[發(fā)明專利]應(yīng)用工業(yè)的數(shù)學(xué)統(tǒng)計(jì)的大數(shù)據(jù)分析方法及系統(tǒng)

在審

• 申請?zhí)枺?/td>: 202011209415.1
• 申請日: 2020-11-03
• 公開（公告）號: CN112286078A
• 公開（公告）日: 2021-01-29
• 發(fā)明（設(shè)計(jì)）人: 侯方博
• 申請（專利權(quán)）人: 吉林農(nóng)業(yè)科技學(xué)院
• 主分類號: G05B17/02
• 分類號: G05B17/02;F04B49/06;G01D21/02;G06F17/18;G06F30/27;G06N3/04;G06N3/08
• 代理公司: 北京卓特專利代理事務(wù)所(普通合伙) 11572
• 代理人: 段宇

1.一種應(yīng)用工業(yè)的數(shù)學(xué)統(tǒng)計(jì)的大數(shù)據(jù)分析方法，其特征在于；用于閥門連接監(jiān)控管理；其大數(shù)據(jù)平臺包括系統(tǒng)管理展現(xiàn)層，包括計(jì)算機(jī)端，由系統(tǒng)管理員登入監(jiān)控，實(shí)現(xiàn)遠(yuǎn)程監(jiān)控；系統(tǒng)管理模塊包括配置管理根據(jù)所需配置不同系統(tǒng)規(guī)格；故障管理，系統(tǒng)具有故障自檢與根據(jù)不同故障報(bào)警模塊；性能管理模塊，根據(jù)系統(tǒng)所需調(diào)整計(jì)算機(jī)性能；系統(tǒng)應(yīng)用層包括數(shù)據(jù)分析模塊，接收采集數(shù)據(jù)，基于計(jì)算機(jī)處理器進(jìn)行數(shù)據(jù)分析；故障診斷模塊，根據(jù)數(shù)據(jù)分析輸出數(shù)據(jù)，與預(yù)設(shè)數(shù)據(jù)比對分析閥門故障因素；運(yùn)行質(zhì)量分析模塊，根據(jù)輸出指標(biāo)分析閥門故障因素；數(shù)據(jù)采集適配層包括數(shù)據(jù)采樣模塊，采集模擬數(shù)據(jù)并轉(zhuǎn)為對應(yīng)預(yù)設(shè)數(shù)值信息，其數(shù)據(jù)來源于工況采樣、振動傳感器、壓力傳感器、角度傳感器、溫度傳感器、濕度傳感器、時(shí)間采樣器、潤滑油粘度傳感器、位置坐標(biāo)傳感器和/或壓力表；監(jiān)控對象包括電機(jī)(2)，公閥頭組件(5)和/或母閥頭組件(6)，分別被對應(yīng)的傳感器所監(jiān)控；該方法如下；

S1，數(shù)據(jù)信息量化；首先，根據(jù)經(jīng)驗(yàn)值或人為設(shè)定并量化數(shù)據(jù)輸入量；然后，通過傳感器采集并量化實(shí)時(shí)數(shù)據(jù)；其次，根據(jù)數(shù)據(jù)對輸出指標(biāo)影響的重要度，設(shè)定權(quán)重值與對應(yīng)數(shù)據(jù)乘積后作為二次量化數(shù)據(jù)信息，以備輸入；

S2.數(shù)據(jù)整理，處理器處理數(shù)據(jù)并與標(biāo)準(zhǔn)數(shù)據(jù)庫及指標(biāo)進(jìn)行數(shù)據(jù)庫比較進(jìn)行指標(biāo)評價(jià)；首先，將對應(yīng)的評價(jià)指作為輸出并用matlab自帶的premnmx()函數(shù)將數(shù)據(jù)歸一化后輸入網(wǎng)絡(luò)；然后，建立數(shù)據(jù)集P：其中，一列是一組輸入訓(xùn)練集，行數(shù)-輸入層神經(jīng)元個(gè)數(shù)，列數(shù)-輸入訓(xùn)練集組數(shù)，及輸出評價(jià)指標(biāo)T；

S3.首先，設(shè)定BP網(wǎng)絡(luò)模型：輸入層m×隱層k×輸出層n，BP網(wǎng)絡(luò)采用S型傳遞函數(shù)，通過反傳誤差函數(shù)，調(diào)節(jié)網(wǎng)絡(luò)權(quán)值和閾值使誤差函數(shù)E達(dá)到所需極小值；然后，借助于BP網(wǎng)絡(luò)即反向傳播神經(jīng)網(wǎng)絡(luò)，通過樣本數(shù)據(jù)的訓(xùn)練，不斷修正網(wǎng)絡(luò)權(quán)值和閾值使誤差函數(shù)沿負(fù)梯度方向下降，逼近期望輸出；其次，隱層神經(jīng)元個(gè)數(shù)是輸入層神經(jīng)元個(gè)數(shù)m與輸入層神經(jīng)元個(gè)數(shù)n之和二次根與常數(shù)a之和，常數(shù)為十以內(nèi)正整數(shù)；其次，隱層神經(jīng)元的激勵(lì)函數(shù)選擇S型正切函數(shù)tansig；再次，輸出層神經(jīng)元的激勵(lì)函數(shù)的預(yù)測模型選取S型對數(shù)函數(shù)logsig；

S4.首先，選定網(wǎng)絡(luò)訓(xùn)練函數(shù)traingdx及網(wǎng)絡(luò)性能函數(shù)mse確定網(wǎng)絡(luò)參數(shù)；然后，網(wǎng)絡(luò)迭代次數(shù)epochs為若干次，優(yōu)選3000次,期望誤差goal為0.000001,學(xué)習(xí)速率lr為0.001，設(shè)定完參數(shù)后,開始訓(xùn)練網(wǎng)絡(luò)輸出評價(jià)指標(biāo)；其次，輸出模塊包括打印件、存儲器及顯示器；輸出對比數(shù)據(jù)及一個(gè)節(jié)點(diǎn)的評價(jià)指標(biāo)B，網(wǎng)絡(luò)的輸出歸一到[-1,1]范圍；

其中，計(jì)算機(jī)預(yù)制有標(biāo)準(zhǔn)數(shù)據(jù)庫，以作為基準(zhǔn)與實(shí)際采樣數(shù)據(jù)庫，以記錄并更新存儲數(shù)據(jù)；在選擇輸入數(shù)據(jù)時(shí)，刪去每組輸入神經(jīng)元的采樣極限數(shù)值。