多源物联传感器流数据的自适应滑动窗口处理方法及设备与流程

本申请涉及数据处理，特指一种应用于工业物联网边缘计算场景下的多源物联传感器流数据的自适应滑动窗口处理方法及设备。

背景技术：

1、在工业离散制造场景中，例如数控机床加工或柔性装配线场景，生产节拍并非绝对恒定。受工件材质差异、刀具磨损或机械臂运动阻尼变化的影响，单个物理生产周期往往存在微秒至毫秒级的动态波动。现有的数据处理系统多采用固定时间长度或固定计数值的滑动窗口截取多源传感器流数据。由于窗口长度无法适应物理生产周期的波动，常导致同一个加工动作的传感器特征被强行截断至两个独立的窗口中，引发周期破碎现象。或者，一个窗口内混叠了多个不完整的加工周期噪声。

2、同时，由于多源传感器存在高并发特性，当发生异常导致数据吞吐量激增时，传统特征提取方法生成的特征向量维度不固定。不固定的特征向量维度会直接引发数据采集边缘计算网关的内存溢出或处理时延显著升高，进而导致高并发数据降噪能力不足，难以建立有效的时延控制机制，无法满足工业现场的时延控制需求。

技术实现思路

1、本申请提供了多源物联传感器流数据的自适应滑动窗口处理方法及设备，用于解决现有固定滑动窗口无法对齐波动的物理生产周期，以及多源高并发数据造成的边缘端处理时延不可控的技术问题。

2、本申请提供了一种多源物联传感器流数据的自适应滑动窗口处理方法，包括：确定传感器流数据中的基准数据源，记录所述基准数据源的动作周期时间跨度序列，根据所述动作周期时间跨度序列计算滑动平均节拍时长以及标准差，根据所述滑动平均节拍时长与所述标准差确定节拍变异系数；在预设的基础窗口尺寸上，利用所述节拍变异系数与预设的缩放增益因子确定执行窗口尺寸，在所述执行窗口尺寸超出预设的极值约束范围时进行边界截断处理，根据所述执行窗口尺寸调整数据读取指针，并通过所述数据读取指针在所述传感器流数据中截取数据矩阵；对所述数据矩阵执行快速傅里叶变换提取多个频段分量及其对应的能量谱密度，按所述能量谱密度的贡献率对所述频段分量进行降序排列；将排名前十六的频段分量映射至预设的前十六个特征槽，将其余的频段分量按频段权重进行线性加权求和并融合至剩余的十六个特征槽，输出包含三十二维特征的特征向量。

3、进一步地，根据所述动作周期时间跨度序列计算滑动平均节拍时长以及标准差，包括：从所述动作周期时间跨度序列中获取特定时间段内的多个周期时间值；遍历所述多个周期时间值以确定当前周期时间值，结合所述当前周期时间值之前的历史周期时间值，计算局部滑动平均节拍时长；根据所述当前周期时间值与所述局部滑动平均节拍时长的偏差值，计算对应于所述当前周期时间值的所述标准差。

4、进一步地，根据所述当前周期时间值与所述局部滑动平均节拍时长的偏差值，计算对应于所述当前周期时间值的所述标准差，包括：获取前一时刻平滑标准差，并计算所述偏差值的绝对值以作为瞬时偏差值；采用指数平滑算法将所述瞬时偏差值与所述前一时刻平滑标准差进行加权融合计算，以获取当前时刻的融合标准差作为所述标准差；其中，向所述瞬时偏差值赋予第一平滑权重，向所述前一时刻平滑标准差赋予第二平滑权重，所述第一平滑权重与所述第二平滑权重之和等于一；根据所述滑动平均节拍时长与所述标准差确定节拍变异系数，包括：将所述标准差除以所述局部滑动平均节拍时长以获取初始变异系数；采用预设的限幅过滤算法对所述初始变异系数进行边界约束，滤除数值超出工艺允许区间的异常突变值，将边界约束后的所述初始变异系数确定为最终的所述节拍变异系数。

5、进一步地，在预设的基础窗口尺寸上，利用所述节拍变异系数与预设的缩放增益因子确定执行窗口尺寸，包括：获取预设的所述基础窗口尺寸以及预设的所述缩放增益因子；将所述缩放增益因子与所述节拍变异系数进行乘积计算，获取动态偏移量；将所述动态偏移量与所述基础窗口尺寸进行相加计算，获取窗口计算值；将所述窗口计算值输入至所述在所述执行窗口尺寸超出预设的极值约束范围时进行边界截断处理的步骤。

6、进一步地，在所述执行窗口尺寸超出预设的极值约束范围时进行边界截断处理，包括：获取所述极值约束范围对应的下限阈值以及上限阈值，所述下限阈值对应于预设的最小物理加工动作跨度，所述上限阈值对应于边缘计算网关的内存限制边界；在所述窗口计算值小于所述下限阈值的情况下，将所述执行窗口尺寸强制赋值为所述下限阈值，并触发并发数据的丢弃逻辑；在所述窗口计算值大于所述上限阈值的情况下，将所述执行窗口尺寸强制赋值为所述上限阈值；在所述窗口计算值位于所述下限阈值与所述上限阈值之间或等于阈值的情况下，将所述窗口计算值直接赋值给所述执行窗口尺寸。

7、进一步地，将其余的频段分量按频段权重进行线性加权求和并融合至剩余的十六个特征槽，包括：获取所述其余的频段分量中每个次要频段分量对应的能量谱密度；将所有所述次要频段分量的能量谱密度进行求和，获取次要频段总能量；计算各个所述次要频段分量的能量谱密度占所述次要频段总能量的比例数值，将所述比例数值确定为对应次要频段分量的所述频段权重；利用所述频段权重对所有的次要频段分量执行所述线性加权求和。

8、进一步地，利用所述频段权重对所有的次要频段分量执行所述线性加权求和，包括：建立包含十六个节点的次要特征融合矩阵，将获取的所有的所述次要频段分量按照频率高低顺序划分为十六个相邻的次要频段区间；在每一个次要频段区间内部，利用对应的所述频段权重对归属于当前次要频段区间的各个次要频段分量进行加权平均计算，提取出用于代表当前次要频段区间的单一数值特征；将从十六个次要频段区间提取出的十六个单一数值特征进行拼接处理，生成具有十六维度的融合补偿向量并填充至所述剩余的十六个特征槽。

9、进一步地，输出包含三十二维特征的特征向量之后，还包括：通过物联网通信接口将所述特征向量发送至云端服务器；接收所述云端服务器基于所述特征向量下发的设备状态控制指令，并根据所述设备状态控制指令驱动与之连接的执行机构进行工艺调节操作。

10、本申请还提供了一种电子设备，包括：存储器；处理器，与所述存储器连接；其中，所述存储器用于存储计算机程序，所述处理器被配置为执行所述计算机程序，以实现该多源物联传感器流数据的自适应滑动窗口处理方法。

11、本申请还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现该多源物联传感器流数据的自适应滑动窗口处理方法。

12、综上所述，本申请通过动态计算节拍变异系数对执行窗口尺寸进行自适应调整，实现了数据处理窗口边界与物理加工行为的精准对齐。结合特征降维收敛机制，强制输出三十二维特征向量，屏蔽了前端滑动窗口长度变化带来的数据量波动，使单次特征提取的计算复杂度保持恒定。通过软硬件控制算法的一动一静配合，系统能够在遭遇高并发数据流洪峰时保持低时延和低噪声，从而提升工业现场时序特征提取的稳定性和实时性。

1.一种多源物联传感器流数据的自适应滑动窗口处理方法，其特征在于，包括：确定传感器流数据中的基准数据源，记录所述基准数据源的动作周期时间跨度序列，根据所述动作周期时间跨度序列计算滑动平均节拍时长以及标准差，根据所述滑动平均节拍时长与所述标准差确定节拍变异系数；在预设的基础窗口尺寸上，利用所述节拍变异系数与预设的缩放增益因子确定执行窗口尺寸，在所述执行窗口尺寸超出预设的极值约束范围时进行边界截断处理，根据所述执行窗口尺寸调整数据读取指针，并通过所述数据读取指针在所述传感器流数据中截取数据矩阵；对所述数据矩阵执行快速傅里叶变换提取多个频段分量及其对应的能量谱密度，按所述能量谱密度的贡献率对所述频段分量进行降序排列；将排名前十六的频段分量映射至预设的前十六个特征槽，将其余的频段分量按频段权重进行线性加权求和并融合至剩余的十六个特征槽，输出包含三十二维特征的特征向量。

2.如权利要求1所述的方法，其特征在于，所述根据所述动作周期时间跨度序列计算滑动平均节拍时长以及标准差，包括：从所述动作周期时间跨度序列中获取特定时间段内的多个周期时间值；遍历所述多个周期时间值以确定当前周期时间值，结合所述当前周期时间值之前的历史周期时间值，计算局部滑动平均节拍时长；根据所述当前周期时间值与所述局部滑动平均节拍时长的偏差值，计算对应于所述当前周期时间值的所述标准差。

3.如权利要求2所述的方法，其特征在于，所述根据所述当前周期时间值与所述局部滑动平均节拍时长的偏差值，计算对应于所述当前周期时间值的所述标准差，包括：获取前一时刻平滑标准差，并计算所述偏差值的绝对值以作为瞬时偏差值；采用指数平滑算法将所述瞬时偏差值与所述前一时刻平滑标准差进行加权融合计算，以获取当前时刻的融合标准差作为所述标准差；其中，向所述瞬时偏差值赋予第一平滑权重，向所述前一时刻平滑标准差赋予第二平滑权重，所述第一平滑权重与所述第二平滑权重之和等于一；所述根据所述滑动平均节拍时长与所述标准差确定节拍变异系数，包括：将所述标准差除以所述局部滑动平均节拍时长以获取初始变异系数；采用预设的限幅过滤算法对所述初始变异系数进行边界约束，滤除数值超出工艺允许区间的异常突变值，将边界约束后的所述初始变异系数确定为所述节拍变异系数。

4.如权利要求1所述的方法，其特征在于，所述在预设的基础窗口尺寸上，利用所述节拍变异系数与预设的缩放增益因子确定执行窗口尺寸，包括：获取预设的所述基础窗口尺寸以及预设的所述缩放增益因子；将所述缩放增益因子与所述节拍变异系数进行乘积计算，获取动态偏移量；将所述动态偏移量与所述基础窗口尺寸进行相加计算，获取窗口计算值；将所述窗口计算值输入至所述在所述执行窗口尺寸超出预设的极值约束范围时进行边界截断处理的步骤。

5.如权利要求4所述的方法，其特征在于，所述在所述执行窗口尺寸超出预设的极值约束范围时进行边界截断处理，包括：获取所述极值约束范围对应的下限阈值以及上限阈值，所述下限阈值对应于预设的最小物理加工动作跨度，所述上限阈值对应于边缘计算网关的内存限制边界；在所述窗口计算值小于所述下限阈值的情况下，将所述执行窗口尺寸强制赋值为所述下限阈值，并触发并发数据的丢弃逻辑；在所述窗口计算值大于所述上限阈值的情况下，将所述执行窗口尺寸强制赋值为所述上限阈值；在所述窗口计算值位于所述下限阈值与所述上限阈值之间或等于阈值的情况下，将所述窗口计算值直接赋值给所述执行窗口尺寸。

6.如权利要求1所述的方法，其特征在于，所述将其余的频段分量按频段权重进行线性加权求和并融合至剩余的十六个特征槽，包括：获取所述其余的频段分量中每个次要频段分量对应的能量谱密度；将所有所述次要频段分量的能量谱密度进行求和，获取次要频段总能量；计算各个所述次要频段分量的能量谱密度占所述次要频段总能量的比例数值，将所述比例数值确定为对应次要频段分量的所述频段权重；利用所述频段权重对所有的次要频段分量执行所述线性加权求和。

7.如权利要求6所述的方法，其特征在于，所述利用所述频段权重对所有的次要频段分量执行所述线性加权求和，包括：建立包含十六个节点的次要特征融合矩阵，将获取的所有的所述次要频段分量按照频率高低顺序划分为十六个相邻的次要频段区间；在每一个次要频段区间内部，利用对应的所述频段权重对归属于当前次要频段区间的各个次要频段分量进行加权平均计算，提取出用于代表当前次要频段区间的单一数值特征；将从十六个次要频段区间提取出的十六个单一数值特征进行拼接处理，生成具有十六维度的融合补偿向量并填充至所述剩余的十六个特征槽。

8.如权利要求1所述的方法，其特征在于，所述输出包含三十二维特征的特征向量之后，还包括：通过物联网通信接口将所述特征向量发送至云端服务器；接收所述云端服务器基于所述特征向量下发的设备状态控制指令，并根据所述设备状态控制指令驱动与之连接的执行机构进行工艺调节操作。

9.一种电子设备，其特征在于，包括：存储器；处理器，与所述存储器连接；其中，所述存储器用于存储计算机程序，所述处理器被配置为执行所述计算机程序，以实现如权利要求1至8中任一项所述的多源物联传感器流数据的自适应滑动窗口处理方法。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至8中任一项所述的多源物联传感器流数据的自适应滑动窗口处理方法。