【技术实现步骤摘要】
本专利技术涉及人工智能，尤其涉及一种基于数据计算的医用气体设备运行系统更新方法。
技术介绍
1、医用气体设备是医疗机构不可或缺的重要基础设施，为临床诊疗提供必要的气体供应。随着医疗技术的发展和信息化水平的提升，医用气体设备也逐步向智能化、网络化的方向演进。在此背景下，传统的医用气体设备运行系统更新方式逐渐暴露出一些局限性，极需创新的解决方案。
2、在早期，医用气体设备的运行系统更新主要采用定期停机维护的方式，设备需要在预先安排的时间段内停止运行，由工程师现场对系统进行整体更新，这种方式存在诸多局限。随着数据采集和监控技术的发展，医用气体设备开始部署传感器实时记录运行数据；系统根据数据分析结果，在负载相对较低时自动执行定期更新，一定程度上降低了对医疗工作的影响；但仍然存在一些不足，如更新时间不够灵活，医用气体设备需要24小时连续运行，停机更新难以找到合适的时间窗口，仅能避开使用高峰，无法做到完全无感；更新过程仍需停机，时间较长，一旦出现异常中断，可能导致系统陷入不稳定状态，难以快速恢复，影响范围较大；缺乏对更新效果的实时监控和验证，存在一定风险。这些问题对医疗工作的连续性和安全性构成威胁。
技术实现思路
1、基于此，有必要提供一种基于数据计算的医用气体设备运行系统更新方法，以解决至少一个上述技术问题。
2、为实现上述目的，一种基于数据计算的医用气体设备运行系统更新方法，包括以下步骤：
3、步骤s1：通过设备部件传感器进行多维度设备数据采集，得到异构
4、步骤s2：根据动态负载指纹数据进行负载风险耦合建模并进行负载演化趋势分析，得到负载风险耦合模型以及长期负载预测曲线；根据负载风险耦合模型以及长期负载预测曲线进行预测性更新调度，得到最优更新时间表；
5、步骤s3：获取系统更新任务数据；根据系统更新任务数据进行原子化增量更新，得到原子化更新序列数据；
6、步骤s4：对当前运行系统进行动态资源映射，得到资源利用率矩阵；根据资源利用率矩阵以及原子化更新序列数据进行更新任务调度表生成，得到更新任务调度表；根据更新任务调度表进行实时双系统镜像生成，得到镜像新版本系统数据；
7、步骤s5：对镜像新版本系统数据的更新过程进行异常实时监控，得到异常监控数据流；根据异常监控数据流进行智能异常检测，得到异常原因分析报告；根据异常监控数据流以及异常原因分析报告进行异常恢复策略分析，得到异常恢复策略数据；
8、步骤s6：获取医用气体设备业务数据以及获取实时设备用户请求数据；根据医用气体设备业务数据以及获取实时设备用户请求数据进行版本渐进式切换计划生成，得到渐进式流量切换计划数据；根据渐进式流量切换计划数据进行无感知版本切换，以实现医用气体设备运行系统更新作业。
9、本专利技术通过设备部件传感器采集多维度设备数据，构建动态负载感知模型，实现实时负载感知，得到动态负载指纹数据；可以全面、准确地掌握医用气体设备的实时负载情况，为后续的负载风险分析、更新调度等提供可靠的数据基础，确保系统更新过程的智能化和精细化管理。根据动态负载指纹数据，构建负载风险耦合模型，分析负载演化趋势，得到长期负载预测曲线，并据此进行预测性更新调度，生成最优更新时间表；可以提前识别和评估负载风险，准确预测未来负载走势，合理安排更新时间，最大限度地减少更新对系统性能和用户体验的影响。获取系统更新任务数据，并对更新任务进行原子化和增量化处理，得到原子化更新序列数据；可以将复杂的更新任务分解为多个原子化的更新单元，实现增量式的系统更新，降低更新过程的复杂度和风险，提高更新效率和可靠性。对当前运行系统进行动态资源映射，得到资源利用率矩阵，并结合原子化更新序列数据，生成更新任务调度表，据此实时生成新版本系统的镜像数据；可以根据系统资源的实时状态，优化更新任务的调度和执行，同时通过镜像技术，实现快速、可靠的版本切换，最小化更新过程对系统运行的影响。对镜像新版本系统的更新过程进行实时异常监控，通过智能异常检测，生成异常原因分析报告，并据此制定异常恢复策略；可以及时发现和定位更新过程中的异常问题，快速判断异常原因，并根据预定的恢复策略，自动或半自动地实施异常恢复操作，确保系统更新的稳定性和可靠性。获取医用气体设备业务数据和实时用户请求数据，并据此生成版本渐进式切换计划，得到渐进式流量切换计划数据，最终实现无感知的版本切换和系统更新；可以充分考虑业务特点和用户需求，制定平滑、渐进的版本切换方案，通过流量控制和动态调整，实现用户无感知的系统更新，最大限度地保障业务连续性和用户体验。因此，本专利技术提供了一种基于数据计算的医用气体设备运行系统更新方法，通过负载感知、增量更新、异常恢复、渐进升级的无感式版本更新，全面解决了医用气体设备系统更新面临的时间窗口选择难、更新时间长、异常恢复困难的问题，实现了高效、可靠、平滑的系统升级。
10、优选地，步骤s2包括以下步骤：
11、步骤s21：对动态负载指纹数据进行多维度特征提取，得到全景负载特征矩阵；对全景负载特征矩阵进行负载模式聚类，得到典型负载模式聚类；
12、步骤s22：根据全景负载特征矩阵进行更新风险评估，得到更新风险热力图；对典型负载模式聚类以及更新风险热力图进行负载风险关联分析，得到负载风险关联知识库；
13、步骤s23：根据负载风险关联知识库进行联合负载风险建模，得到负载风险耦合模型；对全景负载特征矩阵进行负载演化趋势预测，得到长期负载预测曲线；
14、步骤s24：根据负载风险耦合模型以及长期负载预测曲线进行低风险更新窗口识别，得到候选更新窗口集；
15、步骤s25：根据候选更新窗口集进行多目标更新调度优化，得到帕累托最优更新时间集；根据帕累托最优更新时间集进行最优更新时间表生成，得到最优更新时间表。
16、本专利技术通过对动态负载指纹数据进行多维度特征提取，可以全面刻画负载的特征，形成全景负载特征矩阵；对全景负载特征矩阵进行聚类分析，可以发现典型的负载模式，为后续的风险评估和更新调度提供重要依据。根据全景负载特征矩阵评估更新风险，生成更新风险热力图，直观呈现不同时间点的更新风险水平；通过负载风险关联分析，建立负载模式与风险之间的关联知识库，为风险预测和决策提供知识支持。利用负载风险关联知识库，构建联合负载风险模型，可以综合考虑多个负载之间的风险耦合关系；通过对全景负载特征矩阵进行趋势预测，得到长期负载预测曲线，为制定长期更新计划提供依据。结合负载风险耦合模型和长期负载预测曲线，可以识别出低风险的更新窗口，形成候选更新窗口集；这有助于在保证系统稳定性的同时，选择合适的时间点进行系统更新。通过多目标更新调度优化，在候选更新窗口集中找出帕累托最优的更新时间集，平衡更新效益与风险；基于帕累托最优更新时间集生成最优更新时间表，可以指导实际的系统本文档来自技高网...
【技术保护点】
1.一种基于数据计算的医用气体设备运行系统更新方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于数据计算的医用气体设备运行系统更新方法，其特征在于，步骤S1包括以下步骤：
3.根据权利要求2所述的基于数据计算的医用气体设备运行系统更新方法，其特征在于，步骤S13包括以下步骤：
4.根据权利要求1所述的基于数据计算的医用气体设备运行系统更新方法，其特征在于，步骤S2包括以下步骤：
5.根据权利要求1所述的基于数据计算的医用气体设备运行系统更新方法，其特征在于，步骤S3包括以下步骤：
6.根据权利要求1所述的基于数据计算的医用气体设备运行系统更新方法，其特征在于，步骤S4包括以下步骤：
7.根据权利要求1所述的基于数据计算的医用气体设备运行系统更新方法，其特征在于，步骤S5包括以下步骤：
8.根据权利要求7所述的基于数据计算的医用气体设备运行系统更新方法，其特征在于，步骤S55包括以下步骤：
9.根据权利要求1所述的基于数据计算的医用气体设备运行系统更新方法，其特征在于，步骤S
10.根据权利要求9所述的基于数据计算的医用气体设备运行系统更新方法，其特征在于，步骤S61包括以下步骤：
...【技术特征摘要】
1.一种基于数据计算的医用气体设备运行系统更新方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于数据计算的医用气体设备运行系统更新方法，其特征在于，步骤s1包括以下步骤：
3.根据权利要求2所述的基于数据计算的医用气体设备运行系统更新方法，其特征在于，步骤s13包括以下步骤：
4.根据权利要求1所述的基于数据计算的医用气体设备运行系统更新方法，其特征在于，步骤s2包括以下步骤：
5.根据权利要求1所述的基于数据计算的医用气体设备运行系统更新方法，其特征在于，步骤s3包括以下步骤：
6.根据...
【专利技术属性】
技术研发人员：伍勇军，
申请(专利权)人：深圳市巨星净化设备有限公司，
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。