基于自动机器学习工业设备数据模型生成方法技术

本发明专利技术公开了基于自动机器学习工业设备数据模型生成方法,方法包括：时序状态数据训练模型、使用工业设备实时运转时序状态数据、需进行算法模型计算的初始生产时序状态数据；判断生产时序状态数据中的时序状态数据训练模型是否达到预设的时序状态数据训练速度；将计算工业设备实时运转时序状态数据的每个需计算工厂运转的工厂运转值修改为对应的计算工厂运转值，并将执行后的生产时序状态数据记录到时序状态数据集合中；对时序状态数据集合中的运算模型进行验证，通过后时序状态数据集合中对应的生产时序状态数据生效，本发明专利技术能够对时序状态数据集合中的工厂运转进行全方位的配置，且借助外部设施。且借助外部设施。且借助外部设施。

【技术实现步骤摘要】
基于自动机器学习工业设备数据模型生成方法


[0001]本专利技术涉及工业设备数据管理领域,尤其涉及基于自动机器学习工业设备数据模型生成方法。

技术介绍

[0002]在工厂生产过程中，会使用大量的工业设备，比如：电机、水泵等转动设备。对于这些转动设备会连续监测其时序状态数据。人们会根据这些状态数据进行建模，实现对转动设备的预测性维护工作。

技术实现思路

[0003]为了克服现有技术存在的缺点与不足,本专利技术提供基于自动机器学习工业设备数据模型生成方法。
[0004]本专利技术所采用的技术方案是，基于自动机器学习工业设备数据模型生成方法，自动机器学习(AutoML)旨在通过让一些通用步骤(如数据预处理、模型选择和调整超参数)自动化，来简化机器学习中生成模型的过程。AutoML是指尽量不通过人来设定超参数，而是使用某种学习机制，来调节这些超参数。所述方法包括：
[0005]步骤S1：通过传感器采集工业设备的时序状态数据；
[0006]步骤S2：智能网关对传感器采集的数据进行身份验证；
[0007]步骤S3：验证通过后对数据进行筛选；
[0008]步骤S4：根据筛选后的数据生产初始化模型，确定超参数区间范围；
[0009]步骤S5：对初始化模型进行训练，并计算基于交叉熵与均方差的损失函数值；
[0010]步骤S6：反复训练模型，得到最终的工业设备数据模型。
[0011]所述时序状态数据的内容包括时序状态数据训练模型、使用工业设备实时运转时序状态数据、需进行算法模型计算的初始生产时序状态数据；判断所述生产时序状态数据中的所述时序状态数据训练模型是否达到预设的时序状态数据训练速度；若所述时序状态数据训练模型达到预设的时序状态数据训练速度，则将工业设备实时运转时序状态数据的每个需计算工厂运转的工厂运转值修改为对应的计算工厂运转值，并将执行后的所述生产时序状态数据记录到时序状态数据集合中；对所述时序状态数据集合中的运算模型进行验证，当所述验证通过后所述时序状态数据集合中对应的生产时序状态数据生效。
[0012]更进一步的，所述判断所述生产时序状态数据中的所述时序状态数据训练模型是否达到预设的时序状态数据管理等级，包括：从时序状态数据集合中获取最新时序状态数据集合，并从所述最新时序状态数据集合中获取校验信息作为决策树的根；利用所述决策树的根构造决策树，并从所述决策树中获取所述时序状态数据训练模型对应的工厂运转信息；根据所述工厂运转信息判断所述生产时序状态数据中的所述时序状态数据训练模型是否达到预设的时序状态数据训练速度。
[0013]更进一步的，所述判断所述生产时序状态数据中的所述时序状态数据训练模型是
否达到预设的时序状态数据训练速度，包括：调用智能合约接口时序状态数据存储与调用库中获取所述时序状态数据训练模型对应的工厂运转信息；根据所述工厂运转信息判断所述生产时序状态数据中的所述时序状态数据训练模型是否达到预设的时序状态数据训练速度。
[0014]更进一步的，对所述时序状态数据集合中的运算模型进行验证，当所述验证通过后所述时序状态数据集合中对应的生产时序状态数据生效，包括：接收到所述时序状态数据集合时，提取所述时序状态数据集合中的全部运算模型；在接收到的所述时序状态数据集合的父时序状态数据集合的基础上构建临时时序状态数据集合，并在所述临时时序状态数据集合中依次执行各所述运算模型；当全部所述运算模型执行完成后，判断所述临时时序状态数据集合中的训练速度校验信息是否与接收到的所述时序状态数据集合中的训练速度校验信息一致；若一致，则所述时序状态数据集合中的运算模型校验通过，并进行验证，当所述验证通过，所述时序状态数据集合中对应的生产时序状态数据生效。
[0015]更进一步的，所述识别工业设备发送的生产时序状态数据，包括：接收工业设备发送的运算模型；判断所述运算模型是否达到预设的生产时序状态数据设定标识；若达到预设的，则确定所述运算模型为生产时序状态数据。
[0016]更进一步的，时序状态数据集合中时序状态数据特征保存的方式，包括：利用时序状态数据摘要算法对每个训练速度信息进行处理，生成每个所述训练速度信息对应的校验信息；在时序状态数据集合结构中增加所述校验信息的关键字段，用于记录每个时序状态数据集合对应的训练速度信息。
[0017]更进一步的，生产时序状态数据识别模块，用于识别工业设备发送的生产时序状态数据；其中，所述生产时序状态数据的内容包括时序状态数据训练模型、计算训练速度工业设备、需计算工厂运转管理方以及对应的计算训练速度值；训练速度判断模块，用于判断所述生产时序状态数据中的所述时序状态数据训练模型是否达到预设的时序状态数据训练速度；时序状态数据管理执行模块，用于若所述时序状态数据训练模型达到预设的时序状态数据训练速度，则将所述计算训练速度工业设备的每个需计算训练速度的训练速度值修改为对应的计算训练速度值，并将执行后的所述生产时序状态数据记录到时序状态数据集合中；训练速度验证模块，用于对所述时序状态数据集合中的运算模型进行验证，当所述验证通过后所述时序状态数据集合中对应的生产时序状态数据生效。
[0018]更进一步的，所述训练速度判断模块，包括：训练速度读取单元，用于从时序状态数据集合中获取最新时序状态数据集合；校验信息获取单元，用于从所述最新时序状态数据集合中获取校验信息作为决策树的根；初始训练速度模块，用于利用所述决策树的根构造决策树，并从所述决策树中获取所述时序状态数据训练模型对应的训练速度信息；基础训练速度判断模块，用于根据所述训练速度信息判断所述生产时序状态数据中的所述时序状态数据训练模型是否达到预设的时序状态数据训练速度。
[0019]更进一步的，所述训练速度判断模块，包括：高级训练速度模块，用于调用智能合约接口时序状态数据存储与调用库中获取所述时序状态数据训练模型对应的训练速度信息；高级训练速度判断模块，用于根据所述训练速度信息判断所述生产时序状态数据中的所述时序状态数据训练模型是否达到预设的时序状态数据训练速度。
[0020]基于自动机器学习工业设备数据模型生成方法与现有技术相比，本专利技术的有益效
果是：
[0021]本专利技术每一次对工厂运转进行的操作，均需要全网达成验证才会生效。每一次操作均会打包记录在时序状态数据集合中，便于审计。由于深度集成在时序状态数据集合中，因此在实施的过程中，能够对时序状态数据集合中的工厂运转进行全方位的配置，不仅限于智能合约层面，也不需要借助外部设施。
附图说明
[0022]为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例描述所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0023]图1为本专利技术方法的流程图；
[0024]图2为本专利技术方法执行的结构模块框图。
具体实施方式
[00本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于自动机器学习工业设备数据模型生成方法，其特征在于，所述方法包括：步骤S1：通过传感器采集工业设备的时序状态数据；步骤S2：智能网关对传感器采集的数据进行身份验证；步骤S3：验证通过后对数据进行筛选；步骤S4：根据筛选后的数据生产初始化模型，确定超参数区间范围；步骤S5：对初始化模型进行训练，并计算基于交叉熵与均方差的损失函数值；步骤S6：反复训练模型，得到最终的工业设备数据模型；所述时序状态数据的内容包括时序状态数据训练模型、使用工业设备实时运转时序状态数据、需进行算法模型计算的初始生产时序状态数据；判断所述生产时序状态数据中的所述时序状态数据训练模型是否达到预设的时序状态数据训练速度；若所述时序状态数据训练模型达到预设的时序状态数据训练速度，则将工业设备实时运转时序状态数据的每个需计算工厂运转的工厂运转值修改为对应的计算工厂运转值，并将执行后的所述生产时序状态数据记录到时序状态数据集合中；对所述时序状态数据集合中的运算模型进行验证，当所述验证通过后所述时序状态数据集合中对应的生产时序状态数据生效。2.根据权利要求1所述的基于自动机器学习工业设备数据模型生成方法，其特征在于：所述判断所述生产时序状态数据中的所述时序状态数据训练模型是否达到预设的时序状态数据管理等级，包括：从时序状态数据集合中获取最新时序状态数据集合，并从所述最新时序状态数据集合中获取校验信息作为决策树的根；利用所述决策树的根构造决策树，并从所述决策树中获取所述时序状态数据训练模型对应的工厂运转信息；根据所述工厂运转信息判断所述生产时序状态数据中的所述时序状态数据训练模型是否达到预设的时序状态数据训练速度。3.根据权利要求1所述的基于自动机器学习工业设备数据模型生成方法，其特征在于：所述判断所述生产时序状态数据中的所述时序状态数据训练模型是否达到预设的时序状态数据训练速度，包括：调用智能合约接口时序状态数据存储与调用库中获取所述时序状态数据训练模型对应的工厂运转信息；根据所述工厂运转信息判断所述生产时序状态数据中的所述时序状态数据训练模型是否达到预设的时序状态数据训练速度。4.根据权利要求1所述的基于自动机器学习工业设备数据模型生成方法，其特征在于：对所述时序状态数据集合中的运算模型进行验证，当所述验证通过后所述时序状态数据集合中对应的生产时序状态数据生效，包括：接收到所述时序状态数据集合时，提取所述时序状态数据集合中的全部运算模型；在接收到的所述时序状态数据集合的父时序状态数据集合的基础上构建临时时序状态数据集合，并在所述临时时序状态数据集合中依次执行各所述运算模型；当全部所述运算模型执行完成后，判断所述临时时序状态数据集合中的训练速度校验信息是否与接收到的所述时序状态数据集合中的训练速度校验信息一致；若一致，则所述时序状态数据集合中的运算模...

【专利技术属性】
技术研发人员：江大白，胡增，刘伟，
申请(专利权)人：中用科技有限公司，
类型：发明
国别省市：