工程机械设备的状态监控方法、装置及计算机存储介质与流程

1.本发明涉及工程机械技术领域，特别是涉及一种工程机械设备的状态监控方法、装置及计算机存储介质。


背景技术：

2.状态监控是指对设备整体、子系统或零部件的技术状态进行跟踪、检查或鉴定，以判断其是否运转正常，有无异常与劣化征兆，或对异常进行追踪，预测其劣化趋势，确定其劣化程度等行为的活动。目前行业内开始采用车载秒级数据甚至毫秒级数据对机械设备进行状态监控，即数据采集的频率至秒级甚至毫秒级，而随着采集频率的增加，随之而来的问题也亟待解决，尤其是所需数据存储空间增加、状态监控效率降低等。


技术实现要素：

3.本技术的目的在于提供一种工程机械设备的状态监控方法、装置及计算机存储介质，其优势在于通过对工程机械设备工作时的状态数据进行分层抽样，进而基于抽样数据对工程机械设备的状态进行监控，不仅降低了所需存储空间，而且提高了状态监控效率。
4.为达到上述目的：
5.第一方面，本技术实施例提供了一种工程机械设备的状态监控方法，应用于云服务器，所述方法包括以下步骤：
6.接收边缘计算设备发送的工程机械设备工作时的状态数据；
7.按照预设规则对所述状态数据进行分层抽样，获得所述工程机械设备的状态抽样数据；
8.根据所述状态抽样数据对所述工程机械设备进行性能分析，获得所述工程机械设备的性能指标数据；
9.将所述工程机械设备的性能指标数据发送至客户端。
10.可选地，所述按照预设规则对所述状态数据进行分层抽样，获得所述工程机械设备的状态抽样数据，包括：
11.根据所述工程机械设备实现的功能对所述状态数据进行分段，获得至少一分段数据；
12.根据所述工程机械设备执行的动作对所述分段数据进行切片，获得至少一切片数据；
13.基于设置的抽样比例对所述分段数据和所述切片数据进行抽样，确定所述工程机械设备的状态抽样数据。
14.可选地，所述基于设置的抽样比例对所述分段数据和所述切片数据进行抽样，确定所述工程机械设备的状态抽样数据，包括：
15.根据设置的抽样比例和所述状态数据的总量，确定抽样总数量；
16.根据所述抽样总数量、所述状态数据的总量和所述分段数据的数量对所述分段数
据进行抽样，获得对所述分段数据的第一抽样数据；
17.根据所述抽样总数量、所述状态数据的总量和所述切片数据的数量对所述切片数据进行抽样，获得对所述切片数据的第二抽样数据；
18.合并所述第一抽样数据和所述第二抽样数据，得到所述工程机械设备的状态抽样数据。
19.可选地，所述根据所述状态抽样数据对所述工程机械设备进行性能分析，获得所述工程机械设备的性能指标数据，包括以下至少一种：
20.对所述状态抽样数据进行数据聚合，获得所述工程机械设备的性能指标的统计特征；
21.对所述状态抽样数据进行特征提取，获得所述工程机械设备的性能指标的时域和频域特征；
22.将所述状态抽样数据输入设置的机器学习模型，根据所述机器学习模型的输出结果确定所述工程机械设备的性能指标。
23.第二方面，本技术实施例提供了一种工程机械设备的状态监控方法，应用于边缘计算设备，所述方法包括以下步骤：
24.接收传感器采集的工程机械设备工作时的状态数据；
25.将所述状态数据向云端服务器发送。
26.可选地，所述将所述状态数据向云端服务器发送之前，还包括：
27.对所述状态数据进行预处理，所述预处理包括以下至少一种：异常值处理、插值降频和特征转换。
28.第三方面，本技术实施例提供了一种工程机械设备的状态监控方法，应用于客户端，所述方法包括以下步骤：
29.接收云端服务器发送的工程机械设备的性能指标数据；
30.展示所述工程机械设备的性能指标数据。
31.可选地，所述展示所述工程机械设备的性能指标数据，包括：
32.获取所述性能指标数据所包含的性能指标的数量和/或类型；
33.基于所述性能指标的数量和/或类型确定展示方式，并按照所述展示方式展示所述工程机械设备的性能指标数据。
34.第四方面，本技术实施例提供一种执行上述方法的工程机械设备的状态监控装置，包括：处理器和存储有计算机程序的存储器，在所述处理器运行所述计算机程序时，实现上述工程机械设备的状态监控方法的步骤。
35.第五方面，本技术实施例提供一种计算机存储介质，所述计算机存储介质中存储有计算机程序，所述计算机程序被处理器执行时实现上述工程机械设备的状态监控方法的步骤。
36.本技术实施例提供的工程机械设备的状态监控方法、装置及计算机存储介质，所述方法包括：接收边缘计算设备发送的工程机械设备工作时的状态数据；按照预设规则对所述状态数据进行分层抽样，获得所述工程机械设备的状态抽样数据；根据所述状态抽样数据对所述工程机械设备进行性能分析，获取所述工程机械设备的性能指标数据；将所述工程机械设备的性能指标数据发送至客户端。如此，通过对工程机械设备工作时的状态数
据进行分层抽样，进而基于抽样数据对工程机械设备的状态进行监控，不仅降低了所需存储空间，而且提高了状态监控效率。
附图说明
37.图1为本发明实施例提供的工程机械设备的状态监控方法的流程示意图一；
38.图2为本发明实施例提供的工程机械设备的状态监控方法的流程示意图二；
39.图3为本发明实施例提供的工程机械设备的状态监控方法的流程示意图三；
40.图4为本发明实施例提供的工程机械设备的状态监控系统的结构示意图；
41.图5为本发明实施例提供的工程机械设备的状态监控方法的具体流程示意图；
42.图6为本发明实施例中工程机械设备进行分段和切片的示意图；
43.图7为本发明实施例中数据指标计算的过程示意图；
44.图8为本发明实施例提供的工程机械设备的状态监控装置的结构示意图。
具体实施方式
45.这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本技术相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本技术的一些方面相一致的装置和方法的例子。
46.需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素，此外，本技术不同实施例中具有同样命名的部件、特征、要素可能具有相同含义，也可能具有不同含义，其具体含义需以其在该具体实施例中的解释或者进一步结合该具体实施例中上下文进行确定。
47.应当理解，尽管在本文可能采用术语第一、第二、第三等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本文范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。取决于语境，如在此所使用的词语"如果"可以被解释成为"在
……
时"或"当
……
时"或"响应于确定"。再者，如同在本文中所使用的，单数形式“一”、“一个”和“该”旨在也包括复数形式，除非上下文中有相反的指示。应当进一步理解，术语“包含”、“包括”表明存在所述的特征、步骤、操作、元件、组件、项目、种类、和/或组，但不排除一个或多个其他特征、步骤、操作、元件、组件、项目、种类、和/或组的存在、出现或添加。此处使用的术语“或”和“和/或”被解释为包括性的，或意味着任一个或任何组合。因此，“a、b或c”或者“a、b和/或c”意味着“以下任一个：a；b；c；a和b；a和c；b和c；a、b和c”。仅当元件、功能、步骤或操作的组合在某些方式下内在地互相排斥时，才会出现该定义的例外。
48.应该理解的是，虽然本技术实施例中的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，其可以以其他的顺序执行。而且，图中的至少一部
分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，其执行顺序也不必然是依次进行，而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
49.需要说明的是，在本文中，采用了诸如s101、s102等步骤代号，其目的是为了更清楚简要地表述相应内容，不构成顺序上的实质性限制，本领域技术人员在具体实施时，可能会先执行s102后执行s101等，但这些均应在本技术的保护范围之内。
50.应当理解，此处所描述的具体实施例仅仅用以解释本技术，并不用于限定本技术。
51.在后续的描述中，使用用于表示元件的诸如“模块”、“部件”或者“单元”的后缀仅为了有利于本技术的说明，其本身没有特定的意义。因此，“模块”、“部件”或者“单元”可以混合地使用。
52.参阅图1，为本技术实施例提供的一种工程机械设备的状态监控方法，该工程机械设备的状态监控方法可以由本技术实施例提供的一种工程机械设备的状态监控装置来执行，该工程机械设备的状态监控装置可以采用软件和/或硬件的方式来实现，本实施例中以所述工程机械设备的状态监控方法应用于云端服务器为例，本实施例提供的工程机械设备的状态监控方法包括以下步骤：
53.步骤s101：接收边缘计算设备发送的工程机械设备工作时的状态数据。
54.具体地，云端服务器实时、不定时或周期性接收边缘计算设备发送的工程机械设备工作时的状态数据。需要说明的是，云端服务器接收边缘计算设备发送的工程机械设备工作时的状态数据，可以是接收边缘计算设备发送的工程机械设备工作时的当前状态数据，可以是接收边缘计算设备发送的工程机械设备工作时的预设时长内的状态数据。这里，所述工程机械设备为需要进行状态监控的设备，所述工程机械设备工作可以理解为处于施工状态。
55.步骤s102：按照预设规则对所述状态数据进行分层抽样，获得所述工程机械设备的状态抽样数据。
56.本实施例中以所述状态数据为一段时长内的状态数据为例。所述预设规则可以根据实际情况需要进行设置，包括但不限于抽样比例等。在一实施方式中，所述按照预设规则对所述状态数据进行分层抽样，获得所述工程机械设备的状态抽样数据，包括：根据所述工程机械设备实现的功能对所述状态数据进行分段，获得至少一分段数据；根据所述工程机械设备执行的动作对所述分段数据进行切片，获得至少一切片数据；基于设置的抽样比例对所述分段数据和所述切片数据进行抽样，确定所述工程机械设备的状态抽样数据。可以理解地，根据所述状态数据可获知所述工程机械设备实现的功能，而根据所述工程机械设备实现的功能可获知所述工程机械设备执行的动作。在已知所述工程机械设备实现的功能的情况下，可根据所述工程机械设备实现的功能对所述状态数据进行分段，以将用于实现不同功能的状态数据划分至不同分段，从而获得至少一分段数据。例如，以所述工程机械设备为旋挖钻机为例，按其实现的功能可划分为移位对孔和钻机作业两个大的分段。由于所述工程机械设备实现任一功能都是依靠所述工程机械设备执行对应的动作所达到的，因此，对于每一分段数据，可根据所述工程机械设备执行的动作对所述分段数据进行切片，以将用于实现不同动作的状态数据划分至不同切片，从而获得至少一切片数据。例如，以所述工程机械设备为旋挖钻机为例，按其实现的功能可划分为移位对孔和钻机作业两个大的分
段，而移位对孔又可分为行走、履展、立桅、调垂四个单动作分片，钻进作业又可分为下放、钻进、上提、回转、甩土五个单动作分片。最后，基于设置的抽样比例可确定需要分别从所述分段数据和所述切片数据抽取的样本数量，进而获得所述工程机械设备的状态抽样数据。如此，通过对工程机械设备的状态数据进行分段和切片，再对分段和切片数据进行抽样，使得样本分布能够尽量与总体分布保持一致，提高了状态监控准确性。
57.在一实施方式中，所述基于设置的抽样比例对所述分段数据和所述切片数据进行抽样，确定所述工程机械设备的状态抽样数据，包括：
58.根据设置的抽样比例和所述状态数据的总量，确定抽样总数量；
59.根据所述抽样总数量、所述状态数据的总量和所述分段数据的数量对所述分段数据进行抽样，获得对所述分段数据的第一抽样数据；
60.根据所述抽样总数量、所述状态数据的总量和所述切片数据的数量对所述切片数据进行抽样，获得对所述切片数据的第二抽样数据；
61.合并所述第一抽样数据和所述第二抽样数据，得到所述工程机械设备的状态抽样数据。
62.这里，由于所述状态数据是逐条记录的，所述状态数据的总量是指所述状态数据的记录数，而设置的抽样比例与所述状态数据的总量之积便是抽样总数量。所述根据所述抽样总数量、所述状态数据的总量和所述分段数据的数量对所述分段数据进行抽样，获得对所述分段数据的第一抽样数据，可以是对于每一所述分段数据，将所述分段数据的数量除以所述状态数据的总量后，再乘以所述抽样总数量，获得的值为对所述分段数据的第一抽样数据。所述根据所述抽样总数量、所述状态数据的总量和所述切片数据的数量对所述切片数据进行抽样，获得对所述切片数据的第二抽样数据可以是对于每一所述切片数据，将所述切片数据的数量除以所述状态数据的总量后，再乘以所述抽样总数量，获得的值为对所述切片数据的第二抽样数据。当然，也可以根据不同分段和/或不同分片的重要性，设置对应的权重，以根据权重对所述分段数据和/或所述切片数据进行抽样。也就是说，所述根据所述抽样总数量、所述状态数据的总量和所述分段数据的数量对所述分段数据进行抽样，获得对所述分段数据的第一抽样数据，可以是对于每一所述分段数据，将所述分段数据对应的权重乘以第一目标数量，获得的值为对所述分段数据的第一抽样数据，所述第一目标数量为各所述分段数据的数量之和除以所述状态数据的总量的值。所述根据所述抽样总数量、所述状态数据的总量和所述切片数据的数量对所述切片数据进行抽样，获得对所述切片数据的第二抽样数据可以是对于每一所述切片数据，将所述切片数据对应的权重乘以第二目标数量，获得的值为对所述切片数据的第二抽样数据，所述第二目标数量为各所述切片数据的数量之和除以所述状态数据的总量的值。如此，根据不同需求对分段数据和切片数据进行抽样，操作灵活便捷，进一步提高了状态监控效率。
63.步骤s103：根据所述状态抽样数据对所述工程机械设备进行性能分析，获得所述工程机械设备的性能指标数据。
64.这里，所述性能指标可根据实际情况需要进行设置，包括但不限于功率、能耗和效率等。在一实施方式中，所述根据所述状态抽样数据对所述工程机械设备进行性能分析，获得所述工程机械设备的性能指标数据，包括以下至少一种：
65.对所述状态抽样数据进行数据聚合，获得所述工程机械设备的性能指标的统计特
征；
66.对所述状态抽样数据进行特征提取，获得所述工程机械设备的性能指标的时域和频域特征；
67.将所述状态抽样数据输入设置的机器学习模型，根据所述机器学习模型的输出结果确定所述工程机械设备的性能指标。
68.可选地，所述对所述状态抽样数据进行数据聚合，获得所述工程机械设备的性能指标的统计特征，可以是结合所述工程机械设备实现的功能和/或所述工程机械设备执行的动作，对所述状态抽样数据进行数据聚合，以获得所述工程机械设备的性能指标的最大值、最小值、中位值、均值、方差、标准差、偏度、峰度、或变异系数等。所述对所述状态抽样数据进行特征提取，获得所述工程机械设备的性能指标的时域和频域特征，可以是结合所述工程机械设备实现的功能和/或所述工程机械设备执行的动作，对所述状态抽样数据进行特征提取，以获得所述工程机械设备的性能指标的时域特征，如波形指标、脉冲指标、裕度指标、峰峰值等，和所述工程机械设备的性能指标的频域特征，如重心频率、均方频率、均方根频率、频率方差、频率标准差等。需要说明的是，为了获得所述工程机械设备的性能指标的频域特征，需要先对所述状态抽样数据进行傅里叶变换，然后在对傅里叶变换后的所述状态抽样数据进行特征提取。这里，可先基于机器学习算法建立用于性质指标计算的机器学习模型，将所述状态抽样数据输入所述机器学习模型后，所述机器学习模型将输出对所述工程机械设备的性能指标的拟合值，所述根据所述机器学习模型的输出结果确定所述工程机械设备的性能指标，可以为将所述状态抽样数据包含的所述工程机械设备的性能指标的实际值与所述拟合值之间的差值作为所述工程机械设备的性能指标。其中，机器学习算法包括但不限于：逻辑回归、广义线性回归、决策树、随机森林、svm、神经网络、深度学习等。如此，结合工程机械设备实现的功能和/或工程机械设备执行的动作，获取工程机械设备的性能指标数据，能够为故障快速溯源提供数据支持。
69.步骤s104：将所述工程机械设备的性能指标数据发送至客户端。
70.具体地，云端服务器可将所述工程机械设备的性能指标数据发送至客户端，由客户端展示所述工程机械设备的性能指标数据，以便用户基于所述工程机械设备的性能指标数据可对所述工程机械设备的状态进行监控。
71.综上，上述实施例提供的程机械设备的状态监控方法中，通过对工程机械设备工作时的状态数据进行分层抽样，进而基于抽样数据对工程机械设备的状态进行监控，不仅降低了所需存储空间，而且提高了状态监控效率。
72.参阅图2，为本技术实施例提供的一种工程机械设备的状态监控方法，该工程机械设备的状态监控方法可以由本技术实施例提供的一种工程机械设备的状态监控装置来执行，该工程机械设备的状态监控装置可以采用软件和/或硬件的方式来实现，本实施例中以所述工程机械设备的状态监控方法应用于边缘计算设备为例，本实施例提供的工程机械设备的状态监控方法包括以下步骤：
73.步骤s201：接收传感器采集的工程机械设备工作时的状态数据。
74.这里，边缘计算设备可实时、不定时或周期性接收传感器采集的工程机械设备工作时的状态数据。所述工程机械设备为需要进行状态监控的设备，所述工程机械设备工作可以理解为处于施工状态。
75.步骤s202：将所述状态数据向云端服务器发送。
76.具体地，边缘计算设备实时、不定时或周期性将所述传感器采集的工程机械设备工作时的状态数据向云端服务器发送。若边缘计算设备实时将所述传感器采集的工程机械设备工作时的状态数据向云端服务器发送，则说明边缘计算设备可能是实时将工程机械设备工作时的当前状态数据向云端服务器发送。若边缘计算设备不定时或周期性将所述传感器采集的工程机械设备工作时的状态数据向云端服务器发送，则说明边缘计算设备可能是将所述工程机械设备工作时的预设时长内的状态数据向云端服务器发送。
77.综上，上述实施例提供的程机械设备的状态监控方法中，边缘计算设备通过及时将工程机械设备工作时的状态数据发送至云端服务器，以由云端服务器通过对工程机械设备工作时的状态数据进行分层抽样，进而基于抽样数据对工程机械设备的状态进行监控，不仅降低了所需存储空间，而且提高了状态监控效率。
78.在一实施方式中，所述将所述状态数据向云端服务器发送之前，还包括：
79.对所述状态数据进行预处理，所述预处理包括以下至少一种：异常值处理、插值降频和特征转换。
80.具体地，边缘计算设备在接收到传感器发送的工程机械设备工作时的状态数据后，先对所述状态数据进行预处理，如异常值处理、插值降频和特征转换等，达到对所述状态数据进行去噪、压缩等目的，从而形成标准的状态数据。如此，通过对状态数据进行预处理，能够进一步降低了所需存储空间，且进一步提高了状态监控效率和准确度。
81.参阅图3，为本技术实施例提供的一种工程机械设备的状态监控方法，该工程机械设备的状态监控方法可以由本技术实施例提供的一种工程机械设备的状态监控装置来执行，该工程机械设备的状态监控装置可以采用软件和/或硬件的方式来实现，本实施例中以所述工程机械设备的状态监控方法应用于客户端为例，本实施例提供的工程机械设备的状态监控方法包括以下步骤：
82.步骤s301：接收云端服务器发送的工程机械设备的性能指标数据；
83.具体地，客户端接收云端服务器实时或不定时发送的工程机械设备的性能指标数据，所述性能指标数据是云端服务器对工程机械设备工作时的状态数据进行分层抽样和分析后获得的。此外，所述性能指标可根据实际情况需要进行设置，包括但不限于功率、能耗和效率等。
84.步骤s302：展示所述工程机械设备的性能指标数据。
85.具体地，客户端接收到云端服务器发送的工程机械设备的性能指标数据后，展示所述工程机械设备的性能指标数据，以便用户基于所述工程机械设备的性能指标数据可对所述工程机械设备的状态进行监控。
86.在一实施方式中，所述展示所述工程机械设备的性能指标数据，包括：
87.获取所述性能指标数据所包含的性能指标的数量和/或类型；
88.基于所述性能指标的数量和/或类型确定展示方式，并按照所述展示方式展示所述工程机械设备的性能指标数据。
89.这里，所述性能指标的数量是指性能指标的个数，可能是一个，也可能是多个。所述性能指标的类型是指性能指标是否为离散变量、连续变量、时间序列变量等。根据所述性能指标的数量和/或类型的不同，可按照对应的展示方式展示所述工程机械设备的性能指
标数据。例如，若为单个离散变量，则可采用柱状图、条形图、饼图或环形图进行展示，用以反应定性变量的各个水平的频数分布或者占比。若为时间序列变量，则可采用折线图进行展示，用以反应指标随时间的变化趋势。若为两个离散变量，则可采用堆积柱状图进行展示，用以反应交叉频数的分布情况等。如此，根据性能指标的数量和/或类型，以按照对应的展示方式展示工程机械设备的性能指标数据，提高了数据可视化程度。
90.基于前述实施例相同的发明构思，下面通过一具体示例对前述实施例进行详细说明。
91.参阅图4，为本实施例提供的工程机械设备的状态监控系统的结构示意图，包括传感器、边缘端、云端和客户端；其中，
92.传感器，设置于工程机械设备上，用于获取被测工程机械设备施工状态数据，如温度、压力、油温、流量、振动、噪声等，针对振动信号，根据不同的监控需求、成本要求等可选择不同的传感器。
93.边缘端，由边缘计算设备构成，其接收来自传感器的数据，经过对数据去噪压缩处理后，将数据传输至云端的数据中台。
94.云端，由数据中台、计算中心和管理中心构成，对来自边缘端的数据进行加工、计算并存储有效数据。数据中台，解压来自边缘端的数据并传送至数据中心，并存储计算中心的返回结果。计算中心，从数据中台抽取数据，对数据进行分段切片，计算二级指标数据，计算完成后将结果推送至数据中台。管理中心，用于监控数据中台、计算中心、边缘计算设备。
95.客户端，由监控中心构成，从数据中台获取数据，用于可视化结果展示，及状态监控。
96.基于上述工程机械设备的状态监控系统，参阅图5，本实施例提供的工程机械设备的状态监控方法包括如下步骤：
97.步骤s401：标准数据提取。
98.具体地，边缘计算设备获取传感器数据，对其数据进行预处理，包括异常值处理、数据插值降频、特征转换等，针对不同设备形成其标准数据集。
99.步骤s402：数据分段切片。
100.边缘计算设备将标准数据集发送至云端，计算中心对其进行分段切片处理。其中，分段与工作状态相关，一般是设备用于实现特定的功能而产生的；而切片与设备的实际动作相关，是对分段数据的进一步细化分解。分段和切片完成后记录其开始时间与结束时间及相关信息，推送至数据中台进行存储。
101.如图6所示，以工程机械设备为旋挖钻机为例，按设备实际工作的功能可划分为移位对孔和钻机作业两个大的分段，其中移位对孔又可分为行走、履展、立桅、调垂四个单动作分片，钻进作业又可分为下放、钻进、上提、回转、甩土五个单动作分片。
102.步骤s403：数据分层抽样。
103.针对不同的分段和切片内的数据，对其进行分层抽样，其中可以适当增加重要分段或者切片数据的权重，这个依据具体业务来定。
104.其中，分层抽样具体过程如下：
105.假设数据记录总量为n，数据抽样比例为p，p一般取值0.001～0.1之间。每个分段记录数切片记录数
106.①
首先，确定抽样总数量n0＝n
·
p；
107.②
然后，确定分段切片数量，其中分段切片
108.③
在指定分段和切片时间段内，采用第
②
步计算得到的数量，对其进行随机抽样；
109.④
合并分层抽样获取的数据，存入数据中台。
110.步骤s404：数据指标计算。
111.具体地，根据分层抽样数据，计算工程机械设备的主要性能指标即数据指标，如功率、能耗、效率等。
112.如图7所示，为数据指标计算的过程示意图。其中，基于统计特征的数据聚合，结合分段切片标签，计算分段切片时间内的统计特征，如最大值、最小值、中位值、均值、方差、标准差、偏度、峰度、变异系数等。
113.或者，基于时频特征的特征提取，结合分段切片标签，计算分段切片时间内的时域、频域或者时频特征，时域特征如：波形指标、脉冲指标、裕度指标、峰峰值等，频域特征如：重心频率、均方频率、均方根频率、频率方差、频率标准差等。
114.或者，基于机器学习模型的性能指标计算，选取性能指标作为因变量，其它影响因素最为自变量，通过机器学习的方法建立性能模型，然后计算性能指标实际值与拟合值之间的差异作为新的性能指标。机器学习的方法包括但不限于以下：逻辑回归、广义线性回归、决策树、随机森林、svm、神经网络、深度学习等。
115.步骤s405：数据可视化。
116.数据可视化主要根据业务场景而定，用图形的形式来表达数据，包括但不局限于地图(地理位置信息)、二维及多维散点、柱状图、饼图、分布图、热力图、气泡图、雷达图等等。
117.以下对可视化的图形的使用场景进行简要说明，用以指导实际应用：
118.单变量情形
119.离散变量采用柱状图、条形图、饼图、环形图，用以反应定性变量的各个水平的频数分布或者占比；连续变量采用直方图、概率密度图、箱型图、qq图，用以反应数据的分布情况，包括对称性，是否有离群点等；时间序列变量采用折线图，用以反应指标随时间的变化趋势。
120.两个变量的情形
121.两个离散变量采用堆积柱状图，用以反应交叉频数的分布情况；两个连续变量采用散点图；反应两个定量变量的相关关系，如正向相关、负向相关等；一个离散变量和一个连续变量采用分组箱型图，用于对比不同组别在某一定量变量上的平均水平、波动水平等的差异。
122.多变量情形
123.涉及三个以及更多的变量一般采用气泡图、雷达图、相关系数矩阵图，由于图形的可视化是为了能够更加清晰地表达数据的特点，而维度增加会导致图形的可读性大大降低，因此多变量的图形可视化需谨慎使用。
124.如此，本实施例提供的工程机械设备的状态监控方法具体以下优点：
125.1)采用分层抽样技术，大大压缩了数据存储的数量，降低了海量数据存储成本，节约了硬件资源。
126.2)采用样本分布代替总体分布，在保证数据分布一致性的前提下，极大程度地提高了数据分布可视化的效率
127.3)多参数的关联分析和探索便捷化，使得状态监控能够快速及时响应。
128.4)数据按照生成标签，可以进一步进行聚合数据及性能建模分析，为发生故障后的快速溯源提供数据支持。
129.基于前述实施例相同的发明构思，本发明实施例提供了一种工程机械设备的状态监控装置，如图8所示，该装置包括：处理器310和存储有计算机程序的存储器311；其中，图8中示意的处理器310并非用于指代处理器310的个数为一个，而是仅用于指代处理器310相对其他器件的位置关系，在实际应用中，处理器310的个数可以为一个或多个；同样，图8中示意的存储器311也是同样的含义，即仅用于指代存储器311相对其他器件的位置关系，在实际应用中，存储器311的个数可以为一个或多个。在所述处理器310运行所述计算机程序时，实现应用于上述装置的所述工程机械设备的状态监控方法。
130.该装置还可包括：至少一个网络接口312。该装置中的各个组件通过总线系统313耦合在一起。可理解，总线系统313用于实现这些组件之间的连接通信。总线系统313除包括数据总线之外，还包括电源总线、控制总线和状态信号总线。但是为了清楚说明起见，在图8中将各种总线都标为总线系统313。
131.其中，存储器311可以是易失性存储器或非易失性存储器，也可包括易失性和非易失性存储器两者。其中，非易失性存储器可以是只读存储器(rom，read only memory)、可编程只读存储器(prom，programmable read-only memory)、可擦除可编程只读存储器(eprom，erasable programmable read-only memory)、电可擦除可编程只读存储器(eeprom，electrically erasable programmable read-only memory)、磁性随机存取存储器(fram，ferromagnetic random access memory)、快闪存储器(flash memory)、磁表面存储器、光盘、或只读光盘(cd-rom，compact disc read-only memory)；磁表面存储器可以是磁盘存储器或磁带存储器。易失性存储器可以是随机存取存储器(ram，random access memory)，其用作外部高速缓存。通过示例性但不是限制性说明，许多形式的ram可用，例如静态随机存取存储器(sram，static random access memory)、同步静态随机存取存储器(ssram，synchronous static random access memory)、动态随机存取存储器(dram，dynamic random access memory)、同步动态随机存取存储器(sdram，synchronous dynamic random access memory)、双倍数据速率同步动态随机存取存储器(ddrsdram，double data rate synchronous dynamic random access memory)、增强型同步动态随机存取存储器(esdram，enhanced synchronous dynamic random access memory)、同步连接动态随机存取存储器(sldram，synclink dynamic random access memory)、直接内存总线随机存取存储器(drram，direct rambus random access memory)。本发明实施例描述的存储器311旨在包括但不限于这些和任意其它适合类型的存储器。
132.本发明实施例中的存储器311用于存储各种类型的数据以支持该装置的操作。这些数据的示例包括：用于在该装置上操作的任何计算机程序，如操作系统和应用程序；联系人数据；电话簿数据；消息；图片；视频等。其中，操作系统包含各种系统程序，例如框架层、核心库层、驱动层等，用于实现各种基础业务以及处理基于硬件的任务。应用程序可以包含各种应用程序，例如媒体播放器(media player)、浏览器(browser)等，用于实现各种应用
业务。这里，实现本发明实施例方法的程序可以包含在应用程序中。
133.基于前述实施例相同的发明构思，本实施例还提供了一种计算机存储介质，所述计算机存储介质中存储有计算机程序，计算机存储介质可以是磁性随机存取存储器(fram，ferromagnetic random access memory)、只读存储器(rom，read only memory)、可编程只读存储器(prom，programmable read-only memory)、可擦除可编程只读存储器(eprom，erasable programmable read-only memory)、电可擦除可编程只读存储器(eeprom，electrically erasable programmable read-only memory)、快闪存储器(flash memory)、磁表面存储器、光盘、或只读光盘(cd-rom，compact disc read-only memory)等存储器；也可以是包括上述存储器之一或任意组合的各种设备，如移动电话、计算机、平板设备、个人数字助理等。所述计算机存储介质中存储的计算机程序被处理器运行时，实现应用于上述装置的所述工程机械设备的状态监控方法。所述计算机程序被处理器执行时实现的具体步骤流程请参考图1、图2或图3所示实施例的描述，在此不再赘述。
134.以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
135.在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，除了包含所列的那些要素，而且还可包含没有明确列出的其他要素。
136.以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。