[发明专利]一种基于自学习算法的智能安全监控和诊断方法

权利要求书

1.一种基于自学习算法的智能安全监控和诊断方法，其特征在于，包括步骤如下：

获取对象属性数据，并根据所述对象属性数据，建立对象属性数据模型；其中，所述对象属性数据包括：产品参数、供气参数和测试参数；

建立对象方法数据模型，所述对象方法数据模型包括：气体状态计算方法、压缩流体流量计算方法、胀接压力计算方法和不确定度计算方法；

基于所述对象属性数据模型，根据所述对象方法数据模型，计算出与所述对象属性数据模型对应的理论对象属性数据模型；

基于所述理论对象属性数据模型，对所述对象属性数据模型进行训练，得到第一训练结果，并根据所述第一训练结果，更新所述对象属性数据模型中的所述对象属性数据，获得有效对象属性数据模型；

根据所述有效对象属性数据模型，对所述对象方法数据模型进行训练，得到第二训练结果，并根据所述第二训练结果，更新所述对象方法数据模型中的对象方法数据，获得有效对象方法数据模型；

根据所述有效对象属性数据模型和有效对象方法数据模型，建立最佳线性系统；

获取实时对象属性数据，基于所述最佳线性系统，将所述实时对象属性数据进行分类；

对不同分类中的所述实时对象属性数据进行自动校正、提前预警和安全防护；

其中，获得所述理论对象属性数据模型的步骤包括：

将所述对象属性数据中的所述产品参数和供气参数，带入所述对象方法数据模型中，计算出与所述产品参数和供气参数，对应的理论测试参数，得到理论对象属性数据；

根据所述理论对象属性数据，建立所述理论对象属性数据模型；

所述获得有效对象属性数据模型的步骤包括：

将所述理论对象属性数据模型中的所述理论测试参数，和与之对应的所述对象属性数据模型中的所述测试参数，进行对比；

若不同，则将所述测试参数，带入所述对象方法数据模型中，计算出与所述测试参数，对应的第一有效产品参数和第一有效供气参数；若相同，则将与所述理论测试参数对应的所述产品参数和供气参数进行标注，得到第二有效产品参数和第二有效供气参数；获得第一训练结果；

根据所述第一训练结果，对所述对象属性数据中的所述产品参数和供气参数进行更新，获得有效对象属性数据；

根据所述有效对象属性数据，建立所述有效对象属性数据模型；

所述获得有效对象方法数据模型的步骤包括：

将所述有效对象属性数据中的所述测试参数作为因变量，将与所述测试参数对应的第一有效产品参数和第一有效供气参数，或第二有效产品参数和第二有效供气参数作为自变量，对所述气体状态计算方法、压缩流体流量计算方法、胀接压力计算方法和不确定度计算方法进行训练；得到第二训练结果；

根据所述第二训练结果，对所述对象方法数据中的所述气体状态计算方法、压缩流体流量计算方法、胀接压力计算方法和不确定度计算方法进行更新，获得有效对象方法数据模型。

2.根据权利要求1所述的基于自学习算法的智能安全监控和诊断方法，其特征在于，将所述实时对象属性数据进行分类的步骤包括：

基于所述最佳线性系统，根据有效对象方法数据模型，计算出有效对象属性数据模型对应的状态拟合曲线，根据所述状态拟合曲线设置优质产品、合格产品和不合格产品，对应的划分范围；

基于所述最佳线性系统，对所述实时对象属性数据进行实时判断，得出状态判断结果；

将所述状态判断结果与所述划分范围进行对比，以对所述实时对象属性数据进行分类。

3.根据权利要求1所述的基于自学习算法的智能安全监控和诊断方法，其特征在于，所述产品参数包括：铜管材料信息、翅片材料信息和产品性能信息；所述供气参数包括：压力信息、脉动信息和含湿量信息。

4.根据权利要求1所述的基于自学习算法的智能安全监控和诊断方法，其特征在于，所述测试参数包括充气压力信息、充气时长信息、胀管压力信息、胀管时长信息、泄压压力信息、泄压时长信息和节拍。

5.根据权利要求1所述的基于自学习算法的智能安全监控和诊断方法，其特征在于，所述气体状态计算方法中的计算公式如下：

PV＝NRT

其中，P为压强，单位为：Pa；V为体积，单位为：L；N为物质的量，单位为：mol；R为常数，T为温度，单位为：K。