CN112379662A - 一种基于物联网的智能家居故障状态追溯方法及中控中心 - Google Patents
一种基于物联网的智能家居故障状态追溯方法及中控中心 Download PDFInfo
- Publication number
- CN112379662A CN112379662A CN202011276694.3A CN202011276694A CN112379662A CN 112379662 A CN112379662 A CN 112379662A CN 202011276694 A CN202011276694 A CN 202011276694A CN 112379662 A CN112379662 A CN 112379662A
- Authority
- CN
- China
- Prior art keywords
- data
- track
- thread
- determining
- fault
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Withdrawn
Links
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
- G05B23/0243—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults model based detection method, e.g. first-principles knowledge model
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/20—Pc systems
- G05B2219/24—Pc safety
- G05B2219/24065—Real time diagnostics
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Debugging And Monitoring (AREA)
Abstract
本申请是关于一种基于物联网的智能家居故障状态追溯方法及中控中心。在应用本申请方案时,能够在检测到故障提示信号时提取动态缓存的故障提示信号对应的第一智能家居的第一设备运行数据以及与第一智能家居存在关联关系的第二智能家居的第二设备运行数据,并通过故障识别线程确定第一设备运行数据的第一运行轨迹和第二设备运行数据的第二运行轨迹。然后将第一运行轨迹和第二运行轨迹映射至预设的坐标平面得到第一轨迹曲线和第二轨迹曲线。从而对坐标平面中的轨迹交点进行聚类并基于设备模拟运行线进行运行状态回放。这样,能够记录生成标识数据的生成时刻,实现对智能家居出现故障的原因的追溯。
Description
技术领域
本申请涉及智能家居技术领域,尤其涉及一种基于物联网的智能家居故障状态追溯方法及中控中心。
背景技术
物联网技术的快速发展为现代社会带来了翻天覆地的变化。现如今,基于联动和协作的物联网智能家居系统能够为用户提供便捷、舒适且智能的居家生活。随着智能家居数量和种类的增多,智能家居出现故障的几率大大增加。在现有技术中,智能家居在出现故障时会发出报警信号以提示用户进行维修,但是现有技术难以对智能家居出现故障的原因进行追溯。
发明内容
本申请提供基于物联网的智能家居故障状态追溯方法及中控中心,以改善现有技术存在的上述技术问题。
第一方面,提供一种基于物联网的智能家居故障状态追溯方法,应用于中控中心,所述中控中心与多个智能家居互相通信,所述方法至少包括:
实时采集每个智能家居的设备运行数据,将每个智能家居对应的设备运行数据进行动态缓存;
检测是否存在用于提示智能家居出现故障的故障提示信号;在检测到所述故障提示信号时,提取动态缓存的所述故障提示信号对应的第一智能家居的第一设备运行数据以及与所述第一智能家居存在关联关系的至少一个第二智能家居的第二设备运行数据;将所述第一设备运行数据和所述第二设备运行数据导入预设的故障识别线程;
基于所述故障识别线程建立所述第一设备运行数据的多个第一特征向量以及所述第二设备运行数据的多个第二特征向量;根据每个第一特征向量确定所述第一智能家居的第一运行轨迹,根据每个第二特征向量确定所述第二智能家居的第二运行轨迹;
将所述第一运行轨迹和所述第二运行轨迹映射至预设坐标平面,得到所述第一运行轨迹对应的第一轨迹曲线以及所述第二运行轨迹对应的第二轨迹曲线;
确定所述预设坐标平面中的多个轨迹交点,对所述多个轨迹交点进行聚类得到至少多个聚类集;
针对每个聚类集,在预设的设备模拟运行线程中运行所述聚类集中的每个轨迹交点对应的第一轨迹曲线和/或第二轨迹曲线,在运行时,判断所述设备模拟运行线程中是否生成用于表征所述第一智能家居存在故障概率的标识数据,若是,记录生成所述标识数据的生成时刻。
第二方面,提供一种中控中心,包括:处理器,以及与处理器连接的内存和网络接口;所述网络接口与中控中心中的非易失性存储器连接;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,以执行上述的方法。
第三方面,提供一种应用于计算机的可读存储介质,所述可读存储介质烧录有计算机程序,所述计算机程序在中控中心的内存中运行时实现上述的方法。
应用本申请实施例所提供的基于物联网的智能家居故障状态追溯方法及中控中心时,能够在检测到故障提示信号时提取动态缓存的故障提示信号对应的第一智能家居的第一设备运行数据以及与第一智能家居存在关联关系的第二智能家居的第二设备运行数据,并通过故障识别线程确定第一设备运行数据的第一运行轨迹和第二设备运行数据的第二运行轨迹。然后将第一运行轨迹和第二运行轨迹映射至预设的坐标平面得到第一轨迹曲线和第二轨迹曲线。从而对坐标平面中的轨迹交点进行聚类并基于设备模拟运行线进行运行状态回放。这样,能够记录生成标识数据的生成时刻,实现对智能家居出现故障的原因的追溯。
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和解释性的,并不能限制本申请。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本申请的实施例,并与说明书一起用于解释本申请的原理。
图1是本申请根据一示例性实施例示出的一种基于物联网的智能家居故障状态追溯系统的架构示意图。
图2是本申请根据一示例性实施例示出的一种基于物联网的智能家居故障状态追溯方法的流程图。
图3是本申请根据一示例性实施例示出的一种装置的一个实施例框图。
图4为本申请装置所在中控中心的一种硬件结构图。
具体实施方式
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。
在本申请使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本申请。在本申请和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。还应当理解,本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解,尽管在本申请可能采用术语第一、第二、第三等来描述各种信息,但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如,在不脱离本申请范围的情况下,第一信息也可以被称为第二信息,类似地,第二信息也可以被称为第一信息。取决于语境,如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。
为改善现有技术难以对智能家居出现故障的原因进行追溯的技术问题,本发明提供了一种基于物联网的智能家居故障状态追溯方法及中控中心。为了便于对本发明提供的方案进行说明,首先对本方案的应用场景进行阐述。
请参照图1,为本发明提供的基于物联网的智能家居故障状态追溯系统800的架构示意图,该系统包括互相之间通信的中控中心600和多个智能家居400。
在一个可能的示例中,智能家居400可以包括电视、电冰箱、空调、洗碗机、洗衣机和照明灯等用电家居,进一步地,多个智能家居400可以分布于同一套房间中,也可以分布于不同的房间中。在本实施例中,以多个智能家居400分布于同一套房间中进行说明。此外,中控中心600可以是云端服务器,也可以是中央计算机,在此亦不作限定。
在上述基础上,请结合参照图2,为本发明提供的基于物联网的智能家居故障状态追溯方法的步骤流程示意图,所述方法可以应用于上述图1中的中控中心600,所述方法可以通过以下步骤所描述的方法实现。
步骤110,实时采集每个智能家居的设备运行数据,将每个智能家居对应的设备运行数据进行动态缓存;其中,所述设备运行数据包括智能家居的用电数据、电流数据、电压数据和设备发热数据,所述动态缓存用于表征每个智能家居对应的设备运行数据是实时更新的。
在步骤110中,对于每个智能家居的设备运行数据,所述中控中心动态仅存储设定时段对应的设备运行数据。设定时段可以是以当前时刻为终止时刻的之前的某一时段。在一个可能的示例中,设定时段可以根据智能家居的累计故障次数进行调整。
步骤120,检测是否存在用于提示智能家居出现故障的故障提示信号;在检测到所述故障提示信号时,提取动态缓存的所述故障提示信号对应的第一智能家居的第一设备运行数据以及与所述第一智能家居存在关联关系的至少一个第二智能家居的第二设备运行数据;将所述第一设备运行数据和所述第二设备运行数据导入预设的故障识别线程。
在步骤120中,预设的故障识别线程用于对设备运行数据进行特征分析,从而确定出故障原因。基于故障识别线程,可以将设备运行数据从不同特征维度进行可视化展示,从而便于对智能家居的故障原因进行完整、全面且准确地追溯。
步骤130,基于所述故障识别线程建立所述第一设备运行数据的多个第一特征向量以及所述第二设备运行数据的多个第二特征向量;根据每个第一特征向量确定所述第一智能家居的第一运行轨迹,根据每个第二特征向量确定所述第二智能家居的第二运行轨迹;其中,所述运行轨迹用于表征智能家居在不同维度上的运行状态,所述运行轨迹包括用电数据轨迹、电流数据轨迹、电压数据轨迹和设备发热数据轨迹。
步骤140,将所述第一运行轨迹和所述第二运行轨迹映射至预设坐标平面,得到所述第一运行轨迹对应的第一轨迹曲线以及所述第二运行轨迹对应的第二轨迹曲线;其中,所述预设坐标平面用于对智能设备的故障原因进行可视化分析。
步骤150,确定所述预设坐标平面中的多个轨迹交点,对所述多个轨迹交点进行聚类得到至少多个聚类集;其中,所述轨迹交点为第一轨迹曲线之间的交点、第二轨迹曲线之间的交点或第一轨迹曲线与第二轨迹曲线之间的交点中的一种或多种组合。
在步骤150中,可以采用K均值聚类方法对多个轨迹交点进行聚类。
步骤160,针对每个聚类集,在预设的设备模拟运行线程中运行所述聚类集中的每个轨迹交点对应的第一轨迹曲线和/或第二轨迹曲线,在运行时,判断所述设备模拟运行线程中是否生成用于表征所述第一智能家居存在故障概率的标识数据,若是,记录生成所述标识数据的生成时刻。
在步骤160中,设备模拟运行线程用于对轨迹曲线进行模拟以实现对智能家居之前的运行状态的回放,便于确定之前运行状态中可能引发故障的时刻。
在具体实施时,基于上述步骤110-步骤160,能够在检测到故障提示信号时提取动态缓存的故障提示信号对应的第一智能家居的第一设备运行数据以及与第一智能家居存在关联关系的第二智能家居的第二设备运行数据,并通过故障识别线程确定第一设备运行数据的第一运行轨迹和第二设备运行数据的第二运行轨迹。然后将第一运行轨迹和第二运行轨迹映射至预设的坐标平面得到第一轨迹曲线和第二轨迹曲线。从而对坐标平面中的轨迹交点进行聚类并基于设备模拟运行线进行运行状态回放。这样,能够记录生成标识数据的生成时刻,实现对智能家居出现故障的原因的追溯。
可以理解,通过对标识数据对应的生成时刻进行记录,可以为分析智能家居的设备运行数据提供参考。例如,可以针对生成时刻对应的所有智能家居的设备运行数据进行特征分析,从而确定出能够用于表征故障的先兆信息。
在一种可能的实施方式中,步骤110中所描述的实时采集每个智能家居的设备运行数据的步骤,具体可以包括以下子步骤。
步骤111,判断是否与每个智能家居已建立数据传输链路;其中,所述数据传输链路用于对智能家居上传的设备运行数据进行接收,每个智能家居对应一个数据传输链路,不同数据传输链路的传输频道不同。
步骤112,若未与每个智能家居建立对应的数据传输链路,获取每个智能家居的设备出厂信息;其中,所述设备出厂信息包括智能家居的对应的数据结构,所述数据结构是所述智能家居所生成设备运行数据所对应的数据结构。
步骤113,根据每个设备出厂信息对应的字段分割符对每个设备出厂信息进行分段解析,得到每个设备出厂信息对应的至少多个信息段;从每个设备出厂信息对应的信息段中确定出存在预设信息标识的目标信息段;其中,所述预设信息标识是表征信息段对数据结构对应的信息段的标识。
步骤114,将每个智能设备对应的目标信息段中的信息编码值列出,得到每个智能设备的目标信息段所对应的目标信息编码串;确定出用于表征所述中控中心的系统数据格式的预设信息编码串;将每个目标信息编码串映射至所述预设信息编码串中得到每个目标信息编码串对应的映射信息编码串;根据每个映射信息编码串与所述预设信息编码串的相似性比较结果确定每个映射信息编码串对应的智能设备的原始数据格式。
步骤115,确定所述系统数据格式与每个原始数据格式之间的格式转换逻辑,基于每个格式转换逻辑建立与每个格式转换逻辑所对应的原始数据格式所对应的智能设备之间的数据传输链路,并根据所述智能设备的出厂信息中的数据传输频段为每个数据传输链路分配对应的传输频道。
步骤116,使每个智能设备根据其对应的数据传输链路将设备运行数据的原始数据格式转换为所述系统数据格式并发送给所述中控中心。
步骤117,若与每个智能家居已建立对应的数据传输链路,使每个智能设备根据其对应的数据传输链路将设备运行数据的原始数据格式转换为所述系统数据格式并发送给所述中控中心。
在具体实施时,通过执行上述步骤111-步骤117,能够将每个智能设备的原始数据结构与中控中心的系统数据结构之间的异构性考虑在内,并为每个智能设备建立独立得数据传输链路,一方面能够确保数据传输链路对每个智能设备发送的设备运行数据的原始数据结构进行转换,另一方面能够避免多个智能设备在同时发送设备运行数据时带来的串线和拥挤。这样,能够确保中控中心采集设备运行数据的准确性和实时性。
在一个示例中,步骤120中所描述的将所述第一设备运行数据和所述第二设备运行数据导入预设的故障识别线程的步骤,进一步包括以下内容。
步骤121,确定所述故障识别线程的时序特征;其中,所述时序特征用于表征所述故障识别线程对先后导入的设备运行数据进行处理时所分配的时间片资源,所述时间片资源用于表征所述故障识别线程对导入的设备运行数据进行处理的速率。
步骤122,基于所述时序特征,确定将所述第一设备运行数据导入所述故障识别线程所对应的第一导入速率以及将所述第二设备运行数据导入所述故障识别线程所对应的第二导入速率。
步骤123,根据所述第一导入速率和所述第二导入速率确定在将所述第一设备运行数据和所述第二设备运行数据导入所述故障识别线程时是否存在数据导入冲突;其中,所述数据导入冲突用于表征故障识别线程的数据接收负荷超过设定负荷的现象。
步骤124,若是,对所述第二导入速率进行调整得到第三导入速率,并基于所述第一导入速率和所述第三导入速率将所述第一设备运行数据和所述第二设备运行数据导入所述故障识别线程;若否,持续采用所述第一导入速率和所述第二导入速率将所述第一设备运行数据和所述第二设备运行数据导入所述故障识别线程。
可以理解,基于步骤121-步骤124,能够将故障识别线程的时序特征和数据接收负荷考虑在内,从而确保第一设备运行数据和第二设备运行数据能够有序地导入故障识别线程中。
在另一个示例中,在步骤140中,基于所述故障识别线程建立所述第一设备运行数据的多个第一特征向量以及所述第二设备运行数据的多个第二特征向量,根据每个第一特征向量确定所述第一智能家居的第一运行轨迹,根据每个第二特征向量确定所述第二智能家居的第二运行轨迹,进一步包括以下子步骤所描述的内容。
步骤141,基于所述故障识别线程确定所述第一设备运行数据的第一数据分布以及所述第二设备运行数据的第二数据分布;其中,数据分布用于表征设备运行数据在不同维度下的数据组合关系。
步骤142,分别根据所述第一数据分布以及所述第二数据分布在所述故障识别线程中建立所述第一设备运行数据的多个第一特征向量以及所述第二设备运行数据的多个第二特征向量。
步骤143,根据每个第一特征向量中的多个向量值以及每相邻两个向量值之间的向量权重差值确定每个第一特征向量对应的向量值分布轨迹;基于所述向量值分布轨迹确定所述第一智能家居的第一运行轨迹;其中,所述第一特征向量中的每个向量值对应设置有向量权重,所述向量权重根据向量值在所述第一特征向量中的位置确定。
步骤144,将每个第二特征向量的向量值和向量值对应的向量权重列出,得到每个第二特征向量对应的第一数组和第二数组;其中,所述第一数组为第二特征向量的向量值对应的数组,所述第二数组为第二特征向量的向量权重对应的数组。
步骤145,确定所述第一数组相对于所述第二数组的第一映射逻辑以及所述第二数组相对于所述第二数组的第二映射逻辑;获取所述第一映射逻辑和所述第二映射逻辑中具有相同的节点连续性的至少三个目标逻辑节点;根据所述目标逻辑节确定出所述第二特征向量的第二运行轨迹;其中,所述节点连续性用于表征每两个逻辑节点之间的输入输出关系。
在实际应用中,通过上述步骤141-步骤145,能够基于故障识别线程完整地确定出第一设备运行数据的多个第一特征向量以及第二设备运行数据的多个第二特征向量。然后对每个第一特征向量和每个第二特征向量进行独立分析,从而准确确定出第一特征向量对应的第一运行轨迹和第二特征向量对应的第二运行轨迹。
可选地,在步骤150中,对所述多个轨迹交点进行聚类得到至少多个聚类集的步骤,具体可以包括以下内容。
步骤151,确定所述预设坐标平面中的每个轨迹交点对应的轨迹曲线的数量。
步骤152,确定每个轨迹交点对应的轨迹曲线的类型分布数据;其中,所述类型分布数据为每个轨迹交点对应的轨迹曲线中第一轨迹曲线与第二轨迹曲线的数量比例。
步骤153,确定每个轨迹交点对应的第一轨迹曲线和/或第二轨迹曲线的斜率变化分布;其中,所述斜率变化分布通过对第一轨迹曲线和/或第二轨迹曲线对应设定数量个曲线节点进行斜率计算得到。
步骤154,根据每个轨迹交点对应的轨迹曲线的数量、类型分布数据和斜率变化分布确定每个轨迹交点的多维特征。
步骤155,基于每个轨迹交点的多维特征对每个轨迹交点进程K均值聚类,得到至少多个聚类集。
可以理解,在本实施例中,当执行上述步骤151-步骤155所描述的方法时,能够对每个轨迹交点进行多维特征分析,从而基于每个轨迹交点的多维特征对每个轨迹交点进行聚类,以确保聚类的准确性和全面性,进而确保聚类集的置信度。
在上述基础上,步骤160中所描述的在预设的设备模拟运行线程中运行所述聚类集中的每个轨迹交点对应的第一轨迹曲线和/或第二轨迹曲线,具体可以通过以下子步骤所描述的内容实现。
步骤1611,确定每个聚类集中每个轨迹交点对应的多维特征的时序特征。
步骤1612,根据所述时序特征确定每个聚类中的每个轨迹交点对应的第一轨迹曲线和/或第二轨迹曲线的时序同步系数;其中,所述时序同步系数用于表征每个轨迹交点对应的第一轨迹曲线和/或第二轨迹曲线的延时情况。
在步骤1612中,时序同步系数越大,每个轨迹交点对应的第一轨迹曲线和/或第二轨迹曲线的延时越小。
步骤1613,判断每个时序同步系数与所述设备模拟运行线程对应的基准同步系数的差值是否在设定数值范围内;其中,所述设定数值范围用于表征设备模拟运行线程处于正常运行时每个时序同步系数所处的数值范围。
步骤1614,在每个时序同步系数与所述设备模拟运行线程对应的基准同步系数的差值均落入所述设定数值范围时,基于所述设备模拟运行线程运行所述聚类集中的每个轨迹交点对应的第一轨迹曲线和/或第二轨迹曲线;否则,根据所述设备模拟运行线程的线程脚本对未落入所述设定数值范围内的差值对应的时序同步系数对应的时序特征进行修正,并返回根据所述时序特征确定每个聚类中的每个轨迹交点对应的第一轨迹曲线和/或第二轨迹曲线的时序同步系数的步骤。
在应用上述步骤1611-步骤1614所描述的内容时,可以对每个聚类集中每个轨迹交点对应的多维特征的时序特征进行分析以确定出时序同步系数,然后基于设备模拟运行线程对应的基准同步系数以及的预设的设定数值范围确定时序同步系数是否满足设备模拟运行线程的正常运行,并在时序同步系数满足设备模拟运行线程的正常运行时运行聚类集中的每个轨迹交点对应的第一轨迹曲线和/或第二轨迹曲线。这样,能够确保设备模拟运行线程是在正常运行的前提下运行轨迹曲线的。
更进一步地,步骤160中所描述的判断所述设备模拟运行线程中是否生成用于表征所述第一智能家居存在故障概率的标识数据的步骤,具体可以通过以下步骤所描述的方法实现。
步骤1621,获取所述设备模拟运行线程生成的线程运行日志;其中所述线程运行日志是实时更新的。
步骤1622,从所述线程运行日志中确定所述第一智能家居的模拟运行数据集;其中,所述模拟运行数据集是所述设备模拟运行线程通过运行所述聚类集中的每个轨迹交点对应的第一轨迹曲线和/或第二轨迹曲线以实现对第一智能家居的运行模拟所得到的数据集。
步骤1623,从所述模拟运行数据集中确定是否存在与标识数据对应的目标数据组;若是,则确定所述设备模拟运行线程中生成有用于表征所述第一智能家居存在故障概率的标识数据;其中,所述目标数据组中包括与所述标识数据对应的故障概率,所述故障概率用于表征所述第一智能家居在运行过程中发生故障的概率。
可以理解,基于步骤1621-步骤1623所描述的内容,能够准确确定设备模拟运行线程中是否生成用于表征第一智能家居存在故障概率的标识数据,从而为后续的故障分析提供准确的时刻信息。
在一种可以替换的实施方式中,在上述步骤的基础上,所述智能家居故障状态追溯方法还可以包括以下步骤所描述的内容。
步骤210,根据记录的所述生成时刻确定以所述生成时刻为中点的预设时段内除所述第一智能家居和所述第二智能家居之外的第三智能家居的第三设备运行数据。
步骤220,将所述第三设备运行数据、所述标识数据以及所述生成时刻进行关联存储。
在具体实施时,通过上述步骤210-步骤220所描述的内容,能够对除第一智能家居和第二智能家居之外的第三智能家居进行分析,从而确定第三智能家居在生成时刻对应的第三设备运行数据。通过将第三设备运行数据、标识数据以及生成时刻进行关联存储,能够为后续的故障分析提供更加全面的数据基础。
在另一种可选择的的实施方式中,在上述步骤的基础上,所述智能家居故障状态追溯方法还可以包括以下步骤所描述的内容。
步骤310,判断所述第一智能家居是否消除故障。
步骤320,在判断出所述第一智能家居消除所述故障时,向所述第一智能家居发送校验字段;所述校验字段用于对所述第一智能家居的故障类型进行校验。
步骤330,获取所述第一智能家居基于所述所述校验字段进行验证所反馈的校验结果。
步骤340,在所述校验结果中存在用于表征所述第一智能家居存在数据丢失行为的目标校验报告时,确定所述第一智能家居的故障类型为被动入侵类型。
在步骤340中,所述被动入侵类型用于表征所述第一智能家居出现故障是由于第三方设备入侵导致的。
通过步骤310-步骤340,能够在第一智能家居消除故障时对第一智能家居进行教研,从而确定出第一智能家居的故障类型。这样,能够为第一智能家居设置相应的防火墙以减少第一智能家居由于被入侵而产生故障的概率。
在上述基础上,请结合参阅图3,为本发明实施例所提供的一种基于物联网的智能家居故障状态追溯装置600的功能模块框图,关于该物联网的智能家居故障状态追溯装置600的详细描述如下。
A1.一种基于物联网的智能家居故障状态追溯装置,应用于中控中心,所述中控中心与多个智能家居互相通信,所述装置至少包括:
数据采集模块601,用于实时采集每个智能家居的设备运行数据,将每个智能家居对应的设备运行数据进行动态缓存。
数据导入模块602,用于检测是否存在用于提示智能家居出现故障的故障提示信号;在检测到所述故障提示信号时,提取动态缓存的所述故障提示信号对应的第一智能家居的第一设备运行数据以及与所述第一智能家居存在关联关系的至少一个第二智能家居的第二设备运行数据;将所述第一设备运行数据和所述第二设备运行数据导入预设的故障识别线程。
轨迹确定模块603,用于基于所述故障识别线程建立所述第一设备运行数据的多个第一特征向量以及所述第二设备运行数据的多个第二特征向量;根据每个第一特征向量确定所述第一智能家居的第一运行轨迹,根据每个第二特征向量确定所述第二智能家居的第二运行轨迹。
轨迹映射模块604,用于将所述第一运行轨迹和所述第二运行轨迹映射至预设坐标平面,得到所述第一运行轨迹对应的第一轨迹曲线以及所述第二运行轨迹对应的第二轨迹曲线。
交点聚类模块605,用于确定所述预设坐标平面中的多个轨迹交点,对所述多个轨迹交点进行聚类得到至少多个聚类集。
状态模拟模块606,用于针对每个聚类集,在预设的设备模拟运行线程中运行所述聚类集中的每个轨迹交点对应的第一轨迹曲线和/或第二轨迹曲线,在运行时,判断所述设备模拟运行线程中是否生成用于表征所述第一智能家居存在故障概率的标识数据,若是,记录生成所述标识数据的生成时刻。
A2.如A1所述的装置,所述数据采集模块601,具体用于:
判断是否与每个智能家居已建立数据传输链路;其中,所述数据传输链路用于对智能家居上传的设备运行数据进行接收,每个智能家居对应一个数据传输链路,不同数据传输链路的传输频道不同;
若未与每个智能家居建立对应的数据传输链路,获取每个智能家居的设备出厂信息;其中,所述设备出厂信息包括智能家居的对应的数据结构,所述数据结构是所述智能家居所生成设备运行数据所对应的数据结构;
根据每个设备出厂信息对应的字段分割符对每个设备出厂信息进行分段解析,得到每个设备出厂信息对应的至少多个信息段;从每个设备出厂信息对应的信息段中确定出存在预设信息标识的目标信息段;其中,所述预设信息标识是表征信息段对数据结构对应的信息段的标识;
将每个智能设备对应的目标信息段中的信息编码值列出,得到每个智能设备的目标信息段所对应的目标信息编码串;确定出用于表征所述中控中心的系统数据格式的预设信息编码串;将每个目标信息编码串映射至所述预设信息编码串中得到每个目标信息编码串对应的映射信息编码串;根据每个映射信息编码串与所述预设信息编码串的相似性比较结果确定每个映射信息编码串对应的智能设备的原始数据格式;
确定所述系统数据格式与每个原始数据格式之间的格式转换逻辑,基于每个格式转换逻辑建立与每个格式转换逻辑所对应的原始数据格式所对应的智能设备之间的数据传输链路,并根据所述智能设备的出厂信息中的数据传输频段为每个数据传输链路分配对应的传输频道;
使每个智能设备根据其对应的数据传输链路将设备运行数据的原始数据格式转换为所述系统数据格式并发送给所述中控中心;
若与每个智能家居已建立对应的数据传输链路,使每个智能设备根据其对应的数据传输链路将设备运行数据的原始数据格式转换为所述系统数据格式并发送给所述中控中心。
A3.如A1所述的装置,所述数据导入模块602,具体用于:
确定所述故障识别线程的时序特征;其中,所述时序特征用于表征所述故障识别线程对先后导入的设备运行数据进行处理时所分配的时间片资源,所述时间片资源用于表征所述故障识别线程对导入的设备运行数据进行处理的速率;
基于所述时序特征,确定将所述第一设备运行数据导入所述故障识别线程所对应的第一导入速率以及将所述第二设备运行数据导入所述故障识别线程所对应的第二导入速率;
根据所述第一导入速率和所述第二导入速率确定在将所述第一设备运行数据和所述第二设备运行数据导入所述故障识别线程时是否存在数据导入冲突;其中,所述数据导入冲突用于表征故障识别线程的数据接收负荷超过设定负荷的现象;
若是,对所述第二导入速率进行调整得到第三导入速率,并基于所述第一导入速率和所述第三导入速率将所述第一设备运行数据和所述第二设备运行数据导入所述故障识别线程;若否,持续采用所述第一导入速率和所述第二导入速率将所述第一设备运行数据和所述第二设备运行数据导入所述故障识别线程。
A4.如A1-3任一项所述的装置,所述轨迹确定模块603,具体用于:
基于所述故障识别线程确定所述第一设备运行数据的第一数据分布以及所述第二设备运行数据的第二数据分布;其中,数据分布用于表征设备运行数据在不同维度下的数据组合关系;
分别根据所述第一数据分布以及所述第二数据分布在所述故障识别线程中建立所述第一设备运行数据的多个第一特征向量以及所述第二设备运行数据的多个第二特征向量;
根据每个第一特征向量中的多个向量值以及每相邻两个向量值之间的向量权重差值确定每个第一特征向量对应的向量值分布轨迹;基于所述向量值分布轨迹确定所述第一智能家居的第一运行轨迹;其中,所述第一特征向量中的每个向量值对应设置有向量权重,所述向量权重根据向量值在所述第一特征向量中的位置确定;
将每个第二特征向量的向量值和向量值对应的向量权重列出,得到每个第二特征向量对应的第一数组和第二数组;其中,所述第一数组为第二特征向量的向量值对应的数组,所述第二数组为第二特征向量的向量权重对应的数组;
确定所述第一数组相对于所述第二数组的第一映射逻辑以及所述第二数组相对于所述第二数组的第二映射逻辑;获取所述第一映射逻辑和所述第二映射逻辑中具有相同的节点连续性的至少三个目标逻辑节点;根据所述目标逻辑节确定出所述第二特征向量的第二运行轨迹;其中,所述节点连续性用于表征每两个逻辑节点之间的输入输出关系。
A5.根据A4所述的装置,所述交点聚类模块605,具体用于:
确定所述预设坐标平面中的每个轨迹交点对应的轨迹曲线的数量;
确定每个轨迹交点对应的轨迹曲线的类型分布数据;其中,所述类型分布数据为每个轨迹交点对应的轨迹曲线中第一轨迹曲线与第二轨迹曲线的数量比例;
确定每个轨迹交点对应的第一轨迹曲线和/或第二轨迹曲线的斜率变化分布;其中,所述斜率变化分布通过对第一轨迹曲线和/或第二轨迹曲线对应设定数量个曲线节点进行斜率计算得到;
根据每个轨迹交点对应的轨迹曲线的数量、类型分布数据和斜率变化分布确定每个轨迹交点的多维特征;
基于每个轨迹交点的多维特征对每个轨迹交点进程K均值聚类,得到至少多个聚类集。
A6.根据A5所述的装置,所述状态模拟模块606,具体用于:
确定每个聚类集中每个轨迹交点对应的多维特征的时序特征;
根据所述时序特征确定每个聚类中的每个轨迹交点对应的第一轨迹曲线和/或第二轨迹曲线的时序同步系数;其中,所述时序同步系数用于表征每个轨迹交点对应的第一轨迹曲线和/或第二轨迹曲线的延时情况;
判断每个时序同步系数与所述设备模拟运行线程对应的基准同步系数的差值是否在设定数值范围内;其中,所述设定数值范围用于表征设备模拟运行线程处于正常运行时每个时序同步系数所处的数值范围;
在每个时序同步系数与所述设备模拟运行线程对应的基准同步系数的差值均落入所述设定数值范围时,基于所述设备模拟运行线程运行所述聚类集中的每个轨迹交点对应的第一轨迹曲线和/或第二轨迹曲线;否则,根据所述设备模拟运行线程的线程脚本对未落入所述设定数值范围内的差值对应的时序同步系数对应的时序特征进行修正,并返回根据所述时序特征确定每个聚类中的每个轨迹交点对应的第一轨迹曲线和/或第二轨迹曲线的时序同步系数的步骤。
A7.如A6所述的装置,所述状态模拟模块606,具体用于:
获取所述设备模拟运行线程生成的线程运行日志;其中所述线程运行日志是实时更新的;
从所述线程运行日志中确定所述第一智能家居的模拟运行数据集;其中,所述模拟运行数据集是所述设备模拟运行线程通过运行所述聚类集中的每个轨迹交点对应的第一轨迹曲线和/或第二轨迹曲线以实现对第一智能家居的运行模拟所得到的数据集;
从所述模拟运行数据集中确定是否存在与标识数据对应的目标数据组;若是,则确定所述设备模拟运行线程中生成有用于表征所述第一智能家居存在故障概率的标识数据;其中,所述目标数据组中包括与所述标识数据对应的故障概率,所述故障概率用于表征所述第一智能家居在运行过程中发生故障的概率。
A8.如A1所述的装置,还包括关联存储模块607,用于:
根据记录的所述生成时刻确定以所述生成时刻为中点的预设时段内除所述第一智能家居和所述第二智能家居之外的第三智能家居的第三设备运行数据;将所述第三设备运行数据、所述标识数据以及所述生成时刻进行关联存储。
A9.如A1所述的装置,还包括故障确定模块608,用于:
判断所述第一智能家居是否消除故障;
在判断出所述第一智能家居消除所述故障时,向所述第一智能家居发送校验字段;所述校验字段用于对所述第一智能家居的故障类型进行校验;
获取所述第一智能家居基于所述所述校验字段进行验证所反馈的校验结果;
在所述校验结果中存在用于表征所述第一智能家居存在数据丢失行为的目标校验报告时,确定所述第一智能家居的故障类型为被动入侵类型。
在本实施例中,关于上述功能模块的实现原理和有益效果的说明请参阅对步骤110-步骤160的说明,在此不作更多说明。
在上述基础上,请结合参阅图4,还提供了一种中控中心600,包括:处理器701,以及与处理器701连接的内存702和网络接口703,所述网络接口703与中控中心600中的非易失性存储器704连接。所述处理器701在运行时通过所述网络接口703从所述非易失性存储器704中调取计算机程序,并通过所述内存702运行所述计算机程序,以执行上述的方法。
更进一步地,还提供了一种应用于计算机的可读存储介质,所述可读存储介质烧录有计算机程序,所述计算机程序在中控中心600的内存702中运行时实现上述的方法。
对于装置实施例而言,由于其基本对应于方法实施例,所以相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理模块,即可以位于一个地方,或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本申请方案的目的。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。
本领域技术人员在考虑说明书及实践这里申请的发明后,将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请未申请的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本申请的真正范围和精神由下面的权利要求指出。
应当理解的是,本申请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进行各种修改和改变。本申请的范围仅由所附的权利要求来限制。
Claims (8)
1.一种基于物联网的智能家居故障状态追溯方法,其特征在于,应用于中控中心,所述中控中心与多个智能家居互相通信,所述方法至少包括:
实时采集每个智能家居的设备运行数据,将每个智能家居对应的设备运行数据进行动态缓存;
其中:
所述设备运行数据包括智能家居的用电数据、电流数据、电压数据和设备发热数据,所述动态缓存用于表征每个智能家居对应的设备运行数据是实时更新的;
检测是否存在用于提示智能家居出现故障的故障提示信号;在检测到所述故障提示信号时,提取动态缓存的所述故障提示信号对应的第一智能家居的第一设备运行数据以及与所述第一智能家居存在关联关系的至少一个第二智能家居的第二设备运行数据;将所述第一设备运行数据和所述第二设备运行数据导入预设的故障识别线程;
基于所述故障识别线程建立所述第一设备运行数据的多个第一特征向量以及所述第二设备运行数据的多个第二特征向量;根据每个第一特征向量确定所述第一智能家居的第一运行轨迹,根据每个第二特征向量确定所述第二智能家居的第二运行轨迹;
将所述第一运行轨迹和所述第二运行轨迹映射至预设坐标平面,得到所述第一运行轨迹对应的第一轨迹曲线以及所述第二运行轨迹对应的第二轨迹曲线;
确定所述预设坐标平面中的多个轨迹交点,对所述多个轨迹交点进行聚类得到至少多个聚类集;
针对每个聚类集,在预设的设备模拟运行线程中运行所述聚类集中的每个轨迹交点对应的第一轨迹曲线和/或第二轨迹曲线,在运行时,判断所述设备模拟运行线程中是否生成用于表征所述第一智能家居存在故障概率的标识数据,若是,记录生成所述标识数据的生成时刻。
2.如权利要求1所述的方法,其特征在于,所述实时采集每个智能家居的设备运行数据的步骤,具体包括:
判断是否与每个智能家居已建立数据传输链路;其中,所述数据传输链路用于对智能家居上传的设备运行数据进行接收,每个智能家居对应一个数据传输链路,不同数据传输链路的传输频道不同;
若未与每个智能家居建立对应的数据传输链路,获取每个智能家居的设备出厂信息;其中,所述设备出厂信息包括智能家居的对应的数据结构,所述数据结构是所述智能家居所生成设备运行数据所对应的数据结构;
根据每个设备出厂信息对应的字段分割符对每个设备出厂信息进行分段解析,得到每个设备出厂信息对应的至少多个信息段;从每个设备出厂信息对应的信息段中确定出存在预设信息标识的目标信息段;其中,所述预设信息标识是表征信息段对数据结构对应的信息段的标识;
将每个智能设备对应的目标信息段中的信息编码值列出,得到每个智能设备的目标信息段所对应的目标信息编码串;确定出用于表征所述中控中心的系统数据格式的预设信息编码串;将每个目标信息编码串映射至所述预设信息编码串中得到每个目标信息编码串对应的映射信息编码串;根据每个映射信息编码串与所述预设信息编码串的相似性比较结果确定每个映射信息编码串对应的智能设备的原始数据格式;
确定所述系统数据格式与每个原始数据格式之间的格式转换逻辑,基于每个格式转换逻辑建立与每个格式转换逻辑所对应的原始数据格式所对应的智能设备之间的数据传输链路,并根据所述智能设备的出厂信息中的数据传输频段为每个数据传输链路分配对应的传输频道;
使每个智能设备根据其对应的数据传输链路将设备运行数据的原始数据格式转换为所述系统数据格式并发送给所述中控中心;
若与每个智能家居已建立对应的数据传输链路,使每个智能设备根据其对应的数据传输链路将设备运行数据的原始数据格式转换为所述系统数据格式并发送给所述中控中心。
3.如权利要求1所述的方法,其特征在于,将所述第一设备运行数据和所述第二设备运行数据导入预设的故障识别线程的步骤,包括:
确定所述故障识别线程的时序特征;其中,所述时序特征用于表征所述故障识别线程对先后导入的设备运行数据进行处理时所分配的时间片资源,所述时间片资源用于表征所述故障识别线程对导入的设备运行数据进行处理的速率;
基于所述时序特征,确定将所述第一设备运行数据导入所述故障识别线程所对应的第一导入速率以及将所述第二设备运行数据导入所述故障识别线程所对应的第二导入速率;
根据所述第一导入速率和所述第二导入速率确定在将所述第一设备运行数据和所述第二设备运行数据导入所述故障识别线程时是否存在数据导入冲突;其中,所述数据导入冲突用于表征故障识别线程的数据接收负荷超过设定负荷的现象;
若是,对所述第二导入速率进行调整得到第三导入速率,并基于所述第一导入速率和所述第三导入速率将所述第一设备运行数据和所述第二设备运行数据导入所述故障识别线程;若否,持续采用所述第一导入速率和所述第二导入速率将所述第一设备运行数据和所述第二设备运行数据导入所述故障识别线程。
4.如权利要求1-3任一项所述的方法,其特征在于,基于所述故障识别线程建立所述第一设备运行数据的多个第一特征向量以及所述第二设备运行数据的多个第二特征向量,根据每个第一特征向量确定所述第一智能家居的第一运行轨迹,根据每个第二特征向量确定所述第二智能家居的第二运行轨迹,具体包括:
基于所述故障识别线程确定所述第一设备运行数据的第一数据分布以及所述第二设备运行数据的第二数据分布;其中,数据分布用于表征设备运行数据在不同维度下的数据组合关系;
分别根据所述第一数据分布以及所述第二数据分布在所述故障识别线程中建立所述第一设备运行数据的多个第一特征向量以及所述第二设备运行数据的多个第二特征向量;
根据每个第一特征向量中的多个向量值以及每相邻两个向量值之间的向量权重差值确定每个第一特征向量对应的向量值分布轨迹;基于所述向量值分布轨迹确定所述第一智能家居的第一运行轨迹;其中,所述第一特征向量中的每个向量值对应设置有向量权重,所述向量权重根据向量值在所述第一特征向量中的位置确定;
将每个第二特征向量的向量值和向量值对应的向量权重列出,得到每个第二特征向量对应的第一数组和第二数组;其中,所述第一数组为第二特征向量的向量值对应的数组,所述第二数组为第二特征向量的向量权重对应的数组;
确定所述第一数组相对于所述第二数组的第一映射逻辑以及所述第二数组相对于所述第二数组的第二映射逻辑;获取所述第一映射逻辑和所述第二映射逻辑中具有相同的节点连续性的至少三个目标逻辑节点;根据所述目标逻辑节确定出所述第二特征向量的第二运行轨迹;其中,所述节点连续性用于表征每两个逻辑节点之间的输入输出关系。
5.根据权利要求4所述的方法,其特征在于,对所述多个轨迹交点进行聚类得到至少多个聚类集的步骤,具体包括:
确定所述预设坐标平面中的每个轨迹交点对应的轨迹曲线的数量;
确定每个轨迹交点对应的轨迹曲线的类型分布数据;其中,所述类型分布数据为每个轨迹交点对应的轨迹曲线中第一轨迹曲线与第二轨迹曲线的数量比例;
确定每个轨迹交点对应的第一轨迹曲线和/或第二轨迹曲线的斜率变化分布;其中,所述斜率变化分布通过对第一轨迹曲线和/或第二轨迹曲线对应设定数量个曲线节点进行斜率计算得到;
根据每个轨迹交点对应的轨迹曲线的数量、类型分布数据和斜率变化分布确定每个轨迹交点的多维特征;
基于每个轨迹交点的多维特征对每个轨迹交点进程K均值聚类,得到至少多个聚类集。
6.根据权利要求5所述的方法,其特征在于,在预设的设备模拟运行线程中运行所述聚类集中的每个轨迹交点对应的第一轨迹曲线和/或第二轨迹曲线的步骤,包括:
确定每个聚类集中每个轨迹交点对应的多维特征的时序特征;
根据所述时序特征确定每个聚类中的每个轨迹交点对应的第一轨迹曲线和/或第二轨迹曲线的时序同步系数;其中,所述时序同步系数用于表征每个轨迹交点对应的第一轨迹曲线和/或第二轨迹曲线的延时情况;
判断每个时序同步系数与所述设备模拟运行线程对应的基准同步系数的差值是否在设定数值范围内;其中,所述设定数值范围用于表征设备模拟运行线程处于正常运行时每个时序同步系数所处的数值范围;
在每个时序同步系数与所述设备模拟运行线程对应的基准同步系数的差值均落入所述设定数值范围时,基于所述设备模拟运行线程运行所述聚类集中的每个轨迹交点对应的第一轨迹曲线和/或第二轨迹曲线;否则,根据所述设备模拟运行线程的线程脚本对未落入所述设定数值范围内的差值对应的时序同步系数对应的时序特征进行修正,并返回根据所述时序特征确定每个聚类中的每个轨迹交点对应的第一轨迹曲线和/或第二轨迹曲线的时序同步系数的步骤。
7.如权利要求6所述的方法,其特征在于,判断所述设备模拟运行线程中是否生成用于表征所述第一智能家居存在故障概率的标识数据的步骤,包括:
获取所述设备模拟运行线程生成的线程运行日志;其中所述线程运行日志是实时更新的;
从所述线程运行日志中确定所述第一智能家居的模拟运行数据集;其中,所述模拟运行数据集是所述设备模拟运行线程通过运行所述聚类集中的每个轨迹交点对应的第一轨迹曲线和/或第二轨迹曲线以实现对第一智能家居的运行模拟所得到的数据集;
从所述模拟运行数据集中确定是否存在与标识数据对应的目标数据组;若是,则确定所述设备模拟运行线程中生成有用于表征所述第一智能家居存在故障概率的标识数据;其中,所述目标数据组中包括与所述标识数据对应的故障概率,所述故障概率用于表征所述第一智能家居在运行过程中发生故障的概率。
8.一种中控中心,其特征在于,包括:
处理器,以及
与处理器连接的内存和网络接口;
所述网络接口与中控中心中的非易失性存储器连接;
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,以执行上述权利要求1-7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011276694.3A CN112379662A (zh) | 2020-04-02 | 2020-04-02 | 一种基于物联网的智能家居故障状态追溯方法及中控中心 |
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010254473.XA CN111459135B (zh) | 2020-04-02 | 2020-04-02 | 基于物联网的智能家居故障状态追溯方法及中控中心 |
CN202011276694.3A CN112379662A (zh) | 2020-04-02 | 2020-04-02 | 一种基于物联网的智能家居故障状态追溯方法及中控中心 |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010254473.XA Division CN111459135B (zh) | 2020-04-02 | 2020-04-02 | 基于物联网的智能家居故障状态追溯方法及中控中心 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112379662A true CN112379662A (zh) | 2021-02-19 |
Family
ID=71685855
Family Applications (3)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010254473.XA Active CN111459135B (zh) | 2020-04-02 | 2020-04-02 | 基于物联网的智能家居故障状态追溯方法及中控中心 |
CN202011276694.3A Withdrawn CN112379662A (zh) | 2020-04-02 | 2020-04-02 | 一种基于物联网的智能家居故障状态追溯方法及中控中心 |
CN202011276693.9A Withdrawn CN112379661A (zh) | 2020-04-02 | 2020-04-02 | 应用于物联网的智能家居故障状态追溯方法及中控中心 |
Family Applications Before (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010254473.XA Active CN111459135B (zh) | 2020-04-02 | 2020-04-02 | 基于物联网的智能家居故障状态追溯方法及中控中心 |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011276693.9A Withdrawn CN112379661A (zh) | 2020-04-02 | 2020-04-02 | 应用于物联网的智能家居故障状态追溯方法及中控中心 |
Country Status (1)
Country | Link |
---|---|
CN (3) | CN111459135B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114815651A (zh) * | 2022-06-27 | 2022-07-29 | 深圳市物语智联科技有限公司 | 一种智慧厨房故障检测方法、装置、电子设备及存储介质 |
CN114997343A (zh) * | 2022-08-03 | 2022-09-02 | 广州海洁尔医疗设备有限公司 | 基于空气净化检测的故障原因追溯方法及系统 |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112286530A (zh) * | 2020-11-12 | 2021-01-29 | 深圳虹川科技有限公司 | 基于JavaScript的物联网设备数据格式转换系统及方法 |
CN112258098B (zh) * | 2020-12-23 | 2021-04-02 | 深圳市朝阳辉电气设备有限公司 | 电力设备智能控制数据处理方法及系统 |
CN112311068B (zh) * | 2020-12-24 | 2022-05-20 | 江苏中信博新能源科技股份有限公司 | 一种光伏控制箱追溯系统和方法 |
CN112671585B (zh) * | 2020-12-25 | 2023-04-28 | 珠海格力电器股份有限公司 | 智能家居设备的异常处理方法及装置、处理器、电子设备 |
CN113542081B (zh) * | 2021-09-16 | 2021-12-24 | 深圳市万睿智能科技有限公司 | 一种安全的智能家居控制方法和系统 |
CN114442494B (zh) * | 2021-11-09 | 2024-01-23 | 佛山市淇特科技有限公司 | 一种设备行为分析方法、装置、终端设备以及存储介质 |
CN118348892B (zh) * | 2024-06-06 | 2024-08-13 | 浙江吉利控股集团有限公司 | 多面体控制器的控制方法、控制装置和车辆 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB2550112B (en) * | 2016-04-29 | 2019-10-09 | Marss Ventures S A | Method of verifying a potential detection of a man overboard event and alert verification processing apparatus |
EP3258333A1 (en) * | 2016-06-17 | 2017-12-20 | Siemens Aktiengesellschaft | Method and system for monitoring sensor data of rotating equipment |
CN108647730B (zh) * | 2018-05-14 | 2020-11-24 | 中国科学院计算技术研究所 | 一种基于历史行为共现的数据划分方法及系统 |
CN109085813A (zh) * | 2018-06-29 | 2018-12-25 | 国家能源投资集团有限责任公司 | 故障的诊断方法和装置 |
CN110097536B (zh) * | 2019-04-10 | 2023-04-18 | 东南大学 | 基于深度学习和霍夫变换的六边形螺栓松动检测方法 |
CN110737996B (zh) * | 2019-10-28 | 2023-05-26 | 中国大唐集团科学技术研究院有限公司西北电力试验研究院 | 一种高压断路器分合闸线圈电流识别方法 |
-
2020
- 2020-04-02 CN CN202010254473.XA patent/CN111459135B/zh active Active
- 2020-04-02 CN CN202011276694.3A patent/CN112379662A/zh not_active Withdrawn
- 2020-04-02 CN CN202011276693.9A patent/CN112379661A/zh not_active Withdrawn
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114815651A (zh) * | 2022-06-27 | 2022-07-29 | 深圳市物语智联科技有限公司 | 一种智慧厨房故障检测方法、装置、电子设备及存储介质 |
CN114997343A (zh) * | 2022-08-03 | 2022-09-02 | 广州海洁尔医疗设备有限公司 | 基于空气净化检测的故障原因追溯方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN111459135B (zh) | 2020-12-29 |
CN112379661A (zh) | 2021-02-19 |
CN111459135A (zh) | 2020-07-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111459135B (zh) | 基于物联网的智能家居故障状态追溯方法及中控中心 | |
CN109491894B (zh) | 一种接口测试的方法及设备 | |
WO2018059402A1 (zh) | 确定故障类型的方法和装置 | |
CN112508044A (zh) | 人工智能ai模型的评估方法、系统及设备 | |
CN113286315B (zh) | 负载均衡判断方法、装置、设备及存储介质 | |
CN105306299A (zh) | 一种流媒体服务器性能测试方法及测试系统 | |
CN110392046B (zh) | 网络访问的异常检测方法和装置 | |
CN109783553A (zh) | 一种配电网海量数据质量提升系统 | |
CN112131004A (zh) | 基于物联网通信的数据处理方法及云计算服务器 | |
CN112860676B (zh) | 应用于大数据挖掘和业务分析的数据清洗方法及云服务器 | |
CN112235389A (zh) | 基于物联网的智能终端数据处理方法及装置 | |
CN114462509A (zh) | 一种分布式物联网设备异常检测方法 | |
CN111667015A (zh) | 物联网设备状态检测方法、装置及检测设备 | |
CN118017564B (zh) | 一种基于开源鸿蒙系统的储能方法 | |
CN108538290A (zh) | 一种基于音频信号检测的智能家居控制方法 | |
CN114978877A (zh) | 一种异常处理方法、装置、电子设备及计算机可读介质 | |
CN117435901B (zh) | 一种工业互联网数据获取方法、系统、终端及储存介质 | |
CN110222098A (zh) | 基于流数据聚类算法的电力大数据流异常检测 | |
CN111817935B (zh) | 一种互联网智能家居数据处理方法及系统 | |
CN109587520B (zh) | 一种定位视频业务故障的方法和设备 | |
CN116581890B (zh) | 一种电网运行稳定性的智能监测方法及系统 | |
CN110380902A (zh) | 拓扑关系生成方法、装置、电子设备及存储介质 | |
CN115883016A (zh) | 基于联邦生成对抗网络的流量数据增强方法与装置 | |
WO2023012928A1 (ja) | デバイス推定システム、デバイス推定装置、パケット解析モデル学習装置、波形解析モデル学習装置、および、プログラム | |
CN110544182B (zh) | 一种基于机器学习技术的配电通信网融合控制方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20210219 |