[0005] 本说明书一个或多个实施例提供了一种应用于工业互联网的设备状态识别方法及识别终端,用于解决如下技术问题:如何提供一种可以快速对工业互联网中的海量数据进行分析准确识别设备状态的方法。
[0006] 本说明书一个或多个实施例采用下述技术方案:
[0007] 本说明书一个或多个实施例提供一种应用于工业互联网的设备状态识别方法,应用于多个智能设备相互之间通信的识别终端,所述识别终端和所述多个智能设备组成设备状态识别系统,所述方法包括:
[0008] 根据所述识别终端获取所述多个智能设备中的原始状态数据,并按照所述智能设备的状态标识位对所述原始状态数据进行过滤,以获得待处理数据;其中,所述状态标识位用于标识已识别的停机设备与已识别的异常设备;
[0009] 对所述待处理数据进行分组获得多个第一状态数据;其中,所述第一状态数据为所述待处理数据在各预设时间段的智能设备状态数据;
[0010] 对所述第一状态数据进行解析,获得当前预设时间段的参量变化轨迹;
[0011] 将所述当前预设时间段的参量变化轨迹与上一预设时间段的参量变化轨迹进行对比计算,获得所述第一状态数据的参量偏移量;
[0012] 基于所述第一状态数据的参量偏移量,确定所述第一状态数据对应的智能设备的所属状态类别;
[0013] 基于所述第一状态数据的数据格式与所述所属状态类别,确定与所述第一状态数据相对应的第二状态数据;其中所述第二状态数据为与所述第一状态数据相对应的历史状态数据;
[0014] 根据所述第一状态数据与所述第二状态数据,确定所述智能设备在所述当前预设时间段内的状态。
[0015] 可选地,本说明书一个或多个实施例中,所述对所述第一状态数据进行解析,获得当前预设时间段的参量变化轨迹,具体包括:
[0016] 根据所述第一状态数据识别所述智能设备当前运行状态所属空间;
[0017] 基于所述智能设备当前运行状态所属空间与所述第一状态数据,获得参量预测值;
[0018] 基于所述第一状态数据中的重要参量在所述参量预测值中提取对应的参量预测值;并基于所述参量预测值确定相应的预测运行事件清单;
[0019] 确定所述第一状态数据中的重要参量,基于所述重要参量获取与所述重要参量相对应的实际运行事件清单;
[0020] 将所述预测运行事件清单与所述实际运行时间清单进行事件匹配,获得所述参量变化轨迹。
[0021] 可选地,本说明书一个或多个实施例中,所述基于所述第一状态数据中的重要参量在所述参量预测值中提取对应的参量预测值之前,所述方法还包括:
[0022] 将所述第一状态数据以时间序列进行划分,获得基于所述第一状态数据的多个参量序列;
[0023] 基于预设关联规则计算获取所述多个参量序列之间的相关系数,以获得所述多个参量序列的相关向量;并分别将所述多个参量序列组成与所述第一状态数据相对应的参量的关系矩阵,以确定各参量的关联性分布;
[0024] 基于所述参量的关联性分布对所述第一状态数据进行数据拆分,获得多个状态数据子集,根据每个状态数据子集与其他状态数据子集之间的关联系数获得所述第一状态数据中各个状态数据子集的关联性权重;
[0025] 确定所述关联性权重值大于预设阈值的状态数据子集,并将所述状态数据子集中的参量数据作为所述第一状态数据中的重要参量,以便根据所述重要参量对所述参量变化轨迹进行分析。
[0026] 可选地,本说明书一个或多个实施例中,所述根根据所述第一状态数据与所述第二状态数据,确定所述智能设备在所述当前预设时间段内的状态,具体包括:
[0027] 根据所述第一状态数据确定预设时间段内所述智能设备的第一交互数据;其中,所述第一交互数据是所述智能设备基于所述识别终端,发送给另一个智能设备的数据;
[0028] 将产生所述第一状态数据的所述智能设备作为第一智能设备,获取所述第一智能设备在当前预设时间段内的第一交互列表;
[0029] 获取接收所述第一交互数据的第二智能设备中的,第二交互列表与第三状态数据;其中,所述第二交互列表与第三状态数据,与当前预设时间段内的第一交互列表及第一状态数据相对应;
[0030] 根据所述第二状态数据,确定历史时间段内所述第一智能设备的第二交互数据;其中,所述历史时间段与所述当前预设时间段相对应;
[0031] 获取发送所述第二交互数据的第一智能设备,在当前预设时间段内的第三交互列表,并获取接收所述第二交互数据的第二智能设备中第四交互列表与第四状态数据;
[0032] 根据所述第一状态数据确定所述第一智能设备的第一判定值,根据所述第一交互列表确定所述第一智能设备的第二判定值,根据所述第三交互列表确定所述第一智能设备的第三判定值;基于所述第一状态判定值、所述第二状态判定值与所述第三状态判定值,确定所述第一智能设备的第一全局判定值;
[0033] 根据所述第一交互数据与所述第二交互数据,确定所述第一智能设备与所述第二智能设备之间的数据转换信息;
[0034] 根据所述数据转换信息与所述第二交互列表,确定所述第二智能设备的第四状态判定值;根据所述第三状态数据与所述第四状态数据确定所述第二智能设备的第五状态判定值;并根据所述第四状态判定值与所述第五状态判定值确定所述第二智能设备的第二全局判定值;
[0035] 根据所述第一交互数据与所述第二交互数据,确定所述第一智能设备与所述第二智能设备之间的转换缺补数据;
[0036] 根据所述转换缺补数据、所述第一全局判定值与所述第二全局判定值,确定所述第一智能设备与所述第二智能设备在所述当前预设时间段内的状态。
[0037] 可选地,本说明书一个或多个实施例中,所述根据所述第一交互数据与所述第二交互数据,确定所述第一智能设备与所述第二智能设备之间的转换缺补数据,具体包括:
[0038] 基于所述第一交互数据确定所述第一智能设备与所述第二智能设备之间的第一数据转换关系;并基于所述第二交互数据确定所述第一智能设备与所述第二智能设备之间的第二数据转换关系;
[0039] 根据所述第一数据转换关系与所述第二数据转换关系确定所述第一智能设备与所述第二智能设备之间的数据交互逻辑;
[0040] 基于所述数据交互逻辑确定所述第一智能设备中所述第一状态数据的第一标准交互数据;并基于所述数据交互逻辑确定所述第一智能设备中所述第二状态数据的第二标准数据;
[0041] 根据所述第一标准数据确定所述第一交互数据中的第一缺补数据,根据所述第二标准数据确定所述第二交互数据终端的第二缺补数据;
[0042] 过滤所述第一缺补数据与所述第二缺补数据的重合数据,获得所述第一智能设备与所述第二智能设备之间的转换缺补数据。
[0043] 可选地,本说明书一个或多个实施例中,所述根据所述转换缺补数据、所述第一全局判定值与所述第二全局判定值,确定所述第一智能设备与所述第二智能设备在所述当前预设时间段内的状态,具体包括:
[0044] 基于预设相关性算法,确定所述转换缺补数据中各参量的相关性;
[0045] 根据所述相关性确定所述转换缺补数据的权重值;其中,所述相关性越高则所述转换缺补数据的权重值越高;
[0046] 根据所述第一缺补数据中各参量的权重值对所述第一全局判定值进行处理,获得第三全局判断值;
[0047] 根据所述第二缺补数据中各参量的权重值对所述第二全局判定值进行处理,获得第四全局判定值;
[0048] 对所述第三全局判定值与所述第四全局判定值进行均值处理,获得符合要求的全局判定值;
[0049] 将所述第一状态数据与所述第二状态数据输入预先训练的状态区间确定模型,以输出所述第一智能设备的第一状态区间与所述第二智能设备的第二状态区间;
[0050] 基于所述第一状态区间与所述符合要求的全局判断值确定所述第一智能设备的设备状态,并基于所述第二状态区间与所述符合要求的全局判断值确定所述第二智能设备的设备状态。
[0051] 可选地,本说明书一个或多个实施例中,所述根据所述第一状态数据与所述第二状态数据,确定所述智能设备在所述当前预设时间段内的状态之后,若确定所述智能设备在所述预设时间段内处于异常状态,则所述方法还包括:
[0052] 根据每个智能设备的各异常状态,确定所述智能设备中各异常状态所属的异常类别;其中,所述异常类别包括:动态运行异常与静态信息异常;
[0053] 基于预设动态异常检修表获取各个动态运行异常对应的检修信息序列,将所述各个动态运行异常所对应的检修信息序列,构成第一检修信息序列;并基于预设静态异常检修表获取各个静态信息异常对应的检修信息序列,将所述各个静态信息异常对应的检修信息序列,组成第二检修信息序列;
[0054] 过滤所述第一检修信息序列与所述第二检修信息序列中的冗余检修信息,获得融合后的异常检修信息序列;
[0055] 根据所述各异常状态所属异常类别的分布,获得所述智能设备的维修时间序列;
[0056] 通过预设检修逻辑将所述确定所述智能设备在所述预设时间段内的状态的时刻作为所述异常检修信息序列的起始时刻;
[0057] 基于互联网获取与所述异常检修信息序列相对应的检修关联数据集,在所述检修关联数据中根据时序选取当前检修关联数据集;并基于所述起始时刻确定位于所述当前检修关联数据集之前的历史检修关联数据集;
[0058] 获取所述历史检修关联数据集中的检修流程,以根据所述检修流程确定所述当前检修关联数据集的第一检修路径;
[0059] 将所述第一检修路径与所述当前检修关联数据集输入所述预设检修路径模型中,输出所述当前检修关联数据集的当前误差值;并根据所述当前误差值对所述第一检修路径进行调整获得所述当前检修关联数据集的第二检修路径;
[0060] 根据所述智能设备中各异常状态的异常等级,确定所述第二检修路径中各检修节点的权重值,并根据所述权重值为所述第二检修路径中各检修节点分配对应的检修时间,确定所述智能设备的维修策略。
[0061] 可选地,本说明书一个或多个实施例中,所述根据所述当前误差值对所述第一检修路径进行调整获得所述当前检修关联数据集的第二检修路径,具体包括:
[0062] 基于所述第一检修路径获取所述当前维修关联数据集的第一可维修节点;
[0063] 并根据所述当前误差值确定所述当前维修关联数据集的第二可维修节点;
[0064] 获取所述第二可维修节点的第二动态运行异常与第二静态信息异常,若所述第二动态运行异常或第二静态与信息异常超过预设阈值,则将所述第二可维修节点与所述第一可维修节点,构成所述当前维修关联数据集的可维修节点;
[0065] 基于遗传算法对所述可维修节点进行路径规划,获得所述当前维修关联数据集的第二检修路径。
[0066] 可选地,本说明书一个或多个实施例中,所述确定所述智能设备的维修策略之后,所述方法还包括:
[0067] 获取所述第二检修路径中各可维修节点的设备ID,以基于所述设备ID获取所述可维修节点对应的所述智能设备的地理位置;
[0068] 基于所述第二检修路径中所述智能设备的所述地理位置,确定与所述智能设备相对应的维修人员;并基于预先存储的通信表单获取所述对应维修人员的通信方式;
[0069] 基于所述对应的维修人员的通信方式,将所述智能设备的维修策略发送给所述对应的维修人员,以实现对所述智能设备的维修。
[0070] 本说明书一个或多个实施例提供一种应用于工业互联网的设备状态识别终端,包括:
[0071] 处理器,以及
[0072] 与所述处理器连接的内存和网络接口;
[0073] 所述网络接口与识别终端中的非易失性存储器连接;
[0074] 所述处理器在运行时通过所述网络接口从所述非易失性存储器中调取计算机程序,并通过所述内存运行所述计算机程序执行:
[0075] 根据所述识别终端获取所述多个智能设备中的原始状态数据,并按照所述智能设备的状态标识位对所述原始状态数据进行过滤,以获得待处理数据;其中,所述状态标识位用于标识已识别的停机设备与已识别的异常设备;
[0076] 对所述待处理数据进行分组获得多个第一状态数据;其中,所述第一状态数据为所述待处理数据在各预设时间段的智能设备状态数据;
[0077] 对所述第一状态数据进行解析,获得当前预设时间段的参量变化轨迹;
[0078] 将所述当前预设时间段的参量变化轨迹与上一预设时间段的参量变化轨迹进行对比计算,获得所述第一状态数据的参量偏移量;
[0079] 基于所述第一状态数据的参量偏移量,确定所述第一状态数据对应的智能设备的所属状态类别;
[0080] 基于所述第一状态数据的数据格式与所述所属状态类别,确定与所述第一状态数据相对应的第二状态数据;其中所述第二状态数据为与所述第一状态数据相对应的历史状态数据;
[0081] 根据所述第一状态数据与所述第二状态数据,确定所述智能设备在所述当前预设时间段内的状态。
[0082] 本说明书实施例采用的上述至少一个技术方案能够达到以下有益效果:
[0083] 基于智能设备的标识为对多个智能设备中的原始状态数据进行过滤,筛除了已经识别出的停机设备和已识别的异常设备。在筛除已识别的异常设备之后,再进行当前智能设备状态识别,避免了对互联网中智能设备的重复识别检测,提升了识别的速度和精准性。对于智能设备的待处理数据进行分组,从而基于分组数据对当前预设时间段的第一状态数据进行识别,使得识别可以基于时间序列分组进行提高了识别的灵活性,且细化了识别过程提高了精确性。基于当前预设时间的第一状态数据对参量变化轨迹进行对比,确定出智能设备所属的状态类别,从而根据状态类别和第一状态数据的数据格式获取到数据格式一致且状态类别一致的第二状态数据,即历史状态数据进行融合判断,使得智能设备的状态识别过程可以基于相匹配的数据进行可靠识别,提高了识别状态识别的可靠性。