[發明專利]一種基于區塊鏈的產品溯源系統及其方法

有效

• 申請號: 202110573536.2
• 申請日: 2021-05-25
• 公開（公告）號: CN113362077B
• 公開（公告）日: 2022-09-23
• 發明（設計）人: 關國芳
• 申請（專利權）人: 青島飛熊領鮮數字科技有限公司
• 主分類號: G06Q30/00
• 分類號: G06Q30/00;G10L17/26;G10L25/18
• 代理公司: 重慶晟軒知識產權代理事務所(普通合伙) 50238
• 代理人: 沈立

1.一種基于區塊鏈的產品溯源系統，其特征在于：包括區塊存儲平臺、運行聲響獲取模塊、故障溯源分析模塊、參數演變追蹤模塊、預測數據建模構建模塊、運行環境干擾評估模塊和溯源追蹤管理平臺；

區塊存儲平臺由若干區塊鏈節點組成，每個區塊鏈節點內記錄存儲發動機的不同生產加工流程參數以及發動機發出異常聲響所對應的故障類型，且其中一區塊鏈節點上存儲有發動機在不同故障類型下的異常聲音所對應的故障異響特征向量；

運行聲響獲取模塊用于實時收集汽車運行過程中發動機的聲音信息，對收集的發動機產品運行中的聲音信息進行存儲并模擬分離出發動機的異常聲音；

故障溯源分析模塊，提取運行聲響獲取模塊分離后的發動機的異常聲音，并按照異常聲音繪制聲音頻譜圖，對聲音頻譜圖進行特征分析，提取聲音頻譜圖中發動機的混合異響特征向量，并提取區塊存儲平臺存儲的發動機在各單一故障類型下的異常聲音所對應的故障異響特征向量，采用故障混合推算公式統計出發動機發生的故障類型，并根據異常聲音對應的故障類型對發動機的異常聲音進行分離，獲得各故障類型下的聲音頻譜圖，篩選出各故障類型下聲音頻譜圖中的聲音幅值H^k；

參數演變追蹤模塊用于提取故障溯源分析模塊分析出的發動機對應的故障類型，并在該故障類型下分別依次模擬汽車運行過程中在不同發動機轉速V、不同負荷f以及不同溫度T下的發動機故障聲音，并對同一模擬變量下的各參數數值所對應的發動機故障聲音進行分析，分析出發動機在同一模擬變量下隨著參數數值變化所產生的該故障類型下最大異響幅值變化率；

預測數據建模構建模塊對若干個無故障類型下的發動機進行實際使用環境預演，依次預演出若干發動機在單一模擬變量下隨著參數數值變化以及使用時長的累計所造成的發動機由無故障狀態切換到故障狀態的次數以及發動機由無故障狀態切換成故障狀態下的最大異響幅值，并根據以上數據建立故障轉變系數模型獲得第x個模擬變量引發發動機由無故障切換到故障狀態下的故障轉變系數；

運行環境干擾評估模塊提取預測數據建模模塊預測出的各模擬變量對發動機由無故障狀態切換至故障狀態下的故障轉變系數，并提取參數演變追蹤模塊分析出的發動機在同一模擬變量下隨著參數數值變化所產生的該故障類型下最大異響幅值變化率，結合發動機在各模擬變量下的故障轉變系數以及各故障類型下受該模擬變量影響下的最大異響幅值變化率分析出汽車實際運行參數對發動機的故障干擾評估系數；

溯源追蹤管理平臺用于獲取運行環境干擾評估模塊在各模擬變量干擾下的汽車實際運行參數對發動機的故障干擾評估系數，并提取故障溯源分析模塊獲得的發動機在各故障類型下的聲音幅值，采用逆向溯源追蹤模型獲得各故障類型對應的聲音幅值相對差值η^k，判斷各故障類型對應的聲音幅值相對差值的大小推導出發動機異響的故障來源。

2.根據權利要求1所述的一種基于區塊鏈的產品溯源系統，其特征在于：所述故障混合推算公式為A_n＝λ_G1B1_n+λ_G2B2_n+λ_G3B3_n+λ_G4B4_n+λ_G5B5_n，λ_G1、λ_G2、λ_G3、λ_G4和λ_G5分別為G1、G2、G3、G4和G5故障類型下所對應的故障因子，若發動機的異常聲音中存在其中一故障類型，則該故障類型對應的故障因子等于1，反之，則該故障類型對應的故障因子等于0，B1_n、B2_n、B3_n、B4_n和B5_n分別表示為G1、G2、G3、G4和G5故障類型下的標準故障異響特征向量，且B1_n、B2_n、B3_n、B4_n和B5_n與A_n均為一維特征向量，A_n＝(a₁ a₂ ... a_n)。