一种基于工业物联网的自动化监控系统技术方案

本发明专利技术属于工业物联网技术领域，具体涉及一种基于工业物联网的自动化监控系统。所述系统包括：目标区域划分单元，配置用于将目标监控区域划分为多个区域；传感器组，包括多个传感器，分别设置于每个子区域，每个子区域内至少包含N个数量的传感器，传感器的数量N大于或等于每个子区域内的所含目标的数量。本发明专利技术通过将工业物联网的传感器体系布设到目标区域中，利用传感器移动的方式对重要等级不同的区域进行循环移动的方式获取数据，实现了利用较少传感器完成自动化监控的目的，同时，也能更加精准地定位问题区域，数据分析也不用对所有数据进行处理，就可以完成监控，降低了系统资源的占用，提升了效率。提升了效率。提升了效率。

【技术实现步骤摘要】
一种基于工业物联网的自动化监控系统


[0001]本专利技术属于工业物联网
，具体涉及一种基于工业物联网的自动化监控系统。

技术介绍

[0002]工业物联网是工业领域的物联网。工业物联网将具有感知、监控能力的各类传感器或控制器以及移动通信、智能分析等技术融入到工业生产过程的各个环节，从而提高制造效率，改善产品质量，降低产品成本和资源消耗。
[0003]工业物联网通常包括工业设备(比如传感器、控制器、执行器或人机接口设备)、边缘计算设备和工业物联网平台(比如MindSphere)。
[0004]随着信息化技术和工业化的深度融合，机械设备、信息化系统所产生的数据日益丰富。工业大数据具有体量大、类型多、价值密度低和处理速度快的特征，对数据进行实时有效的监测诊断，可以实现设备的预测性维护，发现生产、管理、调度流程中的决策问题。然而，传统的数据监测系统无法满足对工业大数据的分析、处理和存储等服务。因此，对工业大数据的智能化应用，已经成为企业降低生产成本、提高市场竞争力和生产效率的核心环节。
[0005]在现有技术中，一般利用传感器获取数据，然后针对数据进行大数据分析，以此实现自动化监控。如：一种工业物联网异常行为检测方法、可读存储介质和终端，所述方法包括：获取对应的工业物联网异常行为检测模型；所述工业物联网异常行为检测模型为采用深度自动编码器和深度前馈神经网络对所获取的原始网络流量数据进行训练得到；将待检测的工业物联网网络流量数据输入所述工业物联网异常行为检测模型，得到对应的工业物联网异常行为检测结果。
[0006]该现有技术利用了基于神经网络的行为检测模型来实现工业物联网的异常行为检测，但该检测过程需要针对所有的数据进行数据分析，需要耗费大量的系统资源，同时该检测的结果是工业物联网的异常行为，无法准确定位到发生异常的地方。

技术实现思路

[0007]本专利技术的主要目的在于提供一种基于工业物联网的自动化监控系统，本专利技术通过将工业物联网的传感器体系布设到目标区域中，利用传感器移动的方式对重要等级不同的区域进行循环移动的方式获取数据，实现了利用较少传感器完成自动化监控的目的，同时，也能更加精准地定位问题区域，数据分析也不用对所有数据进行处理，就可以完成监控，降低了系统资源的占用，提升了效率。
[0008]为达到上述目的，本专利技术的技术方案是这样实现的：
[0009]一种基于工业物联网的自动化监控系统，所述系统包括：目标区域划分单元，配置用于将目标监控区域划分为多个区域；传感器组，包括多个传感器，分别设置于每个子区域，每个子区域内至少包含N个数量的传感器，传感器的数量N大于或等于每个子区域内的
所含目标的数量，且每个传感器为可移动传感器，按照设定的移动速率在每个子区域内循环移动，同时，实时获取其所在子区域内的数据信息；网络反馈控制单元，配置用于对获取到的数据信息和传感器所在的位置进行数据分析，判定目标区域内各个子区域内的问题区域，并根据问题区域在各个子区域内的位置，发送控制命令至各个传感器，控制各个传感器的移动路径；参数矫正单元，配置用于根据问题区域在各个子区域内的位置和在各个子区域内的占比面积，对各个子区域内包含的目标的数据进行系数矫正。
[0010]优选地，所述子区域内的包含的目标为子区域内的设备或环境监测点。
[0011]优选地，所述目标区域划分单元在将目标监控区域划分为多个子区域时，依据的规则为：按照设备的类型，进行子区域划分，每个子区域内包含的设备的类型归属于为同一类型。
[0012]优选地，所述子区域按照其内包含的设备的类型划分为四个重要等级分别为：第一级、第二级、第三级和第四级；且第一级的重要等级高于第二级的重要等级，第二级的重要等级高于第三级的重要等级，第三级的重要等级高于第四级的重要等级。
[0013]优选地，所述传感器在各个子区域内的移动速率根据各个子区域的重要等级而不同，具体包括：当传感器在第一级的子区域内移动时，其移动速率设定为A，当传感器在第二级的子区域内移动时，其移动速率设定为B，当传感器在第三级的子区域内移动时，其移动速率设定为C，当传感器在第四级的子区域内移动时，其移动速率设定为D；所述移动速率A、B、C和D须满足以下设定的约束关系：|lg(2.5*D)|＝C；B*0.6＝A。
[0014]优选地，所述网络反馈控制单元对获取到的数据信息和传感器所在的位置进行数据分析，判定目标区域内各个子区域内的问题区域的方法包括：根据数据信息判断该位置是否出现异常，若出现异常，则以该位置作为圆心，再根据数据信息计算得到一个半径值，划定一个圆周区域作为问题区域。
[0015]优选地，所述根据数据信息计算得到一个半径值的方法包括：使用如下公式计算得到半径值：其中，Data为数据信息，data为前一个处于该位置的传感器采集到的数据信息，Standard为预先设定的数据信息标准值，d为该子区域内的各个目标之间的距离的平均值，v为传感器的移动速率。
[0016]优选地，所述网络反馈控制单元根据问题区域在各个子区域内的位置，发送控制命令至各个传感器，控制各个传感器的移动路径的方法包括：发送控制命令各个传感器，当传感器运行至问题区域时，控制传感器从各个问题区域的圆周边界的相切方向运动。
[0017]优选地，所述矫正系数的计算方法包括：使用如下公式计算得到矫正系数：其中，S为问题区域的占比面积，S
总
为问题区域所在子区域的总面积；λ为修正系数，取值范围为0.3～0.5；i为问题区域内包含的目标的数量；Num为矫正系数。
[0018]优选地，所述参数矫正单元，根据问题区域在各个子区域内的位置和在各个子区域内的占比面积，对各个子区域内包含的目标的数据进行系数矫正的方法包括：对各个子区域内的目标的数据进行归一化处理后，再乘以矫正系数完成系数矫正。
[0019]本专利技术的一种基于工业物联网的自动化监控系统，具有如下有益效果：
[0020]1.传感器复用降低了成本：本专利技术的自动化监控系统，利用传感器移动的方式将传感器在目标区域内的多个子区域内循环移动，实现了较少的传感器获取数据进行监控的目的；由于在实际中传感器往往需要很多种类，各种不同的种类的传感器如果无法实现复用，则需要更多数量的传感器，提升了成本。本专利技术通过这种方式降低了成本。
[0021]2.系统资源占用率低，效率高：现有技术中多数需要对传感器采集到的数据进行完全的整合分析才能定位故障实现监控，这个过程往往耗费大量系统资源，而本专利技术的传感器使用的是巡逻式的采集，每一次采集到的数据信息均为部分数据，没有将目标区域中的所有目标的数据都进行采集，这样就使得采集到的数据信息的数据量较低，处理起来更快捷，出现问题区域时更容易进行定位。
[0022]3.问题区域定位准确率高：在进行问题区域的定位时，现有技术需要对所有数据进行综合分析和判断，而本专利技术则只需要对当前传感器所在位置获取到的数据进行分析，若出现异常，则可以根据传感器所在的位置直接进行定本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于工业物联网的自动化监控系统，其特征在于，所述系统包括：目标区域划分单元，配置用于将目标监控区域划分为多个区域；传感器组，包括多个传感器，分别设置于每个子区域，每个子区域内至少包含N个数量的传感器，传感器的数量N大于或等于每个子区域内的所含目标的数量，且每个传感器为可移动传感器，按照设定的移动速率在每个子区域内循环移动，同时，实时获取其所在子区域内的数据信息；网络反馈控制单元，配置用于对获取到的数据信息和传感器所在的位置进行数据分析，判定目标区域内各个子区域内的问题区域，并根据问题区域在各个子区域内的位置，发送控制命令至各个传感器，控制各个传感器的移动路径；参数矫正单元，配置用于根据问题区域在各个子区域内的位置和在各个子区域内的占比面积，对各个子区域内包含的目标的数据进行系数矫正。2.如权利要求1所述的系统，其特征在于，所述子区域内的包含的目标为子区域内的设备或环境监测点。3.如权利要求2所述的系统，其特征在于，所述目标区域划分单元在将目标监控区域划分为多个子区域时，依据的规则为：按照设备的类型，进行子区域划分，每个子区域内包含的设备的类型归属于为同一类型。4.如权力要求3所述的系统，其特征在于，所述子区域按照其内包含的设备的类型划分为四个重要等级分别为：第一级、第二级、第三级和第四级；且第一级的重要等级高于第二级的重要等级，第二级的重要等级高于第三级的重要等级，第三级的重要等级高于第四级的重要等级。5.如权利要求4所述的系统，其特征在于，所述传感器在各个子区域内的移动速率根据各个子区域的重要等级而不同，具体包括：当传感器在第一级的子区域内移动时，其移动速率设定为A，当传感器在第二级的子区域内移动时，其移动速率设定为B，当传感器在第三级的子区域内移动时，其移动速率设定为C，当传感器在第四级的子区...

【专利技术属性】
技术研发人员：曹蔚然，陈立峰，
申请(专利权)人：浙大城市学院，
类型：发明
国别省市：