基于物联网的探测器功能调试工序管理方法、装置、终端和介质与流程

本技术涉及数据处理，尤其涉及一种基于物联网的探测器功能调试工序管理方法、装置、终端和介质。

背景技术：

1、现今的各类探测器（气体、温度、压力、红外等）已成为工业安全监测、环境监控、智能制造过程控制的核心感知节点。探测器的检测准确性与运行可靠性直接决定了整个监测控制系统的稳定性，而功能调试作为探测器出厂前及定期维护的核心工序，其质量直接影响探测器的最终性能与使用寿命。

2、然而，现有的探测器功能调试工序管理技术手段的缺陷主要体现在以下方面：调试流程、参数调整幅度、质量判定标准高度依赖操作人员个人技能，同型号探测器调试质量差异显著，无法形成可复制的统一标准，且人工成本高、效率低；现有技术仅检测额定电压、出厂阈值等静态参数，完全忽略探测器在空载、标准信号、极限信号等工况下的动态响应特性（响应时间、恢复时间、功耗波动），无法全面评估实际运行状态；现有的海量历史调试记录与故障案例仅作为档案保存，未被系统分析挖掘，优秀调试经验无法转化为标准化决策逻辑；同时，现有技术手段无法根据实时采集的探测器数据动态调整工序顺序与参数，异常情况处理滞后，难以实现大规模探测器的批量自动化调试。

技术实现思路

1、本技术的主要目的在于提供一种基于物联网的探测器功能调试工序管理方法、装置、终端和介质，旨在提升调试后探测器的检测准确性并降低探测器运行故障率。

2、为实现上述目的，本技术提供一种基于物联网的探测器功能调试工序管理方法，所述方法包括：

3、获取预处理后的探测器功能静态特征数据以及预处理后的探测器功能动态特征数据；

4、对所述预处理后的探测器功能静态特征数据、所述预处理后的探测器功能动态特征数据以及探测器功能历史调试工序数据进行特征提取处理，得到高维度编码特征向量，其中，所述探测器功能历史调试工序数据用于表征过往时间内探测器功能调试工序的状况；

5、根据所述高维度编码特征向量，通过预设序列到序列架构模型，生成目标调试工序管理方案，其中，所述目标调试工序管理方案包括目标调试步骤信息以及参数调整数据。

6、具体地，所述预处理后的探测器功能静态特征数据为探测器功能静态特征数据向量，所述预处理后的探测器功能动态特征数据为探测器功能动态特征数据向量；

7、所述获取预处理后的探测器功能静态特征数据以及预处理后的探测器功能动态特征数据，包括：

8、采集探测器功能基础静态特征数据，其中所述探测器功能基础静态特征数据包括基础标识分类数据以及基础数值型数据；

9、将所述基础标识分类数据转换为独热编码向量，并将所述基础数值型数据进行归一化处理，得到基础数值型数据向量；

10、对所述独热编码向量以及所述基础数值型数据向量进行拼接处理，得到所述探测器功能静态特征数据向量；

11、同步采集探测器在预设测试指令下的时序动态数据，其中，所述预设测试指令包括空载测试指令、标准信号输入测试指令、极限信号输入测试指令以及连续工作稳定性测试指令；

12、通过预设滑动窗口，对所述时序动态数据进行滑动窗口滤波处理，得到去噪时序动态数据；

13、对所述去噪时序动态数据执行预设动态特征计算逻辑，得到动态特征值；

14、将所述动态特征值与探测器对应的标准动态特征区间进行比较，得到动态特征比较结果；

15、对所述动态特征值与所述动态特征比较结果进行拼接处理，得到所述探测器功能动态特征数据向量。

16、具体地，所述去噪时序动态数据包括输出信号幅值、响应时间、恢复时间、功耗波动以及通信延迟；

17、所述对所述去噪时序动态数据执行预设动态特征计算逻辑，得到动态特征值，包括：

18、计算得到输出信号幅值的平均值、输出信号幅值的最大值、输出信号幅值的最小值以及输出信号幅值的标准差；

19、计算得到响应时间的平均值以及响应时间的95分位值；

20、计算得到恢复时间的平均值以及恢复时间的95分位值；

21、计算得到功耗波动的方差以及功耗波动的极差；

22、计算得到通信延迟的平均值以及通信延迟的最大偏差值。

23、具体地，所述对所述预处理后的探测器功能静态特征数据、所述预处理后的探测器功能动态特征数据以及探测器功能历史调试工序数据进行特征提取处理，得到高维度编码特征向量，包括：

24、通过预设卷积层网络，对所述探测器功能静态特征数据向量进行第一编码处理，得到静态特征编码向量；

25、通过预设双向长短期记忆网络，对所述探测器功能动态特征数据向量进行第二编码处理，得到动态特征编码向量；

26、通过预设注意力机制网络，对所述探测器功能历史调试工序数据、所述静态特征编码向量以及所述动态特征编码向量进行处理，得到历史数据编码向量；

27、通过预设特征融合网络，根据所述静态特征编码向量、所述动态特征编码向量以及所述历史数据编码向量，得到所述高维度编码特征向量。

28、具体地，所述预设序列到序列架构模型包括编码器层、解码器层以及方案优化层；

29、所述根据所述高维度编码特征向量，通过预设序列到序列架构模型，生成目标调试工序管理方案，包括：

30、通过所述编码器层，对所述高维度编码特征向量进行第三编码处理，得到编码器上下文向量；

31、通过所述解码器层，根据预设序列到序列架构模型中的起始符向量以及所述编码器上下文向量，得到调试工序方案文本序列；

32、通过所述方案优化层，根据所述调试工序方案文本序列、所述预处理后的探测器功能静态特征数据、所述预处理后的探测器功能动态特征数据以及所述探测器功能历史调试工序数据，得到所述目标调试工序管理方案。

33、具体地，所述解码器层包括嵌入层、自注意力层、编码器-解码器注意力机制层、前馈神经网络层以及全连接层；

34、所述通过所述解码器层，根据预设序列到序列架构模型中的起始符向量以及所述编码器上下文向量，得到调试工序方案文本序列，包括：

35、将所述起始符向量输入至所述嵌入层，得到嵌入向量；

36、将所述嵌入向量输入至所述自注意力层，得到自注意力层输出结果；

37、将所述自注意力层输出结果以及所述编码器上下文向量输入至所述编码器-解码器注意力机制层，得到编码器-解码器注意力机制层输出结果；

38、将所述编码器-解码器注意力机制层输出结果输入至所述前馈神经网络层，得到前馈神经网络层输出结果；

39、将所述前馈神经网络层输出结果输入至所述全连接层，得到当前位置输出词汇表中每个词汇对应的概率；

40、确定当前位置输出词汇表中概率最大的词汇为当前位置对应的输出结果，并将所述当前位置对应的输出结果转化为下一个时间步对应的起始符向量；

41、重复上述步骤，直至所述下一个时间步对应的起始符向量为结束符向量，并基于重复过程中的所有当前位置对应的输出结果以及所述结束符向量，生成所述调试工序方案文本序列。

42、具体地，所述通过所述方案优化层，根据所述调试工序方案文本序列、所述预处理后的探测器功能静态特征数据、所述预处理后的探测器功能动态特征数据以及所述探测器功能历史调试工序数据，得到所述目标调试工序管理方案，包括：

43、通过所述方案优化层，将所述调试工序方案文本序列转化为文本结构化数据，其中，所述文本结构化数据包括步骤排序编号、调试内容、参数调整值、质量检测标准；

44、通过所述方案优化层，根据所述预处理后的探测器功能静态特征数据以及所述预处理后的探测器功能动态特征数据，对所述参数调整值进行调整，得到所述参数调整数据；

45、通过所述方案优化层，根据所述探测器功能历史调试工序数据，对所述步骤排序编号进行调整，得到初级调试步骤信息；

46、通过所述方案优化层，根据所述质量检测标准，对所述调试内容以及所述初级调试步骤信息进行调整，得到所述目标调试步骤信息。

47、为实现上述目的，本技术还提供一种基于物联网的探测器功能调试工序管理装置，所述装置包括：

48、第一单元，用于获取预处理后的探测器功能静态特征数据以及预处理后的探测器功能动态特征数据；

49、第二单元，用于对所述预处理后的探测器功能静态特征数据、所述预处理后的探测器功能动态特征数据以及探测器功能历史调试工序数据进行特征提取处理，得到高维度编码特征向量，其中，所述探测器功能历史调试工序数据用于表征过往时间内探测器功能调试工序的状况；

50、第三单元，用于根据所述高维度编码特征向量，通过预设序列到序列架构模型，生成目标调试工序管理方案，其中，所述目标调试工序管理方案包括目标调试步骤信息以及参数调整数据。

51、为实现上述目的，本技术还提供一种终端，包括存储器存储有多条指令；所述处理器从所述存储器中加载指令，以执行本技术所提供的任一种方法中的步骤。

52、为实现上述目的，本技术还提供一种介质，所述介质存储有多条指令，所述指令适于处理器进行加载，以执行本技术所提供的任一种方法中的步骤。

53、本技术提供的一种基于物联网的探测器功能调试工序管理方法、装置、终端和介质，可以首先获取预处理后的探测器功能静态特征数据以及预处理后的探测器功能动态特征数据；对所述预处理后的探测器功能静态特征数据、所述预处理后的探测器功能动态特征数据以及探测器功能历史调试工序数据进行特征提取处理，得到高维度编码特征向量；根据所述高维度编码特征向量，通过预设序列到序列架构模型，生成目标调试工序管理方案，以提升调试后探测器的检测准确性并降低探测器运行故障率。