【技术实现步骤摘要】
本专利技术涉及用于监控的数据处理，具体涉及一种工业平板电脑的数据交互方法。
技术介绍
1、工业平板电脑在数据交互方面有多种用途，这取决于工业平板电脑的应用场景和需求。通常来讲，工业平板电脑在数据交互方面的主要用途包括：传感器数据采集与分析、远程监控和控制、物联网（iot）连接、数据显示和可视化以及数据存储与管理等。
2、工业平板电脑通过数据交互，可以从各种传感器、仪器和设备中采集数据，这些数据可以用于分析和决策制定，经过云服务或远程连接，工业平板电脑可以实现远程访问工业设备和数据，这对于远程维护、监控和故障排除非常有用。工业平板电脑通过数据交互，有利于及时检测和解决问题，提高工业生产效率和产品质量。
3、当使用工业平板电脑通过数据交互来对工厂机械设备的工作状态进行监测时，由于工厂机械设备的工作状态发生变化，相应的会导致机械电机的温度数据发生变化，因此通过对温度数据变化进行分析，可以实现机械设备工作状态的初步判定。现有通常是将采集到的温度数据与设定阈值进行比较，并根据比较结果来确定机械设备的工作状态。但是，对于特殊情况所引起的温度数据变化，例如，当环境温度发生变化，或者当机械设备的工作强度发生短时间的变化时，也会导致温度数据发生变化，此时使得温度数据出现近似异常数据，那么简单的阈值比较就容易导致误判现象，导致机械设备工作状态的监测准确性较低。
技术实现思路
1、本专利技术的目的在于提供一种工业平板电脑的数据交互方法，用于解决现有机械设备工作状态的监测准确性较低
2、为解决上述技术问题，本专利技术提供了一种工业平板电脑的数据交互方法，包括以下步骤：
3、获取待监测设备的当前监测数据时序序列和各个历史监测数据时序序列，以及当前监测数据时序序列与每个历史监测数据时序序列之间的时间间隔；
4、根据当前监测数据时序序列和每个历史监测数据时序序列中的监测数据分布情况，确定当前监测数据时序序列的监测数据离散程度，每个历史监测数据时序序列的监测数据离散程度，当前监测数据时序序列与每个历史监测数据时序序列之间的相似指标，以及任意两个历史监测数据时序序列之间的相似指标；
5、根据当前监测数据时序序列对应的相似指标之间的差异，任意两个历史监测数据时序序列之间的相似指标的大小，以及当前监测数据时序序列与每个历史监测数据时序序列之间的时间间隔，确定每个历史监测数据时序序列对应的异常重要可能性；
6、根据每个历史监测数据时序序列对应的异常重要可能性，以及当前监测数据时序序列与每个历史监测数据时序序列之间的相似指标，确定每个历史监测数据时序序列对应的重要程度；
7、根据当前监测数据时序序列和各个历史监测数据时序序列之间的监测数据离散程度的差异大小，以及各个历史监测数据时序序列对应的重要程度，确定当前监测数据时序序列的故障程度，并根据所述故障程度，确定待监测设备的工作状态。
8、进一步的，确定每个历史监测数据时序序列对应的异常重要可能性，包括：
9、确定当前监测数据时序序列与各个历史监测数据时序序列之间的相似指标的平均值，得到相似指标均值；
10、确定每个历史监测数据时序序列与其他各个历史监测数据时序序列之间的相似指标的累加值，得到每个历史监测数据时序序列对应的相似指标总值；
11、根据当前监测数据时序序列与每个历史监测数据时序序列之间的相似指标和所述相似指标均值之间的差异大小，以及每个历史监测数据时序序列对应的相似指标总值和时间间隔，确定每个历史监测数据时序序列对应的异常重要可能性。
12、进一步的，确定每个历史监测数据时序序列对应的异常重要可能性，对应的计算公式为：
13、；其中，表示第i个历史监测数据时序序列对应的异常重要可能性；表示第i个历史监测数据时序序列与当前监测数据时序序列之间的相似指标；表示相似指标均值；表示第i个历史监测数据时序序列对应的相似指标总值；表示第i个历史监测数据时序序列与其他第k个历史监测数据时序序列之间的相似指标；表示历史监测数据时序序列的总数目；表示归一化函数；表示当前监测数据时序序列与第i个历史监测数据时序序列之间的时间间隔；| |表示取绝对值符号。
14、进一步的，确定当前监测数据时序序列的故障程度，包括：
15、计算当前监测数据时序序列的监测数据离散程度和每个历史监测数据时序序列的监测数据离散程度的差值绝对值，从而得到每个历史监测数据时序序列对应的监测数据离散程度差异值；
16、根据各个历史监测数据时序序列对应的重要程度和监测数据离散程度差异值，确定当前监测数据时序序列的故障程度。
17、进一步的，确定当前监测数据时序序列的故障程度，对应的计算公式为：
18、；其中，表示当前监测数据时序序列的故障程度；表示第i个历史监测数据时序序列的监测数据离散程度差异值；表示当前监测数据时序序列的监测数据离散程度；表示第i个历史监测数据时序序列的监测数据离散程度；表示历史监测数据时序序列的总数目；| |表示取绝对值符号。
19、进一步的，确定每个历史监测数据时序序列对应的重要程度，对应的计算公式为：
20、；其中，表示第i个历史监测数据时序序列对应的重要程度；表示第i个历史监测数据时序序列对应的异常重要可能性；表示第i个历史监测数据时序序列与当前监测数据时序序列之间的相似指标。
21、进一步的，所述监测数据离散程度的确定步骤包括：
22、确定当前监测数据时序序列中的各个监测数据的方差，从而得到当前监测数据时序序列的监测数据离散程度；
23、确定每个历史监测数据时序序列中的各个监测数据的方差，从而得到每个历史监测数据时序序列的监测数据离散程度。
24、进一步的，所述相似指标的确定步骤包括：
25、利用dtw算法确定当前监测数据时序序列与每个历史监测数据时序序列之间的dtw距离，对dtw距离进行负相关映射，从而得到当前监测数据时序序列与每个历史监测数据时序序列之间的相似指标；
26、利用dtw算法确定任意两个历史监测数据时序序列之间的dtw距离，对dtw距离进行负相关映射，从而得到任意两个历史监测数据时序序列之间的相似指标。
27、进一步的，确定待监测设备的工作状态，包括：
28、判断当前监测数据时序序列的故障程度是否大于设定故障程度阈值，若大于所述设定故障程度，则判定待监测设备为异常工作状态，否则判定待监测设备为正常工作状态。
29、进一步的，该方法还包括：
30、当判定待监测设备为异常工作状态时，则对设备管理人员进行预警提示。
31、本专利技术具有如下有益效果：通过获取待监测设备本次使用过程对应的当前监测数据时序序列以及每次历史使用过程对应的历史监测数据时序序列，并确定当前监测数据时序序列与每个历史监测数据时序序列之间的相似指标，以对当前监测数据和本文档来自技高网...
【技术保护点】
1.一种工业平板电脑的数据交互方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种工业平板电脑的数据交互方法，其特征在于，确定每个历史监测数据时序序列对应的异常重要可能性，包括：
3.根据权利要求2所述的一种工业平板电脑的数据交互方法，其特征在于，确定每个历史监测数据时序序列对应的异常重要可能性，对应的计算公式为：
4.根据权利要求1所述的一种工业平板电脑的数据交互方法，其特征在于，确定当前监测数据时序序列的故障程度，包括：
5.根据权利要求4所述的一种工业平板电脑的数据交互方法，其特征在于，确定当前监测数据时序序列的故障程度，对应的计算公式为：
6.根据权利要求1所述的一种工业平板电脑的数据交互方法，其特征在于，确定每个历史监测数据时序序列对应的重要程度，对应的计算公式为：
7.根据权利要求1所述的一种工业平板电脑的数据交互方法，其特征在于，所述监测数据离散程度的确定步骤包括：
8.根据权利要求1所述的一种工业平板电脑的数据交互方法，其特征在于，所述相似指标的确定步骤包括：
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。