基于大数据分析的盾构机运维方法与流程

1.本发明涉及电数字数据处理技术领域，具体涉及基于大数据分析的盾构机运维方法。


背景技术：

2.盾构机作为一种地下工程施工设备，在城市地铁、隧道等项目中发挥着重要作用。然而，盾构机在运维工作中可能会存在一些问题，如设备故障等问题。为了提高盾构机的运维效率和减少运维成本，需要对盾构机的运行状态进行监测，判断其是否存在异常情况。
3.传统的对盾构机的设备进行异常分析一般是利用传感器实时采集盾构机运行过程中的数据，并将采集到的数据进行存储，进而对其进行异常分析。现有的一般是设置固定的采集频率采集盾构机运行过程中的运行数据，并对采集到的所有运行数据进行存储和分析，然而，在盾构机运行过程中，由于故障概率较小，因此所采集到的数据大多都是正常数据，正常数据的信息价值较小，在对正常数据进行存储时所占空间较大，分析时消耗时间较多、分析效率较低，因此如何基于盾构机运行数据的异常情况自适应地调整盾构机运行数据的采集频率是一个急需解决的问题。


技术实现要素：

4.为了解决现有方法无法自适应地确定盾构机运行数据的采集频率，进而导致采集到的运行数据所占存储空间较大、分析效率较低的问题，本发明的目的在于提供一种基于大数据分析的盾构机运维方法，所采用的技术方案具体如下：本发明提供了一种基于大数据分析的盾构机运维方法，该方法包括以下步骤：获取盾构机运行过程中当前时间段内各采集时刻的运行数据；根据当前时间段内各采集时刻与最后一个采集时刻之间的时间差异以及运行数据的差异，得到数据波动程度；基于当前时间段内运行数据的采集频率获得数据波动程度的权值；基于所述数据波动程度和所述权值获得数据价值评价指标；根据所述数据价值评价指标对运行数据的采集频率进行调整获得调整后的采集频率；利用所述调整后的采集频率采集未来时间段内盾构机的运行数据；根据未来时间段内盾构机的运行数据的差异情况，判断是否进行预警。
5.优选的，所述根据当前时间段内各采集时刻与最后一个采集时刻之间的时间差异以及运行数据的差异，得到数据波动程度，包括：分别计算所述各采集时刻与最后一个采集时刻之间的时间差异和预设第一超参数之间的乘积，作为各采集时刻对应的第一乘积；将所述第一乘积的负相关归一化结果，确定为各采集时刻的第一特征值；其中预设第一超参数大于0；计算当前时间段内所有采集时刻的运行数据的均值；分别将当前时间段内各采集时刻的运行数据与所述运行数据的均值之间的差值的平方，确定为各采集时刻的数据差异；
根据当前时间段内所有采集时刻的第一特征值和所述数据差异，得到数据波动程度。
6.优选的，采用如下公式计算数据波动程度：其中，m为数据波动程度，n为当前时间段内采集时刻的总个数，为当前时间段内第n个采集时刻，为当前时间段内第i个采集时刻，为预设第一超参数，为当前时间段内第i个采集时刻的运行数据，为当前时间段内所有采集时刻的运行数据的均值，exp( )为以自然常数为底数的指数函数，e为自然常数。
7.优选的，所述基于当前时间段内运行数据的采集频率获得数据波动程度的权值，包括：将当前时间段内运行数据的采集频率与预设第二超参数的乘积记为第二乘积；其中预设第二超参数大于0；将所述第二乘积的负相关归一化结果，确定为数据波动程度的权值。
8.优选的，所述基于所述数据波动程度和所述权值获得数据价值评价指标，包括：将所述数据波动程度与所述权值的乘积记为第三乘积；计算所述第三乘积的负相关归一化结果，将常数1与该归一化结果的差值确定为数据价值评价指标。
9.优选的，所述根据所述数据价值评价指标对运行数据的采集频率进行调整获得调整后的采集频率，包括：计算所述数据价值评价指标与预设第三超参数的比值，将所述比值与常数1的差值记为第二特征值；其中预设第三超参数大于0；根据所述第二特征值和当前时间段内运行数据的采集频率，得到调整后的采集频率，所述第二特征值和所述当前时间段内运行数据的采集频率均与所述调整后的采集频率呈正相关关系。
10.优选的，根据所述第二特征值和当前时间段内运行数据的采集频率，得到调整后的采集频率，包括：将以自然常数为底数，以所述第二特征值为指数的指数函数的值作为调整系数；将当前时间段内运行数据的采集频率与所述调整系数的乘积的向上取整后的值，确定为调整后的采集频率。
11.优选的，所述根据未来时间段内盾构机的运行数据的差异情况，判断是否进行预警，包括：根据未来时间段内盾构机的运行数据的差异情况，得到数据异常程度；基于所述数据异常程度判断是否对盾构机进行异常预警。
12.优选的，所述根据未来时间段内盾构机的运行数据的差异情况，得到数据异常程度，包括：计算未来时间段内所有采集时刻盾构机的运行数据的方差；根据所述方差得到数据异常程度，所述方差与所述数据异常程度呈正相关关系。
13.优选的，基于所述数据异常程度判断是否对盾构机进行异常预警，包括：判断所述数据异常程度是否大于预设异常程度阈值，若大于，则对盾构机进行异常预警；若小于等于，则不对盾构机进行异常预警。
14.本发明至少具有如下有益效果：本发明考虑到传统方法在采集盾构机运行数据时的采集频率往往是固定的，然而在盾构机运行过程中，由于盾构机出现故障的概率较小，因此所采集到的数据大多都是正常数据，正常数据的信息价值较小，在对正常数据进行存储时所占空间较大，分析时的分析效率较低，因此本发明根据当前时间段内每个采集时刻与最后一个采集时刻之间的时间差异以及运行数据的差异，得到了数据波动程度，并基于当前时间段内运行数据的采集频率获得了数据波动程度的权值，进而获得了数据价值评价指标，当前时间段内盾构机的运行数据的波动程度越大，说明盾构机越可能出现了异常，当盾构机出现异常时，运行数据的分析价值更高，因此本发明根据数据价值评价指标对运行数据的采集频率进行了调整获得了调整后的采集频率，也即自适应地确定了运行数据的采集频率，并基于调整后的采集频率采集未来时间段内盾构机的运行数据，使数据价值较大部分的运行数据的采集频率得以提高，数据价值较小部分的运行数据的采集频率得以降低，使得运行数据越异常，采集的越频繁，保证了有用数据不丢失，从而减少了不必要的计算量，节省了盾构机运行数据异常分析的时间和运行数据的存储空间，提高了盾构机预警的可信度。
附图说明
15.为了更清楚地说明本发明实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。
16.图1为本发明实施例所提供的一种基于大数据分析的盾构机运维方法的流程图。
具体实施方式
17.为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种基于大数据分析的盾构机运维方法进行详细说明如下。
18.除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
19.下面结合附图具体的说明本发明所提供的一种基于大数据分析的盾构机运维方法的具体方案。
20.基于大数据分析的盾构机运维方法实施例：本实施例所针对的具体场景为：盾构机在运行过程中，可能为出现异常现象，当盾构机运行异常时，需要及时进行预警，以提醒工作人员及时检修，增加盾构机使用寿命的同时保证后续的工作效率，本实施例将通过分析盾构机运行过程中运行数据的变化情况对盾构机的运行状态进行判断，考虑到现有方法一般设置固定采集频率来采集盾构机运行过程中的运行数据，但是盾构机的运行过程中，故障概率较小，因此所采集到的数据大多都是正
常数据，这些正常数据的信息价值较小，在对正常数据进行存储时所占空间较大、分析时消耗时间较多，因此本实施例将基于当前时间段内盾构机的运行数据的波动情况，对运行数据的采集频率进行调整，自适应地获取调整后的采集频率，利用调整后的采集频率采集盾构机的运行数据，使得运行数据越异常，采集的越频繁，能够保证有用数据不丢失，提高盾构机异常预警的可信度的同时也节省了数据存储空间。
21.本实施例提出了基于大数据分析的盾构机运维方法，如图1所示，本实施例的基于大数据分析的盾构机运维方法包括以下步骤：步骤s1，获取盾构机运行过程中当前时间段内各采集时刻的运行数据。
22.本实施例首先获取盾构机在当前时间段内的运行数据，运行数据包括压力、温度、振动频率，具体地，在盾构机设备上安装压力传感器、温度传感器、振动传感器，压力传感器用于采集盾构机运行过程中的压力数据，温度传感器用于采集盾构机运行过程中的温度数据，振动传感器用于采集盾构机运行过程中的振动数据，本实施例设置当前时间段内盾构机运行数据的采集频率为1hz，也即每秒采集一次，在具体应用中，实施者可根据具体情况进行设置。当前时间段为与当前时刻的时间间隔小于等于预设时长的所有历史时刻构成的集合，本实施例中预设时长为1小时，因此本实施例中的当前时间段为最近一小时，在具体应用中，实施者可根据具体情况设置预设时长。
23.至此，本实施例获取到了盾构机运行过程中当前时间段内每个采集时刻的运行数据，获取到了运行数据用于反映盾构机的运行状态。
24.步骤s2，根据当前时间段内各采集时刻与最后一个采集时刻之间的时间差异以及运行数据的差异，得到数据波动程度；基于当前时间段内运行数据的采集频率获得数据波动程度的权值；基于所述数据波动程度和所述权值获得数据价值评价指标。
25.本实施例已经采集了当前时间段内每个采集时刻盾构机的运行数据，在盾构机运行过程中，盾构机出现故障的几率是较小的，所采集到的大部分数据为正常数据。而正常数据通常是重复出现的且没有较大的波动。因此，正常数据不能提供较多的设备运行状态的有效信息，正常数据的数据价值较低，采集到这些价值较低的数据也会占用大量的存储空间，增加数据的分析时间。盾构机正常运行过程中运行数据的波动情况较小，若盾构机出现故障时，则运行数据会产生较大的波动。在盾构机运行过程中，采集到的运行数据的数据量较大，且采集到的大部分运行数据为正常数据，正常数据无法反映盾构机设备的异常运行状态，盾构机设备异常通常是通过异常运行数据反映的。因此，正常数据的价值较小，异常数据的价值较大。在盾构机设备运行过程中，正常数据通常具有一定的规律性以及稳定性，即正常数据具有一定程度的规律性波动。因此，本实施例将通过对所采集到的当前时间段内的运行数据的波动情况进行分析，基于波动情况计算当前时间段内盾构机运行数据的数据价值评价指标，并基于数据价值评价指标调整未来时间段盾构机运行数据的采集频率，降低数据价值较低的部分的采集频率，从而达到在保证分析结果较为准确的基础上，节省了大量的数据分析时间，提高了分析效率。
26.数据的波动程度可能随着时间的变化而有着微小的变化，因此，在对当前时间段内的运行数据的整体波动程度进行分析时，需要对每个运行数据赋予相应的权重值，来减少距离当前时刻较远的运行数据对当前时间段内所有运行数据的整体波动情况的影响，使距离当前时刻越远的采集时刻的运行数据的权重值越小，其对当前时间段内所有运行数据
的整体的波动影响程度较小；使距离当前时刻越近的采集时刻的运行数据的权重值越大，其对当前时间段内所有运行数据的整体的波动影响程度较大。
27.具体地，分别计算所述各采集时刻与最后一个采集时刻之间的时间差异和预设第一超参数之间的乘积，作为各采集时刻对应的第一乘积；将所述第一乘积的负相关归一化结果，确定为各采集时刻的第一特征值；计算当前时间段内所有采集时刻的运行数据的均值；分别将当前时间段内各采集时刻的运行数据与所述运行数据的均值之间的差值的平方，确定为各采集时刻的数据差异；根据当前时间段内所有采集时刻的第一特征值和所述数据差异，得到数据波动程度。数据波动程度的具体计算公式为：其中，m为数据波动程度，n为当前时间段内采集时刻的总个数，为当前时间段内第n个采集时刻，为当前时间段内第i个采集时刻，为预设第一超参数，为当前时间段内第i个采集时刻的运行数据，为当前时间段内所有采集时刻的运行数据的均值，exp( )为以自然常数为底数的指数函数，e为自然常数。
28.本实施例中预设第一超参数为0.01，在具体应用中，实施者可根据具体情况进行设置，但需要保证预设第一超参数大于0。表示当前时间段内第i个采集时刻对应的第一乘积，表示当前时间段内第i个采集时刻的第一特征值，本实施例将第一特征值作为权重值，运行数据的采集时刻与当前时间段内最后一个采集时刻的时间间隔越大，其对应的权重值越小，其对当前时间段段内所有运行数据的整体波动情况的影响越小；表示第i个采集时刻的数据差异，用于反映当前时间段内第i个采集时刻的运行数据与当前时间段内所有采集时刻的运行数据的平均值之间的差异情况。若当前时间段内每个采集时刻的运行数据与所有采集时刻的运行数据的平均值之间的差异越大，则当前时间段内运行数据的波动程度越大；若当前时间段内每个采集时刻的运行数据与所有采集时刻的运行数据的平均值之间的差异越小，则当前时间段内运行数据的波动程度越小。需要说明的是，本实施例用当前时间段段内最后一个采集时刻与其他采集时刻之间的时间间隔来表征当前时间段内每个采集时刻与最后一个采集时刻之间的时间差异，作为其他实施例，也可采用其他方法表征当前时间段内每个采集时刻与最后一个采集时刻之间的时间差异，例如：按照时间先后顺序，对当前时间段内所有采集时刻的运行数据进行排列，获得对应的运行数据序列，分别计算运行数据序列中最后一个运行数据的序号与运行数据序列中每个运行数据的序号之间的差值，用该差值来表征当前时间段内每个采集时刻与最后一个采集时刻之间的时间差异，也即用该差值替换本实施例中数据波动程度计算公式中的，进而获得数据波动程度。
29.本实施例将根据数据的波动程度来自适应调整数据的采集频率，因此运行数据的采集频率是在不断变化的，运行数据的采集频率越大，则说明数据采样越频繁，而运行数据的采集频率越频繁，则样本间的时间间隔越小，则数据的细节变化越明显；运行数据的采集频率越不频繁，则样本间的时间间隔越大，则数据的细节变化越不明显，因此，需要根据运行数据的不同采集频率对运行数据的波动程度赋予权值，使采集更不频繁的数据权值更
大，放大其细节变化，从而避免运行数据的不同采集频率所造成的影响。
30.具体地，将当前时间段内运行数据的采集频率与预设第二超参数的乘积记为第二乘积；将所述第二乘积的负相关归一化结果，确定为数据波动程度的权值。数据波动程度的权值的具体计算公式为：其中，p为数据波动程度的权值，为预设第二超参数，为当前时间段内运行数据的采集频率，e为自然常数。
31.表示第二乘积。本实施例中的预设第二超参数为0.01，在具体应用中，实施者可根据具体情况进行设置，但需要保证预设第二超参数大于0。当前时间段内盾构机运行数据的采集频率越大，数据波动程度的权值越小；当前时间段内盾构机运行数据的采集频率越小，数据波动程度的权值越大。
32.至此，本实施例获得了数据波动程度和数据波动程度的权值，当数据波动程度越大且其对应的权值也越大时，说明当前时间段内盾构机越可能出现了运行异常的情况，因此盾构机的运行数据越重要，即当前时间段内盾构机的运行数据的评价价值越高，此时需要增加运行数据的采集频率，以保证后续采集到的运行数据能够更准确地反映盾构机的运行状态。基于此，本实施例将根据数据波动程度和数据波动程度的权值，确定数据价值评价指标。
33.具体地，将所述数据波动程度与所述权值的乘积记为第三乘积；计算所述第三乘积的负相关归一化结果，将常数1与该归一化结果的差值确定为数据价值评价指标。数据价值评价指标的具体计算公式为：其中，v为数据价值评价指标。
34.数据波动程度越大且数据波动程度的权值越大，则说明数据的异常程度越高，盾构机发生故障的概率越大，需要提高对未来时间段的运行数据的关注度，即提高运行数据的采集频率；数据波动程度越小且数据波动程度的权值越小，则说明运行数据的异常程度越低，盾构机发生故障的概率越小，对未来时间段的运行数据的关注度也应当越小，可适当降低运行数据的采集频率。
35.至此，采用本实施例提供的方法获得了数据价值评价指标。
36.步骤s3，根据所述数据价值评价指标对运行数据的采集频率进行调整获得调整后的采集频率；利用所述调整后的采集频率采集未来时间段内盾构机的运行数据。
37.本实施例已经获得了数据价值评价指标，数据价值评价指标越大，说明运行数据的异常程度越大，越容易造成系统故障，需要对其关注度越高，越应当提高运行数据的采集频率，因此本实施例将根据数据价值评价指标对运行数据的采集频率进行调整获得调整后的采集频率。
38.具体地，计算所述数据价值评价指标与预设第三超参数的比值，将所述比值与常数1的差值记为第二特征值；其中预设第三超参数大于0；根据所述第二特征值和当前时间段内运行数据的采集频率，得到调整后的采集频率，所述第二特征值和所述当前时间段内运行数据的采集频率均与所述调整后的采集频率呈正相关关系；在本实施例中，将以自然
常数为底数，以所述第二特征值为指数的指数函数的值作为调整系数；将当前时间段内运行数据的采集频率与所述调整系数的乘积的向上取整后的值，确定为调整后的采集频率。调整后的采集频率的具体计算公式为：其中，为调整后的采集频率，为调整前的传感器采集频率，v为数据价值评价指标，为预设第三超参数，为向上取整符号。
39.本实施例中的预设第三超参数的值为0.5，在具体应用中，实施者可根据具体情况进行设置。表示第二特征值。当数据价值评价指标越大时，应当提高运行数据的关注度，即降低运行数据的采集频率，且所计算出的第二特征值越大，说明运行数据采集频率需要提高的越多；当数据价值评价指标越小时，应当降低运行数据的关注度，即降低运行数据的采集频率，且所计算出的第二特征值越小，说明运行数据采集频率需要降低的越多。
40.采用上述方法获得了调整后的采集频率，后续利用调整后的采集频率采集未来时间段内每个采集时刻盾构机的运行数据，本实施例中的未来时间段为与当前时刻的时间间隔小于预设时长的所有未来时刻构成的集合，此处的预设时长仍为1小时，因此本实施例中的未来时间段为当前时刻之后的一个小时，在具体应用中，实施者可根据具体情况设置。
41.采用本实施例提供的方法，能够采集到未来时间段内每个采集时刻盾构机的运行数据。
42.步骤s4，根据未来时间段内盾构机的运行数据的差异情况，判断是否进行预警。
43.采用本实施例提供的方法能够获得未来时间段内每个采集时刻盾构机的运行数据，未来时间段内盾构机的运行数据之间的差异越大，说明运行数据越异常，因此本实施例接下来将基于未来时间段内盾构机的运行数据的差异情况，确定数据异常程度，进而根据数据异常程度判断盾构机的运行状态是否出现了异常。
44.具体地，计算未来时间段内所有采集时刻盾构机的运行数据的方差，根据所述方差得到数据异常程度，所述方差与所述数据异常程度呈正相关关系。作为一个具体实施方式，给出数据异常程度的计算公式，数据异常程度的具体计算公式为：其中，c为数据异常程度，m为未来时间段内采集时刻的总个数，为未来时间段内第j个采集时刻的运行数据，为未来时间段内所有采集时刻的运行数据的均值，exp( )为以自然常数为底数的指数函数。
45.数据异常程度越大，说明盾构机的运行状态越可能出现了异常，因此本实施例接下来将基于数据异常程度与预设异常程度之间的大小关系，对盾构机的运行状态进行判断。具体地，判断所述数据异常程度是否大于预设异常程度阈值，若大于，则说明盾构机的运行状态出现了异常，对盾构机进行异常预警，以提醒工作人员及时进行检修；若小于等于，则说明盾构机的运行状态未出现异常，不对盾构机进行异常预警。本实施例中的预设异
常程度为0.5，在具体应用中，实施者可根据具体情况进行设置。
46.至此，采用本实施例提供的方法，完成了对盾构机运行状态的智能监测。
47.本实施例考虑到传统方法在采集盾构机运行数据时的采集频率往往是固定的，然而在盾构机运行过程中，由于盾构机出现故障的概率较小，因此所采集到的数据大多都是正常数据，正常数据的信息价值较小，在对正常数据进行存储时所占空间较大，分析时的分析效率较低，因此本实施例根据当前时间段内每个采集时刻与最后一个采集时刻之间的时间差异以及运行数据的差异，得到了数据波动程度，并基于当前时间段内运行数据的采集频率获得了数据波动程度的权值，进而获得了数据价值评价指标，当前时间段内盾构机的运行数据的波动程度越大，说明盾构机越可能出现了异常，当盾构机出现异常时，运行数据的分析价值更高，因此本实施例根据数据价值评价指标对运行数据的采集频率进行了调整获得了调整后的采集频率，也即自适应地确定了运行数据的采集频率，并基于调整后的采集频率采集未来时间段内盾构机的运行数据，使数据价值较大部分的运行数据的采集频率得以提高，数据价值较小部分的运行数据的采集频率得以降低，从而减少了不必要的计算量，节省了盾构机运行数据异常性分析的时间和运行数据的存储空间。
48.需要说明的是：以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

技术特征：
1.一种基于大数据分析的盾构机运维方法，其特征在于，该方法包括以下步骤：获取盾构机运行过程中当前时间段内各采集时刻的运行数据；根据当前时间段内各采集时刻与最后一个采集时刻之间的时间差异以及运行数据的差异，得到数据波动程度；基于当前时间段内运行数据的采集频率获得数据波动程度的权值；基于所述数据波动程度和所述权值获得数据价值评价指标；根据所述数据价值评价指标对运行数据的采集频率进行调整获得调整后的采集频率；利用所述调整后的采集频率采集未来时间段内盾构机的运行数据；根据未来时间段内盾构机的运行数据的差异情况，判断是否进行预警。2.根据权利要求1所述的基于大数据分析的盾构机运维方法，其特征在于，所述根据当前时间段内各采集时刻与最后一个采集时刻之间的时间差异以及运行数据的差异，得到数据波动程度，包括：分别计算所述各采集时刻与最后一个采集时刻之间的时间差异和预设第一超参数之间的乘积，作为各采集时刻对应的第一乘积；将所述第一乘积的负相关归一化结果，确定为各采集时刻的第一特征值；其中预设第一超参数大于0；计算当前时间段内所有采集时刻的运行数据的均值；分别将当前时间段内各采集时刻的运行数据与所述运行数据的均值之间的差值的平方，确定为各采集时刻的数据差异；根据当前时间段内所有采集时刻的第一特征值和所述数据差异，得到数据波动程度。3.根据权利要求2所述的基于大数据分析的盾构机运维方法，其特征在于，采用如下公式计算数据波动程度：其中，m为数据波动程度，n为当前时间段内采集时刻的总个数，为当前时间段内第n个采集时刻，为当前时间段内第i个采集时刻，为预设第一超参数，为当前时间段内第i个采集时刻的运行数据，为当前时间段内所有采集时刻的运行数据的均值，exp( )为以自然常数为底数的指数函数，e为自然常数。4.根据权利要求1所述的基于大数据分析的盾构机运维方法，其特征在于，所述基于当前时间段内运行数据的采集频率获得数据波动程度的权值，包括：将当前时间段内运行数据的采集频率与预设第二超参数的乘积记为第二乘积；其中预设第二超参数大于0；将所述第二乘积的负相关归一化结果，确定为数据波动程度的权值。5.根据权利要求1所述的基于大数据分析的盾构机运维方法，其特征在于，所述基于所述数据波动程度和所述权值获得数据价值评价指标，包括：将所述数据波动程度与所述权值的乘积记为第三乘积；计算所述第三乘积的负相关归一化结果，将常数1与该归一化结果的差值确定为数据价值评价指标。6.根据权利要求1所述的基于大数据分析的盾构机运维方法，其特征在于，所述根据所述数据价值评价指标对运行数据的采集频率进行调整获得调整后的采集频率，包括：
计算所述数据价值评价指标与预设第三超参数的比值，将所述比值与常数1的差值记为第二特征值；其中预设第三超参数大于0；根据所述第二特征值和当前时间段内运行数据的采集频率，得到调整后的采集频率，所述第二特征值和所述当前时间段内运行数据的采集频率均与所述调整后的采集频率呈正相关关系。7.根据权利要求6所述的基于大数据分析的盾构机运维方法，其特征在于，根据所述第二特征值和当前时间段内运行数据的采集频率，得到调整后的采集频率，包括：将以自然常数为底数，以所述第二特征值为指数的指数函数的值作为调整系数；将当前时间段内运行数据的采集频率与所述调整系数的乘积的向上取整后的值，确定为调整后的采集频率。8.根据权利要求1所述的基于大数据分析的盾构机运维方法，其特征在于，所述根据未来时间段内盾构机的运行数据的差异情况，判断是否进行预警，包括：根据未来时间段内盾构机的运行数据的差异情况，得到数据异常程度；基于所述数据异常程度判断是否对盾构机进行异常预警。9.根据权利要求8所述的基于大数据分析的盾构机运维方法，其特征在于，所述根据未来时间段内盾构机的运行数据的差异情况，得到数据异常程度，包括：计算未来时间段内所有采集时刻盾构机的运行数据的方差；根据所述方差得到数据异常程度，所述方差与所述数据异常程度呈正相关关系。10.根据权利要求8所述的基于大数据分析的盾构机运维方法，其特征在于，基于所述数据异常程度判断是否对盾构机进行异常预警，包括：判断所述数据异常程度是否大于预设异常程度阈值，若大于，则对盾构机进行异常预警；若小于等于，则不对盾构机进行异常预警。

技术总结
本发明涉及电数字数据处理技术领域，具体涉及基于大数据分析的盾构机运维方法。方法包括：获取盾构机运行过程中当前时间段内各采集时刻的运行数据；根据当前时间段内各采集时刻与最后一个采集时刻之间的时间差异以及运行数据的差异，得到数据波动程度；基于当前时间段内运行数据的采集频率获得数据波动程度的权值；基于数据波动程度和权值获得数据价值评价指标；根据数据价值评价指标获得调整后的采集频率；利用调整后的采集频率采集未来时间段内盾构机的运行数据，进而判断是否进行预警。本发明节省了盾构机运行数据异常分析的时间和运行数据的存储空间，提高了异常预警的可信度。度。度。


技术研发人员：张广宇 薄福利 李振武 丁希阳 甄阳清 张书磊 吴则成 张宁
受保护的技术使用者：山东济矿鲁能煤电股份有限公司阳城煤矿
技术研发日：2023.09.06
技术公布日：2023/10/15