复杂工业过程生产指标可视监控与分析平台设计与开发
这是一篇关于复杂工业过程,组态,可视分析,数据探测,动态演化的论文, 主要内容为复杂工业过程普遍具有流程长、工况复杂多变、生产过程机理复杂、变量间强耦合和生产指标数据量大等特点,生产指标监控系统在复杂工业过程监控中扮演着重要地位,是保证企业高效生产的重要支撑手段。随着云计算、大数据等ICT技术的快速发展,IT技术与OT技术正在快速融合,企业正在从数字化向智能化转型,导致企业对生产指标监控系统具备智能化的需求越来越迫切。目前,复杂工业过程指标监控系统普遍在数据洞察、专家与行业经验集成、监控结果实时评估、系统可配置性、重构和演化等诸多方面存在明显不足,导致现有的指标监控系统难以适应企业智能化发展的要求。此外,随着企业的规模不断扩大,生产复杂性日益提高,智能传感技术的广泛应用,使得企业可采集的数据越来越多,也给生产指标监控带来诸多新的挑战。因此,本文利用组态设计思想,结合数据探测、数据可视及可视分析、软件演化等技术,设计开发一个可组态、可重构、可扩展,支持数据探索分析、专家与行业经验集成、算法与模型集成,监控结果实时评估,具有动态演化功能的生产指标智能监控与分析平台,极大地提升了监控系统的智能化程度。本文依托企业重大横向项目-酒钢粉矿悬浮磁化焙烧选矿改造一期工程综合自动化MES项目,针对复杂工业对象的特点及监控需求,设计开发了复杂工业过程生产指标可视监控与分析平台,并将平台成功应用于我国西部某大型选矿厂。本文主要包括以下工作:(1)首先讨论了本文的研究意义,分析了可视监控在不同行业的研究现状和工业生产指标可视监控系统的研究现状,指出现有生产指标可视监控系统存在的问题。在此基础上,结合复杂工业过程生产指标的特点,分析了生产指标可视监控与分析平台的需求,包括功能需求和性能需求。(2)根据平台的功能需求和性能需求,设计平台的各个功能模块。首先,对复杂工业过程进行抽象和建模,通过一个七元组表征一个工序过程,据此设计了生产过程组态设计工具,通过组态构建了适用于不同生产过程的指标监控系统,实现专家知识经验的集成和平台的完全可配置,提升了平台对用户的可读性和交互性;其次,提供开放式算法接口设计,能够集成数据分析方法,为平台指标数据的分析奠定了基础;最后,设计多种可视分析方案,可以根据应用需要,配置不同可视方案,支撑了指标数据探测和监控结果评估的可视分析,为用户动态调整监控指标或监控算法提供决策依据。(3)平台使用多种先进技术,开发了复杂工业过程生产指标可视监控与分析平台。平台基于B/S架构,采用前后端分离的开发方式;前端使用Vue框架,后端使用java SSM框架,前后端通过RESTful API进行数据访问;基于Go.js库,通过Drag-and-Drop(DnD)技术实现组态设计环境的搭建;利用工厂设计模式提供开放式算法接口,支持符合标准服务接口算法的集成,系统已经集成包括随机森林、LSTM等数据分析算法;采用Bird’s eye view和Zoom-in/out实现多视图监控等可视方案,提升监控过程中对有用信息提取的洞察力;通过人机交互技术提升用户的操作体验。在此基础上完成平台六个功能模块的开发。(4)为了验证平台的有效性,以酒泉钢铁二期选矿厂为具体应用背景,以现场实际生产数据对平台的每一个功能模块进行了验证,最终平台无论从功能角度还是从性能角度均说明了自身的有效性,满足实际应用需求。
基于数字校园平台的在线考试管理分析系统的设计与实现
这是一篇关于数字校园,在线交互考试,.NET MVC5,单点登录,可视分析的论文, 主要内容为白国家教育部提出教育信息化十年发展规划以来,我国的教育信息化得到了迅猛的发展,越来越多的学校拥有数字校园平台,但是考试作为校园工作里面的一个重要组成部分,现有的数字校园平台中却鲜有包含在线考试系统的。纸质考试不仅耗时耗力耗资源,而且题目仅能以文字和图片来展示,极大的限制了考查形式。特别是对于高等职业技术院校来说,课程往往技术性比较强、实操性较大,这就使得传统的纸质考试很难考察学生的专业技能水平。另外近几年的数据可视化技术越来越强大,因此建设一个应用先进技术的适用于校园的在线考试管理分析系统将会进一步提高校园信息化水平。本系统采用先进的设计理念,结合数字校园平台中的基础信息管理系统和教务系统,以及资源库系统、题库系统和试卷系统,对各任课教师的考试进行全方位、全过程的管理,使得考试管理更加高效快捷和考试状态可追踪查看,考试流程设置完全贴合学校规范,拥有特色的在线交互式考查方式。本系统还提供了丰富的可视统计分析手段,教师可以从在线考试数据中直观获取到有价值的信息。本系统采用统一过程软件开发方法,使用Microsoft .NET技术平台架构,结合三层架构技术和.NET MVC5开源框架技术。系统采用B/S结构模式,前端主要采用Bootstrap开源框架技术,统计分析使用拥有互动图形用户界面的数据可视化工具百度Echarts作为主要实现技术。数字校园平台包含许多系统,整个平台采用单点登录技术,系统采用微软的Passport单点登录协议作为单点登录的解决方案。系统数据库使用的是MySQL数据库,采用数据缓存技术和消息队列的方式进行考试数据的提取和入库,提高了考试的性能与并发量。本文梳理了校园考试的各种业务情景,并结合现有数字校园平台内其他管理系统,对校园考试管理分析系统采用面向对象的方法进行设计和实现,本论文系统主要完成的工作如下：1.系统提供完整的考试管理功能。一个完整的考试流程包含了从创建到最终考生分数确定的一系列流程管理。2.实现覆盖多种形式的考试。根据考生产生的类型、考试地点的形式等,考试创建会走不同的流程。3.系统实现了在线交互式考试,丰富的flash交互题目使得在线考试变得生动,能够更加全面的考查考生的专业操作技能。4.系统功能是基于角色的,本文系统的角色是跟整个数字校园平台相统一的,不需要自己维护。根据不同的角色系统提供不同级别的功能。5.基于不同角色对于考试结果的关注点不同,系统提供丰富的可视分析。当前系统已经部署在威海技师学院、临沂技师学院等多所高职院校的数字校园平台中,目前系统运行稳定。在线考试管理分析系统的使用,使得各种考试数据量化可见,对教师和学生起到了极大的督促作用,提高了学校管理水平。
基于知识图谱的电子政务项目评审辅助决策方法研究
这是一篇关于电子政务,项目评审,辅助决策,知识图谱,可视分析的论文, 主要内容为近年来,随着政务信息化发展,电子政务项目建设需求大量增加。这一状况给电子政务项目建设管理中的各个评审环节带来了极大压力。受到专家自身知识局限性的影响,当前仅靠人力来进行评审的方式已不能满足项目建设管理的需要。知识管理作为一种利用领域知识科学辅助决策的基本方法,对于电子政务项目建设管理同样也是一种科学的手段。电子政务项目建设方案的专家评审实际上就是一种利用专家知识完成针对管理规则辅助决策的过程。因此,利用知识管理的技术方法实现电子政务项目管理的辅助决策具有理论研究与实际应用价值。知识图谱作为一种语义网络,能够科学表达领域知识并支撑基于知识关联的机器推理,是电子政务项目建设管理辅助决策的有效工具。利用知识图谱,能够将碎片化的项目建设方案数据实例化为可视化的项目知识并基于项目管理规则完成相关推理以实现隐性知识发现。基于上述逻辑,本文提出了一种基于知识图谱的电子政务项目评审辅助决策方法,并完成了如下的主要研究工作:(1)为了科学表达电子政务项目建设管理知识,本文构建了电子政务项目审批知识本体。在本体实现中,基于知识工程技术,利用融合注意力机制和BERT-Bi LSTM-CRF的实体识别模型进行了实体概念知识抽取与验证。进一步地,将电子政务项目方案中的信息进行预处理后,通过实例化该本体完成了电子政务项目审批知识图谱的构建。(2)为了融合评审意见的深层次信息,本文提出了针对专家评审意见的细粒度挖掘方法。该方法综合短语句法结构和依存句法分析构建了多条规则抽取评价对象和评价词,借助情感词典和语义相似度对评价要素进行情感极性的判断,实现了对电子政务项目审批知识图谱的实体扩充。(3)基于电子政务项目审批知识图谱,本文提出了面向实际应用场景的知识推理可视分析方法。该方法利用直观的可视化图表解决了系统建设目标审核、重复建设问题、历史申报情况难以挖掘的问题,达到了客观、科学、高效的辅助决策要求。
选矿设备状态监控与可视分析系统的设计与开发
这是一篇关于设备状态监控,可视分析,选矿,工业数据的论文, 主要内容为选矿过程是典型的流程工业,拥有非常长的生产线和繁杂的工序,各个工序又包含许多大型设备。如果进行生产活动时,一个设备发生非正常停机或严重故障,对于后面的生产流程将造成严重的影响,所以加强设备运行状态的监控对提高选矿厂的设备运行效率和减少设备故障时间,从而提升企业生产效率和智能化程度显得十分重要。但是现有设备监控系统多为中央监控室内的专门软件,通用性不强;对设备状态变化的描述过度依赖固定模式的报表,数据表达不直观;对于设备故障追溯等问题缺乏高效的数据分析体系,系统智能化程度不高;C/S架构开发导致系统更新维护繁琐,不易于扩展复用。因此,开发一个易于维护、具备直观展示能力和高效分析能力的设备状态监控系统成为企业的迫切需求。数据可视化技术可以将经数学统计或分析算法处理后的数据转换成易于理解的直观图像,同时提供交互手段辅助分析,是数据分析领域的重要手段。将数据可视化技术应用到工业领域是智能制造背景下新的研究趋势。本文在研究现有设备状态监控系统的基础上,利用数据可视化技术对其中相关功能进行提炼,以下对本文主要研究工作做描述:(1)本文讨论了现有设备监控系统和Web可视化技术的研究现状,根据现有设备状态监控系统存在的问题,分析了系统的功能需求和性能需求。在此基础上提出了一个可扩展的具备数据分析能力的选矿设备状态监控与可视分析系统。(2)针对设备状态监控系统的需求,在覆盖设备状态监控系统的通用功能基础之上,借助可视化技术对系统的各个功能模块进行了设计,主要包括设计了从纵览全厂总体设备运行状况到深入单个设备具体运行细节的可视化人机交互界面和具体的功能模块,实现了通过交互从设备故障追溯到故障发生时设备参数变化情况的分析手段。(3)利用Web技术开发B/S架构的系统,降低后期维护难度;以组件复用思想设计前端模块,提高系统的可扩展性;加入流行的可视化工具,增加系统可视化程度。系统的底层数据采集依赖于酒钢选矿MES,数据库采用Oracle数据库,后端选择Java-SSM框架,前端使用Vue.js系列,可视化工具选择D3和ECharts,最终开发出一个具备设备指标监控、异常报警记录、设备报表统计、设备运时统计、故障追溯、设备状态可视分析、设备基础信息管理和系统管理等模块的选矿设备状态监控与可视分析系统。(4)利用从酒钢选矿厂采集的实际设备运行数据,对提出的选矿设备状态监控与可视分析系统的核心功能模块做验证研究。验证结果表明所研发的系统兼容传统的操作习惯的同时提供了更直观的可视化表达,利用提出的可视化展示平台可以更加高效地实现设备状态监控与分析功能。
基于语义交互和主动学习的迭代式检索框架
这是一篇关于可视分析,信息检索,语义交互,主动学习,分类器的论文, 主要内容为在如今的大数据时代,文本信息错综复杂,如何在浩瀚的文本信息库中快速且准确的查询到所需要的文本为信息检索带来了挑战性难题。在选取准确的关键词和筛选限制条件问题上的困难,使得在大量文本信息中精准查找所需文本信息的任务变得枯燥乏味且费时费力。近年来,研究人员开始借助机器学习算法对文本信息进行分类从而帮助解决文本信息检索任务,但是运用机器学习算法为文本信息检索任务带来了新的挑战。首先,某个文本领域的专家可能并不精通机器学习甚至对机器学习领域毫无研究,而大多数分类方法需要不断地调节分类算法中的参数才能得到令人满意的分类准确率;其次,机器学习中的分类算法大多是有监督学习,然而让文本领域的专家对每个未标注的文本信息标注标签又是一项及其繁琐的任务。本课题试图解决上述两个约束,引入了语义交互和主动学习算法,构建了一个基于语义交互和主动学习的迭代式检索框架,并设计实现了一个交互式的信息检索可视分析系统:通过计算文本相似度获得初始训练数据集;利用卡方检验获取文本特征构建SVM分类器;利用主动学习查询SVM分界面附近的样本点进行标注,从而迭代优化分类器。并且构建了一个可以进行文档移动、高亮、检索、注释语义交互的力导向图,通过力导向图、t-SNE降维图、词云辅助用户了解文献信息并标注正确的标签。在案例研究中发现本方法中可视化系统以及实现了语义交互的力导向图可以清晰显示出文献间的关系,并提高用户标注的准确度;本方法的主动学习,降低了推荐系统的标注量,并加快了需求挖掘和样本学习的速度。在用户需求模糊的情况下,本方案可以快速且准确的查询到用户真正需求的文献。
面向制造业的知识图谱交互式构建与应用研究
这是一篇关于知识图谱,可视分析,交互式构建,知识嵌入,知识应用,推荐系统的论文, 主要内容为工业互联网的发展加速了制造业数字化转型的进程,同时也伴随了大量生产过程数据的产生。通过对生产数据挖掘以生成智能决策是推动制造业智能发展的关键。但在实际生产中这些数据并没有得到有效的管理和应用,多数情况下工程师仍需凭借个人经验来解决生产过程中遇到的问题。知识图谱作为一种结构化的语义网络知识库,它以图谱形式对客观存在的实体、概念及其关系进行建模。在数字化时代背景下,鉴于其在有效组织和处理海量信息方面存在的优势,各行各业都开始广泛关注并积极将该技术应用于智能搜索、推理决策与个性化推荐等业务中,以推动行业的智能化发展。因此,完成制造业知识图谱的搭建并将其付诸于生产实践活动对智能制造至关重要。近年来,大量学者针对知识图谱的构建方法与知识图谱的应用落地等问题做了相关研究,并取得了不错的成效。然而,现有方法在构建知识图谱的过程中还缺乏视觉信息提示与交互式地反馈优化,不仅不利于知识图谱的高质量构建,而且进一步影响基于知识图谱的高级应用。为了解决这些问题,本文提出一种可视分析驱动的知识图谱交互式构建方法,提高知识图谱的构建质量,并将构建的高质量图谱应用于推荐任务中,提出了基于多特征融合的知识图谱增强推荐算法,缓解了传统协同过滤面临的数据稀疏与冷启动等难题,提升了推荐应用的效果。本文主要研究工作如下:(1)针对传统知识图谱构建方法中存在的效率低、准确率低等问题,本文设计了一种知识图谱实体关系可视化抽取与交互式优化方案。首先提出一种实体关系数据交互式错误挖掘方法,由语义聚类与置信度评级引导用户挖掘可疑项,帮助用户快速识别准确性不高的三元组;然后提出一种基于语义相似度的关系校正推荐方法,在目标实体对关系校正推荐词云可视化的基础上结合人机交互探索,为关系校正提供有力支持;最后将上述方法集成到一个可视分析系统中,并通过案例分析,验证了该方案在提示用户错误、帮助校正错误、实现模型自适应优化方面的积极性。(2)针对协同过滤推荐方法面临的数据质量差以至于生成的推荐效果差等困难,本文提出了一种多特征融合的知识图谱增强推荐算法(Multi-Feature Fusion Recommendation Based on Knowledge Graph,MFFRN)。以构建的高质量知识图谱为辅助信息的来源,融合知识的语义表示信息、属性信息与历史交互信息等特征为目标用户构建个性化推荐。最终,在一个设备生产数据集上对MFFRN模型进行了验证,通过试验对比证实了该模型在提高推荐系统表现力方面的可行性、有效性。
基于网络流量日志的可视分析方法研究与实践
这是一篇关于网络日志,可视分析,服务发现,行为模式的论文, 主要内容为随着互联网、物联网、云计算等信息技术飞速发展,我们已经步入大数据时代。大数据的分析是大数据研究领域的核心内容之一。数据的分析方法主要可从两个角度出发,其一,是从计算机的角度出发,强调计算机的计算能力和人工智能;其二,是从人的角度出发,以人作为分析主体,通过人机交互、人的感官和感官分析,将人所具备,而机器却并不擅长的认识能力融入分析过程中。数据的可视化分析方法就是这一角度的主要代表。本文正是以可视化的方法为工具,发现网络日志中记录的有趣信息。本文以中小型网路的网路日志数据为切入点。首先,运用数据可视化的方式对网络日志数据进行可视化展示;然后,使用相应的可视分析方法对该可视化效果所反映的网络日志数据予以分析。试图通过该方法发现网络日志中所隐藏的网络运行整体状况、异常的网络现象和网络用户行为模式等信息。在本文网络日志数据可视化过程中,对节点布局、网络服务分析、服务器发现以及人机交互设计等方面进行了较为深入研究,同时,提供了自己的解决方案,并且,最后使用现有公开的网络日志数据对其进行了效果验证。本文的主要工作包括:(1)基于力导向主机连接视图,端口主机关联分析视图、流量热点统计视图等,设计了一套以组合方式展现网络日志中源IP、目标IP、源端口、目标端口、时间和流量大小6个维度信息的可视化方案。同时,该方案又尽可能地保证各个维度的信息之间的关联得以展现。(2)借助D3.js、Vue.js等第三方扩展包,使用Web前端的方式,将设计网络日志数据可视化方案予以实现。并且,在实现过程中,根据相应的实现方式的平台特性,对某些可视化视图的绘制上进行了一定程度的优化处理。(3)对公开数据集的网络日志使用了一定程度的数据可视化手段进行预处理。使用预处理完成后的网络日志数据,对网络中存在的网络运行状况、主机行为模式、网络服务情况等进行了相应的分析。本文的工作进行顺利,可视化工具的开发顺利完成,同时结合该可视化工具及其相应的交互方式,形成了一套完整的可视分析方法。通过使用该工具网络管理者能够发现网络日志中的服务运行状况,用户行为模式等信息,有助于网络环境的健康运行,以及网络效率的提升。
本文内容包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主题。发布者：毕设小屋 ，原文地址：https://m.bishedaima.com/lunwen/46829.html
