基于工业物联网的数据处理方法及系统技术方案

本发明专利技术涉及数据处理领域，公开了一种基于工业物联网的数据处理方法及系统，用于提高安防监控的准确率并实现智能化的传感器协同监控

【技术实现步骤摘要】
基于工业物联网的数据处理方法及系统


[0001]本专利技术涉及数据处理领域，尤其涉及一种基于工业物联网的数据处理方法及系统
。

技术介绍

[0002]随着传感器技术
、
通信技术和云计算的不断进步，工业物联网得以快速发展
。
工业物联网（
IIoT
）通过将各种传感器
、
设备和系统连接到互联网，实现了对生产过程的实时监控和数据采集
。
各类传感器网络在工厂和生产环境中广泛部署，实现对设备和生产流程的实时监测
。
[0003]传统的工业监控系统往往难以处理这些庞大而复杂的数据流，因为数据中包含大量噪声
、
冗余信息，以及不同时间尺度和空间尺度的变化，进而导致现有方案的准确率低
。

技术实现思路

[0004]本专利技术提供了一种基于工业物联网的数据处理方法及系统，用于提高安防监控的准确率并实现智能化的传感器协同监控
。
[0005]本专利技术第一方面提供了一种基于工业物联网的数据处理方法，所述基于工业物联网的数据处理方法包括：通过预置的多个物联网监控传感器获取目标监控区域的原始安防监控数据；对所述原始安防监控数据进行数据聚类处理，得到多个初始安防监控数据；分别对所述多个初始安防监控数据进行数据降维，生成对应的多个目标安防监控数据；对所述多个目标安防监控数据进行特征提取，得到多个安防监控特征；将所述多个安防监控特征输入预置的安防监控双层规划模型进行安防监控异常分析和传感器协同监控策略优化，生成目标传感器协同监控策略
。
[0006]结合第一方面，在本专利技术第一方面的第一种实现方式中，所述对所述原始安防监控数据进行数据聚类处理，得到多个初始安防监控数据，包括：将所述原始安防监控数据输入预置的数据聚类模型，并根据所述多个物联网监控传感器确定所述数据聚类模型的初始聚类数值；根据所述初始聚类数值，在所述原始安防监控数据中随机选取对应的多个数据点作为聚类中心，得到多个初始聚类中心；根据所述多个初始聚类中心对所述原始安防监控数据进行均值聚类，得到多个第一数据点聚类簇；通过所述多个第一数据点聚类簇进行聚类迭代优化，得到目标聚类数值，并根据所述目标聚类数值确定多个目标聚类中心；通过所述多个目标聚类中心对所述原始安防监控数据进行聚类处理，生成对应的多个第二数据点聚类簇；
获取所述多个目标聚类中心之间的中心点距，并对所述中心点距与预置的第一中心距离阈值和第二中心距离阈值进行比较，其中，所述第一中心距离阈值＜第二中心距离阈值；若中心点距
≤
第一中心距离阈值，则对第二数据点聚类簇进行簇合并，若第一中心距离阈值＜中心点距
≤
第二中心距离阈值，则对第二数据点聚类簇进行簇保留，若第二中心距离阈值＜中心点距，则对第二数据点聚类簇进行簇删除，输出多个初始安防监控数据
。
[0007]结合第一方面，在本专利技术第一方面的第二种实现方式中，所述分别对所述多个初始安防监控数据进行数据降维，生成对应的多个目标安防监控数据，包括：获取每个初始安防监控数据的数据分布特征，并根据所述数据分布特征选取每个初始安防监控数据的目标核函数；根据所述目标核函数，分别计算每个初始安防监控数据对应的目标核矩阵；分别对每个初始安防监控数据对应的目标核矩阵进行中心化处理，得到每个初始安防监控数据对应的中心化核矩阵；分别对每个初始安防监控数据对应的中心化核矩阵进行特征值分解，得到每个初始安防监控数据对应的多个矩阵特征值和每个矩阵特征值的特征向量；分别对所述多个矩阵特征值与预置的目标特征值进行比较，得到每个矩阵特征值的特征值比较结果；根据所述特征值比较结果，对所述多个矩阵特征值进行特征值选取，得到多个主成分特征值，并获取每个主成分特征值对应的特征向量；对每个主成分特征值对应的特征向量进行矩阵转换，得到每个初始安防监控数据对应的目标投影矩阵，并根据所述目标投影矩阵将所述多个初始安防监控数据投影到低维空间，生成对应的多个目标安防监控数据
。
[0008]结合第一方面，在本专利技术第一方面的第三种实现方式中，所述对所述多个目标安防监控数据进行特征提取，得到多个安防监控特征，包括：分别将所述多个目标安防监控数据输入预置的卷积长短时网络，其中，所述卷积长短时网络包括：卷积层以及长短时记忆层；通过所述卷积长短时网络中的卷积层对所述多个目标安防监控数据进行空间特征提取，得到多个目标空间特征；通过所述卷积长短时网络中的长短时记忆层，对所述多个目标安防监控数据进行时序特征提取，得到多个目标时序特征；对所述多个目标空间特征以及所述多个目标时序特征进行特征映射，得到多个安防监控特征
。
[0009]结合第一方面，在本专利技术第一方面的第四种实现方式中，所述将所述多个安防监控特征输入预置的安防监控双层规划模型进行安防监控异常分析和传感器协同监控策略优化，生成目标传感器协同监控策略，包括：将所述多个安防监控特征输入预置的安防监控双层规划模型，其中，所述安防监控双层规划模型包括：上层模型以及下层模型，所述上层模型包括多个神经网络分类器以及
XGBoost
模型，所述下层模型包括粒子群优化算法；
通过所述安防监控双层规划模型中的上层模型，对所述多个安防监控特征进行安防监控异常分析，得到目标安防监控异常分析结果；通过所述安防监控双层规划模型中的下层模型，根据所述目标安防监控异常分析结果对所述多个物联网监控传感器进行传感器协同监控策略优化，生成目标传感器协同监控策略
。
[0010]结合第一方面，在本专利技术第一方面的第五种实现方式中，所述通过所述安防监控双层规划模型中的上层模型，对所述多个安防监控特征进行安防监控异常分析，得到目标安防监控异常分析结果，包括：将所述多个安防监控特征分别输入所述上层模型中的多个神经网络分类器以及
XGBoost
模型；通过所述多个神经网络分类器中的第一分类器以及第二分类器分别对所述多个安防监控特征进行异常分析，得到所述第一分类器输出的第一异常分析结果以及所述第二分类器输出的第二异常分析结果；根据所述第一异常分析结果和所述第二异常分析结果确定第三分类器的目标输入数据，并将所述目标输入数据输入所述第三分类器进行异常分析，得到第三异常分析结果；通过所述
XGBoost
模型对所述多个安防监控特征进行异常分析，得到第四异常分析结果；获取所述第三分类器的第一投票权重以及所述
XGBoost
模型的第二投票权重，并根据所述第一投票权重以及所述第二投票权重对所述第三异常分析结果以及所述第四异常分析结果进行结果加权分析，得到目标安防监控异常分析结果
。
[0011]结合第一方面，在本专利技术第一方面的第六种实现方式中，所述通过所述安防监控双层规划模型中的下层模型，根据所述目标安防监控异常分析结果对所述多个物联网监控传感器进行传感器协同监控策略优化，生成目标传感器协同监控策略，包括：通过所述下层模型中的粒子群本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于工业物联网的数据处理方法，其特征在于，所述基于工业物联网的数据处理方法包括：通过预置的多个物联网监控传感器获取目标监控区域的原始安防监控数据；对所述原始安防监控数据进行数据聚类处理，得到多个初始安防监控数据；分别对所述多个初始安防监控数据进行数据降维，生成对应的多个目标安防监控数据；对所述多个目标安防监控数据进行特征提取，得到多个安防监控特征；将所述多个安防监控特征输入预置的安防监控双层规划模型进行安防监控异常分析和传感器协同监控策略优化，生成目标传感器协同监控策略
。2.
根据权利要求1所述的基于工业物联网的数据处理方法，其特征在于，所述对所述原始安防监控数据进行数据聚类处理，得到多个初始安防监控数据，包括：将所述原始安防监控数据输入预置的数据聚类模型，并根据所述多个物联网监控传感器确定所述数据聚类模型的初始聚类数值；根据所述初始聚类数值，在所述原始安防监控数据中随机选取对应的多个数据点作为聚类中心，得到多个初始聚类中心；根据所述多个初始聚类中心对所述原始安防监控数据进行均值聚类，得到多个第一数据点聚类簇；通过所述多个第一数据点聚类簇进行聚类迭代优化，得到目标聚类数值，并根据所述目标聚类数值确定多个目标聚类中心；通过所述多个目标聚类中心对所述原始安防监控数据进行聚类处理，生成对应的多个第二数据点聚类簇；获取所述多个目标聚类中心之间的中心点距，并对所述中心点距与预置的第一中心距离阈值和第二中心距离阈值进行比较，其中，所述第一中心距离阈值＜第二中心距离阈值；若中心点距
≤
第一中心距离阈值，则对第二数据点聚类簇进行簇合并，若第一中心距离阈值＜中心点距
≤
第二中心距离阈值，则对第二数据点聚类簇进行簇保留，若第二中心距离阈值＜中心点距，则对第二数据点聚类簇进行簇删除，输出多个初始安防监控数据
。3.
根据权利要求1所述的基于工业物联网的数据处理方法，其特征在于，所述分别对所述多个初始安防监控数据进行数据降维，生成对应的多个目标安防监控数据，包括：获取每个初始安防监控数据的数据分布特征，并根据所述数据分布特征选取每个初始安防监控数据的目标核函数；根据所述目标核函数，分别计算每个初始安防监控数据对应的目标核矩阵；分别对每个初始安防监控数据对应的目标核矩阵进行中心化处理，得到每个初始安防监控数据对应的中心化核矩阵；分别对每个初始安防监控数据对应的中心化核矩阵进行特征值分解，得到每个初始安防监控数据对应的多个矩阵特征值和每个矩阵特征值的特征向量；分别对所述多个矩阵特征值与预置的目标特征值进行比较，得到每个矩阵特征值的特征值比较结果；根据所述特征值比较结果，对所述多个矩阵特征值进行特征值选取，得到多个主成分特征值，并获取每个主成分特征值对应的特征向量；
对每个主成分特征值对应的特征向量进行矩阵转换，得到每个初始安防监控数据对应的目标投影矩阵，并根据所述目标投影矩阵将所述多个初始安防监控数据投影到低维空间，生成对应的多个目标安防监控数据
。4.
根据权利要求1所述的基于工业物联网的数据处理方法，其特征在于，所述对所述多个目标安防监控数据进行特征提取，得到多个安防监控特征，包括：分别将所述多个目标安防监控数据输入预置的卷积长短时网络，其中，所述卷积长短时网络包括：卷积层以及长短时记忆层；通过所述卷积长短时网络中的卷积层对所述多个目标安防监控数据进行空间特征提取，得到多个目标空间特征；通过所述卷积长短时网络中的长短时记忆层，对所述多个目标安防监控数据进行时序特征提取，得到多个目标时序特征；对所述多个目标空间特征以及所述多个目标时序特征进行特征映射，得到多个安防监控特征
。5.
根据权利要求1所述的基于工业物联网的数据处理方法，其特征在于，所述将所述多个安防监控特征输入预置的安防监控双层规划模型进行安防监控异常分析和传感器协同监控策略优化，生成目标传感器协同监控策略，包括：将所述多个安防监控特征输入预置的安防监控双层规划模型，其中，所述安防监控双层规划模型包括：上层模型以及下层模型，所述上层模型包括多个神经...

【专利技术属性】
技术研发人员：颜思威，胡修勇，颜海鹰，
申请(专利权)人：深圳市联特微电脑信息技术开发有限公司，
类型：发明
国别省市：