CN104075749A - 物联网中设备异常状态检测的方法及*** - Google Patents

Abstract

本发明公开了一种物联网中设备异常状态检测的方法及***。其中该方法包括如下步骤：接收设备运行状态的检测信息，并对检测信息进行分析，得到设备的设备状态；判断设备状态与状态空间中的任一已存储设备状态之间的相似度是否在预设范围内；若是，则判定设备正常运行；若否，则发出设备可能异常的虚报警信息。其对设备运行状态的判断综合多个因素，不单纯依赖传感器的读值，判断准确，且预先存储多个正常运行状态，设备当前的运行状态与每个正常运行状态都进行比较，能够有效降低误报率。

Description

物联网中设备异常状态检测的方法及***

技术领域

本发明涉及物联网领域，尤其涉及一种物联网中设备异常状态检测的方法及***。 

背景技术

工业物联网将具有感知、监控能力的各类采集或控制传感或控制器、以及泛在技术、移动通信、智能分析等技术不断融入到工业生产过程各个环节，实现将传统工业提升到智能化的新阶段的目标。从应用形式上，工业物联网的应用具有实时性、自动化、嵌入式(软件)、安全性、和信息互通互联性等特点。 

物联网中涉及的设备比较多，通常需要对设备的运行状态进行监控，以便及时发现设备的异常运行。传统技术中，大多数分布式控制***(Distributed Control System，DCS)在进行设备监控时，过多的依赖设备传感器的读值是否超出范围(阈值)来衡量工业设备或生产的状态。然而，实际生产过程受诸多生产因素影响，在生产过程中，由于产能的调整需求导致的设备生产状态变化而使设备传感器读值超出范围，与由于设备故障造成的状态变化不易区分，极易导致告警频繁及误报。 

发明内容

基于此，有必要针对传统技术中单纯依靠设备传感器的读值判断设备运行状态，容易造成误报的问题，提供一种误报率低的物联网中设备异常状态检测的方法及***。 

为实现本发明目的提供的一种物联网中设备异常状态检测的方法，包括以下步骤： 

接收设备运行状态的检测信息，并对所述检测信息进行分析，得到所述设 备的设备状态； 

判断所述设备状态与状态空间中的任一已存储设备状态之间的相似度是否在预设范围内； 

若是，则判定设备正常运行； 

若否，则发出设备可能异常的虚报警信息。 

作为一种物联网中设备异常状态检测的方法的可实施方式，步骤若否，则发出设备可能异常的虚报警信息之后，还包括以下步骤： 

等待用户对所述虚报警信息的确认信息； 

当接收到用户输入的确认所述虚报警信息对应设备异常运行状态时，发出设备异常报警； 

当接收到用户输入的确认所述虚报警信息对应设备正常运行状态时，将所述设备状态存储到所述状态空间中。 

作为一种物联网中设备异常状态检测的方法的可实施方式，所述将所述设备状态存储到所述状态空间中之后，还包括以下步骤： 

判断所述状态空间中存储的所述设备状态的数量是否大于预设值； 

若是，则采用增量式聚类的方法优化所述状态空间； 

若否，则结束本次设备异常状态检测。 

作为一种物联网中设备异常状态检测的方法的可实施方式，所述设备运行状态的检测信息通过与所述设备相连接的传感器获得。 

作为一种物联网中设备异常状态检测的方法的可实施方式，所述对所述检测信息进行分析，得到所述设备的设备状态，包括以下步骤： 

以预设宽度的时间窗口截取所述检测信息； 

拟合所截取的预设宽度内的所述检测信息的斜率； 

所述斜率的个数与所述检测信息所包含的检测项目数相等； 

所述设备状态为由所述斜率构成的向量； 

所述已存储设备状态为预先存储的预设向量。 

作为一种物联网中设备异常状态检测的方法的可实施方式，判断所述设备 状态与状态空间中的任一已存储设备状态之间的相似度是否在预设范围内，包括以下步骤： 

计算设备状态的向量与所有的所述预设向量之间的余弦夹角； 

判断最小的所述余弦夹角是否小于预设夹角； 

若是，则所述相似度在预设范围内； 

若否，则所述相似度不在预设范围内。 

作为一种物联网中设备异常状态检测的方法的可实施方式，所述采用增量式聚类的方法优化所述状态空间，包括以下步骤： 

增大所述相似度的预设范围到第一预设范围； 

将相似度在所述第一预设范围的两个所述已存储的设备状态合并为一个新的设备状态，并存储到所述状态空间中； 

所述第一预设范围在下一设备异常状态检测循环中作为新的预设范围。 

基于相同发明构思的一种物联网中设备异常状态检测的***，包括信息接收分析模块、第一判断模块、第一执行模块和第二执行模块，其中： 

所述信息接收分析模块，用于接收设备运行状态的检测信息，并对所述检测信息进行分析，得到所述设备的设备状态； 

所述第一判断模块，用于判断所述信息接收分析模块生成的所述设备状态与状态空间中的任一已存储设备状态之间的相似度是否在预设范围内； 

所述第一执行模块，用于根据所述第一判断模块的判断结果，当所述相似度在所述预设范围内时，判定设备正常运行，等待进行下一循环的设备异常检测； 

所述第二执行模块，用于根据所述第一判断模块的判断结果，当所述相似度不在所述预设范围内时，发出设备可能异常的虚报警信息。 

作为一种物联网中设备异常状态检测的***的可实施方式，还包括报警模块和存储执行模块，其中： 

所述报警模块，用于当接收到用户输入的确认所述虚报警信息对应设备异常运行状态时，发出设备异常报警； 

所述存储执行模块，用于当接收到用户输入的确认所述虚报警信息对应设备正常运行状态时，将所述设备状态存储到所述状态空间中。 

作为一种物联网中设备异常状态检测的***的可实施方式，还包括第二判断模块、第三执行模块和第四执行模块，其中： 

所述第二判断模块，用于判断所述状态空间中存储的所述设备状态的数量是否大于预设值； 

所述第三执行模块，用于根据所述第二判断模块的判断结果，当大于预设值时，采用增量式聚类的方法优化所述状态空间； 

所述第四执行模块，用于根据所述第二判断模块的判断结果，当小于等于预设值时，结束本次设备异常状态检测。 

作为一种物联网中设备异常状态检测的***的可实施方式，还包括连接设备的传感器，所述信息接收分析模块接收所述传感器反馈的所述设备运行状态的检测信息。 

本发明的有益效果包括： 

本发明提供的一种物联网中设备异常状态检测的方法及***，综合设备的多个检测信息构成设备状态，并将设备状态与预存的设备正常运行的状态进行比较。如果运行状态与预设运行状态差别很大，则发出可能为异常运行的虚报警信息，提醒相关人员进行确认处理。若设备运行状态相对于状态空间中已存储的运行状态差别不大，则认为设备运行正常。对设备运行状态的判断综合多个因素，不单纯依赖传感器的读值，判断准确，且预先存储多个正常运行状态，设备当前的运行状态与每个正常运行状态都进行比较，能够有效降低误报率。同时可随着检测次数的增加对状态空间不断进行优化，更加提供设备异常报警的准确率。 

附图说明

图1为本发明一种物联网中设备异常状态检测的方法的一具体实施例的流程图； 

图2为本发明一种物联网中设备异常状态检测的方法的另一具体实施例的流程图； 

图3为本发明一种物联网中设备异常状态检测的方法的再一具体实施例的流程图； 

图4为本发明一种物联网中设备异常状态检测的方法的时间窗口示意图； 

图5a-5d为本发明一种物联网中设备异常状态检测的方法的一具体实施例的设备状态加入状态空间的示意图； 

图6为一具体实例的不同时间窗口检测效果图； 

图7为一具体实例的不同状态空间存储量的聚合次数示意图； 

图8为本发明一种物联网中设备异常状态检测的***的一具体实施例的构成示意图； 

图9为本发明一种物联网中设备异常状态检测的***的另一具体实施例的构成示意图； 

图10为本发明一种物联网中设备异常状态检测的***的再一具体实施例的构成示意图。 

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图对本发明的物联网中设备异常状态检测的方法及***的具体实施方式进行说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。 

本发明一实施例的物联网中设备异常状态检测的方法，如图1所示，包括以下步骤： 

S100，接收设备运行状态的检测信息，并对所述检测信息进行分析，得到所述设备的设备状态。 

可通过物联网设备自身带的传感器检测设备的运行状态信息，也可根据需要在物联网设备上安装相应的传感器，如压力传感器，温度传感器，震动传感器等。设置在设备上的传感器可以为一个，也可以为多个。 

S200，判断所述设备状态与状态空间中的任一已存储设备状态之间的相似度是否在预设范围内。 

此处需要说明的是，需要根据所监控的设备预先构建存储多种设备正常运行的设备状态的状态空间。一般情况下，状态空间中所包含的已存储设备状态中包含的传感器的检测信息的种类与设备异常检测时所接收的传感器的检测信息种类相同，且包含的检测参量数目一致。 

S300，若是，则判定设备正常运行。 

设置状态空间，并设定相似度的标准。将步骤S100得到的设备状态与状态空间中每个已存储设备状态进行比较，只要当前的设备状态与任意一个已存储设备状态的相似度在预设范围内，则认为当前设备是正常运行的。其执行原理可这样理解，若设备当前的运行状态和一个已知正常运行的状态足够接近的话，那么这个状态也可被认为是正常运行状态。因为，当设备异常运行时，往往会造成设备某个或者某些参数发生突变。 

S400，若否，则发出设备可能异常的虚报警信息。 

如果检测到的当前的设备状态与预存的状态空间中的所有状态都有比较大的差别(相似度低，不在预设相似度范围内)，那么则认为此状态可能为设备异常运行状态，发出报警信息。 

此处需要说明的是，所述虚报警信息是指当前并不能肯定设备一定处于异常状态，其最终是否确定为异常状态由设备调试人员或者设备监测人员确定。 

作为一种特例，状态空间在开始异常检测的时候也可以为空，则此时检测到的第一设备状态无比较对象可直接发出设备可能异常的虚报警信息。 

本发明实施例的物联网中设备异常状态检测的方法，综合设备的多个检测信息构成设备状态，并将设备状态与预存的设备正常运行的状态进行比较。如果运行状态与预设运行状态差别很大，则发出可能为异常运行的虚报警信息，提醒相关人员进行确认处理。若设备运行状态相对于状态空间中已存储的运行状态差别不大，则认为设备运行正常。对设备运行状态的判断综合多个因素，不单纯依赖传感器的读值，判断准确，且预先存储多个正常运行状态，设备当 前的运行状态与每个正常运行状态都进行比较，能够有效降低误报率。 

在其中一个实施例中，如图2所示，发出设备可能异常的虚报警信息之后，还包括以下步骤： 

S500，等待用户对所述虚报警信息的确认信息。 

S600，当接收到用户输入的确认所述虚报警信息对应设备异常运行状态时，发出设备异常报警。由用户(设备调试人员或者设备监测人员)根据虚报警信息对设备运行状态进行确认。用户可实地查看设备的真实运行状态，也可根据经验判断某些参数的变化是设备正常运行范围内的，从而确定设备当前的运行状态是否异常。当用户确定当前设备非正常运行时，则输入相应的确认信息，确认设备为异常运行状态。在实际操作中，可在本方法运行的计算机的显示界面显示正常运行或者异常运行的选择按钮。用户可根据判断结果进行选择，从而输入确认信息。 

S700，当接收到用户输入的确认所述虚报警信息对应设备正常运行状态时，将所述设备状态存储到所述状态空间中。当用户判断当前设备正常运行时，如前所述，则可选择设备异常运行的按钮，从而返回设备异常的输入信息。接收到用户提供的设备正常运行的确认信息后，需要将当前的设备状态存储到状态空间中，以便在下一次设备异常状态检测中将其作为正常运行状态作为参考。 

此处需要说明的是，将设备当前运行状态存储到状态空间后，当前的设备状态就成为状态空间中一个新的已存储设备状态用于下一异常检测中。 

本发明实施例的物联网中设备异常状态检测的方法，状态空间中正常运行状态的可随检测次数的增加逐步优化，以跟随设备真实的运行状态，这在实际使用中意义重大。 

较佳地，所述将所述设备状态存储到所述状态空间中之后，如图3所示，还可以包括以下步骤： 

S800，判断所述状态空间中存储的所述设备状态的数量是否大于预设值。 

随着设备运行，可能不断有新的设备正常运行状态出现，如此，若把每个正常运行状态都存储到状态空间中，会导致后续计算相似度时，计算开销增大， 影响算法性能。因此，需要对状态空间中能够存储的设备状态的总数进行限制。如设置最大值为8、10或者12等，具体数值可依据本发明方法的程序执行主体的性能及所检测的物联网中的设备运行精度要求进行设定。 

S900，若是，则采用增量式聚类的方法优化所述状态空间。 

S1000，若否，则结束本次设备异常状态检测。 

本发明实施例的物联网中设备异常状态检测的方法，在满足设备异常检测要求的前提下，对状态空间中的设备状态的数目进行限制，降低计算量，加快检测速度。同时，采用增量式聚类的方式对状态空间进行优化，使状态空间中的已存储设备状态更具代表性，设备异常检测更加精准，使虚报警信息出现的频率更低，逐步减少人工操作，更加智能化。 

作为一种可实施方式，步骤S100中，对所述检测信息进行分析，得到所述设备的设备状态，包括以下步骤： 

S110，以预设宽度的时间窗口截取所述检测信息。 

S120，拟合所截取的预设宽度内的所述检测信息的斜率。其中，斜率的个数与所述检测信息所包含的检测项目数相等。 

得到检测信息的斜率之后，将所有斜率构成一个向量作为前述的设备状态。当然已存储设备状态也为预先存储的预设向量。 

对于设备状态的向量，做以下详细说明： 

将生产设备某一个时刻的状态S_Dt表示为相关传感器读值的集合： 

S_Dt＝{v₁,v₂,...,v_n}  v∈D    (1) 

其中，v代表隶属于设备D的传感器的读值，传感器与生产设备关联关系确定可依据以下三条基本原则： 

1)监控同一设备的传感器，应归入本设备传感器集合； 

2)传感器数量增多将导致设备状态变迁空间维度过度膨胀，需进一步细化(本发明实施例中数量上限设定为8)。例如可依据传感器相对位置进行细划，分入口、出口、直属三类； 

3)允许仅有一个传感器表征设备状态的情况出现。 

对隶属于同一设备传感器的读值流，如图4所示，依据时间维度滑动固定宽度为T的窗口，并同时拟合窗口内读值的斜率。可采用最小二乘法计算传感器读值斜率，其表达式为： 

$\mathrm{\α}=\frac{\mathrm{\ΣY}}{n}-\frac{\mathrm{\β\ΣX}}{n},\mathrm{\β}=\frac{\mathrm{n\ΣXY}-\mathrm{\ΣX\ΣY}}{\mathrm{n\Σ}{X}^2-{\left(\mathrm{\ΣX}\right)}^2}---\left(2\right)$

依据拟合计算的结果，在时间窗T内，设备D的设备状态表示为向量： 

S_DT＝{k₁,k₂,...,k_n}    (3) 

其中，k_i代表传感器s_i在宽度为T的窗口内的斜率。显然，k_i取值越大，则设备越有可能发生状态变迁。需要说明的是，k之间具有相对独立性，也就是不同传感器的变化不一定符合相同趋势。例如，在等压的环境下，压力不变，温度则会发生变化；对于加热塔等设备，入口的温度变化会较出口显著。 

在进行设备异常状态检测时，将S_DT与状态空间中已存储的设备状态进行比较，判断当前设备是否为异常状态。 

需要说明的是，此处选择窗口T为10S，前述的当前设备运行状态为对应时间窗口的设备运行状态。窗口的大小可根据实际需求进行选择。 

结合前述的设备状态的向量，步骤S200，判断所述设备状态与状态空间中的任一已存储设备状态之间的相似度是否在预设范围内，包括以下步骤： 

S210，计算设备状态的向量与所有的所述预设向量之间的余弦夹角； 

S220，判断最小的所述余弦夹角是否小于预设夹角，若是，则所述相似度在预设范围内；若否，则所述相似度不在预设范围内。 

结合前述的拟合斜率，本发明实施例的设备状态的向量S_DT实质上为设备状态变迁向量，状态空间为状态变迁空间，采用基于状态变迁空间的状态检测算法(Status Space based Detection，SSD)对设备的异常运行状态进行检测。 

为检测生产设备是否处于正常工作状态中，核心是判定当前的状态变迁是 否合理，换言之，从一个合理状态跃迁到另一个合理状态，是正常生产行为，反之，若出现一个新的设备状态，在用户确认状态正确性之前，应视之为异常状态。 

通常，生产设备稳定时，状态变迁窗口(前述的宽度为T的窗口)内读值斜率趋于0，此时的传感器读值已经不能有效的区分生产设备所处的状态。因此，应重点关注生产设备状态有效的跃迁过程，标识其状态的变化。同样以设备D为例，其有效状态变迁空间可定义为： 

Ω_D＝{S_DT1,S_DT2,...,S_DTm}  SIM(S_DTi,S_DTj)＞λ    (4) 

其中状态变迁空间Ω_D的构建过程如图5a至图5d所示： 

假设初始状态，设备尚未发生状态变迁，此时如图5a所示。 

随着设备运行状态变化，不断的有新的状态变迁向量，如S₁，S₂加入到状况变迁空间中，其加入过程如图5b所示。 

对于新采集到的状态变迁向量S，计算其与已有向量的相似度，我们采用余弦夹角表示相似程度，如图5c所示。 

若min(Θ₁，Θ₂)>Θ_λ，则视S为新的变化趋势，将其合并入状态变迁空间，即前述的状态空间，中，如图5d所示。 

具体的，步骤S900，采用增量式聚类的方法优化所述状态空间，包括以下步骤： 

S910，增大所述相似度的预设范围到第一预设范围。作为一种可实施方式，可以倍增的方式增大相似度范围。 

S920将相似度在所述第一预设范围的两个所述已存储的设备状态合并为一个新的设备状态，并存储到所述状态空间中。相似度范围增大后，已经存储到状态空间中的多个设备状态中会出现相邻的两个设备状态之间的相似度在新的第一预设范围内，此时将邻近的两个设备状态合成为一个设备状态，和成的方式可以采用将两个设备状态的参数进行平均的方式得到一个新的设备状态。 

而且，所述的第一预设范围在下一设备异常状态检测循环中作为新的预设 范围。 

此处需要说明的是，作为一种实施方式，若增大相似度的预设范围后，没有能够合并的设备状态，可重复执行步骤S910和步骤S920。 

对于前述的状态空间Ω_D，具体可采用如下步骤进行状态空间的优化： 

1)状态变迁空间内向量数目q+1超过限制P，执行步骤2； 

2)取Θ'λ＝2*Θλ；i＝1； 

3)分别计算每一对相邻向量的夹角，并由小到大排序{Θ1,Θ2,...,Θq}； 

4)若Θi<Θ'λ,则合并Θi两侧的向量(对这两个向量每个维度的数值进行平均，生成一个新的向量)，令Θλ＝Θ'λ，i＝i+1； 

5)若i<q，且状态空间中的向量个数q+1>P，重复步骤3至步骤5； 

6)聚合过程结束。 

若聚合过程结束，状态空间中向量的数目还是超过限制P，则发出严重报警，请调试人员或者设备监控人员再次确认新加入的设备状态是否是设备正常状态。如果确实是设备正常运行状态，则可考虑调整状态空间中的数目限制P的大小，增加手动增加新的已存储设备状态。 

下面结合一个某工厂的实际生产监测数据作为实验样本说明时间窗口及状态空间中设备状态数量的预设值的选取。 

选取3个典型生产设备数据，采样频率为每分钟12次，采样时间2013.3.1至2013.4.30内的变化情况，对1,054,080条数据进行统计分析。如表1所示：设备D1由两个传感器表征，取值维持在均值附近波动，较少体现出状态变迁，故稳定性强；设备D2也由两个传感器监测，但某一个变化范围教大，且出现多次跳变，定性其稳定性弱；设备D3由三个传感器表征状态，稳定性不统一。 

表1  测试数据样本 

SSD算法中，使用滑动的时间窗口拟合设备关联传感器的数据，窗口大小与设备状态变迁的检出强相关。试验中，取窗口大小为60S、120S、240S和600S，取Θ_λ＝3度角，分别统计检出次数。结果如图6所示。 

当窗口T＝60S时，落入Θ_λ的有效状态较少，设备1仅检出12次，设备2检出60次，设备3检出54次；随窗口增大，在T＝120S时，共计24条记录被窗口覆盖，此时，达到最大的检出效果，设备2达到了90次状态检出；随窗口增大，在T＝600S时，检出效果逐渐变差，这是由于过大窗口使得变化斜率实时性变差。同时，本实验中的检出次数与原始数据集的观察规律相符合，D1最为稳定，故检出次数最少。可见，对于本次样本，采用120S的状态变迁窗口检出状态最为合适。 

下面讨论聚合次数发生与状态变迁空间大小预设值P之间的关系。取P为6，8，10与12，分别计算当窗口为120S、初始值Θ_λ＝1度角时SSD算法中聚合发生的次数，得结果如图7所示。随着预设值P的逐渐增大，聚合次数均呈现减少的趋势。但是，当P取值为8和10时，对于设备2均发生了5次聚合，也就是说，聚合次数相对于空间大小并不十分敏感，考虑计算的高效性，可取正常的状态空间大小为8或者10。 

基于同一发明构思，本发明还提供一种物联网中设备异常状态检测的***，由于此***解决问题的原理与前述的一种物联网中设备异常状态检测的***方法相似，因此，该***的实施可以按照前述方法的具体步骤实现，重复之处不再赘述。 

本发明一实施例的物联网中设备异常状态检测的***，如图8所示，包括信息接收分析模块100、第一判断模块200、第一执行模块300和第二执行模块 400。其中：信息接收分析模块100，用于接收设备运行状态的检测信息，并对所述检测信息进行分析，得到所述设备的设备状态；第一判断模块200，用于判断所述信息接收分析模块生成的所述设备状态与状态空间中的任一已存储设备状态之间的相似度是否在预设范围内；第一执行模块300，用于根据所述第一判断模块的判断结果，当所述相似度在所述预设范围内时，判定设备正常运行，等待进行下一循环的设备异常检测；第二执行模块400，用于根据所述第一判断模块的判断结果，当所述相似度不在所述预设范围内时，发出设备可能异常的虚报警信息。 

本发明实施例的物联网中设备异常状态检测的***，综合设备的多个检测信息构成设备状态，并将设备状态与预存的设备正常运行的状态进行比较。如果运行状态与预设运行状态差别很大，则发出可能为异常运行的虚报警信息，提醒相关人员进行确认处理。若设备运行状态相对于状态空间中已存储的运行状态差别不大，则认为设备运行正常。对设备运行状态的判断综合多个因素，不单纯依赖传感器的读值，判断准确，且预先存储多个正常运行状态，设备当前的运行状态与每个正常运行状态都进行比较，能够有效降低误报率。 

在其中一个物联网中设备异常状态检测的***的实施例中，如图9所示，还包括报警模块500和存储执行模块600。其中：报警模块500，用于当接收到用户输入的确认所述虚报警信息对应设备异常运行状态时，发出设备异常报警；存储执行模块600，用于当接收到用户输入的确认所述虚报警信息对应设备正常运行状态时，将所述设备状态存储到所述状态空间中。 

本发明实施例的物联网中设备异常状态检测的***，状态空间中正常运行状态的可随检测次数的增加逐步优化，以跟随设备真实的运行状态，这在实际使用中意义重大。 

在其中一个物联网中设备异常状态检测的***的实施例中，如图10所示，还包括第二判断模块700、第三执行模块800和第四执行模块900。其中：第二判断模块700，用于判断所述状态空间中存储的所述设备状态的数量是否大于预设值；第三执行模块800，用于根据所述第二判断模块的判断结果，当大于预设 值时，采用增量式聚类的方法优化所述状态空间；第四执行模块900，用于根据所述第二判断模块的判断结果，当小于等于预设值时，结束本次设备异常状态检测。 

本发明实施例的物联网中设备异常状态检测的***，在满足设备异常检测要求的前提下，对状态空间中的设备状态的数目进行限制，降低计算量，加快检测速度。同时，采用增量式聚类的方式对状态空间进行优化，使状态空间中的已存储设备状态更具代表性，设备异常检测更加精准，使虚报警信息出现的频率更低，逐步减少人工操作，更加智能化。 

在其中一个物联网中设备异常状态检测的***的实施例中，还包括连接设备的传感器，所述信息接收分析模块接收所述传感器反馈的所述设备运行状态的检测信息。 

以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。 

Claims (11)

1.一种物联网中设备异常状态检测的方法，其特征在于，包括以下步骤：

接收设备运行状态的检测信息，并对所述检测信息进行分析，得到所述设备的设备状态；

判断所述设备状态与状态空间中的任一已存储设备状态之间的相似度是否在预设范围内；

若是，则判定设备正常运行；

若否，则发出设备可能异常的虚报警信息。

2.根据权利要求1所述的物联网中设备异常状态检测的方法，其特征在于，步骤若否，则发出设备可能异常的虚报警信息之后，还包括以下步骤：

等待用户对所述虚报警信息的确认信息；

当接收到用户输入的确认所述虚报警信息对应设备异常运行状态时，发出设备异常报警；

当接收到用户输入的确认所述虚报警信息对应设备正常运行状态时，将所述设备状态存储到所述状态空间中。

3.根据权利要求2所述的物联网中设备异常状态检测的方法，其特征在于，所述将所述设备状态存储到所述状态空间中之后，还包括以下步骤：

判断所述状态空间中存储的所述设备状态的数量是否大于预设值；

若是，则采用增量式聚类的方法优化所述状态空间；

若否，则结束本次设备异常状态检测。

4.根据权利要求1所述的物联网中设备异常状态检测的方法，其特征在于，所述设备运行状态的检测信息通过与所述设备相连接的传感器获得。

5.根据权利要求1所述的物联网中设备异常状态检测的方法，其特征在于，所述对所述检测信息进行分析，得到所述设备的设备状态，包括以下步骤：

以预设宽度的时间窗口截取所述检测信息；

拟合所截取的预设宽度内的所述检测信息的斜率；

所述斜率的个数与所述检测信息所包含的检测项目数相等；

所述设备状态为由所述斜率构成的向量；

所述已存储设备状态为预先存储的预设向量。

6.根据权利要求5所述的物联网中设备异常状态检测的方法，其特征在于，判断所述设备状态与状态空间中的任一已存储设备状态之间的相似度是否在预设范围内，包括以下步骤：

计算设备状态的向量与所有的所述预设向量之间的余弦夹角；

判断最小的所述余弦夹角是否小于预设夹角；

若是，则所述相似度在预设范围内；

若否，则所述相似度不在预设范围内。

7.根据权利要求3所述的物联网中设备异常状态检测的方法，其特征在于，所述采用增量式聚类的方法优化所述状态空间，包括以下步骤：

增大所述相似度的预设范围到第一预设范围；

将相似度在所述第一预设范围的两个所述已存储的设备状态合并为一个新的设备状态，并存储到所述状态空间中；

所述第一预设范围在下一设备异常状态检测循环中作为新的预设范围。

8.一种物联网中设备异常状态检测的***，其特征在于，包括信息接收分析模块、第一判断模块、第一执行模块和第二执行模块，其中：

所述信息接收分析模块，用于接收设备运行状态的检测信息，并对所述检测信息进行分析，得到所述设备的设备状态；

所述第一判断模块，用于判断所述信息接收分析模块生成的所述设备状态与状态空间中的任一已存储设备状态之间的相似度是否在预设范围内；

所述第一执行模块，用于根据所述第一判断模块的判断结果，当所述相似度在所述预设范围内时，判定设备正常运行，等待进行下一循环的设备异常检测；

所述第二执行模块，用于根据所述第一判断模块的判断结果，当所述相似度不在所述预设范围内时，发出设备可能异常的虚报警信息。

9.根据权利要求8所述的物联网中设备异常状态检测的***，其特征在于，还包括报警模块和存储执行模块，其中：

所述报警模块，用于当接收到用户输入的确认所述虚报警信息对应设备异常运行状态时，发出设备异常报警；

所述存储执行模块，用于当接收到用户输入的确认所述虚报警信息对应设备正常运行状态时，将所述设备状态存储到所述状态空间中。

10.根据权利要求9所述的物联网中设备异常状态检测的***，其特征在于，还包括第二判断模块、第三执行模块和第四执行模块，其中：

所述第二判断模块，用于判断所述状态空间中存储的所述设备状态的数量是否大于预设值；

所述第三执行模块，用于根据所述第二判断模块的判断结果，当大于预设值时，采用增量式聚类的方法优化所述状态空间；

所述第四执行模块，用于根据所述第二判断模块的判断结果，当小于等于预设值时，结束本次设备异常状态检测。

11.根据权利要求8所述的物联网中设备异常状态检测的***，其特征在于，还包括连接设备的传感器，所述信息接收分析模块接收所述传感器反馈的所述设备运行状态的检测信息。