【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；
【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...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。