基于多維數據迭代的智慧化數據處理技術研究

張冠杰，臧衛杰

（黃河水利水電開發集團有限公司，河南 鄭州 450000）

人工智能的發展是在計數機科學、自動控制理論充分發展的基礎上，經多學科互相滲透而發展起來的現代綜合性科學理論。隨著人工智能的發展，大量數據的采集、輸入、存儲、分析、處理必然地成為人工智能分析現實而產生動作后果的一個重要的前提。其中，借助于各種物理量傳感器實現了數據采集，通過多種數據傳輸和通信方式進行數據傳遞實現數據的系統輸入，按照數據的類型和特點以及在系統中作用進行不同類別的存儲，以上三個環節在計數機科學和自動控制理論中已發展極為成熟，并未體現在人工智能方面的任何突出特點。而在如何使用這些數據建立多維數組，并對數組進行分析、計算、迭代后實現有效數據輸出并進入邏輯處理環節，最終為人工智能實現動作和產生后果提供條件，這才是人工智能在數據流各環節中的技術核心。本項研究方向主要是在分析不同類型數據的基礎上，研究如何建立多維特征數組；研究如何對數組進行合并、拆分、運算和迭代；研究如何提取有效數據產生有效輸出。

1 數據類型的簡要介紹

數據類型按照物理量的特征，主要可以分為模擬量和數字量。模擬量反應物理量的一個連續變化的數值，例如水池水位、發電機軸瓦溫度、水泵出口壓力、起重機的起吊高度等都是模擬量；模擬量一般是通過傳感器將物理量轉換成4～20 mA或0～5 V的電信號傳給系統輸入端，由輸入端處理器進行A/D轉換變成計算機系統可識別的數據進入系統應用。數字量（也叫開關量）反應物理量的一種狀態，例如開關的在斷開或關閉的位置，都可以用數字量表示；開關量可通過高低電平被系統直接識別。數據類型的選擇的關鍵還是取決于系統功能對物理量的需求。

例如一個開關可以通過一個數字量顯示其狀態，數字量為“1”表示開關閉合，數字量為“0”表示其斷開。一個水池的水位通過數據設計使得傳感器輸出的4 mA、12 mA、20 mA分別對應不同的水位；實際運用中通過線性計算，系統即可識別實時采集回來的數據反應了水池的實際水位。

2 多維特征數組的建立

2.1 數組的建立

先從舉例開始，還是上面說的開關，數字量為“1”表示開關閉合，數字量為“0”表示其斷開。這時候我們會提出一個問題，當這個開關既沒有閉合，也沒有斷開是個什么狀態？顯然這是用這種單一的數字量無法展現這種工況。如果這種工況在現實中真實存在，就需要增加數據的維度。可以通過兩個或多個數字量組成的數組來反應其多種不同狀態，

例如：數組D[a][b]

D[0][1]表示開關在斷開位置，D[1][0]表示開關在閉合位置，D[0][0]表示開關在操作過程中（數組的這種狀態在某些類型開關上時間很短，但它真實存在。），即使這個時間在某些開關類型上時間很短，但它真實存在；而D[1][1]則反應開關出現異常或數據量質量出現異常。數組的這種狀態在工程應用中也是非常有價值的，這種狀態針對設備本身不具有意義，但是它可以反應設備的位置開關、數據采集模件、數據傳輸和通信環節出現了異常。顯然二維數組比一維的數據能展現多一倍的信息。

2.2 數組維數的擴展

如果將上面的二維數組再將時間擴展進來組成三維數組，例如：D[a][b][T]

這樣的三維數組就能展現出設備全生命周期的狀態，就能夠給人工智能提供非常有價值的數據。當然這需要對數組進行一定的科學計算。比如我們可以計算出在某個時間段，開關累計開合次數，可以計算開關壽命和下一個檢修周期。根據數據應用設計的需要，不斷增加的數組維數展現的數據信息就會更多。

從上面的舉例我們能夠看出，對物理量的需求辨識是數組建立的基礎，我們需要該物理量給我們提供哪些信息，我們應用這些信息想干什么？這決定我們會建立一個什么樣的數組。我們在做系統設計時，在數據設計中就已經開始考慮多維特征數組的建立了。目前標準系列中并未對該項設計提出特別明確要求，深入到具體數據設計還要求熟悉物理量的特點和清晰的系統需求。

3 多維數組的運算和迭代

3.1 多維數組的重要意義

數組的價值不僅僅在于存儲和人機界面的顯示，更重要的是在于應用的計算，產生新的更有價值的數據。因此數組的合并、拆分、運算和迭代都是圍繞提取更有價值的數據而展開的。實質上運算和迭代都是在運算過程產生的，為什么要把迭代單獨拿出來說呢？是因為它讓計算不僅僅是理論上的準確，還有切合實際的帶有人工智能的優化調整，更符合不斷變化的外部環境對設備適應性的要求。

3.2 數組的合并

在數組中通過增加不同類型的數據，可以提高數組維度來滿足不同的工程應用和大數據應用。工程應用中也涉及到兩個數組或多個數組的合并，基于大數據理論多個數組的合并可以在更高的維度和工程應用的更廣闊的意義上發揮重要作用。

例如：數組D1[a1][b1][T]；D2[a2][b2][T]

如果數組D1和數組D2不同的數據狀態可以反應兩個在順序控制和邏輯閉鎖相關聯的設備，進而可以決定一個單元設備和一臺套設備的工作狀態時，數組的合并就變得更具有實際工程意義了。合并后的數組D12[a1][b1][a2][b2][T]不僅能夠反應一個區域或一套設備的工作狀況，重要的是可以記錄不同工況下的工作時常，這在生產管理系統的大數據應用中會發揮重要作用。結合工程實際我們來分析一下數組合并的工程意義：

數組D1[a1][b1][T]反應了一條線路隔離開關（或稱隔離刀閘）不同時段的狀態；數組D2[a2][b2][T]反應了一條線路斷路器不同時段的狀態。

當a1=1，b1=0，T=t1時；反應了數組D1[a1][b1][T]在t1時刻的狀態，是線路的隔離開關在閉合的狀態。當a1=0；b1=1時；是線路的隔離開關在斷開的狀態。相應斷路器也有不同的狀態。

那么數組D12[a1][b1][a2][b2][T]在不同時刻的不同狀態可以被定義成不同的工作狀態。如下：

D12[1][0][1][0][t1] 定義為工作狀態1

隔離開關和斷路器都閉合的狀態，一般該狀態認為該條線路正在運用的工作狀態。

D12[1][0][0][1][t2]定義為工作狀態2

隔離開關閉合，而斷路器在斷開的狀態，一般該狀態認為該條線路退出運用狀態，在備用的工作狀態。

D12[0][1][0][1][t3] 定義為工作狀態3

隔離開關和斷路器都在斷開的狀態，此狀態認為該條線路退出備用狀態，準備進行維護或檢修時的狀態。

D12[0][1][1][0][t4]定義為工作狀態4

該狀態很少出現，但是在檢修或維護過程中，做設備試驗時會出現該種工況，可以定義設備試驗工作狀態。

在合并數組中非正常工作狀態的其它數組狀態，根據實際的工程意義可以定義為設備操作過程中的一種狀態、設備故障狀態、傳感器故障狀態或通信異常狀態等。不具備實際的工程意義將會被定義成非法狀態。

從上面合并的新數組的不同狀態上，我們可以通過數組運算很容易掌握這條線路在各種工作狀態及該狀態下的運行時間，以及在一個時間段內的操作頻次。

以上講述了簡單的數字量組成的數組和數組的合并。如果將該條線路的模擬量電流和功率合并到該數組中，那么能夠反應的工程數據就更多，或者說數組的工程意義就更大了。

3.3 數組的運算和迭代

數組運算需要根據工程應用的實際進行有針對性運算。我們還是用工程實例來闡述數組運算和迭代的應用。這次我們用一個典型的溫度量來舉例。例如機組軸承的測溫電阻或油槽中的測溫電阻。

設備投運后，初始數據采集后會建立數組D0[R0][t0]。測溫電阻會持續測溫不斷記錄溫度量的值，數組進入數據運算環節，并將有效數據或有價值的工程實用數據通過計算后迭代到初始數組中，不斷擴大數組維數，讓數據能夠充分反饋設備實際工況。

例如，溫度量采集進系統，先與門限值（設定一個低于采樣精度，且高于工程設計精度的門限值Rset0，不同應用環境門限值不同，工程經驗很重要。）進行一個比較運算，采集數據大于門限值迭代刷新當前值和時標；數組進行迭代更新。不大于門限值對采樣值進行積分運算，累計達到門限值時數組進行迭代更新當前值和時標。大于門限值，與梯度報警值Rset1進行比較運算，超過梯度報警值Rset1迭代輸出報警信息和時標；不超過梯度報警值Rset1則進行微分運算，再與趨勢報警值Rset2進行比較運算，超過趨勢報警值Rset2迭代輸出趨勢報警信息和時標；根據工程經驗，溫度量不會發生突變，微分運算超過理論溫度量變化速率時，將作為傳感器異常或數據傳輸異常報警，數組將作為報警處理。數組運算和迭代示意圖如圖1。

R=f(T)，正常溫度變化曲線。采集溫度傳感器數值，當初始溫度R0變化的絕對值|ΔR0|＞Rset0時，數組迭代出新數組D1[R0，R1][t0，t1]；同時也對初始溫度R0進行積分運算，計算結果超過Rset0時，數組迭代出新數組D1[R0，R1][t0，t1]。對新數組進行比較運算，當R1＞Rset1數組迭代輸出新數組D1[R0，R1][t0，t1] [AL1]；同時對溫度變化曲線進行微分運算,計算結果大于Rset2時，數組迭代出新數組D1[R0，R1][t0，t1][ALW1]。AL是溫度量高或低報警，而ALW是溫度量變化趨勢預警。兩個比較條件常常會不同時出現，則會迭代出不同數組例如：D1[R0，R1，R2][t0，t1，t2] [AL1] [ALW2]或者是D1[R0，R1，R2][t0，t1，t2] [AL2] [ALW1]，在實際應用中，例如發電機不同的軸瓦均設置有溫度傳感器，每只傳感器都會收集并形成不同數組，通過數組間的科學計算就能很容易掌握該軸承的工況。如果將機組所帶負荷合并到數組中就會掌握該機組運行的不同工況下該軸承的溫度狀況，進而對機組健康大數據進一步掌握。

圖1 數組運算和迭代示意圖

4 結語

簡單的幾個數據組成的數組就能夠看到它的作用和意義。在大數據時代中，面對人工智能理論不斷發展，數據的智慧化處理會逐漸深入。多維數組運算和處理，來源于對數據應用的豐富經驗，起始于系統設計。通過面向應用的系統數組設計，才能讓這些數據變得會說話、會做事，變得智能。本項研究的目標和方向是專家數據化，通過設計建立有效的多維數組，并對數組進行科學的合并、計算和迭代提取出有效的輸出。將專家分析、解決問題的思路和方法通過數字化應用的實踐中產生效益。