本发明专利技术涉及数据处理的技术领域，公开了一种工业物联网的数据采集分析方法、装置、设备及存储介质。所述工业物联网的数据采集分析方法包括：采集各工业设备及传感器网络所在工业环境的结构布局信息，在预设的数据库中查找与所述结构布局信息对应的数据处理策略；对筛选出的数据处理策略进行功能区划分，得到多个数据分析纬度；基于不同的多个数据分析纬度，融合当前工业场景需求和操作员偏好，通过预设的机器学习算法，制定出对应的数据处理指令；对所述数据处理指令进行特性分析，得到对应的设备控制特征；本发明专利技术通过实时分析和融合设备和环境数据，可以优化生产流程，提高生产效率，减少资源浪费。
【技术实现步骤摘要】
本专利技术涉及数据处理的，尤其涉及一种工业物联网的数据采集分析方法、装置、设备及存储介质。
技术介绍
1、随着工业物联网(industrial internet of things, iiot)技术的快速发展，工业设备及其传感器网络的数据采集与分析成为制造业和自动化领域关键的技术挑战。在iiot系统中，有效管理并分析来自不同设备和传感器的海量数据对于优化生产流程、提高设备效率以及降低维护成本至关重要。传统的工业数据采集和分析方法通常依赖于固定的数据处理策略，这些策略往往不能灵活应对不同工业环境的特定需求，限制了数据分析的深度和广度。现有技术中，一些解决方案尝试通过软件平台来集成和分析来自工业设备和传感器的数据。这些平台能够提供基本的数据处理和分析功能，如数据可视化、简单的统计分析以及基于预定义规则的报警系统。然而，这些系统常常缺乏对工业环境结构布局的深入理解，导致数据处理策略不能完全符合实际应用需求。此外，它们通常也缺少灵活性，无法实现基于特定场景需求和操作员偏好的定制化数据分析。
2、现有技术的主要技术缺陷在于其灵活性不足和分析深度有限。首先，缺乏对不同工业环境结构布局的考虑，使得数据处理策略往往泛化能力弱，不能针对特定环境优化。其次，缺乏有效的机制来融合当前工业场景需求和操作员偏好，导致生成的数据处理指令无法满足具体的应用需求。最后，传统方法无法提供足够的数据纠偏机制和动态参数调整，限制了数据采集的准确性和效率。
3、因此，亟需一种工业物联网的数据采集分析方法，以解决上述提到的问题。
技术实现思路
1、本专利技术提供了一种工业物联网的数据采集分析方法、装置、设备及存储介质，用于解决如何实现在不同工业环境结构布局下更加优化的进行数据采集和性能处理的技术问题。
2、本专利技术第一方面提供了一种工业物联网的数据采集分析方法，所述工业物联网的数据采集分析方法包括：
3、采集各工业设备及传感器网络所在工业环境的结构布局信息，在预设的数据库中查找与所述结构布局信息对应的数据处理策略；其中，所述数据库根据不同工业环境的结构布局信息存储有对应的数据处理策略查找规则；
4、对筛选出的数据处理策略进行功能区划分，得到多个数据分析纬度；基于不同的多个数据分析纬度，融合当前工业场景需求和操作员偏好，通过预设的机器学习算法，制定出对应的数据处理指令；对所述数据处理指令进行特性分析，得到对应的设备控制特征；
5、对工业环境进行场景图像捕获，得到初始可视化数据；对所述初始可视化数据进行分析，识别出工业环境的数据特征布局，得到对应的场景图像特征；
6、将所述设备控制特征和所述场景图像特征输入至预设的数据采集参数配置模型中，得到初步的数据采集参数；
7、基于预设的数据纠偏规则，对所述初步的数据采集参数进行纠偏处理，得到纠偏后的数据采集参数；
8、将所述纠偏后的数据采集参数输入至训练后的动态参数调整模型中，得到最优化的数据采集参数配置方案；其中，所述动态参数调整模型经过提前优化得到。
9、可选的，在本专利技术第一方面的第一种实现方式中，还包括：
10、收集工业设备的设备控制反馈数据及工业环境的实时图像数据；对工业设备的设备控制反馈数据及工业环境的实时图像数据分别进行分析，得到第一特性数据与第二特性数据；
11、将所述第一特性数据与所述第二特性数据进行融合，得到环境与设备行为特性数据；
12、将所述环境与设备行为特性数据输入到预设的混合型数据分析模型中，其中，所述混合型数据分析模型结合卷积神经网络、长短期记忆网络及循环神经网络完成对混合型数据特性的深入学习与解析；
13、利用卷积神经网络对输入的所述环境与设备行为特性数据进行初步的特征提取，从而构建一个初步的特征数据集合；
14、将所述初步的特征数据集合依次传递至长短期记忆网络和循环神经网络，先后模拟工业设备在不同工业环境下的数据采集响应特性，生成描述工业设备启动与运行过程中数据采集行为的目标特征数据集；
15、基于初步的特征数据集合和目标特征数据集，分别制定并映射出工业设备启动和运行过程中的数据采集参数构成图；
16、基于工业设备启动和运行过程中的数据采集参数构成图，通过预设的优化算法框架进行优化，并生成适应当前工业环境的最优数据采集参数组合，形成自适应的数据采集策略；其中，所述数据采集策略用于对工业设备数据采集和监控进行精准控制，优化数据采集效率。
17、可选的，在本专利技术第一方面的第二种实现方式中，所述动态参数调整模型的训练过程，包括：
18、收集工业设备在多种工业环境下的数据采集性能指标，并将所述数据采集性能指标预先存储在一个综合性能指标数据库中；
19、对数据采集性能指标进行深度分析，以识别工业设备在特定监测条件下的数据敏感性和响应效率；
20、在不同响应效率级别中记录数据敏感性，创建一个数据响应特征图谱；
21、基于预设的多变量分析算法，分析数据响应特征图谱中的关键权重因素；其中，所述关键权重因素揭示了不同响应效率级别与设备性能间的内在联系；
22、根据分析得到的关键权重因素和数据响应特征图谱为每个特征谱线计算一个综合评分，得到评分结果，并通过视觉图表展现每个评分结果，生成一个性能分析图谱；
23、将生成的性能分析图谱导入至初始的动态参数调整模型中进行深度学习，得到经过优化训练的动态参数调整模型；其中，所述动态参数调整模型用于在实时调整工业设备的数据采集参数，以最大化监测效率和数据准确度。
24、可选的，在本专利技术第一方面的第三种实现方式中，所述将所述第一特性数据与所述第二特性数据进行融合，得到环境与设备行为特性数据，包括：
25、初始化所述第一特性数据与所述第二特性数据的重要性权重；其中，所述重要性权重反映所述第一特性数据与所述第二特性数据在总体表现评估中的贡献大小，所述重要性权重至少涵盖工业设备操作频率数据的重要性权重和环境影响因素数据的重要性权重；
26、通过预设的权重参数对所述第一特性数据与所述第二特性数据进行标准化处理，生成标准化后的设备行为及环境响应向量集；
27、应用预设的数据融合技术，将标准化的设备行为与环境响应向量集进行综合处理，生成一个表征综合设备效能的权重特征向量；其中，所述预设的数据融合技术至少包括加权平均算法、主成分分析算法或线性判别分析算法；
28、利用预设的性能评价算法对生成的权重特征向量进行评价，生成工业设备整体运行效果与环境适应性的环境与设备行为特性数据。
29、可选的，在本专利技术第一方面的第四种实现方式中，所述环境与设备行为特性数据用于体现工业环境内各个工业设备的实际表现及各个工业设备与工业环境交互的效率。
30、本专利技术第二方面提供了一种工业物联网的数据采集分析装置，所述工业物联网的数据采集分析装置包括本文档来自技高网
...
【技术保护点】
1.一种工业物联网的数据采集分析方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的工业物联网的数据采集分析方法，其特征在于，还包括：
3.根据权利要求1所述的工业物联网的数据采集分析方法，其特征在于，所述动态参数调整模型的训练过程，包括：
4.根据权利要求2所述的工业物联网的数据采集分析方法，其特征在于，所述将所述第一特性数据与所述第二特性数据进行融合，得到环境与设备行为特性数据，包括：
5.根据权利要求4所述的工业物联网的数据采集分析方法，其特征在于，所述环境与设备行为特性数据用于体现工业环境内各个工业设备的实际表现及各个工业设备与工业环境交互的效率。
6.一种工业物联网的数据采集分析装置，其特征在于，所述工业物联网的数据采集分析装置包括：
7.一种工业物联网的数据采集分析设备，其特征在于，所述工业物联网的数据采集分析设备包括：存储器和至少一个处理器，所述存储器中存储有指令；
8.一种计算机可读存储介质，所述计算机可读存储介质上存储有指令，其特征在于，所述指令被处理器执行时实现如权利要求1-5中任一项所述的工业物联网的数据采集分析方法。
...
【技术特征摘要】
1.一种工业物联网的数据采集分析方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的工业物联网的数据采集分析方法，其特征在于，还包括：
3.根据权利要求1所述的工业物联网的数据采集分析方法，其特征在于，所述动态参数调整模型的训练过程，包括：
4.根据权利要求2所述的工业物联网的数据采集分析方法，其特征在于，所述将所述第一特性数据与所述第二特性数据进行融合，得到环境与设备行为特性数据，包括：
5.根据权利要求4所述的工业物联网的数据采集分析方法，其特征在于，所述环境...
【专利技术属性】
技术研发人员：庞克学，许明朗，李廷森，
申请(专利权)人：深圳市正业玖坤信息技术有限公司，
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。