本发明涉及无线传感器网络，具体地，涉及基于预测性维护的低功耗蓝牙唤醒方法及系统。
背景技术：
1、用于设备状态监测的加速度传感器，一般采用低功耗蓝牙作为数据传输通道，将采样的加速度数据通过蓝牙无线传输到物联网网关；为降低加速度传感器功耗，有必要使能低功耗蓝牙的功能，减少不必要的数据采集和数据传输；如何“休眠”和“唤醒”低功耗蓝牙，是降低传感器功耗的关键；传感器在于采集有足够信息的数据，如果过于强调低功耗，传感器处于“休眠”状态，则会导致数据漏采；如果过于保证采样到冗余数据，则会导致传感器耗电过快；传感器只负责数据采集，被动接收指令，是否进入“休眠”或者“唤醒”，传感器不具备智能决策的能力；需要在外部物联网网关上配置低功耗策略。
2、专利文献cn109375762a(申请号：201811134330.4)公开了一种降低功耗的方法、装置及终端，方法包括：获取终端的传感器数据；根据所述传感器数据确定用户的运动状态；根据所述运动状态确定对应的位置获取周期；在不同的运动状态下利用对应的位置获取周期获取所述用户的实时位置；如此，第三方应用程序在获取用户的实时位置时，是先确定不同的运动状态，再利用各运动状态对应的位置获取周期来获取的；不同运动状态，对应不同的位置获取周期，这样的配置表是静态的，基于先验经验的，位置获取周期的调整不会根据位置数据做改变；也不涉及是否让传感器休眠和唤醒。
3、专利文献cn111315005b(申请号：202010108300.7)公开了一种无线传感器网络自适应休眠方法，包括终端节点与网关构成星形网络，终端节点负责信息采集、处理并转发信息，网关则负责将终端节点的信息上传到云端；终端节点基于强化学习的预测方法预测出终端节点自身性能最佳的活跃时隙并进行自适应休眠，即：终端节点划分离散的时间周期，时间周期进一步划分成时隙，并在每一个周期开始时基于强化学习的预测方法预测出活跃时隙时间；在活跃时隙中，终端节点采用csma/ca方式竞争信道与网关通信，通信时间由预测出的活跃时隙时间决定；该专利终端节点的预测算法驻留在终端节点(比如：传感器)上，大部分传感器难以有足够的资源跑预测型算法，这是一个高成本休眠/唤醒方案；而且，终端节点休眠之后，如何唤醒也是问题，外界无法唤醒，完全依赖于终端节点自己的预测算法；如果要唤醒终端节点自身，终端节点一定不能是完全“休眠”状态，需要一个激活的值守功能，这个值守功能也要耗电。
技术实现思路
1、针对现有技术中的缺陷，本发明的目的是提供一种基于预测性维护的低功耗蓝牙唤醒方法及系统。
2、根据本发明提供的一种基于预测性维护的低功耗蓝牙唤醒方法，包括：
3、步骤s1：利用传感器采集设备运行数据，并将采集到的设备运行数据发送至物联网网关，物联网网关对采集到的设备运行数据进行分析，获得设备运行状态的健康评估和寿命预测；
4、步骤s2：基于获取的设备运行状态的健康评估和寿命预测配置传感器采样频率；
5、步骤s3：基于配置的传感器采样频率设置传感器休眠或唤醒。
6、优选地，所述设备运行数据包括：设备振动、设备温度以及设备压力。
7、优选地，基于采集到的设备运行数据提取预设代表性特征，包括：均值、方差以及频率分布，增加有效数据维度。
8、优选地，所述步骤s1采用：物联网网关对采集到的设备运行数据及预设代表性特征利用设备寿命预测模型进行分析获得设备运行状态的健康评估和寿命预测；
9、所述设备寿命预测模型是利用深度学习实现设备运行状态的健康评估和寿命预测。
10、优选地，所述步骤s2采用：当设备处于正常阶段，则降低数据采样频率；当设备处于退化阶段，则提高数据采样频率；当设备处于故障阶段，则加大数据采样频率。
11、根据本发明提供的一种基于预测性维护的低功耗蓝牙唤醒系统，包括：
12、模块m1：利用传感器采集设备运行数据，并将采集到的设备运行数据发送至物联网网关，物联网网关对采集到的设备运行数据进行分析，获得设备运行状态的健康评估和寿命预测；
13、模块m2：基于获取的设备运行状态的健康评估和寿命预测配置传感器采样频率；
14、模块m3：基于配置的传感器采样频率设置传感器休眠或唤醒。
15、优选地，所述设备运行数据包括：设备振动、设备温度以及设备压力。
16、优选地，基于采集到的设备运行数据提取预设代表性特征，包括：均值、方差以及频率分布，增加有效数据维度。
17、优选地，所述模块m1采用：物联网网关对采集到的设备运行数据及预设代表性特征利用设备寿命预测模型进行分析获得设备运行状态的健康评估和寿命预测；
18、所述设备寿命预测模型是利用深度学习实现设备运行状态的健康评估和寿命预测。
19、优选地，所述模块m2采用：当设备处于正常阶段，则降低数据采样频率；当设备处于退化阶段，则提高数据采样频率；当设备处于故障阶段，则加大数据采样频率。
20、与现有技术相比，本发明具有如下的有益效果：
21、1、本发明依赖于传感器采集数据的分析与预测实现传感器的休眠/唤醒，减少不必要的冗余数据采集和耗电；
22、2、本发明通过传感器+物联网网关，实现智能的低功耗休眠/唤醒，没有增加额外设备。
23、3、本发明从传感器采样的数据计算出设备寿命预测，并根据设备寿命预测计算出合适的数据采样周期，根据采样周期决定是否唤醒或休眠传感器，形成了模型-数据-传感器唤醒/休眠的闭环。
1.一种基于预测性维护的低功耗蓝牙唤醒方法，其特征在于，包括：
2.根据权利要求1所述的基于预测性维护的低功耗蓝牙唤醒方法，其特征在于，所述设备运行数据包括：设备振动、设备温度以及设备压力。
3.根据权利要求1所述的基于预测性维护的低功耗蓝牙唤醒方法，其特征在于，基于采集到的设备运行数据提取预设代表性特征，包括：均值、方差以及频率分布，增加有效数据维度。
4.根据权利要求1所述的基于预测性维护的低功耗蓝牙唤醒方法，其特征在于，所述步骤s1采用：物联网网关对采集到的设备运行数据及预设代表性特征利用设备寿命预测模型进行分析获得设备运行状态的健康评估和寿命预测；
5.根据权利要求1所述的基于预测性维护的低功耗蓝牙唤醒方法，其特征在于，所述步骤s2采用：当设备处于正常阶段，则降低数据采样频率；当设备处于退化阶段，则提高数据采样频率；当设备处于故障阶段，则加大数据采样频率。
6.一种基于预测性维护的低功耗蓝牙唤醒系统，其特征在于，包括：
7.根据权利要求6所述的基于预测性维护的低功耗蓝牙唤醒系统，其特征在于，所述设备运行数据包括：设备振动、设备温度以及设备压力。
8.根据权利要求6所述的基于预测性维护的低功耗蓝牙唤醒系统，其特征在于，基于采集到的设备运行数据提取预设代表性特征，包括：均值、方差以及频率分布，增加有效数据维度。
9.根据权利要求6所述的基于预测性维护的低功耗蓝牙唤醒系统，其特征在于，所述模块m1采用：物联网网关对采集到的设备运行数据及预设代表性特征利用设备寿命预测模型进行分析获得设备运行状态的健康评估和寿命预测；
10.根据权利要求6所述的基于预测性维护的低功耗蓝牙唤醒系统，其特征在于，所述模块m2采用：当设备处于正常阶段，则降低数据采样频率；当设备处于退化阶段，则提高数据采样频率；当设备处于故障阶段，则加大数据采样频率。
