[发明专利]智能化判断实验室设备运行状态及计算设备利用率的方法

权利要求书

1.一种智能化判断实验室设备运行状态及计算设备利用率的方法，其特征在于：其包括数据采集和数据分析，其中数据分析的具体步骤如下：

1）建立仪器设备运行状态功率指导的标准库；

2）将实验室仪器设备按不同类型，不同工作特性进行分类，将其分为两大类，一类是同一状态功率保持稳定，不同状态功率差异明显；另一类是不同状态功率差异不明显或者是同一状态功率不稳定；

3）对应这两类仪器设备，分别采用无监督学习和有监督学习的模型来判别设备的运行状态；

4）根据采集到的仪器设备功率信息，以及每个时间戳的状态判断结果，统计计算处于运行状态的持续时长，得出时间段内的利用率。

2.根据权利要求1所述的一种智能化判断实验室设备运行状态及计算设备利用率的方法，其特征在于：其中数据采集通过周期性采集设备使用的电压、电流、有功功率作为系统学习的指导依据，通过无线模块发送到云端服务器，由服务器进行学习判别。

3.根据权利要求2所述的一种智能化判断实验室设备运行状态及计算设备利用率的方法，其特征在于：其中数据采集所采用的采集电路如下：流经R4的电流在R4两端产生电压，通过R3 、R5、 C2 、C3组成的低通滤波器滤除采样噪声后由U1采集R4两端的差分电压，换算后可得知负载电流；负载电压由R8、R9、R10、R11、R12组成的分压电路分压后，进入U1进行采样，获知负载两端电压，C4的作用是滤除电源杂波，提高采样稳定性，通过U1内部分析电流、电压的相位关系，获知功率因数，通过功率因数乘以总功率可获知有功功率，此部分运算为U1内部自动完成。

4.根据权利要求2所述的一种智能化判断实验室设备运行状态及计算设备利用率的方法，其特征在于：所述R4采用0.001欧锰铜合金采样电阻，精度1%，U1的TX引脚与无线模块相连，无线模块型号为ESP12F。

5.根据权利要求1所述的一种智能化判断实验室设备运行状态及计算设备利用率的方法，其特征在于：采用无监督学习中的聚类模型训练所采集到的一定时段内的功率数据并得出聚类模型实现对设备的运行状态进行自动判定，首先需要指定分类的类别，通过不断地迭代计算，最后找到相应的团簇，得到聚类模型后，模型通过3个属性确定一个团簇：中心点值的大小medium，团簇最小数据到中心点的距离ld，团簇最大数据到中心点的距离rd。

6.根据权利要求5所述的一种智能化判断实验室设备运行状态及计算设备利用率的方法，其特征在于：团簇的范围就是（medium-ld，medium+rd），簇即表示一个运行状态；模型评价算法：针对训练好的聚类模型进行自评估，模型应具备的特性：簇内的数据相差较小，簇与簇之间的数据差别较大，针对这一特性，通过计算相邻簇的/簇内平均距离和/与簇间距离的比例来判断模型的可信度，趋近于0，说明簇内距离相对越小，簇间距离相对越大，趋近于1，说明簇内平均距离约大，且和接近于簇间距离，相邻簇太过接近，这样的设备特性不适用于无监督学习。

7.根据权利要求1所述的一种智能化判断实验室设备运行状态及计算设备利用率的方法，其特征在于：有监督学习的过程为先通过已知的训练样本来训练，从而得到一个最优模型，再将这个模型应用在新的数据上，映射为输出结果，再经过这样的过程后，模型就有了预知能力，采用双向长短记忆神经网络模型提取一段数据蕴含的状态特征，并根据训练好的模型对位置数据段的状态进行预测。

8.根据权利要求7所述的一种智能化判断实验室设备运行状态及计算设备利用率的方法，其特征在于：采用训练样本训练LSTM网络模型结构，实现整段数据的特征提取，当前时刻的状态信息预测不仅仅由当前时刻的功率值确定，而且需要综合考虑前一段时间内的功率值与状态信息。