【技术实现步骤摘要】
本专利技术涉及预测数据处理，具体涉及一种基于工业物联网的设备安全风险预测方法、系统及设备。
技术介绍
1、随着工业物联网（industrial internet of things, iiot）技术的飞速发展，越来越多的工业设备被连接到网络中，实现了设备间的数据交互与智能管理。这一变革极大地提高了生产效率，降低了运营成本，但同时也带来了前所未有的设备安全风险。在工业物联网环境下，设备的安全问题不仅关乎单个设备的正常运行，更可能影响到整个生产系统的稳定性和安全性，甚至引发严重的生产事故和经济损失。
2、目前有一些基于数据分析的设备安全风险预测方法被提出，但这些方法大多侧重于单一设备的安全风险预测，如设备的运行时间、负载情况等，而没有将这些因素与工业物联网环境下的多设备作业联系起来，忽略了设备间相互关联及故障传播的影响，同时，在面对大规模、复杂多变的工业物联网系统时的算法不科学不精确，导致后续安全风险的处理效率低下，无法有效保障工业物联网的安全运行。
技术实现思路
1、针对现有技术中的缺陷，本专利技术提供一种基于工业物联网的设备安全风险预测方法、系统及设备。
2、一种基于工业物联网的设备安全风险预测方法，包括：收集工业物联网中多个种类相同的已实施设备并建立设备集；在t时刻实时获取设备集中各个已实施设备的第一实时运行日志，根据第一实时运行日志获取已实施设备的多个已发生故障类型，收集设备集中全部已实施设备的全部已发生故障类型并建立历史故障类型集合；在t时刻实时获取与
3、可选的，基于影响度模型计算历史故障类型集合内的显性故障类型与其他任意一个已发生故障类型之间的影响因子包括：根据第一实时运行日志获取显性故障类型在设备集中全部已实施设备中出现的第一出现次数，基于影响度模型和第一出现次数获取显性因子；根据第一实时运行日志获取显性故障类型和历史故障类型集合中其他任意一个已发生故障类型在设备集中任意一个已实施设备中同时出现的第二出现次数，基于影响度模型和第二出现次数获取与一个已发生故障类型对应的隐形因子，以此获取多个不同的隐形因子；基于影响度模型对显性因子和多个隐性因子进行计算并生成多个不同的影响因子，多个影响因子分别与历史故障类型集合中除显性故障类型外的多个已发生故障类型对应。
4、可选的，基于风险指标生成模型和影响因子计算待预测设备的预测风险指标包括：获取已发生故障类型对已实施设备进行作业的影响程度，其中，历史故障类型集合中每个已发生故障类型对应一个影响程度；基于风险指标生成模型和多个影响程度生成多个失效系数，其中，历史故障类型集合中每个已发生故障类型对应一个失效系数；基于风险指标生成模型、多个影响因子和多个失效系数计算待预测设备的预测风险指标。
5、可选的，基于影响度模型和第一出现次数获取显性因子中的影响度模型表示为：，其中，为历史故障类型集合中与显性故障类型种类相同的第种已发生故障类型，为的显性因子，为第一调节参数，为第一实时运行日志，为在设备集中全部已实施设备中出现的第一出现次数；所述基于影响度模型和第二出现次数获取与一个已发生故障类型对应的隐性因子中的影响度模型表示为：，其中，为历史故障类型集合中除显性故障类型外的第种已发生故障类型，为和的隐性因子，为第二调节参数，为和在设备集中任意一个已实施设备中同时出现的第二出现次数。
6、可选的，基于影响度模型对显性因子和多个隐性因子进行计算并生成多个不同的影响因子中的影响度模型表示为：；其中，为和的影响因子，为第三调节参数，为第四调节参数。
7、可选的，基于风险指标生成模型、多个影响因子和多个失效系数计算待预测设备的预测风险指标中的风险指标生成模型表示为：；其中，为预测风险指标，为的失效系数。
8、可选的，方法还包括：根据预测风险指标获取运维优先级；按运维优先级获取运维策略，根据运维策略对待预测设备进行管理维护。
9、还提供了一种基于工业物联网的设备安全风险预测系统，系统包括依次通信连接的用户平台、服务平台和管理平台，所述服务平台包括：设备集构建模块，用于收集工业物联网中多个种类相同的已实施设备并建立设备集；故障集实时构建模块，用于在t时刻实时获取设备集中各个已实施设备的第一实时运行日志，还用于根据第一实时运行日志获取已实施设备的多个已发生故障类型，还用于收集设备集中全部已实施设备的全部已发生故障类型并建立历史故障类型集合；实时判断模块，用于在t时刻实时获取与已实施设备种类相同的待预测设备的第二实时运行日志，还用于根据第二实时运行日志获取待预测设备的已发生故障类型并作为显性故障类型，还用于判断历史故障类型集合内是否存在与显性故障类型种类相同的已发生故障类型；实时计算模块，用于在历史故障类型集合内存在与显性故障类型种类相同的已发生故障类型后，基于影响度模型计算历史故障类型集合内的显性故障类型与其他任意一个已发生故障类型之间的影响因子；预测输出模块，用于基于风险指标生成模型和影响因子计算待预测设备的预测风险指标。
10、可选的，实时计算模块还用于：根据第一实时运行日志获取显性故障类型在设备集中全部已实施设备中出现的第一出现次数，基于影响度模型和第一出现次数获取显性因子；根据第一实时运行日志获取显性故障类型和历史故障类型集合中其他任意一个已发生故障类型在设备集中任意一个已实施设备中同时出现的第二出现次数，基于影响度模型和第二出现次数获取与一个已发生故障类型对应的隐形因子，以此获取多个不同的隐形因子；基于影响度模型对显性因子和多个隐性因子进行计算并生成多个不同的影响因子，多个影响因子分别与历史故障类型集合中除显性故障类型外的多个已发生故障类型对应。
11、还提供了一种电子设备，包括：存储器，其上存储有计算机程序；处理器，用于执行所述存储器中的所述计算机程序，以实现上述基于工业物联网的设备安全风险预测方法。
12、还提供了一种非临时性计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述基于工业物联网的设备安全风险预测方法。
13、本专利技术的有益效果体现在：
14、整个基于工业物联网的设备安全风险预测方法通过收集工业物联网中多个种类相同的已实施设备并建立设备集，实现了对同类设备的集中管理和监控，这种方法不仅考虑了单一设备的运行状态，还将其置于整个工业物联网环境中进行分析，从而能够更全面地评估设备的安全风险；进一步地，强调了在特定时间点t实时获取设备的运行日志，通过在同一时间点t获取数据，确保了待预测设备状态信息与历史故障类型集合的时效性高度一致，这种实时性使得比对本文档来自技高网...
【技术保护点】
1.一种基于工业物联网的设备安全风险预测方法，其特征在于，包括：
2.根据权利要求1所述的基于工业物联网的设备安全风险预测方法，其特征在于，所述基于影响度模型计算历史故障类型集合内的显性故障类型与其他任意一个已发生故障类型之间的影响因子包括：
3.根据权利要求2所述的基于工业物联网的设备安全风险预测方法，其特征在于，所述基于风险指标生成模型和影响因子计算待预测设备的预测风险指标包括：
4.根据权利要求3所述的基于工业物联网的设备安全风险预测方法，其特征在于，所述基于影响度模型和第一出现次数获取显性因子中的影响度模型表示为：
5.根据权利要求4所述的基于工业物联网的设备安全风险预测方法，其特征在于，所述基于影响度模型对显性因子和多个隐性因子进行计算并生成多个不同的影响因子中的影响度模型表示为：
6.根据权利要求5所述的基于工业物联网的设备安全风险预测方法，其特征在于，所述基于风险指标生成模型、多个影响因子和多个失效系数计算待预测设备的预测风险指标中的风险指标生成模型表示为：
7.根据权利要求1所述的基于工业物联
8.一种基于工业物联网的设备安全风险预测系统，其特征在于，所述系统包括依次通信连接的用户平台、服务平台和管理平台，所述管理平台包括：
9.根据权利要求8所述的基于工业物联网的设备安全风险预测系统，其特征在于，所述实时计算模块还用于：
10.一种电子设备，其特征在于，包括：
...【技术特征摘要】
1.一种基于工业物联网的设备安全风险预测方法，其特征在于，包括：
2.根据权利要求1所述的基于工业物联网的设备安全风险预测方法，其特征在于，所述基于影响度模型计算历史故障类型集合内的显性故障类型与其他任意一个已发生故障类型之间的影响因子包括：
3.根据权利要求2所述的基于工业物联网的设备安全风险预测方法，其特征在于，所述基于风险指标生成模型和影响因子计算待预测设备的预测风险指标包括：
4.根据权利要求3所述的基于工业物联网的设备安全风险预测方法，其特征在于，所述基于影响度模型和第一出现次数获取显性因子中的影响度模型表示为：
5.根据权利要求4所述的基于工业物联网的设备安全风险预测方法，其特征在于，所述基于影响度模型对显性...
【专利技术属性】
技术研发人员：邵泽华，刘彬，苏利龙，魏勇，刘红建，
申请(专利权)人：成都秦川物联网科技股份有限公司，
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。