[发明专利]基于人工智能的物联网设备异常状态在线监测方法及系统

权利要求书

1.一种基于人工智能的物联网设备异常状态在线监测方法，其特征在于，所述方法包括：

根据所述历史数据获得设备每次发生故障前的固定时间段内的历史状态数据；将所述历史状态数据拟合获得状态多项式；获得所述状态多项式和所述历史状态的差异序列；以所述状态多项式的参数信息和所述差异序列的波动信息表示状态数据变化特征；获得每个状态在所有故障发生前的所述固定时间段内的所述状态数据变化特征的第一分布一致性；

将不同状态的组合构成状态组合集；以所述状态组合集内所有状态的所述历史状态数据的所述第一分布一致性的均值作为故障参考程度；根据历史数据中设备故障次数和设备故障时间获得异常状态概率分布；以所述故障参考程度和所述异常状态概率分布的差异获得异常状态诱发程度；以最大的所述异常状态诱发程度对应的所述状态组合集作为关联状态组合集；

获得所述关联状态组合集内各个状态对应的实时状态数据；以所述实时状态数据和对应的所述历史状态数据的所述状态数据变化特征的第二分布一致性作为设备异常程度。

2.根据权利要求1所述的一种基于人工智能的物联网设备异常状态在线监测方法，其特征在于，所述以所述状态多项式的参数信息和所述差异序列的波动信息表示状态数据变化特征包括：

获取所述状态多项式的参数向量；以所述参数向量作为所述参数信息；

获取所述差异序列的灰度共生矩阵；以所述灰度共生矩阵作为所述波动信息。

3.根据权利要求1所述的一种基于人工智能的物联网设备异常状态在线监测方法，其特征在于，所述获得每个状态在所有故障发生前的所述固定时间段内的所述状态数据变化特征的第一分布一致性包括：

获取每个状态在所述历史数据中所有故障发生前的所述固定时间段内的平均状态数据变化特征；根据每个状态在每次故障发生前的所述状态数据变化特征和所述平均状态数据变化特征的差异获得所述第一分布一致性。

4.根据权利要求1或3所述的一种基于人工智能的物联网设备异常状态在线监测方法，其特征在于，所述获得每个状态在所有故障发生前的所述固定时间段内的所述状态数据变化特征的第一分布一致性包括：通过分布一致性计算公式获得所述第一分布一致性；所述分布一致性计算公式为：

其中，为第个状态的所述第一分布一致性，为参数信息一致性，为波动信息一致性，为所述历史数据中设备故障次数，为所述固定时间段，为第次故障前在所述固定时间段内第个状态的所述历史状态数据的所述参数信息，为第个状态在所述历史数据中的平均参数信息，为第次故障前在所述固定时间段内第个状态的所述历史状态数据的波动信息，为第个状态在所述历史数据中的平均波动信息。

5.根据权利要求1所述的一种基于人工智能的物联网设备异常状态在线监测方法，其特征在于，所述根据历史数据中设备故障次数和设备故障时间获得异常状态概率分布包括：

根据所述历史数据中的所述设备故障次数和所述设备故障时间构建泊松分布作为所述异常概率分布。

6.根据权利要求1所述的一种基于人工智能的物联网设备异常状态在线监测方法，其特征在于，所述以所述故障参考程度和所述异常状态概率分布的差异获得异常状态诱发程度包括：

根据所述历史数据获得发生故障的平均时间间隔；

调整所述固定时间段的大小，结合所述平均时间间隔获得所述固定时间段内的故障发生次数；

通过所述异常状态概率分布获得所述固定时间段内出现所述故障发生次数的发生概率；以归一化后的所述故障参考程度作为所述固定时间段内的诱发概率；根据所述诱发概率和所述发生概率的差异获得所述异常状态诱发程度。

7.根据权利要求6所述的一种基于人工智能的物联网设备异常状态在线监测方法，其特征在于，所述结合所述平均时间间隔获得所述固定时间段内的故障发生次数包括：将所述固定时间段与所述平均时间间隔的比值向下取整后加一，获得所述故障发生次数。