基于多维数据迭代的智慧化数据处理技术研究

张冠杰，臧卫杰

（黄河水利水电开发集团有限公司，河南 郑州 450000）

人工智能的发展是在计数机科学、自动控制理论充分发展的基础上，经多学科互相渗透而发展起来的现代综合性科学理论。随着人工智能的发展，大量数据的采集、输入、存储、分析、处理必然地成为人工智能分析现实而产生动作后果的一个重要的前提。其中，借助于各种物理量传感器实现了数据采集，通过多种数据传输和通信方式进行数据传递实现数据的系统输入，按照数据的类型和特点以及在系统中作用进行不同类别的存储，以上三个环节在计数机科学和自动控制理论中已发展极为成熟，并未体现在人工智能方面的任何突出特点。而在如何使用这些数据建立多维数组，并对数组进行分析、计算、迭代后实现有效数据输出并进入逻辑处理环节，最终为人工智能实现动作和产生后果提供条件，这才是人工智能在数据流各环节中的技术核心。本项研究方向主要是在分析不同类型数据的基础上，研究如何建立多维特征数组；研究如何对数组进行合并、拆分、运算和迭代；研究如何提取有效数据产生有效输出。

1 数据类型的简要介绍

数据类型按照物理量的特征，主要可以分为模拟量和数字量。模拟量反应物理量的一个连续变化的数值，例如水池水位、发电机轴瓦温度、水泵出口压力、起重机的起吊高度等都是模拟量；模拟量一般是通过传感器将物理量转换成4～20 mA或0～5 V的电信号传给系统输入端，由输入端处理器进行A/D转换变成计算机系统可识别的数据进入系统应用。数字量（也叫开关量）反应物理量的一种状态，例如开关的在断开或关闭的位置，都可以用数字量表示；开关量可通过高低电平被系统直接识别。数据类型的选择的关键还是取决于系统功能对物理量的需求。

例如一个开关可以通过一个数字量显示其状态，数字量为“1”表示开关闭合，数字量为“0”表示其断开。一个水池的水位通过数据设计使得传感器输出的4 mA、12 mA、20 mA分别对应不同的水位；实际运用中通过线性计算，系统即可识别实时采集回来的数据反应了水池的实际水位。

2 多维特征数组的建立

2.1 数组的建立

先从举例开始，还是上面说的开关，数字量为“1”表示开关闭合，数字量为“0”表示其断开。这时候我们会提出一个问题，当这个开关既没有闭合，也没有断开是个什么状态？显然这是用这种单一的数字量无法展现这种工况。如果这种工况在现实中真实存在，就需要增加数据的维度。可以通过两个或多个数字量组成的数组来反应其多种不同状态，

例如：数组D[a][b]

D[0][1]表示开关在断开位置，D[1][0]表示开关在闭合位置，D[0][0]表示开关在操作过程中（数组的这种状态在某些类型开关上时间很短，但它真实存在。），即使这个时间在某些开关类型上时间很短，但它真实存在；而D[1][1]则反应开关出现异常或数据量质量出现异常。数组的这种状态在工程应用中也是非常有价值的，这种状态针对设备本身不具有意义，但是它可以反应设备的位置开关、数据采集模件、数据传输和通信环节出现了异常。显然二维数组比一维的数据能展现多一倍的信息。

2.2 数组维数的扩展

如果将上面的二维数组再将时间扩展进来组成三维数组，例如：D[a][b][T]

这样的三维数组就能展现出设备全生命周期的状态，就能够给人工智能提供非常有价值的数据。当然这需要对数组进行一定的科学计算。比如我们可以计算出在某个时间段，开关累计开合次数，可以计算开关寿命和下一个检修周期。根据数据应用设计的需要，不断增加的数组维数展现的数据信息就会更多。

从上面的举例我们能够看出，对物理量的需求辨识是数组建立的基础，我们需要该物理量给我们提供哪些信息，我们应用这些信息想干什么？这决定我们会建立一个什么样的数组。我们在做系统设计时，在数据设计中就已经开始考虑多维特征数组的建立了。目前标准系列中并未对该项设计提出特别明确要求，深入到具体数据设计还要求熟悉物理量的特点和清晰的系统需求。

3 多维数组的运算和迭代

3.1 多维数组的重要意义

数组的价值不仅仅在于存储和人机界面的显示，更重要的是在于应用的计算，产生新的更有价值的数据。因此数组的合并、拆分、运算和迭代都是围绕提取更有价值的数据而展开的。实质上运算和迭代都是在运算过程产生的，为什么要把迭代单独拿出来说呢？是因为它让计算不仅仅是理论上的准确，还有切合实际的带有人工智能的优化调整，更符合不断变化的外部环境对设备适应性的要求。

3.2 数组的合并

在数组中通过增加不同类型的数据，可以提高数组维度来满足不同的工程应用和大数据应用。工程应用中也涉及到两个数组或多个数组的合并，基于大数据理论多个数组的合并可以在更高的维度和工程应用的更广阔的意义上发挥重要作用。

例如：数组D1[a1][b1][T]；D2[a2][b2][T]

如果数组D1和数组D2不同的数据状态可以反应两个在顺序控制和逻辑闭锁相关联的设备，进而可以决定一个单元设备和一台套设备的工作状态时，数组的合并就变得更具有实际工程意义了。合并后的数组D12[a1][b1][a2][b2][T]不仅能够反应一个区域或一套设备的工作状况，重要的是可以记录不同工况下的工作时常，这在生产管理系统的大数据应用中会发挥重要作用。结合工程实际我们来分析一下数组合并的工程意义：

数组D1[a1][b1][T]反应了一条线路隔离开关（或称隔离刀闸）不同时段的状态；数组D2[a2][b2][T]反应了一条线路断路器不同时段的状态。

当a1=1，b1=0，T=t1时；反应了数组D1[a1][b1][T]在t1时刻的状态，是线路的隔离开关在闭合的状态。当a1=0；b1=1时；是线路的隔离开关在断开的状态。相应断路器也有不同的状态。

那么数组D12[a1][b1][a2][b2][T]在不同时刻的不同状态可以被定义成不同的工作状态。如下：

D12[1][0][1][0][t1] 定义为工作状态1

隔离开关和断路器都闭合的状态，一般该状态认为该条线路正在运用的工作状态。

D12[1][0][0][1][t2]定义为工作状态2

隔离开关闭合，而断路器在断开的状态，一般该状态认为该条线路退出运用状态，在备用的工作状态。

D12[0][1][0][1][t3] 定义为工作状态3

隔离开关和断路器都在断开的状态，此状态认为该条线路退出备用状态，准备进行维护或检修时的状态。

D12[0][1][1][0][t4]定义为工作状态4

该状态很少出现，但是在检修或维护过程中，做设备试验时会出现该种工况，可以定义设备试验工作状态。

在合并数组中非正常工作状态的其它数组状态，根据实际的工程意义可以定义为设备操作过程中的一种状态、设备故障状态、传感器故障状态或通信异常状态等。不具备实际的工程意义将会被定义成非法状态。

从上面合并的新数组的不同状态上，我们可以通过数组运算很容易掌握这条线路在各种工作状态及该状态下的运行时间，以及在一个时间段内的操作频次。

以上讲述了简单的数字量组成的数组和数组的合并。如果将该条线路的模拟量电流和功率合并到该数组中，那么能够反应的工程数据就更多，或者说数组的工程意义就更大了。

3.3 数组的运算和迭代

数组运算需要根据工程应用的实际进行有针对性运算。我们还是用工程实例来阐述数组运算和迭代的应用。这次我们用一个典型的温度量来举例。例如机组轴承的测温电阻或油槽中的测温电阻。

设备投运后，初始数据采集后会建立数组D0[R0][t0]。测温电阻会持续测温不断记录温度量的值，数组进入数据运算环节，并将有效数据或有价值的工程实用数据通过计算后迭代到初始数组中，不断扩大数组维数，让数据能够充分反馈设备实际工况。

例如，温度量采集进系统，先与门限值（设定一个低于采样精度，且高于工程设计精度的门限值Rset0，不同应用环境门限值不同，工程经验很重要。）进行一个比较运算，采集数据大于门限值迭代刷新当前值和时标；数组进行迭代更新。不大于门限值对采样值进行积分运算，累计达到门限值时数组进行迭代更新当前值和时标。大于门限值，与梯度报警值Rset1进行比较运算，超过梯度报警值Rset1迭代输出报警信息和时标；不超过梯度报警值Rset1则进行微分运算，再与趋势报警值Rset2进行比较运算，超过趋势报警值Rset2迭代输出趋势报警信息和时标；根据工程经验，温度量不会发生突变，微分运算超过理论温度量变化速率时，将作为传感器异常或数据传输异常报警，数组将作为报警处理。数组运算和迭代示意图如图1。

R=f(T)，正常温度变化曲线。采集温度传感器数值，当初始温度R0变化的绝对值|ΔR0|＞Rset0时，数组迭代出新数组D1[R0，R1][t0，t1]；同时也对初始温度R0进行积分运算，计算结果超过Rset0时，数组迭代出新数组D1[R0，R1][t0，t1]。对新数组进行比较运算，当R1＞Rset1数组迭代输出新数组D1[R0，R1][t0，t1] [AL1]；同时对温度变化曲线进行微分运算,计算结果大于Rset2时，数组迭代出新数组D1[R0，R1][t0，t1][ALW1]。AL是温度量高或低报警，而ALW是温度量变化趋势预警。两个比较条件常常会不同时出现，则会迭代出不同数组例如：D1[R0，R1，R2][t0，t1，t2] [AL1] [ALW2]或者是D1[R0，R1，R2][t0，t1，t2] [AL2] [ALW1]，在实际应用中，例如发电机不同的轴瓦均设置有温度传感器，每只传感器都会收集并形成不同数组，通过数组间的科学计算就能很容易掌握该轴承的工况。如果将机组所带负荷合并到数组中就会掌握该机组运行的不同工况下该轴承的温度状况，进而对机组健康大数据进一步掌握。

图1 数组运算和迭代示意图

4 结语

简单的几个数据组成的数组就能够看到它的作用和意义。在大数据时代中，面对人工智能理论不断发展，数据的智慧化处理会逐渐深入。多维数组运算和处理，来源于对数据应用的丰富经验，起始于系统设计。通过面向应用的系统数组设计，才能让这些数据变得会说话、会做事，变得智能。本项研究的目标和方向是专家数据化，通过设计建立有效的多维数组，并对数组进行科学的合并、计算和迭代提取出有效的输出。将专家分析、解决问题的思路和方法通过数字化应用的实践中产生效益。