CN112231182A

CN112231182A - 物联设备工况数据分析方法、装置和计算机设备

Info

Publication number: CN112231182A
Application number: CN202011468558.4A
Authority: CN
Inventors: 苏博; 魏自力; 何浩智; 卢帆
Original assignee: Changsha Rootcloud Technology Co ltd
Current assignee: Changsha Rootcloud Technology Co ltd
Priority date: 2020-12-15
Filing date: 2020-12-15
Publication date: 2021-01-15

Abstract

本发明提供一种物联设备工况数据分析方法、装置和计算机设备，该物联设备工况数据分析方法包括：接收原始工况数据，对原始工况数据进行预设频率的重采样处理后，生成工况数据；利用预设算法将预设时间段内的工况数据拆分为段内数据的变化趋势相同的至少一个工况数据段；利用预设物理模型对至少一个工况数据段进行运算分析，获得分析结果，预设物理模型包括目标设备运行时的运算规则；在离线状态下，将生成的预设频率的工况数据写入缓存；定时执行利用预设算法将预设时间段内的工况数据拆分为变化趋势相同的至少一个工况数据段的步骤以及后续步骤。本发明可以提高对目标设备工作状态定位的准确度，以及提高目标设备工作状态分析的精确度。

Description

物联设备工况数据分析方法、装置和计算机设备

技术领域

本发明涉及数据检测领域，具体而言，涉及一种物联设备工况数据分析方法、装置、计算机设备和可读存储介质。

背景技术

现有的物联网设备监控中，在获取工况数据进行工作状态的分析时，一般是对工况数据设置一个预设值，通过与预设值进行对比来确定设备的工作状态，这种方式对于设备工作状态的定位准确度较低。

发明内容

鉴于上述问题，本发明提供了一种物联设备工况数据分析方法、装置、计算机设备和可读存储介质，以提高对目标设备工作状态定位的准确度，以及提高目标设备工作状态分析的精确度。

为了实现上述目的，本发明采用如下的技术方案：

一种物联设备工况数据分析方法，包括：

接收原始工况数据，对所述原始工况数据进行预设频率的重采样处理后，生成工况数据；

利用预设算法将预设时间段内的所述工况数据拆分为变化趋势相同的至少一个工况数据段；

利用预设物理模型对所述至少一个工况数据段进行运算分析，获得分析结果，所述预设物理模型包括目标设备运行时的运算规则；

在离线状态下，将生成的预设频率的所述工况数据写入缓存；

定时执行所述利用预设算法将预设时间段内的所述工况数据拆分为变化趋势相同的至少一个工况数据段的步骤以及所述利用预设物理模型对所述至少一个工况数据段进行运算分析，获得分析结果的步骤。

优选地，所述的物联设备工况数据分析方法中，所述利用预设算法将预设时间段内的所述工况数据拆分为变化趋势相同的至少一个工况数据段包括：

读取预设时间段内的所述工况数据，将每个数据点设定为初始数据集；

利用所述预设算法计算相邻两个数据集之间的相关性参数；

确定所有相关性参数中的最大相关性参数，确定所述最大相关性参数是否大于预设数值；

若大于所述预设数值，则将具有所述最大相关性参数的相邻两个数据集合并为一个数据集，返回执行利用所述预设算法计算相邻两个数据集之间的相关性参数的步骤及后续步骤；

若不大于所述预设数值，则将各个数据集作为所述工况数据段。

优选地，所述的物联设备工况数据分析方法中，所述预设算法包括线性回归算法、协方差算法、协方差矩阵算法、一元回归算法或多元回归算法。

优选地，所述的物联设备工况数据分析方法中，还包括：

将所述分析结果写入分析数据库，并建立相应的检索条件。

优选地，所述的物联设备工况数据分析方法中，还包括：

在根据所述分析结果确定相应设备状态异常时，将所述分析结果以及相应的设备异常信息发送至用户终端。

本发明还提供一种物联设备工况数据分析装置，包括：

工况数据采样模块，用于接收原始工况数据，对所述原始工况数据进行预设频率的重采样处理后，生成工况数据；

工况数据分段模块，用于利用预设算法将预设时间段内的所述工况数据拆分为段内数据的变化趋势相同的至少一个工况数据段；

工况数据分析模块，用于利用预设物理模型对所述至少一个工况数据段进行运算分析，获得分析结果。

优选地，所述的物联设备工况数据分析装置中，所述工况数据分段模块包括：

工况数据读取单元，用于读取预设时间段内的所述工况数据，将每个数据点设定为初始数据集；

参数计算单元，用于利用所述预设算法计算相邻两个数据集之间的相关性参数；

最大参数确定单元，用于确定所有相关性参数中的最大相关性参数，确定所述最大相关性参数是否大于预设数值；

数据集合并单元，用于若大于所述预设数值，则将具有所述最大相关性参数的相邻两个数据集合并为一个数据集，返回执行利用所述预设算法计算相邻两个数据集之间的相关性参数的步骤及后续步骤；若不大于所述预设数值，则将各个数据集作为所述工况数据段。

本发明还提供一种计算机设备，包括存储器以及处理器，所述存储器存储有计算机程序，所述处理器运行所述计算机程序以使所述计算机设备执行所述的物联设备工况数据分析方法。

本发明还提供一种可读存储介质，其存储有计算机程序，所述计算机程序在处理器上运行时执行所述的物联设备工况数据分析方法。

本发明提供一种物联设备工况数据分析方法，该物联设备工况数据分析方法包括：接收原始工况数据，对所述原始工况数据进行预设频率的重采样处理后，生成工况数据；利用预设算法将预设时间段内的所述工况数据拆分为段内数据的变化趋势相同的至少一个工况数据段；利用预设物理模型对所述至少一个工况数据段进行运算分析，获得分析结果。本发明的物联设备工况数据分析方法，根据工况数据的变化趋势进行工况数据的分段处理，再进行相应物理模型的运算分析，可以提高对目标设备工作状态定位的准确度，以及提高目标设备工作状态分析的精确度。

为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。

附图说明

为了更清楚地说明本发明的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对本发明保护范围的限定。在各个附图中，类似的构成部分采用类似的编号。

图1是本发明实施例1提供的一种物联设备工况数据分析方法的流程图；

图2是本发明实施例2提供的一种物联设备工况数据分析方法的流程图；

图3是本发明实施例3提供的一种拆分工况数据段的流程图；

图4是本发明实施例4提供的一种物联设备工况数据分析方法的流程图；

图5是本发明实施例4提供的一种物联设备工况数据分析方法的流程图；

图6是本发明实施例5提供的一种物联设备工况数据分析装置的结构示意图；

图7是本发明实施例5提供的一种工况数据分段模块的结构示意图。

具体实施方式

下面将结合本发明实施例中附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。

通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。

在下文中，可在本发明的各种实施例中使用的术语“包括”、“具有”及其同源词仅意在表示特定特征、数字、步骤、操作、元件、组件或前述项的组合，并且不应被理解为首先排除一个或更多个其它特征、数字、步骤、操作、元件、组件或前述项的组合的存在或增加一个或更多个特征、数字、步骤、操作、元件、组件或前述项的组合的可能性。

此外，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。

除非另有限定，否则在这里使用的所有术语(包括技术术语和科学术语)具有与本发明的各种实施例所属领域普通技术人员通常理解的含义相同的含义。所述术语(诸如在一般使用的词典中限定的术语)将被解释为具有与在相关技术领域中的语境含义相同的含义并且将不被解释为具有理想化的含义或过于正式的含义，除非在本发明的各种实施例中被清楚地限定。

实施例1

图1是本发明实施例1提供的一种物联设备工况数据分析方法的流程图，该方法包括如下步骤：

步骤S11：接收原始工况数据，对所述原始工况数据进行预设频率的重采样处理后，生成工况数据。

本发明实施例中，在需要进行工作状态监控的目标设备上，可以通过物联网连接有进行物联设备工况数据分析的计算机设备，该计算机设备在目标设备运行时，可以通过目标设备上的各种传感器实时采集原始工况数据，并对原始工况数据进行重采样处理，以生成预设频率的工况数据，便于后续的数据分析获得当前目标设备的工作状态。

本发明实施例中，该计算机设备可以是设置在目标设备上的嵌入式单片机，或者微处理器模块等，这里不做限定，该计算机设备可以通过TCP协议（TCP，TransmissionControl Protocol，传输控制协议）或者UDP协议（UDP，User Datagram Protocol，用户数据报协议）接收目标设备的原始工况数据，对原始工况数据进行解析以获取相应的数据字段名、数据字段形式的JSON字符串（JavaScript Object Notation, JS 对象简谱），以根据数据字段名以及JSON字符串从目标设备的消息中间件中订阅产生原始工况数据的消息。

本发明实施例中，上述对原始工况数据进行重采样处理的过程可以利用算法或应用程序来实现，例如可以在计算机设备中设置有用于数据重采样的应用程序，在获取到原始工况数据后输入至该应用程序，以获得重采样后预设频率的工况数据。

步骤S12：利用预设算法将预设时间段内的所述工况数据拆分为变化趋势相同的至少一个工况数据段。

本发明实施例中，在获取到预设频率的工况数据，可以在需要进行分析的时间段内提取出相应的工况数据，进行工况数据段的拆分，根据变化趋势的不同，例如斜率上的不同，可以将工况数据划分为至少一个工况数据段。例如，获取的工况数据是目标设备的存储油量，若在进行分析的时间段内目标设备进行了加油操作，则可获得两段不同变化趋势或斜率的存储油量工况数据。

本发明实施例中，在计算机设备中可以设置有基于上述预设算法的应用程序，在获取到预设时间段的工况数据后，可以输入至该应用程序中，以获得至少一个工况数据段。

步骤S13：利用预设物理模型对所述至少一个工况数据段进行运算分析，获得分析结果，所述预设物理模型包括目标设备运行时的运算规则。

本发明实施例中，上述预设物理模型即为目标设备的物理模型，该物理模型包括有目标设备运行时的运算规则，通过预设物理模型可以确定相应的运算规则，例如目标设备为工具车时，该物理模型可以是工具车的油位物理模型，通过该油位物理模型可以确定相应的油位运算规则，因此根据该油位运算规则以及至少一个工况数据段可以分析出工具车在预设时间段内是否存在加油以及油位异常等分析结果。

本发明实施例中，根据工况数据的变化趋势进行工况数据的分段处理，再进行相应物理模型的运算分析，可以提高对目标设备工作状态定位的准确度，以及提高目标设备工作状态分析的精确度。

实施例2

图2是本发明实施例2提供的一种物联设备工况数据分析方法的流程图，该方法包括如下步骤：

步骤S21：接收原始工况数据，对所述原始工况数据进行预设频率的重采样处理后，生成工况数据。

此步骤与上述步骤S11一致，在此不再赘述。

步骤S22：利用预设算法将预设时间段内的所述工况数据拆分为变化趋势相同的至少一个工况数据段。

此步骤与上述步骤S12一致，在此不再赘述。

步骤S23：利用预设物理模型对所述至少一个工况数据段进行运算分析，获得分析结果，所述预设物理模型包括目标设备运行时的运算规则。

此步骤与上述步骤S13一致，在此不再赘述。

步骤S24：在离线状态下，将生成的预设频率的所述工况数据写入缓存。

步骤S25：定时执行所述利用预设算法将预设时间段内的所述工况数据拆分为变化趋势相同的至少一个工况数据段的步骤以及所述利用预设物理模型对所述至少一个工况数据段进行运算分析，获得分析结果的步骤。

本发明实施例中，计算机设备在离线的状态下不能及时向服务器或用户终端传输分析结果时，在获取到工况数据后，可以先将该工况数据写入至缓存中进行存储，并且按照预定的时间间隔定时进行工况数据拆分为工况数据段，以及利用至少一个工况数据段进行目标设备工作状态分析的步骤。

实施例3

图3是本发明实施例3提供的一种拆分工况数据段的流程图，包括如下步骤：

步骤S31：读取预设时间段内的所述工况数据，将每个数据点设定为初始数据集。

步骤S32：利用所述预设算法计算相邻两个数据集之间的相关性参数。

本发明实施例中，所述预设算法包括线性回归算法、协方差算法、协方差矩阵算法、一元回归算法或多元回归算法。在计算机设备中可以设置有基于上述预设算法的应用程序，在读取到工况数据后可以将相邻的两个工况数据点输入至该应用程序中，以获得各工况数据点之间的相关性参数。

步骤S33：确定所有相关性参数中的最大相关性参数，确定所述最大相关性参数是否大于预设数值。

步骤S34：若大于所述预设数值，则将具有所述最大相关性参数的相邻两个数据集合并为一个数据集，返回执行利用所述预设算法计算相邻两个数据集之间的相关性参数的步骤及后续步骤；

步骤S35：若不大于所述预设数值，则将各个数据集作为所述工况数据段。

本发明实施例中，通过对相关性参数与预设数值进行比较分析，可以将工况数据中具有相同或相近的趋势变化的散点集中在一个数据集中，作为一个工况数据段，例如，可以将相邻的具有相同斜率变化的散点聚合在一个工况数据段中。

实施例4

图4是本发明实施例4提供的一种物联设备工况数据分析方法的流程图，该方法包括如下步骤：

步骤S41：接收原始工况数据，对所述原始工况数据进行预设频率的重采样处理后，生成工况数据。

此步骤与上述步骤S11一致，在此不再赘述。

步骤S42：利用预设算法将预设时间段内的所述工况数据拆分为变化趋势相同的至少一个工况数据段。

此步骤与上述步骤S12一致，在此不再赘述。

步骤S43：利用预设物理模型对所述至少一个工况数据段进行运算分析，获得分析结果，所述预设物理模型包括目标设备运行时的运算规则。

此步骤与上述步骤S13一致，在此不再赘述。

步骤S44：将所述分析结果写入分析数据库，并建立相应的检索条件。

本发明实施例中，在获取到预设时间段内的工况数据相应的分析结果后，也即预设时间段内目标设备的工作状态后，可以将其写入至预先建立的分析数据库中，并建立相应的检索条件，以便用户检索并获取相应的分析结果。

图5是本发明实施例4提供的一种物联设备工况数据分析方法的流程图，该方法还包括如下步骤：

步骤S45：在根据所述分析结果确定相应设备状态异常时，将所述分析结果以及相应的设备异常信息发送至用户终端。

本发明实施例中，计算机设备在根据分析结果确定相应设备状态异常时，例如在确定工具车的油位异常时，可以将分析结果以及相应的设备异常信息发送至用户终端，进行异常报警，以便用户及时排查，提高用户的体验度。

实施例5

图6是本发明实施例5提供的一种物联设备工况数据分析装置的结构示意图。

物联设备工况数据分析装置600包括：

工况数据采样模块610，用于接收原始工况数据，对所述原始工况数据进行预设频率的重采样处理后，生成工况数据；

工况数据分段模块620，用于利用预设算法将预设时间段内的所述工况数据拆分为段内数据的变化趋势相同的至少一个工况数据段；

工况数据分析模块630，用于利用预设物理模型对所述至少一个工况数据段进行运算分析，获得分析结果，所述预设物理模型包括目标设备运行时的运算规则。

离线模块640，用于在离线状态下，将生成的预设频率的所述工况数据写入缓存；定时运行所述工况数据分段模块以及所述工况数据分析模块。

如图7所示，该工况数据分段模块620包括：

工况数据读取单元621，用于读取预设时间段内的所述工况数据，将每个数据点设定为初始数据集；

参数计算单元622，用于利用所述预设算法计算相邻两个数据集之间的相关性参数；

最大参数确定单元623，用于确定所有相关性参数中的最大相关性参数，确定所述最大相关性参数是否大于预设数值；

数据集合并单元624，用于若大于所述预设数值，则将具有所述最大相关性参数的相邻两个数据集合并为一个数据集，返回执行利用所述预设算法计算相邻两个数据集之间的相关性参数的步骤及后续步骤；若不大于所述预设数值，则将各个数据集作为所述工况数据段。

本发明实施例中，上述各个模块及各个单元更加详细的功能描述可以参考前述实施例中相应部分的内容，在此不再赘述。

此外，本发明还提供了一种计算机设备，该计算机设备包括存储器和处理器，存储器可用于存储计算机程序，处理器通过运行所述计算机程序，从而使计算机设备执行上述方法或者上述物联设备工况数据分析装置中的各个模块的功能。

存储器可包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序（比如声音播放功能、图像播放功能等）等；存储数据区可存储根据计算机设备的使用所创建的数据（比如音频数据、电话本等）等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。

本实施例还提供了一种可读存储介质，用于储存上述计算机设备中使用的计算机程序。

在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，附图中的流程图和结构图显示了根据本发明的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，结构图和/或流程图中的每个方框、以及结构图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

另外，在本发明各个实施例中的各功能模块或单元可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或更多个模块集成形成一个独立的部分。

所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是智能手机、个人计算机、服务器、或者网络设备等）执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。

Claims

1.一种物联设备工况数据分析方法，其特征在于，包括：

2.根据权利要求1所述的物联设备工况数据分析方法，其特征在于，所述利用预设算法将预设时间段内的所述工况数据拆分为变化趋势相同的至少一个工况数据段包括：

利用所述预设算法计算相邻两个数据集之间的相关性参数；

3.根据权利要求2所述的物联设备工况数据分析方法，其特征在于，所述预设算法包括线性回归算法、协方差算法、协方差矩阵算法、一元回归算法或多元回归算法。

4.根据权利要求1所述的物联设备工况数据分析方法，其特征在于，还包括：

将所述分析结果写入分析数据库，并建立相应的检索条件。

5.根据权利要求1所述的物联设备工况数据分析方法，其特征在于，还包括：

6.一种物联设备工况数据分析装置，其特征在于，包括：

工况数据分段模块，用于利用预设算法将预设时间段内的所述工况数据拆分为变化趋势相同的至少一个工况数据段；

工况数据分析模块，用于利用预设物理模型对所述至少一个工况数据段进行运算分析，获得分析结果，所述预设物理模型包括目标设备运行时的运算规则；

离线模块，用于在离线状态下，将生成的预设频率的所述工况数据写入缓存；定时运行所述工况数据分段模块以及所述工况数据分析模块。

7.根据权利要求6所述的物联设备工况数据分析装置，其特征在于，所述工况数据分段模块包括：

8.一种计算机设备，其特征在于，包括存储器以及处理器，所述存储器存储有计算机程序，所述处理器运行所述计算机程序以使所述计算机设备执行根据权利要求1至5中任一项所述的物联设备工况数据分析方法。

9.一种可读存储介质，其特征在于，其存储有计算机程序，所述计算机程序在处理器上运行时执行权利要求1至5中任一项所述的物联设备工况数据分析方法。