本技术涉及智能采集数据处理，具体涉及一种智能采集设备运行数据分析系统。
背景技术：
1、通过对智能采集设备的运行数据进行深入分析，可以及时发现设备的变化趋势、潜在磨损迹象或异常行为，从而进行故障预警并进行合理的维护，避免因智能采集设备的突发故障而造成额外的损失。智能扫描仪因其能够利用先进的光学捕捉、图像识别以及数据转换技术，可自动将纸质文档转化为便于处理的数字信息，属于智能采集设备中的一种。然而，一旦智能扫描仪出现故障，对于一些依赖智能扫描仪进行关键文本存档的场景而言，故障状态下的智能扫描仪将无法确保重要资料的安全备份，进而影响到信息资源的安全性。因此，对智能扫描仪的运行数据进行细致的异常检测与分析显得尤为重要。
2、然而，现有智能扫描仪运行数据的异常分析算法为未考虑到设备运行时的数据通常涉及多个维度，往往仅侧重于单一指标或简单的阈值判断，未能充分利用设备运行过程中的丰富信息，不能有效的对智能扫描仪的潜在故障进行预防和提示，使得智能采集数据的异常检测精度较差。
技术实现思路
1、为了解决上述技术问题，本技术的目的在于提供一种智能采集设备运行数据分析系统，所采用的技术方案具体如下：
2、本技术提出了一种智能采集设备运行数据分析系统，所述系统包括：
3、数据采集模块，采集智能扫描仪在每次扫描过程的智能扫描数据，智能扫描数据包括平均振动速度和扫描时间；分别将所有扫描过程的平均振动速度和扫描时间的归一化值组成的序列，记为振动数据序列和扫描时间数据序列；
4、智能采集数据处理模块，根据振动数据序列计算内部波动系数；根据扫描时间数据序列获得簇内扫描时间序列，结合内部波动系数获得扫描时间数据序列的分类异常程度；根据振动数据序列的内部波动系数与扫描时间数据序列的分类异常程度获得整体异常指数；根据振动数据序列中所有预设滑动窗口内元素之间的差异，获得分隔子序列；根据分隔子序列中所有预设滑动窗口内元素之间的差异获得振动波动子序列；对于扫描时间数据序列，采用与振动波动子序列相同的计算方法，获得时间波动子序列；根据时间波动子序列与振动波动子序列中相邻预设滑动窗口内元素之间的差异计算智能扫描数据的异常相关指数；结合整体异常指数与异常相关指数计算设备综合异常指数；
5、智能采集数据分析模块，根据设备综合异常指数计算异常判定指数；根据异常判定指数获取智能扫描仪的运行状态。
6、进一步，所述根据振动数据序列计算内部波动系数，包括：
7、获取振动数据序列中所有平均振动速度的最大值和最小值；计算所述最大值与所述最小值的差值；获取振动数据序列中所有平均振动速度的标准差；获取以自然常数为底数，以所述标准差为指数的指数函数；将所述指数函数的计算结果与所述差值的乘积作为振动数据序列的内部波动系数。
8、进一步，所述根据扫描时间数据序列获得簇内扫描时间序列，结合内部波动系数获得扫描时间数据序列的分类异常程度，包括：
9、对扫描时间数据序列采用聚类算法进行聚类，获得预设数量个聚类簇；
10、对于各聚类簇，将聚类簇中的所有元素按照从小到大的顺序排列获得簇内扫描时间序列；对簇内扫描时间序列，按照内部波动系数的计算方法，获得各聚类簇的簇内波动系数；计算聚类簇中所有元素的均值；获取聚类簇的簇心对应的元素与所述均值的差值绝对值；
11、计算所有聚类簇的簇内波动系数的均值，记为第一均值；计算所有聚类簇的所述差值绝对值的均值，记为第二均值；将第一均值与第二均值的乘积作为扫描时间数据序列的分类异常程度。
12、进一步，所述根据振动数据序列的内部波动系数与扫描时间数据序列的分类异常程度获得整体异常指数，包括：
13、将振动数据序列的内部波动系数与扫描时间数据序列的分类异常程度的乘积，作为智能扫描数据的整体异常指数。
14、进一步，所述根据振动数据序列中所有预设滑动窗口内元素之间的差异，获得分隔子序列，包括：
15、对于振动数据序列中以各元素为起始元素的预设长度的滑动窗口，计算所述滑动窗口中所有元素的极差；获得所述滑动窗口内所有相邻的元素的差值绝对值的均值；计算所述极差与所述均值的和值；获取所有所述和值的最大值对应的滑动窗口，记为第一分隔窗口；将第一分隔窗口中的第一个元素记为前分隔元素；将前分隔元素之后，包含前分割元素在内的所有元素组成的序列，记为振动数据序列的分隔子序列。
16、进一步，所述根据分隔子序列中所有预设滑动窗口内元素之间的差异获得振动波动子序列，具体包括：
17、将所述分隔子序列中所有所述和值的最小值对应的滑动窗口，记为第二分隔窗口；将第二分隔窗口中的最后一个元素记为后分隔元素；将所述分隔子序列中的后分隔元素之前，包含后分割元素在内的所有元素组成的序列，记为振动波动子序列。
18、进一步，所述根据时间波动子序列与振动波动子序列中相邻预设滑动窗口内元素之间的差异计算智能扫描数据的异常相关指数，包括：
19、计算振动数据序列与扫描时间数据序列之间的相关系数，记为第一相关系数；将振动波动子序列与时间波动子序列的长度的最小值作为截断长度；计算振动波动子序列与时间波动子序列从第一个元素开始到截断长度为止的序列之间的相关系数，记为第二相关系数；获取第一相关系数与第二相关系数的差值绝对值；计算振动波动子序列的赫斯特指数与时间波动子序列的赫斯特指数的和值；计算所述和值与预设调参系数的和值，记为第一和值；获取所述差值绝对值与第一和值的比值；获取振动波动子序列中各滑动窗口内所有元素的均值；计算振动波动子序列中相邻的滑动窗口的所述均值的差值绝对值，记为第一差值绝对值；获取振动波动子序列中所有相邻的滑动窗口的所述第一差值绝对值的均值；
20、获取振动波动子序列中所有元素的最大值与最小值的差值；将所述比值、所述差值与所述均值的乘积作为智能扫描数据的异常相关指数。
21、进一步，所述结合整体异常指数与异常相关指数计算设备综合异常指数，包括：将智能扫描数据的整体异常指数与异常相关指数的乘积作为设备综合异常指数。
22、进一步，所述根据设备综合异常指数计算异常判定指数，包括：
23、获取以自然常数为底数，以设备综合异常指数的相反数为指数的指数函数；将数字1与所述指数函数的计算结果的差值，作为异常判定指数。
24、进一步，所述根据异常判定指数获取智能扫描仪的运行状态，包括：若异常判定指数大于预设异常阈值，则智能扫描仪发生故障；反之，智能扫描仪运行状态正常。
25、本技术具有如下有益效果：
26、本技术通过分析智能扫描仪在正常状态下的振动程度特征，构建内部波动系数来检测智能扫描仪振动数据的整体波动程度，以提高异常数据与正常数据的区分度；之后通过分析智能扫描仪在固有模式下所花费的扫描时间特征，结合内部波动系数来构建分类异常程度，分类异常程度反映数据对各模式的隶属程度，凸显了异常数据在分类中的异常程度；进一步，结合分类异常程度和内部波动系数构建整体异常指数，综合考虑了智能扫描数据的波动特征和分类特征，突出了异常数据的特征；最终通过分析智能扫描仪在正常工作状态和发生故障时，振动数据和扫描时间数据之间的相关性差异，构建异常相关指数，通过异常相关指数量化智能扫描仪的正常工作状态和发生故障时的数据关联度；最后结合整体异常指数与异常相关指数构建设备综合异常指数，评估智能扫描仪的运行状态，综合考虑了每组数据之间的独有特征和数据之间的关联性特征，以放大正常数据和异常数据之间的差异，提高了对智能采集数据的异常检测精度。
1.一种智能采集设备运行数据分析系统，其特征在于，所述系统包括：
2.根据权利要求1所述的一种智能采集设备运行数据分析系统，其特征在于，所述根据振动数据序列计算内部波动系数，包括：
3.根据权利要求2所述的一种智能采集设备运行数据分析系统，其特征在于，所述根据扫描时间数据序列获得簇内扫描时间序列，结合内部波动系数获得扫描时间数据序列的分类异常程度，包括：
4.根据权利要求1所述的一种智能采集设备运行数据分析系统，其特征在于，所述根据振动数据序列的内部波动系数与扫描时间数据序列的分类异常程度获得整体异常指数，包括：
5.根据权利要求1所述的一种智能采集设备运行数据分析系统，其特征在于，所述根据振动数据序列中所有预设滑动窗口内元素之间的差异，获得分隔子序列，包括：
6.根据权利要求5所述的一种智能采集设备运行数据分析系统，其特征在于，所述根据分隔子序列中所有预设滑动窗口内元素之间的差异获得振动波动子序列，具体包括：
7.根据权利要求1所述的一种智能采集设备运行数据分析系统，其特征在于，所述根据时间波动子序列与振动波动子序列中相邻预设滑动窗口内元素之间的差异计算智能扫描数据的异常相关指数，包括：
8.根据权利要求1所述的一种智能采集设备运行数据分析系统，其特征在于，所述结合整体异常指数与异常相关指数计算设备综合异常指数，包括：将智能扫描数据的整体异常指数与异常相关指数的乘积作为设备综合异常指数。
9.根据权利要求1所述的一种智能采集设备运行数据分析系统，其特征在于，所述根据设备综合异常指数计算异常判定指数，包括：
10.根据权利要求1所述的一种智能采集设备运行数据分析系统，其特征在于，所述根据异常判定指数获取智能扫描仪的运行状态，包括：若异常判定指数大于预设异常阈值，则智能扫描仪发生故障；反之，智能扫描仪运行状态正常。
