仪器设备状态智能监测系统设计

作     者：安建伟 

作者单位：杭州电子科技大学 

学位级别：硕士

导师姓名：陈科明

授予年度：2021年

学科分类：08[工学] 0804[工学-仪器科学与技术] 

主      题：仪器设备 状态监测 K-means分析 NB-IOT 贪心预约 

摘      要：随着国家实施科技强国的战略以来,高校实验室扩展迅速,大型实验仪器资产也不断增加。同时也暴露了很多方面的问题:对仪器设备的使用情况,还是大多采用非常低效的纸质人工记录方式,不能实时的进行监测;仪器设备的工作阈值不尽相同,区分各个工作状态较为繁琐,缺乏有效自适应阈值算法;海量仪器设备的电流数据上报容易阻塞网络,影响数据的准确性;仪器闲置率较高,有效工作时间短,仪器重复购进的现象,缺乏有效的共享机制。本文设计了一种仪器设备状态智能监测系统,通过基于NB-IOT的智能电流数据采集终端采集数据,对数据进行加密处理后传输到云平台,并且设计错峰上报机制,优化数据上报的准确性;改进的K-means自适应算法对仪器设备使用的历史电流进行自适应工作阈值分析,获取其关机、待机、运行电流状态值;然后下发阈值到智能采集终端,从而有效对流量上报进行限制;在可视化终端上展示仪器设备状态的使用信息以及在线工作时间,实现了系统的状态实时监测,并且通过客户端、Web端实现了智慧预约仪器使用。针对目前大型设备的种类繁多以及不同设备的状态阈值都不尽相同,需人工采集一一分类对比、效率低下等问题,自主设计了一种改进K-means自适应阈值的分析算法,可对大量设备使用的工作电流信息进行数据分析,得到不同大型设备仪器对应的各种工作状态阈值。其中从选取K值、初始聚类中心、孤立点、三个方面优化改进算法,设计了基于GSA自适应K值算法,实现了当仪器设备工作周期不完整的情况下,也可以自动识别输出最佳K值。设计了基于Huffman二叉树算法,实现除去孤立的相异点,完成初始聚类中心的选择机制,有效避免了局部最优。经过对聚类模型仿真测试及参数分析,与原始K-means算法对比发现,改进算法的准确率提升了12%,在算法耗时降低了60%,算法时间复杂度也大大缩小了。在NB-IOT无线传输网络下,大量设备对应的海量电流数据上传,依据K-means得到的电流阈值结果进行数据的清洗。降低了系统NB-IOT通信中60%的数据流量上传。从而降低云平台的数据存储压力,同时提升了系统的稳定性、准确性、高效性。针对于仪器设备中那些昂贵且数量较少,当使用时出现多人并发预约时等缺点,设计了对基于贪心策略算法预约机制,实现预约的最大有效性,更好的完善了仪器共享平台的预约机制。测试表明,仪器设备预约共享机制相比之前,仪器有效预约使用提升了近40%。