【技术实现步骤摘要】
本专利技术涉及用于商业的数据处理，具体涉及一种基于区块链的智能制造领域生产全流程溯源方法。
技术介绍
1、在智能制造领域，产品生产的全流程溯源是确保产品质量和安全的关键环节之一。区块链技术通过将生产过程中各个环节的实时监测数据记录到不可篡改的区块链上，并通过去中心化的方式实现信息共享和透明度，为产品生产的全流程溯源提供了可行的解决方案。
2、基于区块链的生产全流程溯源方法通常包括数据采集、数据存储、数据验证、数据查询、数据分析、数据隐私保护等关键步骤，考虑到在采集监测数据的过程中，监测数据可能受到噪声干扰的影响，导致数据质量下降，而上链后的数据将不可更改，区块之间通过时间戳和哈希值进行链接，因此在对监测数据进行上链之前，通常需要对监测数据进行平滑处理，以便于消除噪声干扰，从而在数据分析以及溯源的过程中可以提取到有价值的信息，并应用于生产过程的优化和改进。
3、在相关技术中，在对监测数据进行平滑处理的过程中，通常是根据经验采用固定的平滑程度。当平滑程度较低时，会导致经过平滑处理后的监测数据中依旧存在噪声；而当平滑程度较高时，则会导致经过平滑处理后的监测数据失真，无法保证上链监测数据的质量，从而最终影响到生产全流程溯源的准确性。
技术实现思路
1、本专利技术的目的在于提供一种基于区块链的智能制造领域生产全流程溯源方法，用于解决现有由于监测数据质量差，导致生产全流程溯源准确性差的问题。
2、为解决上述技术问题，本专利技术提供了一种基于区块链的智能制造领
3、获取待处理的监测数据序列，对所述监测数据序列进行独立成分提取，得到各个独立成分，在不同平滑程度下对每个所述独立成分进行平滑处理，得到每个所述独立成分在不同平滑程度下的平滑后的独立成分；
4、对所述平滑后的独立成分进行局部特征提取和分析，确定每个所述独立成分在不同平滑程度下的平滑合理性；
5、根据所述平滑后的独立成分中数据点的位置分布和幅值波动情况，对所述平滑后的独立成分中每个数据点进行异常分析，确定所述平滑后的独立成分中每个数据点的非异常程度；
6、根据每个所述独立成分在不同平滑程度下的平滑合理性、在不同平滑程度下的平滑后的独立成分中每个数据点的非异常程度，以及每个所述独立成分在不同平滑程度下的独立成分与对应所述独立成分之间的分布差异，确定每个所述独立成分的最优平滑程度；
7、对各个所述独立成分在对应最优平滑程度下的平滑后的独立成分进行合成处理，得到处理后的监测数据序列，并根据处理后的监测数据序列进行生产溯源。
8、进一步的，确定每个所述独立成分在不同平滑程度下的平滑合理性，包括：
9、对所述平滑后的独立成分进行分段，得到各个局部段；
10、根据每个所述局部段中数据点的整体分布水平和变化趋势，确定每个所述局部段的特征值；
11、根据任意两个局部段中数据点之间的差异，以及任意两个局部段对应特征值之间的差异，确定每个所述独立成分在不同平滑程度下的平滑合理性。
12、进一步的，确定每个所述局部段的特征值，包括：
13、确定每个所述局部段中所有数据点的平均值，得到每个所述局部段的数据点均值；
14、确定每个所述局部段中所有数据点的斜率值的平均值，得到每个所述局部段的数据点斜率均值；
15、根据每个所述局部段的数据点均值和数据点斜率均值，确定每个所述局部段的特征值。
16、进一步的，确定每个所述独立成分在不同平滑程度下的平滑合理性，包括：
17、根据任意两个局部段中相同位置的数据点之间的差异，确定任意两个局部段之间的相对熵；
18、根据任意两个局部段之间的相对熵以及任意两个局部段对应特征值之间的差异，确定任意两个局部段之间的关联程度；
19、计算所述平滑后的独立成分对应所有关联程度的平均值，得到平均关联程度，将所述平均关联程度的负相关映射结果确定为对应所述独立成分在对应平滑程度下的平滑合理性。
20、进一步的，确定所述平滑后的独立成分中每个数据点的非异常程度，包括：
21、根据所述平滑后的独立成分中每个数据点在所述平滑后的独立成分中出现的总次数，与该数据点在所述平滑后的独立成分中各个局部段中出现的总次数之间的差异，确定所述平滑后的独立成分中每个数据点的第一非异常值；
22、根据所述平滑后的独立成分中每个数据点与所述平滑后的独立成分中所有数据点的平均值之间的差异，确定所述平滑后的独立成分中每个数据点的第二非异常值；
23、根据所述平滑后的独立成分中每个数据点的第一非异常值和第二非异常值，确定所述平滑后的独立成分中每个数据点的非异常程度，所述第一非异常值和第二非异常值均与所述非异常程度成正相关关系。
24、进一步的，确定所述平滑后的独立成分中每个数据点的第一非异常值和第二非异常值，对应的计算公式为：
25、；
26、；
27、其中，表示第个独立成分在每个平滑程度下的平滑后的独立成分中第个数据点对应的第一非异常值；表示第个独立成分在每个平滑程度下的平滑后的独立成分中第个数据点在该平滑后的独立成分中出现的总次数；表示第个独立成分在每个平滑程度下的平滑后的独立成分中第个数据点在该平滑后的独立成分的第个局部段中出现的总次数；表示第个独立成分在每个平滑程度下的平滑后的独立成分的局部段的数量；表示第一正常数；表示第个独立成分在每个平滑程度下的平滑后的独立成分中第个数据点对应的第二非异常值；表示第个独立成分在每个平滑程度下的平滑后的独立成分中第个数据点；表示第个独立成分在每个平滑程度下的平滑后的独立成分中所有数据点的平均值；表示第二正常数；||表示取绝对值符号。
28、进一步的，确定每个所述独立成分的最优平滑程度，包括：
29、根据每个所述独立成分在不同平滑程度下的平滑后的独立成分中每个数据点的非异常程度，筛选出对应平滑后的独立成分中的各个异常数据点；
30、获取每个所述独立成分及其在不同平滑程度下的平滑后的独立成分的频谱图，并根据所述频谱图，确定每个所述独立成分及其在不同平滑程度下的平滑后的独立成分的主要频率；
31、根据每个所述独立成分在不同平滑程度下的平滑合理性、在不同平滑程度下的平滑后的独立成分中的各个异常数据点的非异常程度，以及每个所述独立成分与其在不同平滑程度下的平滑后的独立成分的主要频率之间的差异，确定每个所述独立成分对应的目标函数；
32、对所述目标函数进行求解，得到每个所述独立成分的最优平滑程度。
33、进一步的，确定每个所述独立成分对应的目标函数，对应的计算公式为：
34、；
35、其中，表示第个独立成分对应的目标函数；表示第个独立成分在每个平滑程度下的平滑后的独立成分的主要频率；表示第个独立成分的主要频率；表示第个独立成本文档来自技高网...
【技术保护点】
1.一种基于区块链的智能制造领域生产全流程溯源方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于区块链的智能制造领域生产全流程溯源方法，其特征在于，确定每个所述独立成分在不同平滑程度下的平滑合理性，包括：
3.根据权利要求2所述的一种基于区块链的智能制造领域生产全流程溯源方法，其特征在于，确定每个所述局部段的特征值，包括：
4.根据权利要求2所述的一种基于区块链的智能制造领域生产全流程溯源方法，其特征在于，确定每个所述独立成分在不同平滑程度下的平滑合理性，包括：
5.根据权利要求1所述的一种基于区块链的智能制造领域生产全流程溯源方法，其特征在于，确定所述平滑后的独立成分中每个数据点的非异常程度，包括：
6.根据权利要求1所述的一种基于区块链的智能制造领域生产全流程溯源方法，其特征在于，确定所述平滑后的独立成分中每个数据点的第一非异常值和第二非异常值，对应的计算公式为：
7.根据权利要求1所述的一种基于区块链的智能制造领域生产全流程溯源方法，其特征在于，确定每个所述独立成分的最优平滑程度，包括：
8.根据权利要求7所述的一种基于区块链的智能制造领域生产全流程溯源方法，其特征在于，确定每个所述独立成分对应的目标函数，对应的计算公式为：
9.根据权利要求7所述的一种基于区块链的智能制造领域生产全流程溯源方法，其特征在于，筛选出对应平滑后的独立成分中的各个异常数据点，包括：
10.根据权利要求1所述的一种基于区块链的智能制造领域生产全流程溯源方法，其特征在于，该方法还包括：
...【技术特征摘要】
1.一种基于区块链的智能制造领域生产全流程溯源方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于区块链的智能制造领域生产全流程溯源方法，其特征在于，确定每个所述独立成分在不同平滑程度下的平滑合理性，包括：
3.根据权利要求2所述的一种基于区块链的智能制造领域生产全流程溯源方法，其特征在于，确定每个所述局部段的特征值，包括：
4.根据权利要求2所述的一种基于区块链的智能制造领域生产全流程溯源方法，其特征在于，确定每个所述独立成分在不同平滑程度下的平滑合理性，包括：
5.根据权利要求1所述的一种基于区块链的智能制造领域生产全流程溯源方法，其特征在于，确定所述平滑后的独立成分中每个数据点的非异常程度，包括：
6.根据权利要求1所...
【专利技术属性】
技术研发人员：田艳艳，孙凤菊，文灿，张善阔，王龙伟，董忠清，张停停，翟广厦，赵帅帅，杨奉娟，
申请(专利权)人：智联信通科技股份有限公司，
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。