CN116756383A - 基于物联网的电梯数据管理系统及方法 - Google Patents
基于物联网的电梯数据管理系统及方法 Download PDFInfo
- Publication number
- CN116756383A CN116756383A CN202311040775.7A CN202311040775A CN116756383A CN 116756383 A CN116756383 A CN 116756383A CN 202311040775 A CN202311040775 A CN 202311040775A CN 116756383 A CN116756383 A CN 116756383A
- Authority
- CN
- China
- Prior art keywords
- data
- sequence
- scanning
- elevator
- maintenance
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 68
- 238000013523 data management Methods 0.000 title claims abstract description 28
- 238000012423 maintenance Methods 0.000 claims abstract description 73
- 238000012545 processing Methods 0.000 claims abstract description 5
- 239000012634 fragment Substances 0.000 claims description 28
- 238000011156 evaluation Methods 0.000 claims description 27
- 238000012217 deletion Methods 0.000 claims description 12
- 230000037430 deletion Effects 0.000 claims description 11
- 238000004140 cleaning Methods 0.000 claims description 10
- 238000007906 compression Methods 0.000 claims description 8
- 230000006835 compression Effects 0.000 claims description 8
- 238000005034 decoration Methods 0.000 claims description 3
- 238000004321 preservation Methods 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims description 2
- 230000006855 networking Effects 0.000 claims 1
- 238000007726 management method Methods 0.000 abstract description 2
- 238000013210 evaluation model Methods 0.000 abstract 2
- 238000001514 detection method Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- WYTGDNHDOZPMIW-RCBQFDQVSA-N alstonine Natural products C1=CC2=C3C=CC=CC3=NC2=C2N1C[C@H]1[C@H](C)OC=C(C(=O)OC)[C@H]1C2 WYTGDNHDOZPMIW-RCBQFDQVSA-N 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 230000000750 progressive effect Effects 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000013144 data compression Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B66—HOISTING; LIFTING; HAULING
- B66B—ELEVATORS; ESCALATORS OR MOVING WALKWAYS
- B66B5/00—Applications of checking, fault-correcting, or safety devices in elevators
- B66B5/0006—Monitoring devices or performance analysers
- B66B5/0018—Devices monitoring the operating condition of the elevator system
- B66B5/0025—Devices monitoring the operating condition of the elevator system for maintenance or repair
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/901—Indexing; Data structures therefor; Storage structures
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Maintenance And Inspection Apparatuses For Elevators (AREA)
Abstract
本发明涉及数据处理领域,具体涉及基于物联网的电梯数据管理系统及方法,包括:采集电梯中的维修序列数据和采集部件故障序列数据;获取处理后的维修序列数据和部件故障序列数据;对处理后的维修序列数据和部件故障序列数据得到拼接序列数据;根据拼接序列数据获取长度最长的序列片段中的数据个数和序列片段的数量;根据长度最长的序列片段中的数据个数和序列片段的数量得到最优存储路径的评估模型;根据最优存储路径的评估模型获取最优存储路径,根据最优存储路径对电梯数据进行压缩存储,最后放置在终端进行保存管理。本发明对电梯数据进行最优扫描路径的压缩,提高了对电梯数据的存储效率。
Description
技术领域
本发明涉及数据处理领域,具体涉及基于物联网的电梯数据管理系统及方法。
背景技术
电梯是现代社会人们日常居住生活当中重要的组成部分,由于其频繁的使用频率和巨大的体量负荷,因此对于电梯故障的检测变得至关重要;及时对电梯的进行维护以及对电梯的故障类型进行分析是电梯管理的重要环节;针对不同原因的故障采取不同的维修方法和手段;而为了及时且有效地排除故障;需要大大地提高电梯的检测频率;这样一来,详细的数据信息和较高的检频率会使得系统中数据量的庞大和堆积;因此需要对电梯中的故障检测数据进行数据压缩以此提高存储效率。
发明内容
本发明提供基于物联网的电梯数据管理系统及方法,以解决现有的问题。
本发明的基于物联网的电梯数据管理系统及方法采用如下技术方案:
本发明实施例提供了基于物联网的电梯数据管理方法,该方法包括以下步骤:
采集电梯中的维修数据,记为序列数据a;采集部件故障数据,记为序列数据b;
对序列数据a进行删除得到删除后的维修序列数据,记为;
以序列数据b中的数值为横坐标,以横坐标对应的数值在序列数据和序列数据b中出现的频次为纵坐标构建特征直方图;
对序列数据b的每部电梯数据在特征直方图中出现频次最少的数据进行删除,得到删除后的部件故障序列数据,记为;
对处理后的维修序列数据和部件故障序列数据/>进行拼接得到一组新的序列数据,记为拼接序列/>;将一维的拼接序列zy存放在二维存储结构中,根据不同的扫描规则扫描二维存储结构得到扫描序列;
根据扫描序列获取多个序列片段;根据序列片段获取长度最长的序列片段中的数据个数和序列片段的数量;根据长度最长的序列片段中的数据个数和序列片段的数量得到扫描序列的存储路径评估结果;
根据扫描序列的存储路径评估结果得到最优扫描规则,根据最优扫描规则在二维存储结构中得到最优扫描序列,将最优扫描序列进行压缩和保存。
进一步地,所述删除后的维修序列数据的具体获取方法为:
所述序列数据a包含若干部电梯的维修数据,维修数据包括清理占比、零件更换占比以及部件故障占比三个数据;
对序列数据a中的每部电梯的清理占比和零件更换占比这求和,然后用1.0减去求和结果作为每部电梯维修数据中部件故障占比数据的取值,将部件故障占比进行去除,将清理占比和零件更换占比数据进行保存,然后根据所有电梯的剩余维修数据得到删除后的维修序列数据。
进一步地,所述删除后的部件故障序列数据的具体获取方法为:
所述序列数据b包含若干部电梯的部件故障数据,部件故障数据包含不运行故障占比、装饰条维修故障占比、其他故障占比和门板维修故障占比四个数据;
以序列数据b中的数值为横坐标,以横坐标对应的数值在序列数据和序列数据b中出现的频次为纵坐标构建特征直方图;根据构建所得的特征直方图中序列/>中各数值种类信息以及对应的频次信息对各电梯的部件故障维修参数进行自适应最优删除,包括:
获取第i个电梯的四个故障数据在直方图上的频次,获取频次最小的一个部件故障数据,该部件故障数据从第i个电梯的四个故障数据中删除,依次对所有电梯数据进行最小频次的删除,直到所有电梯数据都处理完成,然后再根据所有电梯的剩余部件故障数据得到预删除后的部件故障序列数据。
进一步地,所述拼接序列zy的具体获取方法为:
将第1个电梯的删除后的维修序列数据和第1个电梯的删除后的部件故障序列数据拼接在一起,后面再将第2个电梯的删除后的维修序列数据和第2个电梯的删除后的部件故障序列数据拼接在一起,依次类推,将所有的电梯删除后的维修序列数据和部件故障序列数据都拼接在一起得到一组序列,记为拼接序列zy。
进一步地,所述根据不同的扫描规则扫描二维存储结构得到扫描序列,包括的具体方法为:
在使用不同的扫描规则扫描二维存储结构时,不同的扫描方式会按照不同的扫描顺序去扫描二维存储结构,得到不同的扫描序列。
进一步地,所述根据扫描序列获取多个序列片段,包括的具体方法为:
一个小序列判断规则为:对扫描序列中第1个数据和相邻的第2个数据对应的二进制数使用异或运算进行比较,得到扫描序列中第1个数据和第2个数据是否相等,如果相等则继续通过二进制数据的异或运算判断扫描序列中第2个数据和相邻的第3个数据是否相等,如果相等继续判断与下一个相邻数据是否相等,如果不想等,则停止,表示得到一个小序列片段;依次类推将剩余的数据使用一个小序列判断规则得到多个序列片段。
进一步地,所述长度最长的序列片段中的数据个数和序列片段的数量的具体获取方法为:
根据拼接序列zy确定出连续相同数据个数组成的片段,将其记为序列片段,其中,序列片段中数据个数大于等于2;获取拼接序列zy中的所有序列片段;根据所有序列片段得到长度最长的序列片段中数据个数,记为;再统计出拼接序列zy中的所有序列片段的个数,记为/>。
进一步地,所述扫描序列的存储路径评估结果的具体获取方法为:
扫描序列的存储路径评估结果为:
式中,表示为长度最长的序列片段中的数据个数,/>表示为拼接序列zy中的所有序列片段的数量,n表示拼接序列zy中的数据个数,/>为预设权重。
进一步地,所述最优扫描规则的具体获取方法为:
选取扫描序列的存储路径评估结果最大值对应的扫描规则为最优扫描规则。
本发明实施例提供了基于物联网的电梯数据管理系统,该系统包括以下模块:
数据采集模块:采集电梯中的维修数据,记为序列数据a;采集部件故障数据,记为序列数据b;
数据处理模块:对序列数据a进行删除得到删除后的维修序列数据,记为;以序列数据b中的数值为横坐标,以横坐标对应的数值在序列数据/>和序列数据b中出现的频次为纵坐标构建特征直方图;对序列数据b的每部电梯数据在特征直方图中出现频次最少的数据进行删除,得到删除后的部件故障序列数据,记为/>;
数据扫描模块:对处理后的维修序列数据和部件故障序列数据/>进行拼接得到一组新的序列数据,记为拼接序列/>;将一维的拼接序列zy存放在二维存储结构中,根据不同的扫描规则扫描二维存储结构得到扫描序列;
扫描序列的存储路径评估结果模块:扫描序列的存储路径评估结果模块:根据扫描序列获取多个序列片段;根据序列片段获取长度最长的序列片段中的数据个数和序列片段的数量;根据长度最长的序列片段中的数据个数和序列片段的数量得到扫描序列的存储路径评估结果;
压缩和保存模块:根据扫描序列的存储路径评估结果得到最优扫描规则,根据最优扫描规则在二维存储结构中得到最优扫描序列,将最优扫描序列进行压缩和保存。
本发明的技术方案的有益效果是:本发明通过电梯数据之间的关联,用电梯数据的直方图得到每部电梯中频次最少的数据删除,以及通过其余两个数据获取第三个数据,导致一些数据不必要出现,因此将不必要的数据进行删除,减小数据的冗余,提高数据的存储效率;再通过选取最优扫描规则,获取最优扫描路径,使得数据的压缩效率更高。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,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为本发明基于物联网的电梯数据管理方法的步骤流程图;
图2为本发明基于物联网的电梯数据管理系统的模块流程图;
图3为本发明基于物联网的电梯数据管理方法的电梯数据饼状图;
图4为本发明基于物联网的电梯数据管理方法的频次统计直方图;
图5为本发明基于物联网的电梯数据管理方法的二维存储结构的示意图;
图6为本发明基于物联网的电梯数据管理方法的各种扫描规则示意图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例,对依据本发明提出的基于物联网的电梯数据管理系统及方法,其具体实施方式、结构、特征及其功效,详细说明如下。在下述说明中,不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外,一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
下面结合附图具体的说明本发明所提供的基于物联网的电梯数据管理系统及方法的具体方案。
请参阅图1,其示出了本发明一个实施例提供的基于物联网的电梯数据管理方法的步骤流程图,该方法包括以下步骤:
步骤S001:获取系统中电梯运行故障数据及具体的维修情况参数,并对数据进行预处理操作。
按照系统中日常记录的电梯故障及维修情况,利用统计分析法,对电梯故障数据进行分析;将主要的故障类型以及占比数量表现在饼状图中,如图3所示。
获取每部电梯的维修数据,维修数据包括清理占比、零件更换占比和部件故障占比数值。先将维修数据中所有数据四舍五入保留两位小数。此时,所有电梯的维修数据构成一个序列数据a。
获取每部电梯的部件故障数据,数据包括不运行故障占比、装饰条维修故障占比、其他故障占比和门板维修故障占比。先将部件故障数据中的所有数据四舍五入保留两位小数。此时,所有电梯的部件故障数据构成一个序列数据b。
序列a和序列b的数据如图3中的a和b所示。
其中,序列;该序列表示当前检测的3部电梯中故障数量统计的数值信息,从首位开始的三位数值表示一部电梯故障数量统计信息,三个数值按照序列索引值由由以下顺序表示:清理占比、零件更换和部件故障维修占比数值。
例如序列;该序列表示当前检测的三部电梯中各自部件故障维修的具体类型占比数值信息,从首位开始的四位数值表示一部电梯部件故障维修的具体类型所对应的占比数值;四位数值按照序列索引值由以下顺序表示:不运行故障、装饰条维修故障、其他故障和门板维修故障。
至此,得到预处理后的所有电梯的维修序列数据和部件故障序列数据。
步骤S002:分析并获取最优压缩存储数值序列,结合数据特征自适应得到最优存储序列。
需要说明的是,通常对于电梯运行故障数据的压缩存储目标对象为对图3中两个饼状图像中的数值且压缩方法为构建一维数据序列,再将序列中的各数值转换为计算机可识别的二进制编码,进而对其进行游程编码压缩;而该方式十分依赖原始数据的冗余和重复程度;压缩效果得不到保证;而通过观察数据之间关联性可知,两个饼状图为递进关系,即(b)图像是(a)图像中一部分数据的具体展开;而饼状图的特性为所有区域占比相加为1;通过上述描述的数据之间的关联特征;可将原始一维数值序列中的数据用计算所得最优压缩存储数据置换;得到新的数值序列;并对当前序列进行自适应最优存储路径的选择和构建。
具体删除方法为:
观察等式可以发现,序列中任一部电梯内部件故障维修占比数值都可以通过其余两项参数和与1作差得到;由于序列/>中的数值都与序列/>中的部件故障维修类型数值有关,因此序列/>中的部件故障维修占比数值使用其余两项数值计算替代即可;而序列/>中同样任一部电梯的部件故障维修类型数据均可通过其余部件故障维修占比数值参数和与1作差表示,而序列/>中任一部电梯内四个参数需要根据其具体数值的冗余程度自适应选择替代数值。
对序列a中的每部电梯的清理占比和零件更换占比这两个数据求和,然后用1.0减去这两个数据的和得到的结果作为每部电梯维修数据中部件故障占比数据的取值,所以可以将部件故障占比进行去除,将清理占比和零件更换占比数据进行保存。然后再将所有电梯的剩余维修数据乘以100得到删除后的维修数据。
至此,得到对序列a删除处理后的新序列,记为。
对于原始数值序列,其中所含有的任一部电梯内的四个参数均为平行参数,为了使得构建得到的序列中数值冗余程度更高,需要自适应选择最优删除参数。
以b中的数值为横坐标,以横坐标对应的数值在序列和序列b中出现的频次为纵坐标构建特征直方图,直方图如图4所示。
根据构建所得的特征直方图中序列中各数值种类信息以及对应的频次信息对各电梯的部件故障维修参数进行自适应最优删除参数的选择;原始序列/>删除的规则为:
获取第i个电梯的四个故障数据在直方图上的频次,获取频次最小的一个部件故障数据,该部件故障数据从第i个电梯的四个故障数据中删除,依次,对所有电梯数据进行最小频次的删除,直到所有电梯数据都处理完成。然后再将所有电梯的剩余部件故障数据乘以100得到删除后的部件故障数据。
至此,得到对序列b删除处理后的新序列,记为部件故障序列数据。
此处序列的删除操作需要得到所有数据,统计每个数据出现的频数,对上述举例的序列/>只是一部分,所以假设第1个电梯中19在第1个电梯的所有数中频数占比最少,第2个电梯中24在第2个电梯的所有数中频数占比最少,第3个电梯中31在第3个电梯的所有数中频数占比最少,所以得到/>。
由此根据计算统计所得的最优删除参数对序列进行数据压缩,缩短当前序列并保证较大程度的数据冗余,由于删除的具体索引值不唯一,因此需要对删除的参数元素根据其在序列中对应电梯的部件故障维修的四个数值参数中的索引位置数值进行标记。
第1个电梯的删除后的维修数据和第1个电梯的删除后的部件故障数据拼接在一起,后面再将第2个电梯的删除后的维修数据和第2个电梯的删除后的部件故障数据拼接在一起,依次类推,将所有的电梯删除后的维修数据和部件故障数据都拼接在一起得到一组序列,将该序列记为拼接序列zy。
将获取得到的一维拼接序列数据转换成二维矩阵存储结构。
需要说明的是,由于一维序列中各数值之间的关联性较弱,因此将最优压缩存储数值序列进行二维空间的转换,以此增加数据之间的关联性便于分析最优存储路径。
具体地,以其中每个数据值为一行,将拼接序列zy从首位数据值开始分割成/>行;得到尺寸为/>的二维矩阵满足/>,其中本实施例中n=60、x=6、y=10为例进行叙述,本实施例不进行具体的限定,其中x、y可根据具体实施情况而定。
图5为将一维拼接序列zy存储为二维存储结构的示意图,且二维存储结构中数值可以使用光栅扫描的方式(逐行扫描)将数据还原成原始一维数据,记为扫描序列。
获取扫描序列的存储路径评估结果,具体方法为:
首先,根据扫描序列确定出连续相同数据个数组成的片段,将其记为序列片段,其中,序列片段中数据个数大于等于2,至此,获取扫描序列中的所有序列片段。
根据所有序列片段得到长度最长的序列片段中数据个数,记为;再统计出序列zy中的所有序列片段的个数,记为/>。
预设权重阈值和/>,其中本实施例以/>为例进行叙述,本实施例不进行具体限定,其中/>和/>可根据具体实施情况而定。
扫描序列的存储路径评估结果为:
式中,表示为长度最长的序列片段中的数据个数,/>表示为序列zy中的所有序列片段的数量,n表示序列zy中的数据个数,/>为权重阈值。
至此,在使用光栅扫描的扫描规则时,得到了扫描序列的储路径评估结果。那么同理依次使用zigzag扫描,蛇形扫描,希尔伯特扫描和螺旋扫描等扫描规则对二维存储结构扫描,得到这些扫描规则下分别对应的扫描序列,以及这些扫描序列对应的储路径评估结果。
获取储路径评估结果最大时对应的扫描序列为最优扫描序列,即为最优存储序列,以及该扫描序列对应的扫描规则,记为最优扫描规则。
如图6所示,从左向右依次为zigzag扫描,蛇形扫描,希尔伯特扫描和螺旋扫描规则(还有其他多种扫描方法可以参考或自设扫描方式)。
步骤S003:根据最优存储序列对当前电梯运行故障数据进行高效存储。
利用最优扫描规则对二维存储结构进行扫描得到最优扫描序列,将最优扫描序列中的数据转换成二进制数据,然后在使用游程编码压缩,得到压缩后的数据,将压缩后的数据进行保存管理。
由于此时的数据量相比原始数据更少且路径的选择使得数据的重复冗余程度大大增加,因此压缩效率得到大大提高;
解压时首先按照游程编码的压缩方式还原得到压缩前的扫描序列,在根据最优扫描规则将数值还原到原始的二维存储结构中,根据原始的二维存储结构得到拼接序列,即按照光栅扫描的方式将二维存储结构转换成一维数值序列,在根据序列的删除规则还原序列/>中的部件故障数据占比数值;再根据序列/>中的删除规则还原序列/>中的维修数据占比数值即可。
本实施例提供了基于物联网的电梯数据管理系统,如图2所示,该系统包括以下模块:
数据采集模块:采集电梯中的维修数据,记为序列数据a;采集部件故障数据,记为序列数据b;
数据处理模块:对序列数据a进行删除得到删除后的维修序列数据,记为;以序列数据b中的数值为横坐标,以横坐标对应的数值在序列数据/>和序列数据b中出现的频次为纵坐标构建特征直方图;对序列数据b的每部电梯数据在特征直方图中出现频次最少的数据进行删除,得到删除后的部件故障序列数据,记为/>;
数据扫描模块:对处理后的维修序列数据和部件故障序列数据/>进行拼接得到一组新的序列数据,记为拼接序列/>;将一维的拼接序列zy存放在二维存储结构中,根据不同的扫描规则扫描二维存储结构得到扫描序列;
扫描序列的存储路径评估结果模块:扫描序列的存储路径评估结果模块:根据扫描序列获取多个序列片段;根据序列片段获取长度最长的序列片段中的数据个数和序列片段的数量;根据长度最长的序列片段中的数据个数和序列片段的数量得到扫描序列的存储路径评估结果;
压缩和保存模块:根据扫描序列的存储路径评估结果得到最优扫描规则,根据最优扫描规则在二维存储结构中得到最优扫描序列,将最优扫描序列进行压缩和保存。
至此,本实施例完成。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.基于物联网的电梯数据管理方法,其特征在于,该方法包括以下步骤:
采集电梯中的维修数据,记为序列数据a;采集部件故障数据,记为序列数据b;
对序列数据a进行删除得到删除后的维修序列数据,记为;
以序列数据b中的数值为横坐标,以横坐标对应的数值在序列数据和序列数据b中出现的频次为纵坐标构建特征直方图;
对序列数据b的每部电梯数据在特征直方图中出现频次最少的数据进行删除,得到删除后的部件故障序列数据,记为;
对处理后的维修序列数据和部件故障序列数据/>进行拼接得到一组新的序列数据,记为拼接序列/>;将一维的拼接序列zy存放在二维存储结构中,根据不同的扫描规则扫描二维存储结构得到扫描序列;
根据扫描序列获取多个序列片段;根据序列片段获取长度最长的序列片段中的数据个数和序列片段的数量;根据长度最长的序列片段中的数据个数和序列片段的数量得到扫描序列的存储路径评估结果;
根据扫描序列的存储路径评估结果得到最优扫描规则,根据最优扫描规则在二维存储结构中得到最优扫描序列,将最优扫描序列进行压缩和保存。
2.根据权利要求1所述基于物联网的电梯数据管理方法,其特征在于,所述删除后的维修序列数据的具体获取方法为:
所述序列数据a包含若干部电梯的维修数据,维修数据包括清理占比、零件更换占比以及部件故障占比三个数据;
对序列数据a中的每部电梯的清理占比和零件更换占比这求和,然后用1.0减去求和结果作为每部电梯维修数据中部件故障占比数据的取值,将部件故障占比进行去除,将清理占比和零件更换占比数据进行保存,然后根据所有电梯的剩余维修数据得到删除后的维修序列数据。
3.根据权利要求1所述基于物联网的电梯数据管理方法,其特征在于,所述删除后的部件故障序列数据的具体获取方法为:
所述序列数据b包含若干部电梯的部件故障数据,部件故障数据包含不运行故障占比、装饰条维修故障占比、其他故障占比和门板维修故障占比四个数据;
以序列数据b中的数值为横坐标,以横坐标对应的数值在序列数据和序列数据b中出现的频次为纵坐标构建特征直方图;根据构建所得的特征直方图中序列/>中各数值种类信息以及对应的频次信息对各电梯的部件故障维修参数进行自适应最优删除,包括:
获取第i个电梯的四个故障数据在直方图上的频次,获取频次最小的一个部件故障数据,该部件故障数据从第i个电梯的四个故障数据中删除,依次对所有电梯数据进行最小频次的删除,直到所有电梯数据都处理完成,然后再根据所有电梯的剩余部件故障数据得到预删除后的部件故障序列数据。
4.根据权利要求1所述基于物联网的电梯数据管理方法,其特征在于,所述拼接序列zy的具体获取方法为:
将第1个电梯的删除后的维修序列数据和第1个电梯的删除后的部件故障序列数据拼接在一起,后面再将第2个电梯的删除后的维修序列数据和第2个电梯的删除后的部件故障序列数据拼接在一起,依次类推,将所有的电梯删除后的维修序列数据和部件故障序列数据都拼接在一起得到一组序列,记为拼接序列zy。
5.根据权利要求1所述基于物联网的电梯数据管理方法,其特征在于,所述根据不同的扫描规则扫描二维存储结构得到扫描序列,包括的具体方法为:
在使用不同的扫描规则扫描二维存储结构时,不同的扫描方式会按照不同的扫描顺序去扫描二维存储结构,得到不同的扫描序列。
6.根据权利要求1所述基于物联网的电梯数据管理方法,其特征在于,所述根据扫描序列获取多个序列片段,包括的具体方法为:
一个小序列判断规则为:对扫描序列中第1个数据和相邻的第2个数据对应的二进制数使用异或运算进行比较,得到扫描序列中第1个数据和第2个数据是否相等,如果相等则继续通过二进制数据的异或运算判断扫描序列中第2个数据和相邻的第3个数据是否相等,如果相等继续判断与下一个相邻数据是否相等,如果不想等,则停止,表示得到一个小序列片段;依次类推将剩余的数据使用一个小序列判断规则得到多个序列片段。
7.根据权利要求1所述基于物联网的电梯数据管理方法,其特征在于,所述长度最长的序列片段中的数据个数和序列片段的数量的具体获取方法为:
根据拼接序列zy确定出连续相同数据个数组成的片段,将其记为序列片段,其中,序列片段中数据个数大于等于2;获取拼接序列zy中的所有序列片段;根据所有序列片段得到长度最长的序列片段中数据个数,记为;再统计出拼接序列zy中的所有序列片段的个数,记为/>。
8.根据权利要求1所述基于物联网的电梯数据管理方法,其特征在于,所述扫描序列的存储路径评估结果的具体获取方法为:
扫描序列的存储路径评估结果为:
式中,表示为长度最长的序列片段中的数据个数,/>表示为拼接序列zy中的所有序列片段的数量,n表示拼接序列zy中的数据个数,/>为预设权重。
9.根据权利要求1所述基于物联网的电梯数据管理方法,其特征在于,所述最优扫描规则的具体获取方法为:
选取扫描序列的存储路径评估结果最大值对应的扫描规则为最优扫描规则。
10.基于物联网的电梯数据管理系统,其特征在于,该系统包括以下模块:
数据采集模块:采集电梯中的维修数据,记为序列数据a;采集部件故障数据,记为序列数据b;
数据处理模块:对序列数据a进行删除得到删除后的维修序列数据,记为;以序列数据b中的数值为横坐标,以横坐标对应的数值在序列数据/>和序列数据b中出现的频次为纵坐标构建特征直方图;对序列数据b的每部电梯数据在特征直方图中出现频次最少的数据进行删除,得到删除后的部件故障序列数据,记为/>;
数据扫描模块:对处理后的维修序列数据和部件故障序列数据/>进行拼接得到一组新的序列数据,记为拼接序列/>;将一维的拼接序列zy存放在二维存储结构中,根据不同的扫描规则扫描二维存储结构得到扫描序列;
扫描序列的存储路径评估结果模块:扫描序列的存储路径评估结果模块:根据扫描序列获取多个序列片段;根据序列片段获取长度最长的序列片段中的数据个数和序列片段的数量;根据长度最长的序列片段中的数据个数和序列片段的数量得到扫描序列的存储路径评估结果;
压缩和保存模块:根据扫描序列的存储路径评估结果得到最优扫描规则,根据最优扫描规则在二维存储结构中得到最优扫描序列,将最优扫描序列进行压缩和保存。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311040775.7A CN116756383B (zh) | 2023-08-18 | 2023-08-18 | 基于物联网的电梯数据管理系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311040775.7A CN116756383B (zh) | 2023-08-18 | 2023-08-18 | 基于物联网的电梯数据管理系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116756383A true CN116756383A (zh) | 2023-09-15 |
CN116756383B CN116756383B (zh) | 2023-11-21 |
Family
ID=87961286
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311040775.7A Active CN116756383B (zh) | 2023-08-18 | 2023-08-18 | 基于物联网的电梯数据管理系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116756383B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118337222A (zh) * | 2024-06-14 | 2024-07-12 | 山东德源电力科技股份有限公司 | 一种具备智慧存储功能的集中器 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9635389B1 (en) * | 2015-11-30 | 2017-04-25 | Amazon Technologies, Inc. | Binary mask compression |
CN108615143A (zh) * | 2018-06-12 | 2018-10-02 | 湖南建工集团有限公司 | 智能建筑管理中基于bim模型与运维信息交互的装置及方法 |
CN109471929A (zh) * | 2018-11-06 | 2019-03-15 | 湖南云智迅联科技发展有限公司 | 一种基于图谱匹配进行设备维修记录语义搜索的方法 |
CN111615149A (zh) * | 2020-05-13 | 2020-09-01 | 和智信(山东)大数据科技有限公司 | 信令轨迹数据压缩方法及装置 |
US20210142522A1 (en) * | 2018-05-03 | 2021-05-13 | Peking University Shenzhen Graduate School | Point cloud attribute compression method based on deleting 0 elements in quantisation matrix |
CN115567609A (zh) * | 2022-11-16 | 2023-01-03 | 江苏太湖锅炉股份有限公司 | 一种锅炉用物联网通信方法 |
CN116108506A (zh) * | 2023-04-12 | 2023-05-12 | 广东奥飞数据科技股份有限公司 | 一种元宇宙数字资产安全管理系统 |
-
2023
- 2023-08-18 CN CN202311040775.7A patent/CN116756383B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9635389B1 (en) * | 2015-11-30 | 2017-04-25 | Amazon Technologies, Inc. | Binary mask compression |
US20210142522A1 (en) * | 2018-05-03 | 2021-05-13 | Peking University Shenzhen Graduate School | Point cloud attribute compression method based on deleting 0 elements in quantisation matrix |
CN108615143A (zh) * | 2018-06-12 | 2018-10-02 | 湖南建工集团有限公司 | 智能建筑管理中基于bim模型与运维信息交互的装置及方法 |
CN109471929A (zh) * | 2018-11-06 | 2019-03-15 | 湖南云智迅联科技发展有限公司 | 一种基于图谱匹配进行设备维修记录语义搜索的方法 |
CN111615149A (zh) * | 2020-05-13 | 2020-09-01 | 和智信(山东)大数据科技有限公司 | 信令轨迹数据压缩方法及装置 |
CN115567609A (zh) * | 2022-11-16 | 2023-01-03 | 江苏太湖锅炉股份有限公司 | 一种锅炉用物联网通信方法 |
CN116108506A (zh) * | 2023-04-12 | 2023-05-12 | 广东奥飞数据科技股份有限公司 | 一种元宇宙数字资产安全管理系统 |
Non-Patent Citations (2)
Title |
---|
MARIAM M. SALEH等: "Combining raw data and engineered features for optimizing encrypted and compressed internet of things traffic classification", 《COMPUTERS & SECURITY》, vol. 130, pages 1 - 13 * |
范欢欢;严军;赵勇;蒋莉;孟伟;: "基于时间相关性的差分消零数据压缩算法研究", 电子测量技术, no. 12, pages 49 - 52 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118337222A (zh) * | 2024-06-14 | 2024-07-12 | 山东德源电力科技股份有限公司 | 一种具备智慧存储功能的集中器 |
Also Published As
Publication number | Publication date |
---|---|
CN116756383B (zh) | 2023-11-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Harvey et al. | Comparative analyses for adaptive radiations | |
CN114511112B (zh) | 一种基于物联网的智慧运维方法、系统和可读存储介质 | |
CN114359275B (zh) | 基于人工智能的液压齿轮泵缺陷检测方法及系统 | |
CN113051839B (zh) | 一种基于深度学习的设备剩余寿命预测模型构建方法 | |
CN116990692B (zh) | 一种锂电池的健康状况评估与剩余寿命预测方法及系统 | |
CN116739829B (zh) | 一种基于大数据的电力数据分析方法、系统及介质 | |
CN111833583A (zh) | 电力数据异常检测模型的训练方法、装置、设备和介质 | |
CN115687038B (zh) | 一种基于大数据的硬盘故障预测系统及方法 | |
CN111062620A (zh) | 基于混合计费数据的电力计费公平性智能分析系统及方法 | |
CN111506635A (zh) | 一种基于自回归和朴素贝叶斯算法的居民用电行为分析的系统及方法 | |
CN111241550B (zh) | 基于二进制映射和深度学习的漏洞检测方法 | |
CN107146216A (zh) | 一种基于梯度自相似度的无参考图像客观质量评价方法 | |
CN116756383B (zh) | 基于物联网的电梯数据管理系统及方法 | |
CN116402117A (zh) | 图像分类卷积神经网络剪枝方法及芯粒器件数据分配方法 | |
CN114897248A (zh) | 一种基于人工智能的电网负荷预测方法 | |
CN116032294A (zh) | 一种用于大气监测数据的智能处理方法 | |
CN113448955B (zh) | 数据集质量评估方法、装置、计算机设备及存储介质 | |
CN112652070B (zh) | 三维模型的减面方法、装置、设备及介质 | |
CN116861271A (zh) | 基于大数据的数据分析处理方法 | |
CN117278313A (zh) | 一种计算机网络结构优化的安全检测方法及系统 | |
CN113591511A (zh) | 混凝土状态的识别方法、装置、电子设备及存储介质 | |
CN113240213B (zh) | 基于神经网络和树模型的人员甄选方法、装置及设备 | |
CN112000655A (zh) | 一种变压器负荷数据预处理方法、装置和设备 | |
CN112730437A (zh) | 基于深度可分离卷积神经网络的喷丝板表面缺陷检测方法、装置、存储介质及设备 | |
US6873270B2 (en) | Data storage and analysis |
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 |