基于類腦分層記憶機制的實時數據流智能化處理平臺。

背景技術

在當前工業大數據的時代背景下，工業企業在向現代化與智能化的轉型過程中，越來越多的工業企業認識到數據的價值，并注重對實時生產數據采集、存儲和檢索等。要實現生產過程的智能化，數據驅動控制方式成為必不可少的環節，如何保證每次輸入數據驅動控制器中的數據足夠可信與優質，是決定產品質量的關鍵。然而，在工業現場數據采集過程中往往存在各種各樣的干擾，如數據缺失、噪聲干擾、數據異常、數據冗余等，這些干擾對后續的自動化控制帶了一定的困難。另外，工業企業的大規模生產過程中針對同一產品的生產數據往往較為穩定，因而對于大量重復、冗余的數據并不需要全部存儲，從而節省企業沒必要的開支。

以纖維拉伸環節的自動化控制為例，目前針對纖維拉伸環節采用的方法是分別對拉伸環節過程中的各受變量利用PID控制器形成若干個獨立的閉環回路進行控制，雖然該方法能夠對纖維拉伸環節進行控制，在一定程度上提高了纖維的性能，但該方法沒有考慮變量之間的相互影響對綜合控制效果的影響，調節手段單一，局限性較強，纖維產品的性能不高。

為了克服現有方法局限性較強的缺陷，研究人員采用數據驅動控制方法對聚酯纖維拉伸過程進行控制。數據驅動控制是一種利用受控系統的在線和離線I/O數據以及經過數據處理而得到的知識來設計控制器的一種控制方法，有收斂性、穩定性保障和魯棒性結論。雖然該方法穩定性較好，但是用于支持決策的實時數據流的不確定因素對生產控制系統具有較大的影響，而且傳感器擾動、環境干擾以及數據自身發生的變化可能造成熱棍之間的拉伸速度出現偏差，速度過大造成絲束崩斷或者速度過小而無法達到規定的生產要求，降低了產品的生產質量，其實時生產數據在無干擾或不同類型干擾下的示意圖如圖1所示，其中圖1(a)為無異常干擾下單個數據屬性的實時生產數據曲線圖，可以看出在成熟化的生產環境下，同一數據屬性的數值較為平穩，偏差幅值在可接受范圍內；圖1(b)為缺失干擾下的實時生產數據曲線圖，數據缺失可能來自傳感器異常或者網絡傳輸時發生數據丟包現象，該干擾下缺失數據屬性將被設為0，如圖中虛線部分所示；圖1(c)為噪聲干擾下的實時生產數據曲線圖，工業環境下的電磁干擾及其常見，圖中以高斯噪聲模擬電磁干擾，如虛線部分所示；圖1(d)為異常值干擾下的實時生產數據曲線圖，異常值的干擾源往往來自于傳感器采集數據時發生錯誤，其數值遠遠高出或者低于正常數據值，如圖中虛線所示。當前針對這幾類異常問題的處理方法都是從數據本身出發，采用填補、插值、替換、刪除等等多種方法，但是均未考慮采用系統中已有的特征最相似的歷史生產數據進行替換問題。傳統的方法在異常數據處理上往往要耗費大量的時間，不能滿足實時生產的需求，尤其是在實時數據驅動的環境下。

近年來隨著人工智能領域研究與應用的持續火熱，與腦科學相關的研究也越來越多的得到學術界和工業界的關注。具有記憶功能的大腦可以記住感興趣的信息豐富大腦的信息量，并且可以遺忘無關緊要的信息來減少大腦被繁雜瑣事所困擾而影響工作效率的弊端；人類的大腦可以深刻的記住對自身影響極其重大的事件，即便很多年以后依舊記憶如新，這樣的功能被稱作永久記憶，例如我們會永遠記住一生中影響最為深刻的一次交談、會面或者面試等等；然而，大部分時間中存儲在大腦中的信息會發生遺忘的現象，存在大腦中的信息痕跡量的多少以及該類信息被使用的頻次決定了信息在大腦中的存在時間，因而，可以進一步劃分為長時記憶、短時記憶以及瞬時記憶。