一种基于物联网的监测设备监管系统及其方法技术方案

本发明专利技术公开了一种基于物联网的监测设备监管系统及其方法，具体涉及物联网技术领域，包括数据采集模块

【技术实现步骤摘要】
一种基于物联网的监测设备监管系统及其方法


[0001]本专利技术涉及物联网
，更具体地说，本专利技术涉及一种基于物联网的监测设备监管系统及其方法
。

技术介绍

[0002]近年来，随着我国物联网技术的飞速发展和普及，为各行业提供连接和通信设备的框架，使得设备能够收集和传输数据，实现设备之间的互联
。
[0003]现有的监测设备监管系统，通常通过部署各种类型的传感器，实时获取监测设备的工作状态
、
环境参数
、
性能指标等重要信息，基于这些数据进行分析预测设备故障，及时发现故障有助于减少生产停机时间和损失
。
[0004]但是其在实际使用时，仍旧存在较多缺点，如现有的监测设备监管系统数据量大，处理数据效率低下，响应速度较慢，且数据传输的成本较高；在网络连接不稳定或断开的情况下，系统并不能稳定运行；监测设备存在故障情况后，通常需要人工到达现场进行故障排除，故障处理速度慢且时间成本较高
。

技术实现思路

[0005]为了克服现有技术的上述缺陷，本专利技术提供一种基于物联网的监测设备监管系统及其方法，通过云平台处理中心训练机器学习模型，对经过训练的模型进行压缩和优化处理，以减少模型的大小和复杂度；通过边缘设备处理模块在本地执行模型推断，避免将大量原始数据传输到云平台处理中心进行处理；通过远程控制模块远程对监测设备进行控制
、
配置和管理，提高监测设备管理的效率，并保留所有的远程控制
、
配置和管理操作日志，有助于后续的审计
、
故障排查和维护工作，以确保操作的完整性和可追溯性，以解决上述
技术介绍
中提出的问题
。
[0006]为实现上述目的，本专利技术提供如下技术方案：一种基于物联网的监测设备监管系统及其方法，包括：数据采集模块：用于利用传感器
、
监测设备的数据接口采集监测设备原始数据；所述监测设备原始数据包括但不限于环境温度
、
设备表面温度
、
环境湿度
、
气体或液体压力
、
环境光照强度
、
设备电流
、
设备电压
、
设备的开关状态，以及设备的工作时间；所述传感器包括但不限于温度传感器
、
湿度传感器
、
压力传感器，以及光传感器；所述监测设备的数据接口，包括但串口
、
以太网接口
、Modbus
协议或其他通信方式；数据预处理模块：用于接收传感器
、
监测设备的数据接口采集到的数据，将监测设备原始数据进行数据预处理操作得到监测设备数据，并将其传输到数据传输模块；数据传输模块：用于接收数据预处理模块传输的数据，通过无线通信技术将数据传输到边缘设备处理模块进行处理和存储；云平台处理中心：用于接收边缘设备处理模块传输的数据，根据其提供的大量数据训练机器学习模型，对经过训练的模型进行压缩和优化处理，将压缩优化后的机器学习
模型部署到监测设备上，使其能够在本地执行推断任务；边缘设备处理模块：用于接收数据传输模块
、
云平台处理中心传输的数据，通过在监测设备上使用本地存储和处理技术，以及部署压缩优化的机器学习模型进行数据分析，在本地执行模型推断，将数据传输至云平台处理中心
、
设备监管模块；设备监管模块：用于对监测设备进行监管，计算设备故障概率系数，识别和预测设备故障，并实时发送报警通知；远程控制模块包括报警信息处理单元
、
远程维护单元和日志记录单元，用于接收设备监管模块传输的数据，远程对监测设备进行控制
、
配置和管理
。
[0007]在一个优选地实施方式中，所述云平台处理中心的具体处理方式为：
A1、
将大量数据记作数据集
ai={a1
，
a2
……
an}
，根据数据集的特点，选择适合的机器学习模型；
A2、
将数据集根据二八比例划分为验证集和训练集，使用训练集对所选模型进行训练，并针对目标指标进行调优；所述目标指标包括准确率
、
召回率和精确率；
A3、
使用验证集评估训练得到的模型性能，并进行模型的微调和优化，通过交叉验证确保模型的泛化能力和稳定性；
A4、
在训练完成后，采用参数剪枝和权重量化算法对经过训练的模型进行压缩和优化操作，以减少其大小和复杂度，以便在监测设备上运行；
A5、
在压缩和优化后，使用验证集或测试集对压缩模型的性能进行评估；
A6、
根据计算得到的性能评估指标，分析压缩和优化后模型的性能表现，并与原始模型进行比较；
A7、
将压缩优化后的模型导出，并在监测设备上进行部署
。
[0008]在一个优选地实施方式中，所述在压缩和优化后，使用验证集或测试集对压缩模型的性能进行评估，其具体处理过程如下：
A51、
将压缩和优化后的模型与相应的测试集配对，确保测试集包含输入特征和对应的实际值；所述实际值用于回归问题；
A52、
将输入数据输入到模型中，获取模型的预测结果；
A53、
根据问题类型和任务需求，选择均方误差
、
平均绝对误差作为性能评估指标；
A54、
使用模型的预测结果和实际值，计算所选的性能评估指标
Qx
：，其中
ui
表示实际值，
f
表示总体均值，
ρ
表示偏倚值，
hi
表示预测结果，
v1、v2
表示比例系数
。
[0009]在一个优选地实施方式中，所述边缘设备处理模块的具体处理过程为：
B1、
将预处理后的数据输入到已部署的机器学习模型中进行推断；
B2、
使用本地环境中的计算资源，在监测设备上执行模型的推断任务；通过调用模型的推断接口或方法，将输入数据传递给模型，并获取模型输出的预测结果；
B3、
对部署在监测设备上的模型进行性能评估和调优；
B4、
监测设备将关键的数据传输给云平台处理中心
、
设备监管模块，以供后续分析和监控使用
。
[0010]在一个优选地实施方式中，所述设备监管模块的具体处理过程为：
C1、
收集与监测设备相关的历史故障数据，具体包括故障发生时间
、
故障发生次数
、
设备总数
、
故障类型，以及设备运行时长；
C2、
根据历史故障数据，计算每个设备在每季度内发生故障的次数，即故障频率；其故障频率计算公式为：，其中
U
表示故障发生次数，
Pt
表示设备运行时长本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于物联网的监测设备监管系统，其特征在于：包括：数据采集模块：用于利用传感器
、
监测设备的数据接口采集监测设备原始数据；所述监测设备原始数据包括但不限于环境温度
、
设备表面温度
、
环境湿度
、
气体或液体压力
、
环境光照强度
、
设备电流
、
设备电压
、
设备的开关状态，以及设备的工作时间；所述传感器包括但不限于温度传感器
、
湿度传感器
、
压力传感器，以及光传感器；所述监测设备的数据接口，包括但串口
、
以太网接口
、Modbus
协议或其他通信方式；数据预处理模块：用于接收传感器
、
监测设备的数据接口采集到的数据，将监测设备原始数据进行数据预处理操作得到监测设备数据，并将其传输到数据传输模块；数据传输模块：用于接收数据预处理模块传输的数据，通过无线通信技术将数据传输到边缘设备处理模块进行处理和存储；云平台处理中心：用于接收边缘设备处理模块传输的数据，根据其提供的大量数据训练机器学习模型，对经过训练的模型进行压缩和优化处理，将压缩优化后的机器学习模型部署到监测设备上，使其能够在本地执行推断任务；边缘设备处理模块：用于接收数据传输模块
、
云平台处理中心传输的数据，通过在监测设备上使用本地存储和处理技术，以及部署压缩优化的机器学习模型进行数据分析，在本地执行模型推断，将数据传输至云平台处理中心
、
设备监管模块；设备监管模块：用于对监测设备进行监管，计算设备故障概率系数，识别和预测设备故障，并实时发送报警通知；远程控制模块包括报警信息处理单元
、
远程维护单元和日志记录单元，用于接收设备监管模块传输的数据，远程对监测设备进行控制
、
配置和管理
。2.
根据权利要求1所述的一种基于物联网的监测设备监管系统，其特征在于：所述云平台处理中心的具体处理方式为：
A1、
将大量数据记作数据集
ai={a1
，
a2
……
an}
，根据数据集的特点，选择适合的机器学习模型；
A2、
将数据集根据二八比例划分为验证集和训练集，使用训练集对所选模型进行训练，并针对目标指标进行调优；所述目标指标包括准确率
、
召回率和精确率；
A3、
使用验证集评估训练得到的模型性能，并进行模型的微调和优化，通过交叉验证确保模型的泛化能力和稳定性；
A4、
在训练完成后，采用参数剪枝和权重量化算法对经过训练的模型进行压缩和优化操作，以减少其大小和复杂度，以便在监测设备上运行；
A5、
在压缩和优化后，使用验证集或测试集对压缩模型的性能进行评估；
A6、
根据计算得到的性能评估指标，分析压缩和优化后模型的性能表现，并与原始模型进行比较；
A7、
将压缩优化后的模型导出，并在监测设备上进行部署
。3.
根据权利要求2所述的一种基于物联网的监测设备监管系统，其特征在于：所述在压缩和优化后，使用验证集或测试集对压缩模型的性能进行评估，其具体处理过程如下：
A51、
将压缩和优化后的模型与相应的测试集配对，确保测试集包含输入特征和对应的实际值；所述实际值用于回归问题；
A52、
将输入数据输入到模型中，获取模型的预测结果；
A53、
根据问题类型和任务需求，选择均方误差
、
平均绝对误差作为性能评估指标；
A54、
使用模型的预测结果和实际值，计算所选的性能评估指标
Qx
：，其中
ui
表示实际值，
f
表示总体均值，
ρ
表示偏倚值，
hi
表示预测结果，
v1、v2
表示比例系数
。4.
根据权利要求1所述的一种基于物联网的监测设备监管系统，其特征在于：所述边缘设备处理模块的具体处理过程为：
B1、
将预处理后的数据输入到已部署的机器学习模型中进行推断；
B2、
使用本地环境中的计算资源，在监测设备上执行模型的推断任务；通过调用模型的推断接口或方法，将输入数据传递给模型，并获取模型输出的预测结果；
B3、
对部署在监测设备上的模型进行性能评估和调优；
B4、
监测设备将关键的数据传输给云平台处理中心
、
设备监管模块，以供后续分析和监控使用
。5.
根据权利要求1所述的一种基于物联网的监测设备监管系统，其特征在于：所述设备监管模块的具体处理过程为：
C1、
收集与监测设备相关的历史故障数据，具体包括故障发生时间
、
故障发生次数
、
设备总数
、
故障类型，以及设备运行时长；
C2、
根据历史故障数据，计算每个设备在每季度内发生故障的次数，即故障频率；其故障频率计算公式为：，其中
U
表示故障发生次数，
Pt
表示设备运行时长；
C3、
选择与监测设备故障的相关因素进行量化或标记，具体包括设备年龄
、
使用环境和维护历史；
C4、<...

【专利技术属性】
技术研发人员：吴云，项华均，蔡志林，王雪平，
申请(专利权)人：江苏三希科技股份有限公司，
类型：发明
国别省市：