本發(fā)明涉及蛋白質提取工藝優(yōu)化，特別是一種澳洲堅果蛋白質提取工藝優(yōu)化方法及系統(tǒng)。

背景技術：

1、澳洲堅果富含蛋白質，是一種潛在的優(yōu)質蛋白來源。澳洲堅果蛋白質的提取工藝是一個復雜的過程，涉及多個參數(shù)的精準控制，例如溫度、ph?值、攪拌速度、時間等。傳統(tǒng)的人工操作方式難以保證參數(shù)的穩(wěn)定性和精確性，導致提取效率和產品質量波動較大。隨著智能制造技術的快速發(fā)展，將智能控制技術應用于澳洲堅果蛋白質提取設備，實現(xiàn)參數(shù)的實時監(jiān)測和自動調節(jié)，成為提高提取效率、穩(wěn)定產品質量、降低人工成本的有效途徑。然而，現(xiàn)有的智能調控方法大多局限于單一參數(shù)的控制，缺乏對整個提取過程的全局優(yōu)化，難以實現(xiàn)參數(shù)之間的協(xié)同調節(jié)，因此，需要進一步優(yōu)化澳洲堅果蛋白質提取工藝，以提高提取效率和產品質量。

技術實現(xiàn)思路

1、本發(fā)明克服了現(xiàn)有技術的不足，提供了一種澳洲堅果蛋白質提取工藝優(yōu)化方法及系統(tǒng)。

2、為達到上述目的本發(fā)明采用的技術方案為：

3、本發(fā)明第一方面公開了一種澳洲堅果蛋白質提取工藝優(yōu)化方法，包括以下步驟：

4、獲取蛋白提取設備的預設控制方案，根據(jù)所述預設控制方案獲取蛋白提取設備在若干個預設工作時間節(jié)點各種蛋白提取參數(shù)的預設參數(shù)值，得到各種蛋白提取參數(shù)在預設時間段內的預設參數(shù)值數(shù)集；

5、基于物聯(lián)網方式在若干個預設工作時間節(jié)點采集蛋白提取設備內部各種蛋白提取參數(shù)的實際參數(shù)值，得到各種蛋白提取參數(shù)在預設時間段內的實際參數(shù)值數(shù)集；

6、將各種蛋白提取參數(shù)在預設時間段內的實際參數(shù)值數(shù)集與預設參數(shù)值數(shù)集進行比較分析，分析得到蛋白提取設備中各種蛋白提取參數(shù)的狀態(tài)情況；基于層次分析法對各單元模組與各種蛋白提取參數(shù)進行相關性分析，生成各單元模組與各種蛋白提取參數(shù)之間的語義網絡圖像；

7、獲取蛋白提取設備中狀態(tài)情況為非穩(wěn)態(tài)狀況的蛋白提取參數(shù)；根據(jù)所述語義網絡圖像，并結合狀態(tài)情況為非穩(wěn)態(tài)狀況的蛋白提取參數(shù)，對蛋白提取設備中各單元模組進行溯源分析，得到蛋白提取設備中的運行狀態(tài)可疑單元模組；

8、對蛋白提取設備中的運行狀態(tài)可疑單元模組進行進一步分析，判斷所述運行狀態(tài)可疑單元模組已經出現(xiàn)了運行異常狀況；若出現(xiàn)了運行異常狀況，則對運行狀態(tài)異常單元模組進行調節(jié)優(yōu)化處理。

9、優(yōu)選地，將各種蛋白提取參數(shù)在預設時間段內的實際參數(shù)值數(shù)集與預設參數(shù)值數(shù)集進行比較分析，分析得到蛋白提取設備中各種蛋白提取參數(shù)的狀態(tài)情況，具體為：

10、計算各種蛋白提取參數(shù)在預設時間段內的實際參數(shù)值數(shù)集與預設參數(shù)值數(shù)集之間的皮爾遜相關系數(shù)；

11、將各種蛋白提取參數(shù)在預設時間段內的實際參數(shù)值數(shù)集與預設參數(shù)值數(shù)集之間的皮爾遜相關系數(shù)和預設系數(shù)值進行比較；

12、若某一種蛋白提取參數(shù)在預設時間段內的實際參數(shù)值數(shù)集與預設參數(shù)值數(shù)集之間的皮爾遜相關系數(shù)大于預設系數(shù)值，則將該種蛋白提取參數(shù)的狀態(tài)情況定義為穩(wěn)態(tài)狀況；

13、若某一種蛋白提取參數(shù)在預設時間段內的實際參數(shù)值數(shù)集與預設參數(shù)值數(shù)集之間的皮爾遜相關系數(shù)不大于預設系數(shù)值，則將該種蛋白提取參數(shù)的狀態(tài)情況定義為非穩(wěn)態(tài)狀況。

14、優(yōu)選地，基于層次分析法對各單元模組與各種蛋白提取參數(shù)進行相關性分析，生成各單元模組與各種蛋白提取參數(shù)之間的語義網絡圖像，具體為：

15、獲取蛋白提取設備的設備說明書，根據(jù)所述設備說明書確定出蛋白提取設備中的各單元模組以及各單元模組的用途指標信息；以及對各種蛋白提取參數(shù)進行特征提取處理，得到各種蛋白提取參數(shù)的參數(shù)特征信息；

16、構建層次結構模型，將各單元模組與各種蛋白提取參數(shù)定義為分析目標，得到層次結構模型的目標層；

17、將各單元模組的用途指標信息與各種蛋白提取參數(shù)的參數(shù)特征信息定義為評價指標，得到層次結構模型的準則層；

18、以及將所述準則層進行細化處理，得到若干個細化評價指標，根據(jù)若干個細化評價指標生成層次結構模型的指標層；

19、在所述指標層中獲取每個細化評價指標的重要程度，并根據(jù)各個細化評價指標的重要程度為各個細化評價指標賦予權重值；

20、根據(jù)各個細化評價指標的重要程度構建判斷矩陣；計算所述判斷矩陣的一致性指標，判斷判斷矩陣的一致性指標是否滿足預設指標要求；

21、若判斷矩陣的一致性指標不滿足預設指標要求，則調整各個細化評價指標的權重值；直至判斷矩陣的一致性指標滿足預設指標要求；

22、將所述判斷矩陣上的權重值進行加權求和，得到相應單元模組的綜合得分；以此類推，直至計算得到各單元模組的綜合得分；

23、根據(jù)各單元模組的綜合得分對各單元模組進行排序，得到各單元模組與各種蛋白提取參數(shù)之間的相關度排序，生成相關度排序結果；

24、根據(jù)所述相關度排序結果生成各單元模組與各種蛋白提取參數(shù)之間的語義網絡圖像。

25、優(yōu)選地，根據(jù)所述語義網絡圖像，并結合狀態(tài)情況為非穩(wěn)態(tài)狀況的蛋白提取參數(shù)，對蛋白提取設備中各單元模組進行溯源分析，得到蛋白提取設備中的運行狀態(tài)可疑單元模組，具體為：

26、獲取蛋白提取設備中狀態(tài)情況為非穩(wěn)態(tài)狀況的蛋白提取參數(shù)，并將狀態(tài)情況為非穩(wěn)態(tài)狀況的蛋白提取參數(shù)導入所述語義網絡圖像中進行配對分析；

27、在所述語義網絡圖像中匹配得到各單元模組與狀態(tài)情況為非穩(wěn)態(tài)狀況的蛋白提取參數(shù)之間的相關度，得到相關度匹配結果；

28、根據(jù)所述相關度匹配結果獲取與狀態(tài)情況為非穩(wěn)態(tài)狀況的蛋白提取參數(shù)相關度大于預設相關度閾值所對應的單元模組，得到蛋白提取設備中的運行狀態(tài)可疑單元模組。

29、優(yōu)選地，對蛋白提取設備中的運行狀態(tài)可疑單元模組進行進一步分析，判斷所述運行狀態(tài)可疑單元模組已經出現(xiàn)了運行異常狀況，具體為：

30、獲取蛋白提取設備的運行記錄日志，根據(jù)所述運行記錄日志獲取蛋白提取設備所發(fā)生過的歷史運行狀態(tài)異常事件；

31、基于層次聚類算法對蛋白提取設備所發(fā)生過的歷史運行狀態(tài)異常事件進行聚類處理，獲取各種相同類型運行狀態(tài)異常的聚類結果；

32、將各種相同類型運行狀態(tài)異常的聚類結果輸入到特征金字塔網絡中進行特征提取處理，得到各種類型運行狀態(tài)異常的特征數(shù)據(jù)；

33、構建知識庫，將所述知識庫分為若干個存儲空間，以及為各個存儲空間賦予相應的運行狀態(tài)異常類型標簽，并對應類型運行狀態(tài)異常的特征數(shù)據(jù)存儲在賦予相應標簽的存儲空間內，得到特征數(shù)據(jù)知識庫；

34、獲取蛋白提取設備中的運行狀態(tài)可疑單元模組，并獲取運行狀態(tài)可疑單元模組的實時工作數(shù)據(jù)；將運行狀態(tài)可疑單元模組的實時工作數(shù)據(jù)導入所述特征數(shù)據(jù)知識庫中；

35、計算所述實時工作數(shù)據(jù)與各存儲空間內特征數(shù)據(jù)之間的相似性；若所述實時工作數(shù)據(jù)與某一個或多個存儲空間內特征數(shù)據(jù)之間的相似性大于預設相似性閾值的情況，則說明該運行狀態(tài)可疑單元模組已經出現(xiàn)了運行異常狀況，則將該運行狀態(tài)可疑單元模組標定為運行狀態(tài)異常單元模組；

36、以及獲取相似性大于預設相似性閾值的存儲空間所被賦予的運行狀態(tài)異常類型標簽，得到所述運行狀態(tài)異常單元模組的運行狀態(tài)異常類型標簽。

37、優(yōu)選地，若出現(xiàn)了運行異常狀況，則對運行狀態(tài)異常單元模組進行調節(jié)優(yōu)化處理，具體為：

38、獲取蛋白提取設備的結構圖紙信息，根據(jù)所述結構圖紙信息構建蛋白提取設備的結構模型圖；

39、獲取蛋白提取設備中各單元模組的實時工作數(shù)據(jù)，并將各單元模組的實時工作數(shù)據(jù)進行格式轉化處理，格式轉化完成后，將各單元模組的實時工作數(shù)據(jù)導入至所述結構模型圖，得到蛋白提取設備的運行仿真系統(tǒng)；

40、根據(jù)運行狀態(tài)異常單元模組的運行狀態(tài)異常類型標簽對大數(shù)據(jù)網絡進行檢索，得到若干個調節(jié)優(yōu)化方案；

41、基于各個調節(jié)優(yōu)化方案分別對所述蛋白提取設備的運行仿真系統(tǒng)進行模擬調控處理，調控完成后，獲取經過各個調節(jié)優(yōu)化方案模擬調控后所述運行狀態(tài)異常單元模組的模擬工作數(shù)據(jù)；

42、獲取運行狀態(tài)異常單元模組的預設工作數(shù)據(jù)，計算所述經過各個調節(jié)優(yōu)化方案模擬調控后所述運行狀態(tài)異常單元模組的模擬工作數(shù)據(jù)與預設工作數(shù)據(jù)之間的數(shù)據(jù)偏差值；

43、獲取數(shù)據(jù)偏差值最小所對應的調節(jié)優(yōu)化方案，并將數(shù)據(jù)偏差值最小所對應的調節(jié)優(yōu)化方案發(fā)送至蛋白提取設備的控制終端上，以使得控制終端基于該調節(jié)優(yōu)化方案對運行狀態(tài)異常單元模組進行實質性的調節(jié)優(yōu)化處理。

44、本發(fā)明第二方面公開了一種澳洲堅果蛋白質提取工藝優(yōu)化系統(tǒng)，所述澳洲堅果蛋白質提取工藝優(yōu)化系統(tǒng)包括存儲器與處理器，所述存儲器中存儲有澳洲堅果蛋白質提取工藝優(yōu)化方法程序，當所述澳洲堅果蛋白質提取工藝優(yōu)化方法程序被所述處理器執(zhí)行時，實現(xiàn)任一項所述的澳洲堅果蛋白質提取工藝優(yōu)化方法的步驟。

45、本發(fā)明第三方面公開了一種計算機可讀存儲介質，所述計算機可讀存儲介質包括澳洲堅果蛋白質提取工藝優(yōu)化方法程序，當所述澳洲堅果蛋白質提取工藝優(yōu)化方法程序被處理器執(zhí)行時，實現(xiàn)任一項所述的澳洲堅果蛋白質提取工藝優(yōu)化方法的步驟。

46、本發(fā)明解決了背景技術中存在的技術缺陷，本發(fā)明具備以下有益效果：將各種蛋白提取參數(shù)在預設時間段內的實際參數(shù)值數(shù)集與預設參數(shù)值數(shù)集進行比較分析，分析得到蛋白提取設備中各種蛋白提取參數(shù)的狀態(tài)情況；基于層次分析法對各單元模組與各種蛋白提取參數(shù)進行相關性分析，生成各單元模組與各種蛋白提取參數(shù)之間的語義網絡圖像；獲取蛋白提取設備中狀態(tài)情況為非穩(wěn)態(tài)狀況的蛋白提取參數(shù)；根據(jù)所述語義網絡圖像，并結合狀態(tài)情況為非穩(wěn)態(tài)狀況的蛋白提取參數(shù)，對蛋白提取設備中各單元模組進行溯源分析，得到蛋白提取設備中的運行狀態(tài)可疑單元模組；對蛋白提取設備中的運行狀態(tài)可疑單元模組進行進一步分析，判斷所述運行狀態(tài)可疑單元模組已經出現(xiàn)了運行異常狀況；若出現(xiàn)了運行異常狀況，則對運行狀態(tài)異常單元模組進行調節(jié)優(yōu)化處理。本發(fā)明通過實時監(jiān)控、數(shù)據(jù)分析和智能決策，有效提升了澳洲堅果蛋白質提取效率、產品質量和生產安全性。