[發明專利]一種生產設備數據標定方法

有效

• 申請號: 201711374434.8
• 申請日: 2017-12-19
• 公開（公告）號: CN108198268B
• 公開（公告）日: 2020-10-16
• 發明（設計）人: 孫東來;張星星
• 申請（專利權）人: 江蘇極熵物聯科技有限公司
• 主分類號: G07C3/00
• 分類號: G07C3/00;G06N20/00;G06N3/04;G06N3/08;G06F30/27
• 代理公司: 上海世圓知識產權代理有限公司 31320
• 代理人: 陳穎潔

1.一種生產設備數據標定方法，其特征在于，包括以下步驟，

數據采集步驟，用以采集多臺生產設備運行中的多組設備數據，每一組設備數據包括同一時段內被采集到的一組生產數據及一組外部參數； 每一組生產數據為已標定生產數據或未標定生產數據；當一組生產數據為已標定生產數據時，該組生產數據中的至少一個基本數據被標定有相應的數據含義標識；

數據庫生成步驟，用以生成一數據庫，包括至少兩組已標定生產數據及其同一時段的外部參數；

數據模型建立步驟，用以根據所述數據庫建立標定數據模型；

數據標定步驟，用以根據所述標定數據模型獲取至少一組未標定生產數據中至少一個基本數據的數據含義標識；其中，所述數據模型建立步驟包括

數據分組步驟，用以將多組已標定生產數據隨機分成兩個樣本組，分別為訓練樣本組和測試樣本組，每一訓練樣本或測試樣本中包括至少一組已標定生產數據及其外部參數；

模型建立步驟，用以根據所述訓練樣本組中多個訓練樣本中的生產數據、外部參數及數據含義標識建立標定數據模型；以及

交叉驗證步驟，用以根據所述測試樣本組中多個測試樣本的已標定生產數據及所述標定數據模型獲取與每一測試樣本對應的測試數據含義標識，將所述測試數據含義標識與已知的測試樣本的數據含義標識進行交叉對比，計算所述標定數據模型的準確度；當所述準確度小于或等于90%時，返回所述數據分組步驟。

2.根據權利要求1所述的生產設備數據標定方法，其特征在于，

所述數據模型建立步驟中，

在所述數據分組步驟與所述模型建立步驟之間，還包括

擴增特征計算步驟，根據所述至少一組已標定生產數據及其同一時段的外部參數計算擴增特征；

附加數據含義標識步驟，為所述擴增特征標定數據含義標識，每一所述擴增特征的數據含義標識為與該擴增特征關聯的所有生產數據和外部參數的數據含義標識；以及

訓練樣本修正步驟，將所述得到的擴增特征分別加入訓練樣本組中，使每一訓練樣本組中均包含由其中生產數據和外部參數計算所得的擴增特征。

3.根據權利要求2所述的生產設備數據標定方法，其特征在于，所述擴增特征包括生產數據的平均值、標準差、最大值、最小值、生產數據與其他生產數據計算產生的數值計算值及生產數據與外部參數之間的數值計算值。

4.根據權利要求1所述的生產設備數據標定方法，其特征在于，

所述模型建立步驟包括

模型基礎結構確定步驟，采用深度學習模型作為標定數據模型的基礎結構，所述深度學習模型包括全連接網絡模型、卷積神經網絡模型、循環神經網絡模型；

參數設定步驟，設定所述模型基礎結構的結構參數，所述結構參數包括模型層數、每層包含的神經元個數及需要設定的參數；以及

代碼邏輯運算步驟，用以運行根據結構參數進行邏輯運算生成所述標定數據模型。

5.根據權利要求1所述的生產設備數據標定方法，其特征在于，還包括

數據積累步驟，當一標定數據模型的準確度精確度達到預設值，將能夠從標定數據模型中得到數據含義標識的未標定生產數據作為新的已標定生產數據，并同步獲得新的已標定生產數據對應的外部參數；

數據庫更新步驟，將新的已標定生產數據及其外部參數寫入所述數據庫中。

6.根據權利要求5所述的生產設備數據標定方法，其特征在于，還包括標定數據模型長期優化步驟，用以根據更新后所述數據庫建立新的標定數據模型。

7.根據權利要求1所述的生產設備數據標定方法，其特征在于，

在所述數據采集步驟中，

數據采集的時間為0.1-1000000小時，

數據采集頻率為每分鐘10個-10000個。

8.根據權利要求1所述的生產設備數據標定方法，其特征在于，

所述生產數據為所述生產設備在運行狀態下可采集的實時數據，包括設備設定參數和實時狀態參數；和/或，

所述外部參數包括所述生產設備外部的參數；和/或，

所述數據含義標識用以標識一數據的特征和/或含義。

9.根據權利要求1或8所述的生產設備數據標定方法，其特征在于，

所述已標定生產數據的數據采集時間為0.1小時-1000000小時，數據采集頻率為每分鐘10個-10000個。