开云优惠体育网页版入口

专利名称：一种浓香型压榨菜籽油加工数据传输系统

专利类型：发明专利

专利申请号：CN202410988159.2

专利申请（专利权）人：渭南长安花粮油有限公司
权利人地址：陕西省渭南市高新技术产业开发区广通南路西侧

专利发明（设计）人：李辉,马世康,杨啸宇,黄丹,刘俊

专利摘要：本发明涉及数据传输技术领域，具体涉及一种浓香型压榨菜籽油加工数据传输系统；根据温度时序曲线中预设分段区间的温度变化幅度的差异特征获得不同的加工阶段特征曲线；根据加工阶段特征曲线中温度的混乱程度和离散程度获得第一复杂度；根据加工阶段特征曲线的曲线形状特征和温度变化关联特征获得第二复杂度；根据第一复杂度和第二复杂度通过多项式回归获得加工阶段特征曲线的拟合函数曲线。本发明根据拟合函数曲线和加工阶段特征曲线获得最优传输序列，对最优传输序列进行传输；在不降低传输过程中温度数据准确性的同时，提高数据传输速度。

主权利要求：
1.一种浓香型压榨菜籽油加工数据传输系统，其特征在于，所述系统包括以下模块：数据采集模块，用于获取菜籽油加工过程中的温度时序曲线；
曲线分段模块，用于根据所述温度时序曲线中预设分段区间的温度变化幅度的差异特征获得数据点的分段特征值；根据所述温度时序曲线中数据点的分段特征值获得不同的加工阶段特征曲线；
曲线特征分析模块，用于根据所述加工阶段特征曲线中温度的混乱程度和离散程度获得第一复杂度；根据所述加工阶段特征曲线的曲线形状特征和温度变化关联特征获得第二复杂度；根据所述第一复杂度和所述第二复杂度获得加工阶段特征曲线的复杂程度；根据所述复杂程度通过多项式回归获得所述加工阶段特征曲线的拟合函数曲线；
数据传输模块，用于根据所述拟合函数曲线和所述加工阶段特征曲线获得拟合差异值；根据所述拟合差异值获得最优传输序列；对所述最优传输序列进行传输；
所述根据所述温度时序曲线中预设分段区间的温度变化幅度的差异特征获得数据点的分段特征值的步骤包括：，式中，D表示预设分段区间中任意数据点
的分段特征值， 表示预设第一权重， 表示预设第二权重， 表示对函数值进行归一化， 表示在所述预设分段区间中计算所述任意数据点之前的历史数据点的切线斜率的平均值，即历史变化程度值， 表示所述任意数据点之后的未来数据点的切线斜率的平均值，即未来变化程度值， 表示第一差异特征值， 表示第一分段因子， 表示所述任意数据点的二阶导数值， 表示所述任意数据点的一阶导数值， 表示所述任意数据点的曲率值， 表示第二差异特征值，表示第二分段因子；
所述根据所述第一复杂度和所述第二复杂度获得加工阶段特征曲线的复杂程度的步骤包括：，式中，W表示加工阶段特征曲线的复杂程度，E
表示加工阶段特征曲线中温度值的信息熵并归一化，即温度混乱特征值， 表示该加工阶段特征曲线中温度值的最小值， 表示该加工阶段特征曲线中温度值的最大值，表示以自然常数为底的指数函数， 表示温度离散特征值，表示第一复杂度； 表示预设第三权重， 表示预设第四权重，P表示所述加工阶段特征曲线中任意两个数据点之间的皮尔逊相关系数的绝对值的平均值并负相关映射，即温度关联特征值，S表示所述加工阶段特征曲线中曲线弧的切线转角与弧长数值的比值最大值并归一化，即平均曲率特征值， 表示温度关联因子， 表示曲率特征因子，表示第二复杂度。
2.根据权利要求1所述的一种浓香型压榨菜籽油加工数据传输系统，其特征在于，所述根据所述温度时序曲线中数据点的分段特征值获得不同的加工阶段特征曲线的步骤包括：将预设分段区间中所述分段特征值的最大值对应的数据点作为分段点；根据所述分段点对所述温度时序曲线进行分段，获得不同的加工阶段特征曲线。
3.根据权利要求1所述的一种浓香型压榨菜籽油加工数据传输系统，其特征在于，所述根据所述复杂程度通过多项式回归获得所述加工阶段特征曲线的拟合函数曲线的步骤包括：通过多项式回归对所述加工阶段特征曲线进行拟合，获得拟合函数；
当所述复杂程度低于预设第一阈值时，所述拟合函数的阶数为预设第一数值；当所述复杂程度不低于预设第一阈值且不超过预设第二阈值时，所述拟合函数的阶数为预设第二数值；当所述复杂程度不低于预设第二阈值时，所述拟合函数的阶数为预设第三数值；预设第三数值大于预设第二数值、预设第二数值大于预设第一数值。
4.根据权利要求1所述的一种浓香型压榨菜籽油加工数据传输系统，其特征在于，所述根据所述拟合函数曲线和所述加工阶段特征曲线获得拟合差异值的步骤包括：计算所述拟合函数曲线与所述加工阶段特征曲线对应数据点的差值，获得数据差异值；对于所述数据差异值的绝对值不高于预设差异阈值的目标数据点，计算所述目标数据点的数据差异值的绝对值的平均值并归一化，获得差异基准；当目标数据点的数据差异值不为负数时，将所述差异基准作为所述目标数据点的拟合差异值，当所述目标数据点的数据差异值为负数时，将所述差异基准的相反数作为所述目标数据点的拟合差异值；将非目标数据点的数据差异值作为对应非目标数据点的拟合差异值。
5.根据权利要求1所述的一种浓香型压榨菜籽油加工数据传输系统，其特征在于，所述根据所述拟合差异值获得最优传输序列的步骤包括：按照所述温度时序曲线的时间顺序将对应的拟合差异值进行排序，获得所述最优传输序列。 说明书 : 一种浓香型压榨菜籽油加工数据传输系统技术领域[0001] 本发明涉及数据传输技术领域，具体涉及一种浓香型压榨菜籽油加工数据传输系统。背景技术[0002] 浓香型压榨菜籽油加工过程中的数据传输是指将各个加工阶段的监测数据传输到控制系统和记录系统，从而进行监测、分析和控制。加工过程的温度控制对于油脂的品质和稳定性至关重要，因不同温度下的压榨加工过程会导致菜籽油的香味浓郁程度和营养成分含量不同；经过营养成分检测和味道分析发现在148度的压榨条件下获得的菜籽油的香味更为浓郁、保留的营养成分含量更高。进而在不同的加工处理阶段均需要对温度实现精准控制，以确保油料的完全加热、充分压榨和油品的稳定性，从而获得在148度的压榨条件下的浓香型菜籽油。[0003] 在加工设备的关键位置安装温度传感器进行温度数据采集和传输，例如在预烘烤阶段、加热阶段、冷却阶段等加工阶段采集温度变化特征；使用有线传输、无线传输或云平台传输对加工数据实现有效传输分析。由于浓香型压榨菜籽油加工过程中存在多个加工阶段温度的复杂趋势变化，导致在传输过程中的数据量庞大且复杂，增加传输压力，影响传输速度。发明内容[0004] 为了解决上述由于不同加工阶段温度的复杂趋势变化，导致传输中数据量庞大且复杂，影响传输速度的技术问题，本发明的目的在于提供一种浓香型压榨菜籽油加工数据传输系统，所采用的技术方案具体如下：[0005] 数据采集模块，用于获取菜籽油加工过程中的温度时序曲线；[0006] 曲线分段模块，用于根据所述温度时序曲线中预设分段区间的温度变化幅度的差异特征获得数据点的分段特征值；根据所述温度时序曲线中数据点的分段特征值获得不同的加工阶段特征曲线；[0007] 曲线特征分析模块，用于根据所述加工阶段特征曲线中温度的混乱程度和离散程度获得第一复杂度；根据所述加工阶段特征曲线的曲线形状特征和温度变化关联特征获得第二复杂度；根据所述第一复杂度和所述第二复杂度获得加工阶段特征曲线的复杂程度；根据所述复杂程度通过多项式回归获得所述加工阶段特征曲线的拟合函数曲线；[0008] 数据传输模块，用于根据所述拟合函数曲线和所述加工阶段特征曲线获得拟合差异值；根据所述拟合差异值获得最优传输序列；对所述最优传输序列进行传输。[0009] 进一步地，所述根据所述温度时序曲线中预设分段区间的温度变化幅度的差异特征获得数据点的分段特征值的步骤包括：[0010] 对于所述预设分段区间中的任意数据点，在所述预设分段区间中计算所述任意数据点之前的历史数据点的切线斜率的平均值，获得历史变化程度值，计算所述任意数据点之后的未来数据点的切线斜率的平均值，获得未来变化程度值；计算历史变化程度值和未来变化程度值的差值绝对值并归一化，获得第一差异特征值；[0011] 根据所述任意数据点和预设邻域范围内的其他数据点进行拟合，获得所述任意数据点的特征函数；根据所述特征函数获得所述任意数据点的一阶导数值和二阶导数值；根据一阶导数值和二阶导数值计算所述任意数据点的曲率并归一化，获得所述任意数据点的第二差异特征值；[0012] 计算所述第一差异特征值和预设第一权重的乘积，获得第一分段因子；计算所述第二差异特征值和预设第二权重的乘积，获得第二分段因子；计算所述第一分段因子和所述第二分段因子的和值，获得所述任意数据点的分段特征值。[0013] 进一步地，所述根据所述温度时序曲线中数据点的分段特征值获得不同的加工阶段特征曲线的步骤包括：[0014] 将预设分段区间中所述分段特征值的最大值对应的数据点作为分段点；根据所述分段点对所述温度时序曲线进行分段，获得不同的加工阶段特征曲线。[0015] 进一步地，所述根据所述加工阶段特征曲线中温度的混乱程度和离散程度获得第一复杂度的步骤包括：[0016] 计算加工阶段特征曲线中温度值的信息熵并归一化，获得温度混乱特征值；计算所述加工阶段特征曲线中温度值的最小值与最大值的比值并负相关映射，获得温度离散特征值；计算所述温度混乱特征值和所述温度离散特征值的平均值，获得所述加工阶段特征曲线的第一复杂度。[0017] 进一步地，所述根据所述加工阶段特征曲线的曲线形状特征和温度变化关联特征获得第二复杂度的步骤包括：[0018] 计算所述加工阶段特征曲线中任意两个数据点之间的皮尔逊相关系数的绝对值的平均值并负相关映射，获得温度关联特征值；计算所述加工阶段特征曲线中曲线弧的切线转角与弧长数值的比值最大值并归一化，获得平均曲率特征值；计算所述温度关联特征值和预设第三权重的乘积，获得温度关联因子，计算所述平均曲率特征值和预设第四权重的乘积，获得曲率特征因子；计算所述温度关联因子和所述曲率特征因子的和值，获得所述加工阶段特征曲线的第二复杂度。[0019] 进一步地，所述根据所述第一复杂度和所述第二复杂度获得加工阶段特征曲线的复杂程度的步骤包括：[0020] 计算所述第一复杂度和所述第二复杂度的平均值，获得所述加工阶段特征曲线的复杂程度。[0021] 进一步地，所述根据所述复杂程度通过多项式回归获得所述加工阶段特征曲线的拟合函数曲线的步骤包括：[0022] 通过多项式回归对所述加工阶段特征曲线进行拟合，获得拟合函数；[0023] 当所述复杂程度低于预设第一阈值时，所述拟合函数的阶数为预设第一数值；当所述复杂程度不低于预设第一阈值且不超过预设第二阈值时，所述拟合函数的阶数为预设第二数值；当所述复杂程度不低于预设第二阈值时，所述拟合函数的阶数为预设第三数值；预设第三数值大于预设第二数值、预设第二数值大于预设第一数值。[0024] 进一步地，所述根据所述拟合函数曲线和所述加工阶段特征曲线获得拟合差异值的步骤包括：[0025] 计算所述拟合函数曲线与所述加工阶段特征曲线对应数据点的差值，获得数据差异值；对于所述数据差异值的绝对值不高于预设差异阈值的目标数据点，计算所述目标数据点的数据差异值的绝对值的平均值并归一化，获得差异基准；当目标数据点的数据差异值不为负数时，将所述差异基准作为所述目标数据点的拟合差异值，当所述目标数据点的数据差异值为负数时，将所述差异基准的相反数作为所述目标数据点的拟合差异值；将非目标数据点的数据差异值作为对应非目标数据点的拟合差异值。[0026] 进一步地，所述根据所述拟合差异值获得最优传输序列的步骤包括：[0027] 按照所述温度时序曲线的时间顺序将对应的拟合差异值进行排序，获得所述最优传输序列。[0028] 本发明具有如下有益效果：[0029] 在本发明中，获取分段特征值能够根据不同加工阶段的温度变化特征的差异确定不同数据点作为分段点的可能性，从而根据分段特征值能够准确地获得不同的加工阶段特征曲线；对不同加工阶段特征曲线进行不同的多项式回归，提高多项式回归拟合的准确性，初步降低拟合结果与实际值的差异、传输数据的大小与类型数量，提高传输速度。因多项式回归算法获得的多项式的阶数不同会导致拟合结果的准确性存在差异，故根据加工阶段特征曲线的温度数据特征和曲线形状特征获得第一复杂度和第二复杂度，根据第一复杂度和第二复杂度进行结合获得复杂程度能够准确地表征加工阶段特征曲线的温度变化的复杂与强烈程度；从而根据复杂程度和多项式回归算法中阶数选取的特点进一步确定多项式的阶数，提高拟合结果的准确性，使得拟合值与实际温度值的差异最小化，进一步降低最优传输序列中的数据大小与数据类型，提高传输速度。最终对最优传输序列进行传输，能够在不降低传输过程中温度数据准确性的同时，提高数据传输速度。附图说明[0030] 为了更清楚地说明本发明实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。[0031] 图1为本发明一个实施例所提供的一种浓香型压榨菜籽油加工数据传输系统框图。具体实施方式[0032] 为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种浓香型压榨菜籽油加工数据传输系统，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。[0033] 除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。[0034] 下面结合附图具体的说明本发明所提供的一种浓香型压榨菜籽油加工数据传输系统的具体方案。[0035] 请参阅图1，其示出了本发明一个实施例提供的一种浓香型压榨菜籽油加工数据传输系统框图，该系统包括以下模块：[0036] 数据采集模块S1，用于获取菜籽油加工过程中的温度时序曲线。[0037] 在本发明实施例中，实施场景为对菜籽油加工过程中的温度时序数据进行传输，在不影响传输数据准确性的同时，提高传输速度。首先获取菜籽油加工过程中的温度时序曲线，在本发明实施例中菜籽油的加工阶段包括：将油菜籽经输送设备投入到旋转烤炉进行炒籽，控制炒籽温度148℃，炒籽时间35min，当油菜籽仁横断面变焦黄、含水率小于2%时，开炉卸料；将炒好的油菜籽存放于调质机中，趁热喷洒开水，搅拌均匀，调质5分钟，使油菜籽的含水量升高至4%；补充水分后油菜籽趁热进入螺旋压榨机进行压榨，得到油菜籽压榨毛油，榨后油菜饼厚2mm，含油率小于7%；油菜籽压榨毛油进入卧螺机进行除渣、然后进入框板式过滤机进行粗过滤，除去更细的杂质；过滤后的菜籽油投入冬化罐，在0℃冬化24h；最终获得148度浓香型压榨菜籽油。在能够准确监测到各个加工阶段温度变化的关键位置安装温度传感器，根据预设采集频率采集菜籽油加工过程中的温度数据，在本发明实施例中预设采集频率为每秒采集两次温度数据，实施者可根据实施场景自行确定预设采集频率。将获取的温度时序数据映射在二维直角坐标系中，该二维直角坐标系的横轴为时间轴，纵轴为温度值，获得温度时序曲线。[0038] 菜籽油加工过程中对不同加工阶段的温度要求不同，并且温度难以保持固定不变，在相邻时刻温度会存在细微波动变化，导致温度时序曲线中的温度值类型众多且复杂，导致在对温度数据进行压缩传输时难以降低数据量，传输效率较低。由于温度时序曲线中细微的温度波动对菜籽油加工过程中温度的控制与分析的影响可以忽略不计，因此为了提高传输效率，可对温度时序曲线进行拟合平滑，使得温度数据类型减少，降低传输过程的数据量，提高传输效率。对于变化较为复杂的温度时序曲线，可使用现有的多项式回归算法进行建立回归模型，使用回归模型表示复杂的温度时序曲线。根据多项式回归算法原理可知，该算法的阶数选择是关键因素，影响着模型的复杂性和拟合能力；若阶数设置过低可能会导致欠拟合，阶数设置过高可能会导致过拟合，二者都会降低拟合的准确性。根据温度时序曲线的变化特征可知，若该温度时序曲线呈现较强的线性特征，则使用阶数为1的一次多项式进行拟合即可获得较为准确的拟合结果，若温度时序曲线呈现强烈或复杂的非线性变化特征，则需要使用更为高阶的多项式模型获得较为准确的拟合结果。由于菜籽油在加工过程中不同加工阶段的温度要求不同，导致不同加工阶段之间的温度特征较为复杂多变，若直接对整体的温度时序曲线进行拟合，则会导致部分温度时序曲线出现过拟合的情况，而部分温度时序曲线出现欠拟合的情况，影响拟合准确性，导致传输的温度数据准确性较低；因此需要根据多项式回归算法对温度时序曲线构建回归模型的过程进行改进，在保证传输的温度数据的准确性的同时，提高传输效率。[0039] 曲线分段模块S2，用于根据温度时序曲线中预设分段区间的温度变化幅度的差异特征获得数据点的分段特征值；根据温度时序曲线中数据点的分段特征值获得不同的加工阶段特征曲线。[0040] 由于不同加工阶段的温度变化特征差异较大，部分加工阶段的温度变化较为线性，部分加工阶段的温度变化较为复杂多变，故可对温度时序曲线进行分段，将不同变化趋势特征的温度时序曲线片段使用不同阶数的回归模型，从而提高拟合准确性。由于温度的变化特征存在滞后性，不会随着加工阶段的切换而随即发生明显改变，往往存在一定的迟滞；因此不能直接根据加工阶段的切换时间点而确定温度时序曲线中温度变化特征发生改变的切换时间点，需要根据温度时序曲线的特征进行分段。故根据温度时序曲线中预设分段区间的温度变化幅度的差异特征获得数据点的分段特征值，该预设分段区间为本领域技术人员进行加工阶段切换的时间范围，例如第一个加工阶段为预烘烤阶段，该阶段结束的时间为第二十分钟至第二十五分钟，同时温度变化具有滞后性，则温度发生明显变化的时间区间可能在第二十分钟至第三十分钟，故该预设分段区间为第二十分钟至第三十分钟对应的温度时序曲线片段，实施者可根据实施场景确定每两个相邻加工阶段的预设分段区间。[0041] 优选地，在本发明实施例中，获取分段特征值的步骤包括：对于预设分段区间中的任意数据点，在预设分段区间中计算该任意数据点之前的历史数据点的切线斜率的平均值，获得历史变化程度值；需要说明的是，切线斜率的获取属于现有技术，具体计算步骤不再赘述，切线斜率能够反映该时刻温度值的变化幅度，历史变化程度值能够反映该任意数据点之前时刻的温度变化程度的平均水平。计算该任意数据点之后的未来数据点的切线斜率的平均值，获得未来变化程度值；未来变化程度值能够反映该任意数据点之后时刻的温度变化程度的平均水平；需要说明的是，若该任意数据点为预设分段区间的第一位时，则该任意数据点的切线斜率即为历史变化程度值，若该任意数据点为预设分段区间的末位时，则该任意数据点的切线斜率即为未来变化程度值。计算历史变化程度值和未来变化程度值的差值绝对值并归一化，获得第一差异特征值；当未来变化程度值和历史变化程度值差异越大，则第一差异特征值越大，意味着该任意数据点前后的温度变化特征的差异越大，该任意数据点越可能处于两个相邻加工阶段的温度特征发生明显变化的位置。[0042] 进一步地，根据该任意数据点和预设邻域范围内的其他数据点进行拟合，获得该任意数据点的特征函数；在本发明实施例中，预设邻域范围是以该任意数据点为中心、前后共120个数据点所构建的数据范围，实施者可根据实施场景自行确定；在本发明实施例中使用多项式回归算法对该预设邻域范围的数据进行拟合，获得特征函数，特征函数为3次多项式，多项式回归算法属于现有技术，具体拟合步骤不再赘述，该特征函数表征了该预设邻域范围内的数据变化特征；实施者可根据实施场景自行确定特征函数的获取方法。根据该特征函数获得该任意数据点的一阶导数值和二阶导数值；根据一阶导数值和二阶导数值计算该任意数据点的曲率并归一化，获得该任意数据点的第二差异特征值；当该任意数据点处的曲率越大，第二差异特征值越大，意味着温度时序曲线在该任意数据点处的弯曲程度越大，温度变化特征发生了明显的变化，该任意数据点越可能处于两个相邻加工阶段的温度特征发生明显变化的位置。需要说明的是，根据一阶导数值和二阶导数值获取曲线的曲率属于现有技术，在获取分段特征值的公式中具体解释说明。计算第一差异特征值和预设第一权重的乘积，获得第一分段因子；计算第二差异特征值和预设第二权重的乘积，获得第二分段因子；计算第一分段因子和第二分段因子的和值，获得该任意数据点的分段特征值。在本发明实施例中，预设第一权重为0.6，预设第二权重为0.4，当权重的数值越大，则对应的差异特征值在计算分段特征值中的贡献度越大，实施者可根据实施场景自行确定。当分段特征值越大，意味着该任意数据点越可能为温度变化特征发生明显变化的分段点。获取分段特征值的公式包括：[0043][0044] 式中，D表示预设分段区间中数据点的分段特征值， 表示预设第一权重， 表示预设第二权重， 表示对函数值进行归一化， 表示历史变化程度值， 表示未来变化程度值； 表示第一差异特征值； 表示第一分段因子；表示该数据点的二阶导数值， 表示该数据点的一阶导数值， 表示该数据点的曲率值， 表示第二差异特征值， 表示第二分段因子。[0045] 获得预设分段区间中每个数据点的分段特征值后，可根据温度时序曲线中数据点的分段特征值获得不同的加工阶段特征曲线，具体包括：将预设分段区间中分段特征值的最大值对应的数据点作为分段点；根据分段点对温度时序曲线进行分段，获得不同的加工阶段特征曲线，不同的加工阶段特征曲线的温度变化特征存在明显差异。[0046] 曲线特征分析模块S3，用于根据加工阶段特征曲线中温度的混乱程度和离散程度获得第一复杂度；根据加工阶段特征曲线的曲线形状特征和温度变化关联特征获得第二复杂度；根据第一复杂度和第二复杂度获得加工阶段特征曲线的复杂程度；根据复杂程度通过多项式回归获得加工阶段特征曲线的拟合函数曲线。[0047] 获得每个加工阶段特征曲线后，可根据每个加工阶段特征曲线中温度变化的复杂与强烈程度确定多项式回归算法中的阶数，当温度变化越呈现非线性的复杂变化时，拟合后的回归模型的阶数越高；故根据加工阶段特征曲线中温度的混乱程度和离散程度获得第一复杂度。[0048] 优选地，在本发明实施例中，获取第一复杂度的步骤包括：计算加工阶段特征曲线中温度值的信息熵并归一化，获得温度混乱特征值；需要说明的是，信息熵属于现有技术，具体计算步骤不再赘述，当该信息熵越大，则温度混乱特征值越大，意味着该加工阶段特征曲线中的温度数值越混乱，越不相似，该加工阶段特征曲线的温度变化越复杂的可能性越大。计算加工阶段特征曲线中温度值的最小值与最大值的比值并负相关映射，获得温度离散特征值；当最大值与最小值差异越大，则该比值越。露壤肷⑻卣髦翟酱，意味着该加工阶段特征曲线中的温度分布越离散，最小值与最小值之间的温度数据类型越多，温度变化越复杂的可能性越大。计算温度混乱特征值和温度离散特征值的平均值，获得加工阶段特征曲线的第一复杂度；当第一复杂度越大，意味着该加工阶段特征曲线的温度变化越复杂的可能性越大。[0049] 进一步地，当该加工阶段曲线的曲线弧的平均曲率越大，并且温度变化特征越没有关联性，则意味着该加工阶段曲线的温度变化越复杂。故根据加工阶段特征曲线的曲线形状特征和温度变化关联特征获得第二复杂度；优选地，在本发明实施例中，获取第二复杂度的步骤包括：计算该加工阶段特征曲线中任意两个数据点之间的皮尔逊相关系数的绝对值的平均值并负相关映射，获得温度关联特征值。需要说明的是，皮尔逊相关系数的计算属于现有技术，具体计算步骤不再赘述，当两个序列的变化特征越呈现相关性，则皮尔逊相关系数的绝对值越接近1；反之，当两个序列之间的变化特征越没有相关性，则皮尔逊相关系数越接近0；故当温度关联特征值越大，意味着皮尔逊相关系数越。眉庸そ锥吻咧形露戎档谋浠矫挥邢喙匦，温度变化越复杂与混乱。计算该加工阶段特征曲线中曲线弧的切线转角与弧长数值的比值最大值并归一化，获得平均曲率特征值；需要说明的是，根据曲线弧的切线转角和弧长计算平均曲率属于现有技术，选取该加工阶段特征曲线中平均曲率最大值作为平均曲率特征值，能够反映该加工阶段特征曲线中温度的变化复杂程度；当平均曲率特征值越大，意味着该曲线孤的曲率越大，曲线弧对应的温度值的变化越非线性。计算温度关联特征值和预设第三权重的乘积，获得温度关联因子，计算平均曲率特征值和预设第四权重的乘积，获得曲率特征因子；计算温度关联因子和曲率特征因子的和值，获得加工阶段特征曲线的第二复杂度。在本发明实施例中，预设第三权重和预设第四权重分别为0.5，实施者可根据实施场景自行确定；当第二复杂度越大，意味着该加工阶段特征曲线的温度变化越复杂与强烈。[0050] 获得加工阶段特征曲线的第一复杂度和第二复杂度后，可根据第一复杂度和第二复杂度获得加工阶段特征曲线的复杂程度，优选地，在本发明实施例中，获取复杂程度的步骤包括：计算第一复杂度和第二复杂度的平均值，获得加工阶段特征曲线的复杂程度；当复杂程度越大，意味着该加工阶段特征曲线的温度变化越复杂与强烈，在多项式回归过程中需要越高的阶数以保证拟合准确性。获取复杂程度的公式包括：[0051][0052] 式中，W表示加工阶段特征曲线的复杂程度，E表示温度混乱特征值， 表示该加工阶段特征曲线中温度值的最小值， 表示该加工阶段特征曲线中温度值的最大值，表示以自然常数为底的指数函数，目标是进行负相关映射，本发明实施例涉及负相关映射的手段皆通过该指数函数进行负相关映射，实施者可根据实施场景自行确定负相关映射方法； 表示温度离散特征值， 表示第一复杂度。 表示预设第三权重， 表示预设第四权重，P表示温度关联特征值，S表示平均曲率特征值； 表示温度关联因子； 表示曲率特征因子； 表示第二复杂度。[0053] 当复杂程度越大，意味着该加工阶段特征曲线的温度变化特征越复杂，为了避免欠拟合影响准确性，在使用多项式回归算法的过程中需要较高的阶数；当复杂程度越。馕蹲鸥眉庸そ锥翁卣髑叩奈露缺浠卣鹘衔虻デ蚁咝，为了避免过拟合影响准确性，在使用多项式回归算法的过程中需要较低的阶数。故根据复杂程度通过多项式回归获得加工阶段特征曲线的拟合函数曲线。[0054] 优选地，在本发明实施例中，获取拟合函数曲线的步骤包括：通过多项式回归对加工阶段特征曲线进行拟合，获得拟合函数；需要说明是，多项式回归算法属于现有技术，具体拟合步骤不再赘述。当复杂程度低于预设第一阈值时，意味着该加工阶段特征曲线的变化越不复杂，拟合函数的阶数为预设第一数值；在本发明实施例中预设第一阈值为0.3，预设第一数值为常数1，即拟合函数曲线为一阶多项式，通过一阶多项式能够较好地将变化较为线性的加工阶段特征曲线进行准确地拟合，避免出现过拟合影响准确性的情况。当复杂程度不低于预设第一阈值且不超过预设第二阈值时，拟合函数的阶数为预设第二数值；在本发明实施例中，预设第二阈值为0.7，预设第二数值为常数2，即拟合函数曲线为二阶多项式，通过二阶多项式能够较好地将变化特征较为常规的加工阶段特征曲线进行准确地拟合，避免出现过拟合与欠拟合影响准确性的情况。当复杂程度不低于预设第二阈值时，拟合函数的阶数为预设第三数值；预设第三数值大于预设第二数值、预设第二数值大于预设第一数值；在本发明实施例中预设第三数值为3，即拟合函数曲线为三阶多项式；为了更准确地将温度变化较为复杂的加工阶段特征曲线进行表征，则需要更高阶数的多项式进行拟合，从而保证准确性。需要说明的是，实施者可根据实施场景自行确定预设第一阈值和预设第二阈值，以及预设第一数值、预设第二数值和预设第三数值，在此不做限定。[0055] 数据传输模块S4，用于根据拟合函数曲线和加工阶段特征曲线获得拟合差异值；根据拟合差异值获得最优传输序列；对最优传输序列进行传输。[0056] 获得加工阶段特征曲线和对应的拟合函数曲线后，可分析拟合数值与实际温度值之间的差异，根据差异程度进一步提高传输速率和准确性。故根据拟合函数曲线和加工阶段特征曲线获得拟合差异值，优选地，在本发明实施例中，获取拟合差异值的步骤包括：计算拟合函数曲线与加工阶段特征曲线对应数据点的差值，获得数据差异值；当数据差异值越大，意味着在该时间点处拟合值和实际值的差异越大，该时间点的实际温度值出现了较为异常的变化，则需要对该时间点处的温度数据进行无损传输，从而更准确地对该时间点的温度变化情况进行分析，提高后续加工菜籽油的工艺稳定性。[0057] 对于数据差异值的绝对值不高于预设差异阈值的目标数据点，此时意味着拟合值与实际温度值的差异较。导饰露戎翟谀夂锨叩纳舷鲁鱿终５南肝⒉ǘ，不影响温度分析与控制的准确性；在本发明实施例中预设差异阈值为2.5，实施者可根据实施场景自行确定。进而计算该类目标数据点的数据差异值的绝对值的平均值并归一化，获得差异基准；该差异基准为目标数据点的实际温度值与对应的拟合值之间差异的平均水平，为了减少数据传输过程中的数据类型，提高传输效率，可使用差异基准作为该类所有目标数据点与拟合值之间的差异值，进行有损传输。故当目标数据点的数据差异值不为负数时，将差异基准作为该目标数据点的拟合差异值，当目标数据点的数据差异值为负数时，将差异基准的相反数作为该目标数据点的拟合差异值；在不影响温度分析与控制的前提下，减少传输过程的数据类型，提高传输速度。将非目标数据点的数据差异值作为对应非目标数据点的拟合差异值，非目标数据点为数据差异值的绝对值高于预设差异阈值的数据点，非目标数据点的实际温度值与拟合值存在较大的差异，需要将实际的差异值进行无损传输，从而保证温度分析与控制的准确性。[0058] 进一步地，根据拟合差异值获得最优传输序列，具体包括：按照温度时序曲线的时间顺序将对应的拟合差异值进行排序，获得最优传输序列。进而对最优传输序列进行传输，最优传输序列相比于原始的温度时序曲线中的温度值、以及相比直接对温度时序曲线整体进行多项式回归获得的拟合值，最优传输序列中的数值更小且数据类型更。沟迷谘顾醮涔讨写蠓岣哐顾醮湫，并且不影响温度数据传输的准确性；对于拟合值与实际值差异较小的温度数据进行有损传输，而对于拟合与实际值差异较大的温度数据进行无损传输。传输后可根据拟合函数曲线的具体公式和最优传输序列获取与原始温度值相似的温度时间序列，根据温度时间序列进行分析与控制。[0059] 综上所述，本发明实施例提供了一种浓香型压榨菜籽油加工数据传输系统；根据温度时序曲线中预设分段区间的温度变化幅度的差异特征获得不同的加工阶段特征曲线；根据加工阶段特征曲线中温度的混乱程度和离散程度获得第一复杂度；根据加工阶段特征曲线的曲线形状特征和温度变化关联特征获得第二复杂度；根据第一复杂度和第二复杂度通过多项式回归获得加工阶段特征曲线的拟合函数曲线。本发明根据拟合函数曲线和加工阶段特征曲线获得最优传输序列，对最优传输序列进行传输；在不降低传输过程中温度数据准确性的同时，提高数据传输速度。[0060] 需要说明的是：上述本发明实施例先后顺序仅仅为了描述，不代表实施例的优劣。在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。[0061] 本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。

专利地区：陕西

专利申请日期：2024-07-23

专利公开日期：2024-11-12

专利公告号：CN118523873B