【技术实现步骤摘要】
基于大数据的运行状态智能监控数据传输系统及方法
[0001]本专利技术涉及数据传输
，具体为基于大数据的运行状态智能监控数据传输系统及方法。
技术介绍
[0002]传感技术及其各种应用随着技术和业务需求的发展而不断发展，传感器可用于检测从距离到热到压力等各种实际属性；工业体系行业中拥有大量依赖于传感器才能正常运行的机器或系统或互联设备的集群，在过程流中联网的传感器，可以连续不断地检测、测量和传输物理环境中任何变化的电信号，电信号被传输到计算机中，经过处理数据并进一步指导控制体系；现实中，对于控制体系中的集群设备运行监测中的各个传感器，一般通过直接传输模型和基于网络的传输模型，进行数据的传输；直接传输模型是将数据直接发送到接收器，进而导致大量的数据传输，增加能耗；基于网络的传输模型是通过传感器网络内部的链路传输数据，使用数据压缩机制来减少数据传输量，从而节省能源；然而，现实中，数据传输过程中往往都需要传输接口通道来规划、决策或分配数据传输任务，尤其是对于实际控制体系中的集群设备的不同运行特征的存在情况，往往很难保证数据传输通道决策的平衡性，不容易提高数据传输的效率。
技术实现思路
[0003]本专利技术的目的在于提供基于大数据的运行状态智能监控数据传输系统及方法，以解决上述
技术介绍
中提出的问题。
[0004]为了解决上述技术问题，本专利技术提供如下技术方案：基于大数据的运行状态智能监控数据传输系统，本系统包括：状态智能感知模块、数据统筹模块、行为关系分析模块和传输提示模块；所述状态智能感知...
【技术保护点】
【技术特征摘要】
1.基于大数据的运行状态智能监控数据传输方法，其特征在于，该方法包括以下步骤：步骤S100：按照传感器的数量划分存储空间，分别对多传感器运行过程中产生的状态数据进行存储，生成异常反馈集合；并调取运维数据库中存储的各个异常反馈集合，形成异常运行状态行为集合；步骤S200：对不同异常运行状态行为下的传感器同步感知时，各传感器对应产生的异常反馈集合存入到异常运行状态行为集合中，并对异常运行状态行为集合进行统筹和统一编号；根据异常运行状态行为集合，为分析异常运行状态行为之间的同化情况，建立同化数据样本库，存入全部异常运行状态行为集合；步骤S300：构建同化关系迭代模型，在每一次迭代过程中，任意选取一个异常行为状态集合作为同化媒介，任意选取另一个异常行为状态集合作为同化目标，分析异常运行状态行为之间的同化关系；根据同化关系迭代结果，生成同化关系行为对，并记录每一种异常运行状态行为发生时的时间，生成同步时间集；步骤S400：建立一维坐标时间线，将同步时间集在一维坐标时间线中进行映射，并划分连续的时间区间；分析在连续的时间区间范围下，异常运行状态行为发生的预测时间范围，并保持时间范围内的各传感器的数据传输通道畅通。2.根据权利要求1所述的基于大数据的运行状态智能监控数据传输方法，其特征在于，所述步骤S100的具体实施过程包括：步骤S101：架构运维数据库，接收并存储多传感器监测过程中产生的状态数据，所述状态数据为当被监测对象出现异常情况时，传感器感知到的反馈信息参数；对运维数据库划分存储空间，且对多传感器进行统一编号，根据传感器的编号，对存储空间附加唯一编码标识，其中，一个存储空间对应存储一个传感器产生的状态数据，并生成异常反馈集合，记为G(I
i
)={FP1，FP2，...，FP
n
}，其中，I
i
表示存储空间附加的唯一编码标识，i为传感器的编号，FP1，FP2，...，FP
n
分别表示传感器感知到的第1，2，...，n个状态数据；步骤S102：架构异常运行状态行为感知模型，所述异常运行状态行为感知模型调取运维数据库中存储的各个异常反馈集合，形成异常运行状态行为集合，所述异常运行状态行为集合中包括若干个子项集，且每个子项集为被监测对象出现异常情况时，以传感器同步感知行为为导向，所述异常运行状态行为感知模型统筹的各个同步感知的传感器对应产生的异常反馈集合。3.根据权利要求2所述的基于大数据的运行状态智能监控数据传输方法，其特征在于，所述步骤S200的具体实施过程包括：步骤S201：对异常运行状态行为集合进行统筹并统一编号，且一个异常运行状态行为集合对应一种异常运行状态行为，将任意一个异常运行状态行为集合标记为SB
j
={G
j
(I1)，G
j
(I2)，...，G
j
(I
m
)}，其中，SB
j
表示第j种异常运行状态行为对应的异常运行状态行为集合，G
j
(I1)，G
j
(I2)，...，G
j
(I
m
)分别表示在第j种异常运行状态行为下，第1，2，...，m个传感器同步感知时，各传感器对应产生的异常反馈集合；步骤S202：根据异常运行状态行为集合，为分析异常运行状态行为之间的同化情况，建立同化数据样本库，存入全部异常运行状态行为集合，将所述同化数据样本库记为R。4.根据权利要求3所述的基于大数据的运行状态智能监控数据传输方法，其特征在于，所述步骤S300的具体实施过程包括：
步骤S301：构建同化关系迭代模型，令第L次迭代样本集为R
L
，则第一次迭代样本集为R1，且R1=R；在第L次迭代样本集R
L
中任意选取一个异常行为状态集合SB
x
作为同化媒介，记为L：SB
x
，在第L次迭代样本集R
L
中除异常行为状态集合SB
x
外任意选取一个异常行为状态集合SB
y
作为同化目标，记为L：SB
y
，其中，x、y分别为第x、y种异常运行状态行为的编号，x≠y；则第L+1次迭代样本集，令第L次迭代输出集为SR
L
(SB
x
)，分析异常运行状态行为之间的同化情况，进行第L次同化关系迭代的过程如下：，其中，AP(SB
x
→
SB
y
)表示同化媒介与同化目标之间的匹配同化概率，NUM[G
x
(I
i
)∩G
y
(I
i
)]表示异常行为状态集合SB
x
和异常行为状态集合SB
y
中，相同存储空间I
i
对应产生的异常反馈集合G
x
(I
i
)和G
y
(I
i
)之间的交集中包含的状态数据数量，NUM[G
x
(I
i
)∪G
y
(I
i
)]表示异常行为状态集合SB
x
和异常行为状态集合SB
y
中，相同存储空间I
i
对应产生的异常反馈集合G
x
(I
i
)和G
y
(I
i
)之间的并集中包含的状态数据数量；预设同化概率阈值，如果AP(SB
x
→
SB
y
)大于等于同化概率阈值，则将异常行为状态集合SB
y
存入到第L次迭代输出集SR
L
(SB
x
)中，反之不存入；在第L次迭代样本集R
L
中选取下一个同化目标继续与同化媒介L：SB
x
进行匹配同化，直到第L次迭代样本集R
L
中所有同化目标匹配同化完成，输出第L次迭代输出集SR
L
(SB
x
)，并进行第L+1次同化关系迭代；直到同化数据样本库R中所有异常运行状态行为集合完成匹配同化时，同化关系迭代停止；步骤S302：根据同化关系迭代结果，统筹每一次迭代输出集；将每一个迭代输出集范围内的异常运行状态行为集合对应的异常运行状态行为作为聚类研判对象，生成同化关系行为对，记为Q
x
→
{Q1，Q2，...，Q
y
，...，Q
w
}，其中，Q
x
，Q1，Q2，...，Q
y
，...，Q
w
分别表示第x，1，2，...，y，...，w种异常运行状态行为；记录每一种异常运行状态行为发生时的时间，并生成同步时间集，其中，将同化媒介L：SB
x
对应的异常运行状态行为Q
x
生成的同步时间集记为T(Q
x
)={T1，T2，...，T
a
}，根据同化关系行为对，将{Q1，Q2，...，Q
y
，...，Q
w
}中任意一个同化目标L：SB
y
对应的异常运行状态行为Q
y
生成的同步时间集记为t(Q
y
)={t1，t2，...，t
b
}，其中，T1，T2，...，T
a
分别表示异常运行状态行为Q
x
第1，2，...，a次发生的时间，t1，t2，...，t
b
分别表示异常运行状态行为Q
y
第1，2，...，b次发生的时间。5.根据权利要求4所述的基于大数据的运行状态智能监控数据传输方法，其特征在于，所述步骤S400的具体实施过程包括：步骤S401：建立一维坐标时间线，将同步时间集t(Q
y
)在一维坐标时间线上进行映射并划分连续的时间区间，共得到b
‑
1个连续时间区间，截取任意一个连续时间区间，记为tt
u
：t
u
‑1～t
u
；同时将同步时间集T(Q
x
)在一维坐标时间线上进行映射，并获取连续时间区间内包含的同步时间集T(Q
x
)的子集，生成区间时间集，记为T[tt
u
]={T1，T2，...，T
c
}；步骤S402：根据区间时间集，研判异常运行状态行为Q
y
的发生时间，计算区间研判时间V{T[tt
u
]}=c
‑1Σ
d=1c
(T
d
‑
t
u
)；在所有的区间研判时间中分别选取最大和最小值，记为V
max
和V
min
；如果当前异常运行状态行为Q
x
发生的时间为T0，则根据同化关系行为对，输出异常运行状态行为Q
y
发生的时间范围为[T0+V
min
，T0+V
max
]，并提示工作人员将异常运行状态行为集合
SB
y
中各异常反馈集合对应的传感器，在时间范围[T0+V
min
，T0+V
max
]内的传输通道保持畅通。6.基于大数据的运行状态智能监控数据传输系统，其特征在于，所述系统包括：状态智能感知模块、数据统筹模块、行为关系分析模块和传输提示模块；所述状态智...
【专利技术属性】
技术研发人员：徐才红，汪强，丁单进，
申请(专利权)人：常州瑞阳液压成套设备有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。