一种基于区块链的产品溯源系统及其方法技术方案

本发明专利技术公开一种基于区块链的产品溯源系统，包括区块存储平台、运行声响获取模块、故障溯源分析模块、参数演变追踪模块、预测数据建模构建模块、运行环境干扰评估模块和溯源追踪管理平台。本发明专利技术提供的基于区块链的产品溯源系统通过采用逆向溯源追踪模型能够准确分析出发动机的故障来源是来源于制造过程还是发动机使用不当所导致的，实现精确故障来源定位，并根据制造过程中产生的故障进行生产加工参数调整，以降低因发动机加工环节过程中造成的故障干扰，大大提高了对发动机生产过程中的工艺要求，降低因生产制造而造成的发动机故障，提高发动机的使用寿命。提高发动机的使用寿命。

【技术实现步骤摘要】
一种基于区块链的产品溯源系统及其方法


[0001]本专利技术属于产品溯源
，涉及到一种基于区块链的产品溯源系统及其方法。

技术介绍

[0002]汽车发动机是为汽车提供动力的装置，是汽车的心脏，根据动力来源不同，汽车发动机可分为柴油发动机、汽油发动机、电动汽车电动机以及混合动力等。
[0003]汽车发动机故障也是多种多样，如果汽车发动机出现故障将影响汽车的行驶，情况严重的将危及驾驶员生命安全，当发动机发生故障前，会发出异响的声响，发动机在出厂前会进行检验，以排除明显故障的发动机，但是对于故障不明显的发动机投入使用，随着使用时长的累计以及驾驶人员的操作习惯会加剧突显出发动机在制造过程中的弊端，进而一旦发动机发生故障后，无法有效地追踪溯源发动机的故障源头，导致发动机在使用过程中频繁发生故障，现有技术中存在发动机故障溯源难度大以及发动机寿命短的问题，无法根据发动机的异常声响分辨出发动机的故障来源于制造过程中的工艺参数还是发动机仅使用过程造成的故障，且无法根据故障来源进行合理的控制，以降低制造过程以及使用不当所造成的故障，为了解决以上问题，设计本申请的技术方案。

技术实现思路

[0004]本专利技术的目的在于提供的一种基于区块链的产品溯源系统及其方法，解决了现有技术中存在的问题。
[0005]本专利技术的目的可以通过以下技术方案实现：
[0006]一种基于区块链的产品溯源系统，包括区块存储平台、运行声响获取模块、故障溯源分析模块、参数演变追踪模块、预测数据建模构建模块、运行环境干扰评估模块和溯源追踪管理平台；
[0007]区块存储平台由若干区块链节点组成，每个区块链节点内记录存储发动机的不同生产加工流程参数以及发动机发出异常声响所对应的故障类型，且其中一区块链节点上存储有发动机在不同故障类型下的异常声音所对应的故障异响特征向量；
[0008]运行声响获取模块用于实时收集汽车运行过程中发动机的声音信息，对收集的发动机产品运行中的声音信息进行存储并模拟分离出发动机的异常声音；
[0009]故障溯源分析模块，提取运行声响获取模块分离后的发动机的异常声音，并按照异常声音绘制声音频谱图，对声音频谱图进行特征分析，提取声音频谱图中发动机的混合异响特征向量，并提取区块存储平台存储的发动机在各单一故障类型下的异常声音所对应的故障异响特征向量，采用故障混合推算公式统计出发动机发生的故障类型，并根据异常声音对应的故障类型对发动机的异常声音进行分离，获得各故障类型下的声音频谱图，筛选出各故障类型下声音频谱图中的声音幅值H
k
；
[0010]参数演变追踪模块用于提取故障溯源分析模块分析出的发动机对应的故障类型，
并在该故障类型下分别依次模拟汽车运行过程中在不同发动机转速V、不同负荷f以及不同温度T下的发动机故障声音，并对同一模拟变量下的各参数数值所对应的发动机故障声音进行分析，分析出发动机在同一模拟变量下随着参数数值变化所产生的该故障类型下最大异响幅值变化率；
[0011]预测数据建模构建模块对若干个无故障类型下的发动机进行实际使用环境预演，依次预演出若干发动机在单一模拟变量下随着参数数值变化以及使用时长的累计所造成的发动机由无故障状态切换到故障状态的次数以及发动机由无故障状态切换成故障状态下的最大异响幅值，并根据以上数据建立故障转变系数模型获得第x个模拟变量引发发动机由无故障切换到故障状态下的故障转变系数；
[0012]运行环境干扰评估模块提取预测数据建模模块预测出的各模拟变量对发动机由无故障状态切换至故障状态下的故障转变系数，并提取参数演变追踪模块分析出的发动机在同一模拟变量下随着参数数值变化所产生的该故障类型下最大异响幅值变化率，结合发动机在各模拟变量下的故障转变系数以及各故障类型下受该模拟变量影响下的最大异响幅值变化率分析出汽车实际运行参数对发动机的故障干扰评估系数；
[0013]溯源追踪管理平台用于获取运行环境干扰评估模块在各模拟变量干扰下的汽车实际运行参数对发动机的故障干扰评估系数，并提取故障溯源分析模块获得的发动机在各故障类型下的声音幅值，采用逆向溯源追踪模型获得各故障类型对应的声音幅值相对差值η
k
，判断各故障类型对应的声音幅值相对差值的大小推导出发动机异响的故障来源。
[0014]优选地，所述故障混合推算公式为A
n
＝λ
G1
B1
n
+λ
G2
B2
n
+λ
G3
B3
n
+λ
G4
B4
n
+λ
G5
B5
n
，λ
G1
、λ
G2
、λ
G3
、λ
G4
和λ
G5
分别为G1、G2、G3、G4和G5故障类型下所对应的故障因子，若发动机的异常声音中存在其中一故障类型，则该故障类型对应的故障因子等于1，反之，则该故障类型对应的故障因子等于0，B1
n
、B2
n
、B3
n
、B4
n
和B5
n
分别表示为G1、G2、G3、G4和G5故障类型下的标准故障异响特征向量，且B1
n
、B2
n
、B3
n
、B4
n
和B5
n
与A
n
均为一维特征向量，A
n
＝(a
1 a
2 ... a
n
)。
[0015]优选地，所述故障转变系数模型为β
x
表示为预测的第x个模拟变量引发发动机由无故障切换到故障状态下的故障转变系数，t表示为发动机累计使用时长，t
′
w表示为第w个发动机使用阶段所对应的标准时长，为预设的标准时长，w等于1,2,...,m，j等于2,...,m,发动机的使用阶段根据发动机的累计时长进行划分，发动机在不同使用阶段对应的使用时长不同，发动机按照使用阶段先后顺序进行使用，gw表示为发动机在第w个使用阶段所对应的故障干扰比例系数，且0＜g1＜g2＜...＜gm＜1，tj表示为发动机在第j个使用阶段所对应的使用时长，Z表示为测试样本中无故障类型发动机的数量，表示为在第x个模拟变量的参数数值变化影响下Z个样本发动机中从无故障状态切换到故障状态的次数，表示为第x个模拟变量下的参数数值从最小到最大的范围，小于Z，e为自然数，表示为在第x个模拟变量影响下Z个样本发动机由无故障状态切换到故障状态的发
动机所对应的最大异响幅值的平均值，F
x标
表示为由无故障状态切换到故障状态的发动机在第x个模拟变量影响下所对应的标准异响幅值。
[0016]优选地，所述发动机的故障干扰评估系数的计算公式为Q
xk
表示为第x个模拟变量对发动机运行过程中产生第k个本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于区块链的产品溯源系统，其特征在于：包括区块存储平台、运行声响获取模块、故障溯源分析模块、参数演变追踪模块、预测数据建模构建模块、运行环境干扰评估模块和溯源追踪管理平台；区块存储平台由若干区块链节点组成，每个区块链节点内记录存储发动机的不同生产加工流程参数以及发动机发出异常声响所对应的故障类型，且其中一区块链节点上存储有发动机在不同故障类型下的异常声音所对应的故障异响特征向量；运行声响获取模块用于实时收集汽车运行过程中发动机的声音信息，对收集的发动机产品运行中的声音信息进行存储并模拟分离出发动机的异常声音；故障溯源分析模块，提取运行声响获取模块分离后的发动机的异常声音，并按照异常声音绘制声音频谱图，对声音频谱图进行特征分析，提取声音频谱图中发动机的混合异响特征向量，并提取区块存储平台存储的发动机在各单一故障类型下的异常声音所对应的故障异响特征向量，采用故障混合推算公式统计出发动机发生的故障类型，并根据异常声音对应的故障类型对发动机的异常声音进行分离，获得各故障类型下的声音频谱图，筛选出各故障类型下声音频谱图中的声音幅值H
k
；参数演变追踪模块用于提取故障溯源分析模块分析出的发动机对应的故障类型，并在该故障类型下分别依次模拟汽车运行过程中在不同发动机转速V、不同负荷f以及不同温度T下的发动机故障声音，并对同一模拟变量下的各参数数值所对应的发动机故障声音进行分析，分析出发动机在同一模拟变量下随着参数数值变化所产生的该故障类型下最大异响幅值变化率；预测数据建模构建模块对若干个无故障类型下的发动机进行实际使用环境预演，依次预演出若干发动机在单一模拟变量下随着参数数值变化以及使用时长的累计所造成的发动机由无故障状态切换到故障状态的次数以及发动机由无故障状态切换成故障状态下的最大异响幅值，并根据以上数据建立故障转变系数模型获得第x个模拟变量引发发动机由无故障切换到故障状态下的故障转变系数；运行环境干扰评估模块提取预测数据建模模块预测出的各模拟变量对发动机由无故障状态切换至故障状态下的故障转变系数，并提取参数演变追踪模块分析出的发动机在同一模拟变量下随着参数数值变化所产生的该故障类型下最大异响幅值变化率，结合发动机在各模拟变量下的故障转变系数以及各故障类型下受该模拟变量影响下的最大异响幅值变化率分析出汽车实际运行参数对发动机的故障干扰评估系数；溯源追踪管理平台用于获取运行环境干扰评估模块在各模拟变量干扰下的汽车实际运行参数对发动机的故障干扰评估系数，并提取故障溯源分析模块获得的发动机在各故障类型下的声音幅值，采用逆向溯源追踪模型获得各故障类型对应的声音幅值相对差值η
k
，判断各故障类型对应的声音幅值相对差值的大小推导出发动机异响的故障来源。2.根据权利要求1所述的一种基于区块链的产品溯源系统，其特征在于：所述故障混合推算公式为A
n
＝λ
G1
B1
n
+λ
G2
B2
n
+λ
G3
B3
n
+λ
G4
B4
n
+λ
G5
B5
n
，λ
G1
、λ
G2
、λ
G3
、λ
G4
和λ
G5
分别为G1、G2、G3、G4和G5故障类型下所对应的故障因子，若发动机的异常声音中存在其中一故障类型，则该故障类型对应的故障因子等于1，反之，则该故障类型对应的故障因子等于0，B1
n
、B2
n
、B3
n
、B4
n
和B5
n
分别表示为G1、G2、G3、G4和G5故障类型下的标准故障异响特征向量，且B1
n
、B2
n
、B3
n
、B4
n
和B5
n

【专利技术属性】
技术研发人员：关国芳，
申请(专利权)人：深圳市中晴云科技有限公司，
类型：发明
国别省市：