[发明专利]自动化冷却设备冷却效果检测方法

权利要求书

1.一种自动化冷却设备冷却效果检测方法，其特征在于，包括：

区块链网络系统接收各节点装置上传的自动化冷却设备的冷却前后的差异数据；

将所述冷却前后的差异数据输入到智能合约，所述智能合约包括有马尔可夫模型和贝叶斯模型，以及模型竞争协议，所述模型竞争协议用于根据当前自动化冷却设备的唯一标识择一运行马尔可夫模型和贝叶斯模型，所述智能合约输出自动化冷却设备的冷却效果概率；

将所述冷却效果概率发送至共识节点，以使所述共识节点对所述冷却效果概率进行共识；

若共识通过，则对所述自动化冷却设备进行冷却效果检测。

2.根据权利要求1所述的自动化冷却设备冷却效果检测方法，其特征在于，根据当前自动化冷却设备的唯一标识择一运行马尔可夫模型和贝叶斯模型，包括：

结合一随机数和哈希算法将所述唯一标识编译为哈希字符串；

将所述哈希字符串拆分为多个字符，并基于预设的字符与冷却前后的差异数据的对应关系，生成待定冷却前后的差异数据；

将所述待定冷却前后的差异数据分别输入至所述马尔可夫模型和贝叶斯模型，得到对应每个模型的伪概率；

运行伪概率较大的模型。

3.根据权利要求1所述的自动化冷却设备冷却效果检测方法，其特征在于，还包括：

建立所述马尔可夫模型和贝叶斯模型；

将所述马尔可夫模型和贝叶斯模型通过字节码注入的方式注入至所述智能合约；以及

将所述模型竞争协议通过字节码注入的方式注入至所述智能合约。

4.根据权利要求1所述的自动化冷却设备冷却效果检测方法，其特征在于，还包括：

利用第一历史冷却前后的差异数据集训练所述马尔可夫模型，利用第二历史冷却前后的差异数据集训练所述贝叶斯模型，所述第一历史冷却前后的差异数据集和所述第二历史冷却前后的差异数据集选自不同自动化冷却设备在不同历史时间段内的冷却前后的差异数据。

5.一种自动化冷却设备冷却效果检测的区块链网络系统，其特征在于，包括：

接收模块，接收各节点装置上传的自动化冷却设备的冷却前后的差异数据；

模型输出模块，将所述冷却前后的差异数据输入到智能合约，所述智能合约包括有马尔可夫模型和贝叶斯模型，以及模型竞争协议，所述模型竞争协议用于根据当前自动化冷却设备的唯一标识择一运行马尔可夫模型和贝叶斯模型，所述智能合约输出自动化冷却设备的冷却效果概率；

共识模块，将所述冷却效果概率发送至共识节点，以使所述共识节点对所述冷却效果概率进行共识；

冷却效果检测模块，若共识通过，则对所述自动化冷却设备进行冷却效果检测。

6.根据权利要求5所述的自动化冷却设备冷却效果检测的区块链网络系统，其特征在于，根据当前自动化冷却设备的唯一标识择一运行马尔可夫模型和贝叶斯模型，包括：

结合一随机数和哈希算法将所述唯一标识编译为哈希字符串；

将所述哈希字符串拆分为多个字符，并基于预设的字符与冷却前后的差异数据的对应关系，生成待定冷却前后的差异数据；

将所述待定冷却前后的差异数据分别输入至所述马尔可夫模型和贝叶斯模型，得到对应每个模型的伪概率；

运行伪概率较大的模型。

7.根据权利要求1所述的自动化冷却设备冷却效果检测的区块链网络系统，其特征在于，还包括：

模型建立模块，建立所述马尔可夫模型和贝叶斯模型；

模型注入模块，将所述马尔可夫模型和贝叶斯模型通过字节码注入的方式注入至所述智能合约；以及

协议注入模块，将所述模型竞争协议通过字节码注入的方式注入至所述智能合约。

8.根据权利要求1所述的自动化冷却设备冷却效果检测的区块链网络系统，其特征在于，还包括：

训练模块，利用第一历史冷却前后的差异数据集训练所述马尔可夫模型，利用第二历史冷却前后的差异数据集训练所述贝叶斯模型，所述第一历史冷却前后的差异数据集和所述第二历史冷却前后的差异数据集选自不同自动化冷却设备在不同历史时间段内的冷却前后的差异数据。