CN110109428A - 一种用于实验室设备的险情监测系统 - Google Patents

一种用于实验室设备的险情监测系统 Download PDF

Info

Publication number
CN110109428A
CN110109428A CN201910319697.1A CN201910319697A CN110109428A CN 110109428 A CN110109428 A CN 110109428A CN 201910319697 A CN201910319697 A CN 201910319697A CN 110109428 A CN110109428 A CN 110109428A
Authority
CN
China
Prior art keywords
data
module
alarm
laboratory
laboratory equipment
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201910319697.1A
Other languages
English (en)
Other versions
CN110109428B (zh
Inventor
邢希学
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Dynaflow Experiment Technology Co Ltd
Original Assignee
Beijing Dynaflow Experiment Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Dynaflow Experiment Technology Co Ltd filed Critical Beijing Dynaflow Experiment Technology Co Ltd
Priority to CN201910319697.1A priority Critical patent/CN110109428B/zh
Publication of CN110109428A publication Critical patent/CN110109428A/zh
Application granted granted Critical
Publication of CN110109428B publication Critical patent/CN110109428B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS], computer integrated manufacturing [CIM]
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS], computer integrated manufacturing [CIM]
    • G05B19/4183—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS], computer integrated manufacturing [CIM] characterised by data acquisition, e.g. workpiece identification
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS], computer integrated manufacturing [CIM]
    • G05B19/41845—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS], computer integrated manufacturing [CIM] characterised by system universality, reconfigurability, modularity
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]

Abstract

本发明提供了一种用于实验室设备的险情监测系统，该用于实验室设备的险情监测系统能够采集与获取每一实验室设备对应的工作相关数据和实验室对应的环境相关数据，同时该险情监测系统还能够记录每一实验室设备对应的操作状态信息，并基于该工作相关数据与环境相关数据生成对应的报警值，以及根据该报警值和该操作状态信息对不同实验室设备进行工作状态的切换。

Description

一种用于实验室设备的险情监测系统
技术领域
本发明涉及实验室运行监控管理的技术领域，特别涉及一种用于实验室设备的险情监测系统。
背景技术
实验室中通常包括不同类型的实验设备，而这些实验设备在运行过程中都需要相应的用电和用水供应支持，并且这些实验设备对于所处工作环境的温度、湿度、声音、光照强度和有害气体浓度等外界条件也是具有相应的要求。由于实验室通常是采用统一的电路和水路对于不同实验设备分别进行供电和供水的，若实验室中实验设备自身的用电和用水状态发生异常，其不仅会影响实验设备本身的正常运行，并且还会通过该统一的电路和水路对其他实验设备产生不良影响，从而最终影响整个实验室的正常运行。此外，由于不同实验设备自身具有不同的工作环境要求，特别是对于精密性要求较高的实验设备，其在运行过程中需要严格的工作环境相配合，否则该实验设备将无法正常工作，严重的话还会对该实验设备产生不可逆的损坏。并且，某些实验设备在工作过程中可能会产生有害气体，若该有害气体的浓度超过阈值，其不仅会影响实验设备的正常工作，并且还会对实验人员的身体健康产生不良影响，若实验设备在工作过程中产生大量易燃易爆气体，这些易燃易爆气体很可能引发爆炸事故。可见，实验室中的实验设备对于供电、供水和工作环境都提出严苛的要求，若实验室无法满足这些要求，很可能导致实验室安全事故的发生。
由于实验室中不同实验设备对于供电、供水和工作环境条件的要求不尽相同，为了保证实验室整体的运行安全性，需要对不同实验设备自身的用电、用水、工作温度和所处工作环境参数进行全面的监测。但是，目前的实验室通常只对实验室的供电、供水和实验室工作环境进行独立的监测，并且分别根据不同的监测结果来进行实验设备工作险情的判断，通过上述方式得到的关于实验设备工作险情的判断结果极大可能存在误判的情况，其并不能准确地和及时地反映实验设备的真实工作状态。
发明内容
在对实验室的实验设备工作状态进行监测的过程中，现有的监测系统只能根据当前采集得到的关于实验设备的工作参数和实验室的工作环境参数来做出相应的险情判断结果，但是由于实验设备在工作过程中可能存在偶然的工作异常情况以及相应的监测设备在监测过程中由于自身监测性能的限制也会存在监测参数结果出现明显错误的情况，若监测系统只根据当前的监测数据结果就直接作出相应的险情判断处理，这会导致出现对实验设备险情发生误判的情况，若在该误判情况下贸然作出中止实验室运行的操作，会对实验室产生不可逆的不良影响。可见，为了避免偶然因素对实验设备的险情监测作出错误判断，需要一种能够结合对实验设备的历史监测数据来分析当前实验设备是否存在运行险情的监测系统。
针对现有技术存在的缺陷，本发明提供一种用于实验室设备的险情监测系统，该用于实验室设备的险情监测系统能够采集与获取每一实验室设备对应的工作相关数据和实验室对应的环境相关数据，同时该险情监测系统还能够记录每一实验室设备对应的操作状态信息，并基于该工作相关数据与环境相关数据生成对应的报警值，以及根据该报警值和该操作状态信息对不同实验室设备进行工作状态的切换。可见，该用于实验室设备的险情监测系统是基于对实验室设备的不同历史监测数据来判断该实验室设备相应的工作险情状态判断的，并该险情监测系统不仅能够对实验室设备存在的险情进行报警，并且还能够基于实验室设备对应的险情判断执行适应性的工作状态调整控制，以便排除该实验室设备存在险情同时不会影响实验室的整体运行状态，该险情监测系统能够为实验室设备提供准确和可靠的险情监测、报警和排除机制。
本发明提供一种用于实验室设备的险情监测系统，其特征在于：所述用于实验室设备的险情监测系统包括数据收集模块、数据预处理模块、日志模块和报警模块；其中，
所述数据收集模块用于获取所述实验室设备的工作相关数据和/或所述实验室的环境相关数据；
所述日志模块用于记录所述实验室设备的操作状态信息；
所述数据预处理模块用于根据所述工作相关数据和/或所述环境相关数据，确定关于所述实验室设备的工作状态的报警值；
所述报警模块用于根据所述报警值生成第一控制信号和第二控制信号，并将所述第一控制信号传送至所述实验室设备和将所述第二控制信号传送至相应的报警器，所述实验设备与所述报警器分别基于所述第一控制信号和所述第二控制信号执行适应性的工作状态切换；
进一步，所述数据收集模块包括若干用于获取所述工作相关数据的工作参数获取单元和/或若干用于获取所述环境相关数据的环境参数获取单元；其中，所述工作参数获取单元包括实验室设备工作温度传感器、实验室设备用电量传感器和实验室设备用水量传感器中的至少一者；所述环境参数获取单元包括实验室环境温度传感器、实验室环境湿度传感器、实验室环境声音传感器、实验室环境光强传感器和实验室环境有害气体传感器中的至少一者；所述数据收集模块还包括时钟信号生成单元，所述时钟信号生成单元用于生成时钟信号，所述工作参数获取单元和/或里所述环境参数获取单元基于所述时钟信号在预设时间周期内进行若干次采样以对应得到关于所述工作相关数据的数据集合和/或关于所述环境相关数据的数据集合；
进一步，所述用于实验室设备的险情监测系统还包括数据库模块，所述数据库模块用于存储所述数据收集模块采集的所述工作相关数据和/或所述环境相关数据，以作为相应的历史设备数据和/或历史环境数据；所述数据库模块还包括一时钟信号生成单元，所述时钟信号生成单元用于对所述数据收集模块采集的所述工作相关数据和/或所述环境相关数据进行采集时间的标识处理；
进一步，所述用于实验室设备的险情监测系统还包括显示模块，所述显示模块分别与所述数据收集模块、所述日志模块、所述数据预处理模块和所述报警模块进行信号连接；相应地，所述显示模块用于显示所述实验室设备的工作相关数据、所述实验室的环境相关数据、所述实验室设备的操作状态信息、所述实验室设备对应的工作状态的报警值和所述报警提醒操作的进度情况中的至少一者；
进一步，所述用于实验室设备的险情监测系统还包括数据筛选模块，所述数据筛选模块与所述数据收集模块信号连接；所述数据筛选模块用于所述工作相关数据和/或所述环境相关数据进行异常判断处理，并根据所述异常判断处理的结果控制所述工作相关数据和/或所述环境相关数据是否传送至所述数据预处理模块，具体为，所述数据筛选模块将所述工作相关数据和/或所述环境相关数据分别与预设数值范围进行匹配处理，若匹配，则将所述工作相关数据和/或所述环境相关数据传送至所述数据预处理模块，若不匹配，则不将所述工作相关数据和/或所述环境相关数据传送至所述数据预处理模块；
进一步，所述报警模块还包括声音报警单元和/或光学报警单元；所述报警模块将所述报警值与预设报警阈值进行比较处理，若所述报警值超过所述预设报警阈值，则所述报警模块向所述声音报警单元和/或所述光学报警单元发送第一信号，所述声音报警单元和/或所述光学报警单元根据所述第一信号执行不同级别/或类型的报警提醒操作，若所述报警值不超过所述预设报警阈值，则所述报警模块箱所述声音报警单元和/或所述光学报警单元发送第二信号，所述声音报警单元和/或所述光学报警单元根据所述第二信号维持当前运行状态不变；
进一步，所述数据预处理模块根据所述工作相关数据和/或所述环境相关数据确定所述报警值具体包括，所述数据预处理模块根据所述工作相关数据和/或所述环境相关数据对应的历史记录数据构建一设备报警数学模型，并根据所述设备报警数学模型，再基于所述历史记录数据对所述设备报警数学模型进行训练，以此得到所述报警值；
进一步，所述数据预处理模块根据所述工作相关参数和/或所述环境相关参数构建所述设备报警数学模型具体包括，所述数据预处理模块以预定时间间隔Δt依次获取若干所述历史记录数据并形成一变量向量Xt＝(xt1，xt2，...，xtn)，其中xti为时刻t对应的第i条历史记录数据，i＝1，2，...，n，再基于m个时刻所述变量向量形成一历史记录数据集合D＝{Xt，rt}t＝1：m，其中rt为时刻t对应的报警变量且rt只能取0或1，rt＝0表示对应的变量向量Xt不存在报警情况，rt＝1表示对应的变量向量Xt存在报警情况，再根据所述历史记录数据集合D与贝叶斯公式构建Logit函数，所述Logit函数的表达式(1)如下
在上述表达式中，P(C1|x)为对于给定的历史记录数据x、其被划分属于报警变量类C1的概率，p(x|C1)为报警变量类C1对应于历史记录数据x的密度函数，p(x|C2)为非报警变量类C2对应于历史记录数据x的密度函数，P(C1)为报警变量类C1对应的先验概率，P(C2)为非报警变量类C2对应的先验概率，w为待计算的n维权重向量，w0为待计算的权重常数，符号T表示转置符号，基于上述表达式(1)得出下面表达式(2)
所述数据预处理模块再通过梯度下降方法计算出所述n维权重向量w和所述权重常数w0，从而构建得到所述设备报警数学模型；
进一步，所述数据预处理模块再通过梯度下降方法计算出所述n维权重向量w和所述权重常数w0，构建得到所述设备报警数学模型具体包括，对于给定的历史记录数据集合D＝{Xt，rt}t＝1：m，假定rt满足伯努利分布，则以与rt对应的变量r对应的概率质量函数P(r)如下面表达式(3)
P(r)＝pr(1-p)1-r(3)
此时，定义上述表达式(3)中的概率p≡P(C1|x)，则对于给定的历史记录数据集合D＝{Xt，rt}t＝1：m，其对应的样本似然函数L(w，w0|D)如下面表达式(4)
在上述表达式(4)中，pi为变量ri对应的概率，
再将上述表达式(4)转化为对数运算，即
同时定义一误差函数E(w，w0|D)为似然函数LogL(w，w0|D)的负值，即
再将上述表达式(6)转换成关于所述n维权重向量w的梯度下降更新迭代公式，即下面表达式(7)和(8)
wj＝wj+Δwj(8)
其中，wj为n维权重向量w的分量，Δwj为n维权重向量w的分量的更新迭代量，η为学习因子；
再基于上述表达式(7)和(8)得到下面关所述n维权重向量w的更新方程(9)
在上述更新方程(9)中，满足其中xij为第i条历史记录数据的第j个分量；
再基于上述表达式(7)和(8)得到下面关所述权重常数w0的更新方程(10)
所述数据预处理模块在基于所述更新方程(9)和(10)分别计算出所述n维权重向量w和所述权重常数w0；
进一步，所述数据预处理模块确定所述报警值具体包括，所述数据预处理模块还根据所述表达式(2)
计算得到所述报警值。
相比于现有技术，本发明的用于实验室设备的险情监测系统能够采集与获取每一实验室设备对应的工作相关数据和实验室对应的环境相关数据，同时该险情监测系统还能够记录每一实验室设备对应的操作状态信息，并基于该工作相关数据与环境相关数据生成对应的报警值，以及根据该报警值和该操作状态信息对不同实验室设备进行工作状态的切换。可见，该用于实验室设备的险情监测系统是基于对实验室设备的不同历史监测数据来判断该实验室设备相应的工作险情状态判断的，并该险情监测系统不仅能够对实验室设备存在的险情进行报警，并且还能够基于实验室设备对应的险情判断执行适应性的工作状态调整控制，以便排除该实验室设备存在险情同时不会影响实验室的整体运行状态，该险情监测系统能够为实验室设备提供准确和可靠的险情监测、报警和排除机制。
本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明提供的一种用于实验室设备的险情监测系统的结构示意图。
图2为本发明提供的一种用于实验室设备的险情监测系统中数据收集模块的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
参阅图1，为本发明实施例提供的一种用于实验室设备的险情监测系统的结构示意图。该用于实验室设备的险情监测系统可包括但不限于数据收集模块、数据预处理模块、日志模块和报警模块。
优选地，该数据收集模块可用于获取该实验室设备的工作相关数据和/或该实验室的环境相关数据。
优选地，该日志模块可用于记录该实验室设备的操作状态信息。
优选地，该数据预处理模块可用于根据该工作相关数据和/或该环境相关数据，确定关于该实验室设备的工作状态的报警值。
优选地，该报警模块可用于根据该报警值生成第一控制信号和第二控制信号，并将该第一控制信号传送至该实验室设备和将该第二控制信号传送至相应的报警器，该实验设备与该报警器分别基于该第一控制信号和该第二控制信号执行适应性的工作状态切换。
优选地，该数据收集模块可包括但不限于若干用于获取该工作相关数据的工作参数获取单元和/或若干用于获取该环境相关数据的环境参数获取单元；其中，该工作参数获取单元可包括但不限于实验室设备工作温度传感器、实验室设备用电量传感器和实验室设备用水量传感器中的至少一者；该环境参数获取单元可包括但不限于实验室环境温度传感器、实验室环境湿度传感器、实验室环境声音传感器、实验室环境光强传感器和实验室环境有害气体传感器中的至少一者；该数据收集模块还可包括时钟信号生成单元，该时钟信号生成单元用于生成时钟信号，该工作参数获取单元和/或里该环境参数获取单元基于该时钟信号在预设时间周期内进行若干次采样以对应得到关于该工作相关数据的数据集合和/或关于该环境相关数据的数据集合。
优选地，该用于实验室设备的险情监测系统还可包括数据库模块，该数据库模块可用于存储该数据收集模块采集的该工作相关数据和/或该环境相关数据，以作为相应的历史设备数据和/或历史环境数据；该数据库模块还可包括一时钟信号生成单元，该时钟信号生成单元用于对该数据收集模块采集的该工作相关数据和/或该环境相关数据进行采集时间的标识处理。
优选地，该用于实验室设备的险情监测系统还可包括显示模块，该显示模块可分别与该数据收集模块、该日志模块、该数据预处理模块和该报警模块进行信号连接；相应地，该显示模块可用于显示该实验室设备的工作相关数据、该实验室的环境相关数据、该实验室设备的操作状态信息、该实验室设备对应的工作状态的报警值和该报警提醒操作的进度情况中的至少一者。。
优选地，该用于实验室设备的险情监测系统还可包括数据筛选模块，该数据筛选模块与该数据收集模块信号连接；该数据筛选模块可用于该工作相关数据和/或该环境相关数据进行异常判断处理，并根据该异常判断处理的结果控制该工作相关数据和/或该环境相关数据是否传送至该数据预处理模块，具体为，该数据筛选模块将该工作相关数据和/或该环境相关数据分别与预设数值范围进行匹配处理，若匹配，则将该工作相关数据和/或该环境相关数据传送至该数据预处理模块，若不匹配，则不将该工作相关数据和/或该环境相关数据传送至该数据预处理模块。
优选地，该报警模块还可包括但不限于声音报警单元和/或光学报警单元；该报警模块将该报警值与预设报警阈值进行比较处理，若该报警值超过该预设报警阈值，则该报警模块向该声音报警单元和/或该光学报警单元发送第一信号，该声音报警单元和/或该光学报警单元根据该第一信号执行不同级别/或类型的报警提醒操作，若该报警值不超过该预设报警阈值，则该报警模块箱该声音报警单元和/或该光学报警单元发送第二信号，该声音报警单元和/或该光学报警单元根据该第二信号维持当前运行状态不变。
优选地，该数据预处理模块根据该工作相关数据和/或该环境相关数据确定该报警值可具体包括，该数据预处理模块根据该工作相关数据和/或该环境相关数据对应的历史记录数据构建一设备报警数学模型，并根据该设备报警数学模型，再基于该历史记录数据对该设备报警数学模型进行训练，以此得到该报警值。
优选地，该数据预处理模块根据该工作相关参数和/或该环境相关参数构建该设备报警数学模型的过程可具体包括，该数据预处理模块以预定时间间隔Δt依次获取若干该历史记录数据并形成一变量向量Xt＝(xt1，xt2，...，xtn)，其中xti为时刻t对应的第i条历史记录数据，i＝1，2，...，n，再基于m个时刻该变量向量形成一历史记录数据集合D＝{Xt，rt}t＝1：m，其中rt为时刻t对应的报警变量且rt只能取0或1，rt＝0表示对应的变量向量Xt不存在报警情况，rt＝1表示对应的变量向量Xt存在报警情况，再根据该历史记录数据集合D与贝叶斯公式构建Logit函数，该Logit函数的表达式(1)如下
在上述表达式中，P(C1|x)为对于给定的历史记录数据x、其被划分属于报警变量类C1的概率，p(x|C1)为报警变量类C1对应于历史记录数据x的密度函数，p(x|C2)为非报警变量类C2对应于历史记录数据x的密度函数，P(C1)为报警变量类C1对应的先验概率，P(C2)为非报警变量类C2对应的先验概率，w为待计算的n维权重向量，w0为待计算的权重常数，符号T表示转置符号，基于上述表达式(1)得出下面表达式(2)
该数据预处理模块再通过梯度下降方法计算出该n维权重向量w和该权重常数w0，从而构建得到该设备报警数学模型。
优选地，该数据预处理模块再通过梯度下降方法计算出该n维权重向量w和该权重常数w0，构建得到该设备报警数学模型的过程可具体包括，对于给定的历史记录数据集合D＝{Xt，rt}t＝1：m，假定rt满足伯努利分布，则以与rt对应的变量r对应的概率质量函数P(r)如下面表达式(3)
P(r)＝pr(1-p)1-r (3)
此时，定义上述表达式(3)中的概率p≡P(C1|x)，则对于给定的历史记录数据集合D＝{Xt，rt}t＝1：m，其对应的样本似然函数L(w，w0|D)如下面表达式(4)
在上述表达式(4)中，pi为变量ri对应的概率，
再将上述表达式(4)转化为对数运算，即
同时定义一误差函数E(w，w0|D)为似然函数LogL(w，w0|D)的负值，即
再将上述表达式(6)转换成关于该n维权重向量w的梯度下降更新迭代公式，即下面表达式(7)和(8)
wj＝wj+Δwj (8)
其中，wj为n维权重向量w的分量，Δwj为n维权重向量w的分量的更新迭代量，η为学习因子；
再基于上述表达式(7)和(8)得到下面关该n维权重向量w的更新方程(9)
在上述更新方程(9)中，满足其中xij为第i条历史记录数据的第j个分量；
再基于上述表达式(7)和(8)得到下面关该权重常数w0的更新方程(10)
该数据预处理模块在基于该更新方程(9)和(10)分别计算出该n维权重向量w和该权重常数w0。
优选地，该数据预处理模块确定该报警值可具体包括，该数据预处理模块还根据该表达式(2)
计算得到该报警值。
从上述实施例可以看出，该用于实验室设备的险情监测系统能够采集与获取每一实验室设备对应的工作相关数据和实验室对应的环境相关数据，同时该险情监测系统还能够记录每一实验室设备对应的操作状态信息，并基于该工作相关数据与环境相关数据生成对应的报警值，以及根据该报警值和该操作状态信息对不同实验室设备进行工作状态的切换。可见，该用于实验室设备的险情监测系统是基于对实验室设备的不同历史监测数据来判断该实验室设备相应的工作险情状态判断的，并该险情监测系统不仅能够对实验室设备存在的险情进行报警，并且还能够基于实验室设备对应的险情判断执行适应性的工作状态调整控制，以便排除该实验室设备存在险情同时不会影响实验室的整体运行状态，该险情监测系统能够为实验室设备提供准确和可靠的险情监测、报警和排除机制。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (10)

1.一种用于实验室设备的险情监测系统，其特征在于：所述用于实验室设备的险情监测系统包括数据收集模块、数据预处理模块、日志模块和报警模块；其中，
所述数据收集模块用于获取所述实验室设备的工作相关数据和/或所述实验室的环境相关数据；
所述日志模块用于记录所述实验室设备的操作状态信息；
所述数据预处理模块用于根据所述工作相关数据和/或所述环境相关数据，确定关于所述实验室设备的工作状态的报警值；
所述报警模块用于根据所述报警值生成第一控制信号和第二控制信号，并将所述第一控制信号传送至所述实验室设备和将所述第二控制信号传送至相应的报警器，所述实验设备与所述报警器分别基于所述第一控制信号和所述第二控制信号执行适应性的工作状态切换。
2.如权利要求1所述的用于实验室设备的险情监测系统，其特征在于：所述数据收集模块包括若干用于获取所述工作相关数据的工作参数获取单元和/或若干用于获取所述环境相关数据的环境参数获取单元；其中，所述工作参数获取单元包括实验室设备工作温度传感器、实验室设备用电量传感器和实验室设备用水量传感器中的至少一者；所述环境参数获取单元包括实验室环境温度传感器、实验室环境湿度传感器、实验室环境声音传感器、实验室环境光强传感器和实验室环境有害气体传感器中的至少一者；所述数据收集模块还包括时钟信号生成单元，所述时钟信号生成单元用于生成时钟信号，所述工作参数获取单元和/或里所述环境参数获取单元基于所述时钟信号在预设时间周期内进行若干次采样以对应得到关于所述工作相关数据的数据集合和/或关于所述环境相关数据的数据集合。
3.如权利要求1所述的用于实验室设备的险情监测系统，其特征在于：所述用于实验室设备的险情监测系统还包括数据库模块，所述数据库模块用于存储所述数据收集模块采集的所述工作相关数据和/或所述环境相关数据，以作为相应的历史设备数据和/或历史环境数据；所述数据库模块还包括一时钟信号生成单元，所述时钟信号生成单元用于对所述数据收集模块采集的所述工作相关数据和/或所述环境相关数据进行采集时间的标识处理。
4.如权利要求1所述的用于实验室设备的险情监测系统，其特征在于：所述用于实验室设备的险情监测系统还包括显示模块，所述显示模块分别与所述数据收集模块、所述日志模块、所述数据预处理模块和所述报警模块进行信号连接；相应地，所述显示模块用于显示所述实验室设备的工作相关数据、所述实验室的环境相关数据、所述实验室设备的操作状态信息、所述实验室设备对应的工作状态的报警值和所述报警提醒操作的进度情况中的至少一者。
5.如权利要求1所述的用于实验室设备的险情监测系统，其特征在于：所述用于实验室设备的险情监测系统还包括数据筛选模块，所述数据筛选模块与所述数据收集模块信号连接；所述数据筛选模块用于所述工作相关数据和/或所述环境相关数据进行异常判断处理，并根据所述异常判断处理的结果控制所述工作相关数据和/或所述环境相关数据是否传送至所述数据预处理模块，具体为，所述数据筛选模块将所述工作相关数据和/或所述环境相关数据分别与预设数值范围进行匹配处理，若匹配，则将所述工作相关数据和/或所述环境相关数据传送至所述数据预处理模块，若不匹配，则不将所述工作相关数据和/或所述环境相关数据传送至所述数据预处理模块。
6.如权利要求1所述的用于实验室设备的险情监测系统，其特征在于：所述报警模块还包括声音报警单元和/或光学报警单元；所述报警模块将所述报警值与预设报警阈值进行比较处理，若所述报警值超过所述预设报警阈值，则所述报警模块向所述声音报警单元和/或所述光学报警单元发送第一信号，所述声音报警单元和/或所述光学报警单元根据所述第一信号执行不同级别/或类型的报警提醒操作，若所述报警值不超过所述预设报警阈值，则所述报警模块箱所述声音报警单元和/或所述光学报警单元发送第二信号，所述声音报警单元和/或所述光学报警单元根据所述第二信号维持当前运行状态不变。
7.如权利要求1所述的用于实验室设备的险情监测系统，其特征在于：所述数据预处理模块根据所述工作相关数据和/或所述环境相关数据确定所述报警值具体包括，所述数据预处理模块根据所述工作相关数据和/或所述环境相关数据对应的历史记录数据构建一设备报警数学模型，并根据所述设备报警数学模型，再基于所述历史记录数据对所述设备报警数学模型进行训练，以此得到所述报警值。
8.如权利要求7所述的用于实验室设备的险情监测系统，其特征在于：所述数据预处理模块根据所述工作相关参数和/或所述环境相关参数构建所述设备报警数学模型具体包括，所述数据预处理模块以预定时间间隔Δt依次获取若干所述历史记录数据并形成一变量向量Xt＝(xt1,xt2,…,xtn)，其中xti为时刻t对应的第i条历史记录数据，i＝1，2，…，n，再基于m个时刻所述变量向量形成一历史记录数据集合D＝{Xt,rt}t＝1:m，其中rt为时刻t对应的报警变量且rt只能取0或1，rt＝0表示对应的变量向量Xt不存在报警情况，rt＝1表示对应的变量向量Xt存在报警情况，再根据所述历史记录数据集合D与贝叶斯公式构建Logit函数，所述Logit函数的表达式(1)如下
在上述表达式中，P(C1|x)为对于给定的历史记录数据x、其被划分属于报警变量类C1的概率，p(x|C1)为报警变量类C1对应于历史记录数据x的密度函数，p(x|C2)为非报警变量类C2对应于历史记录数据x的密度函数，P(C1)为报警变量类C1对应的先验概率，P(C2)为非报警变量类C2对应的先验概率，w为待计算的n维权重向量，w0为待计算的权重常数，符号T表示转置符号，基于上述表达式(1)得出下面表达式(2)
所述数据预处理模块再通过梯度下降方法计算出所述n维权重向量w和所述权重常数w0，从而构建得到所述设备报警数学模型。
9.如权利要求8所述的用于实验室设备的险情监测系统，其特征在于：所述数据预处理模块再通过梯度下降方法计算出所述n维权重向量w和所述权重常数w0，构建得到所述设备报警数学模型具体包括，对于给定的历史记录数据集合D＝{Xt,rt}t＝1:m，假定rt满足伯努利分布，则以与rt对应的变量r对应的概率质量函数P(r)如下面表达式(3)
P(r)＝pr(1-p)1-r (3)
此时，定义上述表达式(3)中的概率p≡P(C1|x)，则对于给定的历史记录数据集合D＝{Xt,rt}t＝1:m，其对应的样本似然函数L(w,w0|D)如下面表达式(4)
在上述表达式(4)中，pi为变量ri对应的概率，
再将上述表达式(4)转化为对数运算，即
同时定义一误差函数E(w,w0|D)为似然函数LogL(w,w0|D)的负值，即
再将上述表达式(6)转换成关于所述n维权重向量w的梯度下降更新迭代公式，即下面表达式(7)和(8)
wj＝wj+Δwj (8)
其中，wj为n维权重向量w的分量，Δwj为n维权重向量w的分量的更新迭代量，η为学习因子；
再基于上述表达式(7)和(8)得到下面关所述n维权重向量w的更新方程(9)
在上述更新方程(9)中，满足其中xij为第i条历史记录数据的第j个分量；
再基于上述表达式(7)和(8)得到下面关所述权重常数w0的更新方程(10)
所述数据预处理模块在基于所述更新方程(9)和(10)分别计算出所述n维权重向量w和所述权重常数w0。
10.如权利要求9所述的用于实验室设备的险情监测系统，其特征在于：所述数据预处理模块确定所述报警值具体包括，所述数据预处理模块还根据所述表达式(2)
计算得到所述报警值。
CN201910319697.1A 2019-04-19 2019-04-19 一种用于实验室设备的险情监测系统 Active CN110109428B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910319697.1A CN110109428B (zh) 2019-04-19 2019-04-19 一种用于实验室设备的险情监测系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910319697.1A CN110109428B (zh) 2019-04-19 2019-04-19 一种用于实验室设备的险情监测系统

Publications (2)

Publication Number Publication Date
CN110109428A true CN110109428A (zh) 2019-08-09
CN110109428B CN110109428B (zh) 2020-09-18

Family

ID=67486034

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910319697.1A Active CN110109428B (zh) 2019-04-19 2019-04-19 一种用于实验室设备的险情监测系统

Country Status (1)

Country Link
CN (1) CN110109428B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110553362A (zh) * 2019-08-27 2019-12-10 北京戴纳实验科技有限公司 一种实验室调节温度系统
CN113050729A (zh) * 2021-02-22 2021-06-29 青岛海尔生物医疗股份有限公司 用于实验室环境调节的方法、装置和实验室
CN115149452A (zh) * 2022-05-24 2022-10-04 贵州电网有限责任公司 一种电网施工作业的防触电方法
US11694528B2 (en) 2020-03-02 2023-07-04 Abb Schweiz Ag Low or medium switchgear monitoring system

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101964085A (zh) * 2010-09-27 2011-02-02 北京航空航天大学 一种基于Logit模型和贝叶斯决策的客流分配方法
WO2012119061A1 (en) * 2011-03-03 2012-09-07 Inventus Holdings, Llc Methods for predicting the formation of wind turbine blade ice
US20150378962A1 (en) * 2014-06-27 2015-12-31 Oracle International Corporation Approach For More Efficient Use Of Computing Resources While Calculating Cross Product Or Its Approximation For Logistic Regression On Big Data Sets
CN107144721A (zh) * 2017-05-26 2017-09-08 北京戴纳实验科技有限公司 用于实验室设备的电流和电压的大数据分析构架
CN107209873A (zh) * 2015-01-29 2017-09-26 高通股份有限公司 用于深度卷积网络的超参数选择
CN109032088A (zh) * 2018-07-19 2018-12-18 深圳信息职业技术学院 一种实验室安全管理系统

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101964085A (zh) * 2010-09-27 2011-02-02 北京航空航天大学 一种基于Logit模型和贝叶斯决策的客流分配方法
WO2012119061A1 (en) * 2011-03-03 2012-09-07 Inventus Holdings, Llc Methods for predicting the formation of wind turbine blade ice
US20150378962A1 (en) * 2014-06-27 2015-12-31 Oracle International Corporation Approach For More Efficient Use Of Computing Resources While Calculating Cross Product Or Its Approximation For Logistic Regression On Big Data Sets
CN107209873A (zh) * 2015-01-29 2017-09-26 高通股份有限公司 用于深度卷积网络的超参数选择
CN107144721A (zh) * 2017-05-26 2017-09-08 北京戴纳实验科技有限公司 用于实验室设备的电流和电压的大数据分析构架
CN109032088A (zh) * 2018-07-19 2018-12-18 深圳信息职业技术学院 一种实验室安全管理系统

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110553362A (zh) * 2019-08-27 2019-12-10 北京戴纳实验科技有限公司 一种实验室调节温度系统
US11694528B2 (en) 2020-03-02 2023-07-04 Abb Schweiz Ag Low or medium switchgear monitoring system
CN113050729A (zh) * 2021-02-22 2021-06-29 青岛海尔生物医疗股份有限公司 用于实验室环境调节的方法、装置和实验室
CN115149452A (zh) * 2022-05-24 2022-10-04 贵州电网有限责任公司 一种电网施工作业的防触电方法
CN115149452B (zh) * 2022-05-24 2024-04-19 贵州电网有限责任公司 一种电网施工作业的防触电方法

Also Published As

Publication number Publication date
CN110109428B (zh) 2020-09-18

Similar Documents

Publication Publication Date Title
CN110109428A (zh) 一种用于实验室设备的险情监测系统
CN106872657B (zh) 一种多变量水质参数时序数据异常事件检测方法
CN109001649A (zh) 一种电源智能诊断系统及保护方法
US5970426A (en) Emission monitoring system
JP5081998B1 (ja) 異常予兆診断装置及び異常予兆診断方法
JP5306902B2 (ja) 資産システムの高性能条件監視のためのシステムおよび方法
CN108418841A (zh) 基于ai的下一代关键信息基础设施网络安全态势感知系统
CN105551549A (zh) 一种核电设备运行状况在线监测方法及系统
CN109298697A (zh) 基于动态基线模型的火电厂系统各部件工作状态评估方法
WO2011057465A1 (zh) 一种火灾、可燃气体报警系统及方法
US20210397950A1 (en) Abnormal driving state determination device and method using neural network model
JP2013008098A (ja) 異常予兆診断結果の表示方法
EA036230B1 (ru) Способ и система удаленного мониторинга объектов
CN116384975A (zh) 一种基于发电厂设备的维护系统
Iftikhar et al. Real-time Visualization of Sensor Data in Smart Manufacturing using Lambda Architecture.
CN114137302B (zh) 一种电能计量器具检定全过程监控系统
CN110337640A (zh) 用于问题警报聚合的方法和系统
CN116777088B (zh) 用于保障生命安全的供电应急抢修环境监测方法及系统
CN117542169A (zh) 基于大数据分析的自动化设备温度异常预警方法
US11874328B2 (en) Detecting battery changeout
CN106716074B (zh) 探测装置
Li et al. Meteorological radar fault diagnosis based on deep learning
EP2956751B1 (en) Method and monitoring device for monitoring a structure
CN110207827A (zh) 一种基于异常因子提取的电气设备温度实时预警方法
CN109683565A (zh) 一种基于多方法融合的仪器仪表故障检测方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant