CN114218184B - 工业互联网平台数据处理方法、装置及电子设备 - Google Patents

工业互联网平台数据处理方法、装置及电子设备 Download PDF

Info

Publication number
CN114218184B
CN114218184B CN202210155523.8A CN202210155523A CN114218184B CN 114218184 B CN114218184 B CN 114218184B CN 202210155523 A CN202210155523 A CN 202210155523A CN 114218184 B CN114218184 B CN 114218184B
Authority
CN
China
Prior art keywords
node
nodes
sensor data
effective
verification
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.)
Active
Application number
CN202210155523.8A
Other languages
English (en)
Other versions
CN114218184A (zh
Inventor
李鸿峰
贾昌武
黄筱炼
张宸
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Xuanyu Technology Co ltd
Original Assignee
Shenzhen Xuanyu Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenzhen Xuanyu Technology Co ltd filed Critical Shenzhen Xuanyu Technology Co ltd
Priority to CN202210425042.4A priority Critical patent/CN114817196A/zh
Priority to CN202210155523.8A priority patent/CN114218184B/zh
Priority to CN202210425043.9A priority patent/CN114817197A/zh
Priority to CN202210440678.6A priority patent/CN114996233A/zh
Publication of CN114218184A publication Critical patent/CN114218184A/zh
Application granted granted Critical
Publication of CN114218184B publication Critical patent/CN114218184B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/10—File systems; File servers
    • G06F16/18—File system types
    • G06F16/182—Distributed file systems
    • G06F16/1824—Distributed file systems implemented using Network-attached Storage [NAS] architecture
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/10—File systems; File servers
    • G06F16/17—Details of further file system functions
    • G06F16/172—Caching, prefetching or hoarding of files
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Computational Linguistics (AREA)
  • Evolutionary Computation (AREA)
  • Biophysics (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Biomedical Technology (AREA)
  • Artificial Intelligence (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Arrangements For Transmission Of Measured Signals (AREA)

Abstract

本申请的实施例提供了一种基工业互联网平台数据处理方法、装置、计算机可读介质及电子设备。本申请的实施例通过首先获取待进行数据过滤处理的工业传感器数据；然后将所述工业传感器数据对应的序列配置为若干个节点，使得节点之间进行验证，根据预设的验证方式，将验证不成立的节点作为无效节点，验证成立的节点作为有效节点；将所述有效节点组成新序列，并将所述新序列输入训练好的等同判定神经网络模型，将所述新序列中的有效节点进行等同分组，每一组中选择一个有效节点作为代表节点；最后，将所述代表节点组成存储序列，将所述存储序列转发至云服务器进行存储，提高了数据的处理效率，同时也降低了云服务器的存储空间压力。

Description

工业互联网平台数据处理方法、装置及电子设备
技术领域
本申请涉及计算机技术领域，具体而言，涉及一种工业互联网平台数据处理方法、装置、计算机可读介质及电子设备。
背景技术
工业实时数据是工业互联网中的重要数据来源，通常由工业系统中的传感器产生，工业实时数据一般经由边缘设备传输至云服务器进行统一存放。
传统的工业互联网中，在进行数据过滤处理时，是由办公网的某个设备从实时数据库中获取全部工业实时数据，基于全部工业实时数据进行数据过滤处理。但是，以一定规模的工业系统为例，大概会有10万个传感器，每天产出的工业实时数据能达到上百GB，如果办公网的某个设备基于全部工业实时数据进行数据过滤处理，会造成数据的处理效率低。
发明内容
本申请的实施例提供了一种工业互联网平台数据处理方法、装置、计算机可读介质及电子设备，进而解决数据处理效率低的问题。
本申请的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本申请的实践而习得。
根据本申请实施例的一个方面，提供了一种工业互联网平台数据处理方法，应用于工业互联网中的边缘设备，所述方法包括：
获取待进行数据过滤处理的工业传感器数据；
将所述工业传感器数据对应的序列配置为若干个节点，使得节点之间进行验证，根据预设的验证方式，将验证不成立的节点作为无效节点，验证成立的节点作为有效节点；
将所述有效节点组成新序列，并将所述新序列输入训练好的等同判定神经网络模型，将所述新序列中的有效节点进行等同分组，每一组中选择一个有效节点作为代表节点；
将所述代表节点组成存储序列，将所述存储序列转发至云服务器进行存储。
在本申请的一些实施例中，基于前述方案，将所述工业传感器数据对应的序列配置为若干个节点，使得节点之间进行验证，根据预设的验证方式，将验证不成立的节点作为无效节点，验证成立的节点作为有效节点，包括：
第一节点接收来自第二节点的第一请求，所述第一请求用于请求验证是否允许上传第二节点的传感器数据，所述第一节点以及所述第二节点均为工业传感器数据；所述第一节点根据对所述第二节点对应传感器数据的鉴定信息，确定第一验证结果，所述第一验证结果用于指示允许上传所述第二节点对应的传感器数据，或者，所述第一验证结果用于指示不允许上传所述第二节点对应的传感器数据，所述第二节点对应传感器数据的鉴定信息来自于由在云服务器端训练完成然后发送至边缘设备的节点信息鉴定神经网络模型；所述第一节点向所述第二节点发送所述第一验证结果；其中，所述第一节点与所述第二节点为相邻节点；
若所述第一验证结果为允许上传所述第二节点对应的传感器数据，则判定第二节点为有效节点；若所述第一验证结果为不允许上传所述第二节点对应的传感器数据，则判定第二节点为无效节点；
第一节点接收来自第三节点的第一请求，所述第一请求用于请求验证是否允许上传第三节点的传感器数据，所述第一节点以及所述第三节点均为工业传感器数据；所述第一节点根据对所述第三节点对应传感器数据的鉴定信息，确定第二验证结果，所述第二验证结果用于指示允许上传所述第三节点对应的传感器数据，或者，所述第二验证结果用于指示不允许上传所述第三节点对应的传感器数据，所述第三节点对应传感器数据的鉴定信息来自于由在云服务器端训练完成然后发送至边缘设备的节点信息鉴定神经网络模型；所述第一节点向所述第三节点发送所述第二验证结果；其中，所述第一节点与所述第三节点为非相邻节点；
若所述第二验证结果为允许上传所述第三节点对应的传感器数据，则判定第三节点为有效节点；若所述第二验证结果为不允许上传所述第三节点对应的传感器数据，则判定第三节点为无效节点。
在本申请的一些实施例中，基于前述方案，将所述工业传感器数据对应的序列配置为若干个节点，使得节点之间进行验证，根据预设的验证方式，将验证不成立的节点作为无效节点，验证成立的节点作为有效节点，包括：
第二节点接收来自第一节点的第一请求，所述第一请求用于请求验证是否允许上传第一节点的传感器数据，所述第一节点以及所述第二节点均为工业传感器数据；所述第一节点根据对所述第二节点对应传感器数据的鉴定信息，确定第一验证结果，所述第一验证结果用于指示允许上传所述第一节点对应的传感器数据，或者，所述第一验证结果用于指示不允许上传所述第一节点对应的传感器数据，所述第一节点对应传感器数据的鉴定信息来自于由在云服务器端训练完成然后发送至边缘设备的节点信息鉴定神经网络模型；所述第二节点向所述第一节点发送所述第一验证结果；其中，所述第一节点与所述第二节点为相邻节点；
若所述第一验证结果为不允许上传所述第二节点对应的传感器数据，则判定第二节点为无效节点；若所述第一验证结果为允许上传所述第一节点对应的传感器数据，则第一节点向第三节点发送请求；
第三节点接收来自第一节点的第一请求，所述第一请求用于请求验证是否允许上传第一节点的传感器数据，所述第一节点以及所述第三节点均为工业传感器数据；所述第三节点根据对所述第一节点对应传感器数据的鉴定信息，确定第二验证结果，所述第二验证结果用于指示允许上传所述第一节点对应的传感器数据，或者，所述第二验证结果用于指示不允许上传所述第一节点对应的传感器数据，所述第一节点对应传感器数据的鉴定信息来自于由在云服务器端训练完成然后发送至边缘设备的节点信息鉴定神经网络模型；所述第一节点向所述第一节点发送所述第二验证结果；其中，所述第一节点与所述第三节点为非相邻节点；
若所述第二验证结果为允许上传所述第三节点对应的传感器数据，则判定第三节点为有效节点；若所述第二验证结果为不允许上传所述第三节点对应的传感器数据，则判定第三节点为无效节点。
在本申请的一些实施例中，基于前述方案，所述将所述有效节点组成新序列，并将所述新序列输入训练好的等同判定神经网络模型，将所述新序列中的有效节点进行等同分组，每一组中选择至少一个有效节点作为代表节点，包括：
将有效节点组成的新序列输入到训练好的等同判定神经网络模型；
所述等同判定神经网络模型对有效节点基于预设的维度进行判断，将能够用一个或者两个代表节点的有效节点作为有效节点组；所述预设维度包括传感器数据的数值、与前一传感器偏差、以及非相邻传感器偏差的绝对值以及出现该数值的概率；
基于所述有效节点组对有效节点进行分组得到多个等同分组；并确定每个等同分组的代表节点。
在本申请的一些实施例中，基于前述方案，所述将所述工业传感器数据对应的序列配置为若干个节点，使得节点之间进行验证，根据预设的验证方式，将验证不成立的节点作为无效节点，验证成立的节点作为有效节点，包括：
通过下式计算当前节点为有效节点的概率；
Figure 882928DEST_PATH_IMAGE001
其中，P为当前节点为有效节点的概率，
Figure 852021DEST_PATH_IMAGE002
为第n个节点的相邻节点为无效节点的概率，
Figure 413584DEST_PATH_IMAGE003
为第n个节点的非相邻节点为无效节点的概率，
Figure 463317DEST_PATH_IMAGE004
和
Figure 639083DEST_PATH_IMAGE005
分别为预设的权重，且
Figure 377363DEST_PATH_IMAGE004
+
Figure 712923DEST_PATH_IMAGE005
＝1，1≤n≤N，N为传感器节点的总个数；
若当前节点为有效节点的概率大于预设的阈值，则确定所述当前节点验证成立；若当前节点为有效节点的概率小于等于预设的阈值，则确定所述当前节点验证不成立；
将验证不成立的节点作为无效节点，验证成立的节点作为有效节点。
根据本申请实施例的一个方面，提供了一种工业互联网平台数据处理装置，包括：
获取模块，用于获取待进行数据过滤处理的工业传感器数据；
验证模块，用于将所述工业传感器数据对应的序列配置为若干个节点，使得节点之间进行验证，根据预设的验证方式，将验证不成立的节点作为无效节点，验证成立的节点作为有效节点；
代表节点确定模块，用于将所述有效节点组成新序列，并将所述新序列输入训练好的等同判定神经网络模型，将所述新序列中的有效节点进行等同分组，每一组中选择一个有效节点作为代表节点；
存储模块，用于将所述代表节点组成存储序列，将所述存储序列转发至云服务器进行存储。
在本申请的一些实施例中，基于前述方案，所述验证模块，包括：
第一验证模块，用于第一节点接收来自第二节点的第一请求，所述第一请求用于请求验证是否允许上传第二节点的传感器数据，所述第一节点以及所述第二节点均为工业传感器数据；所述第一节点根据对所述第二节点对应传感器数据的鉴定信息，确定第一验证结果，所述第一验证结果用于指示允许上传所述第二节点对应的传感器数据，或者，所述第一验证结果用于指示不允许上传所述第二节点对应的传感器数据，所述第二节点对应传感器数据的鉴定信息来自于由在云服务器端训练完成然后发送至边缘设备的节点信息鉴定神经网络模型；所述第一节点向所述第二节点发送所述第一验证结果；其中，所述第一节点与所述第二节点为相邻节点；
第一判断模块，用于若所述第一验证结果为允许上传所述第二节点对应的传感器数据，则判定第二节点为有效节点；若所述第一验证结果为不允许上传所述第二节点对应的传感器数据，则判定第二节点为无效节点；
第二验证模块，用于第一节点接收来自第三节点的第一请求，所述第一请求用于请求验证是否允许上传第三节点的传感器数据，所述第一节点以及所述第三节点均为工业传感器数据；所述第一节点根据对所述第三节点对应传感器数据的鉴定信息，确定第二验证结果，所述第二验证结果用于指示允许上传所述第三节点对应的传感器数据，或者，所述第二验证结果用于指示不允许上传所述第三节点对应的传感器数据，所述第三节点对应传感器数据的鉴定信息来自于由在云服务器端训练完成然后发送至边缘设备的节点信息鉴定神经网络模型；所述第一节点向所述第三节点发送所述第二验证结果；其中，所述第一节点与所述第三节点为非相邻节点；
第二判断模块，用于若所述第二验证结果为允许上传所述第三节点对应的传感器数据，则判定第三节点为有效节点；若所述第二验证结果为不允许上传所述第三节点对应的传感器数据，则判定第三节点为无效节点。
在本申请的一些实施例中，基于前述方案，所述验证模块，包括：
第三验证模块，用于第二节点接收来自第一节点的第一请求，所述第一请求用于请求验证是否允许上传第一节点的传感器数据，所述第一节点以及所述第二节点均为工业传感器数据；所述第一节点根据对所述第二节点对应传感器数据的鉴定信息，确定第一验证结果，所述第一验证结果用于指示允许上传所述第一节点对应的传感器数据，或者，所述第一验证结果用于指示不允许上传所述第一节点对应的传感器数据，所述第一节点对应传感器数据的鉴定信息来自于由在云服务器端训练完成然后发送至边缘设备的节点信息鉴定神经网络模型；所述第二节点向所述第一节点发送所述第一验证结果；其中，所述第一节点与所述第二节点为相邻节点；
第三判断模块，用于若所述第一验证结果为不允许上传所述第二节点对应的传感器数据，则判定第二节点为无效节点；若所述第一验证结果为允许上传所述第一节点对应的传感器数据，则第一节点向第三节点发送请求；
第四验证模块，用于第三节点接收来自第一节点的第一请求，所述第一请求用于请求验证是否允许上传第一节点的传感器数据，所述第一节点以及所述第三节点均为工业传感器数据；所述第三节点根据对所述第一节点对应传感器数据的鉴定信息，确定第二验证结果，所述第二验证结果用于指示允许上传所述第一节点对应的传感器数据，或者，所述第二验证结果用于指示不允许上传所述第一节点对应的传感器数据，所述第一节点对应传感器数据的鉴定信息来自于由在云服务器端训练完成然后发送至边缘设备的节点信息鉴定神经网络模型；所述第一节点向所述第一节点发送所述第二验证结果；其中，所述第一节点与所述第三节点为非相邻节点；
第四判断模块，用于若所述第二验证结果为允许上传所述第三节点对应的传感器数据，则判定第三节点为有效节点；若所述第二验证结果为不允许上传所述第三节点对应的传感器数据，则判定第三节点为无效节点。
根据本申请实施例的一个方面，提供了一种计算机可读介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如下方法：
获取待进行数据过滤处理的工业传感器数据；
将所述工业传感器数据对应的序列配置为若干个节点，使得节点之间进行验证，根据预设的验证方式，将验证不成立的节点作为无效节点，验证成立的节点作为有效节点；
将所述有效节点组成新序列，并将所述新序列输入训练好的等同判定神经网络模型，将所述新序列中的有效节点进行等同分组，每一组中选择一个有效节点作为代表节点；
将所述代表节点组成存储序列，将所述存储序列转发至云服务器进行存储。
根据本申请实施例的一个方面，提供了一种电子设备，其特征在于，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如下方法：
获取待进行数据过滤处理的工业传感器数据；
将所述工业传感器数据对应的序列配置为若干个节点，使得节点之间进行验证，根据预设的验证方式，将验证不成立的节点作为无效节点，验证成立的节点作为有效节点；
将所述有效节点组成新序列，并将所述新序列输入训练好的等同判定神经网络模型，将所述新序列中的有效节点进行等同分组，每一组中选择一个有效节点作为代表节点；
将所述代表节点组成存储序列，将所述存储序列转发至云服务器进行存储。
在本申请的一些实施例所提供的技术方案中，通过首先获取待进行数据过滤处理的工业传感器数据；然后将所述工业传感器数据对应的序列配置为若干个节点，使得节点之间进行验证，根据预设的验证方式，将验证不成立的节点作为无效节点，验证成立的节点作为有效节点；将所述有效节点组成新序列，并将所述新序列输入训练好的等同判定神经网络模型，将所述新序列中的有效节点进行等同分组，每一组中选择一个有效节点作为代表节点；最后，将所述代表节点组成存储序列，将所述存储序列转发至云服务器进行存储，提高了数据的处理效率，同时也降低了云服务器的存储空间压力。
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。显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1示出了可以应用本申请实施例的技术方案的工业互联网平台数据处理方法的流程示意图；
图2示意性示出了根据本申请的一个实施例的工业互联网平台数据处理装置的示意图图；
图3示意性示出了根据本申请的一个实施例的验证模块的一个示意图；
图4示意性示出了根据本申请的一个实施例的验证模块的另一个示意图；
图5示意性示出了根据本申请的一个实施例的验证模块的再一个示意图；
图6示出了适于用来实现本申请实施例的电子设备的计算机系统的结构示意图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本申请将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。
此外，所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中，提供许多具体细节从而给出对本申请的实施例的充分理解。然而，本领域技术人员将意识到，可以实践本申请的技术方案而没有特定细节中的一个或更多，或者可以采用其它的方法、组元、装置、步骤等。在其它情况下，不详细示出或描述公知方法、装置、实现或者操作以避免模糊本申请的各方面。
附图中所示的方框图仅仅是功能实体，不一定必须与物理上独立的实体相对应。即，可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
附图中所示的流程图仅是示例性说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解，而有的操作/步骤可以合并或部分合并，因此实际执行的顺序有可能根据实际情况改变。
作为本发明的一些实施例，图1示出了一种工业互联网平台数据处理方法的流程示意图。该工业互联网平台数据处理方法应用于工业互联网中的边缘设备，所述方法包括：
S101：获取待进行数据过滤处理的工业传感器数据。
其中，工业传感器数据包括各种传感器的数据，其中传感器的类型包括但不限于温度传感器、湿度传感器、电压传感器、电流传感器、压强传感器、光照传感器、加速度传感器和角速度传感器。为了实现对各式各样的传感器进行统一管理，可定义“传感器通道”，具体地，一路传感器通道用于完成一路物理信号的采集，系统为每个传感器通道分配了一个唯一的ID。当需要获取传感器的数据时，在应用程序中调用获取传感器数据的函数接口即可。
S102：将所述工业传感器数据对应的序列配置为若干个节点，使得节点之间进行验证，根据预设的验证方式，将验证不成立的节点作为无效节点，验证成立的节点作为有效节点。
S103：将所述有效节点组成新序列，并将所述新序列输入训练好的等同判定神经网络模型，将所述新序列中的有效节点进行等同分组，每一组中选择一个有效节点作为代表节点。
对于S102和S103，目的是为了把代表节点即有效且具有代表性的传感器数据找出来。
S104：将所述代表节点组成存储序列，将所述存储序列转发至云服务器进行存储。
在本步骤中，云服务器可对存储序列中的传感器数据进行集中的处理。由于经过S01和S103的处理，传感器数据的量级大大降低，有效提高了数据的处理效率。
在本申请的一些实施例所提供的技术方案中，通过首先获取待进行数据过滤处理的工业传感器数据；然后将所述工业传感器数据对应的序列配置为若干个节点，使得节点之间进行验证，根据预设的验证方式，将验证不成立的节点作为无效节点，验证成立的节点作为有效节点；将所述有效节点组成新序列，并将所述新序列输入训练好的等同判定神经网络模型，将所述新序列中的有效节点进行等同分组，每一组中选择一个有效节点作为代表节点；最后，将所述代表节点组成存储序列，将所述存储序列转发至云服务器进行存储，提高了数据的处理效率，同时也降低了云服务器的存储空间压力。
在本申请的一些实施例中，基于前述方案，S102具体包括：
S201：第一节点接收来自第二节点的第一请求，所述第一请求用于请求验证是否允许上传第二节点的传感器数据，所述第一节点以及所述第二节点均为工业传感器数据；所述第一节点根据对所述第二节点对应传感器数据的鉴定信息，确定第一验证结果，所述第一验证结果用于指示允许上传所述第二节点对应的传感器数据，或者，所述第一验证结果用于指示不允许上传所述第二节点对应的传感器数据，所述第二节点对应传感器数据的鉴定信息来自于由在云服务器端训练完成然后发送至边缘设备的节点信息鉴定神经网络模型；所述第一节点向所述第二节点发送所述第一验证结果；其中，所述第一节点与所述第二节点为相邻节点；
S202：若所述第一验证结果为允许上传所述第二节点对应的传感器数据，则判定第二节点为有效节点；若所述第一验证结果为不允许上传所述第二节点对应的传感器数据，则判定第二节点为无效节点；
S203：第一节点接收来自第三节点的第一请求，所述第一请求用于请求验证是否允许上传第三节点的传感器数据，所述第一节点以及所述第三节点均为工业传感器数据；所述第一节点根据对所述第三节点对应传感器数据的鉴定信息，确定第二验证结果，所述第二验证结果用于指示允许上传所述第三节点对应的传感器数据，或者，所述第二验证结果用于指示不允许上传所述第三节点对应的传感器数据，所述第三节点对应传感器数据的鉴定信息来自于由在云服务器端训练完成然后发送至边缘设备的节点信息鉴定神经网络模型；所述第一节点向所述第三节点发送所述第二验证结果；其中，所述第一节点与所述第三节点为非相邻节点；
S204：若所述第二验证结果为允许上传所述第三节点对应的传感器数据，则判定第三节点为有效节点；若所述第二验证结果为不允许上传所述第三节点对应的传感器数据，则判定第三节点为无效节点。
在本申请的一些实施例中，基于前述方案，S102具体包括：
S301：第二节点接收来自第一节点的第一请求，所述第一请求用于请求验证是否允许上传第一节点的传感器数据，所述第一节点以及所述第二节点均为工业传感器数据；所述第一节点根据对所述第二节点对应传感器数据的鉴定信息，确定第一验证结果，所述第一验证结果用于指示允许上传所述第一节点对应的传感器数据，或者，所述第一验证结果用于指示不允许上传所述第一节点对应的传感器数据，所述第一节点对应传感器数据的鉴定信息来自于由在云服务器端训练完成然后发送至边缘设备的节点信息鉴定神经网络模型；所述第二节点向所述第一节点发送所述第一验证结果；其中，所述第一节点与所述第二节点为相邻节点；
S302：若所述第一验证结果为不允许上传所述第二节点对应的传感器数据，则判定第二节点为无效节点；若所述第一验证结果为允许上传所述第一节点对应的传感器数据，则第一节点向第三节点发送请求；
S303：第三节点接收来自第一节点的第一请求，所述第一请求用于请求验证是否允许上传第一节点的传感器数据，所述第一节点以及所述第三节点均为工业传感器数据；所述第三节点根据对所述第一节点对应传感器数据的鉴定信息，确定第二验证结果，所述第二验证结果用于指示允许上传所述第一节点对应的传感器数据，或者，所述第二验证结果用于指示不允许上传所述第一节点对应的传感器数据，所述第一节点对应传感器数据的鉴定信息来自于由在云服务器端训练完成然后发送至边缘设备的节点信息鉴定神经网络模型；所述第一节点向所述第一节点发送所述第二验证结果；其中，所述第一节点与所述第三节点为非相邻节点；
S304：若所述第二验证结果为允许上传所述第三节点对应的传感器数据，则判定第三节点为有效节点；若所述第二验证结果为不允许上传所述第三节点对应的传感器数据，则判定第三节点为无效节点。
作为本申请的一些实施例中，基于前述方案，S102具体包括：
S401：第一节点接收来自第二节点的第一请求，所述第一请求用于请求验证是否允许上传第二节点的传感器数据，所述第一节点以及所述第二节点均为工业传感器数据；所述第一节点根据对所述第二节点对应传感器数据的鉴定信息，确定第一验证结果，所述第一验证结果用于指示允许上传所述第二节点对应的传感器数据，或者，所述第一验证结果用于指示不允许上传所述第二节点对应的传感器数据，所述第二节点对应传感器数据的鉴定信息来自于由在云服务器端训练完成然后发送至边缘设备的节点信息鉴定神经网络模型；所述第一节点向所述第二节点发送所述第一验证结果；其中，所述第一节点与所述第二节点为相邻节点；
S402：若所述第一验证结果为允许上传所述第二节点对应的传感器数据，则判定第二节点为有效节点；若所述第一验证结果为不允许上传所述第二节点对应的传感器数据，则判定第二节点为无效节点；
S403：第一节点接收来自第三节点的第一请求，所述第一请求用于请求验证是否允许上传第三节点的传感器数据，所述第一节点以及所述第三节点均为工业传感器数据；所述第一节点根据对所述第三节点对应传感器数据的鉴定信息，确定第二验证结果，所述第二验证结果用于指示允许上传所述第三节点对应的传感器数据，或者，所述第二验证结果用于指示不允许上传所述第三节点对应的传感器数据，所述第三节点对应传感器数据的鉴定信息来自于由在云服务器端训练完成然后发送至边缘设备的节点信息鉴定神经网络模型；所述第一节点向所述第三节点发送所述第二验证结果；其中，所述第一节点与所述第三节点为非相邻节点；
S404：若所述第二验证结果为允许上传所述第三节点对应的传感器数据，则判定第三节点为有效节点；若所述第二验证结果为不允许上传所述第三节点对应的传感器数据，则判定第三节点为无效节点。
S405：第二节点接收来自第一节点的第一请求，所述第一请求用于请求验证是否允许上传第一节点的传感器数据，所述第一节点以及所述第二节点均为工业传感器数据；所述第一节点根据对所述第二节点对应传感器数据的鉴定信息，确定第一验证结果，所述第一验证结果用于指示允许上传所述第一节点对应的传感器数据，或者，所述第一验证结果用于指示不允许上传所述第一节点对应的传感器数据，所述第一节点对应传感器数据的鉴定信息来自于由在云服务器端训练完成然后发送至边缘设备的节点信息鉴定神经网络模型；所述第二节点向所述第一节点发送所述第一验证结果；其中，所述第一节点与所述第二节点为相邻节点；
S406：若所述第一验证结果为不允许上传所述第二节点对应的传感器数据，则判定第二节点为无效节点；若所述第一验证结果为允许上传所述第一节点对应的传感器数据，则第一节点向第三节点发送请求；
S407：第三节点接收来自第一节点的第一请求，所述第一请求用于请求验证是否允许上传第一节点的传感器数据，所述第一节点以及所述第三节点均为工业传感器数据；所述第三节点根据对所述第一节点对应传感器数据的鉴定信息，确定第二验证结果，所述第二验证结果用于指示允许上传所述第一节点对应的传感器数据，或者，所述第二验证结果用于指示不允许上传所述第一节点对应的传感器数据，所述第一节点对应传感器数据的鉴定信息来自于由在云服务器端训练完成然后发送至边缘设备的节点信息鉴定神经网络模型；所述第一节点向所述第一节点发送所述第二验证结果；其中，所述第一节点与所述第三节点为非相邻节点；
S408：若所述第二验证结果为允许上传所述第三节点对应的传感器数据，则判定第三节点为有效节点；若所述第二验证结果为不允许上传所述第三节点对应的传感器数据，则判定第三节点为无效节点。
在本实施例中，S401-S404这四个步骤与S405-S408是并行处理的，换句话说，第一节点与第二节点进行了交叉验证，进一步保证了验证的准确性，同时由于是并行验证和计算的，计算效率并没有降低。
在本申请的一些实施例中，基于前述方案，S103具体包括：
S501：将有效节点组成的新序列输入到训练好的等同判定神经网络模型。
S502：所述等同判定神经网络模型对有效节点基于预设的维度进行判断，将能够用一个或者两个代表节点的有效节点作为有效节点组；所述预设维度包括传感器数据的数值、与前一传感器偏差、以及非相邻传感器偏差的绝对值以及出现该数值的概率。
S503：基于所述有效节点组对有效节点进行分组得到多个等同分组；并确定每个等同分组的代表节点。
在本申请的一些实施例中，基于前述方案，S102具体包括：
S601：通过下式计算当前节点为有效节点的概率；
Figure 102316DEST_PATH_IMAGE001
其中，P为当前节点为有效节点的概率，
Figure 402979DEST_PATH_IMAGE002
为第n个节点的相邻节点为无效节点的概率，
Figure 877822DEST_PATH_IMAGE003
为第n个节点的非相邻节点为无效节点的概率，
Figure 482985DEST_PATH_IMAGE004
和
Figure 805513DEST_PATH_IMAGE005
分别为预设的权重，且
Figure 323082DEST_PATH_IMAGE004
+
Figure 740681DEST_PATH_IMAGE005
＝1，1≤n≤N，N为传感器节点的总个数。
S602：若当前节点为有效节点的概率大于预设的阈值，则确定所述当前节点验证成立；若当前节点为有效节点的概率小于等于预设的阈值，则确定所述当前节点验证不成立。
S603：将验证不成立的节点作为无效节点，验证成立的节点作为有效节点。
作为本申请的一些实施例，如图2所示，提供了工业互联网平台数据处理装置10。工业互联网平台数据处理装置10包括获取模块11、验证模块12、代表节点确定模块13和存储模块14。
其中，获取模块11，用于获取待进行数据过滤处理的工业传感器数据；验证模块12，用于将所述工业传感器数据对应的序列配置为若干个节点，使得节点之间进行验证，根据预设的验证方式，将验证不成立的节点作为无效节点，验证成立的节点作为有效节点；代表节点确定模块13，用于将所述有效节点组成新序列，并将所述新序列输入训练好的等同判定神经网络模型，将所述新序列中的有效节点进行等同分组，每一组中选择一个有效节点作为代表节点；存储模块14，用于将所述代表节点组成存储序列，将所述存储序列转发至云服务器进行存储。
作为本申请的一些实施例，如图3所示，提供了验证模块12的示意图。验证模块12包括第一验证模块121、第一判断模块122、第二验证模块123和第二判断模块124。
其中，第一验证模块121，用于第一节点接收来自第二节点的第一请求，所述第一请求用于请求验证是否允许上传第二节点的传感器数据，所述第一节点以及所述第二节点均为工业传感器数据；所述第一节点根据对所述第二节点对应传感器数据的鉴定信息，确定第一验证结果，所述第一验证结果用于指示允许上传所述第二节点对应的传感器数据，或者，所述第一验证结果用于指示不允许上传所述第二节点对应的传感器数据，所述第二节点对应传感器数据的鉴定信息来自于由在云服务器端训练完成然后发送至边缘设备的节点信息鉴定神经网络模型；所述第一节点向所述第二节点发送所述第一验证结果；其中，所述第一节点与所述第二节点为相邻节点。
第一判断模块122，用于若所述第一验证结果为允许上传所述第二节点对应的传感器数据，则判定第二节点为有效节点；若所述第一验证结果为不允许上传所述第二节点对应的传感器数据，则判定第二节点为无效节点。
第二验证模块123，用于第一节点接收来自第三节点的第一请求，所述第一请求用于请求验证是否允许上传第三节点的传感器数据，所述第一节点以及所述第三节点均为工业传感器数据；所述第一节点根据对所述第三节点对应传感器数据的鉴定信息，确定第二验证结果，所述第二验证结果用于指示允许上传所述第三节点对应的传感器数据，或者，所述第二验证结果用于指示不允许上传所述第三节点对应的传感器数据，所述第三节点对应传感器数据的鉴定信息来自于由在云服务器端训练完成然后发送至边缘设备的节点信息鉴定神经网络模型；所述第一节点向所述第三节点发送所述第二验证结果；其中，所述第一节点与所述第三节点为非相邻节点。
第二判断模块124，用于若所述第二验证结果为允许上传所述第三节点对应的传感器数据，则判定第三节点为有效节点；若所述第二验证结果为不允许上传所述第三节点对应的传感器数据，则判定第三节点为无效节点。
作为本申请的一些实施例，如图4所示，提供了验证模块12的示意图。验证模块12包括第三验证模块125，第三判断模块126，第四验证模块127和第四判断模块128。
第三验证模块125，用于第二节点接收来自第一节点的第一请求，所述第一请求用于请求验证是否允许上传第一节点的传感器数据，所述第一节点以及所述第二节点均为工业传感器数据；所述第一节点根据对所述第二节点对应传感器数据的鉴定信息，确定第一验证结果，所述第一验证结果用于指示允许上传所述第一节点对应的传感器数据，或者，所述第一验证结果用于指示不允许上传所述第一节点对应的传感器数据，所述第一节点对应传感器数据的鉴定信息来自于由在云服务器端训练完成然后发送至边缘设备的节点信息鉴定神经网络模型；所述第二节点向所述第一节点发送所述第一验证结果；其中，所述第一节点与所述第二节点为相邻节点。
第三判断模块126，用于若所述第一验证结果为不允许上传所述第二节点对应的传感器数据，则判定第二节点为无效节点；若所述第一验证结果为允许上传所述第一节点对应的传感器数据，则第一节点向第三节点发送请求。
第四验证模块127，用于第三节点接收来自第一节点的第一请求，所述第一请求用于请求验证是否允许上传第一节点的传感器数据，所述第一节点以及所述第三节点均为工业传感器数据；所述第三节点根据对所述第一节点对应传感器数据的鉴定信息，确定第二验证结果，所述第二验证结果用于指示允许上传所述第一节点对应的传感器数据，或者，所述第二验证结果用于指示不允许上传所述第一节点对应的传感器数据，所述第一节点对应传感器数据的鉴定信息来自于由在云服务器端训练完成然后发送至边缘设备的节点信息鉴定神经网络模型；所述第一节点向所述第一节点发送所述第二验证结果；其中，所述第一节点与所述第三节点为非相邻节点。
第四判断模块128，用于若所述第二验证结果为允许上传所述第三节点对应的传感器数据，则判定第三节点为有效节点；若所述第二验证结果为不允许上传所述第三节点对应的传感器数据，则判定第三节点为无效节点。
作为本申请的一些实施例，如图5所示，提供了验证模块12的示意图。验证模块12包括第一验证模块121、第一判断模块122、第二验证模块123、第二判断模块124、第三验证模块125，第三判断模块126，第四验证模块127和第四判断模块128。
其中，第一验证模块121，用于第一节点接收来自第二节点的第一请求，所述第一请求用于请求验证是否允许上传第二节点的传感器数据，所述第一节点以及所述第二节点均为工业传感器数据；所述第一节点根据对所述第二节点对应传感器数据的鉴定信息，确定第一验证结果，所述第一验证结果用于指示允许上传所述第二节点对应的传感器数据，或者，所述第一验证结果用于指示不允许上传所述第二节点对应的传感器数据，所述第二节点对应传感器数据的鉴定信息来自于由在云服务器端训练完成然后发送至边缘设备的节点信息鉴定神经网络模型；所述第一节点向所述第二节点发送所述第一验证结果；其中，所述第一节点与所述第二节点为相邻节点；
第一判断模块122，用于若所述第一验证结果为允许上传所述第二节点对应的传感器数据，则判定第二节点为有效节点；若所述第一验证结果为不允许上传所述第二节点对应的传感器数据，则判定第二节点为无效节点；
第二验证模块123，用于第一节点接收来自第三节点的第一请求，所述第一请求用于请求验证是否允许上传第三节点的传感器数据，所述第一节点以及所述第三节点均为工业传感器数据；所述第一节点根据对所述第三节点对应传感器数据的鉴定信息，确定第二验证结果，所述第二验证结果用于指示允许上传所述第三节点对应的传感器数据，或者，所述第二验证结果用于指示不允许上传所述第三节点对应的传感器数据，所述第三节点对应传感器数据的鉴定信息来自于由在云服务器端训练完成然后发送至边缘设备的节点信息鉴定神经网络模型；所述第一节点向所述第三节点发送所述第二验证结果；其中，所述第一节点与所述第三节点为非相邻节点；
第二判断模块124，用于若所述第二验证结果为允许上传所述第三节点对应的传感器数据，则判定第三节点为有效节点；若所述第二验证结果为不允许上传所述第三节点对应的传感器数据，则判定第三节点为无效节点。
第三验证模块125，用于第二节点接收来自第一节点的第一请求，所述第一请求用于请求验证是否允许上传第一节点的传感器数据，所述第一节点以及所述第二节点均为工业传感器数据；所述第一节点根据对所述第二节点对应传感器数据的鉴定信息，确定第一验证结果，所述第一验证结果用于指示允许上传所述第一节点对应的传感器数据，或者，所述第一验证结果用于指示不允许上传所述第一节点对应的传感器数据，所述第一节点对应传感器数据的鉴定信息来自于由在云服务器端训练完成然后发送至边缘设备的节点信息鉴定神经网络模型；所述第二节点向所述第一节点发送所述第一验证结果；其中，所述第一节点与所述第二节点为相邻节点；
第三判断模块126，用于若所述第一验证结果为不允许上传所述第二节点对应的传感器数据，则判定第二节点为无效节点；若所述第一验证结果为允许上传所述第一节点对应的传感器数据，则第一节点向第三节点发送请求；
第四验证模块127，用于第三节点接收来自第一节点的第一请求，所述第一请求用于请求验证是否允许上传第一节点的传感器数据，所述第一节点以及所述第三节点均为工业传感器数据；所述第三节点根据对所述第一节点对应传感器数据的鉴定信息，确定第二验证结果，所述第二验证结果用于指示允许上传所述第一节点对应的传感器数据，或者，所述第二验证结果用于指示不允许上传所述第一节点对应的传感器数据，所述第一节点对应传感器数据的鉴定信息来自于由在云服务器端训练完成然后发送至边缘设备的节点信息鉴定神经网络模型；所述第一节点向所述第一节点发送所述第二验证结果；其中，所述第一节点与所述第三节点为非相邻节点；
第四判断模块128，用于若所述第二验证结果为允许上传所述第三节点对应的传感器数据，则判定第三节点为有效节点；若所述第二验证结果为不允许上传所述第三节点对应的传感器数据，则判定第三节点为无效节点。
根据本申请实施例的一个方面，提供了一种计算机可读介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如下方法：
获取待进行数据过滤处理的工业传感器数据；
将所述工业传感器数据对应的序列配置为若干个节点，使得节点之间进行验证，根据预设的验证方式，将验证不成立的节点作为无效节点，验证成立的节点作为有效节点；
将所述有效节点组成新序列，并将所述新序列输入训练好的等同判定神经网络模型，将所述新序列中的有效节点进行等同分组，每一组中选择一个有效节点作为代表节点；
将所述代表节点组成存储序列，将所述存储序列转发至云服务器进行存储。
根据本申请实施例的一个方面，提供了一种电子设备，其特征在于，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如下方法：
获取待进行数据过滤处理的工业传感器数据；
将所述工业传感器数据对应的序列配置为若干个节点，使得节点之间进行验证，根据预设的验证方式，将验证不成立的节点作为无效节点，验证成立的节点作为有效节点；
将所述有效节点组成新序列，并将所述新序列输入训练好的等同判定神经网络模型，将所述新序列中的有效节点进行等同分组，每一组中选择一个有效节点作为代表节点；
将所述代表节点组成存储序列，将所述存储序列转发至云服务器进行存储。
图6示出了适于用来实现本申请实施例的电子设备的计算机系统的结构示意图。
需要说明的是，图6示出的电子设备的计算机系统600仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。
如图6所示，计算机系统600包括中央处理单元（Central Processing Unit，CPU）601，其可以根据存储在只读存储器（Read-Only Memory，ROM）602中的程序或者从储存部分608加载到随机访问存储器（Random Access Memory，RAM）603中的程序而执行各种适当的动作和处理，例如执行上述实施例中所述的方法。在RAM 603中，还存储有系统操作所需的各种程序和数据。CPU 601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出（Input/Output，I/O）接口605也连接至总线604。
以下部件连接至I/O接口605：包括键盘、鼠标等的输入部分606；包括诸如阴极射线管（Cathode Ray Tube，CRT）、液晶显示器（Liquid Crystal Display，LCD）等以及扬声器等的输出部分607；包括硬盘等的储存部分608；以及包括诸如LAN（Local Area Network，局域网）卡、调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至I/O接口605。可拆卸介质611，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器610上，以便于从其上读出的计算机程序根据需要被安装入储存部分608。
特别地，根据本申请的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本申请的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的计算机程序。在这样的实施例中，该计算机程序可以通过通信部分609从网络上被下载和安装，和/或从可拆卸介质611被安装。在该计算机程序被中央处理单元（CPU）601执行时，执行本申请的系统中限定的各种功能。
需要说明的是，本申请实施例所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器（RAM）、只读存储器（ROM）、可擦式可编程只读存储器（Erasable Programmable Read Only Memory，EPROM）、闪存、光纤、便携式紧凑磁盘只读存储器（Compact Disc Read-Only Memory，CD-ROM）、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的计算机程序。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的计算机程序可以用任何适当的介质传输，包括但不限于：无线、有线等等，或者上述的任意合适的组合。
附图中的流程图和框图，图示了按照本申请各种实施例的系统、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。其中，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，上述模块、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，在有些作为替换的实现中，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，两个接连地表示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，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操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。
描述于本申请实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现，所描述的单元也可以设置在处理器中。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定。
根据本申请的一个方面，提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述各种可选实现方式中提供的方法。
作为另一方面，本申请还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被一个该电子设备执行时，使得该电子设备实现上述实施例中所述的方法。
应当注意，尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本申请的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本申请实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质（可以是CD-ROM，U盘，移动硬盘等）中或网络上，包括若干指令以使得一台计算设备（可以是个人计算机、服务器、触控终端、或者网络设备等）执行根据本申请实施方式的方法。
本领域技术人员在考虑说明书及实践这里公开的实施方式后，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公开的本技术领域中的公知常识或惯用技术手段。
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 (5)

1.一种工业互联网平台数据处理方法，其特征在于，应用于工业互联网中的边缘设备，所述方法包括：
获取待进行数据过滤处理的工业传感器数据；
将所述工业传感器数据对应的序列配置为若干个节点，使得节点之间进行验证，根据预设的验证方式，将验证不成立的节点作为无效节点，验证成立的节点作为有效节点；
将所述有效节点组成新序列，并将所述新序列输入训练好的等同判定神经网络模型，将所述新序列中的有效节点进行等同分组，每一组中选择一个有效节点作为代表节点；
将所述代表节点组成存储序列，将所述存储序列转发至云服务器进行存储；
其中，将所述工业传感器数据对应的序列配置为若干个节点，使得节点之间进行验证，根据预设的验证方式，将验证不成立的节点作为无效节点，验证成立的节点作为有效节点，包括：
通过下式计算当前节点为有效节点的概率；
Figure FDA0003586093880000011
其中，P为当前节点为有效节点的概率，Pxln为第n个节点的相邻节点为无效节点的概率，Pfxl_n为第n个节点的非相邻节点为无效节点的概率，Wxln和Wfxl_n分别为预设的权重，且Wxln+Wfxl_n＝1，1≤n≤N，N为传感器节点的总个数；
若当前节点为有效节点的概率大于预设的阈值，则确定所述当前节点验证成立；若当前节点为有效节点的概率小于等于预设的阈值，则确定所述当前节点验证不成立；
将验证不成立的节点作为无效节点，验证成立的节点作为有效节点。
2.如权利要求1所述的工业互联网平台数据处理方法，其特征在于，所述将所述有效节点组成新序列，并将所述新序列输入训练好的等同判定神经网络模型，将所述新序列中的有效节点进行等同分组，每一组中选择至少一个有效节点作为代表节点，包括：
将有效节点组成的新序列输入到训练好的等同判定神经网络模型；
所述等同判定神经网络模型对有效节点基于预设的维度进行判断，将能够用一个或者两个代表节点的有效节点作为有效节点组；所述预设的维度包括传感器数据的数值、与前一传感器偏差、以及非相邻传感器偏差的绝对值以及出现该数值的概率；
基于所述有效节点组对有效节点进行分组得到多个等同分组；并确定每个等同分组的代表节点。
3.一种工业互联网平台数据处理装置，其特征在于，所述装置包括：
获取模块，用于获取待进行数据过滤处理的工业传感器数据；
验证模块，用于将所述工业传感器数据对应的序列配置为若干个节点，使得节点之间进行验证，根据预设的验证方式，将验证不成立的节点作为无效节点，验证成立的节点作为有效节点；
代表节点确定模块，用于将所述有效节点组成新序列，并将所述新序列输入训练好的等同判定神经网络模型，将所述新序列中的有效节点进行等同分组，每一组中选择一个有效节点作为代表节点；
存储模块，用于将所述代表节点组成存储序列，将所述存储序列转发至云服务器进行存储；
所述验证模块，还用于：
通过下式计算当前节点为有效节点的概率；
Figure FDA0003586093880000021
其中，P为当前节点为有效节点的概率，Pxln为第n个节点的相邻节点为无效节点的概率，Pfxl_n为第n个节点的非相邻节点为无效节点的概率，Wxln和Wfxl_n分别为预设的权重，且Wxln+Wfxl_n＝1，1≤n≤N，N为传感器节点的总个数；
若当前节点为有效节点的概率大于预设的阈值，则确定所述当前节点验证成立；若当前节点为有效节点的概率小于等于预设的阈值，则确定所述当前节点验证不成立；
将验证不成立的节点作为无效节点，验证成立的节点作为有效节点。
4.一种计算机可读介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至2中任一项所述的工业互联网平台数据处理方法。
5.一种电子设备，其特征在于，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如权利要求1至2中任一项所述的工业互联网平台数据处理方法。
CN202210155523.8A 2022-02-21 2022-02-21 工业互联网平台数据处理方法、装置及电子设备 Active CN114218184B (zh)

Priority Applications (4)

Application Number Priority Date Filing Date Title
CN202210425042.4A CN114817196A (zh) 2022-02-21 2022-02-21 工业互联网平台数据处理方法、装置、介质及电子设备
CN202210155523.8A CN114218184B (zh) 2022-02-21 2022-02-21 工业互联网平台数据处理方法、装置及电子设备
CN202210425043.9A CN114817197A (zh) 2022-02-21 2022-02-21 一种工业互联网平台数据处理方法及装置
CN202210440678.6A CN114996233A (zh) 2022-02-21 2022-02-21 工业互联网平台数据处理方法、装置及计算机可读介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210155523.8A CN114218184B (zh) 2022-02-21 2022-02-21 工业互联网平台数据处理方法、装置及电子设备

Related Child Applications (3)

Application Number Title Priority Date Filing Date
CN202210425042.4A Division CN114817196A (zh) 2022-02-21 2022-02-21 工业互联网平台数据处理方法、装置、介质及电子设备
CN202210440678.6A Division CN114996233A (zh) 2022-02-21 2022-02-21 工业互联网平台数据处理方法、装置及计算机可读介质
CN202210425043.9A Division CN114817197A (zh) 2022-02-21 2022-02-21 一种工业互联网平台数据处理方法及装置

Publications (2)

Publication Number Publication Date
CN114218184A CN114218184A (zh) 2022-03-22
CN114218184B true CN114218184B (zh) 2022-05-31

Family

ID=80709039

Family Applications (4)

Application Number Title Priority Date Filing Date
CN202210440678.6A Pending CN114996233A (zh) 2022-02-21 2022-02-21 工业互联网平台数据处理方法、装置及计算机可读介质
CN202210425043.9A Pending CN114817197A (zh) 2022-02-21 2022-02-21 一种工业互联网平台数据处理方法及装置
CN202210155523.8A Active CN114218184B (zh) 2022-02-21 2022-02-21 工业互联网平台数据处理方法、装置及电子设备
CN202210425042.4A Pending CN114817196A (zh) 2022-02-21 2022-02-21 工业互联网平台数据处理方法、装置、介质及电子设备

Family Applications Before (2)

Application Number Title Priority Date Filing Date
CN202210440678.6A Pending CN114996233A (zh) 2022-02-21 2022-02-21 工业互联网平台数据处理方法、装置及计算机可读介质
CN202210425043.9A Pending CN114817197A (zh) 2022-02-21 2022-02-21 一种工业互联网平台数据处理方法及装置

Family Applications After (1)

Application Number Title Priority Date Filing Date
CN202210425042.4A Pending CN114817196A (zh) 2022-02-21 2022-02-21 工业互联网平台数据处理方法、装置、介质及电子设备

Country Status (1)

Country Link
CN (4) CN114996233A (zh)

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3646538A1 (en) * 2017-06-27 2020-05-06 Amazon Technologies Inc. Model and filter deployment across iot networks
CN109743356B (zh) * 2018-12-07 2021-07-20 南京邮电大学 工业互联网数据采集方法及装置、可读存储介质和终端
CN112189205A (zh) * 2019-02-27 2021-01-05 华为技术有限公司 一种神经网络模型处理方法及装置
CN110730245B (zh) * 2019-10-22 2022-12-16 青岛农业大学 基于神经网络的边缘计算系统和方法
CN111970374B (zh) * 2020-08-27 2023-02-03 山东有人物联网股份有限公司 基于机器学习的数据节点分组方法、系统及介质
CN112926269B (zh) * 2021-03-15 2022-12-09 上海交通大学 电厂边缘节点数据分组与清洗的方法及系统
CN112799789B (zh) * 2021-03-22 2023-08-11 腾讯科技（深圳）有限公司 一种节点集群管理方法、装置、设备及存储介质
CN113422720B (zh) * 2021-06-22 2023-04-25 河北卓智电子技术有限公司 基于边缘计算网关的异常检测方法
CN113569117B (zh) * 2021-09-27 2022-01-04 深圳市玄羽科技有限公司 一种基于工业互联网大数据服务的云平台系统及方法

Also Published As

Publication number Publication date
CN114996233A (zh) 2022-09-02
CN114817196A (zh) 2022-07-29
CN114218184A (zh) 2022-03-22
CN114817197A (zh) 2022-07-29

Similar Documents

Publication Publication Date Title
US10936765B2 (en) Graph centrality calculation method and apparatus, and storage medium
CN111226238A (zh) 一种预测方法及终端、服务器
CN111950225A (zh) 一种芯片布局方法、装置、存储介质和电子设备
CN109614327B (zh) 用于输出信息的方法和装置
CN111814056A (zh) 基于信息处理的供应商推荐方法及相关设备
CN110851987A (zh) 基于加速比预测计算时长的方法、装置和存储介质
CN110601978A (zh) 流量分发控制方法和装置
CN111160614B (zh) 资源转移预测模型的训练方法、装置及计算设备
CN115296984A (zh) 异常网络节点的检测方法及装置、设备、存储介质
CN112561138B (zh) 电力负荷预测方法、装置、计算机设备和存储介质
CN114218184B (zh) 工业互联网平台数据处理方法、装置及电子设备
CN109492759B (zh) 神经网络模型预测方法、装置和终端
CN114492844A (zh) 机器学习工作流的构建方法、装置、电子设备及存储介质
CN115408034A (zh) 车载控制器升级方法、装置、电子设备及存储介质
Lekadir et al. Error bounds on practical approximation for two tandem queue with blocking and non-preemptive priority
CN109344047B (zh) 系统回归测试方法、计算机可读存储介质和终端设备
CN102968593B (zh) 用于多租户环境下定位应用程序的隔离点的方法和系统
CN113392138A (zh) 一种隐私数据的统计分析方法、装置、服务器和存储介质
CN111836274A (zh) 一种业务处理的方法及装置
CN113449746B (zh) 尾气遥测数据修正方法和装置
CN113391850B (zh) 基于边云协同的任务调度方法、装置、设备及存储介质
CN111142661B (zh) 信源识别方法、装置
CN115550259A (zh) 基于白名单的流量分配方法及相关设备
CN113472551B (zh) 网络流量预测方法、装置和存储介质
CN114298203B (zh) 数据分类的方法、装置、设备和计算机可读介质

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
GR01 Patent grant
GR01 Patent grant