基于数据分析的巡检管理方法技术

本申请实施例提供一种基于数据分析的巡检管理方法

【技术实现步骤摘要】
基于数据分析的巡检管理方法、装置及存储介质


[0001]本申请实施例涉及巡检管理
，具体而言，涉及一种基于数据分析的巡检管理方法
、
装置及存储介质
。

技术介绍

[0002]巡检是对产品生产
、
制造过程中进行定期或随机流动性的检验，目的是能及时发现质量问题
。
过去的巡检方案中，通常依靠巡检人员的主观知识经验，并配合部分检测仪器检测到的数据进行综合数据分析，可能会存在巡检质量不稳定的情况
。
因此，随着计算机技术的发展，相关技术中逐渐演变成结合计算机设备对巡检人员的巡检数据进行远程巡检管理，可以从一定程度上改善过去巡检方案中依赖人工巡检存在的问题
。
然而，由于相关技术中缺乏巡检数据的筛选，使得每次计算处理的数据量较大，在进行故障点估计过程中故障估计误差较大，且难以满足当前故障估计效率的要求
。

技术实现思路

[0003]为了至少克服现有技术中的上述不足，本申请实施例的目的在于提供一种基于数据分析的巡检管理方法
、<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于数据分析的巡检管理方法，其特征在于，通过计算机设备实现，所述方法包括：检测服务器下发的巡检管理任务，所述巡检管理任务携带用户手持巡检设备所对应的巡检轨迹的巡检采集数据，并对所述巡检采集数据进行场景知识矢量编辑，生成巡检场景知识矢量；将所述巡检场景知识矢量进行主成分特征分析，生成所述巡检采集数据对应的主成分特征；获取每个先验异常故障点的先验巡检模板数据
、
对应的先验巡检场景知识矢量和对应的先验主成分特征，并结合所述巡检场景知识矢量和各所述先验异常故障点的先验巡检模板数据对应的先验巡检场景知识矢量从各所述先验异常故障点的先验巡检模板数据中进行巡检环节关联性数据定位，生成所述巡检采集数据对应的先验巡检环节关联性数据集；结合所述主成分特征与所述先验巡检环节关联性数据集对应的先验主成分特征从所述先验巡检环节关联性数据集中进行数据筛选，生成所述巡检采集数据对应的第一筛选巡检节点数据，并结合所述巡检场景知识矢量与所述第一筛选巡检节点数据对应的先验巡检场景知识矢量从所述第一筛选巡检节点数据中进行数据筛选，生成所述巡检采集数据对应的第二筛选巡检节点数据；获取所述第二筛选巡检节点数据对应的先验异常故障知识图，将所述先验异常故障知识图输出为所述巡检采集数据对应的估计异常故障点
。2.
根据权利要求1所述的基于数据分析的巡检管理方法，其特征在于，所述巡检管理任务携带多个巡检采集数据；所述方法还包括：分别对各个所述巡检采集数据进行场景知识矢量编辑，生成多个巡检场景知识矢量；将各个所述巡检场景知识矢量进行主成分特征分析，生成各个所述巡检采集数据对应的主成分特征；结合各个所述巡检场景知识矢量对各个所述巡检采集数据进行类别数据分配，生成多个巡检采集数据集合，并从各个所述巡检采集数据集合中进行聚焦巡检路径节点选择，生成各个所述巡检采集数据集合对应的聚焦巡检路径节点；结合所述聚焦巡检路径节点对应的巡检场景知识矢量和各所述先验异常故障点的先验巡检模板数据对应的先验巡检场景知识矢量从各所述先验异常故障点的先验巡检模板数据中进行巡检环节关联性数据定位，生成所述聚焦巡检路径节点对应的目标先验巡检环节关联性数据集；结合所述聚焦巡检路径节点对应的主成分特征与所述目标先验巡检环节关联性数据集对应的先验主成分特征从所述目标先验巡检环节关联性数据集中进行数据筛选，生成所述聚焦巡检路径节点对应的目标第一筛选巡检节点数据，并结合所述聚焦巡检路径节点对应的巡检场景知识矢量与所述目标第一筛选巡检节点数据对应的先验巡检场景知识矢量从所述目标第一筛选巡检节点数据中进行数据筛选，生成所述聚焦巡检路径节点对应的最优搜索巡检路径节点；获取所述最优搜索巡检路径节点对应的历史关联异常故障点，将所述历史关联异常故障点输出为所述聚焦巡检路径节点对应的巡检采集数据集合中巡检采集数据对应的估计
异常故障点；所述结合各个所述巡检场景知识矢量对各个所述巡检采集数据进行类别数据分配，生成多个巡检采集数据集合，包括：获取聚团类别特征范围和目标聚团数量；从各个所述巡检场景知识矢量中任意选择临时巡检场景知识矢量，确定所述临时巡检场景知识矢量和各个所述巡检场景知识矢量的矢量距离，并确定所述矢量距离在所述聚团类别特征范围内的矢量数量；响应矢量数量大于所述目标聚团数量，结合所述临时巡检场景知识矢量从各个所述巡检场景知识矢量中确定关联关系的巡检场景知识矢量；结合所述临时巡检场景知识矢量对应的巡检采集数据和所述关联关系的巡检场景知识矢量对应的巡检采集数据得到巡检采集数据集合；结合所述巡检采集数据集合从各个所述巡检场景知识矢量中确定每个待聚团矢量，并从各所述待聚团矢量中任意选择目标待聚团矢量；将所述目标待聚团矢量输出为所述临时巡检场景知识矢量，并返回确定所述临时巡检场景知识矢量和各个所述巡检场景知识矢量的矢量距离的步骤执行，直至各个所述巡检采集数据全部类别数据分配完成时，生成各个所述巡检采集数据集合；所述从各个所述巡检采集数据集合中进行聚焦巡检路径节点选择，生成各个所述巡检采集数据集合对应的聚焦巡检路径节点，包括：从所述巡检采集数据集合中确定当前巡检采集数据和除所述当前巡检采集数据之外的巡检采集数据，生成每个候选巡检采集数据；结合所述当前巡检采集数据对应的巡检场景知识矢量和各所述候选巡检采集数据对应的巡检场景知识矢量确定所述当前巡检采集数据与各所述候选巡检采集数据的整体矢量距离，生成当前目标矢量距离；遍历所述巡检采集数据集合中每个巡检采集数据，生成各所述巡检采集数据对应的当前目标矢量距离；比较各所述巡检采集数据对应的当前目标矢量距离，并将最小当前目标矢量距离对应的巡检采集数据作为所述巡检采集数据集合对应的聚焦巡检路径节点
。3.
根据权利要求1所述的基于数据分析的巡检管理方法，其特征在于，所述对所述巡检采集数据进行场景知识矢量编辑，生成巡检场景知识矢量，包括：将所述巡检采集数据导入场景知识矢量编码模型中进行场景知识矢量编辑，生成所述巡检场景知识矢量，所述场景知识矢量编码模型是结合长短期记忆网络使用样本巡检数据进行训练生成的
。4.
根据权利要求1所述的基于数据分析的巡检管理方法，其特征在于，所述将所述巡检场景知识矢量进行主成分特征分析，生成所述巡检采集数据对应的主成分特征，包括：对所述巡检场景知识矢量进行递归特征消除处理，生成处理后的巡检场景知识矢量；结合所述处理后的巡检场景知识矢量确定正交变换结构下对应的线性变换变量，生成所述巡检采集数据对应的主成分特征
。5.
根据权利要求1所述的基于数据分析的巡检管理方法，其特征在于，所述方法还包括：
在未查找到各所述先验异常故障点...

【专利技术属性】
技术研发人员：陈辉，郭海涛，曲建明，孙秋生，张爱庆，王金秋，刘志恒，
申请(专利权)人：北京朝阳环境集团有限公司，
类型：发明
国别省市：