[发明专利]识别技术设施的过程异常的方法和相应的诊断系统

权利要求书

1.一种用于识别技术设施的过程异常的方法，包括：

在学习阶段中通过使用历史过程数据(H)作为设施的良好状态来训练(1)自组织映射(SOM)，

在第二准备步骤中测定(2)并存储参考路径范围，其中，借助所述自组织映射(SOM)的命中神经元的时间顺序和在所述学习阶段中的命中容差确定所述参考路径范围，

在所述学习阶段中存储所述良好状态到所述自组织映射(SOM)的相关神经元的欧氏距离的阈值，

借助所述学习阶段训练出的自组织映射(SOM)评估(5)所述设施的状态向量形式的当前过程数据，

检查当前状态向量到所述命中神经元的欧氏距离是否超过在所述学习阶段中测定出的阈值，

通过与在所述学习阶段中测定出的所述参考路径范围进行比较来检查当前路径，并且只要所述阈值没有在利用所述命中神经元进行检查时就已经被超过，则借助相关的所述参考路径范围确定应该命中的神经元，以及

从当前的所述状态向量中和所述命中神经元(6)或者应该命中的神经元中测定出征兆向量，其中，在考虑相关神经元(K)的阈值的情况下实现测定，并且其中，不是零向量的征兆向量表示过程异常(A)，并且所述征兆向量详尽地具体化所述过程异常。

2.根据权利要求1所述的方法，

其中，在所述学习阶段中除了所述命中神经元沿着一条路径的顺序以外还额外地检测并存储所述良好状态的相应持续时间，以及

其中，只要在评估当前过程状态时没有超过所述阈值并且没有偏离所述路径，还额外地借助所述良好状态的持续时间实现对当前状态的持续时间的检查，并且借此确定过程异常(A)。

3.根据权利要求1或2所述的方法，

其中，以不连续的规则时间段扫描所述技术设施的过程，

其中，替代所述良好状态的相应持续时间，检测并存储相应的神经元的命中数量，以及

其中，替代检查当前状态的持续时间，借助所述当前状态的相应的命中数量实现检查。

4.根据权利要求1或2所述的方法，其中，在所述训练之后实现对所述自组织映射(SOM)的优化，并且通过重新评估良好状态自动地计算并存储各个节点的所述阈值(3)。

5.根据权利要求3所述的方法，其中，在所述训练之后实现对所述自组织映射(SOM)的优化，并且通过重新评估良好状态自动地计算并存储各个节点的所述阈值(3)。

6.根据权利要求1或2所述的方法，其中，为所述阈值加载容差值。

7.根据权利要求5所述的方法，其中，为所述阈值加载容差值。

8.一种计算机程序产品，包含计算机可读的程序代码，当所述程序代码在计算机上运行时，执行按照权利要求1至3中任一项所述的方法。

9.一种诊断系统，包含：

在学习阶段中通过使用历史过程数据(H)作为设施的良好状态的情况来训练(1)自组织映射(SOM)的部件，

在所述学习阶段中测定(2)并存储参考路径范围的部件，其中，借助所述自组织映射(SOM)的命中神经元的时间顺序和命中容差确定所述参考路径范围，

在所述学习阶段中存储所述良好状态到所述自组织映射(SOM)的相关神经元的欧氏距离的阈值的部件，

借助在所述学习阶段中训练出的所述自组织映射(SOM)评估(5)所述设施的状态向量形式的当前过程数据的部件，

检查当前状态向量到所述命中神经元的欧氏距离是否超过在所述学习阶段中测定出的阈值的部件，

通过与在所述学习阶段中测定出的所述参考路径范围进行比较来检查当前路径，并且只要所述阈值没有在利用所述命中神经元进行检查时就已经被超过，则借助相关的所述参考路径范围确定应该命中的神经元的部件，以及

从当前的状态向量中和所述命中神经元(6)或者应该命中的神经元中测定出征兆向量的部件，其中，在考虑相关的神经元(K)的阈值的情况下实现测定，并且其中，不是零向量的征兆向量表示过程异常(A)，并且所述征兆向量详尽地具体化所述过程异常。