【技术实现步骤摘要】
本专利技术涉及机器学习与海藻水热炭化交叉应用领域，具体而言，涉及一种基于机器学习的海藻水热炭化应用综合管控系统。
技术介绍
1、传统的海藻水热炭化领域，精力都集中在海藻水热炭化工艺本身的改进上，很多情况下与产品的实际使用者之间不存在信息交流，其研发、改进工作具有一定的局限性。
2、为了满足不同客户的使用需要，一般会提供不同规格的产品，但这都是采用的一刀切的分类标准，即是按照能够满足大部分客户的需求来进行规格划分的。
3、最后导致的结果就是：产品的实际使用体验往往与真实需求、预期需求之间存在一定的差距。这对于产品的精细化管理、进一步提高产品使用效果而言非常不利。
4、有鉴于此，特提出本申请。
技术实现思路
1、本专利技术的目的在于提供一种基于机器学习的海藻水热炭化应用综合管控系统，其能够促进买卖双方的信息交流，并且实现对自身产品的精细化监控和管理，有助于实现买卖双方优质、精细的供求关系；与此同时，可以完成对生产工艺的升级管理，实现收益最大化，减少生产资源浪费，并同时完成对产品的全周期监管，从生产到应用全链可溯源。
2、本专利技术的实施例是这样实现的：
3、一种基于机器学习的海藻水热炭化应用综合管控系统，其包括：工艺参数采集模块、产品批次匹配模块、消耗计算模块、交易追踪模块和数据中心。
4、工艺参数采集模块用于采集海藻水热炭化工艺流程中的工艺参数数据。
5、产品批次匹配模块用于将工艺参数数据与批次产品进
6、消耗计算模块用于统计批次产品的总成本数据。
7、交易追踪模块用于收集批次产品的产品反馈数据，产品反馈数据包括交易去向、及用户评价。
8、数据中心具有机器学习模型，机器学习模型由工艺参数数据、总成本数据、和产品反馈数据训练得到。数据中心还用于根据用户需求通过机器学习模型提供总成本最低的工艺参数数据。
9、进一步的，基于机器学习的海藻水热炭化应用综合管控系统还包括指令下发模块。指令下发模块用于向生产设备发送工作指令，以使生产设备按指定的工艺参数运行。
10、海藻水热炭化工艺流程中的全部生产设备设置于同一工控网络中，且工作指令在各个生产设备之间的传输方式为按预设顺序依次传输。
11、一工作指令具有一指令数据包，指令数据包具有若干指令数据组，指令数据组的数量与海藻水热炭化工艺流程中的生产设备的数量相同，一生产设备对应一指令数据组。
12、指令数据组之间为并列关系，且指令数据组之间的并列排列顺序按预设顺序设置。
13、每个指令数据组均包括识别数据段、匹配数据段和参数数据段。
14、识别数据段包括位于头部的第一设备识别符、和位于尾部的第一配对识别符。
15、匹配数据段包括位于头部的第二配对识别符、位于尾部的第三配对识别符、和位于第二配对识别符和第三配对识别符之间的第二设备识别符。
16、参数数据段包括位于头部的第四配对识别符和位于尾部的工艺参数数据。
17、第一设备识别符用于与生产设备一一配对，第一配对识别符与第二配对识别符为一一配对关系，第三配对识别符与第四配对识别符为一一配对关系，工艺参数数据对应与第一设备识别符相匹配的生产设备，第二设备识别符与预设顺序中位于下一位的生产设备相匹配。
18、其中，工作指令发送至生产设备时，对于位于预设顺序中第一位的生产设备，若第一设备识别符与该生产设备相匹配，则将识别数据段、第二配对识别符、第三配对识别符、和参数数据段剪切保存，按照参数数据段中的工艺参数数据调节运行状态，并将剪切过后的工作指令按预设顺序继续向下发送。否则停止工作指令的发送并发出错误提示。
19、工作指令发送至生产设备时，对于不是位于预设顺序中第一位的生产设备，若工作指令中顺序最靠前的完整指令数据组的第一设备识别符与该生产设备相匹配，且位于该顺序最靠前的完整指令数据组的上一位的指令数据组剩余的第二设备识别符与该顺序最靠前的完整指令数据组的第一设备识别符相同，则将该完整指令数据组的识别数据段、第二配对识别符、第三配对识别符、和参数数据段剪切保存，按照参数数据段中的工艺参数数据调节运行状态，并将剪切过后的工作指令按预设顺序继续向下发送。否则将工作指令按预设顺序继续向下发送。
20、进一步的，参数数据段中的工艺参数数据通过人工预设得到。
21、进一步的，匹配数据段还包括备注数据，备注数据位于第二配对识别符和第二设备识别符之间。
22、当生产设备对工作指令进行剪切时，同时将备注数据剪切保存，并将备注数据向该生产设备的监管人员进行提示。
23、进一步的，备注数据设置为可编辑状态，匹配数据段之间的并列排列顺序也设置为可编辑状态。
24、进一步的，工作指令由指令下发模块发送至位于预设顺序中第一位的生产设备，并由位于预设顺序中最后一位的生产设备将剪切后的工作指令发送至数据中心。
25、数据中心还用于根据剪切后的工作指令判断工控网络的可靠性。
26、进一步的，同一工作指令默认只发送一次。
27、本专利技术实施例的技术方案的有益效果包括：
28、本专利技术实施例提供的基于机器学习的海藻水热炭化应用综合管控系统根据客户需求，可以得到总成本最低的工艺参数数据作为实际生产的参考，此外，还可以利用该模型对工艺参数数据进行模拟，得到可能的总成本数据和特定用户的可能的评价，以作为对生产改进和调整的反馈参考。
29、通过该设计，有助于形成供需的生态化关系，实现精准供需关系的形成。对于生产商而言，有利于减少浪费，提高收益和客户满意度。对于购买商而言，能够有效保障实际使用体验，提高供应的精准度。对于产品交易本身而言，可以有效地维系买卖双方的合作关系，并在一定程度上减少行业的资源浪费，提高资源的精准利用率。同时，产品从生产到使用形成了完整数据链，出现问题可以精准溯源，也为行业技术的不断改进提供了帮助。
30、总体而言，本专利技术实施例提供的基于机器学习的海藻水热炭化应用综合管控系统能够促进买卖双方的信息交流，并且实现对自身产品的精细化监控和管理，有助于实现买卖双方优质、精细的供求关系；与此同时，可以完成对生产工艺的升级管理，实现收益最大化，减少生产资源浪费，并同时完成对产品的全周期监管，从生产到应用全链可溯源。
本文档来自技高网...【技术保护点】
1.一种基于机器学习的海藻水热炭化应用综合管控系统，其特征在于，包括：工艺参数采集模块、产品批次匹配模块、消耗计算模块、交易追踪模块和数据中心；
2.根据权利要求1所述的基于机器学习的海藻水热炭化应用综合管控系统，其特征在于，所述基于机器学习的海藻水热炭化应用综合管控系统还包括指令下发模块；所述指令下发模块用于向生产设备发送工作指令，以使生产设备按指定的工艺参数运行；
3.根据权利要求2所述的基于机器学习的海藻水热炭化应用综合管控系统，其特征在于，所述参数数据段中的所述工艺参数数据通过人工预设得到。
4.根据权利要求2所述的基于机器学习的海藻水热炭化应用综合管控系统，其特征在于，所述匹配数据段还包括备注数据，所述备注数据位于所述第二配对识别符和所述第二设备识别符之间；
5.根据权利要求4所述的基于机器学习的海藻水热炭化应用综合管控系统，其特征在于，所述备注数据设置为可编辑状态，所述匹配数据段之间的并列排列顺序也设置为可编辑状态。
6.根据权利要求5所述的基于机器学习的海藻水热炭化应用综合管控系统，其特征在于，所述工作指令
7.根据权利要求6所述的基于机器学习的海藻水热炭化应用综合管控系统，其特征在于，同一所述工作指令默认只发送一次。
...【技术特征摘要】
1.一种基于机器学习的海藻水热炭化应用综合管控系统，其特征在于，包括：工艺参数采集模块、产品批次匹配模块、消耗计算模块、交易追踪模块和数据中心；
2.根据权利要求1所述的基于机器学习的海藻水热炭化应用综合管控系统，其特征在于，所述基于机器学习的海藻水热炭化应用综合管控系统还包括指令下发模块；所述指令下发模块用于向生产设备发送工作指令，以使生产设备按指定的工艺参数运行；
3.根据权利要求2所述的基于机器学习的海藻水热炭化应用综合管控系统，其特征在于，所述参数数据段中的所述工艺参数数据通过人工预设得到。
4.根据权利要求2所述的基于机器学习的海藻水热炭化应用综合管控系统，其特征在于，所述匹配...
【专利技术属性】
技术研发人员：陆继凯，梅宁，李艳，赵健，侯炳炎，李德智，杜国泰，
申请(专利权)人：中国海洋大学，
类型：发明
国别省市：
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。