CN116449762B - 基于物联网实现智能设备的安全预警方法及装置 - Google Patents
基于物联网实现智能设备的安全预警方法及装置 Download PDFInfo
- Publication number
- CN116449762B CN116449762B CN202310710779.5A CN202310710779A CN116449762B CN 116449762 B CN116449762 B CN 116449762B CN 202310710779 A CN202310710779 A CN 202310710779A CN 116449762 B CN116449762 B CN 116449762B
- Authority
- CN
- China
- Prior art keywords
- early warning
- accident
- equipment
- index
- monitoring
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 31
- 238000012544 monitoring process Methods 0.000 claims abstract description 177
- 231100000817 safety factor Toxicity 0.000 claims abstract description 88
- 239000011159 matrix material Substances 0.000 claims abstract description 47
- 238000010586 diagram Methods 0.000 claims abstract description 32
- 238000004364 calculation method Methods 0.000 claims abstract description 20
- 238000007619 statistical method Methods 0.000 claims abstract description 17
- 230000006870 function Effects 0.000 claims description 21
- 239000013598 vector Substances 0.000 claims description 18
- 230000002159 abnormal effect Effects 0.000 claims description 15
- 230000001186 cumulative effect Effects 0.000 claims description 13
- 238000004891 communication Methods 0.000 claims description 9
- 238000012163 sequencing technique Methods 0.000 claims description 9
- 238000004458 analytical method Methods 0.000 claims description 7
- 230000006855 networking Effects 0.000 claims 1
- 238000005516 engineering process Methods 0.000 abstract description 4
- 238000012545 processing Methods 0.000 description 7
- 238000007726 management method Methods 0.000 description 6
- 238000009825 accumulation Methods 0.000 description 5
- 238000004519 manufacturing process Methods 0.000 description 5
- 238000013473 artificial intelligence Methods 0.000 description 4
- 238000004590 computer program Methods 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 230000007547 defect Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000005299 abrasion Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 239000000779 smoke Substances 0.000 description 1
- 238000011282 treatment Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
- G05B19/042—Programme control other than numerical control, i.e. in sequence controllers or logic controllers using digital processors
- G05B19/0428—Safety, monitoring
-
- 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
- G05B2219/24024—Safety, surveillance
-
- 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
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Alarm Systems (AREA)
Abstract
本发明涉及设备安全预警技术,揭露了一种基于物联网实现智能设备的安全预警方法及装置,其中,所述方法包括:获取智能设备的历史事故情况,对历史事故情况进行统计分析,得到事故频数及设备安全因素,根据事故频数计算事故发生频率;根据事故频数、事故发生频率及设备安全因素生成主次因素排列图并确定监察关键点;根据监察关键点获取监测数据,对监测数据进行指标计算,得到预警指标;根据监察关键点及预警指标建立预警指标体系,基于预警指标体系确定设备状态并生成状态矩阵;根据状态矩阵及预警指标体系进行预警分类,得到预警类型,根据预警类型对智能设备进行安全预警。本发明可以提高设备故障监测的准确性,从而及时对设备进行安全预警。
Description
技术领域
本发明涉及设备安全预警技术领域,尤其涉及一种基于物联网实现智能设备的安全预警方法及装置。
背景技术
近年来发生的设备事故中,因违规使用造成的事故占事故总数的79.5%;因未按规定检验或因客观原因无法实施检验,致使未及时发现和消除设备缺陷引发的事故占事故总起数的6.8%;因安全附件失效或安全装置损坏引发的事故占事故总起数的5.5%;因设备制造安装缺陷引发的事故占事故总起数的5.2%;因违规充装引发的气瓶事故占事故总数的2.9%,由此可见,违规生产、使用设备是影响设备安全的主要因素,如何强化设备安全监察,督促设备生产、使用并落实好安全主体责任,及时发现并纠正违规行为、消除严重事故隐患,是设备安全质量监管的重中之重。
随着我国社会经济的高速发展,设备总体数量迅猛增加,设备生产、使用单位的安全管理水平参差不齐,执行设备安全法规的自觉性差异很大,违规生产、使用设备的现象比较突出。针对上述现象,存在以下现有处理技术:一是利用灰色理论进行趋势预测分析实现设备的安全预警,但该方法存在进行趋势分析时不够准确,从而导致预警不够及时;二是利用多元状态估计等技术建立状态监测模型,通过状态监测模型对设备的状态进行监测,从而实现设备的安全预警,但该方法对设备的状态进行监测时数据会出现误差,从而导致设备预警的误报率较高。综上所述,现存技术中存在设备故障监测的准确性不高,从而导致设备的安全预警不够及时的问题。
发明内容
本发明提供一种基于物联网实现智能设备的安全预警方法及装置,其主要目的在于解决设备故障监测的准确性不高,从而导致设备的安全预警不够及时的问题。
为实现上述目的,本发明提供的一种基于物联网实现智能设备的安全预警方法,包括:
获取智能设备的历史事故情况,对所述历史事故情况进行统计分析,得到事故频数及设备安全因素,并获取所述历史事故情况的事故时间及时间间隔,根据所述时间间隔从所述事故频数中选取目标事故频数,根据所述目标事故频数及所述事故频数计算事故概率,并根据所述事故概率、所述事故时间及所述时间间隔计算事故发生频率,其中,利用下述公式计算事故发生频率:
;
其中,表示所述事故发生频率,/>表示第/>个事故概率,/>表示所述事故时间,/>表示所述时间间隔;
根据所述设备安全因素获取所述历史事故情况中的事故后果,根据所述事故后果的事故数据计算所述智能设备的设备损耗,并根据所述设备损耗计算所述设备安全因素的影响范围,根据所述影响范围对所述设备安全因素进行排序,得到安全因素序列,并计算所述设备安全因素对应的累计百分比,基于所述安全因素序列及所述累计百分比将所述设备安全因素作为横坐标、将所述事故频数作为左侧纵坐标并将所述事故发生频率作为右侧纵坐标生成主次因素排列图,根据所述主次因素排列图确定所述智能设备的监察关键点;
根据所述监察关键点获取所述智能设备的监测数据,对所述监测数据进行指标分类,得到监测指标,对所述监测指标对应的监测数据进行均值计算,得到数据均值,根据所述数据均值确定指标阈值,根据所述指标阈值确定预警指标;
分别对所述监察关键点及所述预警指标进行编号,得到监察序列及指标序列,基于所述监察序列及所述指标序列将所述监察关键点作为列向量并将所述预警指标作为行向量构建预警表格,对所述预警表格中的内容进行填充,得到预警指标体系,基于所述预警指标体系确定所述智能设备的设备状态,并根据所述设备状态生成状态矩阵;
根据所述状态矩阵及所述预警指标体系进行预警分类,得到预警类型,并根据所述预警类型对所述智能设备进行安全预警。
可选地,所述对所述历史事故情况进行统计分析,得到事故频数及设备安全因素,包括:
获取所述历史事故情况中的历史事件,对所述历史事件进行种类划分,得到事件类型;
分别对所述事件类型对应的历史事件的出现次数进行统计,得到事故频数;
对所述历史事故情况中的事故原因进行分析,得到故障点,并对所述故障点进行汇总,得到设备安全因素。
可选地,所述根据所述指标阈值确定预警指标,包括:
统计所述监测指标中对应的监测数据超过所述指标阈值的数量,并判断所述数量是否超过预设的目标数量;
当所述数量未超过所述目标数量时,判定所述监测指标处于正常范围内;
当所述数量超过所述目标数量时,判定所述监测指标异常次数较高,将所述监测指标作为预警指标。
可选地,所述基于所述预警指标体系确定所述智能设备的设备状态,包括:
根据所述预警指标体系确定所述智能设备对应的监察关键点,获取所述智能设备对应的监察关键点的当前监测数据;
判断所述当前监测数据是否超过所述预警指标体系中对应的指标阈值;
当所述监测数据未超过所述指标阈值时,判定所述智能设备的设备状态为正常状态;
当所述监测数据超过所述指标阈值时,判定所述智能设备的设备状态为异常状态。
可选地,所述根据所述设备状态生成状态矩阵,包括:
根据所述设备状态获取所述智能设备的预警指标及所述监察关键点,根据所述设备状态、所述预警指标及所述监察关键点构建状态矩阵;
所述状态矩阵表示为:
;
其中,表示所述状态矩阵,/>表示所述智能设备的第1个预警指标在第1个监察关键点/>的设备状态,/>表示所述智能设备的第1个预警指标在第/>个监察关键点/>的设备状态,/>表示所述智能设备的第/>个预警指标在第1个监察关键点/>的设备状态,/>表示所述智能设备的第/>个预警指标在第/>个监察关键点/>的设备状态。
可选地,所述根据所述状态矩阵及所述预警指标体系进行预警分类,得到预警类型,包括:
获取所述状态矩阵中的设备状态显示为异常状态的预警指标,根据所述预警指标从所述预警指标体系中提取所述预警指标对应的指标数据;
根据所述指标数据计算所述智能设备的设备故障率,并根据所述设备故障率计算所述智能设备对应的事故发生概率;
利用下述公式计算事故发生概率:
;
其中,表示第/>个智能设备对应的事故发生概率,/>表示第/>个智能设备的设备故障率,/>表示所述设备故障率,/>表示指数函数;
根据所述指标数据及所述事故发生概率计算所述智能设备的风险概率;
利用下述公式计算风险概率:
;
其中,表示所述风险概率,/>表示第/>个智能设备对应的事故发生概率,/>表示所述指标数据中的设备运行数据,/>表示所述指标数据中的设备故障数据,/>表示概率密度函数,/>表示分析函数;
根据所述设备故障率、所述事故发生概率及所述风险概率进行预警等级分类,得到预警类型。
为了解决上述问题,本发明还提供一种基于物联网实现智能设备的安全预警装置,所述装置包括:
统计分析模块,用于获取智能设备的历史事故情况,对所述历史事故情况进行统计分析,得到事故频数及设备安全因素,并获取所述历史事故情况的事故时间及时间间隔,根据所述时间间隔从所述事故频数中选取目标事故频数,根据所述目标事故频数及所述事故频数计算事故概率,并根据所述事故概率、所述事故时间及所述时间间隔计算事故发生频率,其中,利用下述公式计算事故发生频率:
;
其中,表示所述事故发生频率,/>表示第/>个事故概率,/>表示所述事故时间,/>表示所述时间间隔;
排列图生成模块,用于根据所述设备安全因素获取所述历史事故情况中的事故后果,根据所述事故后果的事故数据计算所述智能设备的设备损耗,并根据所述设备损耗计算所述设备安全因素的影响范围,根据所述影响范围对所述设备安全因素进行排序,得到安全因素序列,并计算所述设备安全因素对应的累计百分比,基于所述安全因素序列及所述累计百分比将所述设备安全因素作为横坐标、将所述事故频数作为左侧纵坐标并将所述事故发生频率作为右侧纵坐标生成主次因素排列图,根据所述主次因素排列图确定所述智能设备的监察关键点;
指标计算模块,用于根据所述监察关键点获取所述智能设备的监测数据,对所述监测数据进行指标分类,得到监测指标,对所述监测指标对应的监测数据进行均值计算,得到数据均值,根据所述数据均值确定指标阈值,根据所述指标阈值确定预警指标;
状态矩阵生成模块,用于分别对所述监察关键点及所述预警指标进行编号,得到监察序列及指标序列,基于所述监察序列及所述指标序列将所述监察关键点作为列向量并将所述预警指标作为行向量构建预警表格,对所述预警表格中的内容进行填充,得到预警指标体系,基于所述预警指标体系确定所述智能设备的设备状态,并根据所述设备状态生成状态矩阵;
安全预警模块,用于根据所述状态矩阵及所述预警指标体系进行预警分类,得到预警类型,并根据所述预警类型对所述智能设备进行安全预警。
本发明实施例通过对历史事故情况进行统计分析,能够准确得到事故频数及设备安全因素;通过事故频数能够准确计算事故发生频率,从而提高计算机处理效率;通过事故频数、事故发生频率及设备安全因素生成主次因素排列图,根据主次因素排列图能够更加精确监察关键点,提高智能设备的监测效率;通过对监测数据进行指标计算,能够准确得到预警指标,从而提高智能设备监测的准确性;通过监察关键点及预警指标建立预警指标体系,使得数据更加规范化;通过设备状态生成状态矩阵,能够准确得到智能设备当前的设备状态及设备数据;通过预警类型对智能设备进行安全预警,能够提高设备故障监测的准确性,并保证设备安全预警的及时性。因此本发明提出的基于物联网实现智能设备的安全预警方法及装置,可以解决设备故障监测的准确性不高,从而导致设备的安全预警不够及时的问题。
附图说明
图1为本发明一实施例提供的基于物联网实现智能设备的安全预警方法的流程示意图;
图2为本发明一实施例提供的对历史事故情况进行统计分析,得到事故频数及设备安全因素的流程示意图;
图3为本发明一实施例提供的主次因素排列图的结构示意图;
图4为本发明一实施例提供的基于物联网实现智能设备的安全预警装置的功能模块图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本申请实施例提供一种基于物联网实现智能设备的安全预警方法。所述基于物联网实现智能设备的安全预警方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之,所述基于物联网实现智能设备的安全预警方法可以由安装在终端设备或服务端设备的软件或硬件来执行,所述软件可以是区块链平台。所述服务端包括但不限于:单台服务器、服务器集群、云端服务器或云端服务器集群等。所述服务器可以是独立的服务器,也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(Content Delivery Network,CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。
参照图1所示,为本发明一实施例提供的基于物联网实现智能设备的安全预警方法的流程示意图。在本实施例中,所述基于物联网实现智能设备的安全预警方法包括:
S1、获取智能设备的历史事故情况,对所述历史事故情况进行统计分析,得到事故频数及设备安全因素,并获取所述历史事故情况的事故时间及时间间隔,根据所述时间间隔从所述事故频数中选取目标事故频数,根据所述目标事故频数及所述事故频数计算事故概率,并根据所述事故概率、所述事故时间及所述时间间隔计算事故发生频率。
本发明实施例中,所述智能设备指的是具有计算处理能力的设备、器械或者机器,例如,商城里的自动消防系统、动车上的烟雾自动报警器及门店里的防盗报警系统等;所述历史事故情况指的是所述智能设备在历史发生事故时的状况,其中包括历史事件、事件时间、事故发生的地点、事故原因及事故后果等。
请参阅图2所示,本发明实施例中,所述对所述历史事故情况进行统计分析,得到事故频数及设备安全因素,包括:
S21、获取所述历史事故情况中的历史事件,对所述历史事件进行种类划分,得到事件类型;
S22、分别对所述事件类型对应的历史事件的出现次数进行统计,得到事故频数;
S23、对所述历史事故情况中的事故原因进行分析,得到故障点,并对所述故障点进行汇总,得到设备安全因素。
本发明实施例中,所述历史事件指的是过去所述智能设备出现故障问题的事件;可以采用交叉分类的方法对所述历史事件进行分类,例如,根据所述历史事件的故障状态对所述历史事件进行分类,将所述历史事件分为偶发性故障及持续性故障等事件类型;根据所述历史事件的技术性原因对所述历史事件进行分类,将所述历史事件划分为机械磨损性故障、腐蚀性损坏故障及外来损伤原因故障等事件类型。
本发明实施例中,所述事故频数指的是所述事件类型对应的历史事件在总的历史事件中出现的次数;对所述事件类型对应的历史事件在总的历史事件中出现的次数进行记录,可以按照所述历史事件发生的时间进行排序,得到事件时序,根据所述事件时序及所述事件类型绘制玫瑰图,记录所述玫瑰图的径向尺度,其中,所述径向尺度即所述历史事件的事故频数;分析所述历史事故情况中记录的事故原因,得到所述智能设备出现的多个故障点,即所述多个故障点即为所述智能设备的设备安全因素。
本发明实施例中,利用下述公式计算事故发生频率:
;
其中,表示所述事故发生频率,/>表示第/>个事故概率,/>表示所述事故时间,/>表示所述时间间隔。
本发明实施例中,所述事故时间指的是所述历史事故情况中历史事件发生的时间;所述时间间隔指的是所述历史事件两次发生的时间差值;根据所述时间差值从所述事故频数中选取相同类型的事故频数作为目标事故频数,例如,在一周时间内设备连接点出现5次损坏;计算所述目标事故频数占总的所述事故频数中的比例,即根据所述目标事故频数及所述事故频数进行比例计算,得到事故概率。
S2、根据所述设备安全因素获取所述历史事故情况中的事故后果,根据所述事故后果的事故数据计算所述智能设备的设备损耗,并根据所述设备损耗计算所述设备安全因素的影响范围,根据所述影响范围对所述设备安全因素进行排序,得到安全因素序列,并计算所述设备安全因素对应的累计百分比,基于所述安全因素序列及所述累计百分比将所述设备安全因素作为横坐标、将所述事故频数作为左侧纵坐标并将所述事故发生频率作为右侧纵坐标生成主次因素排列图,根据所述主次因素排列图确定所述智能设备的监察关键点。
本发明实施例中,从所述设备安全因素中随机选取一个目标安全因素,从所述历史事故情况中获取所述目标安全因素对应的事故后果,并获取所述事故发生前所述智能设备的初始数据,根据所述初始数据及所述事故数据进行差值计算,得到设备损耗;从所述设备损耗中选取最大值及最小值,可以将所述最大值及所述最小值之间的差值作为所述设备安全因素的影响范围;根据所述影响范围从大到小将所述设备安全因素进行排序,得到安全因素序列。
本发明实施例中,从所述设备安全因素中随机选取一个计算安全因素,获取所述计算安全因素的累积发生次数,将所述累积发生次数与总的所述设备安全因素的累积次数进行比值计算,得到累积百分比,表示所有所述事故发生频率的集合。
本发明实施例中,所述主次因素排列图如图3所示,其中,左侧纵坐标表示所述事故频数,右侧纵坐标表示所述事故发生频率,横坐标表示所述设备安全因素,所述设备安全因素的排列顺序时按照所述安全因素序列从左到右的顺序进行排列的,图中曲线表示所述累积百分比;所述主次因素排列图按照直方形从左到右的顺序表示所述设备安全因素对应的影响大小,并将所述累积百分比在 0~80%之间的设备安全因素称为A类因素,为主要因素;所述累积百分比在 80%~90%之间的设备安全因素被称为 B类因素,为次要因素;所述累积百分比在 90%~100%之间的设备安全因素为 C类因素,为一般因素。
本发明实施例中,从所述主次因素排列图中选取A类因素及B类因素范围内的所述设备安全因素作为所述智能设备的监察关键点,即从所述主次因素排列图中选取所述累积百分比小于90%的设备安全因素作为所述监察关键点,因为所述累积百分比小于90%的设备安全因素发生的频数较高,需要重点进行监测,当监测的数据出现异常时,能够及时对所述智能设备进行预警,从而减少所述智能设备对应的事故发生。
S3、根据所述监察关键点获取所述智能设备的监测数据,对所述监测数据进行指标分类,得到监测指标,对所述监测指标对应的监测数据进行均值计算,得到数据均值,根据所述数据均值确定指标阈值,根据所述指标阈值确定预警指标。
本发明实施例中,根据所述监察关键点从预设的设备数据库中获取所述智能设备对应位置的监测数据,其中,所述设备数据库中包含所述智能设备的所有监测数据;所述监测数据包括设备运行数据、设备故障数据及设备检修数据等。
本发明实施例中,所述所述根据所述指标阈值确定预警指标,包括:
统计所述监测指标中对应的监测数据超过所述指标阈值的数量,并判断所述数量是否超过预设的目标数量;
当所述数量未超过所述目标数量时,判定所述监测指标处于正常范围内;
当所述数量超过所述目标数量时,判定所述监测指标异常次数较高,将所述监测指标作为预警指标。
本发明实施例中,根据所述监测数据的属性进行划分,将所述监测数据划分为电压、电流、温度及湿度等监测指标;对所述监测指标进行监测,根据监测的正常的设备运行数据及设备故障数据进行分析,并根据所述设备运行数据及设备故障数据分别进行均值计算,根据计算得到均值进行阈值分析,确定所述监测指标对应的指标阈值。
本发明实施例中,所述目标数量指的是预先设定的所述监测指标中监测数据超过所述指标阈值的数量,当超过的数量达到所述目标数量时,表示所述监测指标中出现的异常值较高,即可作为预警指标,反之,则不作为预警指标。
S4、分别对所述监察关键点及所述预警指标进行编号,得到监察序列及指标序列,基于所述监察序列及所述指标序列将所述监察关键点作为列向量并将所述预警指标作为行向量构建预警表格,对所述预警表格中的内容进行填充,得到预警指标体系,基于所述预警指标体系确定所述智能设备的设备状态,并根据所述设备状态生成状态矩阵。
本发明实施例中,可以按照首字母的顺序分别对所述监察关键点及所述预警指标进行编号;按照所述监察序列的顺序将所述监察关键点按序作为列向量,并按照所述指标序列的顺序将所述预警指标按序作为行向量生成表格,将所述表格作为预警指标体系,并将所述预警指标体系中的内容填充为预警指标对应的指标数据及指标阈值。
本发明实施例中,所述基于所述预警指标体系确定所述智能设备的设备状态,包括:
根据所述预警指标体系确定所述智能设备对应的监察关键点,获取所述智能设备对应的监察关键点的当前监测数据;
判断所述当前监测数据是否超过所述预警指标体系中对应的指标阈值;
当所述监测数据未超过所述指标阈值时,判定所述智能设备的设备状态为正常状态;
当所述监测数据超过所述指标阈值时,判定所述智能设备的设备状态为异常状态。
本发明实施例中,所述智能设备对应的监察关键点的当前监测数据包括多个预警指标对应的指标数据,其中,所述数据包括电压、电流、温度及湿度等。
本发明实施例中,所述根据所述设备状态生成状态矩阵,包括:
根据所述设备状态获取所述智能设备的预警指标及所述监察关键点,根据所述设备状态、所述预警指标及所述监察关键点构建状态矩阵;
所述状态矩阵表示为:
;
其中,表示所述状态矩阵,/>表示所述智能设备的第1个预警指标在第1个监察关键点/>的设备状态,/>表示所述智能设备的第1个预警指标在第/>个监察关键点/>的设备状态,/>表示所述智能设备的第/>个预警指标在第1个监察关键点/>的设备状态,/>表示所述智能设备的第/>个预警指标在第/>个监察关键点/>的设备状态。
本发明实施例中,当所述预警指标对应的数据超过所述指标阈值时,将所述状态矩阵中的设备状态标记为1,即设备状态异常;当所述预警指标对应的指标数据未超过所述指标阈值时,将所述状态矩阵中的设备状态标记为0,即设备状态正常;根据所述设备状态、所述预警指标及所述监察关键点构建状态矩阵,能够更加准确的进行预警分类,并加快分类速率,从而进一步对所述智能设备进行安全预警。
S5、根据所述状态矩阵及所述预警指标体系进行预警分类,得到预警类型,并根据所述预警类型对所述智能设备进行安全预警。
本发明实施例中,所述根据所述状态矩阵及所述预警指标体系进行预警分类,得到预警类型,包括:
获取所述状态矩阵中的设备状态显示为异常状态的预警指标,根据所述预警指标从所述预警指标体系中提取所述预警指标对应的指标数据;
根据所述指标数据计算所述智能设备的设备故障率,并根据所述设备故障率计算所述智能设备对应的事故发生概率;
根据所述指标数据及所述事故发生概率计算所述智能设备的风险概率;
根据所述设备故障率、所述事故发生概率及所述风险概率进行预警等级分类,得到预警类型。
本发明实施例中,从所述指标数据中提取所述智能设备的设备故障数据,统计所述设备故障数据发送的故障次数,利用所述故障次数及使用所述智能设备的总使用次数进行比值计算,得到所述智能设备的设备故障率。
本发明实施例中,利用下述公式计算事故发生概率:
;
其中,表示第/>个智能设备对应的事故发生概率,/>表示第/>个智能设备的设备故障率,/>表示所述设备故障率,/>表示指数函数。
本发明实施例中,利用下述公式计算风险概率:
;
其中,表示所述风险概率,/>表示第/>个智能设备对应的事故发生概率,/>表示所述指标数据中的设备运行数据,/>表示所述指标数据中的设备故障数据,/>表示概率密度函数,/>表示分析函数。
本发明实施例中,所述设备运行数据指的是设备能够正常运转时记录的数据;所述设备故障数据指的是设备出现故障时的数据。
本发明实施例中,可以采用主观赋值法按照预设的比例对所述设备故障率、所述事故发生概率及所述风险概率进行权重赋值,得到故障权重、概率权重及风险权重;根据多个权重及多个概率进行整合计算,得到预警数据,根据所述预警数据进行预警分类,利用预设的数据范围将所述预警数据划分为三种类型,例如,将0-60%的所述预警数据作为一级预警类型,将60%-85%的所述预警数据作为二级预警类型,将85%-100%的所述预警数据作为三级预警类型,其中,所述三级预警类型的预警等级最高,即风险等级越高。
本发明实施例中,利用下述公式进行整合计算:
;
其中,表示所述预警数据,/>表示所述故障权重,/>表示所述设备故障率,/>表示所述概率权重,/>表示所述事故发生概率,/>表示所述风险权重,/>表示所述风险概率。
本发明实施例中,根据所述预警类型等级的高低的顺序对所述智能设备进行安全预警,即当所述智能设备同时需要进行预警时,获取信号接收终端,从三级预警类型开始依次利用预设的数据传输协议向所述信号接收终端发送预警信号及所述智能设备的设备位置,实现所述智能设备的安全预警,进一步地,所述信号接收终端指的是控制台;所述数据传输协议可以为串口协议等。
本发明实施例通过对历史事故情况进行统计分析,能够准确得到事故频数及设备安全因素;通过事故频数能够准确计算事故发生频率,从而提高计算机处理效率;通过事故频数、事故发生频率及设备安全因素生成主次因素排列图,根据主次因素排列图能够更加精确监察关键点,提高智能设备的监测效率;通过对监测数据进行指标计算,能够准确得到预警指标,从而提高智能设备监测的准确性;通过监察关键点及预警指标建立预警指标体系,使得数据更加规范化;通过设备状态生成状态矩阵,能够准确得到智能设备当前的设备状态及设备数据;通过预警类型对智能设备进行安全预警,能够提高设备故障监测的准确性,并保证设备安全预警的及时性。因此本发明提出的基于物联网实现智能设备的安全预警方法,可以解决设备故障监测的准确性不高,从而导致设备的安全预警不够及时的问题。
如图4所示,是本发明一实施例提供的基于物联网实现智能设备的安全预警装置的功能模块图。
本发明所述基于物联网实现智能设备的安全预警装置400可以安装于电子设备中。根据实现的功能,所述基于物联网实现智能设备的安全预警装置400可以包括统计分析模块401、排列图生成模块402、指标计算模块403、状态矩阵生成模块404及安全预警模块405。本发明所述模块也可以称之为单元,是指一种能够被电子设备处理器所执行,并且能够完成固定功能的一系列计算机程序段,其存储在电子设备的存储器中。
在本实施例中,关于各模块/单元的功能如下:
所述统计分析模块401,用于获取智能设备的历史事故情况,对所述历史事故情况进行统计分析,得到事故频数及设备安全因素,并获取所述历史事故情况的事故时间及时间间隔,根据所述时间间隔从所述事故频数中选取目标事故频数,根据所述目标事故频数及所述事故频数计算事故概率,并根据所述事故概率、所述事故时间及所述时间间隔计算事故发生频率,其中,利用下述公式计算事故发生频率:
;
其中,表示所述事故发生频率,/>表示第/>个事故概率,/>表示所述事故时间,/>表示所述时间间隔;
所述排列图生成模块402,用于根据所述设备安全因素获取所述历史事故情况中的事故后果,根据所述事故后果的事故数据计算所述智能设备的设备损耗,并根据所述设备损耗计算所述设备安全因素的影响范围,根据所述影响范围对所述设备安全因素进行排序,得到安全因素序列,并计算所述设备安全因素对应的累计百分比,基于所述安全因素序列及所述累计百分比将所述设备安全因素作为横坐标、将所述事故频数作为左侧纵坐标并将所述事故发生频率作为右侧纵坐标生成主次因素排列图,根据所述主次因素排列图确定所述智能设备的监察关键点;
所述指标计算模块403,用于根据所述监察关键点获取所述智能设备的监测数据,对所述监测数据进行指标分类,得到监测指标,对所述监测指标对应的监测数据进行均值计算,得到数据均值,根据所述数据均值确定指标阈值,根据所述指标阈值确定预警指标;
所述状态矩阵生成模块404,用于分别对所述监察关键点及所述预警指标进行编号,得到监察序列及指标序列,基于所述监察序列及所述指标序列将所述监察关键点作为列向量并将所述预警指标作为行向量构建预警表格,对所述预警表格中的内容进行填充,得到预警指标体系,基于所述预警指标体系确定所述智能设备的设备状态,并根据所述设备状态生成状态矩阵;
所述安全预警模块405,用于根据所述状态矩阵及所述预警指标体系进行预警分类,得到预警类型,并根据所述预警类型对所述智能设备进行安全预警。
详细地,本发明实施例中所述基于物联网实现智能设备的安全预警装置400中所述的各模块在使用时采用与附图中所述的基于物联网实现智能设备的安全预警方法一样的技术手段,并能够产生相同的技术效果,这里不再赘述。
本发明一实施例提供的实现基于物联网实现智能设备的安全预警方法的电子设备。
所述电子设备可以包括处理器、存储器、通信总线以及通信接口,还可以包括存储在所述存储器中并可在所述处理器上运行的计算机程序,如基于物联网实现智能设备的安全预警程序。
其中,所述处理器在一些实施例中可以由集成电路组成,例如可以由单个封装的集成电路所组成,也可以是由多个相同功能或不同功能封装的集成电路所组成,包括一个或者多个中央处理器(Central Processing Unit,CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器是所述电子设备的控制核心(Control Unit),利用各种接口和线路连接整个电子设备的各个部件,通过运行或执行存储在所述存储器内的程序或者模块(例如执行基于物联网实现智能设备的安全预警程序等),以及调用存储在所述存储器内的数据,以执行电子设备的各种功能和处理数据。
所述存储器至少包括一种类型的可读存储介质,所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如:SD或DX存储器等)、磁性存储器、磁盘、光盘等。所述存储器在一些实施例中可以是电子设备的内部存储单元,例如该电子设备的移动硬盘。所述存储器在另一些实施例中也可以是电子设备的外部存储设备,例如电子设备上配备的插接式移动硬盘、智能存储卡(Smart Media Card,SMC)、安全数字(Secure Digital,SD)卡、闪存卡(Flash Card)等。进一步地,所述存储器还可以既包括电子设备的内部存储单元也包括外部存储设备。所述存储器不仅可以用于存储安装于电子设备的应用软件及各类数据,例如基于物联网实现智能设备的安全预警程序的代码等,还可以用于暂时地存储已经输出或者将要输出的数据。
所述通信总线可以是外设部件互连标准(Peripheral Component Interconnect,简称PCI)总线或扩展工业标准结构(Extended Industry Standard Architecture,简称EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器以及至少一个处理器等之间的连接通信。
所述通信接口用于上述电子设备与其他设备之间的通信,包括网络接口和用户接口。可选地,所述网络接口可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等),通常用于在该电子设备与其他电子设备之间建立通信连接。所述用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard)),可选地,用户接口还可以是标准的有线接口、无线接口。可选地,在一些实施例中,显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode,有机发光二极管)触摸器等。其中,显示器也可以适当的称为显示屏或显示单元,用于显示在电子设备中处理的信息以及用于显示可视化的用户界面。
所述电子设备还可以包括给各个部件供电的电源(比如电池),优选地,电源可以通过电源管理装置与所述至少一个处理器逻辑相连,从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备还可以包括多种传感器、蓝牙模块、Wi-Fi模块等,在此不再赘述。
应该了解,所述实施例仅为说明之用,在专利申请范围上并不受此结构的限制。
所述电子设备中的所述存储器存储的基于物联网实现智能设备的安全预警程序是多个指令的组合,在所述处理器中运行时,可以实现:
根据所述时间间隔从所述事故频数中选取目标事故频数,根据所述目标事故频数及所述事故频数计算事故概率,并根据所述事故概率、所述事故时间及所述时间间隔计算事故发生频率;
根据所述设备安全因素获取所述历史事故情况中的事故后果,根据所述事故后果的事故数据计算所述智能设备的设备损耗,并根据所述设备损耗计算所述设备安全因素的影响范围,根据所述影响范围对所述设备安全因素进行排序,得到安全因素序列,并计算所述设备安全因素对应的累计百分比,基于所述安全因素序列及所述累计百分比将所述设备安全因素作为横坐标、将所述事故频数作为左侧纵坐标并将所述事故发生频率作为右侧纵坐标生成主次因素排列图,根据所述主次因素排列图确定所述智能设备的监察关键点;
根据所述监察关键点获取所述智能设备的监测数据,对所述监测数据进行指标分类,得到监测指标,对所述监测指标对应的监测数据进行均值计算,得到数据均值,根据所述数据均值确定指标阈值,根据所述指标阈值确定预警指标;
分别对所述监察关键点及所述预警指标进行编号,得到监察序列及指标序列,基于所述监察序列及所述指标序列将所述监察关键点作为列向量并将所述预警指标作为行向量构建预警表格,对所述预警表格中的内容进行填充,得到预警指标体系,基于所述预警指标体系确定所述智能设备的设备状态,并根据所述设备状态生成状态矩阵;
根据所述状态矩阵及所述预警指标体系进行预警分类,得到预警类型,并根据所述预警类型对所述智能设备进行安全预警。
进一步地,所述电子设备集成的模块/单元如果以软件功能单元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存储介质中。所述计算机可读存储介质可以是易失性的,也可以是非易失性的。例如,所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)。
本发明还提供一种计算机可读存储介质,所述可读存储介质存储有计算机程序,所述计算机程序在被电子设备的处理器所执行时,可以实现:
根据所述时间间隔从所述事故频数中选取目标事故频数,根据所述目标事故频数及所述事故频数计算事故概率,并根据所述事故概率、所述事故时间及所述时间间隔计算事故发生频率;
根据所述设备安全因素获取所述历史事故情况中的事故后果,根据所述事故后果的事故数据计算所述智能设备的设备损耗,并根据所述设备损耗计算所述设备安全因素的影响范围,根据所述影响范围对所述设备安全因素进行排序,得到安全因素序列,并计算所述设备安全因素对应的累计百分比,基于所述安全因素序列及所述累计百分比将所述设备安全因素作为横坐标、将所述事故频数作为左侧纵坐标并将所述事故发生频率作为右侧纵坐标生成主次因素排列图,根据所述主次因素排列图确定所述智能设备的监察关键点;
根据所述监察关键点获取所述智能设备的监测数据,对所述监测数据进行指标分类,得到监测指标,对所述监测指标对应的监测数据进行均值计算,得到数据均值,根据所述数据均值确定指标阈值,根据所述指标阈值确定预警指标;
分别对所述监察关键点及所述预警指标进行编号,得到监察序列及指标序列,基于所述监察序列及所述指标序列将所述监察关键点作为列向量并将所述预警指标作为行向量构建预警表格,对所述预警表格中的内容进行填充,得到预警指标体系,基于所述预警指标体系确定所述智能设备的设备状态,并根据所述设备状态生成状态矩阵;
根据所述状态矩阵及所述预警指标体系进行预警分类,得到预警类型,并根据所述预警类型对所述智能设备进行安全预警。
在本发明所提供的几个实施例中,应该理解到,所揭露的设备,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。
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单元,即可以位于一个地方,或者也可以分布到多个网络单元上。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实施例方案的目的。
另外,在本发明各个实施例中的各功能模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。
因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中,人工智能(Artificial Intelligence,AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能,感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
此外,显然“包括”一词不排除其他单元或步骤,单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一、第二等词语用来表示名称,而并不表示任何特定的顺序。
最后应说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或等同替换,而不脱离本发明技术方案的精神和范围。
Claims (5)
1.一种基于物联网实现智能设备的安全预警方法,其特征在于,所述方法包括:
获取智能设备的历史事故情况,对所述历史事故情况进行统计分析,得到事故频数及设备安全因素,并获取所述历史事故情况的事故时间及时间间隔,根据所述时间间隔从所述事故频数中选取目标事故频数,根据所述目标事故频数及所述事故频数计算事故概率,并根据所述事故概率、所述事故时间及所述时间间隔计算事故发生频率,其中,利用下述公式计算事故发生频率:
;
其中,表示所述事故发生频率,/>表示第/>个事故概率,/>表示所述事故时间,/>表示所述时间间隔;
根据所述设备安全因素获取所述历史事故情况中的事故后果,根据所述事故后果的事故数据计算所述智能设备的设备损耗,并根据所述设备损耗计算所述设备安全因素的影响范围,根据所述影响范围对所述设备安全因素进行排序,得到安全因素序列,并计算所述设备安全因素对应的累计百分比,基于所述安全因素序列及所述累计百分比将所述设备安全因素作为横坐标、将所述事故频数作为左侧纵坐标并将所述事故发生频率作为右侧纵坐标生成主次因素排列图,根据所述主次因素排列图确定所述智能设备的监察关键点;
根据所述监察关键点获取所述智能设备的监测数据,对所述监测数据进行指标分类,得到监测指标,对所述监测指标对应的监测数据进行均值计算,得到数据均值,根据所述数据均值确定指标阈值,根据所述指标阈值确定预警指标;
分别对所述监察关键点及所述预警指标进行编号,得到监察序列及指标序列,基于所述监察序列及所述指标序列将所述监察关键点作为列向量并将所述预警指标作为行向量构建预警表格,对所述预警表格中的内容进行填充,得到预警指标体系,基于所述预警指标体系确定所述智能设备的设备状态,并根据所述设备状态生成状态矩阵;
根据所述状态矩阵及所述预警指标体系进行预警分类,得到预警类型,并根据所述预警类型对所述智能设备进行安全预警;
所述根据所述设备状态生成状态矩阵,包括:
根据所述设备状态获取所述智能设备的预警指标及所述监察关键点,根据所述设备状态、所述预警指标及所述监察关键点构建状态矩阵;
所述状态矩阵表示为:
;
其中,表示所述状态矩阵,/>表示所述智能设备的第1个预警指标在第1个监察关键点/>的设备状态,/>表示所述智能设备的第1个预警指标在第/>个监察关键点/>的设备状态,/>表示所述智能设备的第/>个预警指标在第1个监察关键点/>的设备状态,/>表示所述智能设备的第/>个预警指标在第/>个监察关键点/>的设备状态;所述根据所述状态矩阵及所述预警指标体系进行预警分类,得到预警类型,包括:
获取所述状态矩阵中的设备状态显示为异常状态的预警指标,根据所述预警指标从所述预警指标体系中提取所述预警指标对应的指标数据;
根据所述指标数据计算所述智能设备的设备故障率,并根据所述设备故障率计算所述智能设备对应的事故发生概率;
利用下述公式计算事故发生概率:
;
其中,表示第/>个智能设备对应的事故发生概率,/>表示第/>个智能设备的设备故障率,/>表示所述设备故障率,/>表示指数函数;
根据所述指标数据及所述事故发生概率计算所述智能设备的风险概率;
利用下述公式计算风险概率:
;
其中,表示所述风险概率,/>表示第/>个智能设备对应的事故发生概率,/>表示所述指标数据中的设备运行数据,/>表示所述指标数据中的设备故障数据,/>表示概率密度函数,/>表示分析函数;
根据所述设备故障率、所述事故发生概率及所述风险概率进行预警等级分类,得到预警类型。
2.如权利要求1所述的基于物联网实现智能设备的安全预警方法,其特征在于,所述对所述历史事故情况进行统计分析,得到事故频数及设备安全因素,包括:
获取所述历史事故情况中的历史事件,对所述历史事件进行种类划分,得到事件类型;
分别对所述事件类型对应的历史事件的出现次数进行统计,得到事故频数;
对所述历史事故情况中的事故原因进行分析,得到故障点,并对所述故障点进行汇总,得到设备安全因素。
3.如权利要求1所述的基于物联网实现智能设备的安全预警方法,其特征在于,所述根据所述指标阈值确定预警指标,包括:
统计所述监测指标中对应的监测数据超过所述指标阈值的数量,并判断所述数量是否超过预设的目标数量;
当所述数量未超过所述目标数量时,判定所述监测指标处于正常范围内;
当所述数量超过所述目标数量时,判定所述监测指标异常次数较高,将所述监测指标作为预警指标。
4.如权利要求1所述的基于物联网实现智能设备的安全预警方法,其特征在于,所述基于所述预警指标体系确定所述智能设备的设备状态,包括:
根据所述预警指标体系确定所述智能设备对应的监察关键点,获取所述智能设备对应的监察关键点的当前监测数据;
判断所述当前监测数据是否超过所述预警指标体系中对应的指标阈值;
当所述监测数据未超过所述指标阈值时,判定所述智能设备的设备状态为正常状态;
当所述监测数据超过所述指标阈值时,判定所述智能设备的设备状态为异常状态。
5.一种基于物联网实现智能设备的安全预警装置,其特征在于,所述装置包括:
统计分析模块,用于获取智能设备的历史事故情况,对所述历史事故情况进行统计分析,得到事故频数及设备安全因素,并获取所述历史事故情况的事故时间及时间间隔,根据所述时间间隔从所述事故频数中选取目标事故频数,根据所述目标事故频数及所述事故频数计算事故概率,并根据所述事故概率、所述事故时间及所述时间间隔计算事故发生频率,其中,利用下述公式计算事故发生频率:
;
其中,表示所述事故发生频率,/>表示第/>个事故概率,/>表示所述事故时间,/>表示所述时间间隔;
排列图生成模块,用于根据所述设备安全因素获取所述历史事故情况中的事故后果,根据所述事故后果的事故数据计算所述智能设备的设备损耗,并根据所述设备损耗计算所述设备安全因素的影响范围,根据所述影响范围对所述设备安全因素进行排序,得到安全因素序列,并计算所述设备安全因素对应的累计百分比,基于所述安全因素序列及所述累计百分比将所述设备安全因素作为横坐标、将所述事故频数作为左侧纵坐标并将所述事故发生频率作为右侧纵坐标生成主次因素排列图,根据所述主次因素排列图确定所述智能设备的监察关键点;
指标计算模块,用于根据所述监察关键点获取所述智能设备的监测数据,对所述监测数据进行指标分类,得到监测指标,对所述监测指标对应的监测数据进行均值计算,得到数据均值,根据所述数据均值确定指标阈值,根据所述指标阈值确定预警指标;
状态矩阵生成模块,用于分别对所述监察关键点及所述预警指标进行编号,得到监察序列及指标序列,基于所述监察序列及所述指标序列将所述监察关键点作为列向量并将所述预警指标作为行向量构建预警表格,对所述预警表格中的内容进行填充,得到预警指标体系,基于所述预警指标体系确定所述智能设备的设备状态,并根据所述设备状态生成状态矩阵;
安全预警模块,用于根据所述状态矩阵及所述预警指标体系进行预警分类,得到预警类型,并根据所述预警类型对所述智能设备进行安全预警;
所述根据所述设备状态生成状态矩阵,包括:
根据所述设备状态获取所述智能设备的预警指标及所述监察关键点,根据所述设备状态、所述预警指标及所述监察关键点构建状态矩阵;
所述状态矩阵表示为:
;
其中,表示所述状态矩阵,/>表示所述智能设备的第1个预警指标在第1个监察关键点/>的设备状态,/>表示所述智能设备的第1个预警指标在第/>个监察关键点/>的设备状态,/>表示所述智能设备的第/>个预警指标在第1个监察关键点/>的设备状态,/>表示所述智能设备的第/>个预警指标在第/>个监察关键点/>的设备状态;所述根据所述状态矩阵及所述预警指标体系进行预警分类,得到预警类型,包括:
获取所述状态矩阵中的设备状态显示为异常状态的预警指标,根据所述预警指标从所述预警指标体系中提取所述预警指标对应的指标数据;
根据所述指标数据计算所述智能设备的设备故障率,并根据所述设备故障率计算所述智能设备对应的事故发生概率;
利用下述公式计算事故发生概率:
;
其中,表示第/>个智能设备对应的事故发生概率,/>表示第/>个智能设备的设备故障率,/>表示所述设备故障率,/>表示指数函数;
根据所述指标数据及所述事故发生概率计算所述智能设备的风险概率;
利用下述公式计算风险概率:
;
其中,表示所述风险概率,/>表示第/>个智能设备对应的事故发生概率,/>表示所述指标数据中的设备运行数据,/>表示所述指标数据中的设备故障数据,/>表示概率密度函数,/>表示分析函数;
根据所述设备故障率、所述事故发生概率及所述风险概率进行预警等级分类,得到预警类型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310710779.5A CN116449762B (zh) | 2023-06-15 | 2023-06-15 | 基于物联网实现智能设备的安全预警方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310710779.5A CN116449762B (zh) | 2023-06-15 | 2023-06-15 | 基于物联网实现智能设备的安全预警方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116449762A CN116449762A (zh) | 2023-07-18 |
CN116449762B true CN116449762B (zh) | 2023-08-18 |
Family
ID=87124092
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310710779.5A Active CN116449762B (zh) | 2023-06-15 | 2023-06-15 | 基于物联网实现智能设备的安全预警方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116449762B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116704735B (zh) * | 2023-08-08 | 2023-11-03 | 湖南江河能源科技股份有限公司 | 一种水电站智能报警方法、系统、终端及存储介质 |
CN116847222B (zh) * | 2023-09-01 | 2023-11-14 | 西安格威石油仪器有限公司 | 应用于石油测井下的设备远程监控方法及系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107196804A (zh) * | 2017-06-01 | 2017-09-22 | 国网山东省电力公司信息通信公司 | 电力系统终端通信接入网告警集中监控系统及方法 |
CN109152127A (zh) * | 2018-06-05 | 2019-01-04 | 福建锐杰信息技术有限公司 | 一种安全程度高的照明工程设计方案 |
CN110647539A (zh) * | 2019-09-26 | 2020-01-03 | 汉纳森(厦门)数据股份有限公司 | 一种用于车辆故障的预测方法和系统 |
CN111815967A (zh) * | 2020-05-15 | 2020-10-23 | 中国市政工程华北设计研究总院有限公司 | 一种基于二次交通事故预防的高速公路动态限速控制方法 |
EP3739356A1 (en) * | 2019-05-12 | 2020-11-18 | Origin Wireless, Inc. | Method, apparatus, and system for wireless tracking, scanning and monitoring |
CN114358500A (zh) * | 2021-12-06 | 2022-04-15 | 国网辽宁省电力有限公司电力科学研究院 | 中压配电网多源多维停电预警与应对策略生成方法及系统 |
CN114742283A (zh) * | 2022-03-25 | 2022-07-12 | 贵州大学 | 一种基于深度学习网络的中压线路合环电流估算与风险评估方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9373149B2 (en) * | 2006-03-17 | 2016-06-21 | Fatdoor, Inc. | Autonomous neighborhood vehicle commerce network and community |
-
2023
- 2023-06-15 CN CN202310710779.5A patent/CN116449762B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107196804A (zh) * | 2017-06-01 | 2017-09-22 | 国网山东省电力公司信息通信公司 | 电力系统终端通信接入网告警集中监控系统及方法 |
CN109152127A (zh) * | 2018-06-05 | 2019-01-04 | 福建锐杰信息技术有限公司 | 一种安全程度高的照明工程设计方案 |
EP3739356A1 (en) * | 2019-05-12 | 2020-11-18 | Origin Wireless, Inc. | Method, apparatus, and system for wireless tracking, scanning and monitoring |
CN110647539A (zh) * | 2019-09-26 | 2020-01-03 | 汉纳森(厦门)数据股份有限公司 | 一种用于车辆故障的预测方法和系统 |
CN111815967A (zh) * | 2020-05-15 | 2020-10-23 | 中国市政工程华北设计研究总院有限公司 | 一种基于二次交通事故预防的高速公路动态限速控制方法 |
CN114358500A (zh) * | 2021-12-06 | 2022-04-15 | 国网辽宁省电力有限公司电力科学研究院 | 中压配电网多源多维停电预警与应对策略生成方法及系统 |
CN114742283A (zh) * | 2022-03-25 | 2022-07-12 | 贵州大学 | 一种基于深度学习网络的中压线路合环电流估算与风险评估方法 |
Non-Patent Citations (1)
Title |
---|
State probability matrix and its application to GO methodology;Duan F H;《Journal of Dalian University of Technology》;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN116449762A (zh) | 2023-07-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116449762B (zh) | 基于物联网实现智能设备的安全预警方法及装置 | |
CN112148577B (zh) | 数据异常检测方法、装置、电子设备及存储介质 | |
CN110502398B (zh) | 一种基于人工智能的交换机故障预测系统及方法 | |
US12092269B2 (en) | Method for troubleshooting potential safety hazards of compressor in smart gas pipeline network and internet of things system thereof | |
CN110740061A (zh) | 故障预警方法、装置及计算机存储介质 | |
CN113592019A (zh) | 基于多模型融合的故障检测方法、装置、设备及介质 | |
CN115330275B (zh) | 一种退役电池的梯次利用方法及装置 | |
CN114519524A (zh) | 基于知识图谱的企业风险预警方法、装置及存储介质 | |
CN112463530A (zh) | 微服务系统的异常检测方法、装置、电子设备及存储介质 | |
CN112286771A (zh) | 一种针对全域资源监控的告警方法 | |
CN115409283A (zh) | 设备故障预测方法、设备故障预测装置、设备及存储介质 | |
CN116755985A (zh) | 基于大数据和数据分析的平台智能监测管理系统 | |
CN111860935B (zh) | 一种交通工具的故障预测方法、装置、设备及存储介质 | |
CN118071545A (zh) | 一种智能化房屋建造施工管理方法、装置、设备及介质 | |
CN116714469A (zh) | 充电桩健康监测方法、装置、终端及存储介质 | |
CN111651652A (zh) | 基于人工智能的情感倾向识别方法、装置、设备及介质 | |
CN111125828A (zh) | 电动车体检方法、装置、终端设备及存储介质 | |
CN116307700A (zh) | 电力系统及其风险评估装置与方法 | |
CN116256184A (zh) | 一种铁路货车健康状态的评价方法、装置、设备及介质 | |
CN115358336A (zh) | 用电异常检测方法、装置及电子设备 | |
CN114928467A (zh) | 一种网络安全运维关联分析方法及系统 | |
CN112612676A (zh) | 设备的监控方法及监控装置 | |
CN116189332B (zh) | 一种车辆健康评分方法、装置、电子设备以及存储介质 | |
CN115877269B (zh) | 基于智慧母线的配电预警方法、装置、设备及存储介质 | |
CN113159411B (zh) | 一种电网气象风险预警模型的检验方法及系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |