專利名稱：一種用于面向工礦企業(yè)的安全生產(chǎn)云服務(wù)平臺(tái)的基于廣義規(guī)則推理的異常診斷方法
技術(shù)領(lǐng)域：
本發(fā)明屬于工礦系統(tǒng)自動(dòng)化信息采集與控制領(lǐng)域，涉及電力系統(tǒng)實(shí)時(shí)數(shù)據(jù)采集、處理與控制系統(tǒng)，尤其是基于云計(jì)算的工礦實(shí)時(shí)數(shù)據(jù)一體化處理系統(tǒng)及設(shè)計(jì)方法。
背景技術(shù)：
互聯(lián)網(wǎng)中已經(jīng)廣泛地使用云技術(shù)，主要包括三種不同的類型，軟件即服務(wù)SaaS，平臺(tái)即服務(wù)PaaS，基礎(chǔ)架構(gòu)即服務(wù)IaaS。其中PaaS提供了用戶可以訪問(wèn)的完整或部分的應(yīng)用程序開發(fā)，SaaS則提供了完整的可直接使用的應(yīng)用程序，比如通過(guò)Internet管理企業(yè)資源。而IaaS中的云技術(shù)以海量數(shù)據(jù)管理技術(shù)、海量數(shù)據(jù)分布存儲(chǔ)技術(shù)、虛擬化技術(shù)、云計(jì)算平臺(tái)管理技術(shù)最為關(guān)鍵。其中海量數(shù)據(jù)管理技術(shù)和分布式存儲(chǔ)技術(shù)是數(shù)據(jù)處理的重要組成部分，云計(jì)算需要對(duì)分布的、海量的數(shù)據(jù)進(jìn)行處理、分析，因此，數(shù)據(jù)管理技術(shù)必須能夠高效的管理大量的數(shù)據(jù)，此外還需要冗余存儲(chǔ)的方式保證數(shù)據(jù)的可靠性。云計(jì)算系統(tǒng)中廣泛使用的數(shù)據(jù)存儲(chǔ)系統(tǒng)是Google的GFS和Hadoop團(tuán)隊(duì)開發(fā)的GFS的開源實(shí)現(xiàn)HDFS。工礦企業(yè)的安全生產(chǎn)在實(shí)際的生產(chǎn)運(yùn)行中，必然有海量數(shù)據(jù)(如各種安全生產(chǎn)標(biāo)準(zhǔn)、監(jiān)測(cè)的數(shù)據(jù)、教育培訓(xùn)知識(shí)等)需要處理，云服務(wù)平臺(tái)采用分布式計(jì)算存儲(chǔ)方式，將計(jì)算任務(wù)分配到多臺(tái)機(jī)器上并行處理，以此提高運(yùn)算速度。云平臺(tái)將安全生產(chǎn)企業(yè)實(shí)際生產(chǎn)積累的數(shù)據(jù)信息進(jìn)行統(tǒng)一的管理與存儲(chǔ)，為生產(chǎn)過(guò)程中提供基于數(shù)據(jù)的預(yù)測(cè)、異常檢測(cè)等功能，實(shí)現(xiàn)企業(yè)的安全生產(chǎn)。傳統(tǒng)工礦企業(yè)的數(shù)據(jù)采集功能和具體的邏輯判斷功能結(jié)合緊密，通常由較為單一的硬件設(shè)備完成，因此，完成不同的功能就需要配置不同的設(shè)備或系統(tǒng)，這些不同功能的設(shè)備或系統(tǒng)都有各自獨(dú)立的數(shù)據(jù)采集單元。各個(gè)數(shù)據(jù)采集存在著交叉重復(fù)采集、利用率不高、數(shù)據(jù)及信息內(nèi)容不一致、時(shí)間不統(tǒng)一等問(wèn)題，形成了以縱向?qū)哟味?、橫向系統(tǒng)多為主要特征的“信息孤島”，制約了信息的進(jìn)一步融合和應(yīng)用，數(shù)據(jù)及信息的重復(fù)采集和重復(fù)傳輸處理勢(shì)必造成各種資源的浪費(fèi)。大多數(shù)工礦企業(yè)中的儀表分成三類保護(hù)類，測(cè)控類，計(jì)量類，他們都有自己的數(shù)據(jù)采集和處理單元，可與監(jiān)控顯示系統(tǒng)連接，用于基礎(chǔ)參數(shù)測(cè)量。但也存在以下技術(shù)問(wèn)題(I)儀表的精度不同，造成了數(shù)據(jù)不一致，成本上也不經(jīng)濟(jì)。(2)儀表采集頻率不同、算法不同造成了同一個(gè)量值在不同的儀表中也不同，數(shù)據(jù)冗余而且混亂。(3)系統(tǒng)與設(shè)備，設(shè)備與設(shè)備之間通訊困難，缺乏統(tǒng)一標(biāo)準(zhǔn)。(4)過(guò)程數(shù)據(jù)缺失，在采樣的過(guò)程中，產(chǎn)生了大量的過(guò)程數(shù)據(jù)，這些數(shù)據(jù)對(duì)于后期的事故分析或業(yè)務(wù)擴(kuò)展都是有價(jià)值的，但我們從儀表中取得的都是經(jīng)過(guò)N次運(yùn)算的“二手?jǐn)?shù)據(jù)”，“簡(jiǎn)化值”。這種獨(dú)立配置、獨(dú)立計(jì)算、獨(dú)立功能的裝置帶來(lái)的問(wèn)題是信息共享差，利用率低和硬、軟件資源浪費(fèi)問(wèn)題。為解決以上提到的問(wèn)題，尤其是數(shù)據(jù)分別采集、數(shù)據(jù)分別處理與計(jì)算、數(shù)據(jù)難于共享等關(guān)鍵問(wèn)題，有必要建立一套新的框架與機(jī)制，實(shí)現(xiàn)同一類型設(shè)備的數(shù)據(jù)一次采集，能在整套統(tǒng)一的軟件應(yīng)用平臺(tái)下利用云計(jì)算技術(shù)實(shí)現(xiàn)測(cè)控、保護(hù)、相量測(cè)量、計(jì)量等多種應(yīng)用功倉(cāng)泛。

發(fā)明內(nèi)容
本發(fā)明的目的是提供一種工礦企業(yè)的安全生產(chǎn)云服務(wù)平臺(tái)系統(tǒng)，以解決設(shè)備獨(dú)立配置、獨(dú)立計(jì)算、獨(dú)立功能的裝置帶來(lái)的信息共享差、利用率低和軟、硬件資源浪費(fèi)的問(wèn)題，實(shí)現(xiàn)同一類型設(shè)備數(shù)據(jù)的一次采集，及測(cè)控、保護(hù)、相量測(cè)量、計(jì)量等多種應(yīng)用。所述的工礦企業(yè)的安全生產(chǎn)云服務(wù)平臺(tái)系統(tǒng)，包括I)建立面向工礦企業(yè)的安全生產(chǎn)云服務(wù)平臺(tái)，該平臺(tái)集成了支持安全生產(chǎn)服務(wù)的 海量數(shù)據(jù)處理、安全生產(chǎn)管理業(yè)務(wù)協(xié)同以及系統(tǒng)管理等功能，為工礦企業(yè)的安全生產(chǎn)與政府監(jiān)管提供重要的技術(shù)支持。2)基于安全事故事件多維關(guān)聯(lián)規(guī)則分析技術(shù)，能從海量的生產(chǎn)數(shù)據(jù)中分析挖掘出可能導(dǎo)致事故及未遂事件發(fā)生的頻繁因素和潛在規(guī)律，建立安全生產(chǎn)標(biāo)準(zhǔn)效用及標(biāo)準(zhǔn)缺失情況的動(dòng)態(tài)監(jiān)測(cè)預(yù)警分析方法，為政府及行業(yè)監(jiān)管部門制定基于風(fēng)險(xiǎn)的、合理的作業(yè)標(biāo)準(zhǔn)提供科學(xué)的依據(jù)。3)提出了工礦企業(yè)安全生產(chǎn)中的海量數(shù)據(jù)處理方法，具體包括基于支持向量機(jī)的安全生產(chǎn)異常檢測(cè)技術(shù)、基于廣義規(guī)則推理的知識(shí)發(fā)現(xiàn)技術(shù)，能對(duì)生產(chǎn)的海量數(shù)據(jù)進(jìn)行分析與知識(shí)挖掘，從而幫助企業(yè)提升事故預(yù)防預(yù)警和應(yīng)急處置能力，提高企業(yè)安全生產(chǎn)水平。4)開發(fā)安全生產(chǎn)管理工具集，方便工礦行業(yè)安全生產(chǎn)的安全管理、監(jiān)督、配置等，實(shí)現(xiàn)企業(yè)的快速排查、快速響應(yīng)。其中開發(fā)的面向工礦企業(yè)的安全生產(chǎn)云服務(wù)平臺(tái)，集成了支持安全生產(chǎn)服務(wù)云的海量數(shù)據(jù)處理、安全生產(chǎn)管理業(yè)務(wù)協(xié)同以及系統(tǒng)管理等功能，實(shí)現(xiàn)對(duì)企業(yè)生產(chǎn)安全的實(shí)時(shí)監(jiān)測(cè)與預(yù)警。具體而言，一種用于面向工礦企業(yè)的安全生產(chǎn)云服務(wù)平臺(tái)的基于廣義規(guī)則推理的異常診斷方法，其特征在于所述面向工礦企業(yè)的安全生產(chǎn)云服務(wù)平臺(tái)系統(tǒng)，包括安全云服務(wù)平臺(tái)門戶子系統(tǒng)，系統(tǒng)管理與相關(guān)工具集研制子系統(tǒng)，應(yīng)用服務(wù)層子系統(tǒng)，虛擬資源層子系統(tǒng)，平臺(tái)服務(wù)支撐層子系統(tǒng)，接入與適配層子系統(tǒng)，安全服務(wù)資源子系統(tǒng)，基礎(chǔ)設(shè)施服務(wù)支撐層子系統(tǒng)；所述的虛擬資源層和接入與適配層之間通過(guò)使用免疫算子提取和生產(chǎn)有關(guān)的標(biāo)準(zhǔn)、知識(shí)、數(shù)據(jù)幫助生產(chǎn)與決策包括提取出最基本的特征信息或特征集；其次，對(duì)此特征信息進(jìn)行處理，以將其轉(zhuǎn)化為局部環(huán)境或最優(yōu)約束條件下求解問(wèn)題的一種方案；最后，將此方案以適當(dāng)?shù)男问睫D(zhuǎn)化成免疫算子并用來(lái)產(chǎn)生新的個(gè)體，基于知識(shí)及知識(shí)轉(zhuǎn)移的過(guò)程，在合理提取免疫疫苗的基礎(chǔ)上，通過(guò)接種疫苗和免疫選擇實(shí)現(xiàn)免疫進(jìn)化，以有效地對(duì)異常診斷的先驗(yàn)知識(shí)，提高個(gè)體的適應(yīng)度。所述的用于面向工礦企業(yè)的安全生產(chǎn)云服務(wù)平臺(tái)的基于廣義規(guī)則推理的異常診斷方法，其特征在于所述免疫算子由協(xié)同診斷計(jì)算的主要構(gòu)成要素構(gòu)成，該要素是各個(gè)免疫診斷細(xì)胞群體、免疫診斷細(xì)胞的診斷進(jìn)化算法和細(xì)胞種群調(diào)節(jié)機(jī)制，進(jìn)化采用基本免疫算法，異常診斷過(guò)程大致分為六個(gè)階段①gen I = I，故障診斷域設(shè)為設(shè)備故障集合F ={FI,... ,Fi,... ,FM},診斷模型集合為 FDM = {FDM1，. . . , FDMi, . . . , FDMM}，M 為設(shè)備故障模型數(shù)，F(xiàn)DMi為第i個(gè)故障診斷模型；②針對(duì)某個(gè)診斷任務(wù)FDM_TASK，初始化故障診斷模型群體FDM,分配各診斷模型權(quán)重W= {wl, . . . , wi, . . . , wM}, wi表示診斷模型FDMi在診斷故障任務(wù)FDM_TASK中的診斷重要度；③各故障模型FDMi對(duì)診斷任務(wù)FDM_TASK，給出各自診斷子結(jié)論FDR = {FDR1，. . .，F(xiàn)DRi，. . .，F(xiàn)DRM}，計(jì)算每個(gè)診斷模型個(gè)體FDMi親合度和濃度，評(píng)價(jià)FDM_TASK故障診斷效果,若滿足故障診斷結(jié)束條件,則轉(zhuǎn)向⑥gen I = gen1+1，對(duì)故障診斷模型群體FDM，基于親合度和濃度值從上一代群體中選取新一代群體； 將免疫算子應(yīng)用到群體的個(gè)體中，獲得新的故障診斷模型群體FDM，并分配新診斷模型權(quán)重W= {wl,. . . ,wi,. . . ,wM},轉(zhuǎn)向③；⑥故障診斷結(jié)束。某一時(shí)刻的故障診斷過(guò)程,免疫協(xié)同故障診斷軟件模塊將在完成了上述全部診斷行為，得到較為滿意的診斷結(jié)果后，才結(jié)束本次診斷流程。


圖I工礦企業(yè)的安全生產(chǎn)云服務(wù)平臺(tái)系統(tǒng)
圖2工礦企業(yè)實(shí)時(shí)數(shù)據(jù)一體化處理系統(tǒng)
圖3無(wú)線數(shù)據(jù)采集設(shè)備集群圖4無(wú)線數(shù)據(jù)采集設(shè)備結(jié)構(gòu)5云存儲(chǔ)系統(tǒng)結(jié)構(gòu)6云存儲(chǔ)數(shù)據(jù)中心結(jié)構(gòu)7設(shè)備資源實(shí)時(shí)監(jiān)控模型圖8設(shè)備性能實(shí)時(shí)監(jiān)控模型圖9SVM訓(xùn)練與預(yù)測(cè)流程10免疫進(jìn)化算法流程圖11關(guān)聯(lián)規(guī)則分析流程圖12Petri網(wǎng)挖掘模型
具體實(shí)施例方式圖I所示為一種面向工礦企業(yè)的安全生產(chǎn)的云服務(wù)平臺(tái)，集成了支持安全生產(chǎn)服務(wù)云的實(shí)時(shí)數(shù)據(jù)處理、安全生產(chǎn)管理業(yè)務(wù)協(xié)同以及系統(tǒng)管理等功能，實(shí)現(xiàn)對(duì)企業(yè)生產(chǎn)安全的實(shí)時(shí)監(jiān)測(cè)與預(yù)警。具體而言，所述的面向工礦企業(yè)的安全生產(chǎn)云服務(wù)平臺(tái)系統(tǒng)，包括安全云服務(wù)平臺(tái)門戶子系統(tǒng)，系統(tǒng)管理與相關(guān)工具集研制子系統(tǒng)，應(yīng)用服務(wù)層子系統(tǒng)，虛擬資源層子系統(tǒng)，平臺(tái)服務(wù)支撐層子系統(tǒng)，接入與適配層子系統(tǒng)，安全服務(wù)資源子系統(tǒng)，基礎(chǔ)設(shè)施服務(wù)支撐層子系統(tǒng)。所述安全云服務(wù)平臺(tái)門戶子系統(tǒng)基于web2. O技術(shù)負(fù)責(zé)對(duì)外部實(shí)現(xiàn)信息查詢和管理，包括政府監(jiān)察平臺(tái)，企業(yè)應(yīng)用平臺(tái)，行業(yè)監(jiān)督平臺(tái)，所述政府監(jiān)察平臺(tái)負(fù)責(zé)政府實(shí)時(shí)監(jiān)察企業(yè)運(yùn)行的設(shè)備數(shù)據(jù)和財(cái)稅數(shù)據(jù)，所述企業(yè)應(yīng)用系統(tǒng)負(fù)責(zé)對(duì)外提供增值服務(wù)和應(yīng)用查詢，所述行業(yè)監(jiān)督平臺(tái)用于產(chǎn)品質(zhì)量的監(jiān)控和反饋。所述系統(tǒng)管理與相關(guān)工具集研制子系統(tǒng)包括云服務(wù)工具的開發(fā)、部署、監(jiān)控、安全
管理、日志管理和配置。
所述應(yīng)用服務(wù)層，包括海量數(shù)據(jù)處理系統(tǒng)和業(yè)務(wù)協(xié)同操作系統(tǒng)，其中所述海量數(shù)據(jù)處理系統(tǒng)負(fù)責(zé)，對(duì)數(shù)據(jù)采集、數(shù)據(jù)整合、數(shù)據(jù)管理并且提供標(biāo)準(zhǔn)化的服務(wù)接口為安全云服務(wù)平臺(tái)門戶提供數(shù)據(jù)流，而所述業(yè)務(wù)協(xié)同操作系統(tǒng)負(fù)責(zé)對(duì)協(xié)作任務(wù)和跨域任務(wù)構(gòu)建數(shù)學(xué)模型，具體為對(duì)業(yè)務(wù)數(shù)據(jù)進(jìn)行采集，把云平臺(tái)提供的服務(wù)內(nèi)容與采集的業(yè)務(wù)數(shù)據(jù)整合，預(yù)測(cè)后續(xù)業(yè)務(wù)的發(fā)展，所述跨域任務(wù)具體包括不同業(yè)務(wù)領(lǐng)域的管理和監(jiān)控，將企業(yè)的不同部門之間的工作實(shí)現(xiàn)任務(wù)協(xié)調(diào)。所述虛擬資源層，主要是為云服務(wù)器提供虛擬化后的數(shù)字資源，具體包括知識(shí)服務(wù)資源池、生產(chǎn)服務(wù)資源池、數(shù)據(jù)信息資源池，所述虛擬資源層包括了這些原始的可提供知識(shí)服務(wù)、生產(chǎn)服務(wù)的數(shù)據(jù)信息資源，通過(guò)虛擬化技術(shù)，將該部分?jǐn)?shù)據(jù)內(nèi)容整合到應(yīng)用服務(wù)層當(dāng)中，隨時(shí)可以被所述海量數(shù)據(jù)處理單元和業(yè)務(wù)協(xié)同單元調(diào)用。所述接入與適配層子系統(tǒng)，主要從相關(guān)標(biāo)準(zhǔn)及驗(yàn)證測(cè)試系統(tǒng)中獲得數(shù)據(jù)資源，此外還包括安全服務(wù)資源，具體包括生產(chǎn)設(shè)備數(shù)據(jù)、標(biāo)準(zhǔn)化基本規(guī)范、法律法規(guī)、安全管理制度、事故源歷史數(shù)據(jù)、教育培訓(xùn)知識(shí)、安全生產(chǎn)投入、組織機(jī)構(gòu)與負(fù)責(zé)、隱患檢查信息從第三方服務(wù)適配接入?！?br> 所述平臺(tái)服務(wù)支撐層對(duì)上述應(yīng)用服務(wù)層、虛擬資源層、接入適配層服務(wù)，提供云服務(wù)管理與支撐引擎，交易協(xié)同邏輯引擎，知識(shí)聚集與分類引擎，所述云服務(wù)管理與支撐引擎為所述應(yīng)用服務(wù)層提供云服務(wù)注冊(cè)、發(fā)布、注銷，云服務(wù)搜索、調(diào)度、組合，云服務(wù)執(zhí)行與監(jiān)控；所述交易協(xié)同邏輯引擎為業(yè)務(wù)協(xié)同提供過(guò)程管理、費(fèi)用核算、信用評(píng)估，所述知識(shí)聚集與分類引擎為業(yè)務(wù)協(xié)同提供行業(yè)多資源分散知識(shí)獲取，行業(yè)知識(shí)建模，行業(yè)知識(shí)聚集分類，而對(duì)于所述平臺(tái)服務(wù)支撐層中其他的負(fù)責(zé)運(yùn)營(yíng)管理、運(yùn)維管理、終端軟件開發(fā)，平臺(tái)開發(fā)工具的模塊為所述虛擬資源層和接入與適配層服務(wù)，其中所述運(yùn)營(yíng)管理負(fù)責(zé)多租戶服務(wù)，訂單管理，交付管理，支付管理，用戶管理，積分管理，所述運(yùn)維管理負(fù)責(zé)安全管理，性能管理與優(yōu)化，系統(tǒng)配置，海量數(shù)據(jù)容錯(cuò)與可信度管理，所述終端軟件開發(fā)，包括傳感信息的融合管理，服務(wù)資源圖像界面和普適人機(jī)交互工具，以及平臺(tái)開發(fā)工具，所述平臺(tái)服務(wù)支撐層都由基礎(chǔ)設(shè)施服務(wù)支撐層通過(guò)云計(jì)算，云網(wǎng)絡(luò)，云存儲(chǔ)統(tǒng)一支撐?；谠朴?jì)算的工礦企業(yè)實(shí)時(shí)數(shù)據(jù)處理系統(tǒng)，如圖2所示，由數(shù)據(jù)采集設(shè)備、數(shù)據(jù)整合設(shè)備、數(shù)據(jù)管理設(shè)備、標(biāo)準(zhǔn)化服務(wù)接口設(shè)備以及高速可靠的光纖通信網(wǎng)絡(luò)五大部分組成，構(gòu)成基于云計(jì)算的工礦企業(yè)實(shí)時(shí)數(shù)據(jù)一體化處理系統(tǒng)，數(shù)據(jù)采集設(shè)備圖2所示該數(shù)據(jù)一體化系統(tǒng)的網(wǎng)絡(luò)結(jié)構(gòu)，無(wú)線傳感器集群負(fù)責(zé)采集工礦現(xiàn)場(chǎng)的數(shù)據(jù)，并將數(shù)據(jù)傳輸給工礦數(shù)據(jù)整合設(shè)備，所述數(shù)據(jù)整合設(shè)備上，標(biāo)配HTTP代理模塊代理服務(wù)器和云管理服務(wù)器，這兩者都使用ubuntu服務(wù)器刀片板，作為接受管理的節(jié)點(diǎn)，每臺(tái)節(jié)點(diǎn)服務(wù)器上都安裝了節(jié)點(diǎn)管理器，此管理器的主要功能是實(shí)現(xiàn)對(duì)KVM虛擬機(jī)的管理，包括(I)接收云管理器的控制指令進(jìn)行KVM虛擬機(jī)的部署、啟停等操作；(2)監(jiān)控本地KVM虛擬機(jī)的可用性，在本地KVM虛擬機(jī)出錯(cuò)不可用時(shí),嘗試啟動(dòng)另外一個(gè)相同的KVM虛擬機(jī)實(shí)例；(3)實(shí)時(shí)監(jiān)控本地各個(gè)KVM虛擬機(jī)資源的使用狀況，并將KVM虛擬機(jī)的實(shí)時(shí)資源使用情況發(fā)送給云管理器；(4)根據(jù)虛擬機(jī)實(shí)時(shí)的資源使用情況自動(dòng)執(zhí)行KVM虛擬機(jī)的擴(kuò)展操作；(5)接收來(lái)自云管理器的虛擬機(jī)遷移指令，同時(shí)，每臺(tái)節(jié)點(diǎn)服務(wù)器上都還將部署多個(gè)KVM虛擬機(jī)，并在每個(gè)虛擬機(jī)中都部署節(jié)點(diǎn)服務(wù)器。所有上述的節(jié)點(diǎn)服務(wù)器都共享同一個(gè)網(wǎng)絡(luò)數(shù)據(jù)存儲(chǔ)器。而每個(gè)節(jié)點(diǎn)服務(wù)器的本地存儲(chǔ)只用來(lái)緩存每個(gè)虛擬機(jī)自身運(yùn)行數(shù)據(jù)，而虛擬機(jī)的鏡像文件和實(shí)施例都會(huì)被緩存在共享的網(wǎng)絡(luò)數(shù)據(jù)存儲(chǔ)中，這樣能夠更容易地支持高可用性和虛擬機(jī)的遷移操作。此外，工礦數(shù)據(jù)采集的數(shù)據(jù)，也會(huì)受云控制服務(wù)器和代理服務(wù)器的控制被隨機(jī)分布到網(wǎng)絡(luò)存儲(chǔ)器中，并由各節(jié)點(diǎn)服務(wù)器上的應(yīng)用軟件完成業(yè)務(wù)協(xié)同和跨域任務(wù)協(xié)同。圖3所示的是設(shè)置有無(wú)線傳感器數(shù)據(jù)采集集群，所述無(wú)線傳感器數(shù)據(jù)采集裝置根據(jù)系統(tǒng)中應(yīng)用組件功能需要，與被工礦數(shù)據(jù)設(shè)備通過(guò)數(shù)據(jù)或模擬接口，有線或無(wú)線接口連接，并將采集頻率設(shè)置為功能需要的最高頻率和精度進(jìn)行數(shù)據(jù)采樣，采集的數(shù)據(jù)緩存在自身的存儲(chǔ)器內(nèi)，數(shù)據(jù)壓縮成統(tǒng)一格式后經(jīng)無(wú)線收發(fā)單元發(fā)射到遠(yuǎn)程監(jiān)控中心。其中各無(wú)線傳感器設(shè)備之間也可以進(jìn)行同步或異步的通訊，構(gòu)成數(shù)據(jù)采集集群。圖4所示無(wú)線數(shù)據(jù)采集設(shè)備的工作原理圖，包括；核心處理單元、觸摸屏、攝像頭、話筒、時(shí)鐘、存儲(chǔ)器、電源管理、接口電路、傳感器電路組成；所述核心處理單元包括嵌入式控制器、音頻接口電路、視頻接口電路、觸摸屏接口電路、多路串行接口、高速USB接口、無(wú)線通訊模塊、調(diào)試接口和傳感器接口電路；所述觸摸屏接口電路、存儲(chǔ)器、音頻接口電路、多路串行接口、無(wú)線通訊模塊、調(diào)試接口和高速USB接口分別與嵌入式控制器雙向連接；所述觸摸屏與觸摸屏接口電路雙向連接；所述話筒和攝像頭分別接音頻接口電路和視頻接口電路的輸入端；所述多路串行接口和高速USB接口分別接工礦數(shù)據(jù)設(shè)備；所述視頻接口電路的輸出端接嵌入式控制器的相應(yīng)輸入端；嵌入式控制器與因特網(wǎng)相連接；電源管理設(shè)備用于提供電能， 電源采用光伏太陽(yáng)能板和蓄電池組相組合的形式，既能保證設(shè)備能有效穩(wěn)定的長(zhǎng)期工作，還可避免布設(shè)電源線；其中使用MC3063芯片構(gòu)成的充放電控制器，以便提供穩(wěn)定的電壓，傳感器單元中設(shè)置有加速度、壓力、溫度、光傳感器和載荷信號(hào)傳感器，通過(guò)加速度信號(hào)和載荷信號(hào)來(lái)實(shí)現(xiàn)對(duì)位移的計(jì)算，通過(guò)壓力和溫度傳感器對(duì)環(huán)境進(jìn)行監(jiān)控。核心處理單元用于傳感器信號(hào)的采集運(yùn)算和存儲(chǔ)，無(wú)線通信模塊實(shí)現(xiàn)無(wú)線信號(hào)的接收和發(fā)送；嵌入式控制器可采用CC2530ZigBee芯片，以方便地實(shí)現(xiàn)以ZigBee為基礎(chǔ)的2. 4GHz ISM波段信號(hào)的發(fā)送和接收，例如當(dāng)用在鉆井機(jī)上時(shí)，鉆井機(jī)包括電機(jī)、四連桿機(jī)構(gòu)、游梁、支架、抽桿；電機(jī)通過(guò)四連桿機(jī)構(gòu)帶動(dòng)游梁運(yùn)動(dòng)，游梁驅(qū)動(dòng)與抽桿做上下運(yùn)動(dòng)，數(shù)據(jù)采集裝置上的加速度信號(hào)傳感器和載荷信號(hào)傳感器就可以設(shè)置在抽桿上，以便采集抽桿的運(yùn)動(dòng)參數(shù)。此外，所示的無(wú)線數(shù)據(jù)采集單元還可以設(shè)置在工礦用電器設(shè)備上，用于實(shí)時(shí)視頻、音頻、數(shù)字化監(jiān)控工作參數(shù)，獲取工作狀態(tài)，并將采集的數(shù)據(jù)通過(guò)多協(xié)議網(wǎng)關(guān)上傳至服務(wù)器，服務(wù)器根據(jù)采集的數(shù)據(jù)對(duì)相應(yīng)設(shè)備的工作狀況進(jìn)行分析，以便得出其運(yùn)行狀態(tài)。數(shù)據(jù)存儲(chǔ)層設(shè)有云數(shù)據(jù)存儲(chǔ)池，針對(duì)工礦企業(yè)中來(lái)自各種不同數(shù)據(jù)源的海量數(shù)據(jù)，對(duì)其進(jìn)行處理后生成與不同業(yè)務(wù)對(duì)應(yīng)的統(tǒng)一接口的主題數(shù)據(jù)，并將這些主題數(shù)據(jù)存儲(chǔ)在分布式文件系統(tǒng)中，在有任務(wù)請(qǐng)求時(shí)，根據(jù)不同的任務(wù)請(qǐng)求，對(duì)所述分布式文件系統(tǒng)中存儲(chǔ)的數(shù)據(jù)進(jìn)行多節(jié)點(diǎn)、多任務(wù)的并行計(jì)算和分析，對(duì)分析結(jié)果根據(jù)不同的應(yīng)用進(jìn)行相應(yīng)的展現(xiàn)。如圖5所示，本發(fā)明提供的數(shù)據(jù)處理的云存儲(chǔ)池，括至少一個(gè)云存儲(chǔ)管理節(jié)點(diǎn)，至少一個(gè)云存儲(chǔ)空間以及至少一個(gè)虛擬設(shè)備，云存儲(chǔ)管理節(jié)點(diǎn)、云存儲(chǔ)空間與虛擬設(shè)備構(gòu)成私有云。如圖4所示的實(shí)施例中，該云存儲(chǔ)架構(gòu)包括兩個(gè)云存儲(chǔ)節(jié)點(diǎn)、三個(gè)云存儲(chǔ)空間與多個(gè)虛擬設(shè)備，三個(gè)云存儲(chǔ)空間與多個(gè)虛擬設(shè)備構(gòu)成一個(gè)私有云。云存儲(chǔ)管理節(jié)點(diǎn)a與云存儲(chǔ)管理節(jié)點(diǎn)b相互連接，兩個(gè)云存儲(chǔ)管理節(jié)點(diǎn)之間相互接管，兩個(gè)云存儲(chǔ)管理節(jié)點(diǎn)之間可以均衡負(fù)載并且在其中一個(gè)云存儲(chǔ)管理節(jié)點(diǎn)在發(fā)生故障時(shí)互為接管，以保證基于該云存儲(chǔ)架構(gòu)的系統(tǒng)運(yùn)行時(shí)的可靠性能。其中，兩個(gè)云存儲(chǔ)管理節(jié)點(diǎn)可分別對(duì)三個(gè)云存儲(chǔ)空間以及多個(gè)虛擬設(shè)備進(jìn)行管理，其管理包括對(duì)三個(gè)云存儲(chǔ)空間與多個(gè)虛擬設(shè)備進(jìn)行的新建、刪除與配置，以進(jìn)行系統(tǒng)備份、恢復(fù)與擴(kuò)容。每個(gè)云存儲(chǔ)管理節(jié)點(diǎn)中都有數(shù)據(jù)目錄，數(shù)據(jù)目錄用于記錄云存儲(chǔ)空間及虛擬設(shè)備的相關(guān)信息，云存儲(chǔ)管理節(jié)點(diǎn)通過(guò)其內(nèi)部的數(shù)據(jù)目錄中的相關(guān)數(shù)據(jù)找到相對(duì)應(yīng)的云存儲(chǔ)空間與虛擬設(shè)備。另外，每個(gè)云存儲(chǔ)管理節(jié)點(diǎn)上都設(shè)置有統(tǒng)一的應(yīng)用程序訪問(wèn)入口，該應(yīng)用程序訪問(wèn)入口為應(yīng)用程序接口，應(yīng)用程序/服務(wù)通過(guò)調(diào)用該應(yīng)用程序訪問(wèn)入口訪問(wèn)云存儲(chǔ)空間。圖4中的每一個(gè)虛擬設(shè)備均可映射為操作系統(tǒng)中的一個(gè)裸設(shè)備、內(nèi)存區(qū)、文件系統(tǒng)或內(nèi)存文件系統(tǒng)等，并虛擬管理物理內(nèi)存、內(nèi)置磁盤和各種
接口、協(xié)議的磁盤陣列。另外，由于多個(gè)虛擬設(shè)備Cl、虛擬設(shè)備c2........虛擬設(shè)備cn均
為特性相同的虛擬設(shè)備，所以，在本實(shí)施例中，虛擬設(shè)備Cl、虛擬設(shè)備c2........虛擬設(shè)備
cn可以構(gòu)成一個(gè)虛擬設(shè)備組b，通過(guò)該虛擬設(shè)備組b簡(jiǎn)化了對(duì)多個(gè)虛擬設(shè)備的管理。多個(gè)虛擬設(shè)備可分別對(duì)應(yīng)一個(gè)物理存儲(chǔ)設(shè)備或一個(gè)物理存儲(chǔ)設(shè)備中的一個(gè)存儲(chǔ)空間。在本實(shí)
施例中，虛擬設(shè)備al、虛擬設(shè)備a2........虛擬設(shè)備an分別與物理存儲(chǔ)設(shè)備al、物理存儲(chǔ)··
設(shè)備a2........物理存儲(chǔ)設(shè)備an相連接，從而將從工礦現(xiàn)場(chǎng)采集的數(shù)據(jù)信息存儲(chǔ)在上述
物理存儲(chǔ)設(shè)備中。外部的應(yīng)用程序/服務(wù)a、b分別與云存儲(chǔ)架構(gòu)中的云存儲(chǔ)管理節(jié)點(diǎn)a、b相連接。由于在云存儲(chǔ)管理節(jié)點(diǎn)上設(shè)置有統(tǒng)一的應(yīng)用程序訪問(wèn)入口，因此，應(yīng)用程序/服務(wù)通過(guò)調(diào)用應(yīng)用程序訪問(wèn)入口的接口函數(shù)從而訪問(wèn)相應(yīng)的云存儲(chǔ)空間。應(yīng)用程序/服務(wù)會(huì)通過(guò)應(yīng)用程序訪問(wèn)入口指明訪問(wèn)或存取任意一個(gè)云存儲(chǔ)空間中的相應(yīng)信息、或者對(duì)云存儲(chǔ)空間以及虛擬設(shè)備進(jìn)行管理。應(yīng)用程序/服務(wù)通過(guò)調(diào)用應(yīng)用程序訪問(wèn)入口連接上云存儲(chǔ)管理節(jié)點(diǎn)，接著應(yīng)用程序/服務(wù)會(huì)通過(guò)API指明訪問(wèn)的云存儲(chǔ)空間、文件名、偏移量、存取操作等，云存儲(chǔ)管理節(jié)點(diǎn)根據(jù)這些API所傳入的信息結(jié)合內(nèi)部數(shù)據(jù)字典將最終操作分配到一個(gè)或多個(gè)具體的物理存儲(chǔ)設(shè)備上完成存取操作，最后通過(guò)云存儲(chǔ)管理節(jié)點(diǎn)返回存取結(jié)果。數(shù)據(jù)計(jì)算層對(duì)應(yīng)于云數(shù)據(jù)計(jì)算平臺(tái)，該云數(shù)據(jù)計(jì)算平臺(tái)用于調(diào)用云數(shù)據(jù)存儲(chǔ)池中存儲(chǔ)的實(shí)時(shí)采集到的數(shù)據(jù)分別按照工礦系統(tǒng)業(yè)務(wù)公共關(guān)系計(jì)算其特性，建立通用的數(shù)據(jù)計(jì)算分析模型，如計(jì)算設(shè)備性能、負(fù)載能力、工作效率、安全程度、環(huán)境參數(shù)等數(shù)值，節(jié)點(diǎn)控制器上的虛擬系統(tǒng)的數(shù)據(jù)計(jì)算模塊可實(shí)現(xiàn)靈活的添加與設(shè)置，更新數(shù)據(jù)分析計(jì)算模塊，得到相應(yīng)的計(jì)算值。數(shù)據(jù)中心的結(jié)構(gòu)如圖6所示。包括云控制服務(wù)期通過(guò)網(wǎng)絡(luò)適配器與代理服務(wù)器與數(shù)據(jù)網(wǎng)絡(luò)、互聯(lián)網(wǎng)絡(luò)互聯(lián)，監(jiān)控及控制多個(gè)存儲(chǔ)節(jié)點(diǎn)及其上的虛擬機(jī)，主控制器的任務(wù)控制模塊負(fù)責(zé)對(duì)下游節(jié)點(diǎn)控制器進(jìn)行統(tǒng)一調(diào)配管理，包括添加、刪除及遷移控制系統(tǒng)的任何數(shù)量的可讀數(shù)據(jù)的物理驅(qū)動(dòng)器和存儲(chǔ)介質(zhì)等操作，管理模型負(fù)責(zé)對(duì)收集到的負(fù)載及資源使用信息進(jìn)行分析處理，然后交由控制器進(jìn)行控制。計(jì)算節(jié)點(diǎn)包含任意數(shù)量的虛擬機(jī)，每一個(gè)節(jié)點(diǎn)內(nèi)部包含一個(gè)節(jié)點(diǎn)控制器負(fù)責(zé)節(jié)點(diǎn)內(nèi)部的虛擬機(jī)資源控制，協(xié)同管理引擎負(fù)責(zé)資源的分配同步管理，虛擬機(jī)內(nèi)運(yùn)行應(yīng)用程序資源，如資源監(jiān)控器、性能監(jiān)控器、預(yù)警監(jiān)控器在內(nèi)的多個(gè)性能監(jiān)控器。以性能監(jiān)控器為例介紹下數(shù)據(jù)統(tǒng)計(jì)流程，如圖7所示，實(shí)時(shí)負(fù)載及資源監(jiān)控模型，根據(jù)采樣數(shù)據(jù)類型，選擇預(yù)設(shè)設(shè)備類型，進(jìn)而調(diào)用針對(duì)該設(shè)備的統(tǒng)計(jì)模型分析處理采樣的工作性能數(shù)據(jù)，生成設(shè)備理想分配數(shù)據(jù)，再通過(guò)控制器結(jié)合實(shí)際采樣數(shù)據(jù)進(jìn)行模型計(jì)算，輸出實(shí)際分配的數(shù)據(jù)，判斷設(shè)備資源使用情況及其負(fù)載水平，進(jìn)而指導(dǎo)主控節(jié)點(diǎn)控制系統(tǒng)設(shè)備資源的分配，而對(duì)于負(fù)載監(jiān)控模塊而言，如圖8所示，在系統(tǒng)運(yùn)行中，根據(jù)所收集到數(shù)據(jù)信息，實(shí)時(shí)監(jiān)控生成的曲線，觀察曲線是否有突變點(diǎn)或不符合擬合曲線的異常值出現(xiàn)。若存在，則說(shuō)明當(dāng)前數(shù)據(jù)中心該應(yīng)用出現(xiàn)尖峰時(shí)刻，證明系統(tǒng)所需資源需要進(jìn)行較大的變動(dòng)。此時(shí)需要快速對(duì)系統(tǒng)資源使用狀況進(jìn)行分析，當(dāng)系統(tǒng)資源達(dá)到最大容量時(shí)是否可以滿足資源需求。因?yàn)槭钱惓Ｖ迭c(diǎn)，當(dāng)前所獲參數(shù)不能代表整體的負(fù)載、性能及資源間的關(guān)系模型，但如果不及時(shí)處理的話會(huì)對(duì)系統(tǒng)的性能有很大的影響，所以需要及時(shí)對(duì)異常值點(diǎn)進(jìn)行分析處理。若系統(tǒng)資源池資源滿足當(dāng)前需求，則直接交給云控制器進(jìn)行處理，快速解決當(dāng)前異常值點(diǎn)，如果資源不滿足當(dāng)前需求，就啟動(dòng)備份設(shè)備資源，期間使用簡(jiǎn)單的線性回歸模型預(yù)測(cè)下一個(gè)5分鐘的工作負(fù)載，簡(jiǎn)單的線性回歸模型可以有效的捕捉工作負(fù)載隨時(shí)間變化規(guī)律，即使是更為復(fù)雜的歷史數(shù)據(jù)也可以很容易的歸納預(yù)測(cè)其負(fù)載。預(yù)測(cè)的工作負(fù)載作為模型的輸入來(lái)評(píng)估現(xiàn)有的工作量所需的設(shè)備資源需求及系統(tǒng)可以達(dá)到的性能。許多復(fù)雜的因素都會(huì)影響應(yīng)用程序的性能，例如環(huán)境參數(shù)、操作人員數(shù)量的改變等，這時(shí)可以采用KCCA算法及遠(yuǎn)距離相關(guān)算法實(shí)現(xiàn)多元統(tǒng)計(jì)分析建模，同時(shí)分析多個(gè)影響因素對(duì)系統(tǒng)性能帶來(lái)的影響，實(shí)時(shí)調(diào)整模型參數(shù)，生成理想的設(shè)備資源分配數(shù)據(jù)。計(jì)算的分配數(shù)據(jù)可以通過(guò)主控節(jié)點(diǎn)上的標(biāo)準(zhǔn)化查詢接口或通訊接口，由用戶主動(dòng)進(jìn)行查詢操作或被動(dòng)推送到用戶。其中針對(duì)那些需要實(shí)時(shí)收集的數(shù)據(jù)信息，需要及時(shí)更新數(shù)據(jù)，才能保證數(shù)據(jù)中心的服務(wù)質(zhì)量。數(shù)據(jù)訪問(wèn)層云服務(wù)訪問(wèn)模塊設(shè)有云服務(wù)訪問(wèn)接口，用于根據(jù)應(yīng)用組件的觸發(fā)，通過(guò)光纖網(wǎng)絡(luò)找到云服務(wù)器，可快速實(shí)時(shí)從云數(shù)據(jù)計(jì)算平臺(tái)獲得相應(yīng)的計(jì)算值。數(shù)據(jù)訪問(wèn)層 提供的接口服務(wù)包括各類數(shù)據(jù)服務(wù)器提供的云服務(wù)訪問(wèn)接口。以上四層通過(guò)可靠且高速的光交換通信網(wǎng)絡(luò)依次連接，該通信環(huán)網(wǎng)與電力線路緊密關(guān)聯(lián)，高速通信的光纖線路沿著電力線路敷設(shè)到所有智能單元，為企業(yè)提供強(qiáng)大的信息高速通信通道。相比傳統(tǒng)工礦系統(tǒng)中的數(shù)據(jù)采集，本發(fā)明的數(shù)據(jù)處理系統(tǒng)可以擴(kuò)展云端的數(shù)據(jù)存儲(chǔ)和計(jì)算處理功能，以及具體的基于數(shù)據(jù)模型的邏輯判斷功能，通過(guò)配置不同的硬件設(shè)備或系統(tǒng)完成不同的功能的統(tǒng)一監(jiān)控，這些不同功能的設(shè)備或系統(tǒng)都有各自獨(dú)立的數(shù)據(jù)處理單元。而傳統(tǒng)的實(shí)時(shí)數(shù)據(jù)采集與處理單元是由孤立的多個(gè)系統(tǒng)組成，數(shù)據(jù)重復(fù)采集而且數(shù)據(jù)不完備，測(cè)控、計(jì)量、保護(hù)、安全自動(dòng)裝置是由不同的硬件裝置當(dāng)?shù)貙?shí)現(xiàn)。其缺陷是數(shù)據(jù)采集重復(fù)，數(shù)據(jù)難于共享，系統(tǒng)應(yīng)用功能難以有效地協(xié)同。本發(fā)明中的測(cè)控、保護(hù)、計(jì)量、安全自動(dòng)裝置的應(yīng)用功能都是通過(guò)功能組件的集群化形式實(shí)現(xiàn)，通過(guò)高速網(wǎng)絡(luò)通信技術(shù)，真正實(shí)現(xiàn)數(shù)據(jù)統(tǒng)一處理、計(jì)算、共享，有利于提高系統(tǒng)的可靠性、降低系統(tǒng)的安裝成本和維護(hù)費(fèi)用。上述海量信息處理云平臺(tái)將安全生產(chǎn)企業(yè)實(shí)際生產(chǎn)積累的數(shù)據(jù)信息進(jìn)行統(tǒng)一的管理與存儲(chǔ)，此外，為了生產(chǎn)過(guò)程中提供基于數(shù)據(jù)的預(yù)測(cè)、異常檢測(cè)等功能，實(shí)現(xiàn)企業(yè)的安全生產(chǎn)，管理者們還希望能及時(shí)發(fā)現(xiàn)生產(chǎn)中的異常情況，找出原因，并及時(shí)提出應(yīng)對(duì)措施，保持生產(chǎn)的正常進(jìn)行。對(duì)生產(chǎn)情況的判斷分為正常和不正常兩種情況，所以可把其歸為分類問(wèn)題，采用分類效果較好的支持向量機(jī)來(lái)進(jìn)行生產(chǎn)情況異常判斷。通過(guò)分析數(shù)據(jù)庫(kù)中安全生產(chǎn)的指標(biāo)數(shù)據(jù)，選擇產(chǎn)品質(zhì)量、成分、實(shí)際生產(chǎn)率作為指標(biāo)評(píng)判生產(chǎn)情況是否異常的支持?jǐn)?shù)據(jù)，對(duì)支持原始數(shù)據(jù)進(jìn)行箱線圖分析與相關(guān)性分析，獲取數(shù)據(jù)之間的相互影響。選擇數(shù)據(jù)樣本，由于變量之間量級(jí)差距較大，首先需要進(jìn)行需要對(duì)變量數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，
V. - μ---，i = 1,2,3,......, η
σ其中，Vi是原變量值，μ是原變量值的平均值，σ是原變量標(biāo)準(zhǔn)差。
經(jīng)過(guò)標(biāo)準(zhǔn)化處理后，可進(jìn)行支持向量機(jī)決策模型的訓(xùn)練與測(cè)試，如圖9所示，使用訓(xùn)練樣本集數(shù)據(jù)進(jìn)行模型訓(xùn)練，其訓(xùn)練算法采用SMO算法(Sequential MinimalOptimization,序列最小優(yōu)化)，得出其分類模型的支持向量,根據(jù)支持向量計(jì)算出判定函數(shù)f(x)的參數(shù)。經(jīng)過(guò)訓(xùn)練后得到的改進(jìn)型支持向量機(jī)并不是最優(yōu)的，這是由于初始參考模板和算法中的一些參數(shù)設(shè)置會(huì)影響訓(xùn)練的結(jié)果。通過(guò)選擇分層核中的具體參數(shù)和對(duì)軟件度量進(jìn)行選擇，可以得到更為優(yōu)化的模型。在訓(xùn)練好的改進(jìn)型支持向量機(jī)中輸入需要進(jìn)行預(yù)測(cè)的軟件模塊對(duì)應(yīng)的樹形數(shù)據(jù)結(jié)構(gòu)，得到[-1，+1]間的輸出，如果輸出大于0，產(chǎn)品質(zhì)量生產(chǎn)情況不存在異常；反之，輸出小于O意味著產(chǎn)品質(zhì)量的生產(chǎn)情況異常。圖I中所述的虛擬資源層和接入與適配層之間還需要提取和生產(chǎn)有關(guān)的標(biāo)準(zhǔn)、知識(shí)、數(shù)據(jù)等幫助生產(chǎn)與決策，這就要求云平臺(tái)能夠在數(shù)據(jù)庫(kù)中搜索到有用的知識(shí)。針對(duì)知識(shí)的內(nèi)涵與特性、知識(shí)轉(zhuǎn)移的目的與要求，我們還將免疫算子(Immune erator)引入到標(biāo)準(zhǔn)進(jìn)化規(guī)劃算法中。將知識(shí)、知識(shí)轉(zhuǎn)移與免疫理論結(jié)合起來(lái)，基于知識(shí)轉(zhuǎn)移的免疫規(guī)劃算法實(shí)現(xiàn)知識(shí)的推理發(fā)現(xiàn)。在實(shí)際的操作過(guò)程中，免疫算法是在遺傳算法基礎(chǔ)之上發(fā)展起來(lái)的一 種全局優(yōu)化算法，大多遺傳算法能夠解決的問(wèn)題，免疫算法都能夠有效解決且效率要比遺傳算法好，利用免疫算法良好的尋優(yōu)能力可以在虛擬資源層和無(wú)線傳感器網(wǎng)絡(luò)訪問(wèn)所有節(jié)點(diǎn)完成數(shù)據(jù)收集而總能耗最小的選擇路徑方案，最終實(shí)現(xiàn)了減少無(wú)線傳感器網(wǎng)絡(luò)的能量消耗、減少網(wǎng)絡(luò)系統(tǒng)時(shí)延、提高虛擬資源層交互效率的問(wèn)題。如圖10所述，首先，根據(jù)最優(yōu)化的目標(biāo)與條件，對(duì)所求解的問(wèn)題進(jìn)行具體分析和分解，提取出最基本的特征信息或特征集；其次，對(duì)此特征信息進(jìn)行處理，以將其轉(zhuǎn)化為局部環(huán)境或最優(yōu)約束條件下求解問(wèn)題的一種方案；最后，將此方案以適當(dāng)?shù)男问睫D(zhuǎn)化成免疫算子并用來(lái)產(chǎn)生新的個(gè)體?；谥R(shí)及知識(shí)轉(zhuǎn)移的過(guò)程，在合理提取免疫疫苗的基礎(chǔ)上，通過(guò)接種疫苗和免疫選擇實(shí)現(xiàn)免疫進(jìn)化，以有效地對(duì)待求問(wèn)題的先驗(yàn)知識(shí)，提高個(gè)體的適應(yīng)度。以免疫協(xié)同故障診斷軟件工作流程為例，在免疫學(xué)研究中，各種免疫細(xì)胞之間的相互促進(jìn)和抑制現(xiàn)象可以理解為一種特有的協(xié)同進(jìn)化形式一免疫協(xié)同進(jìn)化，可借鑒免疫協(xié)同進(jìn)化機(jī)制，針對(duì)勵(lì)磁系統(tǒng)故障診斷問(wèn)題求解特點(diǎn)和協(xié)同診斷模式，提出了一種多診斷模型協(xié)同進(jìn)化診斷策略，免疫協(xié)同診斷計(jì)算的主要構(gòu)成要素是各個(gè)免疫診斷細(xì)胞群體、免疫診斷細(xì)胞的診斷進(jìn)化算法和細(xì)胞種群調(diào)節(jié)機(jī)制等，進(jìn)化采用基本免疫算法，免疫協(xié)同診斷策略可形式化描述如下=ICED = (CPD, CPDN, CEDA, CPCM)，其中CPD :免疫細(xì)胞診斷種群，CPDN :免疫細(xì)胞診斷種群數(shù)，診斷種群的免疫協(xié)同診斷算法，
CED1^ ■·· CEDl^am ZM1 CN1
CED CED ■■■ CED\ DA, CM,CBDA = .V.2 . 2
■ ■ ■ ■ ■ .
■■■曬■I
CEDcfm^ Dcm^2 ■ ■ >C N_其中CEDij = (PCMijjCEDPijjEDVijIao' = 1,2, ...，CPDN:第 i 個(gè)診斷細(xì)胞種群同第j個(gè)診斷細(xì)胞種群的協(xié)同模式，PCMij代表同步任務(wù)評(píng)估，決定該任務(wù)是否需要和其他智能體協(xié)作完成，CEDPij代表同步進(jìn)化算子，EDVij代表同步評(píng)價(jià)算子！DAi = {si； gi； pi； fi；dj , i = 1,2, ---,CPN :第i個(gè)診斷細(xì)胞種群的免疫進(jìn)化算法,si表示第i個(gè)診斷細(xì)胞種群的選擇策略，gi表示第i個(gè)診斷細(xì)胞種群的進(jìn)化操作算子，包括細(xì)胞克隆、克隆抑制等，Pi表示第i個(gè)診斷細(xì)胞種群的進(jìn)化操作算子的執(zhí)行概率，fi表示第i個(gè)診斷細(xì)胞種群的親合度函數(shù)，di表示第i個(gè)診斷細(xì)胞種群的濃度函數(shù)；CNi :第i個(gè)診斷細(xì)胞種群的所含個(gè)體的數(shù)量；CPCM = {CPO，CPD, CPA, CPE}:免疫細(xì)胞進(jìn)化種群控制模式，CPO表示種群規(guī)模算子，(PD表示種群濃度調(diào)節(jié)，CPA表示種群進(jìn)化目標(biāo)函數(shù)；CPE表示種群評(píng)價(jià)方式。在采用上述描述方式后，若CPD(k) = ICPD11SCPD2k，一，CPDePNk}表示第k代免疫細(xì)胞群體，則第k代免疫細(xì)胞群體協(xié)同進(jìn)化表示為CEDA{CPD(k)} = CEDAiICPD11S CPD2k，…，CPDCPNk}}，則免疫協(xié)同診斷中從第k-Ι代進(jìn)化到第k代可以表示為CPCM(k) :CEDA {CPD (k-1)} — CEDA {CPD (k)}，k= 1，2，…。異常診斷過(guò)程大致分為六個(gè)階段①gen I = 1，故障診斷域設(shè)為設(shè)備故障集合 F = {F1，· · ·，F(xiàn)i，· · ·，F(xiàn)M}，診斷模型集合為 FDM = {FDM1, · · ·，F(xiàn)DMi, · · ·，F(xiàn)DMM}，M 為設(shè)備故障模型數(shù)，F(xiàn)DMi為第i個(gè)故障診斷模型；②針對(duì)某個(gè)診斷任務(wù)FDM_TASK，初始化故障診斷模型群體FDM,分配各診斷模型權(quán)重W= {wl,. . . ,wi,. . . , wM} ,wi表示診斷模型FDMi在診斷故障任務(wù)FDM_TASK中的診斷重要度；③各故障模型FDMi對(duì)診斷任務(wù)FDM_TASK，給出各自診斷子結(jié)論FDR = {FDR1，. . .，F(xiàn)DRi，. . .，F(xiàn)DRM}，計(jì)算每個(gè)診斷模型個(gè)體FDMi親合度和濃度，評(píng)價(jià)FDM_TASK故障診斷效果，若滿足故障診斷結(jié)束條件，則轉(zhuǎn)向⑥gen I =gen 1+1，對(duì)故障診斷模型群體FDM，基于親合度和濃度值從上一代群體中選取新一代群體；⑤將免疫算子(克隆、突變、抑制)應(yīng)用到群體的個(gè)體中，獲得新的故障診斷模型群體FDM，并分配新診斷模型權(quán)重W= {wl,. . . , wi,. . . , wM},轉(zhuǎn)向③；⑥故障診斷結(jié)束。某一時(shí)刻的 故障診斷過(guò)程，免疫協(xié)同故障診斷軟件模塊5將在完成了上述全部診斷行為，得到較為滿意的診斷結(jié)果后，才結(jié)束本次診斷流程。此外，真對(duì)平臺(tái)服務(wù)支撐層中的知識(shí)聚集和分類引擎，隨著安全生產(chǎn)企業(yè)的生產(chǎn)建設(shè)，數(shù)據(jù)資料的數(shù)量和種類相應(yīng)增加，數(shù)據(jù)間關(guān)系日也益復(fù)雜，對(duì)安全事故進(jìn)行傳統(tǒng)的定性分析已不適應(yīng)大量而復(fù)雜數(shù)據(jù)的需要，提出利用關(guān)聯(lián)規(guī)則的分析工具挖掘安全事故數(shù)據(jù)的特點(diǎn)與規(guī)律，找到事故發(fā)生類型與“人-機(jī)-環(huán)境-管理”各因子之間的強(qiáng)關(guān)聯(lián)規(guī)則，對(duì)事故的發(fā)生進(jìn)行預(yù)警。收集與挖掘有關(guān)的歷史災(zāi)害數(shù)據(jù)和設(shè)計(jì)勘察資料，得到施工事故相關(guān)的數(shù)據(jù)。對(duì)施工事故數(shù)據(jù)進(jìn)行數(shù)據(jù)清理，保證數(shù)據(jù)的準(zhǔn)確規(guī)范。在施工事故數(shù)據(jù)記錄不完整，不一致，還有錯(cuò)誤的信息等等，因此，為保證以后分析中數(shù)據(jù)的有效，這一階段需要對(duì)此類數(shù)據(jù)進(jìn)行清理，主要解決數(shù)據(jù)文件建立中的人為誤差，以及數(shù)據(jù)文件中一些對(duì)統(tǒng)計(jì)分析結(jié)果影響較大的特殊數(shù)值建立多維數(shù)據(jù)模型。圖11給出了一種基于關(guān)聯(lián)規(guī)則分析流程的數(shù)據(jù)分析方法，其根據(jù)施工事故的特點(diǎn)事故發(fā)生的原因，設(shè)置數(shù)據(jù)屬性，從數(shù)據(jù)庫(kù)中提取事故數(shù)據(jù)和勘查數(shù)據(jù)構(gòu)成事故樣本數(shù)據(jù)，從事故類型、事故發(fā)生時(shí)間、設(shè)備工作參數(shù)三個(gè)維度建立其數(shù)據(jù)立方體，并利用SQL語(yǔ)言的聚集查詢和連接語(yǔ)句對(duì)該數(shù)據(jù)立方體進(jìn)行操作，完成頻繁謂詞集和強(qiáng)規(guī)則的搜索過(guò)程.產(chǎn)生頻繁謂詞集。具體需要滿足最小支持度和最小置信度，設(shè)置最小支持度計(jì)數(shù)為3，從而確定沒(méi)有概念分層維度的謂詞集，最小置信度可以用項(xiàng)集最小支持度計(jì)數(shù)表示的條件概率來(lái)表達(dá)，從而利用改進(jìn)的經(jīng)典Apriori算法產(chǎn)生頻繁謂詞集。產(chǎn)生強(qiáng)關(guān)聯(lián)規(guī)則。進(jìn)一步的可以通過(guò)描述滿足最小支持度閾值和最小置信度閾值的關(guān)聯(lián)規(guī)則的現(xiàn)實(shí)含義，比如月份時(shí)間，設(shè)備工作參數(shù)對(duì)可能發(fā)生的事故級(jí)別進(jìn)行關(guān)聯(lián)預(yù)測(cè)，將有助于工礦事故的預(yù)警，輔助企業(yè)科學(xué)決策，在具體的挖掘過(guò)程中，各閾值可以由工作人員和領(lǐng)域?qū)＜夜餐O(shè)定，也就是說(shuō)規(guī)則是否正確、適用，要取決于邊界條件的設(shè)定。針對(duì)工礦企業(yè)安全生產(chǎn)管理交互頻繁、協(xié)作緊密的特點(diǎn)，梳理企業(yè)的業(yè)務(wù)類型，實(shí)現(xiàn)支持業(yè)務(wù)協(xié)作的安全管理協(xié)同，還具體包括如下技術(shù)
依據(jù)國(guó)外的辨識(shí)標(biāo)準(zhǔn)，同時(shí)又結(jié)合了我國(guó)的生產(chǎn)技術(shù)水平和各個(gè)場(chǎng)所環(huán)境的不同，可以采用層次分析和模糊數(shù)學(xué)的方法進(jìn)行綜合評(píng)價(jià)，以判斷其是否為重大危險(xiǎn)源。對(duì)重大危險(xiǎn)源的分析評(píng)價(jià)包括對(duì)各種危險(xiǎn)源的危險(xiǎn)原因，事故發(fā)生幾率，后果的影響范圍等。重大危險(xiǎn)源的評(píng)價(jià)是控制重大工業(yè)事故的關(guān)鍵措施之一。重大危險(xiǎn)源評(píng)價(jià)應(yīng)從固有危險(xiǎn)性評(píng)價(jià)和現(xiàn)實(shí)危險(xiǎn)性評(píng)價(jià)兩方面進(jìn)行。固有危險(xiǎn)性評(píng)價(jià)主要反映了物質(zhì)固有特性，危險(xiǎn)物質(zhì)生產(chǎn)過(guò)程的特點(diǎn)和危險(xiǎn)單元內(nèi)部、外部環(huán)境狀況?，F(xiàn)實(shí)危險(xiǎn)性評(píng)價(jià)是在前者的基礎(chǔ)上考慮各種危險(xiǎn)性的抵消因子，反映了人在控制事故發(fā)生和控制事故后果擴(kuò)大方面的主觀能動(dòng)作用。增加了外部環(huán)境抵消因子提出如下評(píng)價(jià)模型= {Σ Σ (5111), (5112 )./ }^12 (1 - B2k )
,=1 ./=1式中(Bill) i——第i種物質(zhì)的物質(zhì)危險(xiǎn)性評(píng)價(jià)值；(BI 12) j——第j種物質(zhì)的工藝危險(xiǎn)性評(píng)價(jià)值;Wij——第j項(xiàng)工藝與第i種物質(zhì)危險(xiǎn)性的相關(guān)系數(shù)；B12——事故嚴(yán)重評(píng)價(jià)值；B21—工藝設(shè)備容器建筑結(jié)構(gòu)抵消因子；B22—人員素質(zhì)抵消因子；B23——安全 管理抵消因子。通常采用危險(xiǎn)源分級(jí)時(shí)的方法，通過(guò)死亡半徑來(lái)確定一個(gè)圓形區(qū)域，這個(gè)圓形區(qū)域就是該危險(xiǎn)源影響的范圍。這種圓形區(qū)域的范圍對(duì)于爆炸的影響是適用的，但是對(duì)于其他一些情況就不適用，比如涉及氣體泄漏，就不能完全按照死亡半徑來(lái)確定。對(duì)危險(xiǎn)源進(jìn)行準(zhǔn)確的判斷和分級(jí)，然后通過(guò)其評(píng)價(jià)的結(jié)果來(lái)采取相應(yīng)的預(yù)防、急救措施。重大危險(xiǎn)源快速評(píng)價(jià)分級(jí)的目的，是在重大危險(xiǎn)源數(shù)據(jù)所收錄的數(shù)據(jù)信息基礎(chǔ)上，對(duì)重大危險(xiǎn)源進(jìn)行快速評(píng)價(jià)和分級(jí)，以便利政府主管部門對(duì)重大危險(xiǎn)源進(jìn)行宏觀分級(jí)監(jiān)控和管理。危險(xiǎn)源快速評(píng)價(jià)方法主要對(duì)重大危險(xiǎn)源可能導(dǎo)致的事故后果進(jìn)行評(píng)價(jià)，以預(yù)測(cè)事故發(fā)生的死亡半徑為主要評(píng)價(jià)指標(biāo)，以死亡半徑的大小進(jìn)行重大危險(xiǎn)源的分級(jí)。首先選擇危險(xiǎn)源的編號(hào)，然后根據(jù)此編號(hào)查找數(shù)據(jù)庫(kù)的相關(guān)數(shù)據(jù)，得到數(shù)據(jù)以后進(jìn)行分析，判斷此危險(xiǎn)源數(shù)據(jù)中所包含的物質(zhì)的種類數(shù)，是否有毒性，從而分幾種途徑來(lái)處理該危險(xiǎn)源。其中最重要的部分就是計(jì)算有毒物質(zhì)，易燃，易爆物質(zhì)的傷害模型的死亡半徑，最后通過(guò)最大的死亡半徑來(lái)給危險(xiǎn)源分級(jí)。此外，企業(yè)還可以通過(guò)云平臺(tái)加強(qiáng)生產(chǎn)現(xiàn)場(chǎng)安全管理和生產(chǎn)過(guò)程的控制。對(duì)生產(chǎn)過(guò)程及物料、設(shè)備設(shè)施、器材、通道、作業(yè)環(huán)境等存在的隱患，應(yīng)進(jìn)行分析和控制。對(duì)動(dòng)火作業(yè)、受限空間內(nèi)作業(yè)、臨時(shí)用電作業(yè)、高處作業(yè)等危險(xiǎn)性較高的作業(yè)活動(dòng)實(shí)施作業(yè)許可管理，嚴(yán)格履行審批手續(xù)。如圖12所示，以Petri的過(guò)程挖掘算法為基礎(chǔ)，將非Petri網(wǎng)建模的過(guò)程模型轉(zhuǎn)換為Petri網(wǎng)，解決從日志中挖掘隱藏任務(wù)這一開放性問(wèn)題，使得挖掘得到的Petri網(wǎng)中包含不帶標(biāo)簽的任務(wù)節(jié)點(diǎn)。對(duì)安全生產(chǎn)過(guò)程日志進(jìn)行分析，對(duì)生產(chǎn)過(guò)程的數(shù)據(jù)進(jìn)行評(píng)估，及時(shí)杜絕不安全隱患?；谠揚(yáng)etr算法可以用于支持一種組合業(yè)務(wù)的工作流引擎，包括接口層、控制層、實(shí)體層、存儲(chǔ)層以及用于存儲(chǔ)業(yè)務(wù)的流程實(shí)例的數(shù)據(jù)庫(kù)；所述工作流引擎部署后，通過(guò)所述接口層接收業(yè)務(wù)系統(tǒng)或其他接口系統(tǒng)發(fā)送的業(yè)務(wù)信息，所述其他接口系統(tǒng)包括資源管理系統(tǒng)、服務(wù)開通管理系統(tǒng)、計(jì)費(fèi)帳務(wù)系統(tǒng)；所述接口層提供了三種方式的接口，包括API接口、Corba接口、WebService接口，便于工作流引擎與業(yè)務(wù)系統(tǒng)的銜接；所述業(yè)務(wù)信息包括業(yè)務(wù)的流程實(shí)例、流程實(shí)例的當(dāng)前環(huán)節(jié)完成情況；所述控制層接收到所述接口層傳遞的業(yè)務(wù)信息后，根據(jù)支持組合業(yè)務(wù)的流程路由控制方法，來(lái)控制業(yè)務(wù)的流程實(shí)例的生成、調(diào)度、分解、合并、結(jié)束；并確定業(yè)務(wù)的流程實(shí)例是自動(dòng)流轉(zhuǎn)到下一個(gè)環(huán)節(jié)，還是需要原地等待；同時(shí)所述控制層調(diào)用所述實(shí)體層提供的方法記錄流程實(shí)例的當(dāng)前環(huán)節(jié)的完成情況以及所述流程路由控制方法確定的流轉(zhuǎn)結(jié)果，流程結(jié)果通過(guò)所述接口層返回；所述實(shí)體層提供的方法為對(duì)工作流引擎內(nèi)部所描述的管理對(duì)象的新增、修改、刪除和查詢的操作，所述管理對(duì)象包括業(yè)務(wù)的流程實(shí)例對(duì)象、流程路由對(duì)象、流程實(shí)例的當(dāng)前環(huán)節(jié)對(duì)象、流程任務(wù)對(duì)象；其中，所述流程任務(wù)對(duì)象描述每個(gè)流程實(shí)例的環(huán)節(jié)執(zhí)行的具體任務(wù)；所述存儲(chǔ)層通過(guò)所述數(shù)據(jù)庫(kù)持久性的保存所述業(yè)務(wù)的流程實(shí)例信息。所述流程操作過(guò)程中還可以融合一種優(yōu)化調(diào)度的驗(yàn)證方法，具體步驟是(I)調(diào)度方案生成根據(jù)產(chǎn)品銷售計(jì)劃、原料采購(gòu)計(jì)劃、設(shè)備維修計(jì)劃、產(chǎn)品(中間體、原料)庫(kù)存信息和設(shè)備生產(chǎn)能力，生產(chǎn) 資源占用、消耗、生產(chǎn)成本等生產(chǎn)約束信息，生成目標(biāo)模型的數(shù)據(jù)文件建立優(yōu)化調(diào)度的數(shù)學(xué)模型，并根據(jù)用戶設(shè)定的優(yōu)化目標(biāo)(最大生產(chǎn)能力、最大利潤(rùn)或滿足銷售訂單)，以及模型求解器，解算出優(yōu)化調(diào)度方案。(2)通過(guò)推算預(yù)知可能出現(xiàn)的生產(chǎn)異常采集企業(yè)資源計(jì)劃系統(tǒng)中當(dāng)前的產(chǎn)品銷售計(jì)劃、原料采購(gòu)計(jì)劃(包括到貨情況)、庫(kù)存信息、設(shè)備檢修計(jì)劃、能源供應(yīng)計(jì)劃等，通過(guò)混雜設(shè)備約束(包括間歇生產(chǎn)設(shè)備和連續(xù)生產(chǎn)設(shè)備)、容量約束、物流平衡約束和能源約束按時(shí)間進(jìn)行跟蹤推算，預(yù)知可能出現(xiàn)的生產(chǎn)異常。(3)將優(yōu)化調(diào)度方案(步驟I獲取的數(shù)據(jù))與可能出現(xiàn)的生產(chǎn)異常(步驟2獲取的數(shù)據(jù))結(jié)合在一起，利用圖形的可視化ESCPetri-Nets網(wǎng)技術(shù)仿真生產(chǎn)過(guò)程。以調(diào)度時(shí)間為軸線，動(dòng)態(tài)曲線顯示生產(chǎn)車間設(shè)備工況、物料平衡(采購(gòu)-庫(kù)存-銷售)，模擬驗(yàn)證生產(chǎn)調(diào)度情況。以物料為中心，隨調(diào)度時(shí)間變化，以圖形的方式動(dòng)態(tài)顯示某個(gè)物料的變化趨勢(shì)和某時(shí)刻與某物料生產(chǎn)消耗相關(guān)的設(shè)備運(yùn)行狀況。
權(quán)利要求
1.一種用于面向工礦企業(yè)的安全生產(chǎn)云服務(wù)平臺(tái)的基于廣義規(guī)則推理的異常診斷方法，其特征在于所述面向工礦企業(yè)的安全生產(chǎn)云服務(wù)平臺(tái)系統(tǒng)，包括安全云服務(wù)平臺(tái)門戶子系統(tǒng)，系統(tǒng)管理與相關(guān)工具集研制子系統(tǒng)，應(yīng)用服務(wù)層子系統(tǒng)，虛擬資源層子系統(tǒng)，平臺(tái)服務(wù)支撐層子系統(tǒng)，接入與適配層子系統(tǒng)，安全服務(wù)資源子系統(tǒng)，基礎(chǔ)設(shè)施服務(wù)支撐層子系統(tǒng)；所述的虛擬資源層和接入與適配層之間通過(guò)使用免疫算子提取和生產(chǎn)有關(guān)的標(biāo)準(zhǔn)、知識(shí)、數(shù)據(jù)幫助生產(chǎn)與決策包括提取出最基本的特征信息或特征集；其次，對(duì)此特征信息進(jìn)行處理，以將其轉(zhuǎn)化為局部環(huán)境或最優(yōu)約束條件下求解問(wèn)題的一種方案；最后，將此方案以適當(dāng)?shù)男问睫D(zhuǎn)化成免疫算子并用來(lái)產(chǎn)生新的個(gè)體，基于知識(shí)及知識(shí)轉(zhuǎn)移的過(guò)程，在合理提取免疫疫苗的基礎(chǔ)上，通過(guò)接種疫苗和免疫選擇實(shí)現(xiàn)免疫進(jìn)化，以有效地對(duì)異常診斷的先驗(yàn)知識(shí)，提聞個(gè)體的適應(yīng)度。
2.根據(jù)權(quán)利要求I所述的用于面向工礦企業(yè)的安全生產(chǎn)云服務(wù)平臺(tái)的基于廣義規(guī)則推理的異常診斷方法，其特征在于所述免疫算子由協(xié)同診斷計(jì)算的主要構(gòu)成要素構(gòu)成，該要素是各個(gè)免疫診斷細(xì)胞群體、免疫診斷細(xì)胞的診斷進(jìn)化算法和細(xì)胞種群調(diào)節(jié)機(jī)制，進(jìn)化采用基本免疫算法，異常診斷過(guò)程大致分為六個(gè)階段①gen I = 1，故障診斷域設(shè)為設(shè)備故障集合 F= {F1，. . .，F(xiàn)i，. . .，F(xiàn)M}，診斷模型集合為 FDM = {FDM1，. . .，F(xiàn)DMi，. . .，F(xiàn)DMM}，M為設(shè)備故障模型數(shù)，F(xiàn)DMi為第i個(gè)故障診斷模型；②針對(duì)某個(gè)診斷任務(wù)FDM_TASK，初始化故障診斷模型群體FDM,分配各診斷模型權(quán)重W= {wl, . . . , wi,. . . , wM}, wi表示診斷模型FDMi在診斷故障任務(wù)FDM_TASK中的診斷重要度；③各故障模型FDMi對(duì)診斷任務(wù)FDM_TASK，給出各自診斷子結(jié)論FDR = {FDR1，. . .，F(xiàn)DRi，. . .，F(xiàn)DRM}，計(jì)算每個(gè)診斷模型個(gè)體FDMi親合度和濃度，評(píng)價(jià)FDM_TASK故障診斷效果，若滿足故障診斷結(jié)束條件，則轉(zhuǎn)向⑥；④gen I = gen 1+1,對(duì)故障診斷模型群體FDM,基于親合度和濃度值從上一代群體中選取新一代群體；⑤將免疫算子應(yīng)用到群體的個(gè)體中，獲得新的故障診斷模型群體FDM，并分配新診斷模型權(quán)重w = {wl, . . . , wi, . . . ,wM},轉(zhuǎn)向③；⑥故障診斷結(jié)束。某一時(shí)刻的故障診斷過(guò)程，免疫協(xié)同故障診斷軟件模塊將在完成了上述全部診斷行為，得到較為滿意的診斷結(jié)果后，才結(jié)束本次診斷流程。
全文摘要
一種用于面向工礦企業(yè)的安全生產(chǎn)云服務(wù)平臺(tái)的基于廣義規(guī)則推理的異常診斷方法，包括提取出最基本的特征信息或特征集；其次，對(duì)此特征信息進(jìn)行處理，以將其轉(zhuǎn)化為局部環(huán)境或最優(yōu)約束條件下求解問(wèn)題的一種方案；最后，將此方案以適當(dāng)?shù)男问睫D(zhuǎn)化成免疫算子并用來(lái)產(chǎn)生新的個(gè)體，基于知識(shí)及知識(shí)轉(zhuǎn)移的過(guò)程，在合理提取免疫疫苗的基礎(chǔ)上，通過(guò)接種疫苗和免疫選擇實(shí)現(xiàn)免疫進(jìn)化，以有效地對(duì)異常診斷的先驗(yàn)知識(shí)，提高個(gè)體的適應(yīng)度。
文檔編號(hào)G06Q10/00GK102903009SQ20121037057
公開日2013年1月30日 申請(qǐng)日期2012年9月25日 優(yōu)先權(quán)日2012年9月25日
發(fā)明者陳明新, 鄭俊褒, 方緒群, 楊俊杰, 張秀文 申請(qǐng)人:浙江圖訊科技有限公司