CN117275474B - 一种基于智能语音识别的仪表数据管理系统及方法 - Google Patents

一种基于智能语音识别的仪表数据管理系统及方法 Download PDF

Info

Publication number
CN117275474B
CN117275474B CN202311023033.3A CN202311023033A CN117275474B CN 117275474 B CN117275474 B CN 117275474B CN 202311023033 A CN202311023033 A CN 202311023033A CN 117275474 B CN117275474 B CN 117275474B
Authority
CN
China
Prior art keywords
voice
data
instruction
instrument
unit
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.)
Active
Application number
CN202311023033.3A
Other languages
English (en)
Other versions
CN117275474A (zh
Inventor
徐承云
吴伟
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.)
Jiangsu Hualiu Instrument Co ltd
Original Assignee
Jiangsu Hualiu Instrument 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 Jiangsu Hualiu Instrument Co ltd filed Critical Jiangsu Hualiu Instrument Co ltd
Priority to CN202311023033.3A priority Critical patent/CN117275474B/zh
Publication of CN117275474A publication Critical patent/CN117275474A/zh
Application granted granted Critical
Publication of CN117275474B publication Critical patent/CN117275474B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/08—Speech classification or search
    • G10L15/18—Speech classification or search using natural language modelling
    • G10L15/1822—Parsing for meaning understanding
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04Q—SELECTING
    • H04Q9/00—Arrangements in telecontrol or telemetry systems for selectively calling a substation from a main station, in which substation desired apparatus is selected for applying a control signal thereto or for obtaining measured values therefrom
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
    • G10L2015/223—Execution procedure of a spoken command
    • 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

  • Engineering & Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Health & Medical Sciences (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Human Computer Interaction (AREA)
  • Physics & Mathematics (AREA)
  • Acoustics & Sound (AREA)
  • Multimedia (AREA)
  • Artificial Intelligence (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Selective Calling Equipment (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及仪表数据管理技术领域，具体为一种基于智能语音识别的仪表数据管理系统及方法，包括：仪表信息采集模块、数据库、数据存储分析模块、数据存储管理模块和仪表控制管理模块，通过仪表信息采集模块采集语音指令发布历史数据以及仪表控制历史数据，将采集到的全部数据传输到数据库，通过数据库存储接收到的全部数据，通过数据存储分析模块分析语音指令发布历史数据，对语音指令的删除进行判断，通过数据存储管理模块规划需要保留存储的语音指令数据，通过仪表控制管理模块通过发布保留存储的语音指令对仪表进行语音控制，提高了语音控制仪表的便利性，减少了无效语音数据的存储，节省了数据存储空间。

Description

一种基于智能语音识别的仪表数据管理系统及方法
技术领域
本发明涉及仪表数据管理技术领域，具体为一种基于智能语音识别的仪表数据管理系统及方法。
背景技术
随着嵌入式技术的发展，现有仪表的功能性不断增加，增加的功能使得对仪表进行控制更加复杂，需要现场对仪表进行操控才能完成数据记录等工作，工业用仪表因其特殊的工作环境，常常需要具备隔离、防爆、防尘等防护要求，仪表需要处于绝对隔离的环境中，为使用按键、旋钮等现场控制带来了限制性，借助语音这一媒介对仪表进行远程控制能够摆脱现场控制的限制性；
然而，通过语音控制仪表，每次控制仪表时都需要发送一次语音指令，未能够对经常发布的语音指令进行存储，无法提高语音控制仪表的便利性；其次，若将语音数据存储在终端，大量语音数据的累积存储容易造成数据甚至是无效数据的堆积，无法在提高语音控制仪表便利性的同时节省存储空间、减轻存储的语音数据累积带来的存储压力。
所以，人们需要一种基于智能语音识别的仪表数据管理系统及方法来解决上述问题。
发明内容
本发明的目的在于提供一种基于智能语音识别的仪表数据管理系统及方法，以解决上述背景技术中提出的问题。
为了解决上述技术问题，本发明提供如下技术方案：一种基于智能语音识别的仪表数据管理系统，所述系统包括：仪表信息采集模块、数据库、数据存储分析模块、数据存储管理模块和仪表控制管理模块；
所述仪表信息采集模块的输出端连接所述数据库的输入端，所述数据库的输出端连接所述数据存储分析模块和数据存储管理模块的输入端，所述数据存储分析模块的输出端连接所述数据存储管理模块的输入端，所述数据存储管理模块的输出端连接所述仪表控制管理模块的输入端；
所述仪表信息采集模块用于采集语音指令发布历史数据以及仪表控制历史数据，将采集到的全部数据传输到所述数据库；
所述数据库用于存储接收到的全部数据；
所述数据存储分析模块用于分析语音指令发布历史数据，对语音指令的删除进行判断；
所述数据存储管理模块用于规划需要保留存储的语音指令数据；
所述仪表控制管理模块用于通过发布保留存储的语音指令对仪表进行语音控制。
进一步的，所述仪表信息采集模块包括控制数据采集单元、语音数据采集单元和执行数据采集单元；
所述控制数据采集单元、语音数据采集单元和执行数据采集单元的输出端连接所述数据库的输入端；
所述控制数据采集单元用于采集以往语音指令的发布时间数据；
所述语音数据采集单元用于采集以往发布的语音指令数据；
所述执行数据采集单元用于以往控制终端在接收并识别语音指令、控制仪表执行指令时，执行操作错误的次数以及执行时间数据。
进一步的，所述数据存储分析模块包括语音指令存储单元、指令发布时间预测单元和数据删除选择单元；
所述语音指令存储单元用于将发布的所有语音指令存储在存储终端中；
语音指令无须当场实时输入，对语音指令进行预先存储，在需要对仪表进行语音控制时，可以通过直接发送预先存储的表达相同语义的语音指令来对仪表进行控制，提高了语音控制仪表的便利性；
所述指令发布时间预测单元用于将以往发布的语音指令按语义进行分类，调取以往随机一类语音指令的发布时间间隔数据，建立语音指令发布时间预测模型，预测下一次发布对应类别语音指令的时间；
所述数据删除选择单元用于若到预测的时间为止未发布对应类别的语音指令，选择将对应类别的语音指令全部删除；若到预测的时间为止发布了对应类别的语音指令，选择保留一个最佳的语音指令，将剩余的同类别语音指令删除。
进一步的，所述数据存储管理模块包括保留价值分析单元和数据筛除规划单元；
所述保留价值分析单元的输入端连接所述数据删除选择单元和数据库的输出端，所述保留价值分析单元的输出端连接所述数据筛除规划单元的输入端；
所述保留价值分析单元用于若选择保留一个最佳的语音指令，调取以往控制终端在接收并识别语音指令、控制仪表执行指令时，执行操作错误的次数以及执行时间数据，分析属于对应类别的所有语音指令的保留价值；
所述数据筛除规划单元用于按保留价值将属于对应类别的语音指令进行分组，依据分组结果筛选出一个最佳的语音指令进行保留，将剩余的语音指令进行删除。
进一步的，所述仪表控制管理模块包括存储指令发布单元、语音指令识别单元和指令执行控制单元；
所述存储指令发布单元的输入端连接所述数据筛除规划单元的输出端，所述存储指令发布单元的输出端连接所述语音指令识别单元的输入端，所述语音指令识别单元的输出端连接所述指令执行控制单元的输入端；
所述存储指令发布单元用于对存储的语音指令表达的语义进行标注，在需要发布语音指令时，从存储的指令中选择一个语音指令进行发布；
所述语音指令识别单元用于对发布的语音指令进行识别；
所述指令执行控制单元用于控制仪表执行对应语音指令。
一种基于智能语音识别的仪表数据管理方法，包括以下步骤：
S1：采集语音指令发布历史数据以及仪表控制历史数据；
S2：分析语音指令发布历史数据，对语音指令的删除进行判断；
S3：规划需要保留存储的语音指令数据；
S4：通过发布保留存储的语音指令对仪表进行语音控制。
进一步的，在步骤S1中：采集以往语音指令发布的时间，将语音指令按语义进行分类，获取到随机一类语音指令发布的时间间隔序列为V(0)＝{V(0)(1)，V(0)(2)，…，V(0)(f)}，其中，获取到对应类别的语音指令共发布了f+1次，V(0)(f)表示第f+1次与第f次语音指令发布的时间间隔，采集以往控制终端在接收并识别语音指令、控制仪表执行指令时，执行操作错误的次数以及执行时间数据。
进一步的，在步骤S2中：调取随机一类语音指令发布的时间间隔序列，构造累加生成序列为V(1)＝{V(1)(1)，V(1)(2)，…，V(1)(n)，…，V(1)(f)}，其中， n＝1,2,…,f，令Y(1)为V(1)的紧邻均值生成序列，Y(1)＝{Y(1)(2)，Y(1)(3)，…，Y(1)(f)}，根据下列公式构造数据矩阵A和数据向量B：
建立语音指令发布时间预测模型：预测得到第f+2次与第f+1次语音指令发布的时间间隔V(0)(f+1)，其中，a表示发展灰数，b表示内生控制灰数，/>采集到第f+1次语音指令发布的时间为T，若在T到V(0)(f+1)+T时间段内未发布对应类别的语音指令，选择将对应类别的语音指令全部删除；若在T到V(0)(f+1)+T时间段内发布了对应类别的语音指令，选择保留一个最佳的语音指令，将剩余的同类别语音指令删除；
通过大数据技术采集以往随机一类语音指令的发布时间，利用灰度预测算法分析历史发布时间规律，预测下一次可能会发布对应类别语音指令时间，依据预测结果选择性地删除语音指令数据，若到预测的时间还未发布对应类别的语音指令，预判对应类别的语音指令在短时间内不会被使用，选择将语音指令全部删除；若发布了语音指令，预判对应类别的语音指令在短时间内可能会被使用，选择保留一个语音指令，将其余属于同类别甚至重复的语音指令做删除处理，在提高了保留存储的语音数据有效性的同时节省了终端的数据存储空间。
进一步的，在步骤S3中：若选择保留一个最佳的语音指令，调取到以往在接收并识别对应类别的语音指令、控制仪表执行指令时，执行操作错误的次数集合为H＝{H1，H2，…，Hm}，从语音指令发布到执行的平均间隔时长集合为t＝{t1，t2，…，tm}，根据公式 计算随机一个语音指令的保留价值Xj，其中，Hj表示执行第j个指令错误的次数，m表示对应类别的语音指令个数，得到m个语音指令的保留价值集合为X＝{X1，X2，…，Xj，…，Xm}，将保留价值按从大到小的顺序进行排列，将m个语音指令按保留价值分为n组，其中，前一组中所有语音指令的保留价值大于后一组中每个语音指令的保留价值，获取到随机一种分组结果中，n组中每组语音指令的平均保留价值集合为Z＝{Z1，Z2，…，Zn}，根据公式/>选择最优的分组结果，其中，L表示随机一种分组结果中，n组语音指令的保留价值离散程度，选择使得离散程度最大的分组结果作为最优的分组结果，从最优的分组结果中获取第一组的语音指令，从第一组的语音指令中任意选择一个语音指令作为最佳的语音指令进行保留存储，将剩余的同类别语音指令删除；
在选择需要保留的语音指令时，通过大数据采集并分析以往不同的语音指令发布后控制仪表执行指令错误的次数以及从发布到执行需要的时长数据，来分析不同语音指令的保留价值，执行错误次数越多、从发布到执行需要的时间越长，判断对应语音指令越难以识正确识别，由于存在部分语音指令的识别难度，即保留价值很相近，选择通过分组并寻找最优分组结果的方式筛选出部分保留价值很相近且偏高的语音指令，从这部分语音指令中任意选择一个作为最佳的语音指令进行保留存储，而不是只选择一个语音指令进行保留存储，提高了选择结果的合理性。
进一步的，在步骤S4中：在需要发布语音指令时，从保留存储的指令中选择一个语音指令进行发布，对发布的语音指令进行识别并控制仪表执行对应语音指令；
对语音数据做好存储管理后，通过直接发送预先存储的表达相同语义的语音指令来对仪表进行控制，在提高了语音控制仪表的便利性的同时节省了数据存储空间。
与现有技术相比，本发明所达到的有益效果是：
本发明通过对语音指令进行预先存储，在需要对仪表进行语音控制时，可以通过直接发送预先存储的表达相同语义的语音指令来对仪表进行控制，提高了语音控制仪表的便利性；
通过大数据技术采集以往随机一类语音指令的发布时间，利用灰度预测算法分析历史发布时间规律，预测下一次可能会发布对应类别语音指令时间，依据预测结果选择性地删除语音指令数据，若到预测的时间还未发布对应类别的语音指令，预判对应类别的语音指令在短时间内不会被使用，选择将语音指令全部删除；若发布了语音指令，预判对应类别的语音指令在短时间内可能会被使用，选择保留一个语音指令，将其余属于同类别甚至重复的语音指令做删除处理，在提高了保留存储的语音数据有效性的同时节省了终端的数据存储空间；
在选择需要保留的语音指令时，通过大数据采集并分析以往不同的语音指令发布后控制仪表执行指令错误的次数以及从发布到执行需要的时长数据，来分析不同语音指令的保留价值，选择通过分组并寻找最优分组结果的方式筛选出部分保留价值很相近且偏高的语音指令，从这部分语音指令中任意选择一个作为最佳的语音指令进行保留存储，而不是只选择一个语音指令进行保留存储，提高了选择结果的合理性，对语音数据做好存储管理后，通过直接发送预先存储的表达相同语义的语音指令来对仪表进行控制，在提高了语音控制仪表的便利性的同时节省了数据存储空间。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1是本发明一种基于智能语音识别的仪表数据管理系统的结构图；
图2是本发明一种基于智能语音识别的仪表数据管理方法的流程图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
下面结合图1-图2和具体实施例对本发明作进一步的说明。
实施例一：
如图1所示，本实施例提供了一种基于智能语音识别的仪表数据管理系统，系统包括：仪表信息采集模块、数据库、数据存储分析模块、数据存储管理模块和仪表控制管理模块；
仪表信息采集模块的输出端连接数据库的输入端，数据库的输出端连接数据存储分析模块和数据存储管理模块的输入端，数据存储分析模块的输出端连接数据存储管理模块的输入端，数据存储管理模块的输出端连接仪表控制管理模块的输入端；
仪表信息采集模块用于采集语音指令发布历史数据以及仪表控制历史数据，将采集到的全部数据传输到数据库；
数据库用于存储接收到的全部数据；
数据存储分析模块用于分析语音指令发布历史数据，对语音指令的删除进行判断；
数据存储管理模块用于规划需要保留存储的语音指令数据；
仪表控制管理模块用于通过发布保留存储的语音指令对仪表进行语音控制。
仪表信息采集模块包括控制数据采集单元、语音数据采集单元和执行数据采集单元；
控制数据采集单元、语音数据采集单元和执行数据采集单元的输出端连接数据库的输入端；
控制数据采集单元用于采集以往语音指令的发布时间数据；
语音数据采集单元用于采集以往发布的语音指令数据；
执行数据采集单元用于以往控制终端在接收并识别语音指令、控制仪表执行指令时，执行操作错误的次数以及执行时间数据。
数据存储分析模块包括语音指令存储单元、指令发布时间预测单元和数据删除选择单元；
语音指令存储单元用于将发布的所有语音指令存储在存储终端中；
指令发布时间预测单元用于将以往发布的语音指令按语义进行分类，调取以往随机一类语音指令的发布时间间隔数据，建立语音指令发布时间预测模型，预测下一次发布对应类别语音指令的时间；
数据删除选择单元用于若到预测的时间为止未发布对应类别的语音指令，选择将对应类别的语音指令全部删除；若到预测的时间为止发布了对应类别的语音指令，选择保留一个最佳的语音指令，将剩余的同类别语音指令删除。
数据存储管理模块包括保留价值分析单元和数据筛除规划单元；
保留价值分析单元的输入端连接数据删除选择单元和数据库的输出端，保留价值分析单元的输出端连接数据筛除规划单元的输入端；
保留价值分析单元用于若选择保留一个最佳的语音指令，调取以往控制终端在接收并识别语音指令、控制仪表执行指令时，执行操作错误的次数以及执行时间数据，分析属于对应类别的所有语音指令的保留价值；
数据筛除规划单元用于按保留价值将属于对应类别的语音指令进行分组，依据分组结果筛选出一个最佳的语音指令进行保留，将剩余的语音指令进行删除。
仪表控制管理模块包括存储指令发布单元、语音指令识别单元和指令执行控制单元；
存储指令发布单元的输入端连接数据筛除规划单元的输出端，存储指令发布单元的输出端连接语音指令识别单元的输入端，语音指令识别单元的输出端连接指令执行控制单元的输入端；
存储指令发布单元用于对存储的语音指令表达的语义进行标注，在需要发布语音指令时，从存储的指令中选择一个语音指令进行发布；
语音指令识别单元用于对发布的语音指令进行识别；
指令执行控制单元用于控制仪表执行对应语音指令。
实施例二：
如图2所示，本实施例提供了一种基于智能语音识别的仪表数据管理方法，其基于实施例中的数据管理系统实现，具体包括以下步骤：
S1：采集语音指令发布历史数据以及仪表控制历史数据，采集以往语音指令发布的时间，将语音指令按语义进行分类，获取到随机一类语音指令发布的时间间隔序列为V(0)＝{V(0)(1)，V(0)(2)，…，V(0)(f)}，其中，获取到对应类别的语音指令共发布了f+1次，V(0)(f)表示第f+1次与第f次语音指令发布的时间间隔，采集以往控制终端在接收并识别语音指令、控制仪表执行指令时，执行操作错误的次数以及执行时间数据；
S2：分析语音指令发布历史数据，对语音指令的删除进行判断，调取随机一类语音指令发布的时间间隔序列，构造累加生成序列为V(1)＝{V(1)(1)，V(1)(2)，…，V(1)(n)，…，V(1)(f)}，其中，n＝1,2,…,f，令Y(1)为V(1)的紧邻均值生成序列，Y(1)＝{Y(1)(2)，Y(1)(3)，…，Y(1)(f)}，/>根据下列公式构造数据矩阵A和数据向量B：
建立语音指令发布时间预测模型：预测得到第f+2次与第f+1次语音指令发布的时间间隔V(0)(f+1)，其中，a表示发展灰数，b表示内生控制灰数，/>采集到第f+1次语音指令发布的时间为T，若在T到V(0)(f+1)+T时间段内发布了对应类别的语音指令，选择保留一个最佳的语音指令，将剩余的同类别语音指令删除；
例如：获取到随机一类语音指令发布的时间间隔序列为V(0)＝{10，22，16}，单位为：小时，获取到对应类别的语音指令共发布了f+1＝4次，构造累加生成序列为V(1)＝{V(1)(1)，V(1)(2)，V(1)(3)}＝{10，32，48}，紧邻均值生成序列Y(1)＝{Y(1)(2)，Y(1)(3)}＝{21，40}，构造数据矩阵数据向量/>建立语音指令发布时间预测模型：得到/>预测得到第5次与第4次语音指令发布的时间间隔V(0)(f+1)≈18，时间间隔为18个小时，监测到在第4次发布语音指令后的18个小时内发布了对应类别的语音指令，选择保留一个最佳的语音指令，将剩余的同类别语音指令删除；
若在T到V(0)(f+1)+T时间段内未发布对应类别的语音指令，选择将对应类别的语音指令全部删除。
S3：规划需要保留存储的语音指令数据，若选择保留一个最佳的语音指令，调取到以往在接收并识别对应类别的语音指令、控制仪表执行指令时，执行操作错误的次数集合为H＝{H1，H2，H3，H4，H5，H6，H7}＝{0，1，1，3，5，2，2}，从语音指令发布到执行的平均间隔时长集合为t＝{t1，t2，t3，t4，t5，t6，t7}＝{2，1，5，1，4，3，5}，单位为：分钟，根据公式计算随机一个语音指令的保留价值Xj，其中，Hj表示执行第j个指令错误的次数，m表示对应类别的语音指令个数，得到m个语音指令的保留价值集合为X＝{X1，X2，X3，X4，X5，X6，X7}＝{11.5，8.7，3.5，3.9，1.9，3.7，2.8}，将保留价值按从大到小的顺序进行排列，将m个语音指令按保留价值分为3组，其中，前一组中所有语音指令的保留价值大于后一组中每个语音指令的保留价值，获取到随机一种分组结果为：每组的语音指令保留价值集合分别为{11.5，8.7，3.9}、{3.7，3.5}和{2.8，1.9}，对应分组结果中，n组中每组语音指令的平均保留价值集合为Z＝{Z1，Z2，Z3}＝{8.0，3.6，2.4}，根据公式选择最优的分组结果，其中，L表示随机一种分组结果中，n组语音指令的保留价值离散程度，得到上述分组结果中，n组语音指令的保留价值离散程度为：2.4，选择使得离散程度最大的分组结果作为最优的分组结果，得到最优的分组结果为：每组的语音指令保留价值集合分别为{11.5，8.7}、{3.9，3.7，3.5}和{2.8，1.9}，从最优的分组结果中获取第一组的语音指令，从第一个和第二个语音指令中任意选择一个语音指令作为最佳的语音指令进行保留存储，将剩余的同类别语音指令删除；
S4：通过发布保留存储的语音指令对仪表进行语音控制，在需要发布语音指令时，从保留存储的指令中选择一个语音指令进行发布，对发布的语音指令进行识别并控制仪表执行对应语音指令。
最后应说明的是：以上所述仅为本发明的优选实例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (6)

1.一种基于智能语音识别的仪表数据管理系统，其特征在于：所述系统包括：仪表信息采集模块、数据库、数据存储分析模块、数据存储管理模块和仪表控制管理模块；
所述仪表信息采集模块的输出端连接所述数据库的输入端，所述数据库的输出端连接所述数据存储分析模块和数据存储管理模块的输入端，所述数据存储分析模块的输出端连接所述数据存储管理模块的输入端，所述数据存储管理模块的输出端连接所述仪表控制管理模块的输入端；
所述仪表信息采集模块用于采集语音指令发布历史数据以及仪表控制历史数据，将采集到的全部数据传输到所述数据库；
所述数据库用于存储接收到的全部数据；
所述数据存储分析模块用于分析语音指令发布历史数据，对语音指令的删除进行判断；
所述数据存储管理模块用于规划需要保留存储的语音指令数据；
所述仪表控制管理模块用于通过发布保留存储的语音指令对仪表进行语音控制；
所述仪表信息采集模块包括控制数据采集单元、语音数据采集单元和执行数据采集单元；
所述控制数据采集单元、语音数据采集单元和执行数据采集单元的输出端连接所述数据库的输入端；
所述控制数据采集单元用于采集以往语音指令的发布时间数据；
所述语音数据采集单元用于采集以往发布的语音指令数据；
所述执行数据采集单元用于以往控制终端在接收并识别语音指令、控制仪表执行指令时，执行操作错误的次数以及执行时间数据；
所述数据存储分析模块包括语音指令存储单元、指令发布时间预测单元和数据删除选择单元；
所述语音指令存储单元用于将发布的所有语音指令存储在存储终端中；
所述指令发布时间预测单元用于将以往发布的语音指令按语义进行分类，调取以往随机一类语音指令的发布时间间隔数据，建立语音指令发布时间预测模型，预测下一次发布对应类别语音指令的时间；
所述数据删除选择单元用于若到预测的时间为止未发布对应类别的语音指令，选择将对应类别的语音指令全部删除；若到预测的时间为止发布了对应类别的语音指令，选择保留一个最佳的语音指令，将剩余的同类别语音指令删除。
2.根据权利要求1所述的一种基于智能语音识别的仪表数据管理系统，其特征在于：所述数据存储管理模块包括保留价值分析单元和数据筛除规划单元；
所述保留价值分析单元的输入端连接所述数据删除选择单元和数据库的输出端，所述保留价值分析单元的输出端连接所述数据筛除规划单元的输入端；
所述保留价值分析单元用于若选择保留一个最佳的语音指令，调取以往控制终端在接收并识别语音指令、控制仪表执行指令时，执行操作错误的次数以及执行时间数据，分析属于对应类别的所有语音指令的保留价值；
所述数据筛除规划单元用于按保留价值将属于对应类别的语音指令进行分组，依据分组结果筛选出一个最佳的语音指令进行保留，将剩余的语音指令进行删除。
3.根据权利要求2所述的一种基于智能语音识别的仪表数据管理系统，其特征在于：所述仪表控制管理模块包括存储指令发布单元、语音指令识别单元和指令执行控制单元；
所述存储指令发布单元的输入端连接所述数据筛除规划单元的输出端，所述存储指令发布单元的输出端连接所述语音指令识别单元的输入端，所述语音指令识别单元的输出端连接所述指令执行控制单元的输入端；
所述存储指令发布单元用于对存储的语音指令表达的语义进行标注，在需要发布语音指令时，从存储的指令中选择一个语音指令进行发布；
所述语音指令识别单元用于对发布的语音指令进行识别；
所述指令执行控制单元用于控制仪表执行对应语音指令。
4.一种基于智能语音识别的仪表数据管理方法，其特征在于：包括以下步骤：
S1：采集语音指令发布历史数据以及仪表控制历史数据；
S2：分析语音指令发布历史数据，对语音指令的删除进行判断；
S3：规划需要保留存储的语音指令数据；
S4：通过发布保留存储的语音指令对仪表进行语音控制；
在步骤S1中：采集以往语音指令发布的时间，将语音指令按语义进行分类，获取到随机一类语音指令发布的时间间隔序列为V(0)＝{V(0)(1)，
V(0)(2)，…，V(0)(f)}，其中，获取到对应类别的语音指令共发布了f+1次，V(0)(f)表示第f+1次与第f次语音指令发布的时间间隔，采集以往控制终端在接收并识别语音指令、控制仪表执行指令时，执行操作错误的次数以及执行时间数据；
在步骤S2中：调取随机一类语音指令发布的时间间隔序列，构造累加生成序列为V(1)＝{V(1)(1)，V(1)(2)，…，V(1)(n)，…，V(1)(f)}，其中， 令Y(1)为V(1)的紧邻均值生成序列，Y(1)＝{Y(1)(2)，Y(1)(3)，…，Y(1)(f)}，根据下列公式构造数据矩阵A和数据向量B：
建立语音指令发布时间预测模型： 预测得到第f+2次与第f+1次语音指令发布的时间间隔V(0)(f+1)，其中，a表示发展灰数，b表示内生控制灰数，/>采集到第f+1次语音指令发布的时间为T，若在T到V(0)(f+1)+T时间段内未发布对应类别的语音指令，选择将对应类别的语音指令全部删除；若在T到V(0)(f+1)+T时间段内发布了对应类别的语音指令，选择保留一个最佳的语音指令，将剩余的同类别语音指令删除。
5.根据权利要求4所述的一种基于智能语音识别的仪表数据管理方法，其特征在于：在步骤S3中：若选择保留一个最佳的语音指令，调取到以往在接收并识别对应类别的语音指令、控制仪表执行指令时，执行操作错误的次数集合为H＝{H1，H2，…，Hm}，从语音指令发布到执行的平均间隔时长集合为t＝{t1，t2，…，tm}，根据公式计算随机一个语音指令的保留价值Xj，其中，Hj表示执行第j个指令错误的次数，m表示对应类别的语音指令个数，得到m个语音指令的保留价值集合为X＝{X1，X2，…，Xj，…，Xm}，将保留价值按从大到小的顺序进行排列，将m个语音指令按保留价值分为n组，获取到随机一种分组结果中，n组中每组语音指令的平均保留价值集合为Z＝{Z1，Z2，…，Zn}，根据公式选择最优的分组结果，其中，L表示随机一种分组结果中，n组语音指令的保留价值离散程度，选择使得离散程度最大的分组结果作为最优的分组结果，从最优的分组结果中获取第一组的语音指令，从第一组的语音指令中任意选择一个语音指令作为最佳的语音指令进行保留存储，将剩余的同类别语音指令删除。
6.根据权利要求5所述的一种基于智能语音识别的仪表数据管理方法，其特征在于：在步骤S4中：在需要发布语音指令时，从保留存储的指令中选择一个语音指令进行发布，对发布的语音指令进行识别并控制仪表执行对应语音指令。
CN202311023033.3A 2023-08-15 2023-08-15 一种基于智能语音识别的仪表数据管理系统及方法 Active CN117275474B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311023033.3A CN117275474B (zh) 2023-08-15 2023-08-15 一种基于智能语音识别的仪表数据管理系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311023033.3A CN117275474B (zh) 2023-08-15 2023-08-15 一种基于智能语音识别的仪表数据管理系统及方法

Publications (2)

Publication Number Publication Date
CN117275474A CN117275474A (zh) 2023-12-22
CN117275474B true CN117275474B (zh) 2024-03-22

Family

ID=89214896

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311023033.3A Active CN117275474B (zh) 2023-08-15 2023-08-15 一种基于智能语音识别的仪表数据管理系统及方法

Country Status (1)

Country Link
CN (1) CN117275474B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109637535A (zh) * 2018-12-26 2019-04-16 珠海格力电器股份有限公司 语音指令的处理方法、装置和智能终端
CN113031649A (zh) * 2021-02-26 2021-06-25 苏州臻迪智能科技有限公司 无人机控制方法、装置和控制设备
CN115691489A (zh) * 2022-09-28 2023-02-03 深圳英美达医疗技术有限公司 语音识别方法、装置、电子设备及可读存储介质
CN115691494A (zh) * 2022-11-02 2023-02-03 博泰车联网(南京)有限公司 语音控制方法、电子设备及计算机可读存储介质

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20130135410A (ko) * 2012-05-31 2013-12-11 삼성전자주식회사 음성 인식 기능을 제공하는 방법 및 그 전자 장치

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109637535A (zh) * 2018-12-26 2019-04-16 珠海格力电器股份有限公司 语音指令的处理方法、装置和智能终端
CN113031649A (zh) * 2021-02-26 2021-06-25 苏州臻迪智能科技有限公司 无人机控制方法、装置和控制设备
CN115691489A (zh) * 2022-09-28 2023-02-03 深圳英美达医疗技术有限公司 语音识别方法、装置、电子设备及可读存储介质
CN115691494A (zh) * 2022-11-02 2023-02-03 博泰车联网(南京)有限公司 语音控制方法、电子设备及计算机可读存储介质

Also Published As

Publication number Publication date
CN117275474A (zh) 2023-12-22

Similar Documents

Publication Publication Date Title
US6327583B1 (en) Information filtering method and apparatus for preferentially taking out information having a high necessity
US8171001B2 (en) Using a data mining algorithm to generate rules used to validate a selected region of a predicted column
CN115497272A (zh) 一种基于数字化建造的工期智能化预警系统及方法
CN109767227B (zh) 通过rds实现支付风险智能判断和控制的系统及方法
KR102392359B1 (ko) 인공지능 기반의 하이퍼오토메이션 솔루션 시스템
CN112784501A (zh) 一种设备的剩余寿命预测模型建模系统及方法、预测系统
US20200250897A1 (en) Intelligent prognostics and health management system and method
CN115455429A (zh) 基于大数据的漏洞分析方法及系统
CN117275474B (zh) 一种基于智能语音识别的仪表数据管理系统及方法
CN101616221A (zh) 引导信息显示装置及引导信息显示方法
CN112700065B (zh) 基于深度学习的业务流程完成时间区间预测方法和系统
Blake et al. Systems simulation with digital computers
CN117082113A (zh) 一种基于数据融合的分布式设备监测系统及方法
CN117455037A (zh) 一种基于多模态案例知识图的生产业务流程剩余时间预测方法
JP2004199377A (ja) 遠隔監視診断システム
CN115345600B (zh) 一种rpa流程的生成方法和装置
CN116383832A (zh) 一种基于图神经网络的智能合约漏洞检测方法
CN116610690A (zh) 一种模型自动化更新方法、装置、设备及存储介质
US6120553A (en) System for modifying JCL statements to optimize data storage allocations
US6901392B1 (en) Information filtering method and apparatus for preferentially taking out information having a high necessity
CN114168409A (zh) 一种业务系统运行状态监控预警方法与系统
CN114416840A (zh) 结合rpa及ai的数据获取方法、装置、服务器及存储介质
CN112434063A (zh) 一种基于时间序列数据库的监控数据的处理方法
CN117907754B (zh) 基于故障分析的配电网维护方法及系统
CN114091625B (zh) 一种基于故障代码序列的车辆零件失效预测方法及系统

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