[0064] 需要說明的是，門控循環(huán)單元GRU是一種遞歸神經(jīng)網(wǎng)絡(luò)（RNN）的變體，專門用于處理序列數(shù)據(jù)，GRU通過引入門機制來控制信息流，解決了標準RNN在長序列中存在的梯度消失問題，其結(jié)構(gòu)使得GRU能夠捕捉長時間依賴關(guān)系，同時計算效率較高；態(tài)勢預(yù)測模型是一種用于預(yù)測未來狀態(tài)或趨勢的機器學習模型，該模型基于GRU，用于預(yù)測未來的振動數(shù)據(jù)序列，這類模型在實際應(yīng)用中可以幫助預(yù)判設(shè)備的運行狀態(tài)。 [0065] 在一個可選的實施例中，狀態(tài)分類單元9對模型訓練單元8傳輸?shù)挠柧毢玫臓顟B(tài)分類模型和態(tài)勢要素預(yù)測單元10傳輸?shù)恼駝訑?shù)據(jù)序列預(yù)測值進行接收，并提取振動數(shù)據(jù)序列預(yù)測值的時域特征、頻域特征、樣本熵特征和多尺度加權(quán)排列熵特征，并將時域特征、頻域特征、樣本熵特征和多尺度加權(quán)排列熵特征輸入至訓練好的狀態(tài)分類模型中，以得到新能源原動設(shè)備所對應(yīng)的未來設(shè)備狀態(tài)，并提取振動數(shù)據(jù)序列實時值的時域特征、頻域特征、樣本熵特征和多尺度加權(quán)排列熵特征，將時域特征、頻域特征、樣本熵特征和多尺度加權(quán)排列熵特征輸入至訓練好的狀態(tài)分類模型中，以得到新能源原動設(shè)備所對應(yīng)的實時設(shè)備狀態(tài)，并將新能源原動設(shè)備所對應(yīng)的未來設(shè)備狀態(tài)和實時設(shè)備狀態(tài)傳輸至模型更新單元3。 [0066] 在一個可選的實施例中，模型更新單元3對場景建模單元1傳輸?shù)哪繕藦S區(qū)場景模型和狀態(tài)分類單元9傳輸?shù)男履茉丛瓌釉O(shè)備所對應(yīng)的未來設(shè)備狀態(tài)和實時設(shè)備狀態(tài)進行接收，并根據(jù)新能源原動設(shè)備所對應(yīng)的未來設(shè)備狀態(tài)和實時設(shè)備狀態(tài)確定存在異常的新能源原動設(shè)備，并對目標廠區(qū)場景模型中的存在異常的新能源原動設(shè)備3D模型進行動態(tài)渲染，以得到目標廠區(qū)動態(tài)場景模型，并設(shè)置動態(tài)更新周期對目標廠區(qū)動態(tài)場景模型進行定時動態(tài)更新，且將目標廠區(qū)動態(tài)場景模型傳輸至監(jiān)控界面單元6和異常驗證單元4。 [0067] 在一個可選的實施例中，實景影像獲取單元11用于在目標廠區(qū)內(nèi)設(shè)置多組攝像頭，通過多組攝像頭獲取目標廠區(qū)的各處實景影像，并將目標廠區(qū)的各處實景影像傳輸至異常驗證單元4。 [0068] 在一個可選的實施例中，異常驗證單元4對網(wǎng)格劃分單元2傳輸?shù)奈恢藐P(guān)系映射表、模型更新單元3傳輸?shù)哪繕藦S區(qū)動態(tài)場景模型和實景影像獲取單元11傳輸?shù)哪繕藦S區(qū)的各處實景影像進行接收，并根據(jù)目標廠區(qū)動態(tài)場景模型中存在異常的新能源原動設(shè)備3D模型所處的網(wǎng)格在位置關(guān)系映射表中的位置判斷目標廠區(qū)的異常位置，且調(diào)取異常位置處的實景影像，通過所述實景影像驗證所述異常位置是否發(fā)生異常，若異常發(fā)生，則生成異常信息，并將所述異常信息傳輸至異常排序單元13。 [0069] 在一個可選的實施例中，異常排序單元13對異常驗證單元4傳輸?shù)漠惓Ｐ畔⑦M行接收，并根據(jù)異常信息構(gòu)建關(guān)聯(lián)知識圖譜，以確定異常信息的順序關(guān)系、并發(fā)關(guān)系和沖突關(guān)系，且通過相似度模型計算各個異常信息之間的相似度，并將得到的各個異常信息之間的相似度與預(yù)設(shè)的閾值進行比對，判斷異常信息之間是否存在關(guān)聯(lián)性，若存在關(guān)聯(lián)性，則在關(guān)聯(lián)知識圖譜中將存在關(guān)聯(lián)性的異常信息進行合并，且根據(jù)關(guān)聯(lián)知識圖譜中各個節(jié)點內(nèi)的異常信息的數(shù)量提升相應(yīng)的異常處理等級，并將關(guān)聯(lián)知識圖譜中各個節(jié)點內(nèi)的內(nèi)容和相應(yīng)的異常處理等級傳輸至應(yīng)急處理單元12。 [0070] 需要說明的是，關(guān)聯(lián)知識圖譜是一種用于存儲和表示知識之間關(guān)聯(lián)關(guān)系的圖結(jié)構(gòu)，它由節(jié)點和邊組成，節(jié)點表示不同的實體或概念，邊則表示這些實體或概念之間的關(guān)系。 [0071] 在一個可選的實施例中，應(yīng)急處理單元12對異常排序單元13傳輸?shù)年P(guān)聯(lián)知識圖譜中各個節(jié)點內(nèi)的內(nèi)容和相應(yīng)的異常處理等級進行接收，且根據(jù)關(guān)聯(lián)知識圖譜中各個節(jié)點內(nèi)的內(nèi)容和相應(yīng)的異常處理等級生成故障排查清單，并根據(jù)故障排查清單對發(fā)生的故障進行排查。 [0072] 在一個可選的實施例中，監(jiān)控界面單元6對數(shù)據(jù)監(jiān)控單元5傳輸?shù)谋O(jiān)控數(shù)據(jù)和模型更新單元3傳輸?shù)哪繕藦S區(qū)動態(tài)場景模型進行接收，并將目標廠區(qū)動態(tài)場景模型在監(jiān)控智能終端的監(jiān)控界面進行顯示，并將監(jiān)控數(shù)據(jù)隱藏在目標廠區(qū)動態(tài)場景模型中相應(yīng)的新能源原動設(shè)備3D模型中，當用戶點擊目標廠區(qū)動態(tài)場景模型中相應(yīng)的新能源原動設(shè)備3D模型時，以彈窗的形式彈出監(jiān)控數(shù)據(jù)。 [0073] 實施例二，如圖2?圖3所示，本發(fā)明提出的一種基于物聯(lián)網(wǎng)技術(shù)的新能源原動設(shè)備遠程監(jiān)控管理系統(tǒng)，相較于實施例一，本實施例還包括：基于訓練數(shù)據(jù)集利用灰狼優(yōu)化算法對狀態(tài)分類模型的懲罰參數(shù)和核函數(shù)參數(shù)進行優(yōu)化，以得到最優(yōu)的懲罰參數(shù)和核函數(shù)參數(shù)的組合，包括以下步驟： [0074] A1、隨機初始化灰狼種群個體，灰狼種群個體的位置表示狀態(tài)分類模型的懲罰參數(shù)和核函數(shù)參數(shù)的參數(shù)組合； [0075] A2、對灰狼種群個體的位置進行更新，以得到灰狼種群個體的新位置，新位置更新公式如下： [0076] ；

所述監(jiān)控界面單元（6）對數(shù)據(jù)監(jiān)控單元（5）傳輸?shù)乃霰O(jiān)控數(shù)據(jù)和模型更新單元（3）傳輸?shù)乃瞿繕藦S區(qū)動態(tài)場景模型進行接收，并將所述目標廠區(qū)動態(tài)場景模型在監(jiān)控智能終端的監(jiān)控界面進行顯示，并將所述監(jiān)控數(shù)據(jù)隱藏在所述目標廠區(qū)動態(tài)場景模型中相應(yīng)的新能源原動設(shè)備3D模型中，當用戶點擊所述目標廠區(qū)動態(tài)場景模型中相應(yīng)的新能源原動設(shè)備 3D模型時，以彈窗的形式彈出所述監(jiān)控數(shù)據(jù)。