一种基于大数据的新材料测试数据监测系统及方法与流程

1.本发明涉及测试数据监管技术领域，具体为一种基于大数据的新材料测试数据监测系统及方法。


背景技术：

2.随着科学技术发展，人们在传统材料的基础上，根据现代科技的研究成果开发出新材料。新材料是指新近发展或者正在发展的具有优异性能的结构材料和特殊性质的功能材料。为了保证确保新材料的制造和应用过程中的质量，需要在生产的过程中需要对新材料的性能进行测试。
3.在现有技术下，存在在生产的过程由于不符合规定的生产标准导致新材料本身出现的质量问题和测试设备对新材料进行测试的过程中产生的测试数据信息不准确这两种情况会导致出现大批量性能不合格的新材料，利用测试数据信息不准确的测试设备对新材料的信息进行测试时，会增大新材料性能测试结果的误差。


技术实现要素：

4.本发明的目的在于提供一种基于大数据的新材料测试数据监测系统及方法，以解决上述背景技术中提出的问题。
5.为了解决上述技术问题，本发明提供如下技术方案：一种基于大数据的新材料测试数据监测方法，所述新材料测试数据监测方法具体包括以下步骤：
6.s100、基于大数据获取新材料在进行测试时的测试数据信息，通过所述测试数据信息对新材料的性能进行测评；当所述新材料的性能综合评分合格数量占比大于等于预设的性能合适数量占比阈值时，判定测试设备对新材料的测试数据合格；当所述新材料的性能综合评分合格数量占比小于预设的性能合适数量占比阈值时，对测试设备进行分析并且性能监测单元向数据终端发送告警指令；
7.s200、当数据终端接收到性能监测单元发送的告警指令时，对所述测试数据信息进行检验，判断所述测试数据信息异常情况并且对测试数据信息的异常值进行分析；
8.s300、基于实时测试数据信息的异常情况和实时测试数据信息的异常值，对设备的可靠性进行分析，并且依据所述设备的可靠性对设备进行筛选。
9.进一步的，所述s100中通过所述实时测试数据信息对新材料的性能进行测评的具体方法如下：
10.s101、获取新材料的属性性能，基于所述新材料的属性性能利用决策分类器对新材料进行归类处理，从分类结果选取一类中任意个数的新材料作为分析目标，获取所述分析目标的属性特征，由于分析目标具备同一个属性性能所以分析目标的属性特征相同分别为ai，ai表示为分析目标的第i个属性特征，i＝1、2、3...i，i表示为分析目标所具备的属性特征的数量；
11.基于大数据获取分析目标在进行测试时的测试数据信息，生成属性特征测试数据
集si，si＝{si1、si2、si3...sij}；其中，j＝1、2、3...j，j表示为从分类结果选取一类任意个数新材料的数量，sij表示为第j个分析目标的第i个属性特征的实时测试数据信息；
12.s102、通过新材料的历史数据信息获取作为分析目标新材料类别的属性特征指标范围(ai，bi)，由于分析目标具备同一个属性性能所以分析目标的属性特征相同，只需要利用分析目标的属性特征分析判断出分析目标性能的综合评分，根据公式：
13.pj＝(∑ki*sij)/i
14.计算得到第j个分析目标性能的综合评分；当sij∈(ai，bi)时，ki＝1，当计算得到第j个分析目标性能的综合评分；当sij∈(ai，bi)时，ki＝1，当时，ki＝0；其中，ai表示为分析目标的第i个属性特征指标范围的下限，bi表示为分析目标的第i个属性特征指标范围的上限；
15.根据公式：p＝(ai，bi)，ai＝(∑ai)/i，bi＝(∑bi)/i
16.计算得到分析目标的性能综合评分指标范围p，ai表示为分析目标第i个属性特征的综合评分指标范围的下限，bi表示为分析目标第i个属性特征的综合评分指标范围的上限；
17.s103、根据公式：k＝(∑kj)/j，计算得到分析目标的性能综合评分合格数量占比k，其中，(∑kj)表示为性能综合评分合格的分析目标数量；当pj∈p时，kj＝1；当时，kj＝0；当分析目标的性能综合评分合格数量占比k大于等于预设的性能合适数量占比阈值k’时，判定测试设备对分析目标的测试数据合格；当所述分析目标的性能综合评分合格数量占比小于预设的性能合适数量占比阈值k’时，由于出现大量的分析目标的性能综合评分不合格，可能会存在生产的过程由于不符合规定的生产标准导致的分析目标本身出现的质量问题和测试设备对新材料进行测试的过程中产生的数据信息不准确的两种情况使得分析目标的性能综合评分合格数量占比过大，由于分析目标本身出现的质量问题在对性能进行测试的过程中是无法逆转的存在，所以需要对测试设备进行分析进行综合判定，从而判定出现大量分析目标的性能综合评分不合格是由于分析目标本身的质量还是测试设备的误差导致。
18.进一步的，所述s200中判断所述测试数据信息异常情况并且对测试数据信息的异常值进行分析的具体方法如下：
19.s201、基于所述属性特征测试数据集si，将分析目标的任意一个属性特征的数据信息映射到直角坐标系中，分别得到所述分析目标的任意一个属性特征映射到直角坐标系中的坐标点(xaj，yaj)；其中，(xaj，yaj)表示为第j个分析目标的第a个属性特征在直角坐标系中的坐标点，a∈{1、2、3...i}；
20.通过所述分析目标的任意一个属性特征映射到直角坐标系中的坐标点任意获取三个连续的坐标点分别为(xaz，yaz)、(xa
z+1
，ya
z+1
)和(xa
z+2
，ya
z+2
)，对任意选取三个连续的坐标点之间的夹角进行分析，当夹角越大时，说明同一个属性特征的不同分析目标之间测试数据信息值相差越小即表示为测试设备的测试数据信息误差小；
21.s202、构建数据异常分析模型：
[0022][0023]
得到分析目标的任意一个属性特征映射到直角坐标系中的任意连续三个坐标点之间的夹角，当夹角越大时，测试设备的测试数据信息误差越小，反之，测试设备的测试数
据信息误差越大；其中，l＝1、2、3...l，l表示为析目标的任意一个属性特征的数据信息映射到直角坐标系中坐标点之间的夹角的数量，z∈{1、2、3...j-2}；
[0024]
s203、当k＜k’且∑kl≥l/2时，说明在测试设备对分析目标的任意一个属性特征进行测试时，每个分析目标的测试数据信息值相差较小，表明并不是由于测试设备的故障导致分析目标的性能综合评分不准确，从而判定由于分析目标质量问题从而导致大量的分析目标的性能综合评分不合格；
[0025]
当k＜k’且∑kl＜l/2时，说明在测试设备对分析目标的任意一个属性特征进行测试时，每个分析目标的测试数据信息值相差较大，表明并不是由于分析目标质量问题导致分析目标的性能综合评分不准确，从而判定由于测试设备的系统误差从而导致大的分析目标的性能综合评分不合格，对测试数据信息的异常值进一步分析；其中，当θ
l
≥90
°
时，kl＝1；当θ
l
＜90
°
时，kl＝0；
[0026]
s204、根据公式：
[0027]
f＝f1*∑kl-f2*(l-∑kl)
[0028]
计算得到测试设备的测试数据信息异常值，其中f1、f2为系数，由于∑kl表示为测试设备的测试数据信息出现大误差的次数，(l-∑kl)表示为测试设备的测试数据信息出现小误差的次数，所以f1对测试数据信息异常值的影响度比f2大即f1＞f2，当∑kl越大时，测试设备的测试数据信息异常值越大。
[0029]
进一步的，所述s300中依据所述设备的可靠性对设备进行筛选的具体方法如下：基于所述测试设备的测试数据信息异常值得到测试设备的可靠性qi＝f3/fi，其中qi表示为对分析目标第i个属性特征进行性能测试的设备可靠性，fi表示为分析目标第i个属性特征的测数据信息异常值，f3为系数，当fi越大测试设备的可靠性越小；将所述可靠性qi低于预设可靠性阈值q’的测试设备进行更换。
[0030]
一种基于大数据的新材料测试数据监测系统，所述新材料测试数据监测系统包括数据采集模块、数据监测模块、数据分析模块和告警提醒模块；所述数据采集模块的输出端与数据监测模块的输入端连接，所述数据监测模块的输出端与数据分析模块的输入端连接，所述数据分析模块的输出端与告警提醒模块的输入端连接；所述数据采集模块用于对新材料的属性特征指标范围、测试数据信息以及属性性能进行采集，通过采集的数据信息能够对新材料的性能进行测评，判断新材料性能的好坏；所述数据监测模块是对新材料的测试数据信息进行监测，通过新材料的测试数据信息的监测结果对新材料的性能进行测评；所述数据分析模块是基于新材料的性能测评结果对测试数据信息的异常情况以及测试设备的可靠性进行分析；所述告警提醒模块是当新材料的性能不合格以及新材料的测试数据信息出现异常时进行告警提醒，使得新材料的品质得到了把控和保证。
[0031]
进一步的，所述数据采集模块包括属性特征指标范围采集单元、测试数据采集单元和属性性能采集单元；所述属性特征采集单元的输出端与决策分类器的输入端连接；所述属性特征指标范围采集单元用于采集新材料属性特征的合格指标范围，通过所述新材料属性特征的合格指标范围结合测试数据信息对新材料的性能进行评判；所述测试数据采集单元用于采集新材料在进行性能测试时所产生的数据信息；所述属性性能采集单元用于采集新材料的属性性能，由于新材料(new material)是指新近发展或正在发展的具有优异性能的结构材料和有特殊性质的功能材料所以通过采集新材料的属性性能对新材料进行分
类；当新材料的属性性能不相同时性能测评的方式也不相同。
[0032]
进一步的，所述数据监测模块包括决策分类器、数据管理单元和性能监测单元；所述性能监测单元的输出端与告警提醒单元的输入端连接；所述决策分类器用于利用新材料的属性性能对新材料进行分类，不同属性性能新材料的性能测评方式不同，通过决策分类器能够将不同属性性能的新材料进行归类处理；所述数据管理单元用于对新材料测试数据信息的管理，当出现测试数据信息异常时，数据管理单元为了避免异常的测试数据信息存储到数据库中，对异常的测试数据信息进行剔除处理；所述性能监测单元是通过新材料的测试数据信息对新材料的性能进行监测，当所述新材料的性能综合评分合格数量占比大于等于预设的性能合适数量占比阈值时，判定测试设备对新材料的测试数据合格；当所述新材料的性能综合评分合格数量占比小于预设的性能合适数量占比阈值时，对测试设备进行分析并且性能监测单元向数据终端发送告警指令。
[0033]
进一步的，所述数据分析模块包括数据异常分析模型、异常值分析单元和测试设备可靠性分析单元；所述数据异常分析模型的输出端与异常值分析单元的输入端连接，所述异常值分析单元的输出端与测试设备可靠性分析单元和告警提醒单元的输入端连接，所述测试设备可靠性分析单元的输出端与测试设备筛选单元的输入端连接；所述数据异常分析模型用于分析新材料的测试数据信息是否存在异常情况；所述异常值分析单元是基于数据异常分析模型的基础上对新材料测试数据信息的异常值进行分析；所述测试设备可靠性分析单元是对新材料进行性能测试设备的可靠性进行分析。
[0034]
进一步的，所述告警提醒模块包括告警提醒单元、决策单元和测试设备筛选单元；所述决策单元的输出端与测试设备筛选单元的输入端连接；所述告警提醒单元是当新材料的性能不合格以及新材料的测试数据信息出现异常时进行告警提醒；所述决策单元是基于告警指令对测试设备的筛选进行决策；所述测试设备筛选单元是用于新材料性能测试的设备进行筛选，避免由于设备测试数据信息不准确从而导致性能测试结果存在误差。
[0035]
与现有技术相比，本发明所达到的有益效果是：本发明是通过对新材料的测试数据信息对新材料的性能进行监测，当出现大量性能不合格的新材料时，对新材料本身出现的质量问题和测试设备进行测试的过程中产生的测试数据信息不准确这两种情况进行判断，对测试数据信息不准确的设备进行更换，避免由于测试设备的误差导致新材料的性能测试结果不准确的情况，减小新材料性能测试结果的误差。
附图说明
[0036]
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
[0037]
图1是一种基于大数据的新材料测试数据监测系统的结构示意图。
具体实施方式
[0038]
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做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0039]
请参阅图1，本发明提供技术方案：一种基于大数据的新材料测试数据监测方法，所述新材料测试数据监测方法具体包括以下步骤：
[0040]
s100、基于大数据获取新材料在进行测试时的测试数据信息，通过所述测试数据信息对新材料的性能进行测评；当所述新材料的性能综合评分合格数量占比大于等于预设的性能合适数量占比阈值时，判定测试设备对新材料的测试数据合格；当所述新材料的性能综合评分合格数量占比小于预设的性能合适数量占比阈值时，对测试设备进行分析并且性能监测单元向数据终端发送告警指令；
[0041]
s200、当数据终端接收到性能监测单元发送的告警指令时，对所述测试数据信息进行检验，判断所述测试数据信息异常情况并且对测试数据信息的异常值进行分析；
[0042]
s300、基于实时测试数据信息的异常情况和实时测试数据信息的异常值，对设备的可靠性进行分析，并且依据所述设备的可靠性对设备进行筛选。
[0043]
进一步的，所述s100中通过所述实时测试数据信息对新材料的性能进行测评的具体方法如下：
[0044]
s101、获取新材料的属性性能，基于所述新材料的属性性能利用决策分类器对新材料进行归类处理，从分类结果选取一类中任意个数的新材料作为分析目标，获取所述分析目标的属性特征，由于分析目标具备同一个属性性能所以分析目标的属性特征相同分别为ai，ai表示为分析目标的第i个属性特征，i＝1、2、3...i，i表示为分析目标所具备的属性特征的数量；所述属性性能包括物理性能、力学性能、燃烧性能、老化性能、粘接性能和保温性能等，其中物理性能中包括的属性特征有密度、粘度、粒度、熔点和沸点等，力学性能中包括的属性特征有脆性、强度(屈服强度、断裂强度、中级强度和拉伸强度)、塑性和韧度，燃烧性能...
[0045]
基于大数据获取分析目标在进行测试时的测试数据信息，生成属性特征测试数据集si，si＝{si1、si2、si3...sij}；其中，j＝1、2、3...j，j表示为从分类结果选取一类任意个数新材料的数量，sij表示为第j个分析目标的第i个属性特征的实时测试数据信息；
[0046]
s102、通过新材料的历史数据信息获取作为分析目标新材料类别的属性特征指标范围(ai，bi)，由于分析目标具备同一个属性性能所以分析目标的属性特征相同，只需要利用分析目标的属性特征分析判断出分析目标性能的综合评分，根据公式：
[0047]
pj＝(∑ki*sij)/i
[0048]
计算得到第j个分析目标性能的综合评分；当sij∈(ai，bi)时，ki＝1，当计算得到第j个分析目标性能的综合评分；当sij∈(ai，bi)时，ki＝1，当时，ki＝0；其中，ai表示为分析目标的第i个属性特征指标范围的下限，bi表示为分析目标的第i个属性特征指标范围的上限；
[0049]
根据公式：p＝(ai，bi)，ai＝(∑ai)/i，bi＝(∑bi)/i
[0050]
计算得到分析目标的性能综合评分指标范围p，ai表示为分析目标第i个属性特征的综合评分指标范围的下限，bi表示为分析目标第i个属性特征的综合评分指标范围的上限；
[0051]
s103、根据公式：k＝(∑kj)/j，计算得到分析目标的性能综合评分合格数量占比k，其中，(∑kj)表示为性能综合评分合格的分析目标数量；当pj∈p时，kj＝1；当时，kj＝0；当分析目标的性能综合评分合格数量占比k大于等于预设的性能合适数量占比阈值k’时，判定测试设备对分析目标的测试数据合格；当所述分析目标的性能综合评分合格数
量占比小于预设的性能合适数量占比阈值k’时，由于出现大量的分析目标的性能综合评分不合格，可能会存在生产的过程由于不符合规定的生产标准导致的分析目标本身出现的质量问题和测试设备对新材料进行测试的过程中产生的数据信息不准确的两种情况使得分析目标的性能综合评分合格数量占比过大，由于分析目标本身出现的质量问题在对性能进行测试的过程中是无法逆转的存在，所以需要对测试设备进行分析进行综合判定，从而判定出现大量分析目标的性能综合评分不合格是由于分析目标本身的质量还是测试设备的误差导致。
[0052]
进一步的，所述s200中判断所述测试数据信息异常情况并且对测试数据信息的异常值进行分析的具体方法如下：
[0053]
s201、基于所述属性特征测试数据集si，将分析目标的任意一个属性特征的数据信息映射到直角坐标系中，分别得到所述分析目标的任意一个属性特征映射到直角坐标系中的坐标点(xaj，yaj)；其中，(xaj，yaj)表示为第j个分析目标的第a个属性特征在直角坐标系中的坐标点，a∈{1、2、3...i}；
[0054]
通过所述分析目标的任意一个属性特征映射到直角坐标系中的坐标点任意获取三个连续的坐标点分别为(xaz，yaz)、(xa
z+1
，ya
z+1
)和(xa
z+2
，ya
z+2
)，对任意选取三个连续的坐标点之间的夹角进行分析，当夹角越大时，说明同一个属性特征的不同分析目标之间测试数据信息值相差越小即表示为测试设备的测试数据信息误差小；
[0055]
s202、构建数据异常分析模型：
[0056][0057]
得到分析目标的任意一个属性特征映射到直角坐标系中的任意连续三个坐标点之间的夹角，当夹角越大时，测试设备的测试数据信息误差越小，反之，测试设备的测试数据信息误差越大；其中，l＝1、2、3...l，l表示为析目标的任意一个属性特征的数据信息映射到直角坐标系中坐标点之间的夹角的数量，z∈{1、2、3...j-2}；
[0058]
s203、当k＜k’且∑kl≥l/2时，说明在测试设备对分析目标的任意一个属性特征进行测试时，每个分析目标的测试数据信息值相差较小，表明并不是由于测试设备的故障导致分析目标的性能综合评分不准确，从而判定由于分析目标质量问题从而导致大量的分析目标的性能综合评分不合格；
[0059]
当k＜k’且∑kl＜l/2时，说明在测试设备对分析目标的任意一个属性特征进行测试时，每个分析目标的测试数据信息值相差较大，表明并不是由于分析目标质量问题导致分析目标的性能综合评分不准确，从而判定由于测试设备的系统误差从而导致大的分析目标的性能综合评分不合格，对测试数据信息的异常值进一步分析；其中，当θ
l
≥90
°
时，kl＝1；当θ
l
＜90
°
时，kl＝0；
[0060]
s204、根据公式：
[0061]
f＝f1*∑kl-f2*(l-∑kl)
[0062]
计算得到测试设备的测试数据信息异常值，其中f1、f2为系数，由于∑kl表示为测试设备的测试数据信息出现大误差的次数，(l-∑kl)表示为测试设备的测试数据信息出现小误差的次数，所以f1对测试数据信息异常值的影响度比f2大即f1＞f2，当∑kl越大时，测试设备的测试数据信息异常值越大。
[0063]
进一步的，所述s300中依据所述设备的可靠性对设备进行筛选的具体方法如下：基于所述测试设备的测试数据信息异常值得到测试设备的可靠性qi＝f3/fi，其中qi表示为对分析目标第i个属性特征进行性能测试的设备可靠性，fi表示为分析目标第i个属性特征的测数据信息异常值，f3为系数，当fi越大时测试设备的可靠性越小；将所述测试设备的可靠性qi低于预设可靠性阈值q’的测试设备进行更换。
[0064]
一种基于大数据的新材料测试数据监测系统，所述新材料测试数据监测系统包括数据采集模块、数据监测模块、数据分析模块和告警提醒模块；所述数据采集模块的输出端与数据监测模块的输入端连接，所述数据监测模块的输出端与数据分析模块的输入端连接，所述数据分析模块的输出端与告警提醒模块的输入端连接；所述数据采集模块用于对新材料的属性特征指标范围、测试数据信息以及属性性能进行采集，通过采集的数据信息能够对新材料的性能进行测评，判断新材料性能的好坏；所述数据监测模块是对新材料的测试数据信息进行监测，通过新材料的测试数据信息的监测结果对新材料的性能进行测评；所述数据分析模块是基于新材料的性能测评结果对测试数据信息的异常情况以及测试设备的可靠性进行分析；所述告警提醒模块是当新材料的性能不合格以及新材料的测试数据信息出现异常时进行告警提醒，使得新材料的品质得到了把控和保证。
[0065]
进一步的，所述数据采集模块包括属性特征指标范围采集单元、测试数据采集单元和属性性能采集单元；所述属性特征采集单元的输出端与决策分类器的输入端连接；所述属性特征指标范围采集单元用于采集新材料属性特征的合格指标范围，通过所述新材料属性特征的合格指标范围结合测试数据信息对新材料的性能进行评判；所述测试数据采集单元用于采集新材料在进行性能测试时所产生的数据信息；所述属性性能采集单元用于采集新材料的属性性能，由于新材料(new material)是指新近发展或正在发展的具有优异性能的结构材料和有特殊性质的功能材料所以通过采集新材料的属性性能对新材料进行分类；当新材料的属性性能不相同时性能测评的方式也不相同。
[0066]
进一步的，所述数据监测模块包括决策分类器、数据管理单元和性能监测单元；所述性能监测单元的输出端与告警提醒单元的输入端连接；所述决策分类器用于利用新材料的属性性能对新材料进行分类，不同属性性能新材料的性能测评方式不同，通过决策分类器能够将不同属性性能的新材料进行归类处理；所述数据管理单元用于对新材料测试数据信息的管理，当出现测试数据信息异常时，数据管理单元为了避免异常的测试数据信息存储到数据库中，对异常的测试数据信息进行剔除处理；所述性能监测单元是通过新材料的测试数据信息对新材料的性能进行监测，当所述新材料的性能综合评分合格数量占比大于等于预设的性能合适数量占比阈值时，判定测试设备对新材料的测试数据合格；当所述新材料的性能综合评分合格数量占比小于预设的性能合适数量占比阈值时，对测试设备进行分析并且性能监测单元向数据终端发送告警指令。
[0067]
进一步的，所述数据分析模块包括数据异常分析模型、异常值分析单元和测试设备可靠性分析单元；所述数据异常分析模型的输出端与异常值分析单元的输入端连接，所述异常值分析单元的输出端与测试设备可靠性分析单元和告警提醒单元的输入端连接，所述测试设备可靠性分析单元的输出端与测试设备筛选单元的输入端连接；所述数据异常分析模型用于分析新材料的测试数据信息是否存在异常情况；所述异常值分析单元是基于数据异常分析模型的基础上对新材料测试数据信息的异常值进行分析；所述测试设备可靠性
分析单元是对新材料进行性能测试设备的可靠性进行分析。
[0068]
进一步的，所述告警提醒模块包括告警提醒单元、决策单元和测试设备筛选单元；所述决策单元的输出端与测试设备筛选单元的输入端连接；所述告警提醒单元是当新材料的性能不合格以及新材料的测试数据信息出现异常时进行告警提醒；所述决策单元是基于告警指令对测试设备的筛选进行决策；所述测试设备筛选单元是用于新材料性能测试的设备进行筛选，避免由于设备测试数据信息不准确从而导致性能测试结果存在误差。
[0069]
在本实施例中：
[0070]
设置有3个种类型相同的新材料，并且每个种类新材料的属性特征分别为{3、2}、{4、2}、{3、3}，通过新材料的历史数据信息获取作为分析目标新材料类别的属性特征指标范围分别为{(2，4)、(1,3)}，有下列公式计算得到第1、2、3种类分析目标性能的综合评分：
[0071]
p1＝(∑ki*sij)/i＝(3+2)/2＝2.5
[0072]
p2＝(∑ki*sij)/i＝2/1＝2
[0073]
p3＝(∑ki*sij)/i＝(3+0)/2＝1.5
[0074]
根据公式：p＝(ai，bi)，ai＝(∑ai)/i＝(2+1)/2＝1.5，bi＝(∑bi)/i＝(4+3)/2＝3.5
[0075]
计算得到分析目标的性能综合评分指标范围为(1.5,3.5)；
[0076]
根据公式计算得到分析目标的性能综合评分合格数量占比k＝(∑kj)/j＝2/3＝0.67，分析目标的性能综合评分合格数量占比k大于预设的性能合适数量占比阈值k’＝0.65判定测试设备对分析目标的测试数据合格。
[0077]
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。
[0078]
最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

技术特征：
1.一种基于大数据的新材料测试数据监测方法，其特征在于：所述新材料测试数据监测方法具体包括以下步骤：s100、基于大数据获取新材料在进行测试时的测试数据信息，通过所述测试数据信息对新材料的性能进行测评；当所述新材料的性能综合评分合格数量占比大于等于预设的性能合适数量占比阈值时，判定测试设备对新材料的测试数据合格；当所述新材料的性能综合评分合格数量占比小于预设的性能合适数量占比阈值时，对测试设备进行分析并且性能监测单元向数据终端发送告警指令；s200、当数据终端接收到性能监测单元发送的告警指令时，对所述测试数据信息进行检验，判断所述测试数据信息异常情况并且对测试数据信息的异常值进行分析；s300、基于实时测试数据信息的异常情况和实时测试数据信息的异常值，对设备的可靠性进行分析，并且依据所述设备的可靠性对设备进行筛选。2.根据权利要求1所述的一种基于大数据的新材料测试数据监测方法，其特征在于：所述s100中通过所述实时测试数据信息对新材料的性能进行测评的具体方法如下：s101、获取新材料的属性性能，基于所述新材料的属性性能利用决策分类器对新材料进行归类处理，从分类结果选取一类中任意个数的新材料作为分析目标，获取所述分析目标的属性特征分别为ai，ai表示为分析目标的第i个属性特征，i＝1、2、3...i，i表示为分析目标所具备的属性特征的数量；基于大数据获取分析目标在进行测试时的测试数据信息，生成属性特征测试数据集si，si＝{si1、si2、si3...sij}；其中，j＝1、2、3...j，j表示为从分类结果选取一类任意个数新材料的数量，sij表示为第j个分析目标的第i个属性特征的实时测试数据信息；s102、通过新材料的历史数据信息获取作为分析目标新材料类别的属性特征指标范围(ai，bi)根据公式：pj＝(∑ki*sij)/i计算得到第j个分析目标性能的综合评分；当sij∈(ai，bi)时，ki＝1，当计算得到第j个分析目标性能的综合评分；当sij∈(ai，bi)时，ki＝1，当时，ki＝0；其中，ai表示为分析目标的第i个属性特征指标范围的下限，bi表示为分析目标的第i个属性特征指标范围的上限；根据公式：p＝(ai，bi)，ai＝(∑ai)/i，bi＝(∑bi)/i计算得到分析目标的性能综合评分指标范围p，ai表示为分析目标第i个属性特征的综合评分指标范围的下限，bi表示为分析目标第i个属性特征的综合评分指标范围的上限；s103、根据公式：k＝(∑kj)/j，计算得到分析目标的性能综合评分合格数量占比k，其中，(∑kj)表示为性能综合评分合格的分析目标数量；当pj∈p时，kj＝1；当时，kj＝0；当分析目标的性能综合评分合格数量占比k大于等于预设的性能合适数量占比阈值k’时，判定测试设备对分析目标的测试数据合格；当所述分析目标的性能综合评分合格数量占比小于预设的性能合适数量占比阈值k’时，对测试设备进行分析。3.根据权利要求2所述的一种基于大数据的新材料测试数据监测方法，其特征在于：所述s200中判断所述测试数据信息异常情况并且对测试数据信息的异常值进行分析的具体方法如下：s201、基于所述属性特征测试数据集si，将分析目标的任意一个属性特征的数据信息
映射到直角坐标系中，分别得到所述分析目标的任意一个属性特征映射到直角坐标系中的坐标点(xaj，yaj)；其中，(xaj，yaj)表示为第j个分析目标的第a个属性特征在直角坐标系中的坐标点，a∈{1、2、3...i}；通过所述分析目标的任意一个属性特征映射到直角坐标系中的坐标点任意获取三个连续的坐标点分别为(xa
z
，ya
z
)、(xa
z+1
，ya
z+1
)和(xa
z+2
，ya
z+2
)；s202、构建数据异常分析模型：得到分析目标的任意一个属性特征映射到直角坐标系中的任意连续三个坐标点之间的夹角；其中，l＝1、2、3...l，l表示为分析目标的任意一个属性特征的数据信息映射到直角坐标系中坐标点之间的夹角的数量，z∈{1、2、3...j-2}；s203、当k＜k’且∑kl≥l/2时，判定由于分析目标质量问题从而导致大量的分析目标的性能综合评分不合格；当k＜k’且∑kl＜l/2时，判定由于测试设备的系统误差从而导致大的分析目标的性能综合评分不合格，对测试数据信息的异常值进一步分析；其中，当θ
l
≥90
°
时，kl＝1；当θ
l
＜90
°
时，kl＝0；s204、根据公式：f＝f1*∑kl-f2*(l-∑kl)计算得到测试设备的测试数据信息异常值，其中f1、f2为系数，f1＞f2，当∑kl越大时，测试设备的测试数据信息异常值越大。4.根据权利要求3所述的一种基于大数据的新材料测试数据监测方法，其特征在于：所述s300中依据所述设备的可靠性对设备进行筛选的具体方法如下：基于所述测试设备的测试数据信息异常值得到测试设备的可靠性qi＝f3/fi，其中qi表示为对分析目标第i个属性特征进行性能测试的设备可靠性，fi表示为分析目标第i个属性特征的测数据信息异常值，f3为系数，当fi越大时测试设备的可靠性越小；将所述测试设备的可靠性qi低于预设可靠性阈值q’的测试设备进行更换。5.一种应用权利要求1-4中任意一项所述的基于大数据的新材料测试数据监测方法的新材料测试数据监测系统，其特征在于：所述新材料测试数据监测系统包括数据采集模块、数据监测模块、数据分析模块和告警提醒模块；所述数据采集模块的输出端与数据监测模块的输入端连接，所述数据监测模块的输出端与数据分析模块的输入端连接，所述数据分析模块的输出端与告警提醒模块的输入端连接；所述数据采集模块用于对新材料的属性特征指标范围、测试数据信息以及属性性能进行采集；所述数据监测模块是对新材料的测试数据信息进行监测，通过新材料的测试数据信息的监测结果对新材料的性能进行测评；所述数据分析模块是基于新材料的性能测评结果对测试数据信息的异常情况以及测试设备的可靠性进行分析；所述告警提醒模块是当新材料的性能不合格以及新材料的测试数据信息出现异常时进行告警提醒。6.根据权利要求5所述的新材料测试数据监测系统，其特征在于：所述数据采集模块包括属性特征指标范围采集单元、测试数据采集单元和属性性能采集单元；所述属性特征采集单元的输出端与决策分类器的输入端连接；所述属性特征指标范围采集单元用于采集新
材料属性特征的合格指标范围，通过所述新材料属性特征的合格指标范围结合测试数据信息对新材料的性能进行评判；所述测试数据采集单元用于采集新材料在进行性能测试时所产生的数据信息；所述属性性能采集单元用于采集新材料的属性性能。7.根据权利要求6所述的新材料测试数据监测系统，其特征在于：所述数据监测模块包括决策分类器、数据管理单元和性能监测单元；所述性能监测单元的输出端与告警提醒单元的输入端连接；所述决策分类器用于利用新材料的属性性能对新材料进行分类；所述数据管理单元用于对新材料测试数据信息的管理；所述性能监测单元是通过新材料的测试数据信息对新材料的性能进行监测。8.根据权利要求7所述的新材料测试数据监测系统，其特征在于：所述数据分析模块包括数据异常分析模型、异常值分析单元和测试设备可靠性分析单元；所述数据异常分析模型的输出端与异常值分析单元的输入端连接，所述异常值分析单元的输出端与测试设备可靠性分析单元和告警提醒单元的输入端连接，所述测试设备可靠性分析单元的输出端与测试设备筛选单元的输入端连接；所述数据异常分析模型用于分析新材料的测试数据信息是否存在异常情况；所述异常值分析单元是基于数据异常分析模型的基础上对新材料测试数据信息的异常值进行分析；所述测试设备可靠性分析单元是对新材料进行性能测试设备的可靠性进行分析。9.根据权利要求8所述的新材料测试数据监测系统，其特征在于：所述告警提醒模块包括告警提醒单元、决策单元和测试设备筛选单元；所述决策单元的输出端与测试设备筛选单元的输入端连接；所述告警提醒单元是当新材料的性能不合格以及新材料的测试数据信息出现异常时进行告警提醒；所述决策单元是基于告警指令对测试设备的筛选进行决策；所述测试设备筛选单元是用于新材料性能测试的设备进行筛选。

技术总结
本发明涉及测试数据监管技术领域。具体为一种基于大数据的新材料测试数据监测系统及方法，所述数据采集模块用于对新材料的属性特征指标范围、测试数据以及属性性能进行采集；所述数据监测模块是对新材料的测试数据进行监测，通过新材料测试数据的监测结果对新材料的性能进行测评；所述数据分析模块是基于性能测评结果对测试数据的异常情况以及测试设备的可靠性进行分析；所述告警提醒模块是当新材料的性能不合格以及新材料的测试数据出现异常时进行告警提醒。本发明是通过测试数据对新材料的性能分析并且判断测试数据的异常情况从而实现对测试设备筛选，避免因设备测试数据不准确导致性能测试结果出现误差，使得新材料的品质得到把控和保证。的品质得到把控和保证。


技术研发人员：赵雪楠
受保护的技术使用者：黑龙江黑格新材料科技有限公司
技术研发日：2023.07.11
技术公布日：2023/10/15