一种基于物联网的港口数据采集与评价方法及系统技术方案

本发明专利技术公开了一种基于物联网的港口数据采集与评价方法及系统，包括以下步骤：对港口的远控岸桥设备进行实时数据采集，并对实时数据进行数据预处理，得到预处理实时采集数据集；通过K近邻算法和孤立森林算法进行数据分类，得到自动化子系统数据，构建远控岸桥设备工作预测模型并基于自动化子系统得到异常工作参数，并基于所述异常工作参数获取调试效率最高的调试方法，最后对调试后的远控岸桥设备进行振动调试、温度调节及智能安防处理。温度调节及智能安防处理。温度调节及智能安防处理。

【技术实现步骤摘要】
一种基于物联网的港口数据采集与评价方法及系统


[0001]本专利技术涉及数据处理领域，特别是一种基于物联网的港口数据采集与评价方法与系统。

技术介绍

[0002]远控岸桥设备是一种用于港口集装箱码头装卸作业的大型机械设备，通常被用于装卸船舶上的集装箱，将集装箱从船上吊装到码头上，或将集装箱从码头吊装到船上。在远控岸桥设备工作过程中，机械连接处产生摩擦容易发生振动，同时在码头上若水位过高，冲击远控岸桥，也容易使远控岸桥发生振动，所以需要采集远控岸桥设备的各种工作参数判断远控岸桥设备是否存在异常情况，并对所述远控岸桥设备进行智能调控处理。

技术实现思路

[0003]本专利技术克服了现有技术的不足，提供了一种基于物联网的港口数据采集与评价方法与系统。
[0004]为达到上述目的，本专利技术采用的技术方案为：本专利技术第一方面提供了一种基于物联网的港口数据采集与评价方法，包括以下步骤：对港口的远控岸桥设备进行实时数据采集，并对实时采集的数据进行数据预处理，得到预处理实时采集数据；使用K近邻算法对所述预处理实时采集数据进行分类处理，并使用孤立森林算法对分类后的预处理实时采集数据进行离群点处理，得到自动化子系统分类数据；根据远控岸桥设备历史工作数据，构建远控岸桥设备工作预测模型，在所述远控岸桥设备工作预测模型内输入自动化子系统分类数据，生成远控岸桥设备异常子设备的异常工作参数；基于所述异常工作参数，在大数据网络中检索远控岸桥设备调试方法，并在所述远控岸桥设备调试方法中筛选调试效率最高的调试方法输出；通过物联网将调试后的远控岸桥设备与远控岸桥设备管理系统相连接，并对调试后的远控岸桥设备进行智能调控。
[0005]进一步的，本专利技术的一个较佳实施例中，所述对港口的远控岸桥设备进行实时数据采集，并对实时采集的数据进行数据预处理，具体为：在港口的远控岸桥设备的自动化子系统内安装传感器，并对传感器中的数据进行实时采集，得到远控岸桥设备自动化子系统的实时采集数据；获取实时采集数据的数据点密度，基于所述数据点密度，设置一个滑动窗口，在所述滑动窗口内使用最小二乘法对多项式进行拟合，得到拟合多项式及多项式系数；基于所述拟合多项式及多项式系数，对滑动窗口的中心数据点进行平滑值计算，得到平滑值，将所述滑动窗口在实时采集数据上滑动，当滑动窗口滑动到一个新的数据点
上，对滑动窗口进行多项式拟合与平滑值计算，直至滑动窗口对所有实时采集数据的数据点进行滑动，得到滤波实时采集数据；使用统计法检测数据的异常值并剔除，将所述滤波实时采集数据进行缺失值进行插值补偿处理，并对重复值进行过滤处理，最后将滤波实时采集数据进行数据格式标准化处理，得到预处理实时采集数据。
[0006]进一步的，本专利技术的一个较佳实施例中，所述使用K近邻算法对所述预处理实时采集数据进行分类处理，并使用孤立森林算法对分类后的预处理实时采集数据进行离群点处理，得到自动化子系统分类数据，具体为：将所述预处理实时采集数据分成训练集和测试集，并确定K值的大小，计算所述K值与训练集中每个数据样本的欧式距离，预设欧氏距离区间，根据所述欧氏距离区间的不同，对训练集中的数据样本进行分类处理，并使用测试集测试分类处理后的训练集的准确率和精准率，当所述分类处理后的训练集的准确率和精准率达到预设值，停止分类处理，得到初步分类数据集；使用孤立森林算法构建孤立森林，并确定孤立森林中二叉树的最大深度和二叉树数量，基于所述二叉树数量将所述初步分类数据集分成同等数量的子集；随机选择一个子集，将子集应用于一棵二叉树的节点上，获取所述子集的特征值作为当前二叉树的节点特征值，根据所述节点特征值随机选择一个节点切分值；基于所述节点特征值与节点切分值，对初步分类数据集进行二叉树构建，将节点特征值小于节点切分值的初步分类数据样本归类为一类样本，将节点特征值大于节点切分值的初步分类数据样本归类为二类样本；若节点的深度值小于最大深度值，且一类样本和二类样本中的分类数据点数量不为零，则将一类样本和二类样本作为新的数据集，重复上述步骤，当节点的深度值达到最大深度值，将当前节点标记为叶子节点；在二叉树的树根部设定一个节点作为根节点，计算所有二叉树的叶子节点和根结点之间的距离，将叶子节点和根结点之间的距离不在预设值范围内的数据样本标记为离群点，并将离群点剔除，得到最终分类数据集，所述最终分类数据集为自动化子系统分类数据。
[0007]进一步的，本专利技术的一个较佳实施例中，所述根据远控岸桥设备历史工作数据，构建远控岸桥设备工作预测模型，在所述远控岸桥设备工作预测模型内输入自动化子系统分类数据，生成远控岸桥设备异常子设备的异常工作参数，具体为：对远控岸桥设备的历史工作数据进行数据统计处理，生成远控岸桥设备正常工作参数，并将所述远控岸桥设备正常工作参数分成训练数据集和测试数据集；基于卷积神经网络算法，将所述训练数据集导入神经网络算法中的神经网络模型内的卷积层，卷积层内的卷积核定义远控岸桥设备的各种工作参数，所述卷积核在训练集的数据内对训练集进行卷积操作，得到卷积值；将所述卷积值导入至神经网络模型的池化层中进行最大化池化处理，得到池化特征值，基于所述池化特征值生成池化特征图，将所述池化特征图通过交叉熵损失函数进行反向训练，当反向训练的误差值收敛至预设值，停止反向训练，输出反向训练结果至神经网络模型，通过测试数据集队反向训练后的神经网络模型进行数据测试，若测试结果满足预
设范围，则生成远控岸桥设备正常工作预测模型；所述自动化子系统分类数据包括远控岸桥设备工作振动频率及振动幅度，将所述自动化子系统分类数据导入远控岸桥设备正常工作预测模型中，生成远控岸桥设备异常工作预测模型，由所述远控岸桥设备异常工作预测模型生成预测参数；将所述预测参数与远控岸桥设备正常工作预测模型输出的正常工作参数进行参数比对，得到参数偏差值，对所述参数偏差值进行数据分析，将所述参数偏差值导入贝叶斯网络中，反推得到工作参数异常的子设备，定义为异常子设备，获取异常子设备的工作参数，定义为异常工作参数。
[0008]进一步的，本专利技术的一个较佳实施例中，所述基于所述异常工作参数，在大数据网络中检索远控岸桥设备调试方法，并在所述远控岸桥设备调试方法中筛选调试效率最高的调试方法输出，具体为：将所述异常工作参数导入大数据网络中进行调试方法匹配，得到远控岸桥设备的所有调试方法，并将所有远控岸桥设备调试方法导入远控岸桥设备异常工作预测模型，得到调试结果；分析所述调试结果，若调试结果中远控岸桥的振动幅度及震动频率均大于预设值，则剔除对应的调试方法，将远控岸桥的振动幅度及震动频率均小于预设值的调试方法归为合格调试方法；将所述远控岸桥的振动幅度与振动频率相结合，得到远控岸桥的振动状态数据，基于所述远控岸桥的振动状态数据，对所述合格调试方法进行调试结果排序，得到振动状态排序表，基于所述振动状态排序表，选取振动状态最小的调试方法输出至远控岸桥设备中。
[0009]进一步的，本专利技术的一个较佳实施例中，所述通过物联网将调试后的远控岸桥设备与远控岸桥设备管理系统相连接，并对调试后的远控岸桥设备进行智能本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于物联网的港口数据采集与评价方法，其特征在于，包括以下步骤：对港口的远控岸桥设备进行实时数据采集，并对实时采集的数据进行数据预处理，得到预处理实时采集数据；使用K近邻算法对所述预处理实时采集数据进行分类处理，并使用孤立森林算法对分类后的预处理实时采集数据进行离群点处理，得到自动化子系统分类数据；根据远控岸桥设备历史工作数据，构建远控岸桥设备工作预测模型，在所述远控岸桥设备工作预测模型内输入自动化子系统分类数据，生成远控岸桥设备异常子设备的异常工作参数；基于所述异常工作参数，在大数据网络中检索远控岸桥设备调试方法，并在所述远控岸桥设备调试方法中筛选调试效率最高的调试方法输出；通过物联网将调试后的远控岸桥设备与远控岸桥设备管理系统相连接，并对调试后的远控岸桥设备进行智能调控。2.根据权利要求1中所述的一种基于物联网的港口数据采集与评价方法，其特征在于，所述对港口的远控岸桥设备进行实时数据采集，并对实时采集的数据进行数据预处理，具体为：在港口的远控岸桥设备的自动化子系统内安装传感器，并对传感器中的数据进行实时采集，得到远控岸桥设备自动化子系统的实时采集数据；获取实时采集数据的数据点密度，基于所述数据点密度，设置一个滑动窗口，在所述滑动窗口内使用最小二乘法对多项式进行拟合，得到拟合多项式及多项式系数；基于所述拟合多项式及多项式系数，对滑动窗口的中心数据点进行平滑值计算，得到平滑值，将所述滑动窗口在实时采集数据上滑动，当滑动窗口滑动到一个新的数据点上，对滑动窗口进行多项式拟合与平滑值计算，直至滑动窗口对所有实时采集数据的数据点进行滑动，得到滤波实时采集数据；使用统计法检测数据的异常值并剔除，将所述滤波实时采集数据进行缺失值进行插值补偿处理，并对重复值进行过滤处理，最后将滤波实时采集数据进行数据格式标准化处理，得到预处理实时采集数据。3.根据权利要求1中所述的一种基于物联网的港口数据采集与评价方法，其特征在于，所述使用K近邻算法对所述预处理实时采集数据进行分类处理，并使用孤立森林算法对分类后的预处理实时采集数据进行离群点处理，得到自动化子系统分类数据，具体为：将所述预处理实时采集数据分成训练集和测试集，并确定K值的大小，计算所述K值与训练集中每个数据样本的欧式距离，预设欧氏距离区间，根据所述欧氏距离区间的不同，对训练集中的数据样本进行分类处理，并使用测试集测试分类处理后的训练集的准确率和精准率，当所述分类处理后的训练集的准确率和精准率达到预设值，停止分类处理，得到初步分类数据集；使用孤立森林算法构建孤立森林，并确定孤立森林中二叉树的最大深度和二叉树数量，基于所述二叉树数量将所述初步分类数据集分成同等数量的子集；随机选择一个子集，将子集应用于一棵二叉树的节点上，获取所述子集的特征值作为当前二叉树的节点特征值，根据所述节点特征值随机选择一个节点切分值；基于所述节点特征值与节点切分值，对初步分类数据集进行二叉树构建，将节点特征
值小于节点切分值的初步分类数据样本归类为一类样本，将节点特征值大于节点切分值的初步分类数据样本归类为二类样本；若节点的深度值小于最大深度值，且一类样本和二类样本中的分类数据点数量不为零，则将一类样本和二类样本作为新的数据集，重复上述步骤，当节点的深度值达到最大深度值，将当前节点标记为叶子节点；在二叉树的树根部设定一个节点作为根节点，计算所有二叉树的叶子节点和根结点之间的距离，将叶子节点和根结点之间的距离不在预设值范围内的数据样本标记为离群点，并将离群点剔除，得到最终分类数据集，所述最终分类数据集为自动化子系统分类数据。4.根据权利要求1中所述的一种基于物联网的港口数据采集与评价方法，其特征在于，所述根据远控岸桥设备历史工作数据，构建远控岸桥设备工作预测模型，在所述远控岸桥设备工作预测模型内输入自动化子系统分类数据，生成远控岸桥设备异常子设备的异常工作参数，具体为：对远控岸桥设备的历史工作数据进行数据统计处理，生成远控岸桥设备正常工作参数，并将所述远控岸桥设备正常工作参数分成训练数据集和测试数据集；基于卷积神经网络算法，将所述训练数据集导入神经网络算法中的神经网络模型内的卷积层，卷积层内的卷积核定义远控岸桥设备的各种工作参数，所述卷积核在训练集的数据内对训练集进行卷积操作，得到卷积值；将所述卷积值导入至神经网络模型的池化层中进行最大化池化处理，得到池化特征值，基于所述池化特征值生成池化特征图，将所述池化特征图通过交叉熵损失函数进行反向训练，当反向训练的误差值收敛至预设值，停止反向训练，输出反向训练结果至神经网络模型，通过测试数据集队反向训练后的神经网络模型进行数据测试，若测试结果满足预设范围，则生成远控岸...

【专利技术属性】
技术研发人员：谢正坚，席芳，汤伊琼，潘用何，温广标，胡叶彪，蔡颖，杜殷贤，黄维，王思超，盛秋实，董银亮，
申请(专利权)人：中交智慧城市生态发展广州有限公司，
类型：发明
国别省市：