设备异常告警方法、装置及电子设备制造方法及图纸

本发明专利技术提供了一种设备异常告警方法、装置及电子设备，涉及设备告警技术领域，包括获取设备的采样数据；根据预设分类模型对采样数据进行分类判定，得到异常特征；获取设备的实时数据；根据预设分类模型将实时数据划分为不同数据类型；基于异常特征对不同数据类型进行比对，得到异常告警信号。本发明专利技术可以有效提高故障准确率，降低工作量。

Equipment abnormal alarm method, device and electronic equipment

【技术实现步骤摘要】
设备异常告警方法、装置及电子设备
本专利技术涉及设备告警
，尤其是涉及一种设备异常告警方法、装置及电子设备。
技术介绍
当前，在物联网平台中，对物联网设备的故障检测非常重要。通常设备中一个温度传感器进行温度上报时，温度的可报范围为-55℃～125℃；设置低阈值为0℃，高阈值为40℃，当温度在正常范围以内时，每10分钟或每个小时进行一次数据上报；当温度异常时，温度传感器每1分钟进行一次数据上报，管理中心收到数据后，检查上报的异常标记和温度数据，判定温度是否正常，然后做进一步的处理。但是，在实际使用中，由于环境因素的影响和温度传感器的故障导致上报数据不准确，进而造成故障判断错误。
技术实现思路
本专利技术的目的在于提供了一种设备异常告警方法、装置及电子设备，可以有效提高故障准确率，降低工作量。第一方面，本专利技术提供了一种设备异常告警方法，其中，包括：获取设备的采样数据；根据预设分类模型对所述采样数据进行分类判定，得到异常特征；获取设备的实时数据；根据预设分类模型将所述实时数据划分为不同数据类型；基于所述异常特征对所述不同数据类型进行比对，得到异常告警信号。进一步的，所述根据预设分类模型对所述采样数据进行分类判定，得到异常特征的步骤之前，还包括：根据K均值聚类算法进行建模，得到预设分类模型。进一步的，所述根据K均值聚类算法进行建模，得到预设分类模型的步骤，包括：将K个聚类中心点分为K个数据分类；根据所述K个数据分类进行聚类计算，得到不再变化的K个聚类中心点；根据预设建模数据对所述不再变化的K个聚类中心点进行建模，得到预设分类模型。进一步的，所述根据预设分类模型对所述采样数据进行分类判定，得到异常特征的步骤，包括：根据预设分类模型将所述采样数据分为多个数据种类；当某个数据种类占全部数据种类的比例小于预设值时，所述某个数据种类为异常分类；根据所述异常分类得到异常特征。进一步的，所述基于所述异常特征对所述不同数据类型进行比对，得到异常告警信号的步骤，包括：将所述不同数据类型依次与所述异常特征进行比对；在数据类型中的特征与所述异常特征相同时，得到异常告警信号。第二方面，本专利技术提供了一种设备异常告警装置，其中，包括：采样数据单元，用于获取设备的采样数据；分类判定单元，用于根据预设分类模型对所述采样数据进行分类判定，得到异常特征；实时数据单元，用于获取设备的实时数据；划分单元，用于根据预设分类模型将所述实时数据划分为不同数据类型；比对单元，用于基于所述异常特征对所述不同数据类型进行比对，得到异常告警信号。进一步的，所述分类判定单元还用于：根据K均值聚类算法进行建模，得到预设分类模型。进一步的，所述分类判定单元还用于：将K个聚类中心点分为K个数据分类；根据所述K个数据分类进行聚类计算，得到不再变化的K个聚类中心点；根据预设建模数据对所述不再变化的K个聚类中心点进行建模，得到预设分类模型。第三方面，本专利技术提供了一种电子设备，其中，包括处理器和存储器，所述存储器存储有能够被所述处理器执行的计算机可执行指令，所述处理器执行所述计算机可执行指令以实现第一方面所述的设备异常告警方法的步骤。第四方面，本专利技术提供了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计算机程序，其中，所述计算机程序被处理器运行时执行第一方面所述的设备异常告警方法的步骤。本专利技术实施例带来了以下有益效果：本专利技术提供了一种设备异常告警方法、装置及电子设备，通过获取设备的采样数据；再根据预设分类模型对采样数据进行分类判定，得到异常特征；然后再获取设备的实时数据；根据预设分类模型将实时数据划分为不同数据类型；最终基于异常特征对不同数据类型进行比对，得到异常告警信号。在本实施例提供的上述方式中，根据预设分类模型对获取的设备采样数据进行分类判定得到异常特征，然后再获取设备的实时数据，根据预设分类模型将实时数据划分为不同数据类型，与异常特征进行比对后得到异常告警信号，避免了现有技术中由于环境因素的影响和温度传感器的故障导致上报数据不准确的问题，可以有效提高故障准确率，降低工作量。附图说明为了更清楚地说明本专利技术具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术实施例一提供的设备异常告警方法流程图；图2为本专利技术实施例一提供的得到预设分类模型方法流程图；图3为本专利技术实施例二提供的设备异常告警装置示意图；图4为本专利技术实施例供的电子设备的结构示意图。图标：301-采样数据单元；302-分类判定单元；303-实时数据单元；304-划分单元；305-比对单元；400-处理器；401-存储器；402-总线；403-通信接口。具体实施方式下面将结合实施例对本专利技术的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。考虑到现有技术中设备上报的异常标记和温度数据时上报的异常标记和温度数据，判定温度是否正常，然后做进一步的处理。但是，在实际使用中，由于环境因素的影响和温度传感器的故障导致上报数据不准确，进而造成故障判断错误的问题。本专利技术提供了一种设备异常告警方法、装置及电子设备，根据预设分类模型对获取的设备采样数据进行分类判定得到异常特征，然后再获取设备的实时数据，根据预设分类模型将实时数据划分为不同数据类型，与异常特征进行比对后得到异常告警信号。本专利技术可以有效提高故障准确率，降低工作量。为便于对本实施例进行理解，首先对本专利技术实施例所公开的一种设备异常告警方法进行详细介绍。实施例一：参照图1所示的一种设备异常告警方法流程图，可以由诸如计算机、处理器等电子设备执行，该方法主要包括步骤S101至步骤S105：步骤S101，获取设备的采样数据。在一种具体的实施方式中，采样数据是从设备的全部数据中找到指定数量的样本，对训练模型有直接影响的数据维度。其中可以包括温度传感器的温差和数据上报次数。比如表1所示的采样数据：表1步骤S102，根据预设分类模型对采样数据进行分类判定，得到异常特征。在一种具体的实施方式中，预设分类模型时通过k均值聚类算法建立的模型，通过采用距离作为相似性的评价指标，即认为两个对象的距离越近，其相似度就越大。该算法认为类簇是由距离靠近的对象组成的，因此把得到紧凑且独立的簇作为最终目标。步本文档来自技高网...

【技术保护点】
1.一种设备异常告警方法，其特征在于，包括：/n获取设备的采样数据；/n根据预设分类模型对所述采样数据进行分类判定，得到异常特征；/n获取设备的实时数据；/n根据预设分类模型将所述实时数据划分为不同数据类型；/n基于所述异常特征对所述不同数据类型进行比对，得到异常告警信号。/n

【技术特征摘要】
1.一种设备异常告警方法，其特征在于，包括：
获取设备的采样数据；
根据预设分类模型对所述采样数据进行分类判定，得到异常特征；
获取设备的实时数据；
根据预设分类模型将所述实时数据划分为不同数据类型；
基于所述异常特征对所述不同数据类型进行比对，得到异常告警信号。


2.根据权利要求1所述的方法，其特征在于，所述根据预设分类模型对所述采样数据进行分类判定，得到异常特征的步骤之前，还包括：
根据K均值聚类算法进行建模，得到预设分类模型。


3.根据权利要求2所述的方法，其特征在于，所述根据K均值聚类算法进行建模，得到预设分类模型的步骤，包括：
将K个聚类中心点分为K个数据分类；
根据所述K个数据分类进行聚类计算，得到不再变化的K个聚类中心点；
根据建模数据对所述不再变化的K个聚类中心点进行建模，得到预设分类模型。


4.根据权利要求1所述的方法，其特征在于，所述根据预设分类模型对所述采样数据进行分类判定，得到异常特征的步骤，包括：
根据预设分类模型将所述采样数据分为多个数据种类；
当某个数据种类占全部数据种类的比例小于预设值时，所述某个数据种类为异常分类；
根据所述异常分类得到异常特征。


5.根据权利要求1所述的方法，其特征在于，所述基于所述异常特征对所述不同数据类型进行比对，得到异常告警信号的步骤，包括：
将所述不同数据类型依次与所述异常特征...

【专利技术属性】
技术研发人员：肖迁，李屏君，
申请(专利权)人：成都西加云杉科技有限公司，
类型：发明
国别省市：四川;51