状态监测方法、装置、系统、存储介质和产品与流程

本公开涉及工程机械领域，特别涉及一种状态监测方法、装置、系统、存储介质和产品。

背景技术：

1、对工程机械设备的状态进行远程监测是实现对工程机械设备的全面监控与管理的一个重要手段。工程机械设备的状态监测不仅能够实现对工程机械设备进行运行状态的监测，还能够对工程机械设备进行异常状态的监测。异常状态的监测是基于设备长期运行中的工况数据进行分析，建立诊断模型并识别可能出现的异常类型，从而能够对设备进行针对性的维护。

技术实现思路

1、本公开所要解决的一个技术问题是：如何提高对工程机械设备进行状态监测的效率和准确性。

2、根据本公开一些实施例的第一方面，提供了一种状态监测方法，包括：基于多个第一设备的状态数据生成训练样本集，其中，多个第一设备的型号相同，第一设备为工程机械设备；基于训练样本集中样本的类型，确定诊断模型；利用训练样本集对诊断模型进行训练，以确定诊断模型的参数的值；将诊断模型及其参数的值发送给多个第二设备，以使多个第二设备中的每个第二设备利用诊断模型及其参数确定自身状态是否存在异常，其中，第二设备是与第一设备的型号相同的工程机械设备。

3、在一些实施例中，状态监测方法还包括：基于报警数据生成一种或多种类型的异常样本、并将异常样本补充到训练样本集中以更新训练样本集，其中，报警数据是响应于多个第二设备中的一个或多个第二设备存在异常而生成的；基于更新的训练样本集中样本的类型，重新确定诊断模型；利用更新的训练样本集对重新确定的诊断模型进行训练、以确定重新确定的诊断模型的参数的值；将重新确定的诊断模型及其参数发送给多个第二设备，以使多个第二设备中的每个第二设备利用重新确定的诊断模型及其参数重新确定自身状态是否存在异常。

4、在一些实施例中，基于更新的训练样本集中样本的类型，重新确定诊断模型包括：响应于一种或多种类型的异常样本中的至少一种类型的异常样本的数量大于第一阈值，基于更新的训练样本集中样本的类型，重新确定诊断模型。

5、在一些实施例中，在训练样本集只包括正常样本的情况下，诊断模型是单高斯模型，诊断模型的参数包括第二阈值、单高斯模型的均值、协方差矩阵。

6、在一些实施例中，在训练样本集包括正常样本和异常样本的情况下，诊断模型是高斯混合模型，诊断模型的参数包括第二阈值、高斯混合模型中包括的每个单高斯模型的权重、均值、协方差矩阵。

7、在一些实施例中，基于多个第一设备的状态数据生成训练样本集包括：从多个第一设备的状态数据中选取多个特征参数；基于多个特征参数对应的状态数据生成训练样本集。

8、在一些实施例中，将诊断模型及其参数的值发送给多个第二设备包括：将诊断模型及其参数的值发送给服务器，以使服务器基于mqtt协议将诊断模型及其参数的值转发给多个第二设备。

9、根据本公开一些实施例的第二方面，提供了一种状态监测装置，包括：第一生成模块，被配置为基于多个第一设备的状态数据生成训练样本集，其中，多个第一设备的型号相同，第一设备为工程机械设备；第一确定模块，被配置为基于训练样本集中样本的类型，确定诊断模型；第一训练模块，被配置为利用训练样本集对诊断模型进行训练，以确定诊断模型的参数的值；第一发送模块，被配置为将诊断模型及其参数的值发送给多个第二设备，以使多个第二设备中的每个第二设备利用诊断模型及其参数确定自身状态是否存在异常，其中，第二设备是与第一设备的型号相同的工程机械设备。

10、在一些实施例中，状态监测装置还包括：第二生成模块，被配置为基于报警数据生成一种或多种类型的异常样本、并将异常样本补充到训练样本集中以更新训练样本集，其中，报警数据是响应于多个第二设备中的一个或多个第二设备存在异常而生成的；第二确定模块，被配置为基于更新的训练样本集中的样本的类型，重新确定诊断模型；第二训练模块，被配置为利用更新的训练样本集对重新确定的诊断模型进行训练、以确定重新确定的诊断模型的参数的值；第二发送模块，被配置为将重新确定的诊断模型及其参数发送给多个第二设备，以使多个第二设备中的每个第二设备利用重新确定的诊断模型及其参数重新确定自身状态是否存在异常。

11、根据本公开一些实施例的第三方面，提供了一种状态监测系统，包括：如前所述的状态监测装置；第二设备，被配置为接收状态监测装置发送的诊断模型及其参数，利用诊断模型及其参数确定自身状态是否存在异常。

12、在一些实施例中，第二设备被配置为：基于第二设备的状态数据生成多个测试样本；将多个测试样本输入诊断模型，以确定多个测试样本中的每个测试样本对应的概率密度值；在多个测试样本中的每个测试样本对应的概率密度值都小于第二阈值的情况下，确定第二设备的状态存在未知异常。

13、在一些实施例中，第二设备被配置为：在确定第二设备存在未知异常的情况下，基于第二设备的状态数据生成第一报警数据。

14、在一些实施例中，第二设备被配置为：在多个测试样本中存在至少一个测试样本对应的概率密度值不小于第二阈值的情况下，确定第二设备的状态为正常或存在已知异常。

15、在一些实施例中，在训练模型是单高斯模型的情况下，第二设备被配置为：在多个测试样本中存在至少一个测试样本对应的概率密度值不小于第二阈值的情况下，确定第二设备的状态为正常。

16、在一些实施例中，在诊断模型是高斯混合模型的情况下，第二设备被配置为：将多个测试样本输入高斯混合模型中包括的每个单高斯模型、并确定每个单高斯模型对应的状态监测结果和概率密度值，其中，对于每个单高斯模型，单高斯模型对应的状态监测结果为正常或存在已知异常并指示已知异常的类型，已知异常的类型与单高斯模型对应；根据每个单高斯模型对应的概率密度值，确定第二设备对应的状态监测结果。

17、在一些实施例中，在诊断模型是高斯混合模型的情况下，第二设备被配置为：将与各个单高斯模型对应的概率密度值中的最大值对应的单高斯模型的状态监测结果确定为第二设备对应的状态监测结果。

18、在一些实施例中，在诊断模型是高斯混合模型的情况下，第二设备被配置为：在第二设备存在已知异常的情况下，基于第二设备的状态数据生成第二报警数据。

19、在一些实施例中，状态监测系统还包括：服务器，被配置为接收状态监测装置发送的诊断模型及其参数，并基于mqtt协议将诊断模型及其参数转发给多个第二设备。

20、在一些实施例中，状态监测系统还包括：监测设备，被配置为接收第二设备发送的数据，并将第二设备发送的数据转发给状态监测装置。

21、在一些实施例中，服务器被配置为：基于mqtt协议接收第二设备发送的数据，并将第二设备发送的数据转发给监测设备。

22、在一些实施例中，第二设备被配置为：向服务器发送维护数据，其中，维护数据是响应于根据第二设备的报警数据对第二设备进行维护并完成后生成的。

23、在一些实施例中，服务器被配置为：基于mqtt协议接收监测设备发送的数据，并根据监测设备发送的数据的消息标识将监测设备发送的数据转发给一个或多个第二设备，以使监测设备对一个或多个第二设备进行配置或控制。

24、在一些实施例中，第二设备、监测设备中的至少一项发送的数据具有消息标识，消息标识包括多个层级的子标识。

25、在一些实施例中，多个层级的子标识包括设备的类型、设备的型号、客户、设备的编号、消息的主题。

26、在一些实施例中，第二设备发送的数据的消息标识中包括的消息的主题为状态、报警、维护中的任意一项，监测设备发送的数据的消息标识中包括的信息的主题为控制、配置中的任意一项。

27、在一些实施例中，服务器被配置为：接收多个第二设备发送的数据；根据监测设备的订阅信息，从多个第二设备发送的数据中确定监测设备订阅的数据；将监测设备订阅的数据发送给监测设备，以使监测设备对订阅的设备进行监测。

28、在一些实施例中，服务器被配置为：确定与监测设备的订阅信息匹配的消息标识；将消息标识对应的数据发送给监测设备。

29、在一些实施例中，服务器被配置为：对于多个层级中的任意层级，在消息标识的层级的子标识与监测设备的订阅信息的层级的值匹配的情况下，确定消息标识与监测设备的订阅信息匹配。

30、在一些实施例中，订阅信息中的一个或多个层级的值为第一通配符，对于多个层级中的任意层级，在订阅信息中的层级的值为第一通配符的情况下，订阅信息中的层级的值与任意子标识匹配。

31、在一些实施例中，订阅信息中的最后一个层级为第二通配符，其中，第二通配符指示订阅信息的第二通配符所在层级及第二通配符的子级与任意子标识匹配。

32、在一些实施例中，服务器被配置为：确定与监测设备发送的数据的消息标识匹配的一个或多个第二设备；将监测设备发送的数据发送给一个或多个第二设备。

33、根据本公开一些实施例的第四方面，提供了一种状态监测装置，包括：处理器；以及耦接至处理器的存储器，用于存储指令，指令被处理器执行时，使处理器执行如前所述的状态监测方法。

34、根据本公开一些实施例的第五方面，提供了一种计算机可读存储介质，其上存储有计算机程序，其中，该程序被处理器执行时实现如前所述的状态监测方法。

35、根据本公开一些实施例的第六方面，提供了一种计算机程序产品，包括指令，指令当由处理器执行时使处理器执行根据如前所述的状态监测方法。

36、本公开基于多个第一设备的状态数据确定诊断模型，并对诊断模型进行训练。在确定诊断模型的参数的值后将诊断模型及其参数的值发送给多个第二设备，使得第二设备能够利用诊断模型及其参数的值对自身的状态进行异常监测。本公开实现了使工程机械设备进行自身状态监测，能够提高状态监测的效率，节省资源，并且工程机械设备进行自身状态监测能够进行实时监测，从而能够提高状态监测的准确性。

37、通过以下参照附图对本公开的示例性实施例的详细描述，本公开的其它特征及其优点将会变得清楚。