[发明专利]基于云计算技术的自升式平台多设备远程监控方法

摘要

本发明披露一种基于云计算技术自升式平台多设备远程监控方法，属于自升式平台远程监控领域，具体的涉及到自升式平台与厂商之间数据传输，自升式平台大数据分析系统结构，利用云计算技术实现对海量数据分析、建模、存储，在自升式平台本地采集到数据后再用工业计算机上做特征提取，通过云计算系统用随机森林特征选择的方法和支持向量机建模分析实现自升式平台多设备远程状态监，使用云计算平台，可以使状态监测更加准确，处理速度快，安全性高。

主权项

1.一种基于云计算技术自升式平台多设备远程监控方法，自升式平台与厂商终端间通过5G/GPRS/WiMAX进行数据交互；所述自升式平台大数据分析系统结构包括：基础架构Hadoop、分布式文件系统模块、MapReduce、Hive、监控工具与调度工具；厂商终端利用云计算技术对传送过来的数据进行模型分析，实现自升式平台远程状态监测：厂家终端提出个性化需求给云端供应端，云端供应端给厂家终端的私人定制服务、监控模型给厂家终端提供可执行策略，监控模型给云端供应商提供系统量化、云计算系统向监控模型进行数据传输和运行监控，厂家终端将本地数据传输到云计算系统，云端供应商则对云计算系统进行管理维护、共享存储可以让厂家终端访问历史数据，云计算系统可以将数据上传到共享存储中也可以共享存储用云计算系统进行数据访问；其特征在于所述基于云计算技术自升式平台多设备远程监控方法包括以下步骤：步骤一：从自升式平台上采集数据步骤11：振动传感器布置在钻台、井架、防喷器、悬臂梁、高压泥浆管线、起重机、锚机上；步骤12：感烟感温多功能探测器布置在平台的每个场所，在主柴油发电机和应急柴油发电机上布置一个火焰探测器和一个光电式感烟探测器；步骤13：气体探测器安装在风闸前，确保在可燃气体或硫化氢进入风道前就可以探测到气体报警；步骤14：SCADA系统硬件驱动层负责从升降控制系统和钻井包控制系统中获取振动数据A，火灾数据B，气体数据C；步骤15：SCADA数据层负责对接收到的实时振动数据A，火灾数据B，气体数据C做历史采集、产生报警、执行计算等处理后向上面的HMI应用层提供数据；步骤16：HMI应用层负责和用户交互，并根据需要向数据层提取数据；步骤二：对自升式平台本地振动、火灾、气体数据进行特征提取步骤21：将振动数据A，火灾数据B，气体数据C上传到工业计算机上；步骤22：用快速傅里叶变换对振动数据A，火灾数据B，气体数据C把时域转换到频域上；步骤23：在频域中把振动数据A，火灾数据B，气体数据C的基波抽取出来，舍弃高次谐波，得到振动数据a,火灾数据b，气体数据c；步骤24：将振动数据a,火灾数据b，气体数据c上传到云计算系统上；步骤三：在云计算系统上对数据进行特征选择步骤31：云计算系统接受到自升式平台上传的振动数据a,火灾数据b，气体数据c；步骤32：利用随机森林算法的变量重要性度量对特征进行排序，在原始数据上构建分类器C；步骤33：在测试集T上进行分类预测，得到测试集精确率PREACC；步骤34：去掉一个特征，得到新的测试集t1,在测试集t1上进行分类预测，得到测试集t1的精确率PREACCt1,比较PREACCt1和PREACC，依次去掉特征，计算各个|PREACCti‑PREACC|；步骤35：记录每个特征的重要度，进行排序；步骤36：采用序列后向搜索方法,每次从特征集合中去掉一个最不重要的特征；步骤37：为了保证实验结果的稳定性,采用了10折交叉验证方法,在每一次迭代中,将数据集划分成10等份,利用其中的9份作为训练集用于构建随机森林分类器,剩余的1份作为验证集数据进行验证；在10折交叉验证过程中,选择测试集上分类准确率最高的一次迭代产生的变量重要性排序作为删除特征的依据,将10次迭代的平均分类准确率作为该轮迭代的分类精度；步骤38：逐次进行迭代,并计算分类正确率,最终得到变量个数最少、分类正确率最高的特征集合作为特征选择结果；步骤39：根据特征选择的结果，得到相关特征集的振动数据aa,火灾数据bb，气体数据cc；步骤四：在云计算系统上用支持向量机训练监控模型步骤41：用SCADA历史打过标签的数据训练支持向量机；步骤42：用网络搜索算法查找最优参数C和gamma，使支持向量机在验证集上表现最好的一组参数C1和gamma1；步骤43：调好参数的C1和gamma1训练监控模型；步骤44：用支持向量机监测模型对特征选择之后的振动数据aa,火灾数据bb，气体数据cc对数据N做分类预测，预测监测自升式平台设备是否出现震动，出现火灾和产生有毒气体；步骤46：云计算系统将预测结果反馈到自升式平台终端，自升式平台管理员采取安全措施。