[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

说明书

本发明涉及人工智能技术领域，具体涉及一种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。该方法包括：获得每个状态在故障发生前固定时间段内的历史状态数据。根据历史状态数据的变化趋势和波动情况获得状态数据变化特征。进一步获得所有故障发生前的固定时间段内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，根据第一分布一致性和通过历史数据获得的异常状态概率分布获得异常状态诱发程度，筛选出关联状态组合集。根据关联状态组合集内所有状态的实时状态数据和历史状态数据的状态数据变化特征的第二分布一致性获得设备异常程度。本发明通过状态数据的变化特征和状态之间的关联性提高了设备异常监测的精度。

技术领域

本发明涉及人工智能技术领域，具体涉及一种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。

背景技术

物联网技术的成熟应用使得现代社会在设备检测、设备控制等领域高效化与智能化。在设备异常检测技术中通常会在设备上部署多种传感器检测该设备的多种状态，通过每个传感器输出的数据是否在期望区间内判断该设备的异常情况。

在实际使用的过程中，针对一个设备的多种状态会部署多种传感器，只分析一个传感器的数据会造成误检，因此需要结合多种传感器数据共同分析设备信息。因为设备的状态丰富，传感器数据种类丰富，因此传感器数据的关联关系复杂，如果在分析传感器数据时忽略了设备状态之间的关联关系仍会造成误检。

发明内容

为了解决上述技术问题，本发明的目的在于提供一种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，所采用的技术方案具体如下：

本发明提出了一种基于人工智能的物联网设备异常状态在线监测方法，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。

进一步地，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。

进一步地，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。

进一步地，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：