一种基于多传感器融合的实验室数据智能管理系统的制作方法
本发明涉及实验室管理,尤其涉及一种基于多传感器融合的实验室数据智能管理系统。
背景技术:
1、随着科学技术在生产生活中的作用影响逐步增大,对科学技术的重视程度也在逐渐深化,随之而来的对于各种规模的实验室建设需求不断增多,对于大型科研机构的实验室集群建设与管理需求,目前传统管理方法并不能满足集群式实验室的对人员与环境的安全、能耗监控等智能化管理。
2、中国专利公开号:cn116777179a,公开了一种实验室可视化管理系统,系统包括控制处理终端、环境监测管理系统、门禁管理系统、实验材料器具管理系统和远程监控系统;控制处理终端包括数据库模块、传感器终端连接模块、访问记录存档模块和移动控制终端app模块;环境监测管理系统包含传感器模块和调节器模块;门禁管理系统包括信息登录模块、访问登记模块和立式扫描机构,访问登记模块用于登记人员访问的理由,立式扫描机构位于实验室入口处,对进入实验室的人员进行全身扫描;实验材料器具管理系统包括实验材料器具管理柜和使用人员登记模块;远程监控系统包括若干个远程监控探头;控制处理终端基于物联网与环境监测管理系统、门禁管理系统、实验材料器具管理系统、远程监控系统和移动控制终端app模块之间进行数据互通,移动控制终端app模块用于管理人员随时随地了解实验室的使用状况和安全状况并进行实时监控。系统还包括:实验数据管理系统,实验数据管理系统包括:修改登录系统,课程预约系统,数据可视化系统,数据统计系统,管理系统。其中,数据可视化系统可以实现故障告警分析;数据可视化系统实验室内部的网络拓扑和电源结构,针对网络拓扑和电源结构进行故障特征分析,确定故障类型;根据数据传输链路采集预设时间内的数据传输数量,确定数据传输速率,根据数据传输速率,确定故障类型是否为网络故障;根据实验室内部电路运行的电压和电流信号,将电压和电流信号进行小波变换,获取电路连通性反馈信息,确定故障类型是否为电路故障;基于预设的深度学习故障诊断模型,将参数特征作为输入项发送至故障诊断模型,获取异常设置参数,确定故障类型是否为参数设置故障;接收故障类型信息,并根据故障类型信息,获取故障特性,根据故障特性进行故障定位,确定故障定位结果。
3、由此可见,上述现有技术显然存在以下问题:现有实验室管理系统多采用单一中心控制终端集中处理数据,存在单点故障和实时性不足的问题;且ai技术应用局限于设备故障诊断,未涉及能耗监控,环境监测与设备控制相互独立,缺乏跨实验室协同防控机制。
技术实现思路
1、为此,本发明提供一种基于多传感器融合的实验室数据智能管理系统,用以克服现有技术中采用单一中心控制终端集中处理数据,存在单点故障和实时性不足的问题。
2、为实现上述目的,本发明提供一种基于多传感器融合的实验室数据智能管理系统,所述系统包括:多个子管理单元以及总管理单元;
3、各子管理单元分别与相应实验室的各实验设备,基础设施设备及环境信息采集单元通信连接,所述子管理单元被配置为分别采集实验设备与基础设施设备的运行状态参数以及实验室环境数据;所述子管理单元还被配置为采集基础设施设备的能耗数据;
4、多个子管理单元分别与总管理单元通信连接,所述子管理单元还被配置为将所有设备的运行状态参数、实验室环境数据及基础设施设备的能耗数据发送至所述总管理单元;
5、所述总管理单元被配置为根据各实验室的所有设备的运行状态参数、环境数据及基础设施设备的能耗数据,基于实验室集群能耗、安全状态以及设备运行约束确定全局优化目标,并生成全局调度指令,以下发至各所述子管理单元,所述调度指令包括至少一个基础设施设备的运行指令;
6、所述子管理单元被配置为根据所述总管理单元下发的指令,以调节所述基础设施设备的运行状态。
7、进一步地,所述总管理单元设置有基于人工智能技术构建的设备原控制模型;所述子管理单元设置有基于所述原控制模型的模型压缩与知识蒸馏后得到的轻量化控制模型;
8、所述总管理单元被配置为采用所述原控制模型,对所有采集的数据进行处
9、理以生成全局调度指令;
10、所述子管理单元被配置为当所述子管理单元与总管理单元通信连接中断时,所述子管理单元根据预先存储的轻量化控制模型及所有采集的数据,调节所述基础设施设备的运行状态。
11、进一步地,所述子管理单元还被配置为当满足预设的安全触发条件时,优先执行安全策略,以强制控制基础设施设备。
12、进一步地,所述总管理单元还设置有风险评估模块;所述风险评估模块被配置为:
13、根据各子管理单元的环境数据与各设备运行状态参数,计算各实验室的实时风险值;
14、根据各实验室的实时风险值确定各实验室对应的风险占比,并根据所述风险占比计算全局风险熵;
15、基于各实验室之间的空间拓扑关系,构建各实验室间风险耦合矩阵;
16、根据所述风险耦合矩阵以及相邻实验室之间的实时风险值差异,确定各实验室之间的风险梯度;
17、当全局风险熵大于或等于预设风险阈值,且风险源实验室对应的风险梯度大于预设传播阈值时,所述总管理单元生成对所述风险源实验室周边关联实验室的基础设施设备的强制调节指令。
18、进一步地,所述强制调节指令包括:调整位于所述风险实验室周边且处于风险传播路径上的关联实验室基础设施设备运行状态参数,以使所述关联实验室与所述风险实验室之间形成预设压差关系。
19、进一步地,所述运行指令包括:基础设施设备运行状态参数调整量。
20、进一步地,所述总管理单元被配置为采用所述原控制模型,对各子管理单元采集并上传的设备运行状态参数、环境数据及能耗数据进行处理以生成全局调度指令,包括:
21、将实时采集的各种数据进行特征化处理后,得到特征化数据,并输入原控制模型;
22、原控制模型输出各实验室至少一个基础设施设备的运行状态参数调整量,即基础设施设备的调度指令。
23、进一步地,所述特征化处理为各子管理单元对采集的原始数据进行时序特征提取。
24、进一步地,所述子管理单元中预存储有预设实验设备和关键操作动作库;所述子管理单元还设置有图像采集模块和动作识别模块;
25、所述图像采集模块被配置为采集实验室内操作人员行为视频,在检测到操作员进入预设实验设备列表中的任一实验设备所对应的预设区域范围内时,将视频输入至所述动作识别模块;
26、所述动作识别模块被配置为对实验室内的视频流进行识别,识别操作人员的动作是否与关键操作动作库中预设违规动作库匹配;当匹配时,所述子管理单元触发本地安全策略。
27、进一步地,当实验室为生物活性样本存储实验室时,所述子管理单元还配置有样本活性检测模块;当所述动作识别模块检测到与样本紧急存取相关的预设违规动作,且所述样本活性检测模块检测到当前样本剩余活性时间低于或等于预设活性时间阈值时,生成临时豁免指令,并在预设时间内允许执行对应样本存取操作。
28、与现有技术相比,本发明的有益效果在于,
29、本发明实施例采用在各实验室独立设置子管理单元,各子管理单元分别与总管理单元通信连接的总分式两级架构;各子管理单元可通过接收总管理单元的指令调节基础设施设备,也可以在与总管理单元通信中断时,基于轻量化控制模型独立运行,有效避免了单点故障导致系统瘫痪的风险,提升了系统的可靠性与实时性,同时,总管理单元基于多个实验室之间的风险关联关系确定风险传播方向,并联动调整关联实验室基础设施设备运行状态,实现跨实验室风险协同防控。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com