首页 > 专利 > 王跃 > 物联网设备状态检测方法、装置及检测设备专利详情

物联网设备状态检测方法、装置及检测设备   0    0

实质审查 查看PDF
专利申请流程有哪些步骤?
专利申请流程图
申请
申请号:指国家知识产权局受理一件专利申请时给予该专利申请的一个标示号码。唯一性原则。
申请日:提出专利申请之日。
2020-06-11
申请公布
申请公布指发明专利申请经初步审查合格后,自申请日(或优先权日)起18个月期满时的公布或根据申请人的请求提前进行的公布。
申请公布号:专利申请过程中,在尚未取得专利授权之前,国家专利局《专利公报》公开专利时的编号。
申请公布日:申请公开的日期,即在专利公报上予以公开的日期。
2020-10-13
授权
授权指对发明专利申请经实质审查没有发现驳回理由,授予发明专利权;或对实用新型或外观设计专利申请经初步审查没有发现驳回理由,授予实用新型专利权或外观设计专利权。
预估到期
发明专利权的期限为二十年,实用新型专利权期限为十年,外观设计专利权期限为十五年,均自申请日起计算。专利届满后法律终止保护。
2040-06-11
基本信息
有效性 实质审查 专利类型 发明专利
申请号 CN202010531411.9 申请日 2020-06-11
公开/公告号 CN111667015A 公开/公告日 2020-09-15
授权日 预估到期日 2040-06-11
申请年 2020年 公开/公告年 2020年
缴费截止日
分类号 G06K9/62H04L29/08 主分类号 G06K9/62
是否联合申请 独立申请 文献类型号 A
独权数量 1 从权数量 9
权利要求数量 10 非专利引证数量 0
引用专利数量 0 被引证专利数量 1
非专利引证
引用专利 被引证专利
专利权维持 99 专利申请国编码 CN
专利事件 事务标签 公开、实质审查
申请人信息
申请人 第一申请人
专利权人 王跃 当前专利权人 王跃
发明人 王跃、张建伟、罗伟 第一发明人 王跃
地址 陕西省西安市雁塔区长安中路18号集体 邮编 710000
申请人数量 1 发明人数量 3
申请人所在省 陕西省 申请人所在市 陕西省西安市
代理人信息
代理机构
专利代理机构是经省专利管理局审核,国家知识产权局批准设立,可以接受委托人的委托,在委托权限范围内以委托人的名义办理专利申请或其他专利事务的服务机构。
厦门原创专利事务所 代理人
专利代理师是代理他人进行专利申请和办理其他专利事务,取得一定资格的人。
梁英
摘要
本发明公开了一种物联网设备状态检测方法、装置及检测设备。在该方法中,首先确定第一物联网设备的第一运行状态轨迹以及第二物联网设备的第二运行状态轨迹,其次基于第一运行状态轨迹和第二运行状态轨迹生成第一物联网设备和第二物联网设备之间的状态关联列表,然后在检测出第二物联网设备的设备运行记录中存在异常记录时对第一物联网设备的独立节点参数集下的以及关联节点参数集下的状态参数进行迁移,进而根据计算出的独立节点参数集对应的参数指标信息对第一物联网设备的状态进行检测。如此,能够提高对第一物联网设备的状态检测的准确性,避免漏判和误判。
  • 摘要附图
    物联网设备状态检测方法、装置及检测设备
  • 说明书附图:图1
    物联网设备状态检测方法、装置及检测设备
  • 说明书附图:图2
    物联网设备状态检测方法、装置及检测设备
  • 说明书附图:图3
    物联网设备状态检测方法、装置及检测设备
法律状态
序号 法律状态公告日 法律状态 法律状态信息
1 2020-10-13 实质审查的生效 IPC(主分类): G06K 9/62 专利申请号: 202010531411.9 申请日: 2020.06.11
2 2020-09-15 公开
权利要求
权利要求书是申请文件最核心的部分,是申请人向国家申请保护他的发明创造及划定保护范围的文件。
1.一种物联网设备状态检测方法,其特征在于,所述方法包括:
针对通信频率大于设定频率的第一物联网设备和第二物联网设备,生成所述第一物联网设备对应的第一运行状态轨迹以及所述第二物联网设备对应的第二运行状态轨迹;其中,所述第一运行状态轨迹和所述第二运行状态轨迹分别包括多个不同轨迹标识度的状态节点;
确定所述第一物联网设备在所述第一运行状态轨迹的任一状态节点的设备属性标签,将所述第二运行状态轨迹中具有最小轨迹标识度的状态节点确定为第一节点;基于所述第一物联网设备和所述第二物联网设备的经纬度坐标的差值将所述设备属性标签映射至所述第一节点中以在所述第一节点中得到目标属性标签,并根据所述设备属性标签和所述目标属性标签之间的标签匹配系数生成所述第一物联网设备和所述第二物联网设备之间的状态关联列表;
在检测出所述第二物联网设备的设备运行记录中存在异常记录时,获取所述异常记录的异常信息清单以及所述第一物联网设备在所述异常记录对应的时段内的各组状态参数;
在根据所述异常信息清单和所述状态关联列表确定出所述第一物联网设备中包含有独立节点参数集的情况下,根据所述第一物联网设备在所述独立节点参数集下的状态参数及其参数权重确定所述第一物联网设备在关联节点参数集下的各状态参数与所述第一物联网设备在所述独立节点参数集下的各状态参数之间的关联度,并将所述第一物联网设备在所述关联节点参数集下的与在所述独立节点参数集下的状态参数关联的状态参数迁移到所述独立节点参数集下;
确定所述独立节点参数集下的每组状态参数的参数中心度,根据所述参数中心度计算所述独立节点参数集对应的参数指标信息,在所述参数指标信息不满足设定条件时,判定所述第一物联网设备存在状态异常风险。

2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
在所述第一物联网设备对应的所述关联节点参数集下包含有多个状态参数的情况下,根据所述第一物联网设备在所述独立节点参数集下的状态参数及其参数权重确定所述第一物联网设备在所述关联节点参数集下的各状态参数之间的关联度;
根据所述第一物联网设备对应的所述关联节点参数集的所述各状态参数之间的关联度对所述关联节点参数集下的各状态参数进行筛选,得到多组目标状态参数;
根据所述第一物联网设备在所述独立节点参数集下的状态参数及其参数权重为上述筛选获得的每组目标状态参数分配迁移等级,按照所述迁移等级由大到小的顺序选区设定数量的目标状态参数迁移到所述独立节点参数集下。

3.根据权利要求1或2所述的方法,其特征在于,确定所述独立节点参数集下的每组状态参数的参数中心度,包括:
获取每组状态参数的参数标签,并将各个参数标签的标签属性列出,建立每组状态参数的标签相似度分布图;其中,所述标签相似度分布图为分区域的图集,每个区域的图集对应一个区域标识,每个区域标识具有至少一个标签属性,所述标签相似度分布图的每个区域具有由小到大的关联关系;
确定每组状态参数的参数特征信息,并基于所述参数特征信息从每组状态参数的标签相似度分布图中提取出该组状态参数对应的参数特征信息的映射路径,按照所述映射路径查找出所述参数特征信息在所述标签相似度分布图中的特征识别度;
根据所述特征识别度建立所述参数标签与所述每组状态参数的标签相似度分布图之间的可信度查询列表,根据该可信度查询列表生成每组状态参数的特征聚类模型;其中,根据该可信度查询列表生成特征聚类模型,包括:将每个参数标签转换为对应的字符编码;分别生成每串字符编码的至少一个第一编码序列;获取所述参数标签的互不重复的第一编码序列构成第二编码序列;将所述第二编码序列中的各个第一编码序列映射到所述每组状态参数的标签相似度分布图中,组成特征聚类模型;
将每组状态参数的各个参数标签中包含的标签属性与所述特征聚类模型中的各个目标标签属性进行遍历匹配;其中,若一个第一编码序列的所有标签属性均与所述特征聚类模型中对应的目标标签属性匹配,则将该第一编码序列对应的参数标签确定为可信标签;
基于所述可信标签对每组状态参数进行关联参数提取,得到关联参数集合,采用多维特征聚类方法对所述关联参数集合中的关联参数进行聚类得到多个目标聚类,通过所述目标聚类的数量计算每组状态参数的参数中心度。

4.根据权利要求1所述的方法,其特征在于,根据所述参数中心度计算所述独立节点参数集对应的参数指标信息,包括:
按照所述参数中心度由大到小的顺序将所述参数中心度进行排序得到中心度排序序列,并基于所述独立节点参数集对应的参数结构信息从所述中心度排序序列中确定目标参数中心度;确定所述目标参数中心度中的第一序列权重;
判断所述目标参数中心度中的第一序列权重与所述目标参数中心度的前一个参数中心度的第二序列权重之间的差值是否小于设定阈值;
如果是,将确定出的所述目标参数中心度的第一序列权重确定为所述目标参数中心度的第一当前序列权重;否则,将确定出的所述目标参数中心度的第一序列权重与所述前一个参数中心度的第二当前序列权重进行加权求和并将加权求和得到的权重确定为所述目标参数中心度的第一当前序列权重;基于所述第一当前序列权重抽取所述独立节点参数集中的每个状态参数的维度值并根据抽取得到的维度值计算所述独立节点参数集对应的参数指标信息。

5.一种物联网设备状态检测装置,其特征在于,所述装置包括:
轨迹生成模块,用于针对通信频率大于设定频率的第一物联网设备和第二物联网设备,生成所述第一物联网设备对应的第一运行状态轨迹以及所述第二物联网设备对应的第二运行状态轨迹;其中,所述第一运行状态轨迹和所述第二运行状态轨迹分别包括多个不同轨迹标识度的状态节点;
列表确定模块,用于确定所述第一物联网设备在所述第一运行状态轨迹的任一状态节点的设备属性标签,将所述第二运行状态轨迹中具有最小轨迹标识度的状态节点确定为第一节点;基于所述第一物联网设备和所述第二物联网设备的经纬度坐标的差值将所述设备属性标签映射至所述第一节点中以在所述第一节点中得到目标属性标签,并根据所述设备属性标签和所述目标属性标签之间的标签匹配系数生成所述第一物联网设备和所述第二物联网设备之间的状态关联列表;
参数迁移模块,用于在检测出所述第二物联网设备的设备运行记录中存在异常记录时,获取所述异常记录的异常信息清单以及所述第一物联网设备在所述异常记录对应的时段内的各组状态参数;在根据所述异常信息清单和所述状态关联列表确定出所述第一物联网设备中包含有独立节点参数集的情况下,根据所述第一物联网设备在所述独立节点参数集下的状态参数及其参数权重确定所述第一物联网设备在关联节点参数集下的各状态参数与所述第一物联网设备在所述独立节点参数集下的各状态参数之间的关联度,并将所述第一物联网设备在所述关联节点参数集下的与在所述独立节点参数集下的状态参数关联的状态参数迁移到所述独立节点参数集下;
状态检测模块,用于确定所述独立节点参数集下的每组状态参数的参数中心度,根据所述参数中心度计算所述独立节点参数集对应的参数指标信息,在所述参数指标信息不满足设定条件时,判定所述第一物联网设备存在状态异常风险。

6.根据权利要求5所述的装置,其特征在于,所述参数迁移模块,还用于:
在所述第一物联网设备对应的所述关联节点参数集下包含有多个状态参数的情况下,根据所述第一物联网设备在所述独立节点参数集下的状态参数及其参数权重确定所述第一物联网设备在所述关联节点参数集下的各状态参数之间的关联度;
根据所述第一物联网设备对应的所述关联节点参数集的所述各状态参数之间的关联度对所述关联节点参数集下的各状态参数进行筛选,得到多组目标状态参数;
根据所述第一物联网设备在所述独立节点参数集下的状态参数及其参数权重为上述筛选获得的每组目标状态参数分配迁移等级,按照所述迁移等级由大到小的顺序选区设定数量的目标状态参数迁移到所述独立节点参数集下。

7.根据权利要求5或6所述的装置,其特征在于,所述状态检测模块,具体用于:
获取每组状态参数的参数标签,并将各个参数标签的标签属性列出,建立每组状态参数的标签相似度分布图;其中,所述标签相似度分布图为分区域的图集,每个区域的图集对应一个区域标识,每个区域标识具有至少一个标签属性,所述标签相似度分布图的每个区域具有由小到大的关联关系;
确定每组状态参数的参数特征信息,并基于所述参数特征信息从每组状态参数的标签相似度分布图中提取出该组状态参数对应的参数特征信息的映射路径,按照所述映射路径查找出所述参数特征信息在所述标签相似度分布图中的特征识别度;
根据所述特征识别度建立所述参数标签与所述每组状态参数的标签相似度分布图之间的可信度查询列表,根据该可信度查询列表生成每组状态参数的特征聚类模型;其中,根据该可信度查询列表生成特征聚类模型,包括:将每个参数标签转换为对应的字符编码;分别生成每串字符编码的至少一个第一编码序列;获取所述参数标签的互不重复的第一编码序列构成第二编码序列;将所述第二编码序列中的各个第一编码序列映射到所述每组状态参数的标签相似度分布图中,组成特征聚类模型;
将每组状态参数的各个参数标签中包含的标签属性与所述特征聚类模型中的各个目标标签属性进行遍历匹配;其中,若一个第一编码序列的所有标签属性均与所述特征聚类模型中对应的目标标签属性匹配,则将该第一编码序列对应的参数标签确定为可信标签;
基于所述可信标签对每组状态参数进行关联参数提取,得到关联参数集合,采用多维特征聚类方法对所述关联参数集合中的关联参数进行聚类得到多个目标聚类,通过所述目标聚类的数量计算每组状态参数的参数中心度。

8.根据权利要求5所述的装置,其特征在于,所述状态检测模块,具体用于:
按照所述参数中心度由大到小的顺序将所述参数中心度进行排序得到中心度排序序列,并基于所述独立节点参数集对应的参数结构信息从所述中心度排序序列中确定目标参数中心度;确定所述目标参数中心度中的第一序列权重;
判断所述目标参数中心度中的第一序列权重与所述目标参数中心度的前一个参数中心度的第二序列权重之间的差值是否小于设定阈值;
如果是,将确定出的所述目标参数中心度的第一序列权重确定为所述目标参数中心度的第一当前序列权重;否则,将确定出的所述目标参数中心度的第一序列权重与所述前一个参数中心度的第二当前序列权重进行加权求和并将加权求和得到的权重确定为所述目标参数中心度的第一当前序列权重;基于所述第一当前序列权重抽取所述独立节点参数集中的每个状态参数的维度值并根据抽取得到的维度值计算所述独立节点参数集对应的参数指标信息。

9.一种检测设备,其特征在于,所述检测设备包括互相之间通信的处理器和存储器,所述处理器通过从所述存储器中调取计算机程序并执行所述计算机程序以实现上述权利要求1-4任一项的方法。

10.一种计算机可读存储介质,其特征在于,其上存储有计算机程序,该计算机程序在运行时实现上述权利要求1-4任一项的方法。
说明书

技术领域

[0001] 本公开涉及设备检测技术领域,特别涉及物联网设备状态检测方法、装置及检测设备。

背景技术

[0002] 随着科技的发展,物联网设备的应用越来越广泛。以智能家居为例,物联网设备集群形成的智能家居系统能够为用户提供舒适便捷的家居生活。然而,在智能家居系统中,物联网设备的种类通常是繁多复杂的,如果其中一个物联网设备的运行状态出现故障,可能会影响到整个物联网设备的安全稳定运行。为此,需要对物联网设备的运行状态进行实时检测以确定出物联网设备是否处于故障状态。但是现有技术在对物联网设备进行状态检测时的准确性较差,常常出现漏判和误判。

发明内容

[0003] 为改善相关技术中存在的上述技术问题,本公开提供了一种物联网设备状态检测方法、装置及检测设备。
[0004] 一种物联网设备状态检测方法,所述方法包括:
[0005] 针对通信频率大于设定频率的第一物联网设备和第二物联网设备,生成所述第一物联网设备对应的第一运行状态轨迹以及所述第二物联网设备对应的第二运行状态轨迹;其中,所述第一运行状态轨迹和所述第二运行状态轨迹分别包括多个不同轨迹标识度的状态节点;
[0006] 确定所述第一物联网设备在所述第一运行状态轨迹的任一状态节点的设备属性标签,将所述第二运行状态轨迹中具有最小轨迹标识度的状态节点确定为第一节点;基于所述第一物联网设备和所述第二物联网设备的经纬度坐标的差值将所述设备属性标签映射至所述第一节点中以在所述第一节点中得到目标属性标签,并根据所述设备属性标签和所述目标属性标签之间的标签匹配系数生成所述第一物联网设备和所述第二物联网设备之间的状态关联列表;
[0007] 在检测出所述第二物联网设备的设备运行记录中存在异常记录时,获取所述异常记录的异常信息清单以及所述第一物联网设备在所述异常记录对应的时段内的各组状态参数;在根据所述异常信息清单和所述状态关联列表确定出所述第一物联网设备中包含有独立节点参数集的情况下,根据所述第一物联网设备在所述独立节点参数集下的状态参数及其参数权重确定所述第一物联网设备在关联节点参数集下的各状态参数与所述第一物联网设备在所述独立节点参数集下的各状态参数之间的关联度,并将所述第一物联网设备在所述关联节点参数集下的与在所述独立节点参数集下的状态参数关联的状态参数迁移到所述独立节点参数集下;
[0008] 确定所述独立节点参数集下的每组状态参数的参数中心度,根据所述参数中心度计算所述独立节点参数集对应的参数指标信息,在所述参数指标信息不满足设定条件时,判定所述第一物联网设备存在状态异常风险。
[0009] 可选地,所述方法还包括:
[0010] 在所述第一物联网设备对应的所述关联节点参数集下包含有多个状态参数的情况下,根据所述第一物联网设备在所述独立节点参数集下的状态参数及其参数权重确定所述第一物联网设备在所述关联节点参数集下的各状态参数之间的关联度;
[0011] 根据所述第一物联网设备对应的所述关联节点参数集的所述各状态参数之间的关联度对所述关联节点参数集下的各状态参数进行筛选,得到多组目标状态参数;
[0012] 根据所述第一物联网设备在所述独立节点参数集下的状态参数及其参数权重为上述筛选获得的每组目标状态参数分配迁移等级,按照所述迁移等级由大到小的顺序选区设定数量的目标状态参数迁移到所述独立节点参数集下。
[0013] 可选地,确定所述独立节点参数集下的每组状态参数的参数中心度,包括:
[0014] 获取每组状态参数的参数标签,并将各个参数标签的标签属性列出,建立每组状态参数的标签相似度分布图;其中,所述标签相似度分布图为分区域的图集,每个区域的图集对应一个区域标识,每个区域标识具有至少一个标签属性,所述标签相似度分布图的每个区域具有由小到大的关联关系;
[0015] 确定每组状态参数的参数特征信息,并基于所述参数特征信息从每组状态参数的标签相似度分布图中提取出该组状态参数对应的参数特征信息的映射路径,按照所述映射路径查找出所述参数特征信息在所述标签相似度分布图中的特征识别度;
[0016] 根据所述特征识别度建立所述参数标签与所述每组状态参数的标签相似度分布图之间的可信度查询列表,根据该可信度查询列表生成每组状态参数的特征聚类模型;其中,根据该可信度查询列表生成特征聚类模型,包括:将每个参数标签转换为对应的字符编码;分别生成每串字符编码的至少一个第一编码序列;获取所述参数标签的互不重复的第一编码序列构成第二编码序列;将所述第二编码序列中的各个第一编码序列映射到所述每组状态参数的标签相似度分布图中,组成特征聚类模型;
[0017] 将每组状态参数的各个参数标签中包含的标签属性与所述特征聚类模型中的各个目标标签属性进行遍历匹配;其中,若一个第一编码序列的所有标签属性均与所述特征聚类模型中对应的目标标签属性匹配,则将该第一编码序列对应的参数标签确定为可信标签;
[0018] 基于所述可信标签对每组状态参数进行关联参数提取,得到关联参数集合,采用多维特征聚类方法对所述关联参数集合中的关联参数进行聚类得到多个目标聚类,通过所述目标聚类的数量计算每组状态参数的参数中心度。
[0019] 可选地,根据所述参数中心度计算所述独立节点参数集对应的参数指标信息,包括:
[0020] 按照所述参数中心度由大到小的顺序将所述参数中心度进行排序得到中心度排序序列,并基于所述独立节点参数集对应的参数结构信息从所述中心度排序序列中确定目标参数中心度;确定所述目标参数中心度中的第一序列权重;
[0021] 判断所述目标参数中心度中的第一序列权重与所述目标参数中心度的前一个参数中心度的第二序列权重之间的差值是否小于设定阈值;
[0022] 如果是,将确定出的所述目标参数中心度的第一序列权重确定为所述目标参数中心度的第一当前序列权重;否则,将确定出的所述目标参数中心度的第一序列权重与所述前一个参数中心度的第二当前序列权重进行加权求和并将加权求和得到的权重确定为所述目标参数中心度的第一当前序列权重;基于所述第一当前序列权重抽取所述独立节点参数集中的每个状态参数的维度值并根据抽取得到的维度值计算所述独立节点参数集对应的参数指标信息。
[0023] 一种物联网设备状态检测装置,所述装置包括:
[0024] 轨迹生成模块,用于针对通信频率大于设定频率的第一物联网设备和第二物联网设备,生成所述第一物联网设备对应的第一运行状态轨迹以及所述第二物联网设备对应的第二运行状态轨迹;其中,所述第一运行状态轨迹和所述第二运行状态轨迹分别包括多个不同轨迹标识度的状态节点;
[0025] 列表确定模块,用于确定所述第一物联网设备在所述第一运行状态轨迹的任一状态节点的设备属性标签,将所述第二运行状态轨迹中具有最小轨迹标识度的状态节点确定为第一节点;基于所述第一物联网设备和所述第二物联网设备的经纬度坐标的差值将所述设备属性标签映射至所述第一节点中以在所述第一节点中得到目标属性标签,并根据所述设备属性标签和所述目标属性标签之间的标签匹配系数生成所述第一物联网设备和所述第二物联网设备之间的状态关联列表;
[0026] 参数迁移模块,用于在检测出所述第二物联网设备的设备运行记录中存在异常记录时,获取所述异常记录的异常信息清单以及所述第一物联网设备在所述异常记录对应的时段内的各组状态参数;在根据所述异常信息清单和所述状态关联列表确定出所述第一物联网设备中包含有独立节点参数集的情况下,根据所述第一物联网设备在所述独立节点参数集下的状态参数及其参数权重确定所述第一物联网设备在关联节点参数集下的各状态参数与所述第一物联网设备在所述独立节点参数集下的各状态参数之间的关联度,并将所述第一物联网设备在所述关联节点参数集下的与在所述独立节点参数集下的状态参数关联的状态参数迁移到所述独立节点参数集下;
[0027] 状态检测模块,用于确定所述独立节点参数集下的每组状态参数的参数中心度,根据所述参数中心度计算所述独立节点参数集对应的参数指标信息,在所述参数指标信息不满足设定条件时,判定所述第一物联网设备存在状态异常风险。
[0028] 可选地,所述参数迁移模块,还用于:
[0029] 在所述第一物联网设备对应的所述关联节点参数集下包含有多个状态参数的情况下,根据所述第一物联网设备在所述独立节点参数集下的状态参数及其参数权重确定所述第一物联网设备在所述关联节点参数集下的各状态参数之间的关联度;
[0030] 根据所述第一物联网设备对应的所述关联节点参数集的所述各状态参数之间的关联度对所述关联节点参数集下的各状态参数进行筛选,得到多组目标状态参数;
[0031] 根据所述第一物联网设备在所述独立节点参数集下的状态参数及其参数权重为上述筛选获得的每组目标状态参数分配迁移等级,按照所述迁移等级由大到小的顺序选区设定数量的目标状态参数迁移到所述独立节点参数集下。
[0032] 可选地,所述状态检测模块,具体用于:
[0033] 获取每组状态参数的参数标签,并将各个参数标签的标签属性列出,建立每组状态参数的标签相似度分布图;其中,所述标签相似度分布图为分区域的图集,每个区域的图集对应一个区域标识,每个区域标识具有至少一个标签属性,所述标签相似度分布图的每个区域具有由小到大的关联关系;
[0034] 确定每组状态参数的参数特征信息,并基于所述参数特征信息从每组状态参数的标签相似度分布图中提取出该组状态参数对应的参数特征信息的映射路径,按照所述映射路径查找出所述参数特征信息在所述标签相似度分布图中的特征识别度;
[0035] 根据所述特征识别度建立所述参数标签与所述每组状态参数的标签相似度分布图之间的可信度查询列表,根据该可信度查询列表生成每组状态参数的特征聚类模型;其中,根据该可信度查询列表生成特征聚类模型,包括:将每个参数标签转换为对应的字符编码;分别生成每串字符编码的至少一个第一编码序列;获取所述参数标签的互不重复的第一编码序列构成第二编码序列;将所述第二编码序列中的各个第一编码序列映射到所述每组状态参数的标签相似度分布图中,组成特征聚类模型;
[0036] 将每组状态参数的各个参数标签中包含的标签属性与所述特征聚类模型中的各个目标标签属性进行遍历匹配;其中,若一个第一编码序列的所有标签属性均与所述特征聚类模型中对应的目标标签属性匹配,则将该第一编码序列对应的参数标签确定为可信标签;
[0037] 基于所述可信标签对每组状态参数进行关联参数提取,得到关联参数集合,采用多维特征聚类方法对所述关联参数集合中的关联参数进行聚类得到多个目标聚类,通过所述目标聚类的数量计算每组状态参数的参数中心度。
[0038] 可选地,所述状态检测模块,具体用于:
[0039] 按照所述参数中心度由大到小的顺序将所述参数中心度进行排序得到中心度排序序列,并基于所述独立节点参数集对应的参数结构信息从所述中心度排序序列中确定目标参数中心度;确定所述目标参数中心度中的第一序列权重;
[0040] 判断所述目标参数中心度中的第一序列权重与所述目标参数中心度的前一个参数中心度的第二序列权重之间的差值是否小于设定阈值;
[0041] 如果是,将确定出的所述目标参数中心度的第一序列权重确定为所述目标参数中心度的第一当前序列权重;否则,将确定出的所述目标参数中心度的第一序列权重与所述前一个参数中心度的第二当前序列权重进行加权求和并将加权求和得到的权重确定为所述目标参数中心度的第一当前序列权重;基于所述第一当前序列权重抽取所述独立节点参数集中的每个状态参数的维度值并根据抽取得到的维度值计算所述独立节点参数集对应的参数指标信息。
[0042] 一种检测设备,所述检测设备包括互相之间通信的处理器和存储器,所述处理器通过从所述存储器中调取计算机程序并执行所述计算机程序以实现上述的方法。
[0043] 一种计算机可读存储介质,其上存储有计算机程序,该计算机程序在运行时实现上述的方法。
[0044] 本公开的实施例提供的技术方案可以包括以下有益效果。
[0045] 首先确定第一物联网设备的第一运行状态轨迹以及第二物联网设备的第二运行状态轨迹,其次基于第一运行状态轨迹和第二运行状态轨迹生成第一物联网设备和第二物联网设备之间的状态关联列表,然后在检测出第二物联网设备的设备运行记录中存在异常记录时对第一物联网设备的独立节点参数集下的以及关联节点参数集下的状态参数进行迁移,进而根据计算出的独立节点参数集对应的参数指标信息对第一物联网设备的状态进行检测。如此,能够提高对第一物联网设备的状态检测的准确性,避免漏判和误判。
[0046] 应当理解的是,以上的一般描述和后文的细节描述仅是示例性的,并不能限制本公开。

实施方案

[0051] 这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
[0052] 图1是根据本公开所涉及的物联网设备状态检测系统100的通信架构示意图,所述物联网设备状态检测系统100包括检测设备200和多个物联网设备300。其中,检测设备200和物联网设备300互相之间通信。在本实施例中,检测设备200可以是云端控制中心,物联网设备300可以是智能家居。
[0053] 请结合参阅图2,提供了一种物联网设备状态检测方法的流程示意图,所述方法可以应用于图1中的检测设备200,具体可以包括以下步骤所描述的内容。
[0054] 步骤S21,针对通信频率大于设定频率的第一物联网设备和第二物联网设备,生成所述第一物联网设备对应的第一运行状态轨迹以及所述第二物联网设备对应的第二运行状态轨迹;其中,所述第一运行状态轨迹和所述第二运行状态轨迹分别包括多个不同轨迹标识度的状态节点。
[0055] 步骤S22,确定所述第一物联网设备在所述第一运行状态轨迹的任一状态节点的设备属性标签,将所述第二运行状态轨迹中具有最小轨迹标识度的状态节点确定为第一节点;基于所述第一物联网设备和所述第二物联网设备的经纬度坐标的差值将所述设备属性标签映射至所述第一节点中以在所述第一节点中得到目标属性标签,并根据所述设备属性标签和所述目标属性标签之间的标签匹配系数生成所述第一物联网设备和所述第二物联网设备之间的状态关联列表。
[0056] 步骤S23,在检测出所述第二物联网设备的设备运行记录中存在异常记录时,获取所述异常记录的异常信息清单以及所述第一物联网设备在所述异常记录对应的时段内的各组状态参数;在根据所述异常信息清单和所述状态关联列表确定出所述第一物联网设备中包含有独立节点参数集的情况下,根据所述第一物联网设备在所述独立节点参数集下的状态参数及其参数权重确定所述第一物联网设备在关联节点参数集下的各状态参数与所述第一物联网设备在所述独立节点参数集下的各状态参数之间的关联度,并将所述第一物联网设备在所述关联节点参数集下的与在所述独立节点参数集下的状态参数关联的状态参数迁移到所述独立节点参数集下。
[0057] 步骤S24,确定所述独立节点参数集下的每组状态参数的参数中心度,根据所述参数中心度计算所述独立节点参数集对应的参数指标信息,在所述参数指标信息不满足设定条件时,判定所述第一物联网设备存在状态异常风险。
[0058] 可以理解,通过上述步骤S21-步骤S24所描述的内容,首先确定第一物联网设备的第一运行状态轨迹以及第二物联网设备的第二运行状态轨迹,其次基于第一运行状态轨迹和第二运行状态轨迹生成第一物联网设备和第二物联网设备之间的状态关联列表,然后在检测出第二物联网设备的设备运行记录中存在异常记录时对第一物联网设备的独立节点参数集下的以及关联节点参数集下的状态参数进行迁移,进而根据计算出的独立节点参数集对应的参数指标信息对第一物联网设备的状态进行检测。如此,能够提高对第一物联网设备的状态检测的准确性,避免漏判和误判。
[0059] 在一个可能的实施方式中,为了确保对状态参数进行迁移的准确性,在步骤S23的基础上,所述方法还可以包括以下子步骤所描述的内容:
[0060] 在所述第一物联网设备对应的所述关联节点参数集下包含有多个状态参数的情况下,根据所述第一物联网设备在所述独立节点参数集下的状态参数及其参数权重确定所述第一物联网设备在所述关联节点参数集下的各状态参数之间的关联度;
[0061] 根据所述第一物联网设备对应的所述关联节点参数集的所述各状态参数之间的关联度对所述关联节点参数集下的各状态参数进行筛选,得到多组目标状态参数;
[0062] 根据所述第一物联网设备在所述独立节点参数集下的状态参数及其参数权重为上述筛选获得的每组目标状态参数分配迁移等级,按照所述迁移等级由大到小的顺序选区设定数量的目标状态参数迁移到所述独立节点参数集下。
[0063] 在具体实施时,通过上述子步骤所描述的内容,能够确保对状态参数进行迁移的准确性。
[0064] 在实际应用中发明人发现,在确定参数中心度的时候往往容易对状态参数的参数特征进行忽略,这样确定出的参数中心度的可信度较低,从而难以确保物联网设备状态检测的准确性。为改善上述问题,在步骤S24中,确定所述独立节点参数集下的每组状态参数的参数中心度,具体可以包括以下步骤S241-步骤S245所描述的内容。
[0065] 步骤S241,获取每组状态参数的参数标签,并将各个参数标签的标签属性列出,建立每组状态参数的标签相似度分布图;其中,所述标签相似度分布图为分区域的图集,每个区域的图集对应一个区域标识,每个区域标识具有至少一个标签属性,所述标签相似度分布图的每个区域具有由小到大的关联关系。
[0066] 步骤S242,确定每组状态参数的参数特征信息,并基于所述参数特征信息从每组状态参数的标签相似度分布图中提取出该组状态参数对应的参数特征信息的映射路径,按照所述映射路径查找出所述参数特征信息在所述标签相似度分布图中的特征识别度。
[0067] 步骤S243,根据所述特征识别度建立所述参数标签与所述每组状态参数的标签相似度分布图之间的可信度查询列表,根据该可信度查询列表生成每组状态参数的特征聚类模型;其中,根据该可信度查询列表生成特征聚类模型,包括:将每个参数标签转换为对应的字符编码;分别生成每串字符编码的至少一个第一编码序列;获取所述参数标签的互不重复的第一编码序列构成第二编码序列;将所述第二编码序列中的各个第一编码序列映射到所述每组状态参数的标签相似度分布图中,组成特征聚类模型。
[0068] 步骤S244,将每组状态参数的各个参数标签中包含的标签属性与所述特征聚类模型中的各个目标标签属性进行遍历匹配;其中,若一个第一编码序列的所有标签属性均与所述特征聚类模型中对应的目标标签属性匹配,则将该第一编码序列对应的参数标签确定为可信标签。
[0069] 步骤S245,基于所述可信标签对每组状态参数进行关联参数提取,得到关联参数集合,采用多维特征聚类方法对所述关联参数集合中的关联参数进行聚类得到多个目标聚类,通过所述目标聚类的数量计算每组状态参数的参数中心度。
[0070] 在具体实施时,通过执行上述步骤S241-步骤S245,能够对状态参数的参数特征分析,从而基于多维特征聚类方法确定状态参数对应的关联参数集合的聚类数量,这样能够确保确定出的参数中心度的可信度,从而保证物联网设备状态检测的准确性。
[0071] 在一个可能的实施方式中,为了确保参数指标信息的完整性,在步骤S24,根据所述参数中心度计算所述独立节点参数集对应的参数指标信息,具体可以包括以下步骤a-步骤d所描述的内容。
[0072] 步骤a,按照所述参数中心度由大到小的顺序将所述参数中心度进行排序得到中心度排序序列,并基于所述独立节点参数集对应的参数结构信息从所述中心度排序序列中确定目标参数中心度;确定所述目标参数中心度中的第一序列权重。
[0073] 步骤b,判断所述目标参数中心度中的第一序列权重与所述目标参数中心度的前一个参数中心度的第二序列权重之间的差值是否小于设定阈值。
[0074] 步骤c,如果是,将确定出的所述目标参数中心度的第一序列权重确定为所述目标参数中心度的第一当前序列权重;否则,将确定出的所述目标参数中心度的第一序列权重与所述前一个参数中心度的第二当前序列权重进行加权求和并将加权求和得到的权重确定为所述目标参数中心度的第一当前序列权重;基于所述第一当前序列权重抽取所述独立节点参数集中的每个状态参数的维度值并根据抽取得到的维度值计算所述独立节点参数集对应的参数指标信息。
[0075] 可以理解,基于上述步骤a-步骤c,能够完整地确定出参数指标信息。
[0076] 在上述基础上,可以通过以下步骤确定参数指标信息是否满足设定条件:根据所述独立节点参数集中的状态参数的数量确定所述参数指标信息的转换因子,通过所述转换因子对所述参数指标信息进行转换得到所述参数指标信息对应的风险系数,在所述风险系数大于设定系数时,判定所述参数指标信息不满足所述设定条件时。
[0077] 在上述基础上,请结合参阅图3,提供了一种物联网设备状态检测装置400,包括以下功能模块:
[0078] 轨迹生成模块410,用于针对通信频率大于设定频率的第一物联网设备和第二物联网设备,生成所述第一物联网设备对应的第一运行状态轨迹以及所述第二物联网设备对应的第二运行状态轨迹;其中,所述第一运行状态轨迹和所述第二运行状态轨迹分别包括多个不同轨迹标识度的状态节点;
[0079] 列表确定模块420,用于确定所述第一物联网设备在所述第一运行状态轨迹的任一状态节点的设备属性标签,将所述第二运行状态轨迹中具有最小轨迹标识度的状态节点确定为第一节点;基于所述第一物联网设备和所述第二物联网设备的经纬度坐标的差值将所述设备属性标签映射至所述第一节点中以在所述第一节点中得到目标属性标签,并根据所述设备属性标签和所述目标属性标签之间的标签匹配系数生成所述第一物联网设备和所述第二物联网设备之间的状态关联列表;
[0080] 参数迁移模块430,用于在检测出所述第二物联网设备的设备运行记录中存在异常记录时,获取所述异常记录的异常信息清单以及所述第一物联网设备在所述异常记录对应的时段内的各组状态参数;在根据所述异常信息清单和所述状态关联列表确定出所述第一物联网设备中包含有独立节点参数集的情况下,根据所述第一物联网设备在所述独立节点参数集下的状态参数及其参数权重确定所述第一物联网设备在关联节点参数集下的各状态参数与所述第一物联网设备在所述独立节点参数集下的各状态参数之间的关联度,并将所述第一物联网设备在所述关联节点参数集下的与在所述独立节点参数集下的状态参数关联的状态参数迁移到所述独立节点参数集下;
[0081] 状态检测模块440,用于确定所述独立节点参数集下的每组状态参数的参数中心度,根据所述参数中心度计算所述独立节点参数集对应的参数指标信息,在所述参数指标信息不满足设定条件时,判定所述第一物联网设备存在状态异常风险。
[0082] 可选地,所述参数迁移模块430,还用于:
[0083] 在所述第一物联网设备对应的所述关联节点参数集下包含有多个状态参数的情况下,根据所述第一物联网设备在所述独立节点参数集下的状态参数及其参数权重确定所述第一物联网设备在所述关联节点参数集下的各状态参数之间的关联度;
[0084] 根据所述第一物联网设备对应的所述关联节点参数集的所述各状态参数之间的关联度对所述关联节点参数集下的各状态参数进行筛选,得到多组目标状态参数;
[0085] 根据所述第一物联网设备在所述独立节点参数集下的状态参数及其参数权重为上述筛选获得的每组目标状态参数分配迁移等级,按照所述迁移等级由大到小的顺序选区设定数量的目标状态参数迁移到所述独立节点参数集下。
[0086] 可选地,所述状态检测模块440,具体用于:
[0087] 获取每组状态参数的参数标签,并将各个参数标签的标签属性列出,建立每组状态参数的标签相似度分布图;其中,所述标签相似度分布图为分区域的图集,每个区域的图集对应一个区域标识,每个区域标识具有至少一个标签属性,所述标签相似度分布图的每个区域具有由小到大的关联关系;
[0088] 确定每组状态参数的参数特征信息,并基于所述参数特征信息从每组状态参数的标签相似度分布图中提取出该组状态参数对应的参数特征信息的映射路径,按照所述映射路径查找出所述参数特征信息在所述标签相似度分布图中的特征识别度;
[0089] 根据所述特征识别度建立所述参数标签与所述每组状态参数的标签相似度分布图之间的可信度查询列表,根据该可信度查询列表生成每组状态参数的特征聚类模型;其中,根据该可信度查询列表生成特征聚类模型,包括:将每个参数标签转换为对应的字符编码;分别生成每串字符编码的至少一个第一编码序列;获取所述参数标签的互不重复的第一编码序列构成第二编码序列;将所述第二编码序列中的各个第一编码序列映射到所述每组状态参数的标签相似度分布图中,组成特征聚类模型;
[0090] 将每组状态参数的各个参数标签中包含的标签属性与所述特征聚类模型中的各个目标标签属性进行遍历匹配;其中,若一个第一编码序列的所有标签属性均与所述特征聚类模型中对应的目标标签属性匹配,则将该第一编码序列对应的参数标签确定为可信标签;
[0091] 基于所述可信标签对每组状态参数进行关联参数提取,得到关联参数集合,采用多维特征聚类方法对所述关联参数集合中的关联参数进行聚类得到多个目标聚类,通过所述目标聚类的数量计算每组状态参数的参数中心度。
[0092] 可选地,所述状态检测模块440,具体用于:
[0093] 按照所述参数中心度由大到小的顺序将所述参数中心度进行排序得到中心度排序序列,并基于所述独立节点参数集对应的参数结构信息从所述中心度排序序列中确定目标参数中心度;确定所述目标参数中心度中的第一序列权重;
[0094] 判断所述目标参数中心度中的第一序列权重与所述目标参数中心度的前一个参数中心度的第二序列权重之间的差值是否小于设定阈值;
[0095] 如果是,将确定出的所述目标参数中心度的第一序列权重确定为所述目标参数中心度的第一当前序列权重;否则,将确定出的所述目标参数中心度的第一序列权重与所述前一个参数中心度的第二当前序列权重进行加权求和并将加权求和得到的权重确定为所述目标参数中心度的第一当前序列权重;基于所述第一当前序列权重抽取所述独立节点参数集中的每个状态参数的维度值并根据抽取得到的维度值计算所述独立节点参数集对应的参数指标信息。
[0096] 关于上述功能模块的描述请参阅对图2所示的方法的描述,在此不作更多说明。
[0097] 在上述基础上,还提供了一种检测设备,该检测设备包括互相之间通信的处理器和存储器,所述处理器通过从所述存储器中调取计算机程序并执行所述计算机程序以实现上述的方法。
[0098] 进一步地,还提供了一种计算机可读存储介质,其上存储有计算机程序,该计算机程序在运行时实现上述的方法。
[0099] 综上,在应用本申请提供的上述技术方案时,首先确定第一物联网设备的第一运行状态轨迹以及第二物联网设备的第二运行状态轨迹,其次基于第一运行状态轨迹和第二运行状态轨迹生成第一物联网设备和第二物联网设备之间的状态关联列表,然后在检测出第二物联网设备的设备运行记录中存在异常记录时对第一物联网设备的独立节点参数集下的以及关联节点参数集下的状态参数进行迁移,进而根据计算出的独立节点参数集对应的参数指标信息对第一物联网设备的状态进行检测。如此,能够提高对第一物联网设备的状态检测的准确性,避免漏判和误判。
[0100] 应当理解的是,本发明并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围执行各种修改和改变。本发明的范围仅由所附的权利要求来限制。

附图说明

[0047] 此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本发明的实施例,并于说明书一起用于解释本发明的原理。
[0048] 图1是本实施例提供的物联网设备状态检测系统的通信架构示意图。
[0049] 图2是本实施例提供的物联网设备状态检测方法的流程示意图。
[0050] 图3是本实施例提供的物联网设备状态检测装置的功能模块框图。
版权所有:盲专网 ©2023 zlpt.xyz  蜀ICP备2023003576号