基于物联网环境的多对象自适应监控方法及装置与流程

本发明涉及物联网监控，具体涉及基于物联网环境的多对象自适应监控方法及装置。

背景技术：

1、在建筑、工业、园区等领域的物联网监控系统中，现有技术多采用集中式架构将多台、多类型设备混合接入同一控制单元。该架构下，设备监控点混接导致参数与指令不匹配，误控、漏控频发；高度依赖上位平台，平台故障即全线失控；单台设备故障检修时整盘或整系统被迫停机；故障定位难、排查慢，无法按设备类型精细化管理；线缆集中敷设至定点盘箱，敷设路由长、施工成本高。

2、同时，设备运行特性随累计运行时间的增加而变化，现有方法缺乏对这种变化的适应能力，导致监控精度持续下降。不同设备特性变化程度差异显著，而现有方法对所有设备采用相同处理方式。此外，现有方法将各设备监控参数孤立分析，缺乏多设备、多参数整体运行状态的综合评估手段，难以发现设备间的关联性异常和系统性风险。

技术实现思路

1、本发明提供了基于物联网环境的多对象自适应监控方法及装置。本发明解决了现有物联网监控系统中设备参数混接、长期运行后传感漂移缺乏动态适应与差异化补偿、以及缺乏多设备多参数整体状态综合评估手段的技术问题。

2、鉴于上述问题，本发明提供了基于物联网环境的多对象自适应监控方法，所述方法包括：

3、通过基于物联网工业云平台的传感器阵列，采集目标环境内多个设备对象的多个运行参数，在第一运行参数判别正常后，基于第一设备对象的第一运行参数进行其他设备对象运行参数的预测和运行空间构建，得到预测运行参数空间；

4、根据多个设备对象的运行累计时长，更新设备漂移预测智能体内的多个设备漂移预测分支，得到多个更新误差系数，并根据第一运行参数分别进行其他多个设备对象运行参数的漂移分析，得到多个漂移度；

5、根据多个漂移度和多个更新误差系数，对多个运行参数进行漂移补偿，得到多个补偿运行参数，构建实际运行参数空间，计算与所述预测运行参数空间的空间相似度；

6、根据空间相似度进行监控误差计算，得到监控误差度，作为监控结果。

7、本发明还提供了基于物联网环境的多对象自适应监控装置，包括：

8、预测运行参数空间构建模块，用于通过基于物联网工业云平台的传感器阵列，采集目标环境内多个设备对象的多个运行参数，在第一运行参数判别正常后，基于第一设备对象的第一运行参数进行其他设备对象运行参数的预测和运行空间构建，得到预测运行参数空间；

9、漂移分析与更新模块，用于根据多个设备对象的运行累计时长，更新设备漂移预测智能体内的多个设备漂移预测分支，得到多个更新误差系数，并根据第一运行参数分别进行其他多个设备对象运行参数的漂移分析，得到多个漂移度；

10、补偿与空间构建模块，用于根据多个漂移度和多个更新误差系数，对多个运行参数进行漂移补偿，得到多个补偿运行参数，构建实际运行参数空间，计算与所述预测运行参数空间的空间相似度；

11、评估输出模块，用于根据空间相似度进行监控误差计算，得到监控误差度，作为监控结果。

12、本发明中提供的一个或多个技术方案，至少具有如下技术效果或优点：

13、本发明通过以第一设备对象的运行参数驱动其他设备对象运行参数的预测，并在第一运行参数判别正常后方启动预测流程，确保预测基准的有效性，使监控具备提前预判下游设备运行状态偏移的能力；通过对每个下游设备单独构建运行参数预测分支并独立训练，使各分支充分学习对应设备的专属运行特性，避免了单一模型导致的预测偏差，增强了可扩展性。通过基于运行累计时长对初始漂移预测分支进行动态更新训练，使各分支随设备老化程度自适应调整，提升了漂移度预测的时效性和准确性；通过数据对抗系数和运行时间系数计算时间漂移系数和基准时间漂移系数，并以两者之差除以基准值后取绝对值作为更新误差系数，建立了一套完整的预测可信度量化评估体系。通过根据各设备更新误差系数对漂移度进行差异化调整，使异常程度高的设备获得更大的补偿幅度而正常设备按常规方式补偿，避免了统一补偿策略的缺陷；通过将补偿后的多设备多参数实际运行参数空间与预测运行参数空间进行空间特征相似度计算，以空间相似度作为运行状态的综合性量化指标，实现了从单参数孤立判断到多参数空间整体评估的跨越。通过根据空间相似度进行负相关监控误差计算，将空间相似度转换为监控误差度，为运维人员提供了直观统一的量化监控指标，便于快速判断整体运行状态，为趋势分析和故障回溯提供了可靠的数据基础，从而全面提升了物联网监控的传感数据准确性、差异化补偿能力和状态评估的综合性。

14、综上所述，本发明解决了现有物联网监控系统中设备参数混接、长期运行后传感漂移缺乏动态适应与差异化补偿、以及缺乏多设备多参数整体状态综合评估手段的技术问题。

1.基于物联网环境的多对象自适应监控方法，其特征在于，所述方法包括：

2.根据权利要求1所述的基于物联网环境的多对象自适应监控方法，其特征在于，通过基于物联网工业云平台的传感器阵列，采集目标环境内多个设备对象的多个运行参数，在第一运行参数判别正常后，基于第一设备对象的第一运行参数进行其他设备对象运行参数的预测和运行空间构建，得到预测运行参数空间，包括：

3.根据权利要求2所述的基于物联网环境的多对象自适应监控方法，其特征在于，所述运行参数预测智能体包括多个运行参数预测分支，多个运行参数预测分支的预训练步骤包括：

4.根据权利要求1所述的基于物联网环境的多对象自适应监控方法，其特征在于，根据多个设备对象的运行累计时长，更新设备漂移预测智能体内的多个设备漂移预测分支，得到多个更新误差系数，并根据第一运行参数分别进行其他多个设备对象运行参数的漂移分析，得到多个漂移度，包括：

5.根据权利要求4所述的基于物联网环境的多对象自适应监控方法，其特征在于，获取多个更新误差系数，包括：

6.根据权利要求5所述的基于物联网环境的多对象自适应监控方法，其特征在于，根据多个时间漂移系数和基准时间漂移系数，进行更新对抗分析，计算多个更新误差系数，包括：

7.根据权利要求1所述的基于物联网环境的多对象自适应监控方法，其特征在于，根据多个漂移度和多个更新误差系数，对多个运行参数进行漂移补偿，得到多个补偿运行参数，构建实际运行参数空间，计算与所述预测运行参数空间的空间相似度，包括：

8.根据权利要求7所述的基于物联网环境的多对象自适应监控方法，其特征在于，基于多个补偿运行参数，构建实际运行参数空间，计算与所述预测运行参数空间的空间相似度，包括：

9.根据权利要求1所述的基于物联网环境的多对象自适应监控方法，其特征在于，根据空间相似度进行监控误差计算，得到监控误差度，作为监控结果，包括：

10.基于物联网环境的多对象自适应监控装置，其特征在于，用于执行权利要求1至9任一项所述的基于物联网环境的多对象自适应监控方法，包括：