CN115187155A - 一种学校实验室设备状态数据管控方法 - Google Patents
一种学校实验室设备状态数据管控方法 Download PDFInfo
- Publication number
- CN115187155A CN115187155A CN202211118125.5A CN202211118125A CN115187155A CN 115187155 A CN115187155 A CN 115187155A CN 202211118125 A CN202211118125 A CN 202211118125A CN 115187155 A CN115187155 A CN 115187155A
- Authority
- CN
- China
- Prior art keywords
- equipment
- elements
- devices
- laboratory
- value
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 37
- 230000002159 abnormal effect Effects 0.000 claims abstract description 28
- 230000005856 abnormality Effects 0.000 claims abstract description 15
- 101150055297 SET1 gene Proteins 0.000 claims description 28
- 238000013523 data management Methods 0.000 claims description 18
- 101150117538 Set2 gene Proteins 0.000 claims description 14
- 101100042371 Caenorhabditis elegans set-3 gene Proteins 0.000 claims description 9
- 101100524347 Xenopus laevis req-b gene Proteins 0.000 claims description 6
- 238000004891 communication Methods 0.000 claims description 6
- 238000006467 substitution reaction Methods 0.000 claims description 6
- 230000001186 cumulative effect Effects 0.000 claims description 2
- 238000007689 inspection Methods 0.000 abstract description 4
- 230000009286 beneficial effect Effects 0.000 description 6
- 238000004590 computer program Methods 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 3
- 101100258233 Caenorhabditis elegans sun-1 gene Proteins 0.000 description 2
- 230000001174 ascending effect Effects 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/20—Education
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
-
- 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]
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- General Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- Computing Systems (AREA)
- Educational Technology (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Development Economics (AREA)
- Primary Health Care (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Selective Calling Equipment (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种实验室设备状态数据管控方法及系统，获取学校实验室中各个设备的历史状态数据，根据历史状态数据，构建中心判别模型，通过中心判别模型判断各个设备是否异常，并对存在异常的设备进行管控，同时更新中心判别模型，利用该模型持续地对设备进行异常判断直至没有异常设备。所述方法能够及时发现实验室中存在异常情况的设备，无需人工检查，大幅节省成本，还能有效减少因设备故障造成的损失，同时在设备发生异常时保留数据，防止数据丢失，充分提高实验室的安全性和设备稳定性。
Description
技术领域
本发明涉及设备管控领域，特别涉及一种学校实验室设备状态数据管控方法。
背景技术
随着学校实验室规模的不断扩大，实验室所需设备越来越多，为保证设备在使用过程中能够正常持续地运行，减少因故障、停机而造成的损失，需要时刻监测其状态并对其进行管控，以便在设备出现问题时及时采取措施防止意外发生。
发明内容
本发明的目的在于提出一种学校实验室设备状态数据管控方法，以解决现有技术中所存在的一个或多个技术问题，至少提供一种有益的选择或创造条件。
本发明提供了一种实验室设备状态数据管控方法，获取学校实验室中各个设备的历史状态数据，根据历史状态数据，构建中心判别模型，通过中心判别模型判断各个设备是否异常，并对存在异常的设备进行管控，同时更新中心判别模型，利用该模型持续地对设备进行异常判断直至没有异常设备。所述方法能够及时发现实验室中存在异常情况的设备，无需人工检查，大幅节省成本，还能有效减少因设备故障造成的损失，同时在设备发生异常时保留数据，防止数据丢失，充分提高实验室的安全性和设备稳定性。
为了实现上述目的，根据本公开的一方面，提供一种学校实验室设备状态数据管控方法，所述方法包括以下步骤：
S100，获取学校实验室中各个设备的历史状态数据；
S200，根据历史状态数据，构建中心判别模型；
S300，通过中心判别模型判断各个设备是否存在异常，标记存在异常的设备为待管控设备，更新中心判别模型；
S400，循环执行步骤S300直至实验室中没有设备存在异常；
其中，学校实验室中包括至少两台设备，所有设备通过有线或无线实现通信。
进一步地，S100，获取学校实验室中各个设备的历史状态数据，具体方法为，获取各个设备在时间t内的历史状态数据，所述t设定为[30,60]分钟（即获取当前时刻前30-60分钟的状态数据），所述历史状态数据，指设备请求次数和设备网络流量；所述设备请求次数，指设备的请求发送和请求接收的次数之和；所述设备网络流量，指设备连接到互联网或者远程服务器进行通信时产生的数据流量，或者指设备与实验室中其他设备进行通信时产生的数据流量。
进一步地，S200，根据历史状态数据，构建中心判别模型，具体步骤为：以时间t内
的每秒作为捕捉时刻（即一个捕捉时刻为一秒），将捕捉时刻转换为时间戳形式，以集合
set1储存学校实验室中所有设备在每个捕捉时刻时的设备请求次数的平均值，以集合set2
储存学校实验室中所有设备在每个捕捉时刻时的设备网络流量的平均值；记集合set1中所
有元素的平均值为rmv，记请求回代值 
，其中，N为集合
set1中所有元素的数量，set1i1为集合set1中的第i1个元素；记集合set2中所有元素的平均
值为afr，记流量回代值
，其中，M为集合set2中所有元素的
数量，set1i2为集合set2中的第i2个元素；创建二维数组Es，设置整数变量i3，令i3的初始值
为2，i3∈[2,N]；在i3的取值范围内遍历i3，当集合set1中第i3个元素和第i3-1个元素之间
的差值的绝对值小于zr时，以集合set1中的第i3个元素和第i3个元素所对应的捕捉时刻作
为一行添加到二维数组Es中，直至遍历至集合set1中最后一个元素（即Es中第一列元素为
设备请求次数，第二列元素为捕捉时刻）；创建二维数组Ta，设置整数变量i4，令i4的初始值
为2，i4∈[2,M]；在i4的取值范围内遍历i4，当集合set2中第i4个元素和第i4-1个元素之间
的差值的绝对值小于cf时，以集合set2中的第i4个元素和第i4个元素所对应的捕捉时刻作
为一行添加到二维数组Ta中，直至遍历至集合set2中最后一个元素（即Ta中第一列元素为
设备网络流量，第二列元素为捕捉时刻）；记集合set1中频数最高的元素和值最大的元素分
别为mm和ma，定义聚点条件为相邻两个元素之间的差值大于(mm+ma)/2，在数组Es中第一列
的所有元素中记满足聚点条件的两个相邻的元素所对应的捕捉时刻为cm1和cm2，在数组Ta
的第二列元素中记值大于cm1且小于cm2的所有元素所对应的设备请求次数为Req1,
Req2,…,ReqN，将Req1,Req2,…,ReqN逐个除以Req1得到数列kas={1,Req2/Req1,…,ReqN/
Req1}，将集合set1中所有元素逐个除以rmv得到集合set3，构建中心判别模型 
为
其中，exp表示以e为底数的指数运算，sum(set3)表示集合set3中所有元素的值的
总和，j为累加变量，P为数列kas中元素的数量，kasj表示数列kas中的第j个值，med(set3)
表示集合set3中所有元素的中位数，sum(kas)表示数列kas中所有元素的值的总和， 
为
模型变量（即模型的数据输入）。
本步骤的有益效果为：由于学校实验室的设备在运转过程中可能会被木马入侵或受到物理破坏，导致设备不能正常运行甚至运转中断，本步骤的方法通过监测所有设备的网络流量和请求次数，利用历史状态数据构建中心判别模型，中心判别模型为后续监测实验室设备是否存在异常提供准确的判断依据。
进一步地，在步骤S300中，通过中心判别模型判断各个设备是否存在异常，具体步
骤为：记学校实验室中所有设备的数量为tn，以tn个数字0,1,…,tn对学校实验室中所有设
备进行编号得到设备编号关系，获取学校实验室中每个设备在每分钟内的设备请求次数记
为r1,r2,…,rtn，记数组RTN={r1,r2,…,rtn}（数组下标与设备编号关系相一致），获取学
校实验室中每个设备在每分钟内的设备网络流量记为f1,f2,…,ftn，记数组FTN={f1,
f2,…,ftn}，记数组RTN中所有元素的均值为ravg，记数组FTN中所有元素的均值为favg，记
数组RTN中所有元素的标准差为rsd，记数组FTN中所有元素的标准差为fsd，将数组RTN中的
每个元素减去ravg再除以rsd得到数组RTNZ，将数组FTN中的每个元素减去favg再除以fsd
得到数组FTNZ，将数组RTNZ中的每个元素和数组FTNZ中的每个元素依次两两作加法运算得
到数组TN，依次将TN中的每个元素作为中心判别模型中的 
输入到中心判别模型Wrino中
得到tn个输出并记为w1,w2,…,wtn，记数组WTN={w1,w2,…,wtn}，将数组WTN中值小于K0/
K1的元素对应的设备标记为存在异常的设备（数组下标与设备编号关系相一致，根据设备
编号关系索引至对应设备），K0和K1分别为数组FTNZ的均值和数组RTNZ的均值。
本步骤的有益效果为：由于需要监测设备在运行过程中的状态是否正常，本步骤的方法利用设备在每分钟内的状态数据，通过转换计算数据以匹配中心判别模型的数据输入形式，利用中心判别模型准确识别实验室中存在异常的设备，并将其列为待管控设备，有效提高实验室设备的安全性，保证所有设备能够持续安全地运行。
进一步地，在步骤S300中，更新中心判别模型的具体方法为：将学校实验室中剔除
了待管控设备的剩余设备作为学校实验室中的所有设备（即剔除待管控设备），记在1小时
内设备网络流量最高的设备的设备请求次数为bv1，记在1小时内设备请求次数最高的设备
的设备网络流量为bv2，记所有设备在1小时内的设备请求次数的平均值除以bv1得到的值
为ravh，记所有设备在1小时内的设备网络流量的平均值除以bv2得到的值为favh，更新中
心判别模型
为
本步骤的有益效果为：由于存在异常的设备被标记为待管控设备，造成部分设备不再提供状态数据从而导致模型准确性下降，本步骤的方法可以更新模型，通过获取剩余设备的状态数据对模型进行参数上的更新，有效提高后续利用模型监测设备状态的准确性。
由于待管控设备的状态数据缺失，可能导致模型参数不准确，容易造成模型判断出错，为解决该问题，并进一步提高中心判别模型的准确性，本发明提供了一个更优先的更新中心判别模型的方法如下：
优选地，设定时间T为[1,2]小时，将学校实验室中剔除了待管控设备的剩余设备作为学校实验室中的所有设备，记学校实验室中所有设备的数量为N1，记待管控设备的数量为N2，记所有设备在时间T内的设备网络流量分别为fr1,fr2,…,frN1，记待管控设备在时间T内的设备网络流量分别为dn1,dn2,…,dnN2，以数组FR储存fr1,fr2,…,frN1，以数组DN储存dn1,dn2,…,dnN2，数组FR={fr1,fr2,…,frN1}，数组DN={dn1,dn2,…,dnN2}，将数组FR中的所有元素与数组DN中的所有元素组成数组FRDN={fr1,fr2,…,frN1,dn1,dn2,…,dnN2}，将数组FRDN中的所有元素升序排序（根据元素的值），创建一个首项为1、公差为1的等差数列an，以等差数列an中的前N1+N2项作为数组OR，记数组FR中的所有元素在数组FRDN中的下标为su1,su2,…,suN1，在数组OR中记下标为su1,su2,…,suN1的所有元素的和为sor，记有序置换值Sbv为
式中，NUM的值为N1+N2；将数组FR中的所有元素进行归一化处理得到数组NP，记数
组NP中第一个元素的值为 
，当2*Sbv小于
时，更新中心判别模型 
为
本步骤的有益效果为：由于实验室设备存在被再次入侵的风险，本步骤利用所有设备和待管控设备的设备网络流量得到的有序置换值并通过该值更新中心判别模型，相比于未更新的中心判别模型，其判断能力大幅提高，同时能够持续更新模型，迅速识别出存在异常的设备，从而解决了模型准确性不高的问题，有效增强了实验室设备的持续安全运行能力。
本公开还提供了一种学校实验室设备状态数据管控系统，所述一种学校实验室设备状态数据管控系统包括：处理器、存储器及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现一种学校实验室设备状态数据管控方法中的步骤，所述学校实验室设备状态数据管控系统可以运行于桌上型计算机、笔记本电脑、移动电话、手提电话、平板电脑、掌上电脑及云端数据中心等计算设备中，可运行的系统可包括，但不仅限于，处理器、存储器、服务器集群，所述处理器执行所述计算机程序运行在以下系统的单元中：
数据获取单元，用于获取学校实验室中各个设备的历史状态数据；
模型构建单元，用于根据历史状态数据，构建中心判别模型；
设备校正单元，用于通过中心判别模型判断各个设备是否存在异常，标记存在异常的设备为待管控设备，更新中心判别模型；
模型执行单元，用于循环执行中心判别模型并更新模型直至实验室中没有设备存在异常。
本发明的有益效果为：所述方法能够及时发现实验室中存在异常情况的设备，无需人工检查，大幅节省成本，还能有效减少因设备故障造成的损失，同时在设备发生异常时保留数据，防止数据丢失，充分提高实验室的安全性和设备稳定性。
附图说明
通过对结合附图所示出的实施方式进行详细说明，本公开的上述以及其他特征将更加明显，本公开附图中相同的参考标号表示相同或相似的元素，显而易见地，下面描述中的附图仅仅是本公开的一些实施例，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，在附图中：
图1所示为一种学校实验室设备状态数据管控方法的流程图；
图2所示为一种学校实验室设备状态数据管控系统的系统结构图。
具体实施方式
以下将结合实施例和附图对本公开的构思、具体结构及产生的技术效果进行清楚、完整的描述，以充分地理解本公开的目的、方案和效果。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。
在本发明的描述中，若干的含义是一个或者多个，多个的含义是两个以上，大于、小于、超过等理解为不包括本数，以上、以下、以内等理解为包括本数。如果有描述到第一、第二只是用于区分技术特征为目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量或者隐含指明所指示的技术特征的先后关系。
如图1所示为根据本发明的一种学校实验室设备状态数据管控方法的流程图，下面结合图1来阐述根据本发明的实施方式的一种学校实验室设备状态数据管控方法。
本公开提出一种学校实验室设备状态数据管控方法，所述方法包括以下步骤：
S100，获取学校实验室中各个设备的历史状态数据；
S200，根据历史状态数据，构建中心判别模型；
S300，通过中心判别模型判断各个设备是否存在异常，标记存在异常的设备为待管控设备，更新中心判别模型；
S400，循环执行步骤S300直至实验室中没有设备存在异常；
其中，学校实验室中包括至少两台设备，所有设备通过有线或无线实现通信。
进一步地，S100，获取学校实验室中各个设备的历史状态数据，具体方法为，获取各个设备在时间t内的历史状态数据，所述t设定为[30,60]分钟（即获取当前时刻前30-60分钟的状态数据），所述历史状态数据，指设备请求次数和设备网络流量；所述设备请求次数，指设备的请求发送和请求接收的次数之和；所述设备网络流量，指设备连接到互联网或者远程服务器进行通信时产生的数据流量，或者指设备与实验室中其他设备进行通信时产生的数据流量。
进一步地，S200，根据历史状态数据，构建中心判别模型，具体步骤为：以时间t内
的每秒作为捕捉时刻（即一个捕捉时刻为一秒），将捕捉时刻转换为时间戳形式，以集合
set1储存学校实验室中所有设备在每个捕捉时刻时的设备请求次数的平均值，以集合set2
储存学校实验室中所有设备在每个捕捉时刻时的设备网络流量的平均值（一个捕捉时刻对
应一个平均值）；记集合set1中所有元素的平均值为rmv，记请求回代值
，其中，N为集合set1中所有元素的数量，set1i1为集合
set1中的第i1个元素；记集合set2中所有元素的平均值为afr，记流量回代值
，其中，M为集合set2中所有元素的数量，set1i2为集合set2
中的第i2个元素；创建二维数组Es，设置整数变量i3，令i3的初始值为2，i3∈[2,N]；在i3的
取值范围内遍历i3，当集合set1中第i3个元素和第i3-1个元素之间的差值的绝对值小于zr
时，以集合set1中的第i3个元素和第i3个元素所对应的捕捉时刻作为一行添加到二维数组
Es中（即Es中第一列元素为设备请求次数，第二列元素为捕捉时刻），直至遍历至集合set1
中最后一个元素；创建二维数组Ta，设置整数变量i4，令i4的初始值为2，i4∈[2,M]；在i4的
取值范围内遍历i4，当集合set2中第i4个元素和第i4-1个元素之间的差值的绝对值小于cf
时，以集合set2中的第i4个元素和第i4个元素所对应的捕捉时刻作为一行添加到二维数组
Ta中（即Ta中第一列元素为设备网络流量，第二列元素为捕捉时刻），直至遍历至集合set2
中最后一个元素；记集合set1中频数最高的元素和值最大的元素分别为mm和ma，定义聚点
条件为相邻两个元素之间的差值大于(mm+ma)/2，在数组Es中第一列的所有元素中记满足
聚点条件的两个相邻的元素所对应的捕捉时刻为cm1和cm2（即设备请求次数对应的捕捉时
刻），在数组Ta的第二列元素中记值大于cm1且小于cm2的所有元素所对应的设备请求次数
为Req1,Req2,…,ReqN，将Req1,Req2,…,ReqN逐个除以Req1得到数列kas={1,Req2/
Req1,…,ReqN/Req1}，将集合set1中所有元素逐个除以rmv得到集合set3，构建中心判别模
型
为
其中，exp表示以e为底数的指数运算，sum(set3)表示集合set3中所有元素的值的
总和，j为累加变量，P为数列kas中元素的数量，kasj表示数列kas中的第j个值，med(set3)
表示集合set3中所有元素的中位数，sum(kas)表示数列kas中所有元素的值的总和，
为模
型变量（即模型的数据输入）。
进一步地，在步骤S300中，通过中心判别模型判断各个设备是否存在异常，具体步
骤为：记学校实验室中所有设备的数量为tn，以tn个数字0,1,…,tn对学校实验室中所有设
备进行编号得到设备编号关系，获取学校实验室中每个设备在每分钟内的设备请求次数记
为r1,r2,…,rtn，记数组RTN={r1,r2,…,rtn}（数组下标与设备编号关系相一致），获取学
校实验室中每个设备在每分钟内的设备网络流量记为f1,f2,…,ftn，记数组FTN={f1,
f2,…,ftn}，记数组RTN中所有元素的均值为ravg，记数组FTN中所有元素的均值为favg，记
数组RTN中所有元素的标准差为rsd，记数组FTN中所有元素的标准差为fsd，将数组RTN中的
每个元素减去ravg再除以rsd得到数组RTNZ，将数组FTN中的每个元素减去favg再除以fsd
得到数组FTNZ，将数组RTNZ中的每个元素和数组FTNZ中的每个元素依次两两作加法运算得
到数组TN，依次将TN中的每个元素作为中心判别模型中的 
输入到中心判别模型Wrino中
得到tn个输出并记为w1,w2,…,wtn，记数组WTN={w1,w2,…,wtn}，将数组WTN中值小于K0/
K1的元素对应的设备标记为存在异常的设备（数组下标与设备编号关系相一致，根据设备
编号关系索引至对应设备），K0和K1分别为数组FTNZ的均值和数组RTNZ的均值。
进一步地，在步骤S300中，更新中心判别模型的具体方法为：将学校实验室中剔除
了待管控设备的剩余设备作为学校实验室中的所有设备（即剔除待管控设备，剩余设备的
数量加上待管控设备的数量等于实验室中原来所有设备的数量），记在1小时内设备网络流
量最高的设备的设备请求次数为bv1，记在1小时内设备请求次数最高的设备的设备网络流
量为bv2，记所有设备在1小时内的设备请求次数的平均值除以bv1得到的值为ravh，记所有
设备在1小时内的设备网络流量的平均值除以bv2得到的值为favh，更新中心判别模型 
为
由于待管控设备的状态数据缺失，可能导致模型参数不准确，容易造成模型判断出错，为解决该问题，并进一步提高中心判别模型的准确性，本发明提供了一个更优先的更新中心判别模型的方法如下：
优选地，设定时间T为[1,2]小时，将学校实验室中剔除了待管控设备的剩余设备作为学校实验室中的所有设备，记学校实验室中所有设备的数量为N1，记待管控设备的数量为N2，记所有设备在时间T内的设备网络流量分别为fr1,fr2,…,frN1，记待管控设备在时间T内的设备网络流量分别为dn1,dn2,…,dnN2，以数组FR储存fr1,fr2,…,frN1，以数组DN储存dn1,dn2,…,dnN2，数组FR={fr1,fr2,…,frN1}，数组DN={dn1,dn2,…,dnN2}，将数组FR中的所有元素与数组DN中的所有元素组成数组FRDN={fr1,fr2,…,frN1,dn1,dn2,…,dnN2}，将数组FRDN中的所有元素升序排序（根据元素的值），创建一个首项为1、公差为1的等差数列an，以等差数列an中的前N1+N2项作为数组OR，记数组FR中的所有元素在数组FRDN中的下标为su1,su2,…,suN1，在数组OR中记下标为su1,su2,…,suN1的所有元素的和为sor，记有序置换值Sbv为
式中，NUM的值为N1+N2；将数组FR中的所有元素进行归一化处理得到数组NP，记数
组NP中第一个元素的值为 
，当2*Sbv小于
时，更新中心判别模型
为
所述一种学校实验室设备状态数据管控系统包括：处理器、存储器及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述一种学校实验室设备状态数据管控方法实施例中的步骤，所述一种学校实验室设备状态数据管控系统可以运行于桌上型计算机、笔记本电脑、移动电话、手提电话、平板电脑、掌上电脑及云端数据中心等计算设备中，可运行的系统可包括，但不仅限于，处理器、存储器、服务器集群。
本公开的实施例提供的一种学校实验室设备状态数据管控系统，如图2所示，该实施例的一种学校实验室设备状态数据管控系统包括：处理器、存储器及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述一种学校实验室设备状态数据管控方法实施例中的步骤，所述处理器执行所述计算机程序运行在以下系统的单元中：
数据获取单元，用于获取学校实验室中各个设备的历史状态数据；
模型构建单元，用于根据历史状态数据，构建中心判别模型；
设备校正单元，用于通过中心判别模型判断各个设备是否存在异常，标记存在异常的设备为待管控设备，更新中心判别模型；
模型执行单元，用于循环执行中心判别模型并更新模型直至实验室中没有设备存在异常。
所述一种学校实验室设备状态数据管控系统可以运行于桌上型计算机、笔记本电脑、掌上电脑及云端数据中心等计算设备中。所述一种学校实验室设备状态数据管控系统包括，但不仅限于， 处理器、存储器。本领域技术人员可以理解，所述例子仅仅是一种学校实验室设备状态数据管控方法及系统的示例，并不构成对一种学校实验室设备状态数据管控方法及系统的限定，可以包括比例子更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述一种学校实验室设备状态数据管控系统还可以包括输入输出设备、网络接入设备、总线等。
所称处理器可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器 (Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立元器件门电路或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，所述处理器是所述一种学校实验室设备状态数据管控系统的控制中心，利用各种接口和线路连接整个一种学校实验室设备状态数据管控系统的各个分区域。
所述存储器可用于存储所述计算机程序和/或模块，所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现所述一种学校实验室设备状态数据管控方法及系统的各种功能。所述存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡 (Smart Media Card ,SMC)，安全数字 (Secure Digital ,SD)卡，闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
本发明提供了一种学校实验室设备状态数据管控方法，本发明提供了一种实验室设备状态数据管控方法，获取学校实验室中各个设备的历史状态数据，根据历史状态数据，构建中心判别模型，通过中心判别模型判断各个设备是否异常，并对存在异常的设备进行管控，同时更新中心判别模型，利用该模型持续地对设备进行异常判断直至没有异常设备。所述方法能够及时发现实验室中存在异常情况的设备，无需人工检查，大幅节省成本，还能有效减少因设备故障造成的损失，同时在设备发生异常时保留数据，防止数据丢失，充分提高实验室的安全性和设备稳定性。尽管本公开的描述已经相当详尽且特别对几个所述实施例进行了描述，但其并非旨在局限于任何这些细节或实施例或任何特殊实施例，从而有效地涵盖本公开的预定范围。此外，上文以发明人可预见的实施例对本公开进行描述，其目的是为了提供有用的描述，而那些目前尚未预见的对本公开的非实质性改动仍可代表本公开的等效改动。
Claims (5)
1.一种学校实验室设备状态数据管控方法，其特征在于，所述方法包括以下步骤：
S100，获取学校实验室中各个设备的历史状态数据；
S200，根据历史状态数据，构建中心判别模型；
S300，通过中心判别模型判断各个设备是否存在异常，标记存在异常的设备为待管控设备，更新中心判别模型；
S400，循环执行步骤S300直至实验室中没有设备存在异常；
其中，学校实验室中包括至少两台设备，所有设备通过有线或无线实现通信。
2.根据权利要求1所述的一种学校实验室设备状态数据管控方法，其特征在于，S100，获取学校实验室中各个设备的历史状态数据，具体方法为，获取各个设备在时间t内的历史状态数据，所述t设定为[30,60]分钟，所述历史状态数据，指设备请求次数和设备网络流量；所述设备请求次数，指设备的请求发送和请求接收的次数之和；所述设备网络流量，指设备连接到互联网或者远程服务器进行通信时产生的数据流量，或者指设备与实验室中其他设备进行通信时产生的数据流量。
3.根据权利要求1所述的一种学校实验室设备状态数据管控方法，其特征在于，S200，
根据历史状态数据，构建中心判别模型，具体步骤为：以时间t内的每秒作为捕捉时刻，将捕
捉时刻转换为时间戳形式，以集合set1储存学校实验室中所有设备在每个捕捉时刻时的设
备请求次数的平均值，以集合set2储存学校实验室中所有设备在每个捕捉时刻时的设备网
络流量的平均值；记集合set1中所有元素的平均值为rmv，记请求回代值 
，其中，N为集合set1中所有元素的数量，set1i1为集合
set1中的第i1个元素；记集合set2中所有元素的平均值为afr，记流量回代值
，其中，M为集合set2中所有元素的数量，set1i2为集合set2
中的第i2个元素；创建二维数组Es，设置整数变量i3，令i3的初始值为2，i3∈[2,N]；在i3的
取值范围内遍历i3，当集合set1中第i3个元素和第i3-1个元素之间的差值的绝对值小于zr
时，以集合set1中的第i3个元素和第i3个元素所对应的捕捉时刻作为一行添加到二维数组
Es中，直至遍历至集合set1中最后一个元素；创建二维数组Ta，设置整数变量i4，令i4的初
始值为2，i4∈[2,M]；在i4的取值范围内遍历i4，当集合set2中第i4个元素和第i4-1个元素
之间的差值的绝对值小于cf时，以集合set2中的第i4个元素和第i4个元素所对应的捕捉时
刻作为一行添加到二维数组Ta中，直至遍历至集合set2中最后一个元素；记集合set1中频
数最高的元素和值最大的元素分别为mm和ma，定义聚点条件为相邻两个元素之间的差值大
于(mm+ma)/2，在数组Es中第一列的所有元素中记满足聚点条件的两个相邻的元素所对应
的捕捉时刻为cm1和cm2，在数组Ta的第二列元素中记值大于cm1且小于cm2的所有元素所对
应的设备请求次数为Req1,Req2,…,ReqN，将Req1,Req2,…,ReqN逐个除以Req1得到数列
kas={1,Req2/Req1,…,ReqN/Req1}，将集合set1中所有元素逐个除以rmv得到集合set3，构
建中心判别模型 
为
其中，exp表示以e为底数的指数运算，sum(set3)表示集合set3中所有元素的值的总
和，j为累加变量，P为数列kas中元素的数量，kasj表示数列kas中的第j个值，med(set3)表
示集合set3中所有元素的中位数，sum(kas)表示数列kas中所有元素的值的总和，
为模型
变量。
4.根据权利要求1所述的一种学校实验室设备状态数据管控方法，其特征在于，在步骤
S300中，通过中心判别模型判断各个设备是否存在异常，具体步骤为：记学校实验室中所有
设备的数量为tn，以tn个数字0,1,…,tn对学校实验室中所有设备进行编号得到设备编号
关系，获取学校实验室中每个设备在每分钟内的设备请求次数记为r1,r2,…,rtn，记数组
RTN={r1,r2,…,rtn}，获取学校实验室中每个设备在每分钟内的设备网络流量记为f1,
f2,…,ftn，记数组FTN={f1,f2,…,ftn}，记数组RTN中所有元素的均值为ravg，记数组FTN
中所有元素的均值为favg，记数组RTN中所有元素的标准差为rsd，记数组FTN中所有元素的
标准差为fsd，将数组RTN中的每个元素减去ravg再除以rsd得到数组RTNZ，将数组FTN中的
每个元素减去favg再除以fsd得到数组FTNZ，将数组RTNZ中的每个元素和数组FTNZ中的每
个元素依次两两作加法运算得到数组TN，依次将TN中的每个元素作为中心判别模型中的
输入到中心判别模型Wrino中得到tn个输出并记为w1,w2,…,wtn，记数组WTN={w1,w2,…,
wtn}，将数组WTN中值小于K0/K1的元素对应的设备标记为存在异常的设备，K0和K1分别为
数组FTNZ的均值和数组RTNZ的均值。
5.根据权利要求1所述的一种学校实验室设备状态数据管控方法，其特征在于，在步骤
S300中，更新中心判别模型的具体方法为：将学校实验室中剔除了待管控设备的剩余设备
作为学校实验室中的所有设备，记在1小时内设备网络流量最高的设备的设备请求次数为
bv1，记在1小时内设备请求次数最高的设备的设备网络流量为bv2，记所有设备在1小时内
的设备请求次数的平均值除以bv1得到的值为ravh，记所有设备在1小时内的设备网络流量
的平均值除以bv2得到的值为favh，更新中心判别模型 
为
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211118125.5A CN115187155B (zh) | 2022-09-15 | 2022-09-15 | 一种学校实验室设备状态数据管控方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211118125.5A CN115187155B (zh) | 2022-09-15 | 2022-09-15 | 一种学校实验室设备状态数据管控方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115187155A true CN115187155A (zh) | 2022-10-14 |
| CN115187155B CN115187155B (zh) | 2022-12-27 |
Family
ID=83524415
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211118125.5A Active CN115187155B (zh) | 2022-09-15 | 2022-09-15 | 一种学校实验室设备状态数据管控方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115187155B (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20050197803A1 (en) * | 2004-03-03 | 2005-09-08 | Fisher-Rosemount Systems, Inc. | Abnormal situation prevention in a process plant |
| WO2019140777A1 (zh) * | 2018-01-22 | 2019-07-25 | 平安科技（深圳）有限公司 | 移动终端app数据的请求方法、装置、设备及存储介质 |
| CN110173872A (zh) * | 2019-04-22 | 2019-08-27 | 广东美博制冷设备有限公司 | 空调机的异常运行检测方法及装置 |
| US20190279777A1 (en) * | 2018-03-12 | 2019-09-12 | Laboratory Corporation Of America Holdings | Data Management for Genetic Laboratory Testing |
| CN112345874A (zh) * | 2021-01-11 | 2021-02-09 | 北京三维天地科技股份有限公司 | 一种基于5g的实验室仪器设备在线故障诊断方法及系统 |
| US20220020502A1 (en) * | 2018-11-19 | 2022-01-20 | Nippon Telegraph And Telephone Corporation | Emergency demand prediction device, emergency demand prediction method, and program |
| CN114353881A (zh) * | 2022-03-18 | 2022-04-15 | 广东银纳增材制造技术有限公司 | 一种基于复合传感器的设备异常监测方法及系统 |
| CN114448814A (zh) * | 2022-04-08 | 2022-05-06 | 仲恺农业工程学院 | 一种基于5G plus智能实验室监控方法及系统 |
-
2022
- 2022-09-15 CN CN202211118125.5A patent/CN115187155B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20050197803A1 (en) * | 2004-03-03 | 2005-09-08 | Fisher-Rosemount Systems, Inc. | Abnormal situation prevention in a process plant |
| WO2019140777A1 (zh) * | 2018-01-22 | 2019-07-25 | 平安科技（深圳）有限公司 | 移动终端app数据的请求方法、装置、设备及存储介质 |
| US20190279777A1 (en) * | 2018-03-12 | 2019-09-12 | Laboratory Corporation Of America Holdings | Data Management for Genetic Laboratory Testing |
| US20220020502A1 (en) * | 2018-11-19 | 2022-01-20 | Nippon Telegraph And Telephone Corporation | Emergency demand prediction device, emergency demand prediction method, and program |
| CN110173872A (zh) * | 2019-04-22 | 2019-08-27 | 广东美博制冷设备有限公司 | 空调机的异常运行检测方法及装置 |
| CN112345874A (zh) * | 2021-01-11 | 2021-02-09 | 北京三维天地科技股份有限公司 | 一种基于5g的实验室仪器设备在线故障诊断方法及系统 |
| CN114353881A (zh) * | 2022-03-18 | 2022-04-15 | 广东银纳增材制造技术有限公司 | 一种基于复合传感器的设备异常监测方法及系统 |
| CN114448814A (zh) * | 2022-04-08 | 2022-05-06 | 仲恺农业工程学院 | 一种基于5G plus智能实验室监控方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115187155B (zh) | 2022-12-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| WO2021184554A1 (zh) | 数据库异常监测方法、装置、计算机装置及存储介质 | |
| US20240012707A1 (en) | Log analysis in vector space | |
| CN112449696B (zh) | 时序数据诊断装置、追加学习方法及程序 | |
| US8782219B2 (en) | Automated discovery of template patterns based on received server requests | |
| US9866548B2 (en) | Authentication-free configuration for service controllers | |
| US20200026268A1 (en) | Control device and diagnosis system | |
| US9210219B2 (en) | Systems and methods for consistent hashing using multiple hash rings | |
| CN110083475B (zh) | 一种异常数据的检测方法及装置 | |
| CN111625252B (zh) | 集群的升级维护方法、装置、电子设备及存储介质 | |
| US20220121641A1 (en) | Multi-sensor-based state estimation method and apparatus and terminal device | |
| CN113407522A (zh) | 一种数据处理方法、装置、计算机设备和计算机可读存储介质 | |
| US20160179815A1 (en) | Processing event log data | |
| JP2021184139A (ja) | 管理計算機、管理プログラム、及び管理方法 | |
| US8136012B2 (en) | Method and system for updating topology changes of a computer network | |
| CN112632052B (zh) | 一种异构数据的共享方法及智能共享系统 | |
| CN115187155B (zh) | 一种学校实验室设备状态数据管控方法 | |
| US10223189B1 (en) | Root cause detection and monitoring for storage systems | |
| US10891292B2 (en) | Database management system and database management method | |
| US20230385495A1 (en) | Efficient circuit simulation method and apparatus, device, and storage medium | |
| US9268809B2 (en) | Method and system for document update | |
| WO2020044090A1 (zh) | 确定变更事件发布成功的方法及其装置 | |
| US11138512B2 (en) | Management of building energy systems through quantification of reliability | |
| US20230004322A1 (en) | Managing provenance information for data processing pipelines | |
| CN106777981B (zh) | 一种行为数据的校验方法及装置 | |
| CN116225696B (zh) | 用于流处理系统的算子并发度调优方法及装置 |
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 |