轧机数据关联方法及系统

权利要求书： 1.一种轧机数据关联方法，其特征在于，包括以下步骤：获取多台轧机轧制多个钢坯时的轧钢数据；

按照数据生成时间以及数据来源对所述轧钢数据进行切片，并对切片后的数据按照轧机数量进行分组，得到多个分组数据集；

将所述轧机与所述分组数据集进行映射，并在映射完成后，根据轧机编号对所述多个分组数据集进行排序和编号；

从首个分组数据集中选取时间最早的切片数据作为目标钢坯在首台轧机上的切片数据，并按照分组数据集的顺序，依次将从上一个分组数据集中选取出的切片数据作为下个分组数据集的参考切片数据；

从下个分组数据集中选取与所述参考切片数据时间最近的切片数据，作为所述目标钢坯在与下一台轧机上的切片数据；且在完成切片数据选取后，从该分组数据集中移除所选取的切片数据；

迭代选取切片数据，直至从最后一个分组数据集中选取出对应的切片数据；

关联从每个分组数据集中选取的切片数据，得到数据关联结果，并作为所述目标钢坯在所有轧机上的轧钢数据；

所述方法还包括：按照轧机数量对切片数据进行编号，得到多个切片数据集；以及，对所述数据关联结果进行价值评估，包括：判断切片数据集中所有切片数据是否完整，并对所有切片数据均完整的切片数据集记为1，存在不完整切片数据的切片数据集记为0；

判断两个相邻切片数据集中切片数据的开始时间是否为增序，是则记为1，不是则记为

0；

判断两个相邻切片数据集中切片数据时间时长是否为增序，是则记为1，不是则记为0；

获取每个切片数据集在每条判断规则下的判断结果，并根据每条判断规则的预设权重值对每个切片数据集进行价值评估；

在对每个切片数据集进行价值评估时，还包括计算每个切片数据集的价值评估值，有：式中，m为轧机的数量；

y为判断规则的数量，1≤y≤3；

Qy为第y条判断规则的判断结果；

Py为第y条判断规则的权重值；

i为第i个轧机所对应的数据集的价值评估值。

2.根据权利要求1所述的轧机数据关联方法，其特征在于，所述判断两个相邻切片数据集中切片数据时间时长是否为增序的过程包括：分别计算Eij?Tij和Ei(j+1)?Ti(j+1)，若Eij?Tij

其中，Tij为第i个钢坯被第j台轧机处理的开始时间；

Ti(j+1)为第i个钢坯被第(j+1)台轧机处理的开始时间；

Eij为第i个钢坯被第j台轧机处理的结束时间；

Ei(j+1)为第i个钢坯被第(j+1)台轧机处理的结束时间。

3.根据权利要求1所述的轧机数据关联方法，其特征在于，从分组数据集中选取与所述参考切片数据时间最近的切片数据时，还包括计算分组数据集中的切片数据时间与参考切片数据的时间差，有：Dij＝|Ti(j+1)?Tij|，1≤i≤k，1≤j

式中，k为钢坯的数量，m为轧机的数量；

Tij为第i个钢坯被第j台轧机处理的开始时间；

Ti(j+1)为第i个钢坯被第(j+1)台轧机处理的开始时间；

Dij为分组数据集中的切片数据时间与参考切片数据的时间差。

4.根据权利要求1所述的轧机数据关联方法，其特征在于，从分组数据集中移除所选取的切片数据的方式包括以下至少之一：物理移除、逻辑移除；

其中，所述物理移除包括以下至少之一：删除、覆盖、填充预设数据；

所述逻辑移除包括以下至少之一：断开数据间的相互联系、更改数据间的相互联系。

5.根据权利要求1所述的轧机数据关联方法，其特征在于，对多个分组数据集进行排序的方式包括：升序或降序；

且在完成排序后，还包括：

存储所述多个分组数据集；

存储的方式包括以下至少之一：计算机随机存储器存储、计算机只读存储器存储。

6.一种轧机数据关联系统，其特征在于，包括有：采集模块，用于获取多台轧机轧制多个钢坯时的轧钢数据；

切片分组模块，用于按照数据生成时间以及数据来源对所述轧钢数据进行切片，并对切片后的数据按照轧机数量进行分组，得到多个分组数据集；以及，按照轧机数量对切片后的数据进行编号，得到多个切片数据集；

排序编号模块，用于将所述轧机与所述分组数据集进行映射，并在映射完成后，根据轧机编号对所述多个分组数据集进行排序和编号；

数据参考模块，用于从首个分组数据集中选取时间最早的切片数据作为目标钢坯在首台轧机上的切片数据，并按照分组数据集的顺序，依次将从上一个分组数据集中选取出的切片数据作为下个分组数据集的参考切片数据；

数据选取模块，用于从下个分组数据集中选取与所述参考切片数据时间最近的切片数据，作为所述目标钢坯在与下一台轧机上的切片数据；且在完成切片数据选取后，从该分组数据集中移除所选取的切片数据；并迭代选取切片数据，直至从最后一个分组数据集中选取出对应的切片数据；

数据关联模块，用于关联从每个分组数据集中选取的切片数据，得到数据关联结果，并作为所述目标钢坯在所有轧机上的轧钢数据；

所述系统还包括价值评估模块，用于对所述数据关联结果进行价值评估；

判断切片数据集中所有切片数据是否完整，并对所有切片数据均完整的切片数据集记为1，存在不完整切片数据的切片数据集记为0；

判断两个相邻切片数据集中切片数据的开始时间是否为增序，是则记为1，不是则记为

0；

判断两个相邻切片数据集中切片数据时间时长是否为增序，是则记为1，不是则记为0；

获取每个切片数据集在每条判断规则下的判断结果，并根据每条判断规则的预设权重值对每个切片数据集进行价值评估；

其中，所述价值评估模块在对每个切片数据集进行价值评估时，还包括计算每个切片数据集的价值评估值，有：式中，m为轧机的数量；

y为判断规则的数量，1≤y≤3；

Qy为第y条判断规则的判断结果；

Py为第y条判断规则的权重值；

i为第i个轧机所对应的数据集的价值评估值。

说明书： 一种轧机数据关联方法及系统技术领域[0001] 本发明涉及钢铁冶炼技术领域，特别是涉及一种轧机数据关联方法及系统。背景技术[0002] 钢铁在实际生产过程中，钢坯会依次经过一系列的轧机进行轧制。而轧机与轧机之间并不完全连续，存在着一定的时间间隙，因此在对某一根钢坯棒材进行数字分析和生产研究之前，需要将各轧机的生产数据进行准确的关联处理。[0003] 现有的方案主要是在每一台轧机上增加外部元器件(例如传感器)来监测每一根钢坯的进出，然后关联监测出的轧机生产数据。而在利用外部元器件来监测钢坯时，由于增加了外部元器件，导致此种监测关联方式提高了企业的经济成本和设备维护成本。同时，由于外部元器件抓取数据时的灵敏度差异，导致外部元器件抓取数据时容易出现浮动，影响数据关联质量。发明内容[0004] 鉴于以上所述现有技术的缺点，本发明的目的在于提供一种轧机数据关联方法及系统，用于解决现有技术利用外部元器件来对轧机数据进行监测和关联时出现的数据浮动问题。[0005] 为实现上述目的及其他相关目的，本发明提供一种轧机数据关联方法，包括以下步骤：[0006] 获取多台轧机轧制多个钢坯时的轧钢数据；[0007] 按照数据生成时间以及数据来源对所述轧钢数据进行切片，并对切片后的数据按照轧机数量进行分组，得到多个分组数据集；[0008] 将所述轧机与所述分组数据集进行映射，并在映射完成后，根据轧机编号对所述多个分组数据集进行排序和编号；[0009] 从首个分组数据集中选取时间最早的切片数据作为目标钢坯在首台轧机上的切片数据，并按照分组数据集的顺序，依次将从上一个分组数据集中选取出的切片数据作为下个分组数据集的参考切片数据；[0010] 从下个分组数据集中选取与所述参考切片数据时间最近的切片数据，作为所述目标钢坯在与下一台轧机上的切片数据；且在完成切片数据选取后，从该分组数据集中移除所选取的切片数据；[0011] 迭代选取切片数据，直至从最后一个分组数据集中选取出对应的切片数据；[0012] 关联从每个分组数据集中选取的切片数据，得到数据关联结果，并作为所述目标钢坯在所有轧机上的轧钢数据；[0013] 所述方法还包括：按照轧机数量对切片数据进行编号，得到多个切片数据集；以及，对所述数据关联结果进行价值评估，包括：[0014] 判断切片数据集中所有切片数据是否完整，并对所有切片数据均完整的切片数据集记为1，存在不完整切片数据的切片数据集记为0；[0015] 判断两个相邻切片数据集中切片数据的开始时间是否为增序，是则记为1，不是则记为0；[0016] 判断两个相邻切片数据集中切片数据时间时长是否为增序，是则记为1，不是则记为0；[0017] 获取每个切片数据集在每条判断规则下的判断结果，并根据每条判断规则的预设权重值对每个切片数据集进行价值评估；[0018] 在对每个切片数据集进行价值评估时，还包括计算每个切片数据集的价值评估值，有：[0019][0020] 式中，m为轧机的数量；[0021] y为判断规则的数量，1≤y≤3；[0022] Qy为第y条判断规则的判断结果；[0023] Py为第y条判断规则的权重值；[0024] i为第i个轧机所对应的数据集的价值评估值。[0025] 可选地，所述判断两个相邻切片数据集中切片数据时间时长是否为增序的过程包括：[0026] 分别计算Eij?Tij和Ei(j+1)?Ti(j+1)，若Eij?Tij[0027] 其中，Tij为第i个钢坯被第j台轧机处理的开始时间；[0028] Ti(j+1)为第i个钢坯被第(j+1)台轧机处理的开始时间；[0029] Eij为第i个钢坯被第j台轧机处理的结束时间；[0030] Ei(j+1)为第i个钢坯被第(j+1)台轧机处理的结束时间。[0031] 可选地，从分组数据集中选取与所述参考切片数据时间最近的切片数据时，还包括计算分组数据集中的切片数据时间与参考切片数据的时间差，有：[0032] Dij＝|Ti(j+1)?Tij|，1≤i≤k，1≤j[0033] 式中，k为钢坯的数量，m为轧机的数量；[0034] Tij为第i个钢坯被第j台轧机处理的开始时间；[0035] Ti(j+1)为第i个钢坯被第(j+1)台轧机处理的开始时间；[0036] Dij为分组数据集中的切片数据时间与参考切片数据的时间差。[0037] 可选地，从分组数据集中移除所选取的切片数据的方式包括以下至少之一：物理移除、逻辑移除；[0038] 其中，所述物理移除包括以下至少之一：删除、覆盖、填充预设数据；[0039] 所述逻辑移除包括以下至少之一：断开数据间的相互联系、更改数据间的相互联系。[0040] 可选地，对多个分组数据集进行排序的方式包括：升序或降序；[0041] 且在完成排序后，还包括：[0042] 存储所述多个分组数据集；[0043] 存储的方式包括以下至少之一：计算机随机存储器存储、计算机只读存储器存储。[0044] 本发明还提供一种轧机数据关联系统，包括有：[0045] 采集模块，用于获取多台轧机轧制多个钢坯时的轧钢数据；[0046] 切片分组模块，用于按照数据生成时间以及数据来源对所述轧钢数据进行切片，并对切片后的数据按照轧机数量进行分组，得到多个分组数据集；以及，按照轧机数量对切片后的数据进行编号，得到多个切片数据集；[0047] 排序编号模块，用于将所述轧机与所述分组数据集进行映射，并在映射完成后，根据轧机编号对所述多个分组数据集进行排序和编号；[0048] 数据参考模块，用于从首个分组数据集中选取时间最早的切片数据作为目标钢坯在首台轧机上的切片数据，并按照分组数据集的顺序，依次将从上一个分组数据集中选取出的切片数据作为下个分组数据集的参考切片数据；[0049] 数据选取模块，用于从下个分组数据集中选取与所述参考切片数据时间最近的切片数据，作为所述目标钢坯在与下一台轧机上的切片数据；且在完成切片数据选取后，从该分组数据集中移除所选取的切片数据；并迭代选取切片数据，直至从最后一个分组数据集中选取出对应的切片数据；[0050] 数据关联模块，用于关联从每个分组数据集中选取的切片数据，得到数据关联结果，并作为所述目标钢坯在所有轧机上的轧钢数据；[0051] 所述系统还包括价值评估模块，用于对所述数据关联结果进行价值评估；[0052] 判断切片数据集中所有切片数据是否完整，并对所有切片数据均完整的切片数据集记为1，存在不完整切片数据的切片数据集记为0；[0053] 判断两个相邻切片数据集中切片数据的开始时间是否为增序，是则记为1，不是则记为0；[0054] 判断两个相邻切片数据集中切片数据时间时长是否为增序，是则记为1，不是则记为0；[0055] 获取每个切片数据集在每条判断规则下的判断结果，并根据每条判断规则的预设权重值对每个切片数据集进行价值评估；[0056] 其中，所述价值评估模块在对每个切片数据集进行价值评估时，还包括计算每个切片数据集的价值评估值，有：[0057][0058] 式中，m为轧机的数量；[0059] y为判断规则的数量，1≤y≤3；[0060] Qy为第y条判断规则的判断结果；[0061] Py为第y条判断规则的权重值；[0062] i为第i个轧机所对应的数据集的价值评估值。[0063] 如上所述，本发明提供一种轧机数据关联方法及系统，具有以下有益效果：通过获取多台轧机轧制多个钢坯时的轧钢数据，并按照数据生成时间以及数据来源对轧钢数据进行切片，并对切片后的数据按照轧机数量进行分组，得到多个分组数据集；将轧机与分组数据集进行映射，并在映射完成后，根据轧机编号对多个分组数据集进行排序和编号；再从首个分组数据集中选取时间最早的切片数据作为目标钢坯在首台轧机上的切片数据，并按照分组数据集的顺序，依次将从上一个分组数据集中选取出的切片数据作为下个分组数据集的参考切片数据；从下个分组数据集中选取与参考切片数据时间最近的切片数据，作为目标钢坯在与下一台轧机上的切片数据；且在完成切片数据选取后，从该分组数据集中移除所选取的切片数据；迭代选取切片数据，直至从最后一个分组数据集中选取出对应的切片数据；关联从每个分组数据集中选取的切片数据，作为目标钢坯在所有轧机上的轧钢数据。本发明首先采集多台轧机在轧制多个钢坯时生成的轧钢数据，然后对采集的轧钢数据进行切片，再对切片数据来分组，形成多个分组数据集，并从每个分组数据集中选择出目标钢坯对应的切片数据，然后关联所选择的这些切片数据，完成对目标钢坯的切片数据的关联。由于本发明是直接通过采集轧机轧制钢坯时生成的轧钢数据，相当于是直接采集轧机数据，而不是利用外部元器件来采集轧钢数据，所以本发明在进行数据关联时，可以对轧机数据进行自动关联，从而使得本发明在保障低成本、轻量化的基础上，还增强了轧钢机架数据关联的准确性、稳定性和有效性。

附图说明[0064] 图1为一实施例提供的轧机数据关联方法的流程示意图；[0065] 图2为另一实施例提供的轧机数据关联方法的流程示意图；[0066] 图3为一实施例提供的关联算法的流程示意图；[0067] 图4为一实施例提供的关联结果判断规则流程示意图；[0068] 图5为一实施例提供的数据关联结果示意图；[0069] 图6为一实施例提供的轧机数据关联系统的硬件结构示意图。[0070] 元件标号说明[0071] M10采集模块[0072] M20切片分组模块[0073] M30排序编号模块[0074] M40数据参考模块[0075] M50数据选取模块[0076] M60数据关联模块具体实施方式[0077] 以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。[0078] 需要说明的是，本实施例中所提供的图示仅以示意方式说明本发明的基本构想，遂图式中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。本说明书所附图式所绘示的结构、比例、大小等，均仅用以配合说明书所揭示的内容，以供熟悉此技术的人士了解与阅读，并非用以限定本发明可实施的限定条件，故不具技术上的实质意义，任何结构的修饰、比例关系的改变或大小的调整，在不影响本发明所能产生的功效及所能达成的目的下，均应仍落在本发明所揭示的技术内容得能涵盖的范围内。同时，本说明书中所引用的如“上”、“下”、“左”、“右”、“中间”及“一”等的用语，亦仅为便于叙述的明了，而非用以限定本发明可实施的范围，其相对关系的改变或调整，在无实质变更技术内容下，当亦视为本发明可实施的范畴。[0079] 请参阅图1和图2所示，本实施例提供一种轧机数据关联方法，包括以下步骤：[0080] S10，获取多台轧机轧制多个钢坯时的轧钢数据；作为示例，轧机的数量可以为18个，钢坯的数量可以为100个。[0081] S20，按照数据生成时间以及数据来源对轧钢数据进行切片，并对切片后的数据按照轧机数量进行分组，得到多个分组数据集；[0082] S30，将轧机与分组数据集进行映射，并在映射完成后，根据轧机编号对多个分组数据集进行排序和编号；其中，在轧机与分组数据集完成映射后，每个轧机对应一个分组数据集。[0083] S40，从首个分组数据集中选取时间最早的切片数据作为目标钢坯在首台轧机上的切片数据，并按照分组数据集的顺序，依次将从上一个分组数据集中选取出的切片数据作为下个分组数据集的参考切片数据；[0084] S50，从下个分组数据集中选取与参考切片数据时间最近的切片数据，作为目标钢坯在与下一台轧机上的切片数据；且在完成切片数据选取后，从该分组数据集中移除所选取的切片数据；[0085] S60，迭代选取切片数据，直至从最后一个分组数据集中选取出对应的切片数据；[0086] S70，关联从每个分组数据集中选取的切片数据，得到数据关联结果，并作为目标钢坯在所有轧机上的轧钢数据。[0087] 本实施例首先采集多台轧机在轧制多个钢坯时生成的轧钢数据，然后对采集的轧钢数据进行切片，再对切片数据来分组，形成多个分组数据集，并从每个分组数据集中选择出目标钢坯对应的切片数据，然后关联所选择的这些切片数据，完成对目标钢坯的切片数据的关联。由于本实施例是直接通过采集轧机轧制钢坯时生成的轧钢数据，相当于是直接采集轧机数据，而不是利用外部元器件来采集轧钢数据，所以本实施例在进行数据关联时，可以对轧机数据进行自动关联，从而使得本实施例在保障低成本、轻量化的基础上，还增强了轧钢机架数据关联的准确性、稳定性和有效性。[0088] 根据上述记载，在一示例性实施例中，本方法还包括对所述数据关联结果进行价值评估；具体地，包括以下步骤：[0089] 判断切片数据集中所有切片数据是否完整，并对所有切片数据均完整的切片数据集记为1，存在不完整切片数据的切片数据集记为0；[0090] 判断两个相邻切片数据集中切片数据的开始时间是否为增序，是则记为1，不是则记为0，[0091] 判断两个相邻切片数据集中切片数据时间时长是否为增序，是则记为1，不是则记为0；其中，判断两个相邻切片数据集中切片数据时间时长是否为增序的过程包括：分别计算Eij?Tij和Ei(j+1)?Ti(j+1)，若Eij?Tij[0092] 获取每个切片数据集在每条判断规则下的判断结果，并根据每条判断规则的预设权重值对每个切片数据集进行价值评估。其中，在对每个切片数据集进行价值评估时，还包括计算每个切片数据集的价值评估值，有：[0093][0094] 式中，m为轧机的数量；y为判断规则的数量，1≤y≤3；Qy为第y条判断规则的判断结果；Py为第y条判断规则的权重值；i为第i个轧机所对应的数据集的价值评估值。[0095] 根据上述记载，在一示例性实施例中，从分组数据集中选取与所述参考切片数据时间最近的切片数据时，还包括计算分组数据集中的切片数据时间与参考切片数据的时间差，有：[0096] Dij＝|Ti(j+1)?Tij|，1≤i≤k，1≤j[0097] 式中，k为钢坯的数量，m为轧机的数量；Tij为第i个钢坯被第j台轧机处理的开始时间；Ti(j+1)为第i个钢坯被第(j+1)台轧机处理的开始时间；Dij为分组数据集中的切片数据时间与参考切片数据的时间差。[0098] 根据上述记载，在一示例性实施例中，从分组数据集中移除所选取的切片数据的方式包括以下至少之一：物理移除、逻辑移除；其中，所述物理移除包括以下至少之一：删除、覆盖、填充预设数据；所述逻辑移除包括以下至少之一：断开数据间的相互联系、更改数据间的相互联系。[0099] 根据上述记载，在对多个分组数据集进行排序时，排序的方式包括升序或降序；且在完成排序后，还包括：存储所述多个分组数据集；存储的方式包括以下至少之一：计算机随机存储器存储、计算机只读存储器存储。[0100] 作为示例，如图2至图5所示，本方法还提供一种实现轧钢数据关联的具体过程，包括以下步骤：[0101] S101，对轧机进行编号；[0102] S102，获取轧机轧制钢坯时的生产数据；[0103] S103，对获取的生产数据进行切片处理，得到切片数据集；[0104] S104，对切片数据集中的切片数据进行分组，获得分组数据集；[0105] S105，对分组数据集进行数据关联；[0106] S106，对数据关联结果进行评价，并生成关联数据集。[0107] 在步骤S101中，对轧钢机架进行编号的规则为：A＝1……N。其中A为轧机编号，N为不为零的自然整数。本申请实施例中，轧机数量为18个，即N＝18。[0108] 在步骤S103中，对轧机轧制钢坯时的生产数据进行切片处理，具体步骤包括：[0109] 按照轧机设备标识信息和/或数据生成时的时间信息对生产数据进行切片，并按照轧机数量对切片数据进行编号；[0110] 根据编号后的切片数据生成t个切片数据集，其中，t＝A。[0111] 在步骤S104中，切片数据集中数据分组的具体方法为，按照轧机编号对切片数据集中的切片数据进行分组，并按照时间顺序对分组数据集排序，生成A个分组数据集。其中，排序方法包括但不小于：升序、降序。[0112] 在步骤S105中，对分组数据集进行数据关联的过程包括：[0113] S105?1，设置变量i的初始值为1，其中，1≤i≤k，k为钢坯总数；[0114] S105?2，在编号为1的数据集中，选取切片数据中时间最早的切片数据作为第一支钢坯在第一台轧机上的切片数据，并在编号为1的数据集中移除所选取的切片数据；[0115] S105?3，设置变量t的初始值为1；[0116] S105?4，将找到的所述切片数据记为下次查找切片数据的参考切片数据；[0117] S105?5，在编号为(t+1)的数据集中，选取切片数据中时间离参考切片数据中的时间最近的切片数据作为第一支钢坯在第(t+1)个数据集中的切片数据，并在编号为(t+1)的数据集中移除所选取的切片数据；[0118] S105?6，设置变量t的值为(t+1)，若t小于N，则重复步骤S105?4和步骤S105?5，否则进入步骤S105?7；[0119] S105?7，将步骤S105?1至S105?6找到的所有数据，按顺序记录，形成一个数据集，记为第i个钢坯的所有轧机上的切片数据集。[0120] 其中，步骤S105?2和步骤S105?5中移除数据集的方法包括但不限于物理移除和逻辑移除；其中，物理移除的方法包括但不限于：删除、覆盖和特定数据填充；逻辑移除的方法包括但不限于：断开数据间的相互联系、更改数据间的相互联系。[0121] 从数据集中选取与参考切片数据时间最近的切片数据时，还包括计算数据集中的切片数据时间与参考切片数据的时间差，有：[0122] Dij＝|Ti(j+1)?Tij|，1≤i≤k，1≤j[0123] 式中，k为钢坯的数量，m为轧机的数量；Tij为第i个钢坯被第j台轧机处理的开始时间；Ti(j+1)为第i个钢坯被第(j+1)台轧机处理的开始时间；Dij为数据集中的切片数据时间与参考切片数据的时间差。[0124] 在步骤S106中，对数据关联结果进行评价的过程包括：[0125] S106?1，判断切片数据集中的所有切片数据是否完整，如果完整则将对应的切片数据集记为1，不完整则将对应的数据集记为0；[0126] S106?2，判断两个相邻切片数据集中的切片数据开始时间是否为增序，是则将对应的切片数据集记为1，不是则将对应的切片数据集记为0，[0127] S106?3，判断两个相邻切片数据集中切片数据时间时长是否为增序，是则将对应的切片数据集记为1，不是则将对应的切片数据集记为0；其中，判断两个相邻切片数据集中切片数据时间时长是否为增序的过程包括：分别计算Eij?Tij和Ei(j+1)?Ti(j+1)，若Eij?Tij[0128] S106?4，设立数据集有效因子，记录步骤S106?1至步骤S106?3中的判断规则的结果，并对每一条判断规则设置权值；[0129] S106?5，使用有效因子对数据关联结果进行关联数据集价值评估，即获取每个数据集在每条判断规则下的判断结果，并根据每条判断规则的权重值对每个数据集进行价值评估。其中，在对每个数据集进行价值评估时，还包括计算每个数据集的价值评估值，有：[0130][0131] 式中，m为轧机的数量；y为判断规则的数量，1≤y≤3；Qy为第y条判断规则的判断结果；Py为第y条判断规则的权重值；i为第i个轧机所对应的数据集的价值评估值。[0132] 本方法首先采集多台轧机在轧制多个钢坯时生成的轧钢数据，然后对采集的轧钢数据进行切片，再对切片数据来分组，形成多个数据集，并从每个数据集中选择出目标钢坯对应的切片数据，然后关联所选择的这些切片数据，完成对目标钢坯的切片数据的关联。由于本方法是直接通过采集轧机轧制钢坯时生成的轧钢数据，相当于是直接采集轧机数据，而不是利用外部元器件来采集轧钢数据，所以本方法在进行数据关联时，可以对轧机数据进行自动关联，从而使得本方法在保障低成本、轻量化的基础上，还增强了轧钢机架数据关联的准确性、稳定性和有效性。[0133] 如图6所示，一种轧机数据关联系统，其特征在于，包括有：[0134] 采集模块M10，用于获取多台轧机轧制多个钢坯时的轧钢数据；[0135] 切片分组模块M20，用于按照数据生成时间以及数据来源对所述轧钢数据进行切片，并对切片后的数据按照轧机数量进行分组，得到多个分组数据集；以及，按照轧机数量对切片后的数据进行编号，得到多个切片数据集；[0136] 排序编号模块M30，用于将所述轧机与所述分组数据集进行映射，并在映射完成后，根据轧机编号对所述多个分组数据集进行排序和编号；[0137] 数据参考模块M40，用于从首个分组数据集中选取时间最早的切片数据作为目标钢坯在首台轧机上的切片数据，并按照分组数据集的顺序，依次将从上一个分组数据集中选取出的切片数据作为下个分组数据集的参考切片数据；[0138] 数据选取模块M50，用于从下个分组数据集中选取与所述参考切片数据时间最近的切片数据，作为所述目标钢坯在与下一台轧机上的切片数据；且在完成切片数据选取后，从该分组数据集中移除所选取的切片数据；并迭代选取切片数据，直至从最后一个分组数据集中选取出对应的切片数据；[0139] 数据关联模块M60，用于关联从每个分组数据集中选取的切片数据，得到数据关联结果，并作为所述目标钢坯在所有轧机上的轧钢数据。[0140] 本实施例首先采集多台轧机在轧制多个钢坯时生成的轧钢数据，然后对采集的轧钢数据进行切片，再对切片数据来分组，形成多个分组数据集，并从每个分组数据集中选择出目标钢坯对应的切片数据，然后关联所选择的这些切片数据，完成对目标钢坯的切片数据的关联。由于本实施例是直接通过采集轧机轧制钢坯时生成的轧钢数据，相当于是直接采集轧机数据，而不是利用外部元器件来采集轧钢数据，所以本实施例在进行数据关联时，可以对轧机数据进行自动关联，从而使得本实施例在保障低成本、轻量化的基础上，还增强了轧钢机架数据关联的准确性、稳定性和有效性。[0141] 根据上述记载，在一示例性实施例中，本系统还包括价值评估模块，用于对所述数据关联结果进行价值评估；具体地，包括有：[0142] 判断切片数据集中所有切片数据是否完整，并对所有切片数据均完整的切片数据集记为1，存在不完整切片数据的切片数据集记为0；[0143] 判断两个相邻切片数据集中切片数据的开始时间是否为增序，是则记为1，不是则记为0，[0144] 判断两个相邻切片数据集中切片数据时间时长是否为增序，是则记为1，不是则记为0；其中，判断两个相邻切片数据集中切片数据时间时长是否为增序的过程包括：分别计算Eij?Tij和Ei(j+1)?Ti(j+1)，若Eij?Tij[0145] 获取每个切片数据集在每条判断规则下的判断结果，并根据每条判断规则的预设权重值对每个切片数据集进行价值评估。其中，在对每个切片数据集进行价值评估时，还包括计算每个切片数据集的价值评估值，有：[0146][0147] 式中，m为轧机的数量；y为判断规则的数量，1≤y≤3；Qy为第y条判断规则的判断结果；Py为第y条判断规则的权重值；i为第i个轧机所对应的数据集的价值评估值。[0148] 根据上述记载，在一示例性实施例中，从分组数据集中选取与所述参考切片数据时间最近的切片数据时，还包括计算分组数据集中的切片数据时间与参考切片数据的时间差，有：[0149] Dij＝|Ti(j+1)?Tij|，1≤i≤k，1≤j[0150] 式中，k为钢坯的数量，m为轧机的数量；Tij为第i个钢坯被第j台轧机处理的开始时间；Ti(j+1)为第i个钢坯被第(j+1)台轧机处理的开始时间；Dij为分组数据集中的切片数据时间与参考切片数据的时间差。[0151] 根据上述记载，在一示例性实施例中，从分组数据集中移除所选取的切片数据的方式包括以下至少之一：物理移除、逻辑移除；其中，所述物理移除包括以下至少之一：删除、覆盖、填充预设数据；所述逻辑移除包括以下至少之一：断开数据间的相互联系、更改数据间的相互联系。[0152] 根据上述记载，在对多个分组数据集进行排序时，排序的方式包括升序或降序；且在完成排序后，还包括：存储所述多个分组数据集；存储的方式包括以下至少之一：计算机随机存储器存储、计算机只读存储器存储。[0153] 作为示例，如图2至图5所示，本系统还提供一种实现轧钢数据关联的具体过程，包括执行以下步骤：[0154] S101，对轧机进行编号；[0155] S102，获取轧机轧制钢坯时的生产数据；[0156] S103，对获取的生产数据进行切片处理，得到切片数据集；[0157] S104，对切片数据集中的切片数据进行分组，获得分组数据集；[0158] S105，对分组数据集进行数据关联；[0159] S106，对数据关联结果进行评价，并生成关联数据集。[0160] 在步骤S101中，对轧钢机架进行编号的规则为：A＝1……N。其中A为轧机编号，N为不为零的自然整数。本申请实施例中，轧机数量为18个，即N＝18。[0161] 在步骤S103中，对轧机轧制钢坯时的生产数据进行切片处理，具体步骤包括：[0162] 按照轧机设备标识信息和/或数据生成时的时间信息对生产数据进行切片，并按照轧机数量对切片数据进行编号；[0163] 根据编号后的切片数据生成t个切片数据集，其中，t＝A。[0164] 在步骤S104中，切片数据集中数据分组的具体方法为，按照轧机编号对切片数据集中的切片数据进行分组，并按照时间顺序对分组数据集排序，生成A个分组数据集。其中，排序方法包括但不小于：升序、降序。[0165] 在步骤S105中，对分组数据集进行数据关联的过程包括：[0166] S105?1，设置变量i的初始值为1，其中，1≤i≤k，k为钢坯总数；[0167] S105?2，在编号为1的数据集中，选取切片数据中时间最早的切片数据作为第一支钢坯在第一台轧机上的切片数据，并在编号为1的数据集中移除所选取的切片数据；[0168] S105?3，设置变量t的初始值为1；[0169] S105?4，将找到的所述切片数据记为下次查找切片数据的参考切片数据；[0170] S105?5，在编号为(t+1)的数据集中，选取切片数据中时间离参考切片数据中的时间最近的切片数据作为第一支钢坯在第(t+1)个数据集中的切片数据，并在编号为(t+1)的数据集中移除所选取的切片数据；[0171] S105?6，设置变量t的值为(t+1)，若t小于N，则重复步骤S105?4和步骤S105?5，否则进入步骤S105?7；[0172] S105?7，将步骤S105?1至S105?6找到的所有数据，按顺序记录，形成一个数据集，记为第i个钢坯的所有轧机上的切片数据集。[0173] 其中，步骤S105?2和步骤S105?5中移除数据集的方法包括但不限于物理移除和逻辑移除；其中，物理移除的方法包括但不限于：删除、覆盖和特定数据填充；逻辑移除的方法包括但不限于：断开数据间的相互联系、更改数据间的相互联系。[0174] 从数据集中选取与参考切片数据时间最近的切片数据时，还包括计算数据集中的切片数据时间与参考切片数据的时间差，有：[0175] Dij＝|Ti(j+1)?Tij|，1≤i≤k，1≤j[0176] 式中，k为钢坯的数量，m为轧机的数量；Tij为第i个钢坯被第j台轧机处理的开始时间；Ti(j+1)为第i个钢坯被第(j+1)台轧机处理的开始时间；Dij为数据集中的切片数据时间与参考切片数据的时间差。[0177] 在步骤S106中，对数据关联结果进行评价的过程包括：[0178] S106?1，判断切片数据集中的所有切片数据是否完整，如果完整则将对应的切片数据集记为1，不完整则将对应的数据集记为0；[0179] S106?2，判断两个相邻切片数据集中的切片数据开始时间是否为增序，是则将对应的切片数据集记为1，不是则将对应的切片数据集记为0，[0180] S106?3，判断两个相邻切片数据集中切片数据时间时长是否为增序，是则将对应的切片数据集记为1，不是则将对应的切片数据集记为0；其中，判断两个相邻切片数据集中切片数据时间时长是否为增序的过程包括：分别计算Eij?Tij和Ei(j+1)?Ti(j+1)，若Eij?Tij[0181] S106?4，设立数据集有效因子，记录步骤S106?1至步骤S106?3中的判断规则的结果，并对每一条判断规则设置权值；[0182] S106?5，使用有效因子对数据关联结果进行关联数据集价值评估，即获取每个数据集在每条判断规则下的判断结果，并根据每条判断规则的权重值对每个数据集进行价值评估。其中，在对每个数据集进行价值评估时，还包括计算每个数据集的价值评估值，有：[0183][0184] 式中，m为轧机的数量；y为判断规则的数量，1≤y≤3；Qy为第y条判断规则的判断结果；Py为第y条判断规则的权重值；i为第i个轧机所对应的数据集的价值评估值。[0185] 本系统首先采集多台轧机在轧制多个钢坯时生成的轧钢数据，然后对采集的轧钢数据进行切片，再对切片数据来分组，形成多个数据集，并从每个数据集中选择出目标钢坯对应的切片数据，然后关联所选择的这些切片数据，完成对目标钢坯的切片数据的关联。由于本系统是直接通过采集轧机轧制钢坯时生成的轧钢数据，相当于是直接采集轧机数据，而不是利用外部元器件来采集轧钢数据，所以本系统在进行数据关联时，可以对轧机数据进行自动关联，从而使得本系统在保障低成本、轻量化的基础上，还增强了轧钢机架数据关联的准确性、稳定性和有效性。[0186] 上述实施例仅例示性说明本发明的原理及其功效，而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下，对上述实施例进行修饰或改变。因此，举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本发明的权利要求所涵盖。 $(function(){ $('.-description-text-tab .item').tab(); $('.-description-item-english').on('click', function () { $('.ui.tiny.button.green[data-lang="not-en"]').css('display','none'); $('.ui.tiny.button.green[data-lang="en"]').css('display','inline-block'); }); $('.-description-item-src').on('click', function () { $('.ui.tiny.button.green[data-lang="not-en"]').css('display','inline-block'); $('.ui.tiny.button.green[data-lang="en"]').css('display','none'); }); var patentersion = $("#descriptionInfo .description").data("patentersion"); switch(patentersion){ case "us": modifyPageStructure(function (){ var numberTextArray = []; $("heading").siblings("br").remove().end().parent().siblings("br").remove(); $("brfsum").children("br").remove(); $("brfsum > btext").children("br").remove(); $("brfsum > btext > h").children("br").remove(); $("brfsum > btext > h > stext").children("br").remove(); $("brfsum > btext > para").find("br").remove(); $("brfsum > btext > para").append("<br>"); $("drwdesc").children("br").remove(); $("drwdesc > btext").children("br").remove(); $("drwdesc > btext > h").children("br").remove(); $("drwdesc > btext > h > stext").children("br").remove(); $("drwdesc > btext > para").find("br").remove(); $("drwdesc > btext > para").append("<br>"); $("detdesc").children("br").remove(); $("detdesc > btext").children("br").remove(); $("detdesc > btext > h").children("br").remove(); $("detdesc > btext > h > stext").children("br").remove(); $("detdesc > btext > para").find("br").remove(); $("detdesc > btext > para").append("<br>"); if ($("summary-of-invention").length){ $("summary-of-invention").siblings("br").remove(); $("summary-of-invention > br").remove(); } $("paragraph").each(function (i, e){ var $this = $(e); var $number = $this.find("number"); var number = $number.text(); var m = number.match(/(\d+)/); if (m) { $number.text("[" + m[1] + "]"); } }); $("heading").addClass("us-heading") }); break; case "ep": modifyPageStructure(function (){ $(".description p, .description li").siblings("br").remove(); $(".description p > br").remove(); $(".description").show(); $("heading").addClass("ep-heading") }); break; default: modifyPageStructure(); } function modifyPageStructure (fn){ fn && fn(); $(".description").show(); } (function () { var highlightTerms = $('input[name=highlightTerms]').val(); if (highlightTerms != null && highlightTerms != "") { highlightTerms = JSON.parse(highlightTerms); $.map(highlightTerms, function (terms) { highlight("description", terms); }); } function highlight(property, terms) { $("[data-property=" + property + "]").mark(terms, { "element": "span", "className": "search_gl_highlight" }); } })(); $(document).trigger("ajax.ph"); });