欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2023107842777
申请人: 湖南大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种基于5G边缘计算的船舶制造数据云融合方法,其特征在于,包括:S1:采集船舶制造车间数据,并将其分为时序型数据和状态型数据;所述状态型数据包括设备运行状态数据、物料状态数据;

S2:根据所述设备运行状态数据和所述物料状态数据确定设备的制造工艺,并根据设备以及设备的制造工艺构造第一三元组;

S3:对所述时序型数据进行同源对象标记,确定第一同源对象;并以所述第一同源对象以及所述时序型数据构造第二三元组;

对所述状态型数据进行同源对象标记,确定第二同源对象;并以所述第二同源对象以及所述状态型数据构造第三三元组;

S4:将所述第一三元组、所述第二三元组、所述第三三元组根据同源对象进行实体对齐,构建船舶制造知识图谱;

S5:采用谱聚类算法对所述船舶制造知识图谱进行切图,切割出目标聚类簇;所述目标聚类簇包括人目标聚类簇、设备目标聚类簇以及物料目标聚类簇,切割出目标聚类簇的过程包括:S5.1:设定目标簇数量为3,并以每个信息模型子图作为一个样本点;在所述样本点中包含多个具体工艺或属性值或尾实体,且多个具体工艺或属性值或尾实体构成向量;每个所述样本点对应的向量的维度不同;

S5.2:查找出向量的最高维度,并以所述最高维度为上限,对低维度的向量通过添“0”方式进行补齐;维度对齐后,计算两两样本点之间的相似度;根据两两样本点之间的相似度构建相似度矩阵;两两样本点之间的相似度作为两两样本点之间的权重;

计算公式为:

;

其中, 表示第i个样本点与第j个样本点之间的相似度;n表示样本点的数量;

表示第i个样本点与第j个样本点之间的L2范数;σ表示公式灵敏度控制参数;所述相似度矩阵的尺寸为n×n;

S5.3:根据相似度矩阵计算相似度矩阵的度矩阵;计算公式为:;

其中,di表示;Wab表示相似度矩阵中第a行第b列的相似度;所述相似度矩阵的度矩阵为di组成的对角阵,所述对角阵的尺寸为n×n;

S5.4:根据所述相似度矩阵以及所述度矩阵计算拉普拉斯矩阵;计算公式为:L=D‑W;

其中,L表示拉普拉斯矩阵;D表示相似度矩阵的度矩阵;W表示相似度矩阵;

S5.5:计算所述拉普拉斯矩阵中的第一特征值,并将所述第一特征值从小到大排序,选取前3个所述第一特征值;计算选取出的前3个第一特征值的特征向量;

S5.6:基于计算出的3个特征向量构建矩阵,矩阵的列数为3,矩阵的行数为n;

S5.7:使用k‑means聚类算法将所述矩阵的所有行向量聚类成簇;

S5.8:输出3个目标聚类簇;

基于切割出目标聚类簇进行船舶制造效能评估,过程包括:步骤1:针对切割出的人目标聚类簇、设备目标聚类簇以及物料目标聚类簇,采集人员评价指标、设备评价指标以及物料评价指标;

步骤2:对每种评价指标进行标准化;计算公式为:

;

其中, 表示标准化后的评价指标的数据值; 表示第i个样本第j个评价指标的实际值;μj表示第j个评价指标的均值;sj表示第j个评价指标的标准差;

步骤3:基于标准化的评价指标计算相关系数矩阵;计算公式为:;

其中,m表示样本数量,rgh表示相关系数矩阵中第g行第h列的元素; 表示第k个样本第l个评价指标的实际值;Xkj表示第k个样本第j个评价指标的实际值;

步骤4:计算相关系数矩阵中的特征值和特征向量,基于相关系数矩阵中的特征值和特征向量计算主成分对最终评价结果的贡献程度;计算公式为:;

其中, 表示主成分对最终评价结果的贡献程度;p表示累计贡献率达到80%时取到的对应主成分数量;t表示评价指标的数量; 表示p中第v个主成分的特征向量; 表示第q个评价指标的特征值;

步骤5:计算PCA得分,计算公式为:

;

;

其中,F表示PCA得分;p表示累计贡献率达到80%时取到的对应主成分数量;bv表示第v个主成分的特征向量的贡献率;(PC)v表示第v个主成分的计算表达式; 表示第v个主成分的特征向量的第j个评价指标对应的元素; 表示第j个评价指标标准化后的数据值;

步骤6:循环步骤2‑5,直至计算完所有种类的评价指标,得到人员评价指标的PCA得分、设备评价指标的PCA得分以及物料评价指标PCA得分;基于三种PCA得分计算出船舶制造效能综合得分,根据所述船舶制造效能综合得分进行船舶制造效能评估;计算公式为:Ftotal= 0.2F1 + 0.4F2 + 0.4F3;

其中,Ftotal表示船舶制造效能综合得分;F1表示人员评价指标的PCA得分;F2表示设备评价指标的PCA得分;F3表示物料评价指标PCA得分。

2.根据权利要求1所述的基于5G边缘计算的船舶制造数据云融合方法,其特征在于,S1中,所述时序型数据为安装在设备上的传感器采集数据;所述传感器包括温度传感器、电压传感器、电流传感器、振动传感器、转速传感器;

所述状态型数据还包括设备静态参数、人员状态数据;

所述设备运行状态数据包括设备启动状态、设备停止状态、报警、故障类型、设备位置;

所述物料状态数据包括物料标识编码、产品名称、规格、执行标准;

所述人员状态数据包括签到、工号、姓名、在岗时长、人员位置、工单信息。

3.根据权利要求2所述的基于5G边缘计算的船舶制造数据云融合方法,其特征在于,S2中,根据所述设备运行状态数据和所述物料状态数据确定设备的制造工艺包括:步骤1:根据所述设备启动状态以及所述设备停止状态确定启用的设备;扫描所述物料标识编码获取物料信息,并根据物料信息确定物料的种类;

步骤2:根据所述启用的设备以及所述物料的种类,构造状态字符对;

步骤3:从专家先验知识库中获取专家先验知识字符对,并计算出所述状态字符对与所述专家先验知识字符对之间的编辑距离;

步骤4:基于所述编辑距离计算所述状态字符对与所述专家先验知识字符对之间的相似度;

步骤5:当所述相似度达到设定阈值时,确定设备正在执行的制造工艺,即确定所述设备的制造工艺。

4.根据权利要求3所述的基于5G边缘计算的船舶制造数据云融合方法,其特征在于,所述相似度计算公式为:;

其中, 表示状态字符对与专家先验知识字符对之间的相似度;

(E',M')表示状态字符对;(E,M )表示专家先验知识字符对;E'表示启用的设备;M'表示物料的种类;E表示专家先验知识库中启用的设备;M表示专家先验知识库中物料的种类;n1+n2表示状态字符对与专家先验知识字符对之间的编辑距离;n1表示启用的设备的名称转成专家先验知识库中启用的设备的名称所需的最少编辑次数;n2表示物料的种类的名称转成专家先验知识库中物料的种类的名称所需的最少编辑次数;σ表示公式灵敏度控制参数。

5.根据权利要求2所述的基于5G边缘计算的船舶制造数据云融合方法,其特征在于,S2中,根据设备以及设备的制造工艺构造第一三元组包括:以所述设备作为头实体,工艺作为关系,所述设备的制造工艺作为具体工艺,构造所述第一三元组,所述第一三元组表示为:{头实体,工艺,具体工艺}。

6.根据权利要求5所述的基于5G边缘计算的船舶制造数据云融合方法,其特征在于,S3中,以所述第一同源对象以及所述时序型数据构造第二三元组包括:以所述第一同源对象作为头实体,传感器类型作为属性,所述传感器类型对应的时序型数据作为属性值,构造所述第二三元组,所述第二三元组表示为:{头实体,属性,属性值};

以所述第二同源对象以及所述状态型数据构造第三三元组包括:以所述第二同源对象作为头实体,状态型数据的类别作为关系,状态型数据的类别对应的数据作为尾实体,构造所述第三三元组,所述第三三元组表示为:{头实体,关系,尾实体}。

7.根据权利要求6所述的基于5G边缘计算的船舶制造数据云融合方法,其特征在于,S4中,构建船舶制造知识图谱的过程包括:S4.1:将具有相同头实体的所述第一三元组、所述第二三元组、所述第三三元组进行头实体对齐,得到信息模型子图;所述信息模型子图包括多个;

S4.2:将多个所述信息模型子图以同源对象为实体进行实体对齐,构建所述船舶制造知识图谱。

8.一种基于5G边缘计算的船舶制造数据云融合系统,引用了如权利要求1所述的基于

5G边缘计算的船舶制造数据云融合方法,其特征在于,包括:采集模块、分层传输模块、边缘计算模块、5G传输模块、云融合模块、评估模块;

所述采集模块用于采集船舶制造车间数据,并将其分为时序型数据和状态型数据;

所述分层传输模块用于分层传输所述时序型数据和所述状态型数据至所述边缘计算模块;

所述边缘计算模块用于根据时序型数据和状态型数据构造信息模型子图;

所述5G传输模块用于将构造的所述信息模型子图通过5G设备传输至云融合模块;

所述云融合模块用于将所述信息模型子图进行融合构建所述船舶制造知识图谱;

所述评估模块用于对所述船舶制造知识图谱切割成目标聚类簇,进而基于目标聚类簇进行船舶制造效能评估。

我要求购
我不想找了,帮我找吧
您有专利需要变现?
我要出售
智能匹配需求,快速出售