(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111571123.7 (22)申请日 2021.12.21 (71)申请人 农建敏 地址 532312 广西壮 族自治区崇左市大新 县雷平镇 新贵村下贵屯49号 (72)发明人 农建敏　陆振兴　韦卓金　 (74)专利代理 机构 重庆莫斯专利代理事务所 (普通合伙) 50279 代理人 周卫清 (51)Int.Cl. H04L 67/125(2022.01) H04L 67/10(2022.01) H04L 9/40(2022.01) H04L 9/32(2006.01) F24F 11/89(2018.01)F24F 11/58(2018.01) (54)发明名称 一种多联式机组集中控制智能云系统 (57)摘要 本发明涉及一种多联式机组集中控制智能 云系统， 解决的是保密性差、 效率低的技术问题， 通过采用包括多个机组， 与多个机组一一连接的 控制参数传感器； 与控制参数传感器连接的控制 数据建模分析模块， 控制数据建模分析模块通过 区块链子节 点连接到网络云处理器， 网络云处理 器通过区块链网络连接机组控制单元， 机组控制 单元控制机组； 所述机组控制单元包括认证监控 单元， 认证监控单元包括内置的第一存储器， 与 第一存储器连接的内置接收单元、 内置处理单元 以及身份特征采集单元， 内置处理单元连接输出 单元至机组控制单元； 的技术方案， 较好的解决 了该问题， 可用于多联式机组集中控制中。 权利要求书4页 说明书10页 附图1页 CN 114390082 A 2022.04.22 CN 114390082 A 1.一种多联式机组集中控制智能云系统， 其特征在于： 所述多联式机组集中控制智能 云系统包括多个机组， 与多个机组一 一连接的控制参数传感器； 与控制参数传感器连接的控制数据建模分析模块， 控制数据建模分析模块通过区块链 子节点连接到网络云处理器， 网络云处理器通过区块链网络连接机组控制单元， 机组控制 单元控制机组； 所述机组控制单元包括认证监控单元， 认证监控单元包括内置的第一存储器， 与第一 存储器连接的内置接 收单元、 内置处理单元以及身份特征采集单元， 内置处理单元连接输 出单元至机组控制单 元； 内置处理单元对身份特征采集单元采集实时操作者的特征数据进行一致性初始分析， 持续对内置接 收单元持续接 收的操作者操作机组控制单元的行为特征数据进行操作者一 致性持续分析； 内置处理单元根据一致性初始分析结果判断实时操作者与内置注册操作者的初始身 份一致性， 根据操作者一致性持续分析结果判断实时操作者与内置注册操作者的身份的持 续身份一 致性； 初始身份一 致和持续身份一 致则通过输出 单元输出脱密处 理的身份识别码； 机组控制单元接收身份识别码， 与登录注册的操作者身份进行对比， 完成线上操作者 与线下操作者的身份一 致性认证。 2.根据权利要求1所述的多联式机组集中控制智能云系统， 其特征在于： 所述一致性初 始分析和一致性 持续分析中， 特征样本同时采样2次， 并对2次特征样本进 行预处理， 预处理 为： 步骤a， 将特征样本A和特征样本B变换分解为Z个子样本， 每一子样本将分为2个部分， 第一部分滤波系数定义为 和第二部分滤波系数定义为 C/B表示特 征样本A或特 征样本B， 1≤γ≤Z表示第γ次分解， m和n 为预定义系数； 步骤b， 对于第γ次分解的第一部分滤波系数， 采用第一融合准则进行融合， 遍历特征 样本A或特征样本B， 计算特征样 本A或特征样 本B的相关度， 得到融合权重， 第一融合准则准 则为： 确定P×Q的窗口为区域R， 计算区域R内每个特征样本的子点在水平方向和垂直方向的 梯度幅值Gx[i,j]和Gy[i,j]， 计算出梯度值G(i,j) 计算出区域R的中心点的内积能量 为E(P(x,y) ) <>为区域内积运 算； 计算出特征样本A和特 征样本B的相关性 为： 假设阈值 为a， 权重系数wC和wD为：权　利　要　求　书 1/4 页 2 CN 114390082 A 2当 时， wC＝0， wD＝0； 时， wD＝1‑wC； 计算出第一部分融合后特 征为RF(x,y)＝wC·RC(x,y)+wC·RC(x,y)； 步骤A， 对于第γ次分解的第二部分系数， 采用第二融合准则进行融合， 定义P ×Q的窗 口为区域R； 第二融合 准则为计算区域能量的最大值E进行融合； 其中w(i,j)为区域中每个 相邻点像素的权值； 步骤B， 采用 与步骤a对应的逆变换对步骤b和步骤A的融合结果进行重构， 得到归一化 特征F。 3.根据权利要求2所述的多联式机组集中控制智能云系统， 其特征在于： 所述操作者一 致性持续分析包括： 步骤1， 从归一化特征F中检测出N个特征峰值， 记作{(vi,ti)|i＝0,1,...,N}， 其中N为 大于3的自然数； 步骤2， 计算相邻特征峰值之间的时间差值， 得到特征峰值间隔数据特征库{(vi,Δti)| i＝1,2,...,N}； 步骤3， 定义窗口宽度w和窗口移动速度v； w＝(max(Δti)‑min(Δti))×p； 其中， p为窗口宽度和总宽度的预设比例值， 1≤i≤N； 步骤4， 从横向扫 描确定峰值 阈值范围(V1,V2)； 从纵向扫描确定时间间隔阈值范围(T1, T2)； 步骤5， 将峰值阈值范围(V1,V2)和时间间隔阈值范围(T1,T2)构成的区域定义为标准特 征点的可信区域； 步骤6， 将标准特征点的可信区域 组成的曲线定义为更正特征曲线函数T＝(s1,s2,..., sh)， h为更正特 征曲线的长度； 步骤7， 将历史存储的授权用户标准特征曲线S＝(s1,s2,...,sz)与更正特征曲线函数 进行进行一致性对比度计算， 一致性对比度低于预定阈值的判定一致， 否则判定不一致， 其 中z为标准特 征曲线长度。 4.根据权利要求2所述的多联式机组集中控制智能云系统， 其特征在于： 所述一次性初 始分析包括： 步骤A， 按时间顺序位于奇数时序的作为第一特征归入第 一特征样本库， 位于偶数时序 的作为第二特 征归入第二特 征样本库； 步骤B， 对序号相同的第一特征和第二特征进行高斯卷积变换， 分别提取4个尺度上的 高斯特征δ ＝{1,2,3,4}和8个方向上的高斯卷积特 征θ ＝{0,1,2,3,4,5,6,7} ×( π/8)； 步骤C， 对第 一特征和第 二特征所提取的高斯特征以进行归一化一致性处理， 得到一致权　利　要　求　书 2/4 页 3 CN 114390082 A 3