【技术实现步骤摘要】
本专利技术涉及工业大数据处理，具体为基于相关性关系和序列处理的工业数据优先级计算方法。
技术介绍
1、随着工业4.0时代的到来和智能制造的迅速发展，工业系统产生了海量的时序数据。这些数据包含了设备运行状态、生产过程参数、环境监测指标等关键信息。然而，面对如此庞大的数据量，如何有效地处理和分析这些数据成为了一个重要的挑战。传统的数据处理方法往往采用简单的统计分析或固定阈值判断，难以适应复杂多变的工业环境。近年来，一些研究者开始尝试将机器学习和深度学习技术应用于工业数据分析，如长短期记忆网络(lstm)用于时序预测，卷积神经网络(cnn)用于异常检测等。这些方法在某些特定场景下取得了较好的效果，但仍然存在泛化能力不足、计算复杂度高等问题。另一方面，基于相关性分析的方法，如granger因果检验和互信息分析，也被引入工业数据处理领域，用于发现数据之间的内在联系。然而，这些方法往往只关注数据之间的静态关系，忽视了工业系统中动态变化的特性。
2、现有的工业时序数据处理技术主要存在以下不足：首先，大多数方法未能充分考虑数据之间的相关性关系和时序特性的综合影响，导致无法有效识别和利用数据间的动态关联。其次，传统的数据处理算法在面对长序列、高维度的工业时序数据时，往往表现出效率低下和精度不足的问题。此外，现有方法缺乏对数据重要性的动态评估机制，难以根据实际生产情况灵活调整数据处理的优先级。最后，在面对突发事件或异常情况时，现有方法的适应性不足，容易错过关键信息，影响决策的及时性和准确性。这些问题严重制约了工业大数据分析的效果和效率，
技术实现思路
1、鉴于上述存在的问题，提出了本专利技术。
2、因此，本专利技术解决的技术问题是：如何提供基于相关性关系和序列处理的工业数据优先级计算方法，以解决现有技术中未能充分考虑数据相关性和时序特性、处理效率低下、优先级评估不准确等问题。
3、为解决上述技术问题，本专利技术提供如下技术方案：对工业时序数据进行序列处理，得到第一工业时序数据；基于所述第一工业时序数据，计算时序相关性矩阵，同时结合设备关联度和工艺流程依赖关系，评估所述第一工业时序数据之间的相关性强度；计算每条所述第一工业时序数据的第一优先级得分，基于所述第一优先级得分得到所有所述第一工业时序数据的第一优先级；基于所述相关性强度和第一优先级得分，结合历史异常事件信息，得到第二优先级，完成基于相关性关系和序列处理的工业数据优先级计算。
4、作为本专利技术所述的基于相关性关系和序列处理的工业数据优先级计算方法的一种优选方案，其中：所述工业时序数据包括设备运行参数、生产过程数据、质量检测数据、环境监测数据，以及能源消耗数据；所述序列处理包括时间段划分、逐段聚集平均和特征提取。
5、作为本专利技术所述的基于相关性关系和序列处理的工业数据优先级计算方法的一种优选方案，其中：基于所述第一工业时序数据，计算时序相关性矩阵包括如下步骤：基于序列处理结果，构建第一工业时序数据的特征向量集合；计算任意两个第一工业时序数据的特征向量之间的相关系数；其中，表示第 i个第一工业时序数据和第 j个第一工业时序数据的特征向量之间的相关系数， i和 j为从1到第一工业时序数据的总数量 n之间的任意整数， i≠ j；基于所述相关系数构建时序相关性矩阵。
6、结合设备关联度和工艺流程依赖关系，评估所述第一工业时序数据之间的相关性强度包括如下步骤：根据设备关联度re和工艺流程依赖关系rp，确定初步相关性评估；根据所述时序相关性矩阵和所述初步相关性评估，评估所述第一工业时序数据之间的相关性强度。
7、作为本专利技术所述的基于相关性关系和序列处理的工业数据优先级计算方法的一种优选方案，其中：所述时序相关性矩阵通过如下公式表示：
8、；
9、其中，为第一工业时序数据的总数量；在时序相关性矩阵中，为相关系数的具体例子，其中 i=1， j=2。
10、所述初步相关性评估通过如下公式表示：
11、；
12、；
13、；
14、其中，为设备关联度re和工艺流程依赖关系rp的权重系数，0 ≤≤ 1；p为物理连接度，0 ≤p≤ 1；i为信息流通度，0 ≤i≤ 1；e为能量流通度，0 ≤e≤ 1；q为工艺流程图中的直接连接度，0 ≤q≤ 1；m为物料流动的相似度，0 ≤m≤ 1；t’为时序依赖程度，0≤t’≤ 1。
15、所述相关性强度通过如下公式表示：
16、；
17、其中，sij是第 i个和第 j个时序数据之间的相关性强度。
18、作为本专利技术所述的基于相关性关系和序列处理的工业数据优先级计算方法的一种优选方案，其中：计算每条所述第一工业时序数据的第一优先级得分包括如下步骤：使用rnn模型对所述第一工业时序数据进行初步优先级评估，得到初步优先级评估值；基于所述初步优先级评估值，结合历史数据影响，确定第一修正优先级值；所述历史数据影响是指历史时间段的第一工业时序数据对第 t个时间段的第一工业时序数据的第一修正优先级值计算的作用；基于所述第一修正优先级值，结合动态因素影响，确定第一优先级得分；所述动态因素影响包括第一工业时序数据变化率、第一工业时序数据质量、工业系统波动，以及工业系统状态。
19、所述基于所述第一优先级得分得到所有所述第一工业时序数据的第一优先级包括根据所述第一优先级得分，对所有第一工业时序数据进行排序，得到第一优先级。
20、作为本专利技术所述的基于相关性关系和序列处理的工业数据优先级计算方法的一种优选方案，其中：所述初步优先级评估值通过如下公式表示，
21、；
22、其中，为第 t个时间段第一工业时序数据的初步优先级评估值；为循环神经网络rnn在第 t个时间段的隐藏状态输出；为rnn在第 t个时间段的重置门输出；、为权重矩阵；为偏置项；为双曲正切激活函数。
23、所述第一修正优先级值通过如下公式表示：
24、；
25、其中，为第 i个第一工业时序数据在第 t个时间段的特征向量；为第 i个第一工业时序数据在历史时间段的特征向量；为时间衰减权重； u为本文档来自技高网...
【技术保护点】
1.基于相关性关系和序列处理的工业数据优先级计算方法，其特征在于，包括：
2.如权利要求1所述的基于相关性关系和序列处理的工业数据优先级计算方法，其特征在于：所述工业时序数据包括设备运行参数、生产过程数据、质量检测数据、环境监测数据，以及能源消耗数据；所述序列处理包括时间段划分、逐段聚集平均和特征提取。
3.如权利要求2所述的基于相关性关系和序列处理的工业数据优先级计算方法，其特征在于：基于所述第一工业时序数据，计算时序相关性矩阵包括如下步骤：
4.如权利要求3所述的基于相关性关系和序列处理的工业数据优先级计算方法，其特征在于：所述时序相关性矩阵通过如下公式表示：
5.如权利要求4所述的基于相关性关系和序列处理的工业数据优先级计算方法，其特征在于：计算每条所述第一工业时序数据的第一优先级得分包括如下步骤：
6.如权利要求5所述的基于相关性关系和序列处理的工业数据优先级计算方法，其特征在于：所述初步优先级评估值通过如下公式表示，
7.如权利要求6所述的基于相关性关系和序列处理的工业数据优先级计算方法，其特征在于
8.一种采用如权利要求1~7任一所述的基于相关性关系和序列处理的工业数据优先级计算方法的系统，其特征在于，包括：
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的基于相关性关系和序列处理的工业数据优先级计算方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的基于相关性关系和序列处理的工业数据优先级计算方法的步骤。
...【技术特征摘要】
1.基于相关性关系和序列处理的工业数据优先级计算方法，其特征在于，包括：
2.如权利要求1所述的基于相关性关系和序列处理的工业数据优先级计算方法，其特征在于：所述工业时序数据包括设备运行参数、生产过程数据、质量检测数据、环境监测数据，以及能源消耗数据；所述序列处理包括时间段划分、逐段聚集平均和特征提取。
3.如权利要求2所述的基于相关性关系和序列处理的工业数据优先级计算方法，其特征在于：基于所述第一工业时序数据，计算时序相关性矩阵包括如下步骤：
4.如权利要求3所述的基于相关性关系和序列处理的工业数据优先级计算方法，其特征在于：所述时序相关性矩阵通过如下公式表示：
5.如权利要求4所述的基于相关性关系和序列处理的工业数据优先级计算方法，其特征在于：计算每条所述第一工业时序数据的第一优先级得分包括如下步骤：
6.如权...
【专利技术属性】
技术研发人员：袁存发，仇逸风，欧阳永子，黄潇，何招亮，郑豹，严德玉，
申请(专利权)人：朗坤智慧科技股份有限公司，
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。