一、业务场景介绍
在复杂的工业场景下,管道的状况无法人工进行实时排查,单一的监控设备等也无法完整的对管道状况进行判断,所以我们使用ProcessDB实时/时序数据库训练出适配的算法模型,并实时对管道泄露状况进行判断
二、根据实时库点位获取训练数据
使用ProcessGateway数采网关采集到管道的参数数据,例如:温度,压差,开度等,并上传至ProcessDB数据库,如下图所示:
三、通过算法生成泄露模型
这里选用AdaBoost分类模型的AdaBoostClassifier算法,从ProcessDB数据库获取管道参数数据,来进行模型训练
from sklearn.metrics import accuracy_score
from sklearn.ensemble import AdaBoostClassifier
import joblib
from sklearn.model_selection import train_test_split
import numpy as np
import ProcessDBDriver as processdbDriver
from sys import argv
# 管道参数点位
pointNameList = [
'D1.PIPELINE.PRESSURE', 'D1.PIPELINE.TEMPERATURE',
'D1.PIPELINE.OPEN', 'D1.PIPELINE.FLOW',
'D1.PIPELINE.TRAIN'
]
# 连接ProcessDB实时数据库
connectName = '127.0.0.1'
port = 8301
processdbDriver.connect(connectName, port)
# 登录
userName = 'root'
password = 'root'
wErrCode = processdbDriver.login(userName, password)
# 登录成功
if wErrCode != 0:
print('login failed. errorCode: ', wErrCode)
else:
start_time = '2023-05-15 20:00:00'
end_time = '2023-05-15 20:59:59'
filterLow = 0
filterHigh = 0
fillValue = 0
fillValueType = 1
step = 1
dnd2 = np.zeros((3600, len(pointNameList)-1))
dnd1 = np.empty(3600)
# 点名查询历史时序数据
for m in range(len(pointNameList)):
count, errCode, resultSet = processdbDriver.query_sample_his_data_by_pointName(
start_time, end_time, pointNameList[m], step, 0, 0, filterLow, filterHigh, fillValue, 0, 0, 0, 0, fillValueType)
if errCode == 0:
if count != 0 and count != 'null':
for i in range(count):
historyData = processdbDriver.get_sample_his_data(
i, resultSet)
if m == len(pointNameList)-1:
# 最后一个点位作为训练的参考结果
dnd1[i] = str(historyData.nValue)
else:
dnd2[i, m] = historyData.nValue
else:
print('pointName:', pointNameList[m],
',', 'no sampling history data.')
else:
print('query_sample_his_data_by_pointName failed, errorCode: ', errCode)
# 数据库登出
outCode = processdbDriver.logout()
# 数据赋值
x = dnd2
y = dnd1
# 划分训练集和测试集
x_train, x_test, y_train, y_test = train_test_split(
x, y, test_size=0.2, random_state=123)
# 模型训练
clf = AdaBoostClassifier(random_state=123)
clf.fit(x_train, y_train)
# 模型下载
joblib.dump(clf, 'train.model')
四、创建报警点位,接收模型评估结果
五、读取泄露模型,对当前管道泄露状态进行评估
from sklearn.metrics import accuracy_score
from sklearn.ensemble import AdaBoostClassifier
import joblib
from sklearn.model_selection import train_test_split
import pandas as pd
import numpy as np
import ProcessDBDriver as processdbDriver
from sys import argv
waclf = joblib.load('train.model')
# 查询模型预测的所需数据
pointNameList = [
'D1.PIPELINE.PRESSURE', 'D1.PIPELINE.TEMPERATURE',
'D1.PIPELINE.OPEN', 'D1.PIPELINE.FLOW'
]
# 连接实时数据库
connectName = '127.0.0.1'
port = 8301
processdbDriver.connect(connectName, port)
# 登录
userName = 'root'
password = 'root'
wErrCode = processdbDriver.login(userName, password)
# 登录成功
if wErrCode != 0:
print('login failed. errorCode: ', wErrCode)
else:
dnd2 = []
dnd1 = []
# 点名查询实时数据
**自我介绍一下,小编13年上海交大毕业,曾经在小公司待过,也去过华为、OPPO等大厂,18年进入阿里一直到现在。**
**深知大多数嵌入式工程师,想要提升技能,往往是自己摸索成长或者是报班学习,但对于培训机构动则几千的学费,着实压力不小。自己不成体系的自学效果低效又漫长,而且极易碰到天花板技术停滞不前!**
**因此收集整理了一份《2024年嵌入式&物联网开发全套学习资料》,初衷也很简单,就是希望能够帮助到想自学提升又不知道该从何学起的朋友,同时减轻大家的负担。**
![img](https://img-blog.csdnimg.cn/img_convert/15ad1c8e0187b327d5e6f54acd01ab79.png)
![img](https://img-blog.csdnimg.cn/img_convert/00d7770dedf32123e45a9731fd1fcbbd.jpeg)
![img](https://img-blog.csdnimg.cn/img_convert/ce8eeee15edaf0e297bce8409c886fcf.png)
**既有适合小白学习的零基础资料,也有适合3年以上经验的小伙伴深入学习提升的进阶课程,基本涵盖了95%以上嵌入式&物联网开发知识点,真正体系化!**
![img](https://img-blog.csdnimg.cn/img_convert/fe0211fd9338bc0acdbd5fda94ed05d1.png)
![img](https://img-blog.csdnimg.cn/img_convert/f701e179f7250552c707cdc9fb7224be.png)
**由于文件比较大,这里只是将部分目录大纲截图出来,每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频,并且后续会持续更新**
**如果你觉得这些内容对你有帮助,可以+V:Vip1104z获取!!! (备注:嵌入式)**
<img src="https://img-community.csdnimg.cn/images/73bb5de17851459088c6af944156ee24.jpg" alt="img" style="zoom: 67%;" />
# 最后
**资料整理不易,觉得有帮助的朋友可以帮忙点赞分享支持一下小编~**
**你的支持,我的动力;祝各位前程似锦,offer不断,步步高升!!!**
y.csdnimg.cn/images/73bb5de17851459088c6af944156ee24.jpg" alt="img" style="zoom: 67%;" />
# 最后
**资料整理不易,觉得有帮助的朋友可以帮忙点赞分享支持一下小编~**
**你的支持,我的动力;祝各位前程似锦,offer不断,步步高升!!!**
**[更多资料点击此处获qu!!](https://bbs.csdn.net/topics/618376385)**