一种澳洲坚果蛋白质提取工艺优化方法及系统

本发明涉及蛋白质提取工艺优化，特别是一种澳洲坚果蛋白质提取工艺优化方法及系统。

背景技术：

1、澳洲坚果富含蛋白质，是一种潜在的优质蛋白来源。澳洲坚果蛋白质的提取工艺是一个复杂的过程，涉及多个参数的精准控制，例如温度、ph 值、搅拌速度、时间等。传统的人工操作方式难以保证参数的稳定性和精确性，导致提取效率和产品质量波动较大。随着智能制造技术的快速发展，将智能控制技术应用于澳洲坚果蛋白质提取设备，实现参数的实时监测和自动调节，成为提高提取效率、稳定产品质量、降低人工成本的有效途径。然而，现有的智能调控方法大多局限于单一参数的控制，缺乏对整个提取过程的全局优化，难以实现参数之间的协同调节，因此，需要进一步优化澳洲坚果蛋白质提取工艺，以提高提取效率和产品质量。

技术实现思路

1、本发明克服了现有技术的不足，提供了一种澳洲坚果蛋白质提取工艺优化方法及系统。

2、为达到上述目的本发明采用的技术方案为：

3、本发明第一方面公开了一种澳洲坚果蛋白质提取工艺优化方法，包括以下步骤：

4、获取蛋白提取设备的预设控制方案，根据所述预设控制方案获取蛋白提取设备在若干个预设工作时间节点各种蛋白提取参数的预设参数值，得到各种蛋白提取参数在预设时间段内的预设参数值数集；

5、基于物联网方式在若干个预设工作时间节点采集蛋白提取设备内部各种蛋白提取参数的实际参数值，得到各种蛋白提取参数在预设时间段内的实际参数值数集；

6、将各种蛋白提取参数在预设时间段内的实际参数值数集与预设参数值数集进行比较分析，分析得到蛋白提取设备中各种蛋白提取参数的状态情况；基于层次分析法对各单元模组与各种蛋白提取参数进行相关性分析，生成各单元模组与各种蛋白提取参数之间的语义网络图像；

7、获取蛋白提取设备中状态情况为非稳态状况的蛋白提取参数；根据所述语义网络图像，并结合状态情况为非稳态状况的蛋白提取参数，对蛋白提取设备中各单元模组进行溯源分析，得到蛋白提取设备中的运行状态可疑单元模组；

8、对蛋白提取设备中的运行状态可疑单元模组进行进一步分析，判断所述运行状态可疑单元模组已经出现了运行异常状况；若出现了运行异常状况，则对运行状态异常单元模组进行调节优化处理。

9、优选地，将各种蛋白提取参数在预设时间段内的实际参数值数集与预设参数值数集进行比较分析，分析得到蛋白提取设备中各种蛋白提取参数的状态情况，具体为：

10、计算各种蛋白提取参数在预设时间段内的实际参数值数集与预设参数值数集之间的皮尔逊相关系数；

11、将各种蛋白提取参数在预设时间段内的实际参数值数集与预设参数值数集之间的皮尔逊相关系数和预设系数值进行比较；

12、若某一种蛋白提取参数在预设时间段内的实际参数值数集与预设参数值数集之间的皮尔逊相关系数大于预设系数值，则将该种蛋白提取参数的状态情况定义为稳态状况；

13、若某一种蛋白提取参数在预设时间段内的实际参数值数集与预设参数值数集之间的皮尔逊相关系数不大于预设系数值，则将该种蛋白提取参数的状态情况定义为非稳态状况。

14、优选地，基于层次分析法对各单元模组与各种蛋白提取参数进行相关性分析，生成各单元模组与各种蛋白提取参数之间的语义网络图像，具体为：

15、获取蛋白提取设备的设备说明书，根据所述设备说明书确定出蛋白提取设备中的各单元模组以及各单元模组的用途指标信息；以及对各种蛋白提取参数进行特征提取处理，得到各种蛋白提取参数的参数特征信息；

16、构建层次结构模型，将各单元模组与各种蛋白提取参数定义为分析目标，得到层次结构模型的目标层；

17、将各单元模组的用途指标信息与各种蛋白提取参数的参数特征信息定义为评价指标，得到层次结构模型的准则层；

18、以及将所述准则层进行细化处理，得到若干个细化评价指标，根据若干个细化评价指标生成层次结构模型的指标层；

19、在所述指标层中获取每个细化评价指标的重要程度，并根据各个细化评价指标的重要程度为各个细化评价指标赋予权重值；

20、根据各个细化评价指标的重要程度构建判断矩阵；计算所述判断矩阵的一致性指标，判断判断矩阵的一致性指标是否满足预设指标要求；

21、若判断矩阵的一致性指标不满足预设指标要求，则调整各个细化评价指标的权重值；直至判断矩阵的一致性指标满足预设指标要求；

22、将所述判断矩阵上的权重值进行加权求和，得到相应单元模组的综合得分；以此类推，直至计算得到各单元模组的综合得分；

23、根据各单元模组的综合得分对各单元模组进行排序，得到各单元模组与各种蛋白提取参数之间的相关度排序，生成相关度排序结果；

24、根据所述相关度排序结果生成各单元模组与各种蛋白提取参数之间的语义网络图像。

25、优选地，根据所述语义网络图像，并结合状态情况为非稳态状况的蛋白提取参数，对蛋白提取设备中各单元模组进行溯源分析，得到蛋白提取设备中的运行状态可疑单元模组，具体为：

26、获取蛋白提取设备中状态情况为非稳态状况的蛋白提取参数，并将状态情况为非稳态状况的蛋白提取参数导入所述语义网络图像中进行配对分析；

27、在所述语义网络图像中匹配得到各单元模组与状态情况为非稳态状况的蛋白提取参数之间的相关度，得到相关度匹配结果；

28、根据所述相关度匹配结果获取与状态情况为非稳态状况的蛋白提取参数相关度大于预设相关度阈值所对应的单元模组，得到蛋白提取设备中的运行状态可疑单元模组。

29、优选地，对蛋白提取设备中的运行状态可疑单元模组进行进一步分析，判断所述运行状态可疑单元模组已经出现了运行异常状况，具体为：

30、获取蛋白提取设备的运行记录日志，根据所述运行记录日志获取蛋白提取设备所发生过的历史运行状态异常事件；

31、基于层次聚类算法对蛋白提取设备所发生过的历史运行状态异常事件进行聚类处理，获取各种相同类型运行状态异常的聚类结果；

32、将各种相同类型运行状态异常的聚类结果输入到特征金字塔网络中进行特征提取处理，得到各种类型运行状态异常的特征数据；

33、构建知识库，将所述知识库分为若干个存储空间，以及为各个存储空间赋予相应的运行状态异常类型标签，并对应类型运行状态异常的特征数据存储在赋予相应标签的存储空间内，得到特征数据知识库；

34、获取蛋白提取设备中的运行状态可疑单元模组，并获取运行状态可疑单元模组的实时工作数据；将运行状态可疑单元模组的实时工作数据导入所述特征数据知识库中；

35、计算所述实时工作数据与各存储空间内特征数据之间的相似性；若所述实时工作数据与某一个或多个存储空间内特征数据之间的相似性大于预设相似性阈值的情况，则说明该运行状态可疑单元模组已经出现了运行异常状况，则将该运行状态可疑单元模组标定为运行状态异常单元模组；

36、以及获取相似性大于预设相似性阈值的存储空间所被赋予的运行状态异常类型标签，得到所述运行状态异常单元模组的运行状态异常类型标签。

37、优选地，若出现了运行异常状况，则对运行状态异常单元模组进行调节优化处理，具体为：

38、获取蛋白提取设备的结构图纸信息，根据所述结构图纸信息构建蛋白提取设备的结构模型图；

39、获取蛋白提取设备中各单元模组的实时工作数据，并将各单元模组的实时工作数据进行格式转化处理，格式转化完成后，将各单元模组的实时工作数据导入至所述结构模型图，得到蛋白提取设备的运行仿真系统；

40、根据运行状态异常单元模组的运行状态异常类型标签对大数据网络进行检索，得到若干个调节优化方案；

41、基于各个调节优化方案分别对所述蛋白提取设备的运行仿真系统进行模拟调控处理，调控完成后，获取经过各个调节优化方案模拟调控后所述运行状态异常单元模组的模拟工作数据；

42、获取运行状态异常单元模组的预设工作数据，计算所述经过各个调节优化方案模拟调控后所述运行状态异常单元模组的模拟工作数据与预设工作数据之间的数据偏差值；

43、获取数据偏差值最小所对应的调节优化方案，并将数据偏差值最小所对应的调节优化方案发送至蛋白提取设备的控制终端上，以使得控制终端基于该调节优化方案对运行状态异常单元模组进行实质性的调节优化处理。

44、本发明第二方面公开了一种澳洲坚果蛋白质提取工艺优化系统，所述澳洲坚果蛋白质提取工艺优化系统包括存储器与处理器，所述存储器中存储有澳洲坚果蛋白质提取工艺优化方法程序，当所述澳洲坚果蛋白质提取工艺优化方法程序被所述处理器执行时，实现任一项所述的澳洲坚果蛋白质提取工艺优化方法的步骤。

45、本发明第三方面公开了一种计算机可读存储介质，所述计算机可读存储介质包括澳洲坚果蛋白质提取工艺优化方法程序，当所述澳洲坚果蛋白质提取工艺优化方法程序被处理器执行时，实现任一项所述的澳洲坚果蛋白质提取工艺优化方法的步骤。

46、本发明解决了背景技术中存在的技术缺陷，本发明具备以下有益效果：将各种蛋白提取参数在预设时间段内的实际参数值数集与预设参数值数集进行比较分析，分析得到蛋白提取设备中各种蛋白提取参数的状态情况；基于层次分析法对各单元模组与各种蛋白提取参数进行相关性分析，生成各单元模组与各种蛋白提取参数之间的语义网络图像；获取蛋白提取设备中状态情况为非稳态状况的蛋白提取参数；根据所述语义网络图像，并结合状态情况为非稳态状况的蛋白提取参数，对蛋白提取设备中各单元模组进行溯源分析，得到蛋白提取设备中的运行状态可疑单元模组；对蛋白提取设备中的运行状态可疑单元模组进行进一步分析，判断所述运行状态可疑单元模组已经出现了运行异常状况；若出现了运行异常状况，则对运行状态异常单元模组进行调节优化处理。本发明通过实时监控、数据分析和智能决策，有效提升了澳洲坚果蛋白质提取效率、产品质量和生产安全性。