【技术实现步骤摘要】
本申请涉及智能匹配领域，且更为具体地，涉及一种智能网联设备的运维管理系统及方法。
技术介绍
1、随着物联网（iot）技术的迅速发展，智能网联设备的应用越来越广泛，涵盖了汽车、智能家居和工业自动化等多个领域。这些设备通常需要长期稳定地运行，并且在出现故障时要确保能够及时得到维护或替换，以确保系统的整体性能不受影响。因此，如何有效地管理和维护这些设备成为了一个关键的问题。
2、传统的智能网联设备运维管理和故障检测方式通常依赖人工定期检查或者是在设备完全停止工作之后进行检测维修，这种方式不仅效率低下，而且往往不能预防潜在的问题，导致设备的停机时间和维修成本增加。具体来说，传统的运维管理方式通常是基于事后响应的模式，即只有当设备已经出现明显故障或者完全停止工作时才会进行维修。这种方式无法提前预警，常常导致故障发生时才被动应对，增加了设备的停机时间和维修成本。此外，定期的人工检查和维护不仅耗费人力物力，而且效率低下。特别是在设备数量庞大、分布广泛的场景下，传统的设备运维管理方法难以实现高效管理。
3、因此，期望一种优化的智能网联设备的运维管理方案。
技术实现思路
1、为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种智能网联设备的运维管理系统及方法，其通过利用基于人工智能和深度学习的数据处理和分析算法来对于这些采集传输的设备运行状态参数的数据集进行分析，以此来捕获到其中关于设备运行状态的时序聚合信息，利用这种动态的时序聚合信息来进行设备异常监控，能够及时发现
2、根据本申请的一个方面，提供了一种智能网联设备的运维管理方法，其包括：通过传感器采集智能网联设备的设备运行状态参数的数据集；将所述设备运行状态参数的数据集传输至云处理器；在所述云处理器中，对所述设备运行状态参数的数据集进行处理来确定所述智能网联设备的设备工作状态是否存在异常，包括：对所述设备运行状态参数的数据集进行数据子集切分以得到设备运行状态参数的数据子集的集合；对所述设备运行状态参数的数据子集的集合进行时序编码以得到设备运行状态参数局部时序关联特征的集合；对所述设备运行状态参数局部时序关联特征的集合进行基于聚类贡献度增强表达的特征聚合处理以得到设备运行状态参数时序显著聚合表示；基于所述设备运行状态参数时序显著聚合表示进行设备异常检测，确定设备工作状态是否存在异常；响应于检测到所述智能网联设备的设备工作状态存在异常，将检测结果和异常信息传输至运维终端进行显示；其中，对所述设备运行状态参数局部时序关联特征的集合进行基于聚类贡献度增强表达的特征聚合处理以得到设备运行状态参数时序显著聚合表示，包括：对设备运行状态参数局部时序关联特征向量的集合进行聚类分析以得到设备运行状态参数局部时序关联特征自监督聚类表示向量；基于所述设备运行状态参数局部时序关联特征自监督聚类表示向量，对所述设备运行状态参数局部时序关联特征向量的集合进行特征聚类场域调制聚合以得到设备运行状态参数时序显著聚合表示向量作为所述设备运行状态参数时序显著聚合表示。
3、根据本申请的另一个方面，提供了一种智能网联设备的运维管理系统，其包括：数据采集模块，用于通过传感器采集智能网联设备的设备运行状态参数的数据集；数据传输模块，用于将所述设备运行状态参数的数据集传输至云处理器；数据处理模块，用于在所述云处理器中，对所述设备运行状态参数的数据集进行处理来确定所述智能网联设备的设备工作状态是否存在异常；异常检测模块，用于响应于检测到所述智能网联设备的设备工作状态存在异常，将检测结果和异常信息传输至运维终端进行显示；其中，在所述云处理器中，对所述设备运行状态参数的数据集进行处理来确定所述智能网联设备的设备工作状态是否存在异常，包括：对所述设备运行状态参数的数据集进行数据子集切分以得到设备运行状态参数的数据子集的集合；对所述设备运行状态参数的数据子集的集合进行时序编码以得到设备运行状态参数局部时序关联特征的集合；对所述设备运行状态参数局部时序关联特征的集合进行基于聚类贡献度增强表达的特征聚合处理以得到设备运行状态参数时序显著聚合表示；基于所述设备运行状态参数时序显著聚合表示进行设备异常检测，确定设备工作状态是否存在异常；其中，对所述设备运行状态参数局部时序关联特征的集合进行基于聚类贡献度增强表达的特征聚合处理以得到设备运行状态参数时序显著聚合表示，包括：对设备运行状态参数局部时序关联特征向量的集合进行聚类分析以得到设备运行状态参数局部时序关联特征自监督聚类表示向量；基于所述设备运行状态参数局部时序关联特征自监督聚类表示向量，对所述设备运行状态参数局部时序关联特征向量的集合进行特征聚类场域调制聚合以得到设备运行状态参数时序显著聚合表示向量作为所述设备运行状态参数时序显著聚合表示。
4、与现有技术相比，本申请提供的一种智能网联设备的运维管理系统及方法，其通过利用基于人工智能和深度学习的数据处理和分析算法来对于这些采集传输的设备运行状态参数的数据集进行分析，以此来捕获到其中关于设备运行状态的时序聚合信息，利用这种动态的时序聚合信息来进行设备异常监控，能够及时发现和预警智能网联设备的异常情况，并有助于进行及时有效的设备运维管理。通过这样更为智能化的设备运维管理方式，能够为智能网联设备的故障早期预警和预测性维护提供依据，有利于提高设备管理的整体效率和设备运行可靠性。
本文档来自技高网...【技术保护点】
1.一种智能网联设备的运维管理方法，其特征在于，包括：通过传感器采集智能网联设备的设备运行状态参数的数据集；将所述设备运行状态参数的数据集传输至云处理器；在所述云处理器中，对所述设备运行状态参数的数据集进行处理来确定所述智能网联设备的设备工作状态是否存在异常，包括：对所述设备运行状态参数的数据集进行数据子集切分以得到设备运行状态参数的数据子集的集合；对所述设备运行状态参数的数据子集的集合进行时序编码以得到设备运行状态参数局部时序关联特征的集合；对所述设备运行状态参数局部时序关联特征的集合进行基于聚类贡献度增强表达的特征聚合处理以得到设备运行状态参数时序显著聚合表示；基于所述设备运行状态参数时序显著聚合表示进行设备异常检测，确定设备工作状态是否存在异常；响应于检测到所述智能网联设备的设备工作状态存在异常，将检测结果和异常信息传输至运维终端进行显示；其中，对所述设备运行状态参数局部时序关联特征的集合进行基于聚类贡献度增强表达的特征聚合处理以得到设备运行状态参数时序显著聚合表示，包括：对设备运行状态参数局部时序关联特征向量的集合进行聚类分析以得到设备运行状态参数局部时序关联特征自监督聚
2.根据权利要求1所述的智能网联设备的运维管理方法，其特征在于，对所述设备运行状态参数的数据子集的集合进行时序编码以得到设备运行状态参数局部时序关联特征的集合，包括：将所述设备运行状态参数的数据子集的集合中的各个设备运行状态参数的数据子集输入基于RNN模型的运行状态参数时序序列编码器以得到设备运行状态参数局部时序关联特征向量的集合作为所述设备运行状态参数局部时序关联特征的集合。
3.根据权利要求2所述的智能网联设备的运维管理方法，其特征在于，对所述设备运行状态参数局部时序关联特征向量的集合进行聚类分析以得到设备运行状态参数局部时序关联特征自监督聚类表示向量，包括：计算所述设备运行状态参数局部时序关联特征向量的集合的均值向量以得到所述设备运行状态参数局部时序关联特征自监督聚类表示向量。
4.根据权利要求3所述的智能网联设备的运维管理方法，其特征在于，基于所述设备运行状态参数局部时序关联特征自监督聚类表示向量，对所述设备运行状态参数局部时序关联特征向量的集合进行特征聚类场域调制聚合以得到设备运行状态参数时序显著聚合表示向量作为所述设备运行状态参数时序显著聚合表示，包括：计算所述设备运行状态参数局部时序关联特征向量的集合中的各个设备运行状态参数局部时序关联特征向量相对于所述设备运行状态参数局部时序关联特征自监督聚类表示向量的隐性聚类贡献因子以得到设备运行状态参数局部时序关联特征隐性聚类贡献因子的序列；将所述设备运行状态参数局部时序关联特征隐性聚类贡献因子的序列进行向量化排列以得到设备运行状态参数局部时序关联特征聚类贡献场分布向量；将所述设备运行状态参数局部时序关联特征聚类贡献场分布向量输入基于自注意力机制的聚类贡献场显性建模模块以得到设备运行状态参数局部时序关联特征聚类贡献场域调制权重向量；以所述设备运行状态参数局部时序关联特征聚类贡献场域调制权重向量中的各个特征值作为权重，计算所述设备运行状态参数局部时序关联特征向量的集合的按位置加权和以得到所述设备运行状态参数时序显著聚合表示向量。
5.根据权利要求4所述的智能网联设备的运维管理方法，其特征在于，计算所述设备运行状态参数局部时序关联特征向量的集合中的各个设备运行状态参数局部时序关联特征向量相对于所述设备运行状态参数局部时序关联特征自监督聚类表示向量的隐性聚类贡献因子以得到设备运行状态参数局部时序关联特征隐性聚类贡献因子的序列，包括：计算所述设备运行状态参数局部时序关联特征向量与所述设备运行状态参数局部时序关联特征自监督聚类表示向量之间的按位置除法的绝对值以得到设备运行状态参数局部时序自监督聚类交互关联特征向量；计算以2为底的所述设备运行状态参数局部时序自监督聚类交互关联特征向量中的各个位置特征值的对数函数值以得到设备运行状态参数局部时序自监督聚类交互对数表示向量；以所述设备运行状态参数局部时序自监督聚类交互对数表示向量中的各个位置特征值作为加权系数，计算所述设备运行状态参数局部时序关联特征向量中各个位置特征值的加权和以得到设备运行状态参数局部时序关联特征聚类贡献度表示因子；计算以自然常数e为底，所述设备运行状态参数局部时序关联特征聚类贡献度表示因子的指数函数值以得到设备运行状态参数局部时序关联特征隐性聚类贡献因子。
【技术特征摘要】
1.一种智能网联设备的运维管理方法，其特征在于，包括：通过传感器采集智能网联设备的设备运行状态参数的数据集；将所述设备运行状态参数的数据集传输至云处理器；在所述云处理器中，对所述设备运行状态参数的数据集进行处理来确定所述智能网联设备的设备工作状态是否存在异常，包括：对所述设备运行状态参数的数据集进行数据子集切分以得到设备运行状态参数的数据子集的集合；对所述设备运行状态参数的数据子集的集合进行时序编码以得到设备运行状态参数局部时序关联特征的集合；对所述设备运行状态参数局部时序关联特征的集合进行基于聚类贡献度增强表达的特征聚合处理以得到设备运行状态参数时序显著聚合表示；基于所述设备运行状态参数时序显著聚合表示进行设备异常检测，确定设备工作状态是否存在异常；响应于检测到所述智能网联设备的设备工作状态存在异常，将检测结果和异常信息传输至运维终端进行显示；其中，对所述设备运行状态参数局部时序关联特征的集合进行基于聚类贡献度增强表达的特征聚合处理以得到设备运行状态参数时序显著聚合表示，包括：对设备运行状态参数局部时序关联特征向量的集合进行聚类分析以得到设备运行状态参数局部时序关联特征自监督聚类表示向量；基于所述设备运行状态参数局部时序关联特征自监督聚类表示向量，对所述设备运行状态参数局部时序关联特征向量的集合进行特征聚类场域调制聚合以得到设备运行状态参数时序显著聚合表示向量作为所述设备运行状态参数时序显著聚合表示。
2.根据权利要求1所述的智能网联设备的运维管理方法，其特征在于，对所述设备运行状态参数的数据子集的集合进行时序编码以得到设备运行状态参数局部时序关联特征的集合，包括：将所述设备运行状态参数的数据子集的集合中的各个设备运行状态参数的数据子集输入基于rnn模型的运行状态参数时序序列编码器以得到设备运行状态参数局部时序关联特征向量的集合作为所述设备运行状态参数局部时序关联特征的集合。
3.根据权利要求2所述的智能网联设备的运维管理方法，其特征在于，对所述设备运行状态参数局部时序关联特征向量的集合进行聚类分析以得到设备运行状态参数局部时序关联特征自监督聚类表示向量，包括：计算所述设备运行状态参数局部时序关联特征向量的集合的均值向量以得到所述设备运行状态参数局部时序关联特征自监督聚类表示向量。
4.根据权利要求3所述的智能网联设备的运维管理方法，其特征在于，基于所述设备运行状态参数局部时序关联特征自监督聚类表示向量，对所述设备运行状态参数局部时序关联特征向量的集合进行特征聚类场域调制聚合以得到设备运行状态参数时序显著聚合表示向量作为所述设备运行状态参数时序显著聚合表示，包括：计算所述设备运行状态参数局部时序关联特征向量的集合中的各个设备运行状态参数局部时序关联特征向量相对于所述设备运行状态参数局部时序关联特征自监督聚类表示向量的隐性聚类贡献因子以得到设备运行状态参数局部时序关联特征隐性聚类贡献因子的序列；将所述设备运行状态参数局部时序关联特征隐性聚类贡献因子的序列进行向量化排列以得到设备运行状态参数局部时序关联特征聚类贡献场分布向量；将所述设备运行状态参数局部时序关联特征聚类贡献场分布向量输入基于自注意力机制的聚类贡献场显性建模模块以得到设备运行状态参数局部时序关联特征聚类贡献场域调制权重向量；以所述设备运行状态参数局部时序关联特征聚类贡献场域调制权重向量中的各个特征值作为权重，计算所述设备运行状态参数局部时序关联特征向量的集合的按位置加权和以得到所述设备运行状态参数时序显著聚合表示向量。
5.根据权利要求4所述的智能网联设备的运维管理方法，其特征在于，计算所述设备运行状态参数局部时序关联特征向量的集合中的各个设备运行状态参数局部时序关联特征向量相对于所述设备运行状态参数局部时序关联特征自监督聚类表示向量的隐性聚类贡献因子以得到设备运行状态参数局部时序关联特征隐性聚类贡献因子的序列，包括：计算所述设备运行状态参数局部时序关联特征向量与所述设备运行状态参数局部时序关联特征自监督聚类表...
【专利技术属性】
技术研发人员：张辉军，周鲁，王鹏，杨帆，
申请(专利权)人：数字丝路新疆产业投资集团有限公司，
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。