一种基于物联网的智能设备管理系统及方法技术方案

本发明专利技术公开了一种基于物联网的智能设备管理系统及方法，属于机器学习和数据科学技术领域；该系统包括数据收集模块、训练故障预测模型模块、数据处理与分析模块、预测故障模型概率值模块、预警更新模块；所述数据收集模块，对需要故障预测的设备进行历史数据采集；所述训练故障预测模型，通过机器学习算法，建立故障预测模型；所述数据处理与分析模块，基于中央数据管理系统处理和分析，获得实时采集数据；所述预测故障模型概率值模块，基于故障预测模型进行设备故障概率值的计算；所述预警更新模块，生成预警信息并及时通知相关人员，基于实际预测结果和持续数据收集，对模型进行优化和更新。化和更新。化和更新。

【技术实现步骤摘要】
一种基于物联网的智能设备管理系统及方法


[0001]本专利技术涉及机器学习和数据科学
，具体为一种基于物联网的智能设备管理系统及方法。

技术介绍

[0002]由于当前社会智能设备的快速发展，人们的生活、工作、衣食住行都离不开智能设备，当习以为常的智能设备突然出现了故障可能导致人们的日常生活中断。例如，家庭中的智能家电出现故障，可能会影响到照明、供暖、空调等基本功能的正常运行，在工作环境中，智能设备的故障可能导致生产线停机、数据丢失或工作流程中断。这可能会导致工作计划的延误，影响生产效率和业务运营；
[0003]智能设备通常会存储大量的数据，例如智能手机、电脑或云服务器中的数据。当这些设备出现故障时，可能导致数据丢失或无法访问，对个人和企业的数据安全和业务运营产生负面影响；智能设备的故障可能需要维修或更换设备，这可能会导致额外的成本支出。此外，如果故障导致生产中断或无法满足客户需求，还可能导致商业机会的损失和经济效益的下降。

技术实现思路

[0004]本专利技术的目的在于提供一种基于物联网的智能设备管理系统及方法，以解决上述
技术介绍
中提出的问题。
[0005]为了解决上述技术问题，本专利技术提供如下技术方案：一种基于物联网的智能设备管理方法，管理方法包括：
[0006]步骤S100：对需要故障预测的设备进行历史数据采集，所述历史数据包括传感器数据和设备参数；
[0007]步骤S200：通过所述历史数据，提取包含设备故障时的数据记录，基于所述数据记录生成故障状态的训练数据集，通过机器学习算法进行模型训练，建立故障预测模型，使用所述训练数据集对模型进行评估，获得所述模型的准确率；
[0008]步骤S300：通过传感器网络对需要故障预测的设备进行监测，获得设备的实时数据信息，将所述实时数据信息传输到中央数据管理系统进行处理和分析，获得实时采集数据；
[0009]步骤S400：基于故障预测模型和实时采集数据，进行设备预测故障概率值的计算；
[0010]步骤S500：基于所述预测故障概率值和模型的准确率，进行设备故障概率值的计算；
[0011]步骤S600：通过故障概率值以及持续收集数据，对模型进行优化和更新。
[0012]进一步的，所述步骤S200使用机器学习建立故障预测模型流程包括：
[0013]步骤S201：获取故障状态的训练数据集；
[0014]步骤S202：基于所述故障状态的训练数据集，将其划分为训练集和验证集；
[0015]步骤S203：基于所述训练集，使用优化算法生成一组权重参数q；
[0016]步骤S204：使用所述验证集对所述故障预测模型进行评估，验证集的数据包括四类样本，分别为第一类样本、第二类样本、第三类样本和第四类样本；其中，第一类样本数据TP是指，所述故障预测模型基于对应的数据，对存在故障的设备做出故障预测；第二类样本数据FP是指，所述故障预测模型基于对应的数据，对不存在故障的设备做出故障预测；第三类样本数据TN是指，所述故障预测模型基于对应的数据，对不存在故障的设备做出正常设备预测；第四类样本数据FN是指，所述故障预测模型基于对应的数据，对存在故障的设备做出正常设备的预测；则准确率Z为
[0017]进一步的，所述步骤S203生成权重参数的流程包括：
[0018]步骤S203
‑
1：所述训练集包含输入特征X和对应的目标值Y；
[0019]步骤S203
‑
2：给权重参数赋予随机初始值；
[0020]步骤S203
‑
3：使用当前权重参数将输入特征X带入模型，计算模型的预测值；
[0021]步骤S203
‑
4：使用所述模型的预测值与目标值Y进行比较得到损失函数的值；
[0022]步骤S203
‑
5：通过反向传播算法，基于损失函数的值计算权重参数的梯度；
[0023]步骤S203
‑
6：使用优化算法根据所述梯度的方向进行更新权重参数；
[0024]步骤S203
‑
7：重复步骤S203
‑
3至S203
‑
6，直到达到最大迭代次数，停止训练得到经过优化的一组权重参数q。
[0025]进一步的，所述步骤S300传感器网络实时采集的数据流程包括：
[0026]步骤S301：通过传感器网络，实时获取设备所处环境以及设备运行状态的数据；
[0027]步骤S302：传感器网络将所述数据转换为电信号；
[0028]步骤S303：将所述电信号转发给中央数据管理系统；
[0029]步骤S304：所述中央数据管理系统对接收到的电信号进行处理和分析，获得传感器网络实时采集的数据。
[0030]进一步的，所述步骤S304中央数据管理系统对数据分析和预处理过程包括：
[0031]步骤S304
‑
1：所述中央数据管理系统采用数据库进行数据存储；
[0032]步骤S304
‑
2：对接收到的数据进行预处理，所述预处理包括去除异常值、处理缺失数据、数据归一化；
[0033]步骤S304
‑
3：基于数据预处理，将所述数据按照权重参数的顺序组合成特征向量t。
[0034]进一步的，所述步骤S400对获取故障预测模型概率值计算过程包括：
[0035]步骤S401：获取传感器网络实时采集的数据，得到设备的特征向量t；
[0036]步骤S402：基于故障预测模型，通过设备的特征向量t，进行加权和S计算为S＝(t1×
q1)+(t2×
q3)+(t3×
q3)+...+(t
n
×
q
n
)；其中，t1,t2,t3,...,t
n
分别为第1,2,3,..,n个特征向量的特征值；其中，q1,q2,q3,...,q
n
分别为第1,2,3,..,n个权重参数；
[0037]步骤S403：加权和S通过激活函数进行转换，将其结果限定在0
‑
1之间，获得预测故障概率值F，所述F为其中S为加权和。
[0038]进一步的，所述步骤S500对设备存在故障风险的评估过程包括：
[0039]步骤S501：获取准确率的值Z和预测故障概率值F；
[0040]步骤S502：基于准确率的值Z和预测故障概率值F，获得故障概率值G，所述G＝Z
×
F；
[0041]步骤S503：设置概率阈值为n；
[0042]步骤S504：若所述故障概率值G小于概率阈值n，则判断该设备发生故障的概率为低概率故障；若所述故障概率值G大于概率阈值n则判断该设备为高概率故障；
[0043]步骤S505：为避免增加误报率，所述误报率是将正常设备错误地判定为故障，若设备被判断为所本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于物联网的智能设备管理方法，其特征在于，所述管理方法包括：步骤S100：对需要故障预测的设备进行历史数据采集，所述历史数据包括传感器数据和设备参数；步骤S200：通过所述历史数据，提取包含设备故障时的数据记录，基于所述数据记录生成故障状态的训练数据集，通过机器学习算法进行模型训练，建立故障预测模型，使用所述训练数据集对模型进行评估，获得模型的准确率；步骤S300：通过传感器网络对需要故障预测的设备进行监测，获得设备的实时数据信息，将所述实时数据信息传输到中央数据管理系统进行处理和分析，获得实时采集数据；步骤S400：基于故障预测模型和实时采集数据，进行设备预测故障概率值的计算；步骤S500：基于所述预测故障概率值和模型的准确率，进行设备故障概率值的计算；步骤S600：通过故障概率值以及持续收集数据，对模型进行优化和更新。2.根据权利要求1所述的一种基于物联网的智能设备管理方法，其特征在于：所述步骤S200使用机器学习建立故障预测模型流程包括：步骤S201：获取故障状态的训练数据集；步骤S202：基于所述故障状态的训练数据集，将其划分为训练集和验证集；步骤S203：基于所述训练集，使用优化算法生成一组权重参数q；步骤S204：使用所述验证集对所述故障预测模型进行评估，验证集的数据包括四类样本，分别为第一类样本、第二类样本、第三类样本和第四类样本；其中，第一类样本数据TP是指，所述故障预测模型基于对应的数据，对存在故障的设备做出故障预测；第二类样本数据FP是指，所述故障预测模型基于对应的数据，对不存在故障的设备做出故障预测；第三类样本数据TN是指，所述故障预测模型基于对应的数据，对不存在故障的设备做出正常设备预测；第四类样本数据FN是指，所述故障预测模型基于对应的数据，对存在故障的设备做出正常设备的预测；则准确率Z为3.根据权利要求2所述的一种基于物联网的智能设备管理方法，其特征在于：所述步骤S203生成权重参数q的流程包括：步骤S203
‑
1：所述训练集包含输入特征X和对应的目标值Y；步骤S203
‑
2：给权重参数赋予随机初始值；步骤S203
‑
3：使用当前权重参数将输入特征X带入模型，计算模型的预测值；步骤S203
‑
4：使用所述模型的预测值与目标值Y进行比较得到损失函数的值；步骤S203
‑
5：通过反向传播算法，基于损失函数的值计算权重参数的梯度；步骤S203
‑
6：使用优化算法根据所述梯度的方向进行更新权重参数；步骤S203
‑
7：重复步骤S203
‑
3至S203
‑
6，直到达到迭代上限，停止训练得到一组故障预测模型的权重参数q。4.根据权利要求3所述的一种基于物联网的智能设备管理方法，其特征在于：所述步骤S300传感器网络实时采集的数据流程包括：步骤S301：通过传感器网络，实时获取设备所处环境以及设备运行状态的数据；步骤S302：传感器网络将所述数据转换为电信号；步骤S303：将所述电信号转发给中央数据管理系统；
步骤S304：通过中央数据管理系统对接收到的电信号进行处理和分析，获得传感器网络实时采集的数据。5.根据权利要求4所述的一种基于物联网的智能设备管理方法，其特征在于：所述步骤S304中央数据管理系统对数据分析和预处理过程包括：步骤S304
‑
1：所述中央数据管理系统采用数据库进行数据存储；步骤S304
‑
2：对接收到的数据进行预处理，所述预处理包括去除异常值、处理缺失数据、数据归一化；步骤S30...

【专利技术属性】
技术研发人员：汪韦，
申请(专利权)人：淮安瀚唐信息技术有限公司，
类型：发明
国别省市：