CN119254791B 一种基于物联网的资产数据采集方法 （广东通莞科技股份有限公司）

号东莞天安数码城C区1号厂房703号房本申请提供一种基于物联网的资产数据采2获取传感器节点的能力、位置和能耗属性信息，采用聚类算针对每个所述节点编组，构建基于任务分解和依赖关系的有向在所述节点协作过程中，采用分布式数据融合算法，对所述针对所述数据融合结果，采用增量学习算法，动态更新所构建基于区块链的节点协作激励机制，根据所述节针对每个节点子集合，通过分析其能力和位置属性，确定每根据节点编组方案，采用Q_learning强化学习算法对节点进行训在节点执行任务的过程中，实时监测各个节点的能耗情况，根据当前的节点属性信息和业务需求，利用遗传算法优化节点编3针对重新编组后的节点子集合，采用基于实例的迁移学习相似度最高的源节点作为知识源，将源节点的部分训练参数和模型结构迁移到目标节点，持续监测业务需求的变化情况，通过设置业务需求变化检测规则，对获取的节点资源信息和网络拓扑结构信息进行预处理，提取关键特采用粒子群优化算法，在满足优化目标和约束条件的前提下，搜索最通过迭代寻优，不断更新粒子位置和速度，最终收敛得到全局根据优化得到的节点编组方案，生成节点分组和协作的配置指令各节点接收到配置指令后，根据指令调整自部署节点资源和链路质量的监测代理程序，实时采集各节点4对于关键路径上的任务，按照其最早开始时间和最晚结束时间进行严键任务执行序列；针对任务执行序列中的每个任务，分析其输入数据和输出数据，对于每个任务，明确其所需的输入数据来源于哪些上游任务，以及对节点协作流程进行优化，目标是在满足任务依赖关系的前提下采用工作流优化算法，包括有向无环图DAG调度算法或者关键路径优化算法中的任意分析不同节点编组之间的任务依赖关系和数据依赖关获取分布式节点采集的异构原始数据，针对不同类型和格式的数5针对不同节点的语义特征数据，采用互信息法计算不同节点根据数据的时空关联强度，构建跨节点数据融合的网络拓扑结构，在数据融合框架的基础上，采用基于卡尔曼滤波的分布式数对融合后的结果采用Tableau进行可视化展示，通过图表和仪表盘直观呈现数据融合获取数据融合结果，将其输入至增量学习算法中，包括随机森将更新后的节点数据模型和决策规则应用于节点数据，通过异常根据节点数据异常偏差的统计特征，包括偏差均值和方差，确定针对需要调整的节点编组，从历史数据库中获取其一定时间K_means聚类算法将节点划分为不同的编组，使得编组内节点的数据模型和决策规则相似对于新划分的每个节点编组，基于其内部节点的数据模型和决策规则将新生成的节点编组数据模型和决策规则通过配置文件或API接口的方式，更新至对6获取待上报的原始数据，对数据进行预处理，使用中值滤波方法分析预处理后的数据，使用皮尔逊相关系数计算不同数据根据数据的相关程度，采用自适应数据压缩算法，对不同相关程度若数据段的相关性系数大于对应阈值，则提高该数据段的压压缩后的数据包根据其大小和优先级，使用多属性决策法动态在数据传输过程中，实时监测各节点的CPU占用率和内存使用8.根据权利要求1所述的方法，其特征在于，所述构建基于区块链的节点协作激励机根据预先建立的节点信用评估模型，结合节点在区块链网络中的历史行为将信用得分按照预设的区间映射为相应的信用等级，并将信用等级写入区块链账本，通过智能合约规则获取节点参与任务协作的行为数据，包括任务根据任务特性和节点的历史表现，预设各个指标的权重系数，若任务完成质量高于预设阈值，则提高该节点的信用值和资源根据判定结果对相关节点的信用值进行奖惩，对违规节点进行信用值扣减直至降级，采用非对称加密算法RSA对节点间的协作行为数据进行加密处理，确保数据的机密性将加密后的行为数据写入区块链，利用区块链的防篡改和可追溯7优化节点信用评估模型中的参数权重和资源分配策略根据区块链网络的运行状况，包括节点的信用等级分布和任务完成质量指标采用区块链共识机制实现节点协作行为的一致性验证，通过多方验8[0010]构建基于区块链的节点协作激励机制，根据所述节点的9函数评估每个粒子的优劣，根据粒子历史最优位置和全局最优位置更新粒子速度和位置，据模型和决策规则，通过Bagging或Boosting等集成整体性能持续优化，异常检测的准确率从90％提升到95节点数据模型的泛化能力从数据传输过程中，实时监测各节点的CPU占用率和内存使用率，当节点的CPU占用率超过压缩率为60对相关性系数在8到9之间的数据段设置压缩率为40对相关性系数小于8比数据包的CRC校验值与重新计算得到的CRC值，确保数据传输过程中没有出现丢失或错[0037]根据预先建立的节点信用评估模型，结合节点在区块链明)实现节点协作行为的一致性验证，通过多方验证确保所记录的协作行为数据的真实性进行训练，通过设置RBF核函数参数γ