基于大数据的运行状态智能监控数据传输系统及方法与流程

本发明涉及数据传输，具体为基于大数据的运行状态智能监控数据传输系统及方法。

背景技术：

1、传感技术及其各种应用随着技术和业务需求的发展而不断发展，传感器可用于检测从距离到热到压力等各种实际属性；工业体系行业中拥有大量依赖于传感器才能正常运行的机器或系统或互联设备的集群，在过程流中联网的传感器，可以连续不断地检测、测量和传输物理环境中任何变化的电信号，电信号被传输到计算机中，经过处理数据并进一步指导控制体系；

2、现实中，对于控制体系中的集群设备运行监测中的各个传感器，一般通过直接传输模型和基于网络的传输模型，进行数据的传输；直接传输模型是将数据直接发送到接收器，进而导致大量的数据传输，增加能耗；基于网络的传输模型是通过传感器网络内部的链路传输数据，使用数据压缩机制来减少数据传输量，从而节省能源；然而，现实中，数据传输过程中往往都需要传输接口通道来规划、决策或分配数据传输任务，尤其是对于实际控制体系中的集群设备的不同运行特征的存在情况，往往很难保证数据传输通道决策的平衡性，不容易提高数据传输的效率。

技术实现思路

1、本发明的目的在于提供基于大数据的运行状态智能监控数据传输系统及方法，以解决上述背景技术中提出的问题。

2、为了解决上述技术问题，本发明提供如下技术方案：

3、基于大数据的运行状态智能监控数据传输系统，本系统包括：状态智能感知模块、数据统筹模块、行为关系分析模块和传输提示模块；

4、所述状态智能感知模块，用于按照传感器的数量划分存储空间，分别对多传感器运行过程中产生的状态数据进行存储，生成异常反馈集合；并调取运维数据库中存储的各个异常反馈集合，形成异常运行状态行为集合；

5、所述数据统筹模块，用于对不同异常运行状态行为下的传感器同步感知时，各传感器对应产生的异常反馈集合存入到异常运行状态行为集合中，并对异常运行状态行为集合进行统筹和统一编号；根据异常运行状态行为集合，为分析异常运行状态行为之间的同化情况，建立同化数据样本库，存入全部异常运行状态行为集合；

6、所述行为关系分析模块，用于构建同化关系迭代模型，在每一次迭代过程中，任意选取一个异常行为状态集合作为同化媒介，任意选取另一个异常行为状态集合作为同化目标，分析异常运行状态行为之间的同化关系；根据同化关系迭代结果，生成同化关系行为对，并记录每一种异常运行状态行为发生时的时间，生成同步时间集；

7、所述传输提示模块，用于建立一维坐标时间线，将同步时间集在一维坐标时间线中进行映射，并划分连续的时间区间；分析在连续的时间区间范围下，异常运行状态行为发生的预测时间范围，并保持时间范围内的各传感器的数据传输通道畅通。

8、进一步的，所述状态智能感知模块还包括状态数据采集单元和状态行为感知单元；

9、所述状态数据采集单元，用于架构运维数据库，接收并存储多传感器监测过程中产生的状态数据，所述状态数据为当被监测对象出现异常情况时，传感器感知到的反馈信息参数；对运维数据库划分存储空间，且对多传感器进行统一编号，根据传感器的编号，对存储空间附加唯一编码标识，其中，一个存储空间对应存储一个传感器产生的状态数据，并生成异常反馈集合，记为g(ii)={fp1，fp2，...，fpn}，其中，ii表示存储空间附加的唯一编码标识，i为传感器的编号，fp1，fp2，...，fpn分别表示传感器感知到的第1，2，...，n个状态数据；

10、所述状态行为感知单元，用于架构异常运行状态行为感知模型，所述异常运行状态行为感知模型调取运维数据库中存储的各个异常反馈集合，形成异常运行状态行为集合，所述异常运行状态行为集合中包括若干个子项集，且每个子项集为被监测对象出现异常情况时，以传感器同步感知行为为导向，所述异常运行状态行为感知模型统筹的各个同步感知的传感器对应产生的异常反馈集合。

11、进一步的，所述数据统筹模块还包括数据集统筹单元和数据样本库统筹单元；

12、所述数据集统筹单元，用于对异常运行状态行为集合进行统筹并统一编号，且一个异常运行状态行为集合对应一种异常运行状态行为，将任意一个异常运行状态行为集合标记为sbj={gj(i1)，gj(i2)，...，gj(im)}，其中，sbj表示第j种异常运行状态行为对应的异常运行状态行为集合，gj(i1)，gj(i2)，...，gj(im)分别表示在第j种异常运行状态行为下，第1，2，...，m个传感器同步感知时，各传感器对应产生的异常反馈集合；

13、所述数据样本库统筹单元，根据异常运行状态行为集合，为分析异常运行状态行为之间的同化情况，建立同化数据样本库，存入全部异常运行状态行为集合，将所述同化数据样本库记为r。

14、进一步的，所述行为关系分析模块还包括同化关系迭代模型单元和时间记录单元；

15、所述同化关系迭代模型单元，用于构建同化关系迭代模型，令第l次迭代样本集为rl，则第一次迭代样本集为r1，且r1=r；在第l次迭代样本集rl中任意选取一个异常行为状态集合sbx作为同化媒介，记为l：sbx，在第l次迭代样本集rl中除异常行为状态集合sbx外任意选取一个异常行为状态集合sby作为同化目标，记为l：sby，其中，x、y分别为第x、y种异常运行状态行为的编号，x≠y；

16、则第l+1次迭代样本集，令第l次迭代输出集为srl(sbx)，分析异常运行状态行为之间的同化情况，进行第l次同化关系迭代的过程如下：

17、，

18、其中，ap(sbx→sby)表示同化媒介与同化目标之间的匹配同化概率，num[gx(ii)∩gy(ii)]表示异常行为状态集合sbx和异常行为状态集合sby中，相同存储空间ii对应产生的异常反馈集合gx(ii)和gy(ii)之间的交集中包含的状态数据数量，num[gx(ii)∪gy(ii)]表示异常行为状态集合sbx和异常行为状态集合sby中，相同存储空间ii对应产生的异常反馈集合gx(ii)和gy(ii)之间的并集中包含的状态数据数量；

19、预设同化概率阈值，如果ap(sbx→sby)大于等于同化概率阈值，则将异常行为状态集合sby存入到第l次迭代输出集srl(sbx)中，反之不存入；在第l次迭代样本集rl中选取下一个同化目标继续与同化媒介l：sbx进行匹配同化，直到第l次迭代样本集rl中所有同化目标匹配同化完成，输出第l次迭代输出集srl(sbx)，并进行第l+1次同化关系迭代；

20、直到同化数据样本库r中所有异常运行状态行为集合完成匹配同化时，同化关系迭代停止；

21、所述时间记录单元，根据同化关系迭代结果，统筹每一次迭代输出集；将每一个迭代输出集范围内的异常运行状态行为集合对应的异常运行状态行为作为聚类研判对象，生成同化关系行为对，记为qx→{q1，q2，...，qy，...，qw}，其中，qx，q1，q2，...，qy，...，qw分别表示第x，1，2，...，y，...，w种异常运行状态行为；记录每一种异常运行状态行为发生时的时间，并生成同步时间集，其中，将同化媒介l：sbx对应的异常运行状态行为qx生成的同步时间集记为t(qx)={t1，t2，...，ta}，根据同化关系行为对，将{q1，q2，...，qy，...，qw}中任意一个同化目标l：sby对应的异常运行状态行为qy生成的同步时间集记为t(qy)={t1，t2，...，tb}，其中，t1，t2，...，ta分别表示异常运行状态行为qx第1，2，...，a次发生的时间，t1，t2，...，tb分别表示异常运行状态行为qy第1，2，...，b次发生的时间。

22、进一步的，所述传输提示模块还包括时间区间映射单元和传输分析提示单元；

23、所述时间区间映射单元，用于建立一维坐标时间线，将同步时间集t(qy)在一维坐标时间线上进行映射并划分连续的时间区间，共得到b-1个连续时间区间，截取任意一个连续时间区间，记为ttu：tu-1～tu；同时将同步时间集t(qx)在一维坐标时间线上进行映射，并获取连续时间区间内包含的同步时间集t(qx)的子集，生成区间时间集，记为t[ttu]={t1，t2，...，tc}；

24、所述传输分析提示单元，根据区间时间集，研判异常运行状态行为qy的发生时间，计算区间研判时间v{t[ttu]}=c-1σd=1c(td-tu)；在所有的区间研判时间中分别选取最大和最小值，记为vmax和vmin；

25、如果当前异常运行状态行为qx发生的时间为t0，则根据同化关系行为对，输出异常运行状态行为qy发生的时间范围为[t0+vmin，t0+vmax]，并提示工作人员将异常运行状态行为集合sby中各异常反馈集合对应的传感器，在时间范围[t0+vmin，t0+vmax]内的传输通道保持畅通。

26、基于大数据的运行状态智能监控数据传输方法，本方法包括以下步骤：

27、步骤s100：按照传感器的数量划分存储空间，分别对多传感器运行过程中产生的状态数据进行存储，生成异常反馈集合；并调取运维数据库中存储的各个异常反馈集合，形成异常运行状态行为集合；

28、步骤s200：对不同异常运行状态行为下的传感器同步感知时，各传感器对应产生的异常反馈集合存入到异常运行状态行为集合中，并对异常运行状态行为集合进行统筹和统一编号；根据异常运行状态行为集合，为分析异常运行状态行为之间的同化情况，建立同化数据样本库，存入全部异常运行状态行为集合；

29、步骤s300：构建同化关系迭代模型，在每一次迭代过程中，任意选取一个异常行为状态集合作为同化媒介，任意选取另一个异常行为状态集合作为同化目标，分析异常运行状态行为之间的同化关系；根据同化关系迭代结果，生成同化关系行为对，并记录每一种异常运行状态行为发生时的时间，生成同步时间集；

30、步骤s400：建立一维坐标时间线，将同步时间集在一维坐标时间线中进行映射，并划分连续的时间区间；分析在连续的时间区间范围下，异常运行状态行为发生的预测时间范围，并保持时间范围内的各传感器的数据传输通道畅通。

31、进一步的，所述步骤s100的具体实施过程包括：

32、步骤s101：架构运维数据库，接收并存储多传感器监测过程中产生的状态数据，所述状态数据为当被监测对象出现异常情况时，传感器感知到的反馈信息参数；对运维数据库划分存储空间，且对多传感器进行统一编号，根据传感器的编号，对存储空间附加唯一编码标识，其中，一个存储空间对应存储一个传感器产生的状态数据，并生成异常反馈集合，记为g(ii)={fp1，fp2，...，fpn}，其中，ii表示存储空间附加的唯一编码标识，i为传感器的编号，fp1，fp2，...，fpn分别表示传感器感知到的第1，2，...，n个状态数据；

33、步骤s102：架构异常运行状态行为感知模型，所述异常运行状态行为感知模型调取运维数据库中存储的各个异常反馈集合，形成异常运行状态行为集合，所述异常运行状态行为集合中包括若干个子项集，且每个子项集为被监测对象出现异常情况时，以传感器同步感知行为为导向，所述异常运行状态行为感知模型统筹的各个同步感知的传感器对应产生的异常反馈集合；

34、根据上述方法，工业体系行业中拥有大量依赖于传感器才能正常运行的机器或系统或互联设备的集群，在过程流中联网的传感器需要连续不断地感知控制集群中的反馈信息参数，并通过传输通道进行数据的传输；现有技术中，传输通道的协议架构往往是固定局限的，进而导致，在执行大量的数据传输任务过程中，限制了各个传感器反馈数据的传输效率，同时现有技术中，一般通过直接传输模型和基于网络的传输模型，进行数据的传输，但是，实际控制体系中的集群设备存在不同运行特征的情况，进而数据传输伴随着一定的同步现象，且传感器感知反馈异常数据的频次也存在不同，则数据在传输过程中的传输通道占用情况往往伴随着实际控制体系中的集群设备的不同运行特征变化而变动，继而往往很难保证数据传输通道决策的平衡性；在本技术发明中，架构运维数据库，使传感器感知到的反馈信息参数能够在统一划分的存储空间中进行存储，同时架构异常运行状态行为感知模型，进一步结合异常反馈集合，来统筹不同的异常运行状态行为特征，因为在不同的异常运行状态行为特征下，各传感器反馈的信息参数能够有规律的表达，尤其是在实际控制体系中的集群设备的不同运行状态特征下，通过传感器的同步感知来展现不同的异常运行状态行为特征。

35、进一步的，所述步骤s200的具体实施过程包括：

36、步骤s201：对异常运行状态行为集合进行统筹并统一编号，且一个异常运行状态行为集合对应一种异常运行状态行为，将任意一个异常运行状态行为集合标记为sbj={gj(i1)，gj(i2)，...，gj(im)}，其中，sbj表示第j种异常运行状态行为对应的异常运行状态行为集合，gj(i1)，gj(i2)，...，gj(im)分别表示在第j种异常运行状态行为下，第1，2，...，m个传感器同步感知时，各传感器对应产生的异常反馈集合；

37、步骤s202：根据异常运行状态行为集合，为分析异常运行状态行为之间的同化情况，建立同化数据样本库，存入全部异常运行状态行为集合，将所述同化数据样本库记为r；

38、根据上述方法，同化是指不相似或不相同的事物逐渐变得相似或相同，继而同化的过程可以表达为一切把他物纳入自己的规则体系之下的行为,以及这些过程中使用的方法和工具的行为，继而，在本技术发明中，针对实际控制体系中的集群设备的不同运行状态特征，通过同化分析，来对不同运行状态特征，即异常运行状态行为进行关联。

39、进一步的，所述步骤s300的具体实施过程包括：

40、步骤s301：构建同化关系迭代模型，令第l次迭代样本集为rl，则第一次迭代样本集为r1，且r1=r；在第l次迭代样本集rl中任意选取一个异常行为状态集合sbx作为同化媒介，记为l：sbx，在第l次迭代样本集rl中除异常行为状态集合sbx外任意选取一个异常行为状态集合sby作为同化目标，记为l：sby，其中，x、y分别为第x、y种异常运行状态行为的编号，x≠y；

41、则第l+1次迭代样本集，令第l次迭代输出集为srl(sbx)，分析异常运行状态行为之间的同化情况，进行第l次同化关系迭代的过程如下：

42、，

43、其中，ap(sbx→sby)表示同化媒介与同化目标之间的匹配同化概率，num[gx(ii)∩gy(ii)]表示异常行为状态集合sbx和异常行为状态集合sby中，相同存储空间ii对应产生的异常反馈集合gx(ii)和gy(ii)之间的交集中包含的状态数据数量，num[gx(ii)∪gy(ii)]表示异常行为状态集合sbx和异常行为状态集合sby中，相同存储空间ii对应产生的异常反馈集合gx(ii)和gy(ii)之间的并集中包含的状态数据数量；

44、预设同化概率阈值，如果ap(sbx→sby)大于等于同化概率阈值，则将异常行为状态集合sby存入到第l次迭代输出集srl(sbx)中，反之不存入；在第l次迭代样本集rl中选取下一个同化目标继续与同化媒介l：sbx进行匹配同化，直到第l次迭代样本集rl中所有同化目标匹配同化完成，输出第l次迭代输出集srl(sbx)，并进行第l+1次同化关系迭代；

45、直到同化数据样本库r中所有异常运行状态行为集合完成匹配同化时，同化关系迭代停止；

46、步骤s302：根据同化关系迭代结果，统筹每一次迭代输出集；将每一个迭代输出集范围内的异常运行状态行为集合对应的异常运行状态行为作为聚类研判对象，生成同化关系行为对，记为qx→{q1，q2，...，qy，...，qw}，其中，qx，q1，q2，...，qy，...，qw分别表示第x，1，2，...，y，...，w种异常运行状态行为；记录每一种异常运行状态行为发生时的时间，并生成同步时间集，其中，将同化媒介l：sbx对应的异常运行状态行为qx生成的同步时间集记为t(qx)={t1，t2，...，ta}，根据同化关系行为对，将{q1，q2，...，qy，...，qw}中任意一个同化目标l：sby对应的异常运行状态行为qy生成的同步时间集记为t(qy)={t1，t2，...，tb}，其中，t1，t2，...，ta分别表示异常运行状态行为qx第1，2，...，a次发生的时间，t1，t2，...，tb分别表示异常运行状态行为qy第1，2，...，b次发生的时间；

47、根据上述方法，要对同化情况进行分析，即是在异常运行状态行为之间找寻，基于传感器同步感知行为为导向的，数据同步传输过程中的时间分布规律，继而，本技术发明构建同化关系迭代模型，在每一次迭代过程中，找寻异常运行状态行为之间的关联关系，即输出迭代输出集，在一个迭代输出集srl(sbx)中，当异常行为状态集合sbx发生时，根据匹配同化概率，则异常行为状态集合sby也有很大可能发生，匹配同化概率值越大，则异常行为状态集合sby发生的概率也越大；同时，当选取一个异常行为状态集合sbx作为同化媒介，进行与不同同化目标之间匹配同化分析后，输出了迭代输出集srl(sbx)后，则在下一次迭代中就不能再以异常行为状态集合sbx作为同化媒介了，继而第l+1次迭代样本集，其中，就是将前l+1次迭代的同化媒介进行统筹，并在第l+1次迭代剔除不再关联分析，从而减少数据的运算量和提高同化关系分析的全面性。

48、进一步的，所述步骤s400的具体实施过程包括：

49、步骤s401：建立一维坐标时间线，将同步时间集t(qy)在一维坐标时间线上进行映射并划分连续的时间区间，共得到b-1个连续时间区间，截取任意一个连续时间区间，记为ttu：tu-1～tu；同时将同步时间集t(qx)在一维坐标时间线上进行映射，并获取连续时间区间内包含的同步时间集t(qx)的子集，生成区间时间集，记为t[ttu]={t1，t2，...，tc}；

50、步骤s402：根据区间时间集，研判异常运行状态行为qy的发生时间，计算区间研判时间v{t[ttu]}=c-1σd=1c(td-tu)；在所有的区间研判时间中分别选取最大和最小值，记为vmax和vmin；

51、如果当前异常运行状态行为qx发生的时间为t0，则根据同化关系行为对，输出异常运行状态行为qy发生的时间范围为[t0+vmin，t0+vmax]，并提示工作人员将异常运行状态行为集合sby中各异常反馈集合对应的传感器，在时间范围[t0+vmin，t0+vmax]内的传输通道保持畅通；

52、根据上述方法，在确定了同化关系后，即每一次的迭代输出集，生成同化关系行为对，并根据时间集映射情况，结合连续时间区间的区间研判时间，分析由同化媒介对应的异常运行状态行为，来推导预测出同化目标对应的异常运行状态行为的发生时间，从而同化目标对应的异常运行状态行为中，存在的各个同步感知的传感器，则在时间范围[t0+vmin，t0+vmax]内的传输通道需要保持畅通。

53、与现有技术相比，本发明所达到的有益效果是：本发明提供的基于大数据的运行状态智能监控数据传输系统及方法中，架构运维数据库，使传感器的反馈数据在统一划分的存储空间中进行存储，架构异常运行状态行为感知模型，结合异常反馈集合，形成不同的异常运行状态行为特征；针对控制体系中的集群设备的运行状态特征，通过同化分析，来对异常运行状态行为进行关联，形成同化数据样本库；构建同化关系迭代模型，找寻异常运行状态行为之间的关联关系，形成同化关系行为对；结合区间研判时间，分析由同化媒介来推导预测出同化目标的发生时间，挖掘基于传感器同步感知行为为导向的，数据同步传输过程中的时间分布规律；从而保证数据传输通道决策的平衡性，提高数据传输的效率。