一种设备运行状态实时监测方法及系统与流程

本发明涉及数据处理，具体涉及一种设备运行状态实时监测方法及系统。

背景技术：

1、随着物联网技术的快速发展，越来越多的设备通过传感器和网络连接实现了互联互通。通过物联网技术对设备运行状态实时监测，能够准确及时的反映设备的运行状态。较于传统的设备监测方法往往依赖于人工巡检或周期性维护，效率低下且容易出现漏检问题。因此，基于物联网的设备运行状态实时监测方法和系统应运而生。物联网通信技术包括传统的无线通信技术（如wi-fi、蓝牙、zigbee等）和专门针对物联网设计的lpwan（低功耗广域网）技术（如lora、nb-iot等），这些技术可以实现设备与云端或其他设备之间的高效数据传输和通信。通过对获得的设备监测数据进行分析，来获得数据中可能存在的异常数据。但是往往在通过传感器来采集设备的监测数据时，因为传感器的精度或受到环境的影响，导致采集获得的数据存在部分数据点缺失的情况，因此需要对获得的数据进行插值处理，使得监测数据能够准确的反映设备的运行变化情况。

2、在现有技术中，线性样条插值算法根据相邻数据点的变化关系，通过使用一次多项式来连接相邻的已知数据点进行插值，这意味着在两个相邻已知点之间的区间内，插值函数是一条直线，由于线性插值函数没有高阶导数连续性，因此可能导致插值结果不够平滑。并且线性样条插值只能逼近线性变化的数据，对于包含高频变化或曲线特征的数据，线性插值无法准确地拟合，这可能导致插值结果失真或不准确。

技术实现思路

1、为了解决上述问题，本发明提供一种设备运行状态实时监测方法及系统。

2、本发明一个实施例提供了一种设备运行状态实时监测方法，该方法包括以下步骤：

3、获取设备的监测数据；

4、根据监测数据中每个数据点与每个数据点左右两个相邻数据点的幅值差异，获取监测数据中每个数据点作为分割点的可能性；根据监测数据中每个数据点作为分割点的可能性，获取任意两个数据点构成数据区间的可能性；根据任意两个数据点构成数据区间的可能性，获取监测数据中所有子数据区间；根据监测数据中每个子数据区间的数据分布，获取监测数据中每个子数据区间的权重；

5、获取每个子数据区间的高斯拟合函数；根据每个数据点的左右两个相邻子数据区间的权重和高斯拟合函数的差异，获取每个数据点的插值程度；

6、根据每个数据点的插值程度，获取每个数据点的拟合数据插值区间；根据每个数据点的拟合数据插值区间，获取插值后的设备的监测数据；根据插值后的设备的监测数据，获取插值后的设备的监测数据的异常数据；

7、其中，所述根据监测数据中每个数据点与每个数据点左右两个相邻数据点的幅值差异，获取监测数据中每个数据点作为分割点的可能性，包括的具体方法为：

8、将以第个数据点左右相邻各个数据点组成的数据点范围，作为第个数据点的邻域局部范围；则设备的监测数据中第个数据点作为分割点的可能程度的计算方法为：

9、

10、式中，表示设备的监测数据中第个数据点作为分割点的可能程度；表示设备的监测数据中第个数据点的幅值；表示设备的监测数据中第个数据点的幅值；表示设备的监测数据中第个数据点的幅值；表示设备的监测数据中第个数据点的邻域局部范围内第个数据点的幅值；为预设参数；表示取绝对值；表示线性归一化函数；

11、其中，所述根据监测数据中每个数据点作为分割点的可能性，获取任意两个数据点构成数据区间的可能性的具体公式为：

12、

13、式中，表示设备的监测数据中第个数据点与第个数据点构成数据区间的可能性；表示设备的监测数据中第个数据点作为分割点的可能程度；表示设备的监测数据中第个数据点作为分割点的可能程度；表示设备的监测数据中第个数据点与第个数据点之间的所有数据点的幅值方差；表示以自然常数为底数的指数函数。

14、优选的，所述根据任意两个数据点构成数据区间的可能性，获取监测数据中所有子数据区间，包括的具体方法为：

15、将设备的监测数据中第一个数据点之后的每个数据点记为第一个数据点的参考数据点，从左到右获取设备的监测数据中第一个数据点与每个参考数据点构成数据区间的可能性，将第一个数据点与每个参考数据点构成数据区间的可能性构成的序列记为第一个数据点的可能性序列，依次遍历第一个数据点的可能性序列中每个可能性，直至第一次出现可能性大于或等于预设阈值为止，停止遍历，将所述可能性对应的参考数据点记为第一个数据点的目标参考数据点，将第一个数据点与第一个数据点的目标参考数据点之间的所有数据点作为设备的监测数据的第一个子数据区间；

16、将第一个子数据区间中所有数据点的数量记为；

17、将设备的监测数据中第一个数据点的目标参考数据点之后的每个数据点记为设备的监测数据中第个数据点的参考数据点，从左到右获取设备的监测数据中第个数据点与每个参考数据点构成数据区间的可能性，将第个数据点与每个参考数据点构成数据区间的可能性构成的序列记为第个数据点的可能性序列，依次遍历第个数据点的可能性序列中每个可能性，直至第一次出现可能性大于或等于预设阈值为止，停止遍历，将所述可能性对应的参考数据点记为第个数据点的目标参考数据点，将第个数据点与第个数据点的目标参考数据点之间的所有数据点作为设备的监测数据的第二个子数据区间；

18、以此类推，获取设备的监测数据中所有子数据区间。

19、优选的，所述根据监测数据中每个子数据区间的数据分布，获取监测数据中每个子数据区间的权重，包括的具体方法为：

20、根据设备的监测数据中的所有数据点，构建设备的监测数据的数据幅值曲线，以数据点的位置索引为横坐标，以数据点的幅值为纵坐标；对于设备的监测数据中第个子数据区间，将第个子数据区间的两个边缘数据点分别记为数据点与数据点，将第个子数据区间的所有数据点的斜率均值，作为第个子数据区间的斜率；则设备的监测数据中第个子数据区间的权重的计算方法为：

21、

22、式中，表示设备的监测数据中第个子数据区间的权重；表示设备的监测数据中数据点与数据点构成数据区间的可能性；表示设备的监测数据中第个子数据区间的斜率。

23、优选的，所述获取每个子数据区间的高斯拟合函数的具体公式为：

24、

25、式中，表示设备的监测数据中第个子数据区间的高斯拟合函数；表示设备的监测数据中第个子数据区间的所有数据点的幅值标准差；表示设备的监测数据中第个子数据区间的所有数据点总数量；表示设备的监测数据中第个子数据区间的第个数据点的幅值；表示设备的监测数据中第个子数据区间的所有数据点的幅值均值；表示以自然常数为底数的指数函数。

26、优选的，所述根据每个数据点的左右两个相邻子数据区间的权重和高斯拟合函数的差异，获取每个数据点的插值程度，包括的具体方法为：

27、根据每个数据点的左右两个相邻子数据区间的权重和高斯拟合函数的差异，获取每个数据点的插值必要性，则设备的监测数据中第个数据点的插值程度的计算方法为：

28、

29、式中，表示设备的监测数据中第个数据点的插值程度；表示设备的监测数据中第个数据点的插值必要性；表示设备的监测数据中第个数据点左侧相邻子数据区间的高斯拟合函数最大值；表示设备的监测数据中第个数据点右侧相邻子数据区间的高斯拟合函数最大值；表示设备的监测数据中第个数据点左侧相邻子数据区间的高斯拟合函数值方差；表示设备的监测数据中第个数据点右侧相邻子数据区间的高斯拟合函数值方差；表示取绝对值。

30、优选的，所述根据每个数据点的左右两个相邻子数据区间的权重和高斯拟合函数的差异，获取每个数据点的插值必要性，包括的具体方法为：

31、根据第个子数据区间的高斯拟合函数，获取第个子数据区间内所有数据点的高斯拟合函数值之和，并记为第个子数据区间的第一和值，将第个子数据区间的第一和值与第个子数据区间内所有数据点总数量的比值，作为第个子数据区间的高斯拟合函数平均幅值，则设备的监测数据中第个数据点的插值必要性的计算方法为：

32、

33、式中，表示设备的监测数据中第个数据点的插值必要性；表示设备的监测数据中第个数据点左侧相邻子数据区间的权重；表示设备的监测数据中第个数据点右侧相邻子数据区间的权重；表示设备的监测数据中第个数据点左侧相邻子数据区间的高斯拟合函数平均幅值；表示设备的监测数据中第个数据点右侧相邻子数据区间的高斯拟合函数平均幅值；表示设备的监测数据中第个数据点的幅值；表示取绝对值；表示线性归一化函数。

34、优选的，所述根据每个数据点的插值程度，获取每个数据点的拟合数据插值区间，包括的具体方法为：

35、对于设备的监测数据中第个数据点，若第个数据点的插值程度大于预设阈值，则将第个数据点左侧相邻子数据区间和第个数据点右侧相邻子数据区间，作为第个数据点的拟合数据插值区间；若第个数据点的插值程度小于或等于预设阈值，则将第个数据点右侧相邻子数据区间，作为第个数据点的拟合数据插值区间。

36、本发明还提出一种设备运行状态实时监测系统，包括存储器、处理器以及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，所述处理器执行所述计算机程序时实现任意一项所述一种设备运行状态实时监测方法的步骤。

37、本发明的技术方案的有益效果是：本发明的在根据获得的数据对设备的运行状态进行监测时，因为获得的数据存在部分数据点缺失的情况，因此需要对获得的数据进行插值处理。而在通过线性样条插值算法对数据进行插值时，由于线性插值函数没有高阶导数连续性，因此可能导致插值结果不够平滑，使得获得的差值数据点可能不符合数据的变化趋势，因此本发明通过对邻域数据进行分析，来对数据点的插值数据区间进行自适应，从而能够更好的反映原始数据的变化，进而在对数据进行插值时，能够准确的反映邻域数据之间的变化关系，使获得的插值后监测数据更加的准确，进而使得监测数据能够准确的反映设备的运行变化状态。