CN117240886A - 一种物联网设备管理系统 - Google Patents
一种物联网设备管理系统 Download PDFInfo
- Publication number
- CN117240886A CN117240886A CN202311280125.XA CN202311280125A CN117240886A CN 117240886 A CN117240886 A CN 117240886A CN 202311280125 A CN202311280125 A CN 202311280125A CN 117240886 A CN117240886 A CN 117240886A
- Authority
- CN
- China
- Prior art keywords
- internet
- different
- early warning
- sensor monitoring
- factor
- 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.)
- Pending
Links
- 238000012544 monitoring process Methods 0.000 claims abstract description 180
- 238000004458 analytical method Methods 0.000 claims abstract description 54
- 230000002265 prevention Effects 0.000 claims abstract description 41
- 238000012423 maintenance Methods 0.000 claims abstract description 34
- 230000008054 signal transmission Effects 0.000 claims abstract description 34
- 239000011159 matrix material Substances 0.000 claims description 41
- 230000003044 adaptive effect Effects 0.000 claims description 29
- 230000007613 environmental effect Effects 0.000 claims description 23
- 230000003449 preventive effect Effects 0.000 claims description 21
- 238000011156 evaluation Methods 0.000 claims description 17
- 238000013210 evaluation model Methods 0.000 claims description 13
- 230000004044 response Effects 0.000 claims description 13
- 230000006978 adaptation Effects 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000001514 detection method Methods 0.000 claims description 4
- 230000006870 function Effects 0.000 claims description 3
- 238000002372 labelling Methods 0.000 claims description 2
- 238000000034 method Methods 0.000 abstract description 9
- 238000012549 training Methods 0.000 description 12
- 230000008569 process Effects 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 238000012360 testing method Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 230000036316 preload Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000007667 floating Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000032683 aging Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000009435 building construction Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000005316 response function Methods 0.000 description 1
Landscapes
- Telephonic Communication Services (AREA)
Abstract
本发明公开了一种物联网设备管理系统，包括：对物联网设备的种类和连接方式特征进行分析获取物联网设备不同功能用途的多因素观测指标，生成物联网设备传感器监测能力管理指标，基于远程云计算服务平台得到物联网设备传感器监测信号传输实时数据，并与物联网设备传感器监测能力管理指标发送至边缘计算网关的终端，边缘计算网关进行分析得到管理预警指令，生成不同预警观测指标并输入多因素‑传感器监测物联网设备预防故障预警分析算法中，根据算法获取不同故障风险因素，对物联网设备进行故障预测与保养，本发明可以有效的防止设备故障的发生，采用边缘计算网关进行数据分析，计算速度快，极大地提升了所提出系统的实用性、有效性。
Description
技术领域
本发明涉及物联网设备管理的领域，尤其涉及一种物联网设备管理系统。
背景技术
物联网作为近年来流行的一种新技术,已经开始走进千家万户。小到运动手环和智能灯泡、大到智能物联网设备和智能公路,物联网其实无处不在,旨在通过无处不在的网络连接、智能传感器,与用户实现互动,交换大量信息,实现物体与物体之间的沟通。
现有的智能物联网系统给用户带来智能体验的同时,用户使用自身移动终端很难直观地通过时间、空间、触发事件等条件检索相关联的故障设备,进而在落地场景中难以快速实现故障设备报告链路分析以及设备故障预警。
现有的故障分析模型只能根据场景特点按照预设数据(总多因素、单位时间多因素、预测传感器监测速率等)分析是否会出现故障现象，然而在实际超负载运行过程中，往往是由于部分传感器监测性能降低了传感器监测速率而导致故障的，现有故障分析模型无法及时获知传感器监测硬件的畅通状况以及硬件的完好程度，并进行预测修正，从而导致现有的故障分析模型故障预测的准确度低。
针对上述问题，目前尚未有有效的技术解决方案。
发明内容
本申请提供了一种物联网设备管理系统，用于针对解决现有技术中存在的关于获取传感器监测信号传输实时数据的管控不足，使得最终对实时超负载运行的评估不准确，导致无法精准对故障进行管理的技术问题。
鉴于上述问题，本申请提供了一种物联网设备管理系统。
第一方面，本申请提供了一种物联网设备管理系统，所述系统运行包括：
步骤A1、通过对物联网设备的种类和连接方式特征进行分析，获取物联网设备不同功能用途的多因素观测指标；
步骤A2、以所述物联网设备不同功能用途的多因素观测指标，生成物联网设备传感器监测能力管理指标；
步骤A3、利用远程云计算服务平台，得到所述物联网设备的传感器监测信号传输实时数据；
步骤A4、将所述传感器监测信号传输实时数据和所述物联网设备传感器监测能力管理指标发送至所述边缘计算网关的终端，利用边缘计算网关进行分析，得到管理预警指令；
步骤A5、以所述管理预警指令，生成不同预警观测指标；
步骤A6、将所述不同预警观测指标输入多因素-传感器监测物联网设备预防故障预警分析算法中，根据所述多因素-传感器监测物联网设备预防故障预警分析算法获取不同故障风险因素，其中，所述不同故障风险因素与所述不同预警观测指标相对应；
步骤A7、利用所述不同故障风险因素对所述物联网设备进行故障预测与保养。
第二方面，本申请提供了一种物联网设备管理系统，所述系统包括：
物联网设备不同功能用途的多因素观测指标获取单元，所述物联网设备不同功能用途的多因素观测指标获取单元用于通过对物联网设备的种类和连接方式特征进行分析，获取物联网设备不同功能用途的多因素观测指标；
物联网设备传感器监测能力管理指标生成单元，所述物联网设备传感器监测能力管理指标生成单元用于以所述物联网设备不同功能用途的多因素观测指标，生成物联网设备传感器监测能力管理指标；
传感器监测信号传输实时数据单元，所述传感器监测信号传输实时数据单元用于利用远程云计算服务平台，得到所述物联网设备的传感器监测信号传输实时数据；
管理预警指令单元，所述管理预警指令单元用于将所述传感器监测信号传输实时数据和所述物联网设备传感器监测能力管理指标发送至所述边缘计算网关的终端，利用边缘计算网关进行分析，得到管理预警指令；
不同预警观测指标生成单元，所述不同预警观测指标生成单元用于以所述管理预警指令，生成不同预警观测指标；
不同故障风险因素获取单元，所述不同故障风险因素获取单元用于将所述不同预警观测指标输入多因素-传感器监测物联网设备预防故障预警分析算法中，根据所述多因素-传感器监测物联网设备预防故障预警分析算法获取不同故障风险因素，其中，所述不同故障风险因素与所述不同预警观测指标相对应；
预防故障维护措施单元，所述预防故障维护措施单元用于利用所述不同故障风险因素对所述物联网设备进行故障预测与保养。
有益效果：本申请提供的一种物联网设备管理系统，涉及远程云计算服务技术领域，解决了现有技术中关于获取传感器监测信号传输实时数据的管控不足，以及故障风险因素分析不够完整的缺点，提出了多因素-传感器监测物联网设备预防故障预警分析算法，该算法包括设备生产力单位时间预测模型、传感器监测硬件承受响应模型以及故障等级预测模型，所提出的模型不仅对降水导致的故障情况进行监控，还用于对传感器监测硬件、人为因素导致的故障情况进行监督，利用不同的观测指标对故障情况进行多方面的监管，当经过该系统分析后如果出现故障风险，系统利用预防故障维护措施单元进行快速响应，通知物联网设备管理人员进行迅速的维护措施，有效的防止了设备故障的发生，同时本发明采用边缘计算网关进行数据分析，计算速度快，大大提升了所提出系统的实用性、有效性以及故障情况计算的准确度。
附图说明
图1为本发明的系统运行流程图；
图2为本发明的系统单元构成图。
具体实施方式
本申请通过提供一种物联网设备管理系统，用于解决现有技术中关于获取传感器监测信号传输实时数据的管控不足，使得最终对实时超负载运行的评估不准确，导致无法精准对故障进行管理的技术问题。
如图1所示，本申请实施例提供了一种物联网设备管理系统，该系统应用于远程云计算服务平台，远程云计算服务平台与边缘计算网关通过5G信号连接，该系统包括：
步骤A1：通过对物联网设备的种类和连接方式特征进行分析，获取物联网设备不同功能用途的多因素观测指标；
本申请实施例提供的一种物联网设备管理系统应用于远程云计算服务平台，该远程云计算服务平台与边缘计算网关通过5G信号连接，该边缘计算网关用于进行物联网设备传感器监测能力、传感器监测信号传输的参数分析与计算。
首先对物联网设备进行划定，并在所划定的物联网设备中对种类和连接方式特征进行分析，传感器监测硬件的负荷最大值、传感器监测硬件的老化程度等数据，并进一步对该物联网设备的不同功能用途的多因素观测指标进行对应获取，为后期实现预防故障维护措施作为重要参考依据。
步骤A2：以所述物联网设备不同功能用途的多因素观测指标，生成物联网设备传感器监测能力管理指标；
在上述所获物联网设备不同功能用途的多因素观测指标的基础上，对该所确定的物联网设备进行与所获物联网设备不同功能用途的多因素观测指标所对应的物联网设备传感器监测能力管理指标，在关于物联网设备传感器监测能力管理的指标以物联网设备不同功能用途的多因素观测指标进行生成时，其物联网设备传感器监测能力管理的相关指标可以是：城传感器监测硬件的种类、物联网设备传感器监测的效率、传感器监测硬件的性能分布数据、传感器监测硬件的分布合理性数据、传感器监测位置的数量等，进而为实现预防故障维护措施提供保障。
步骤A3：利用远程云计算服务平台，得到所述物联网设备的传感器监测信号传输实时数据；
通过远程云计算服务平台，将对物联网设备的传感器监测信号传输实时数据进行获取，其中该远程云计算服务平台是基于智能传感器监测信号传输技术的远程云计算服务自动化，将会在智能理论知识及技术的配合作用下，为远程云计算服务方式管理提供科学依据，促使其在未来实践中的预警方式作用效果更加显著，满足远程云计算服务工作高效开展要求，并为其预警自动化水平的提升打下基础，同时在互联网时代，通过对智能传感器监测信号传输技术应用方面的深入分析，有效开展远程云计算服务方式管理方面的研究工作，可为其管理过程提供技术支持，并不断管理物联网设备传感器监测能力运行过程中预警方式，满足其预警自动化科学发展方面的要求，其中基于远程云计算服务平台所获物联网设备的传感器监测信号传输实时数据包括传感器监测信号传输实时容量、负荷数据、传感器监测信号传输拓扑以及地理工作效率数据等，进一步为后续实现预防故障维护措施夯实基础。
步骤A4：将所述传感器监测信号传输实时数据和所述物联网设备传感器监测能力管理指标发送至所述边缘计算网关的终端，利用边缘计算网关进行分析，得到管理预警指令；
通过远程云计算服务平台所获的物联网设备的传感器监测信号传输实时数据与根据物联网设备不同功能用途的多因素观测指标所获的物联网设备传感器监测能力管理指标，一同发送至边缘计算网关的终端，其中边缘计算网关终端是基于可靠、高速的特定的通信协议、利用高速的数据计算能力，通过远程虚拟化技术实现客户终端物联网设备的管理解决方案，通过将远程终端物联网设备硬件、运行软件及硬盘数据等分离成不同的传输层次，构成主机-客户端的动态架构，进一步的，在该边缘计算网关的基础上，对所获传感器监测信号传输实时数据与物联网设备传感器监测能力管理指标进行分析，从而得到管理预警指令，对实现预防故障维护措施有着推进的作用。
步骤A5：以所述管理预警指令，生成不同预警观测指标；
在边缘计算网关对传感器监测信号传输实时数据与物联网设备传感器监测能力管理指标进行分析所得的管理预警指令后，将以管理预警指令为基础，生成不同预警观测指标，其中该预警观测指标是根据物联网设备的传感器监测信号传输实时数据中的传感器监测信号传输实时容量、负荷数据、传感器监测信号传输拓扑以及地理工作效率数据等，以及物联网设备传感器监测能力管理指标中的传感器监测硬件的种类、物联网设备传感器监测的效率、传感器监测硬件的性能分布数据、传感器监测硬件的分布合理性数据、传感器监测位置的数量等，根据物联网设备中获得的不同传感器监测信号传输实时数据与不同物联网设备传感器监测能力管理指标进行对应的不同预警观测指标，并将物联网设备中所生成的不同的预警观测指标进行整合后生成不同预警观测指标，对所对应的物联网设备进行对应预警管理，并对后期实现预防故障维护措施有着深远的影响。
步骤A6：将所述不同预警观测指标输入多因素-传感器监测物联网设备预防故障预警分析算法中，根据所述多因素-传感器监测物联网设备预防故障预警分析算法获取不同故障风险因素，其中，所述不同故障风险因素与所述不同预警观测指标相对应；
将在上述所获的不同预警观测指标的基础上，将其输入至多因素-传感器监测物联网设备预防故障预警分析算法中，其中多因素-传感器监测物联网设备预防故障预警分析算法为机器学习中的，可以不断进行自我迭代管理的强化学习模型，所述多因素-传感器监测物联网设备预防故障预警分析算法通过训练数据集和监督数据集训练获得，其中，所述训练数据集中的每组训练数据均包括不同预警观测指标数据；所述监督数据集为与所述训练数据集相对应的不同故障风险因素监督数据。
进一步的，所述多因素-传感器监测物联网设备预防故障预警分析算法建过程为：将训练数据集中每一组训练数据输入多因素-传感器监测物联网设备预防故障预警分析算法，通过这组训练数据对应的监督数据进行多因素-传感器监测物联网设备预防故障预警分析算法的输出监督调整，当多因素-传感器监测物联网设备预防故障预警分析算法的输出结果与监督数据一致，则当前组训练结束，将训练数据集中全部的训练数据均训练结束，则多因素-传感器监测物联网设备预防故障预警分析算法训练完成。
为了保证多因素-传感器监测物联网设备预防故障预警分析算法的准确性，可以通过测试数据集进行多因素-传感器监测物联网设备预防故障预警分析算法的测试处理，举例而言，测试准确率可以设定为百分之九十，当测试数据集的测试准确率满足百分之九十时，则多因素-传感器监测物联网设备预防故障预警分析算法构建完成。
将不同预警观测指标数据输入多因素-传感器监测物联网设备预防故障预警分析算法，输出不同故障风险因素，其中所获不同故障风险因素与所获不同预警观测指标相对应，根据所获不同故障风险因素更好的实现后期预防故障措施的管理。
步骤A7：利用所述不同故障风险因素对所述物联网设备进行故障预测与保养。
将通过将上述不同预警观测指标输入至多因素-传感器监测物联网设备预防故障预警分析算法中后，所获的不同故障风险因素，对所对应的物联网设备进行故障预测与保养，其中预防故障维护措施是以快速、有效、低风险为基础，其核心是在大规模故障前尽可能的采取有效措施，将故障的风险降到最低。
进一步的，本发明提供了一种物联网设备管理系统，涉及远程云计算服务技术领域，系统包括：对物联网设备的种类和连接方式特征进行分析获取物联网设备不同功能用途的多因素观测指标，生成物联网设备传感器监测能力管理指标，基于远程云计算服务平台得到物联网设备传感器监测信号传输实时数据，并与物联网设备传感器监测能力管理指标发送至边缘计算网关的终端，边缘计算网关进行分析得到管理预警指令，生成不同预警观测指标并输入多因素-传感器监测物联网设备预防故障预警分析算法中，根据多因素-传感器监测物联网设备预防故障预警分析算法获取不同故障风险因素，对物联网设备进行故障预测与保养，本发明解决了现有技术中关于获取传感器监测信号传输实时数据的管控不足，使得最终对实时超负载运行评估不准确，导致无法精准对故障进行管理的技术问题，实现了故障的实时管理，根据管理结果对物联网设备进行故障管理。
本申请步骤A6还包括：
步骤A6.1：将所述不同预警观测指标输入所述多因素-传感器监测物联网设备预防故障预警分析算法，其中，所述多因素-传感器监测物联网设备预防故障预警分析算法包括不同算法，所述不同算法包括设备生产力单位时间预测模型、传感器监测硬件承受响应模型以及故障等级预测模型；
步骤A6.2：根据所述多因素-传感器监测物联网设备预防故障预警分析算法对所述物联网设备进行超负载运行-物联网设备传感器监测能力的故障风险因素进行分析，输出所述不同故障风险因素，其中，每个故障风险因素对应每个预警观测指标所产生的预防故障维护措施。
具体而言，将以管理预警指令为基础，所生成的不同预警观测指标输入至多因素-传感器监测物联网设备预防故障预警分析算法，其中多因素-传感器监测物联网设备预防故障预警分析算法中包含不同算法，所包含的该不同算法中分别为设备生产力单位时间预测模型、传感器监测硬件承受响应模型以及故障等级预测模型，其设备生产力单位时间预测模型是指在接收到预警观测指标后，将所获预警观测指标的实时执行数据进行对应反馈，其传感器监测硬件承受响应模型是指将设备生产力单位时间预测模型中所反馈的数据进行故障的数据比对，其故障等级预测模型是指将传感器监测硬件承受响应模型所比对出的数据进行分析，最终得到预警观测指标所对应的预防故障维护措施，在此流程的基础上，对物联网设备进行超负载运行-物联网设备传感器监测能力的故障风险因素通过多因素-传感器监测物联网设备预防故障预警分析算法进行分析，并进一步输出其所对应的不同故障风险因素，且每个故障风险因素对应每个预警观测指标所产生的预防故障维护措施，达到为后期实现预防故障维护措施提供重要依据的技术效果。
设备生产力单位时间预测模型，表达式为：
式中：为设备生产力预测结果，/>为预测误差，y为预测影响因素矩阵，/>为预警观测指标，/>为观测指标浮动值，/>为浮动率，/>为设备故障频率，/>为设备管理系数。
传感器监测硬件承受响应模型，表达式为：
式中：Q为硬件承受响应函数，为硬件响应特征初值，/>为硬件响应特征值，M为所有设备单位时间运行时长，m为单个硬件模块管理时长，/>为所有硬件模块的熵特征系数，t为对所有硬件模块运行的总时长；
故障等级预测模型，表达式为：
其中，表示故障等级预测函数，pn表示故障区域的不同影响因素zn在故障行为中出现的次数，i表示总影响因素数量，|Y|表示总的故障频率分布，|｛r：zn∈r｝|表示含有故障因素zn的故障出现数量。
进一步而言，本申请步骤A6.2包括：
步骤A6.2.1：将所述不同预警观测指标输入所述设备生产力单位时间预测模型，执行多因素预警，获取多因素单位时间数据矩阵，包括物联网设备超负载运行前的多因素数据和物联网设备超负载运行后的多因素数据；
步骤A6.2.2：根据所述传感器监测硬件承受响应模型，比对所述物联网设备超负载运行前的多因素数据和所述物联网设备超负载运行后的多因素数据，评估超负载运行前后的传感器监测硬件负荷运行数据；
步骤A6.2.3：根据所述故障等级预测模型对所述超负载运行前后的传感器监测硬件负荷运行数据进行超负载运行影响等级分析，输出所述不同故障风险因素。
具体而言，将所获不同预警观测指标输入多因素-传感器监测物联网设备预防故障预警分析算法中后，首先进入设备生产力单位时间预测模型，并对传感器监测信号传输执行对应预警，从而获取多因素单位时间数据矩阵，其中该多因素单位时间数据矩阵包含物联网设备超负载运行前的多因素数据以及物联网设备超负载运行后的多因素数据，所获数据再进入至传感器监测硬件承受响应模型，对所获多因素单位时间数据矩阵中的物联网设备超负载运行前的多因素数据与物联网设备超负载运行后的多因素数据进行比对，进一步获得超负载运行前后传感器监测硬件负荷运行数据，其中超负载运行前后传感器监测硬件负荷运行数据可以是物联网设备超负载运行前的多因素数据减物联网设备超负载运行后的多因素数据，从而最后由故障等级预测模型对所获超负载运行前后的传感器监测硬件负荷运行数据进行故障预测与保养的分析，其中预防故障维护措施是指在一个统计周期内，完成预防故障措施转化行为的次数占总运行数据中的次数的比率，对不同故障风险因素进行输出，以保证在预防故障维护措施时的高效性。
本申请步骤A8还包括：
步骤A8.1：根据所述不同故障风险因素进行物联网设备不同环境适应能力分析，得到不同环境适应能力分布矩阵；
步骤A8.2：判断所述不同环境适应能力分布矩阵是否大于预设不同环境适应能力分布矩阵，当所述不同环境适应能力分布矩阵大于所述预设不同环境适应能力分布矩阵，获取设备运行影响评估系数；
步骤A8.3：以所述设备运行影响评估系数对所述不同故障风险因素进行反馈计算，得到不同故障风险因素的影响权重。
由上述所获不同故障风险因素对物联网设备不同环境适应能力进行分析，并得到不同环境适应能力分布矩阵，其中物联网设备不同环境适应能力分析是指通过对设备历史传感器监测效率进行统计，利用卷积神经网络算法进行计算后得到该设备的不同环境适应能力评估结果，来判断物联网设备不同环境适应能力，并同时得到不同环境适应能力分布矩阵。
进一步的将对所获不同环境适应能力分布矩阵进行判断，判断该所获不同环境适应能力分布矩阵是否大于预设不同环境适应能力分布矩阵，其中所获预设不同环境适应能力分布矩阵由相关技术人员根据大量故障转化数据进行预设，最终将所获不同环境适应能力分布矩阵与预设不同环境适应能力分布矩阵相比较，若不同环境适应能力分布矩阵大于所获预设不同环境适应能力分布矩阵时，对其设备运行影响评估系数进行获取，其设备运行影响评估系数是将故障转化过程中的均值所进行的权重分配，并同时将所获设备运行影响评估系数对不同故障风险因素进行反馈计算，即重新对均值权重根据不同故障风险因素进行配置，从而得到不同故障风险因素的影响权重，最终达到对预防故障维护措施提供参考的技术效果。
进一步而言，本申请步骤A8.2包括：
步骤A8.2.1：当所述不同环境适应能力分布矩阵小于等于所述预设不同环境适应能力分布矩阵，获取重点监督信号；
步骤A8.2.2：根据所述重点监督信号对所述不同环境适应能力分布矩阵的预警观测指标进行标签，获取标签预警观测指标，对所述标签预警观测指标进行单位时间重点关注。
具体而言，将所获不同环境适应能力分布矩阵与预设不同环境适应能力分布矩阵相比较，若不同环境适应能力分布矩阵小于所获预设不同环境适应能力分布矩阵时，生成重点监督信号，其中该重点监督信号是将对所获不同环境适应能力分布矩阵的预警观测指标进行标签，从而获得对应的标签预警观测指标，进一步的，对被标签预警观测指标的物联网设备进行单位时间重点关注，最终达到预防故障维护措施的技术效果。
本申请步骤A7还包括：
步骤A7.1：采集所述物联网设备的传感器监测效率信息；
步骤A7.2：将所述传感器监测效率信息中的不同地点传感器监测效率至对应的超负载运行分布位置中，生成超负载运行状态数据；
步骤A7.3：对所述超负载运行状态数据中的每一个位置进行超负载运行评估，获取超负载运行工作效率；
步骤A7.4：以所述超负载运行工作效率和所述不同故障风险因素，对所述物联网设备进行故障预测与保养。
具体而言，首先对物联网设备中的传感器监测效率信息进行确定，并根据所确定的传感器监测效率信息，将传感器监测效率信息中的不同地点传感器监测效率到所对应的超负载运行分布位置中，从而生成超负载运行状态数据，进一步将所获超负载运行状态数据中的每一个位置进行超负载运行评估，进而获取每个位置所对应的超负载运行工作效率，最终根据所获超负载运行工作效率与不同故障风险因素对物联网设备进行故障预测与保养。
进一步而言，本申请步骤A7.3包括：
步骤A7.3.1：采集超负载运行状态超过200%的工作效率数据、超负载运行状态120至200%的工作效率数据、超负载运行状态低于120%的工作效率数据；
步骤A7.3.2：将所述超负载运行状态超过200%的工作效率数据、所述超负载运行状态120至200%的工作效率数据、超负载运行状态低于120%的工作效率数据分别输入超负载运行评估模型中，其中，所述超负载运行评估模型包括自然因素影响权重、人为因素影响权重和传感器监测硬件连续工作时长影响权重；
步骤A7.3.3：根据所述超负载运行评估模型对所述自然因素影响权重、所述人为因素影响权重和所述传感器监测硬件连续工作时长影响权重进行分析，输出所述超负载运行工作效率。
具体而言，将对传感器监测效率信息中的不同地点传感器监测效率至对应的超负载运行分布位置中后，其中所生成的超负载运行状态数据分为超负载运行状态超过200%的工作效率数据、超负载运行状态120至200%的工作效率数据、超负载运行状态低于120%的工作效率数据，进一步的将所获超负载运行状态超过200%的工作效率数据、所获超负载运行状态120至200%的工作效率数据、所获超负载运行状态低于120%的工作效率数据分别输入至超负载运行评估模型中，其中该超负载运行评估模型包括自然因素影响权重、人为因素影响权重以及传感器监测硬件连续工作时长影响权重，该自然因素影响权重是设备工作环境等自然因素对故障的影响程度，该人为因素影响权重是指人为操作对故障的影响程度，如房屋修建、河道填充等；该传感器监测硬件连续工作时长影响权重是指传感器监测硬件是否完整、有无损坏等。
进一步的，根据超负载运行评估模型对所获自然因素影响权重、所获人为因素影响权重以及所获传感器监测硬件连续工作时长影响权重进行分析，进而对超负载运行工作效率进行输出，进而实现预防故障维护措施。
如图2所示，本申请提供了一种物联网设备管理系统，系统包括：
物联网设备不同功能用途的多因素观测指标获取单元101，所述物联网设备不同功能用途的多因素观测指标获取单元101用于通过对物联网设备的种类和连接方式特征进行分析，获取物联网设备不同功能用途的多因素观测指标；
物联网设备传感器监测能力管理指标生成单元102，所述物联网设备传感器监测能力管理指标生成单元102用于以所述物联网设备不同功能用途的多因素观测指标，生成物联网设备传感器监测能力管理指标；
传感器监测信号传输实时数据单元103，所述传感器监测信号传输实时数据单元103用于利用远程云计算服务平台，得到所述物联网设备的传感器监测信号传输实时数据；
管理预警指令单元104，所述管理预警指令单元104用于将所述传感器监测信号传输实时数据和所述物联网设备传感器监测能力管理指标发送至所述边缘计算网关的终端，利用边缘计算网关进行分析，得到管理预警指令；
不同预警观测指标生成单元105，所述不同预警观测指标生成单元105用于以所述管理预警指令，生成不同预警观测指标；
不同故障风险因素获取单元106，所述不同故障风险因素获取单元106用于将所述不同预警观测指标输入多因素-传感器监测物联网设备预防故障预警分析算法中，根据所述多因素-传感器监测物联网设备预防故障预警分析算法获取不同故障风险因素，其中，
所述不同故障风险因素与所述不同预警观测指标相对应；
预防故障维护措施单元107，所述预防故障维护措施单元107用于利用所述不同故障风险因素对所述物联网设备进行故障预测与保养。
进一步而言，系统还包括：
多因素-传感器监测物联网设备预防故障预警分析算法单元，多因素-传感器监测物联网设备预防故障预警分析算法单元用于将所述不同预警观测指标输入所述多因素-传感器监测物联网设备预防故障预警分析算法，其中，所述多因素-传感器监测物联网设备预防故障预警分析算法包括不同算法，所述不同算法包括设备生产力单位时间预测模型、传感器监测硬件承受响应模型以及故障等级预测模型；
预防故障维护措施单元，预防故障维护措施单元用于根据所述多因素-传感器监测物联网设备预防故障预警分析算法对所述物联网设备进行超负载运行-物联网设备传感器监测能力的故障风险因素进行分析，输出所述不同故障风险因素，其中，每个故障风险因素对应每个预警观测指标所产生的预防故障维护措施。
进一步而言，系统还包括：
传感器监测信号传输运行数据单元，传感器监测信号传输运行数据单元用于将所述不同预警观测指标输入所述设备生产力单位时间预测模型，执行多因素预警，获取多因素单位时间数据矩阵，包括物联网设备超负载运行前的多因素数据和物联网设备超负载运行后的多因素数据；
传感器监测硬件负荷运行数据单元，传感器监测硬件负荷运行数据单元用于根据所述传感器监测硬件承受响应模型，比对所述物联网设备超负载运行前的多因素数据和所述物联网设备超负载运行后的多因素数据，评估超负载运行前后的传感器监测硬件负荷运行数据；
不同故障风险因素输出单元，不同故障风险因素输出单元用于根据所述故障等级预测模型对所述超负载运行前后的传感器监测硬件负荷运行数据进行超负载运行影响等级分析，输出所述不同故障风险因素。
不同环境适应能力分布矩阵获取单元，不同环境适应能力分布矩阵获取单元用于根据所述不同故障风险因素进行物联网设备不同环境适应能力分析，得到不同环境适应能力分布矩阵；
设备运行影响评估系数获取单元，设备运行影响评估系数获取单元用于判断所述不同环境适应能力分布矩阵是否大于预设不同环境适应能力分布矩阵，当所述不同环境适应能力分布矩阵大于所述预设不同环境适应能力分布矩阵，获取设备运行影响评估系数；
不同故障风险因素的影响权重获得单元，不同故障风险因素的影响权重获得单元用于以所述设备运行影响评估系数对所述不同故障风险因素进行反馈计算，得到不同故障风险因素的影响权重。
重点监督信号单元，重点监督信号单元用于当所述不同环境适应能力分布矩阵小于等于所述预设不同环境适应能力分布矩阵，获取重点监督信号；
标签预警观测指标单元，标签预警观测指标单元用于根据所述重点监督信号对所述不同环境适应能力分布矩阵的预警观测指标进行标签，获取标签预警观测指标，对所述标签预警观测指标进行单位时间重点关注。
传感器监测效率信息单元，传感器监测效率信息单元用于采集所述物联网设备的传感器监测效率信息；
超负载运行状态数据生成单元，超负载运行状态数据生成单元用于将所述传感器监测效率信息中的不同地点传感器监测效率至对应的超负载运行分布位置中，生成超负载运行状态数据；
超负载运行工作效率获取单元，超负载运行工作效率获取单元用于对所述超负载运行状态数据中的每一个位置进行超负载运行评估，获取超负载运行工作效率。
超负载运行状态统计单元，超负载运行状态统计单元用于采集超负载运行状态超过200%的工作效率数据、超负载运行状态120至200%的工作效率数据、超负载运行状态低于120%的工作效率数据；
超负载运行评估模型单元，超负载运行评估模型单元用于将所述超负载运行状态超过200%的工作效率数据、所述超负载运行状态120至200%的工作效率数据、超负载运行状态低于120%的工作效率数据分别输入超负载运行评估模型中，其中，所述超负载运行评估模型包括自然因素影响权重、人为因素影响权重和传感器监测硬件连续工作时长影响权重；
超负载运行工作效率单元，超负载运行工作效率单元用于根据所述超负载运行评估模型对所述自然因素影响权重、所述人为因素影响权重和所述传感器监测硬件连续工作时长影响权重进行分析，输出所述超负载运行工作效率。
本说明书通过前述对一种物联网设备管理系统的详细描述本领域技术人员可以清楚的知道本实施例中一种物联网设备管理系统，对于实施例公开的装置而言，由于其与实施例公开的系统相对应，所以描述的比较简单，相关之处参见系统部分说明即可。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (8)
1.一种物联网设备管理系统，其特征在于，该系统运行包括：
步骤A1、通过对物联网设备的种类和连接方式特征进行分析，获取物联网设备不同功能用途的多因素观测指标；
步骤A2、以所述物联网设备不同功能用途的多因素观测指标，生成物联网设备传感器监测能力管理指标；
步骤A3、利用远程云计算服务平台，得到所述物联网设备的传感器监测信号传输实时数据；
步骤A4、将所述传感器监测信号传输实时数据和所述物联网设备传感器监测能力管理指标发送至所述边缘计算网关的终端，利用边缘计算网关进行分析，得到管理预警指令；
步骤A5、以所述管理预警指令，生成不同预警观测指标；
步骤A6、将所述不同预警观测指标输入多因素-传感器监测物联网设备预防故障预警分析算法中，根据所述多因素-传感器监测物联网设备预防故障预警分析算法获取不同故障风险因素，其中，所述不同故障风险因素与所述不同预警观测指标相对应；
步骤A7、利用所述不同故障风险因素对所述物联网设备进行故障预测与保养。
2.如权利要求1所述的一种物联网设备管理系统，其特征在于，所述系统还包括：
将所述不同预警观测指标输入所述多因素-传感器监测物联网设备预防故障预警分析算法，其中，所述多因素-传感器监测物联网设备预防故障预警分析算法包括不同算法，所述不同算法包括设备生产力单位时间预测模型、传感器监测硬件承受响应模型以及故障等级预测模型；
根据所述多因素-传感器监测物联网设备预防故障预警分析算法对所述物联网设备进行超负载运行-物联网设备传感器监测能力的故障风险因素进行分析，输出所述不同故障风险因素，其中，每个故障风险因素对应每个预警观测指标所产生的预防故障维护措施。
3.如权利要求2所述的一种物联网设备管理系统，其特征在于，所述系统还包括：
将所述不同预警观测指标输入所述设备生产力单位时间预测模型，执行多因素预警，获取多因素单位时间数据矩阵，包括物联网设备超负载运行前的多因素数据和物联网设备超负载运行后的多因素数据；
根据所述传感器监测硬件承受响应模型，比对所述物联网设备超负载运行前的多因素数据和所述物联网设备超负载运行后的多因素数据，评估超负载运行前后的传感器监测硬件负荷运行数据；
根据所述故障等级预测模型对所述超负载运行前后的传感器监测硬件负荷运行数据进行超负载运行影响等级分析，输出所述不同故障风险因素。
4.如权利要求1所述的一种物联网设备管理系统，其特征在于，所述系统还包括：
根据所述不同故障风险因素进行物联网设备不同环境适应能力分析，得到不同环境适应能力分布矩阵；判断所述不同环境适应能力分布矩阵是否大于预设不同环境适应能力分布矩阵，当所述不同环境适应能力分布矩阵大于所述预设不同环境适应能力分布矩阵，获取设备运行影响评估系数；以所述设备运行影响评估系数对所述不同故障风险因素进行反馈计算，得到不同故障风险因素的影响权重。
5.如权利要求4所述的一种物联网设备管理系统，其特征在于，判断所述不同环境适应能力分布矩阵是否大于预设不同环境适应能力分布矩阵，系统还包括：
当所述不同环境适应能力分布矩阵小于等于所述预设不同环境适应能力分布矩阵，获取重点监督信号；根据所述重点监督信号对所述不同环境适应能力分布矩阵的预警观测指标进行标签，获取标签预警观测指标，对所述标签预警观测指标进行单位时间重点关注。
6.如权利要求1所述的一种物联网设备管理系统，其特征在于，利用所述不同故障风险因素对所述物联网设备进行故障预测与保养，包括：
采集所述物联网设备的传感器监测效率信息；将所述传感器监测效率信息中的不同地点传感器监测效率至对应的超负载运行分布位置中，生成超负载运行状态数据；对所述超负载运行状态数据中的每一个位置进行超负载运行评估，获取超负载运行工作效率；以所述超负载运行工作效率和所述不同故障风险因素，对所述物联网设备进行故障预测与保养。
7.如权利要求6所述的一种物联网设备管理系统，其特征在于，对所述超负载运行状态数据中的每一个位置进行超负载运行评估，获取超负载运行工作效率，还包括：
采集超负载运行状态超过200%的工作效率数据、超负载运行状态120至200%的工作效率数据、超负载运行状态低于120%的工作效率数据；
将所述超负载运行状态超过200%的工作效率数据、所述超负载运行状态120至200%的工作效率数据、超负载运行状态低于120%的工作效率数据分别输入超负载运行评估模型中，其中，所述超负载运行评估模型包括自然因素影响权重、人为因素影响权重和传感器监测硬件连续工作时长影响权重；
根据所述超负载运行评估模型对所述自然因素影响权重、所述人为因素影响权重和所述传感器监测硬件连续工作时长影响权重进行分析，输出所述超负载运行工作效率。
8.如权利要求1-7任一项所述的一种物联网设备管理系统，其特征在于，该系统包括：
物联网设备不同功能用途的多因素观测指标获取单元，所述物联网设备不同功能用途的多因素观测指标获取单元用于通过对物联网设备的种类和连接方式特征进行分析，获取物联网设备不同功能用途的多因素观测指标；
物联网设备传感器监测能力管理指标生成单元，所述物联网设备传感器监测能力管理指标生成单元用于以所述物联网设备不同功能用途的多因素观测指标，生成物联网设备传感器监测能力管理指标；
传感器监测信号传输实时数据单元，所述传感器监测信号传输实时数据单元用于利用远程云计算服务平台，得到所述物联网设备的传感器监测信号传输实时数据；
管理预警指令单元，所述管理预警指令单元用于将所述传感器监测信号传输实时数据和所述物联网设备传感器监测能力管理指标发送至边缘计算网关的终端，利用边缘计算网关进行分析，得到管理预警指令；
不同预警观测指标生成单元，所述不同预警观测指标生成单元用于以所述管理预警指令，生成不同预警观测指标；
不同故障风险因素获取单元，所述不同故障风险因素获取单元用于将所述不同预警观测指标输入多因素-传感器监测物联网设备预防故障预警分析算法中，根据所述多因素-传感器监测物联网设备预防故障预警分析算法获取不同故障风险因素，其中，所述不同故障风险因素与所述不同预警观测指标相对应；
预防故障维护措施单元，所述预防故障维护措施单元用于利用所述不同故障风险因素对所述物联网设备进行故障预测与保养。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311280125.XA CN117240886A (zh) | 2023-10-07 | 2023-10-07 | 一种物联网设备管理系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311280125.XA CN117240886A (zh) | 2023-10-07 | 2023-10-07 | 一种物联网设备管理系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117240886A true CN117240886A (zh) | 2023-12-15 |
Family
ID=89084135
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311280125.XA Pending CN117240886A (zh) | 2023-10-07 | 2023-10-07 | 一种物联网设备管理系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117240886A (zh) |
-
2023
- 2023-10-07 CN CN202311280125.XA patent/CN117240886A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109872003B (zh) | 对象状态预测方法、系统、计算机设备及存储介质 | |
| CN113240289A (zh) | 一种电网调度控制系统运行状态评估方法及系统 | |
| CN117176560B (zh) | 一种基于物联网的监测设备监管系统及其方法 | |
| CN110048894A (zh) | 一种用于油气生产的多井数据采集与智能监控方法及系统 | |
| CN113676534B (zh) | 基于边缘计算的桥梁数据上传方法 | |
| CN111124852A (zh) | 一种基于bmc健康管理模块的故障预测方法及系统 | |
| CN112947127A (zh) | 智慧用电控制管理系统 | |
| CN111338247A (zh) | 一种基于物联网的模拟控制系统及方法 | |
| CN117931424A (zh) | 一种云环境的网络资源调度优化系统 | |
| CN118174456B (zh) | 一种自感知监测智能化控制配电系统 | |
| CN116125204A (zh) | 一种基于电网数字化的故障预测系统 | |
| CN117039173A (zh) | 基于边缘计算终端的锂电池生产设备监控方法及系统 | |
| CN111901134B (zh) | 一种基于循环神经网络模型rnn的预测网络质量的方法和装置 | |
| CN117579652A (zh) | 基于智慧能源单元mqtt通讯的能源终端数据采集与监视控制方法和系统 | |
| CN117390944A (zh) | 一种变电站运行工况仿真系统 | |
| CN108600046B (zh) | 基于感知哈希的设备状态监测终端、系统及方法 | |
| CN117240886A (zh) | 一种物联网设备管理系统 | |
| CN111857015B (zh) | 输变电云端智能控制器 | |
| CN116993240A (zh) | 一种物流系统控制方法、装置、设备及存储介质 | |
| CN116109058A (zh) | 一种基于深度强化学习的变电站巡视管理方法和装置 | |
| CN113658415B (zh) | 一种智能网关的预警方法和系统 | |
| CN112526945B (zh) | 具备反馈与闭环控制功能的全流程监控与预警系统 | |
| CN111897655B (zh) | 一种输变电云端智能控制器 | |
| CN113408795A (zh) | 一种基于灰色理论的电力负荷预测系统及其方法 | |
| CN118432710B (zh) | 一种光纤通信链路故障上报的方法 |
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 |