CN113887380A - 煤炭样品的智能制样*** - Google Patents

Abstract

本发明涉及智能制样技术领域，具体为煤炭样品的智能制样***，包括制集单元、互匹单元、云服务单元、制分管单元、制定判单元、调节单元和样显提单元；所述制集单元用于对实时的制样数据进行采集，将实时采集的制样数据标定为实制信息，将实制信息传输至互匹单元；所述云服务单元内存储有以往记录的样本制作相关的往制信息和形状信息，所述互匹单元从云服务单元内获取往制信息，本发明通过对实时采集的数据以及分析出的影响数值进行关联度计算，从而对相关样品的制作进行数值计算和分析，从而了解样品的制作情况，依据自身所需要的制作情况进行数值的再次核算，增加数据分析的精确性，提高样品的制作效率。

Description

煤炭样品的智能制样***

技术领域

本发明涉及智能制样技术领域，具体为煤炭样品的智能制样***。

背景技术

为确定煤的某些特性，按规定采取的具有代表性的一部分煤，按煤样分析所得的资料，可确定煤的种类和煤质特征，以及其加工利用特性和工业利用方向，由于煤是非均质物质，为保证煤样具有代表性，样品的采取和制备必须按国家标准进行。

在目前的样品制备的过程中，制样过程均是通过机械来完成，机械制样只是执行一个输入的设定，从而对煤炭进行处理制样，无法应对在制样过程中出现的一些突发事故，从而导致机械制样的失败率提升，因此，技术人员需要设定一个在样品制作过程中实时检测的***，并与依据实时检测的数据进行关联度分析，分析各类会影响制样成功率以及制样质量的数值，并对其进行计算分析，从而保证制样的成功率以及质量，这是现有技术中所缺乏的问题。

为此，我们提出煤炭样品的智能制样***。

发明内容

本发明的目的在于提供煤炭样品的智能制样***，通过对采集的影响与记录的相关图像进行识别匹配，从而快速提取出对应的数据，节省数据识别和提取的时间，增加识别的准确性，依据对应数据进行关联度计算，从而将不同的数值进行影响分析，从而分析出数值是否存在影响，影响数值是多少，避免后期在数据计算的过程中出现数据不准确；通过对实时采集的数据以及分析出的影响数值进行关联度计算，从而对相关样品的制作进行数值计算和分析，从而了解样品的制作情况，依据自身所需要的制作情况进行数值的再次核算，增加数据分析的精确性，提高样品的制作效率。

本发明的目的可以通过以下技术方案实现：煤炭样品的智能制样***，包括制集单元、互匹单元、云服务单元、制分管单元、制定判单元、调节单元和样显提单元；

所述制集单元用于对实时的制样数据进行采集，将实时采集的制样数据标定为实制信息，将实制信息传输至互匹单元；

所述云服务单元内存储有以往记录的样本制作相关的往制信息和形状信息，所述互匹单元从云服务单元内获取往制信息，并将往制信息与互匹单元进行互匹操作；

所述制分管单元用于对往品数据、往样数据、往时数据、往质数据、往形数据、往温数据、往湿数据、往成数据和往失数据一同进行分析管理操作，得到损速均值、均差占比值、温时因子ui、初始往温值、湿时因子vi、初始往湿值、安全次数值和匹形数组；

所述制定判单元从形状信息，并将形状信息与、实影数据、实温数据、实湿数据、实质数据、实时数据、损速均值、均差占比值、温时因子ui、初始往温值、湿时因子vi、初始往湿值、安全次数值和匹形数组一同进行样本判定操作，并将得到的调节信号和调节数值分别传输至调节单元和样显提单元；

所述调节单元依据接收的调节信号和调节数值进行数值的调节，所述样显提单元用于接收并显示调节信号和调节数值。

进一步的，互匹操作的具体操作过程为：

选取往图数据和实影数据，并将往图数据和实影数据进行匹配，得到匹成信号和匹误信号；

提取匹成信号和匹误信号，并对匹成信号和匹误信号进行识别，当识别到匹误信号时，则判定实时采集的数据出现异常，生成再次采集信号，并将再次采集信号传输至制集单元，制集单元依据再次采集信号进行数据采集，当识别到匹成信号时，则判定两者数据相匹配，提取与实影数据相对应的往图数据，将对应的往图数据标定为选取往图数据；

依据选取往图数据提取对应的往品数据、往样数据、往时数据、往质数据、往形数据、往温数据、往湿数据、往成数据和往失数据。

进一步的，分析管理操作的具体操作过程为：

依据往品数据，选取出若干个对应的往样数据，依据若干个往样数据提取对应的往时数据和往质数据，将制作样品的不同时间点的往质数据进行分别标定，将两个不同时间点的往质数据进行差值计算，从而计算出往质差值；

依据往质差值、往质数据和往时数据进行质分处理，处理得到损速均值和均差占比值；

依据往品数据，选取出若干个对应的往温数据，依据若干个对应的往温数据提取往品数据制作样品的时间，将开始的制作的时间点与结束制作的时间点进行分别标定，并将开始的制作的时间点与结束制作的时间点进行差值计算，计算出温时差值，选取出不同的往温数据与对应的温时差值进行变量分析，得到正向温响信号、反向温响信号、无关温响信号、温时因子ui和初始往温值；

依据往品数据，选取出若干个对应的往湿数据，依据若干个对应的往湿数据提取往品数据制作样品的时间，将开始的制作的时间点与结束制作的时间点进行分别标定，并将开始的制作的时间点与结束制作的时间点进行差值计算，计算出湿时差值，选取出不同的往湿数据与对应的湿时差值进行变量分析，得到正向湿响信号、反向湿响信号、无关湿响信号、湿时因子vl和初始往湿值；

依据往样数据，选取出往形数据和往时数据，并对往形数据和往时数据进行形时处理，处理得到匹形数组和安全次数值。

进一步的，依据往质差值、往质数据和往时数据进行质分处理的具体过程为：

将往质数据进行差值计算对应的两个不同的时间点进行差值计算，从而计算出质时差值，将质时差值与往质差值带入到占比计算式：损速值＝往质差值/质时差值，计算出损速值，将若干个往样数据对应的损速值进行求和计算，将求和计算后的数值除以若干个往样数据的个数，从而得到一个损速均值；

将若干个往质差值进行求和计算，将求和计算后的数值除以若干个往质差值的次数，从而计算出往质均差值，将若干个往质差值对应的往质数据进行求和计算，并将求和计算后的往质数据除以若干个往质数据的个数，计算出往质均值，将往质均值与往质均差值进行占比计算，计算均差占比值。

进一步的，依据选取出的不同往温数据与对应的温时差值进行变量分析的具体过程为：

将往温数据拟定为X轴数值与温时差值拟定为Y轴数值进行虚拟平面直角坐标系绘画，选取出其中Y轴数值最高的值，将其对应的往温数据标定为低效往温值，选取出其中Y轴数值最低的值，将其对应的往温数据标定为高效往温值；

对低效往温值、高效往温值和虚拟平面直角坐标系进行温度影响分析，当虚拟平面直角坐标系中低效往温值和高效往温值的关系是低效往温值在前、高效往温值在后时，则判定制作时间随着温度的升高而身高，将往温数据和温时差值标定为正向影响关系，生成正向温响信号，当虚拟平面直角坐标系中低效往温值和高效往温值的关系是低效往温值在后、高效往温值在前时，则判定制作时间随着温度的升高而降低，将往温数据和温时差值标定为反向影响关系，生成反向温响信号，当低效往温值和高效往温值的数值相同时，则判定制作时间随着温度的变化而保持不变，生成无关温响信号，将正向温响信号、反向温响信号和无关温响信号分别标定为识别数值1,2,3；

依据提取不同的往温数据和不同的温时差值，将不同的往温数据和不同的温时差值带入到计算式：温时差值1-温时差值2＝(往温数据1-往温数据2)*ui，其中，温时差值1和温时差值2分别表示为两个不同的往温数据，温时差值1和温时差值2分别表示为两个不同的温时差值，且两两相对应，ui表示为往温数据对温时差值的影响因子，即温时因子，选取出当温度发生变化而温时差值保持不变时的往温数据，将其标定为初始往温值。

进一步的，对往形数据和往时数据进行形时处理的具体过程为：

依据不同的往时数据提取对应的往形数据，并将若干个往样数据在同一时间点的往形数据进行提取，从而给各类形状进行出现次数统计，将出现次数最多的形状标定为匹配形状，将多个不同的时间的匹配形状依次标定为匹形数组；

依据各类形状进行出现次数统计，将每个往样数据对应的形状与每个往样数据的匹配形状进行比对，统计出与匹配形状不相同的次数，将其标定为异常次数，将若干个往样数据的异常次数进行均值计算，计算出异常均值，将异常次数与异常均值进行差值计算，计算出若干个异常差值；

将若干个异常差值进行从大到小的排序，从而得到一个异常差值排序数据，选取出异常差值排序数据中的最大值和最小值，将异常差值排序数据中的最大值和最小值进行均值计算，计算出异常差均值，将异常差均值与异常均值进行求和计算，计算出安全次数值。

进一步的，样本判定操作的具体操作过程为：

将往样数据对应的实影数据、实时数据、形状信息、安全次数值以及匹形数组进行形状处理，得到影像识别值ra，且a＝7，8；

选取出在开始制作样品之前的实时时间对应的实质数据，并将实质数据与开始制作样品之后设定的时间内的第一实质数据进行差值计算，计算出实质差值，将实质数据和第一实质数据对应的实时数据进行差值计算，计算出实时差值，将实质差值与实时差值进行速度计算：实速值＝实质差值/实时差值，将实质差值与实质数据进行占比计算，计算出实差占比值，将实差占比值与均差占比值进行差值计算，计算出占比差值；

将影像识别值、实温数据、实湿数据、实速值、损速均值、占比差值、温时因子ui、初始往温值、湿时因子vl和初始往湿值带入求值计算式，计算出制样评价分值P_分；

设定制样评价分值的安全预设值，并将其与制样评价分值进行比对，当制样评价分值的安全预设值小于等于制样评价分值时，则判定需要调整相关数值，生成调节信号，依据调节信号，设定制作样品的及格预设评分值，将其再次带入计算式中，从而对实时的值进行反向推导，计算出所需要的规范数值，依据规范数值的变化生成对应的数值，并将生成的数值标定为调节数值。

进一步的，将往样数据对应的实影数据、实时数据、形状信息、安全次数值以及匹形数组进行形状处理的具体处理具体为：

依据实时数据对应的时间点选取出对应的匹形数组，将匹形数组的形状标定为配形数据，选取出同一实时数据对应的实影数据，将实影数据与形状影像进行匹配，匹配出对应的形状影像，依据形状影像选取出对应的形状名称，将形状名称与配形数据进行匹配，当匹配成功则判定结果一致，生成同信号，当匹配成功则判定结果不一致，生成否信号；

提取否信号，并统计否信号出现的次数，并将其标定为否次数值，将否次数值与安全次数值进行比对，当否次数值大于等于安全次数值时，则判定异常次数多，生成警报信号，当否次数值小于安全次数值时，则判定异常次数正常，生成提示信号；

提取警报信号和提示信号，并对其进行识别号赋予，将警报信号和提示信号分别赋予数值7和数值8，并将警报信号和提示信号统一标定影像识别值，将影像识别值标记为ra，且a＝7，8。

进一步的，求值计算式具体为：

其中，P_分表示为制样评价分值，SW表示为实温数据，CW表示为初始往温值，ui表示为温时因子，SS表示为实湿数据，CS表示为初始往湿值，vl表示为湿时因子，VS表示为实速值，VJ表示为损速均值，e1表示为实速值和损速均值之间差值对评分的权重系数，g表示制样评价分的影响转化调节因子，ZB表示为占比差值，e2表示为占比差值的权重系数，ra表示为影像识别值，e3表示为影像识别值的权重系数。

本发明的有益效果：

(1)通过对采集的影响与记录的相关图像进行识别匹配，从而快速提取出对应的数据，节省数据识别和提取的时间，增加识别的准确性，依据对应数据进行关联度计算，从而将不同的数值进行影响分析，从而分析出数值是否存在影响，影响数值是多少，避免后期在数据计算的过程中出现数据不准确；

(2)通过对实时采集的数据以及分析出的影响数值进行关联度计算，从而对相关样品的制作进行数值计算和分析，从而了解样品的制作情况，依据自身所需要的制作情况进行数值的再次核算，增加数据分析的精确性，提高样品的制作效率。

附图说明

下面结合附图对本发明作进一步的说明。

图1是本发明的***框图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

请参阅图1所示，本发明为煤炭样品的智能制样***，包括制集单元、互匹单元、云服务单元、制分管单元、制定判单元、调节单元和样显提单元；

所述制集单元用于对实时的制样数据进行采集，将实时采集的制样数据标定为实制信息，实制信息包括实影数据、实温数据、实湿数据、实质数据和实时数据，实影数据指代实时检测的样品的影像，实温数据指代制作样品的实时温度大小，实湿数据指代制作样品的实时湿度大小，实质数据指代制作样品的实时质量大小，实时数据指代制作样品的实时时间点，将实影数据传输至互匹单元；

所述云服务单元内存储有以往记录的样本制作相关的往制信息和形状信息，所述往制信息包括往品数据、往样数据、往时数据、往质数据、往形数据、往图数据、往温数据和往湿数据，往品数据指代以往记录的样本制作对应的样本品种型号，往样数据指代以往记录制作的样本，往时数据指代以往记录制作样品对应的时间点，往质数据指代以往记录制作样品的质量大小，往形数据指代以往记录制作样品的形状，往图数据指代以往记录制作样品的图像，往温数据指代以往记录制作样品的温度大小，往湿数据指代以往记录制作样品的湿度大小，其中，形状信息包括形状影像和形状名称，形状影像指代图形的样貌或视频影像，形状名称指代图形样貌的名称，即正方形、圆形等；

所述互匹单元从云服务单元内获取往品数据、往样数据、往时数据、往质数据、往形数据、往图数据、往温数据和往湿数据，并将往品数据、往样数据、往时数据、往质数据、往形数据、往图数据、往温数据和往湿数据与实影数据进行互匹操作，互匹操作的具体操作过程为：

选取往图数据和实影数据，并将往图数据和实影数据进行匹配，当往图数据和实影数据的匹配结果一致时，则判定实时检测的样品影像的种类在往图数据中有存储，生成匹成信号，当往图数据和实影数据的匹配结果不一致时，则判定实时检测的样品影像的种类在往图数据中没有存储，生成匹误信号；

提取匹成信号和匹误信号，并对匹成信号和匹误信号进行识别，当识别到匹误信号时，则判定实时采集的数据出现异常，生成再次采集信号，并将再次采集信号传输至制集单元，制集单元依据再次采集信号进行数据采集，当识别到匹成信号时，则判定两者数据相匹配，提取与实影数据相对应的往图数据，将对应的往图数据标定为选取往图数据；

依据选取往图数据提取对应的往品数据、往样数据、往时数据、往质数据、往形数据、往温数据、往湿数据、往成数据和往失数据，将往图数据提取对应的往品数据、往样数据、往时数据、往质数据、往形数据、往温数据、往湿数据、往成数据和往失数据与实影数据一同传输至制分管单元；

所述制分管单元用于对往品数据、往样数据、往时数据、往质数据、往形数据、往温数据、往湿数据、往成数据和往失数据一同进行分析管理操作，分析管理操作的具体操作过程为：

依据往品数据，选取出若干个对应的往样数据，依据若干个往样数据提取对应的往时数据和往质数据，将制作样品的不同时间点的往质数据进行分别标定，将两个不同时间点的往质数据进行差值计算，从而计算出往质差值；

将往质数据进行差值计算对应的两个不同的时间点进行差值计算，从而计算出质时差值，将质时差值与往质差值带入到占比计算式：损速值＝往质差值/质时差值，计算出损速值，将若干个往样数据对应的损速值进行求和计算，将求和计算后的数值除以若干个往样数据的个数，从而得到一个损速均值；

将若干个往质差值进行求和计算，将求和计算后的数值除以若干个往质差值的次数，从而计算出往质均差值，将若干个往质差值对应的往质数据进行求和计算，并将求和计算后的往质数据除以若干个往质数据的个数，计算出往质均值，将往质均值与往质均差值进行占比计算，计算均差占比值；

依据往品数据，选取出若干个对应的往温数据，依据若干个对应的往温数据提取往品数据制作样品的时间，将开始的制作的时间点与结束制作的时间点进行分别标定，并将开始的制作的时间点与结束制作的时间点进行差值计算，计算出温时差值，选取出不同的往温数据与对应的温时差值进行变量分析，具体为：

将往温数据拟定为X轴数值与温时差值拟定为Y轴数值进行虚拟平面直角坐标系绘画，选取出其中Y轴数值最高的值，将其对应的往温数据标定为低效往温值，选取出其中Y轴数值最低的值，将其对应的往温数据标定为高效往温值；

对低效往温值、高效往温值和虚拟平面直角坐标系进行温度影响分析，当虚拟平面直角坐标系中低效往温值和高效往温值的关系是低效往温值在前、高效往温值在后时，则判定制作时间随着温度的升高而身高，将往温数据和温时差值标定为正向影响关系，生成正向温响信号，当虚拟平面直角坐标系中低效往温值和高效往温值的关系是低效往温值在后、高效往温值在前时，则判定制作时间随着温度的升高而降低，将往温数据和温时差值标定为反向影响关系，生成反向温响信号，当低效往温值和高效往温值的数值相同时，则判定制作时间随着温度的变化而保持不变，生成无关温响信号，将正向温响信号、反向温响信号和无关温响信号分别标定为识别数值1,2,3；

依据提取不同的往温数据和不同的温时差值，将不同的往温数据和不同的温时差值带入到计算式：温时差值1-温时差值2＝(往温数据1-往温数据2)*ui，其中，温时差值1和温时差值2分别表示为两个不同的往温数据，温时差值1和温时差值2分别表示为两个不同的温时差值，且两两相对应，ui表示为往温数据对温时差值的影响因子，即温时因子，且i＝1,2,3，且ui分别对应正向温响信号、反向温响信号和无关温响信号三种情况，当i＝1时，则u1为正向值，当i＝2时，则u2为负向值，当i＝3时，则u3为零，选取出当温度发生变化而温时差值保持不变时的往温数据，将其标定为初始往温值；

依据往品数据，选取出若干个对应的往湿数据，依据若干个对应的往湿数据提取往品数据制作样品的时间，将开始的制作的时间点与结束制作的时间点进行分别标定，并将开始的制作的时间点与结束制作的时间点进行差值计算，计算出湿时差值，选取出不同的往湿数据与对应的湿时差值进行变量分析，具体为：

将往湿数据拟定为X轴数值与湿时差值拟定为Y轴数值进行虚拟平面直角坐标系绘画，选取出其中Y轴数值最高的值，将其对应的往湿数据标定为低效往湿值，选取出其中Y轴数值最低的值，将其对应的往湿数据标定为高效往湿值；

对低效往湿值、高效往湿值和虚拟平面直角坐标系进行温度影响分析，当虚拟平面直角坐标系中低效往湿值和高效往湿值的关系是低效往湿值在前、高效往湿值在后时，则判定制作时间随着湿度的升高而身高，将往湿数据和湿时差值标定为正向影响关系，生成正向湿响信号，当虚拟平面直角坐标系中低效往湿值和高效往湿值的关系是低效往湿值在后、高效往湿值在前时，则判定制作时间随着湿度的升高而降低，将往湿数据和湿时差值标定为反向影响关系，生成反向湿响信号，当低效往湿值和高效往湿值的数值相同时，则判定制作时间随着湿度的变化而保持不变，生成无关湿响信号，将正向湿响信号、反向湿响信号和无关湿响信号分别标定为识别数值1,2,3；

依据提取不同的往湿数据和不同的湿时差值，将不同的往湿数据和不同的湿时差值带入到计算式：湿时差值1-湿时差值2＝(往湿数据1-往湿数据2)*vi，其中，湿时差值1和湿时差值2分别表示为两个不同的往湿数据，湿时差值1和湿时差值2分别表示为两个不同的湿时差值，且两两相对应，vl表示为往湿数据对湿时差值的影响因子，即湿时因子，且l＝4,5,6，且vl分别对应正向湿响信号、反向湿响信号和无关湿响信号三种情况，当l＝4时，则v4为正向值，当l＝5时，则v5为负向值，当l＝6时，则v6为零，选取出当湿度发生变化而湿时差值保持不变时的往湿数据，将其标定为初始往湿值；

依据往样数据，选取出往形数据和往时数据，依据不同的往时数据提取对应的往形数据，并将若干个往样数据在同一时间点的往形数据进行提取，从而给各类形状进行出现次数统计，将出现次数最多的形状标定为匹配形状，将多个不同的时间的匹配形状依次标定为匹形数组；提取各类形状进行出现次数统计，将每个往样数据对应的形状与每个往样数据的匹配形状进行比对，统计出与匹配形状不相同的次数，将其标定为异常次数，将若干个往样数据的异常次数进行均值计算，计算出异常均值，将异常次数与异常均值进行差值计算，计算出若干个异常差值，将若干个异常差值进行从大到小的排序，从而得到一个异常差值排序数据，选取出异常差值排序数据中的最大值和最小值，将异常差值排序数据中的最大值和最小值进行均值计算，计算出异常差均值，将异常差均值与异常均值进行求和计算，计算出安全次数值；

将损速均值、均差占比值、温时因子ui、初始往温值、湿时因子vi、初始往湿值、安全次数值和匹形数组传输至制定判单元；

所述制定判单元从形状信息，并将形状信息与、实影数据、实温数据、实湿数据、实质数据、实时数据、损速均值、均差占比值、温时因子ui、初始往温值、湿时因子vi、初始往湿值、安全次数值和匹形数组一同进行样本判定操作，样本判定操作的具体操作过程为：

将往样数据对应的实影数据、实时数据、形状信息、安全次数值以及匹形数组进行形状处理，具体为：

依据实时数据对应的时间点选取出对应的匹形数组，将匹形数组的形状标定为配形数据，选取出同一实时数据对应的实影数据，将实影数据与形状影像进行匹配，匹配出对应的形状影像，依据形状影像选取出对应的形状名称，将形状名称与配形数据进行匹配，当匹配成功则判定结果一致，生成同信号，当匹配成功则判定结果不一致，生成否信号；

提取否信号，并统计否信号出现的次数，并将其标定为否次数值，将否次数值与安全次数值进行比对，当否次数值大于等于安全次数值时，则判定异常次数多，生成警报信号，当否次数值小于安全次数值时，则判定异常次数正常，生成提示信号；

提取警报信号和提示信号，并对其进行识别号赋予，将警报信号和提示信号分别赋予数值7和数值8，并将警报信号和提示信号统一标定影像识别值，将影像识别值标记为ra，且a＝7，8；

选取出在开始制作样品之前的实时时间对应的实质数据，并将实质数据与开始制作样品之后设定的时间内的第一实质数据进行差值计算，计算出实质差值，将实质数据和第一实质数据对应的实时数据进行差值计算，计算出实时差值，将实质差值与实时差值进行速度计算：实速值＝实质差值/实时差值，将实质差值与实质数据进行占比计算，计算出实差占比值，将实差占比值与均差占比值进行差值计算，计算出占比差值；

将影像识别值、实温数据、实湿数据、实速值、损速均值、占比差值、温时因子ui、初始往温值、湿时因子vl和初始往湿值带入求值计算式：

其中，P_分表示为制样评价分值，SW表示为实温数据，CW表示为初始往温值，ui表示为温时因子，SS表示为实湿数据，CS表示为初始往湿值，vl表示为湿时因子，VS表示为实速值，VJ表示为损速均值，e1表示为实速值和损速均值之间差值对评分的权重系数，g表示制样评价分的影响转化调节因子，ZB表示为占比差值，e2表示为占比差值的权重系数，ra表示为影像识别值，e3表示为影像识别值的权重系数，其中，本发明中的所有计算式中的数值均是通过量化处理，只选取其中的数值进行计算，且求值计算式中的数值除了制样评价分值外都是已知数值或预设值；

设定制样评价分值的安全预设值，并将其与制样评价分值进行比对，当制样评价分值的安全预设值小于等于制样评价分值时，则判定需要调整相关数值，生成调节信号，依据调节信号，设定制作样品的及格预设评分值，将其再次带入计算式中，从而对实时的值进行反向推导，计算出所需要的规范数值，依据规范数值的变化生成对应的数值，并将生成的数值标定为调节数值；

将调节信号和调节数值分别传输至调节单元和样显提单元；

所述调节单元依据接收的调节信号和调节数值进行数值的调节，所述样显提单元用于接收并显示调节信号和调节数值，并提醒技术人员监督调节单元的调节，及时进行数据调整的纠正，样显提单元具体为平板电脑。

本发明在工作时，通过制集单元对实时的制样数据进行采集，将实时采集的制样数据标定为实制信息，实制信息包括实影数据、实温数据、实湿数据、实质数据和实时数据，将实影数据传输至互匹单元，云服务单元内存储有以往记录的样本制作相关的往制信息和形状信息，往制信息包括往品数据、往样数据、往时数据、往质数据、往形数据、往图数据、往温数据和往湿数据，互匹单元从云服务单元内获取往品数据、往样数据、往时数据、往质数据、往形数据、往图数据、往温数据和往湿数据，并将往品数据、往样数据、往时数据、往质数据、往形数据、往图数据、往温数据和往湿数据与实影数据进行互匹操作，得到往图数据提取对应的往品数据、往样数据、往时数据、往质数据、往形数据、往温数据、往湿数据、往成数据和往失数据，并将其与实影数据一同传输至制分管单元，制分管单元对互匹操作得出的相关数据进行分析管理操作，得到损速均值、均差占比值、温时因子ui、初始往温值、湿时因子vi、初始往湿值、安全次数值和匹形数组，并将其传输至制定判单元，制定判单元对制分管单元处理的相关数据进行样本判定操作，从而得到调节信号和调节数值，并将其分别传输至调节单元和样显提单元；调节单元依据接收的调节信号和调节数值进行数值的调节，样显提单元接收并显示调节信号和调节数值，并提醒技术人员监督调节单元的调节，及时进行数据调整的纠正。

以上内容仅仅是对本发明结构所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明的结构或者超越本权利要求书所定义的范围，均应属于本发明的保护范围。

Claims (9)

1.煤炭样品的智能制样***，其特征在于，包括制集单元、互匹单元、云服务单元、制分管单元、制定判单元、调节单元和样显提单元；

所述制集单元用于对实时的制样数据进行采集，将实时采集的制样数据标定为实制信息，将实制信息传输至互匹单元；

所述云服务单元内存储有以往记录的样本制作相关的往制信息和形状信息，所述互匹单元从云服务单元内获取往制信息，并将往制信息与互匹单元进行互匹操作；

所述制分管单元用于对往品数据、往样数据、往时数据、往质数据、往形数据、往温数据、往湿数据、往成数据和往失数据一同进行分析管理操作，得到损速均值、均差占比值、温时因子ui、初始往温值、湿时因子vi、初始往湿值、安全次数值和匹形数组；

所述制定判单元从形状信息，并将形状信息与、实影数据、实温数据、实湿数据、实质数据、实时数据、损速均值、均差占比值、温时因子ui、初始往温值、湿时因子vi、初始往湿值、安全次数值和匹形数组一同进行样本判定操作，并将得到的调节信号和调节数值分别传输至调节单元和样显提单元；

所述调节单元依据接收的调节信号和调节数值进行数值的调节，所述样显提单元用于接收并显示调节信号和调节数值。

2.根据权利要求1所述的煤炭样品的智能制样***，其特征在于，互匹操作的具体操作过程为：

选取往图数据和实影数据，并将往图数据和实影数据进行匹配，得到匹成信号和匹误信号；

提取匹成信号和匹误信号，并对匹成信号和匹误信号进行识别，当识别到匹误信号时，则判定实时采集的数据出现异常，生成再次采集信号，并将再次采集信号传输至制集单元，制集单元依据再次采集信号进行数据采集，当识别到匹成信号时，则判定两者数据相匹配，提取与实影数据相对应的往图数据，将对应的往图数据标定为选取往图数据；

依据选取往图数据提取对应的往品数据、往样数据、往时数据、往质数据、往形数据、往温数据、往湿数据、往成数据和往失数据。

3.根据权利要求2所述的煤炭样品的智能制样***，其特征在于，分析管理操作的具体操作过程为：

依据往品数据，选取出若干个对应的往样数据，依据若干个往样数据提取对应的往时数据和往质数据，将制作样品的不同时间点的往质数据进行分别标定，将两个不同时间点的往质数据进行差值计算，从而计算出往质差值；

依据往质差值、往质数据和往时数据进行质分处理，处理得到损速均值和均差占比值；

依据往品数据，选取出若干个对应的往温数据，依据若干个对应的往温数据提取往品数据制作样品的时间，将开始的制作的时间点与结束制作的时间点进行分别标定，并将开始的制作的时间点与结束制作的时间点进行差值计算，计算出温时差值，选取出不同的往温数据与对应的温时差值进行变量分析，得到正向温响信号、反向温响信号、无关温响信号、温时因子ui和初始往温值；

依据往品数据，选取出若干个对应的往湿数据，依据若干个对应的往湿数据提取往品数据制作样品的时间，将开始的制作的时间点与结束制作的时间点进行分别标定，并将开始的制作的时间点与结束制作的时间点进行差值计算，计算出湿时差值，选取出不同的往湿数据与对应的湿时差值进行变量分析，得到正向湿响信号、反向湿响信号、无关湿响信号、湿时因子vl和初始往湿值；

依据往样数据，选取出往形数据和往时数据，并对往形数据和往时数据进行形时处理，处理得到匹形数组和安全次数值。

4.根据权利要求3所述的煤炭样品的智能制样***，其特征在于，依据往质差值、往质数据和往时数据进行质分处理的具体过程为：

将往质数据进行差值计算对应的两个不同的时间点进行差值计算，从而计算出质时差值，将质时差值与往质差值带入到占比计算式：损速值＝往质差值/质时差值，计算出损速值，将若干个往样数据对应的损速值进行求和计算，将求和计算后的数值除以若干个往样数据的个数，从而得到一个损速均值；

将若干个往质差值进行求和计算，将求和计算后的数值除以若干个往质差值的次数，从而计算出往质均差值，将若干个往质差值对应的往质数据进行求和计算，并将求和计算后的往质数据除以若干个往质数据的个数，计算出往质均值，将往质均值与往质均差值进行占比计算，计算均差占比值。

5.根据权利要求4所述的煤炭样品的智能制样***，其特征在于，依据选取出的不同往温数据与对应的温时差值进行变量分析的具体过程为：

将往温数据拟定为X轴数值与温时差值拟定为Y轴数值进行虚拟平面直角坐标系绘画，选取出其中Y轴数值最高的值，将其对应的往温数据标定为低效往温值，选取出其中Y轴数值最低的值，将其对应的往温数据标定为高效往温值；

对低效往温值、高效往温值和虚拟平面直角坐标系进行温度影响分析，当虚拟平面直角坐标系中低效往温值和高效往温值的关系是低效往温值在前、高效往温值在后时，则判定制作时间随着温度的升高而身高，将往温数据和温时差值标定为正向影响关系，生成正向温响信号，当虚拟平面直角坐标系中低效往温值和高效往温值的关系是低效往温值在后、高效往温值在前时，则判定制作时间随着温度的升高而降低，将往温数据和温时差值标定为反向影响关系，生成反向温响信号，当低效往温值和高效往温值的数值相同时，则判定制作时间随着温度的变化而保持不变，生成无关温响信号，将正向温响信号、反向温响信号和无关温响信号分别标定为识别数值1,2,3；

依据提取不同的往温数据和不同的温时差值，将不同的往温数据和不同的温时差值带入到计算式：温时差值1-温时差值2＝(往温数据1-往温数据2)*ui，其中，温时差值1和温时差值2分别表示为两个不同的往温数据，温时差值1和温时差值2分别表示为两个不同的温时差值，且两两相对应，ui表示为往温数据对温时差值的影响因子，即温时因子，选取出当温度发生变化而温时差值保持不变时的往温数据，将其标定为初始往温值。

6.根据权利要求5所述的煤炭样品的智能制样***，其特征在于，对往形数据和往时数据进行形时处理的具体过程为：

依据不同的往时数据提取对应的往形数据，并将若干个往样数据在同一时间点的往形数据进行提取，从而给各类形状进行出现次数统计，将出现次数最多的形状标定为匹配形状，将多个不同的时间的匹配形状依次标定为匹形数组；

依据各类形状进行出现次数统计，将每个往样数据对应的形状与每个往样数据的匹配形状进行比对，统计出与匹配形状不相同的次数，将其标定为异常次数，将若干个往样数据的异常次数进行均值计算，计算出异常均值，将异常次数与异常均值进行差值计算，计算出若干个异常差值；

将若干个异常差值进行从大到小的排序，从而得到一个异常差值排序数据，选取出异常差值排序数据中的最大值和最小值，将异常差值排序数据中的最大值和最小值进行均值计算，计算出异常差均值，将异常差均值与异常均值进行求和计算，计算出安全次数值。

7.根据权利要求6所述的煤炭样品的智能制样***，其特征在于，样本判定操作的具体操作过程为：

将往样数据对应的实影数据、实时数据、形状信息、安全次数值以及匹形数组进行形状处理，得到影像识别值ra，且a＝7，8；

选取出在开始制作样品之前的实时时间对应的实质数据，并将实质数据与开始制作样品之后设定的时间内的第一实质数据进行差值计算，计算出实质差值，将实质数据和第一实质数据对应的实时数据进行差值计算，计算出实时差值，将实质差值与实时差值进行速度计算：实速值＝实质差值/实时差值，将实质差值与实质数据进行占比计算，计算出实差占比值，将实差占比值与均差占比值进行差值计算，计算出占比差值；

将影像识别值、实温数据、实湿数据、实速值、损速均值、占比差值、温时因子ui、初始往温值、湿时因子vl和初始往湿值带入求值计算式，计算出制样评价分值P_分；

设定制样评价分值的安全预设值，并将其与制样评价分值进行比对，当制样评价分值的安全预设值小于等于制样评价分值时，则判定需要调整相关数值，生成调节信号，依据调节信号，设定制作样品的及格预设评分值，将其再次带入计算式中，从而对实时的值进行反向推导，计算出所需要的规范数值，依据规范数值的变化生成对应的数值，并将生成的数值标定为调节数值。

8.根据权利要求7所述的煤炭样品的智能制样***，其特征在于，将往样数据对应的实影数据、实时数据、形状信息、安全次数值以及匹形数组进行形状处理的具体处理具体为：

依据实时数据对应的时间点选取出对应的匹形数组，将匹形数组的形状标定为配形数据，选取出同一实时数据对应的实影数据，将实影数据与形状影像进行匹配，匹配出对应的形状影像，依据形状影像选取出对应的形状名称，将形状名称与配形数据进行匹配，当匹配成功则判定结果一致，生成同信号，当匹配成功则判定结果不一致，生成否信号；

提取否信号，并统计否信号出现的次数，并将其标定为否次数值，将否次数值与安全次数值进行比对，当否次数值大于等于安全次数值时，则判定异常次数多，生成警报信号，当否次数值小于安全次数值时，则判定异常次数正常，生成提示信号；

提取警报信号和提示信号，并对其进行识别号赋予，将警报信号和提示信号分别赋予数值7和数值8，并将警报信号和提示信号统一标定影像识别值，将影像识别值标记为ra，且a＝7，8。

9.根据权利要求8所述的煤炭样品的智能制样***，其特征在于，求值计算式具体为：

其中，P_分表示为制样评价分值，SW表示为实温数据，CW表示为初始往温值，ui表示为温时因子，SS表示为实湿数据，CS表示为初始往湿值，vl表示为湿时因子，VS表示为实速值，VJ表示为损速均值，e1表示为实速值和损速均值之间差值对评分的权重系数，g表示制样评价分的影响转化调节因子，ZB表示为占比差值，e2表示为占比差值的权重系数，ra表示为影像识别值，e3表示为影像识别值的权重系数。

Images