本申请涉及数据处理领域，且更为具体地，涉及一种基于云边协作的数据处理方法及系统。
背景技术：
1、自动化装配机器是一种广泛应用于工业生产中的设备，它可以实现高效、精确、稳定的装配过程。然而，自动化装配机器在运行过程中可能会受到各种因素的影响，导致设备状态出现异常，如振动过大、温度过高等，这些异常可能会影响装配质量，甚至造成设备损坏或人员伤害。因此，对自动化装配机器的状态进行实时监测和诊断是非常重要的。
2、然而。传统的数据处理方法通常是将部署于被监控设备上的多个传感器采集的数据直接上传至云端数据处理平台，然后在云端进行数据分析和故障诊断。但是，一般传感器监测的数据量较大，这增加了传输过程中的网络带宽和延迟的开销。此外，直接将数据上传至云端数据处理平台的数据隐私风险高，容易造成数据泄露或篡改。
3、因此，期望一种基于云边协作的数据处理方案。
技术实现思路
1、为了解决上述技术问题，提出了本申请。本申请提供了一种基于云边协作的数据处理方法及系统，其可以利用边缘计算技术，在边缘端对传感器采集到的关于自动化装配机器的多项运行状态数据进行预处理和时序关联特征提取，这样减少了数据传输量和隐私风险，然后，将自动化装配机器的多参数运行状态数据特征传输到云端数据处理平台中进行关联融合分析和语义表征，以此综合自动化装配机器的多参数运行状态数据的关联关系和时序协同变化来进行设备工作状态的检测。
2、根据本申请的一个方面，提供了一种基于云边协作的数据处理方法，其包括：
3、在第一边缘计算节点接收来自于部署于被监控设备的第一传感器采集的第一传感器数据的时间序列；
4、在第二边缘计算节点接收来自于部署于所述被监控设备的第二传感器采集的第二传感器数据的时间序列；
5、在所述第一边缘计算节点对所述第一传感器数据的时间序列进行特征提取以得到第一传感器数据局部时序关联特征向量的序列；
6、在所述第二边缘计算节点对所述第二传感器数据的时间序列进行特征提取以得到第二传感器数据局部时序关联特征向量的序列；
7、将所述第一传感器数据局部时序关联特征向量的序列和所述第二传感器数据局部时序关联特征向量的序列传输至云端数据处理平台进行设备状态多模态数据时序语义融合表征以得到设备状态多传感器数据时序表征语义特征；以及
8、基于所述设备状态多传感器数据时序表征语义特征，确定被监控设备的工作状态是否存在异常。
9、根据本申请的另一个方面，提供了一种基于云边协作的数据处理系统，其包括：
10、第一数据采集模块，用于在第一边缘计算节点接收来自于部署于被监控设备的第一传感器采集的第一传感器数据的时间序列；
11、第二数据采集模块，用于在第二边缘计算节点接收来自于部署于所述被监控设备的第二传感器采集的第二传感器数据的时间序列；
12、第二特征提取模块，用于在所述第一边缘计算节点对所述第一传感器数据的时间序列进行特征提取以得到第一传感器数据局部时序关联特征向量的序列；
13、第二特征提取模块，用于在所述第二边缘计算节点对所述第二传感器数据的时间序列进行特征提取以得到第二传感器数据局部时序关联特征向量的序列；
14、语义融合模块，用于将所述第一传感器数据局部时序关联特征向量的序列和所述第二传感器数据局部时序关联特征向量的序列传输至云端数据处理平台进行设备状态多模态数据时序语义融合表征以得到设备状态多传感器数据时序表征语义特征；以及
15、状态分析模块，用于基于所述设备状态多传感器数据时序表征语义特征，确定被监控设备的工作状态是否存在异常。
16、与现有技术相比，本申请提供的基于云边协作的数据处理方法及系统，其首先在第一边缘计算节点对第一传感器数据的时间序列进行特征提取以得到第一传感器数据局部时序关联特征向量的序列，接着，在第二边缘计算节点对第二传感器数据的时间序列进行特征提取以得到第二传感器数据局部时序关联特征向量的序列，然后，将所述第一传感器数据局部时序关联特征向量的序列和所述第二传感器数据局部时序关联特征向量的序列进行设备状态多模态数据时序语义融合表征以得到设备状态多传感器数据时序表征语义特征，最后，基于所述设备状态多传感器数据时序表征语义特征，确定被监控设备的工作状态是否存在异常。这样，可以降低设备故障和停机时间，提高装配效率和质量。
1.一种基于云边协作的数据处理方法，其特征在于，包括：
2.根据权利要求1所述的基于云边协作的数据处理方法，其特征在于，所述被监控设备为自动化装配机器，所述第一传感器数据为所述自动化装配机器的振动幅度值，所述第二传感器数据为所述自动化装配机器的温度值。
3.根据权利要求2所述的基于云边协作的数据处理方法，其特征在于，将所述第一传感器数据局部时序关联特征向量的序列和所述第二传感器数据局部时序关联特征向量的序列传输至云端数据处理平台进行设备状态多模态数据时序语义融合表征以得到设备状态多传感器数据时序表征语义特征，包括：
4.根据权利要求3所述的基于云边协作的数据处理方法，其特征在于，在所述云端数据处理平台，使用特征向量粒度注意力交互层对所述第一传感器数据局部时序关联特征向量的序列和所述第二传感器数据局部时序关联特征向量的序列进行双向注意力交互以得到设备状态多传感器数据时序表征语义特征向量作为所述设备状态多传感器数据时序表征语义特征，包括：
5.根据权利要求4所述的基于云边协作的数据处理方法，其特征在于，基于所述设备状态多传感器数据时序表征语义特征，确定被监控设备的工作状态是否存在异常，包括：
6.根据权利要求5所述的基于云边协作的数据处理方法，其特征在于，对所述设备状态多传感器数据时序表征语义特征向量进行特征分布优化以得到优化设备状态多传感器数据时序表征语义特征向量，包括：
7.根据权利要求6所述的基于云边协作的数据处理方法，其特征在于，将所述优化设备状态多传感器数据时序表征语义特征向量通过分类器以得到分类结果，所述分类结果用于表示被监控设备的工作状态是否存在异常，包括：
8.一种基于云边协作的数据处理系统，其特征在于，包括：
9.根据权利要求8所述的基于云边协作的数据处理系统，其特征在于，所述被监控设备为自动化装配机器，所述第一传感器数据为所述自动化装配机器的振动幅度值，所述第二传感器数据为所述自动化装配机器的温度值。
10.根据权利要求9所述的基于云边协作的数据处理系统，其特征在于，所述语义融合模块，包括：
