[发明专利]一种基于多源数据的复杂机电系统异常状态检测方法有效

专利信息
申请号: 202010764559.7 申请日: 2020-07-31
公开(公告)号: CN111861272B 公开(公告)日: 2022-12-09
发明(设计)人: 朱永生;张聪;闫柯;任智军;杨敏燕;傅亚敏;尹婷婷 申请(专利权)人: 西安交通大学
主分类号: G06Q10/06 分类号: G06Q10/06;G06N3/04;G06N3/08;G01D21/02
代理公司: 西安智大知识产权代理事务所 61215 代理人: 弋才富
地址: 710049 陕*** 国省代码: 陕西;61
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 数据 复杂 机电 系统 异常 状态 检测 方法
【权利要求书】:

1.一种基于多源数据的复杂机电系统异常检测方法,其特征在于,包括以下步骤:

(1)获取数据采集系统采集到的机电设备多源状态变量,所述数据包括温度、压力、振动数据;

(2)采用非平稳非线性序列间相关性分析方法对所述多源状态变量两两序列间的耦合关系进行定量分析,得到系统多变量耦合关系矩阵;

(3)将所述多源状态变量抽象为网络的节点,将所述多源状态变量两两序列间的耦合关系抽象为网络的边,从而构建出系统多变量耦合关系网络,以网络形式实现对系统状态的准确描述;

(4)基于耦合关系网络构建变分图自编码器,使用正常状态下耦合关系网络作为训练样本训练模型,对所述耦合关系网络进行特征提取,通过重构原始耦合关系网络,得出正常状态下的重建概率作为异常检测评价指标,并确定重建概率阈值;

(5)将测试样本输入所述模型,重构所述测试样本,得出测试样本重建概率,与步骤(4)所得阈值对比,实现异常检测。

2.根据权利要求1所述的一种基于多源数据的复杂机电系统异常检测方法,其特征在于,所述的步骤(2)中所述的非平稳非线性序列间相关性分析方法包括去趋势互相关分析DCCA方法、去趋势协方差函数分析方法或皮尔逊相关系数法。

3.根据权利要求1所述的一种基于多源数据的复杂机电系统异常检测方法,其特征在于,步骤(4)中所述的基于耦合关系网络的变分图自编码器是通过一个两层图卷积网络作为编码器学习输入耦合关系网络的分布,进而从所述分布中采样得到潜在变量,有效提取所述耦合关系网络特征,然后利用所述潜在变量通过内积重构原始耦合关系网络,计算重构的耦合关系网络属于所述分布的概率,该概率称为重建概率。

4.根据权利要求1所述的一种基于多源数据的复杂机电系统异常检测方法,其特征在于,步骤(4)中所述变分图自编码器的训练过程如下:

给定正常状态下的多源监测变量X={x1,x2,x3,…,xn}和步骤(2)所述方法计算得到的多变量耦合关系矩阵A,作为训练样本:

其中,aij是变量xi和xj的耦合度;

使用图卷积网络(GCN)学习训练样本所属的分布,模型假设目标分布为高斯分布,高斯分布可以唯一地由二阶矩确定,因此在变分图自编码模型中利用GCN来计算均值和方差:

μ=GCNμ(X,A);logσ=GCNσ(X,A)

其中,W0,W1是待学习的权重参数,GCNμ和GCNσ中共享第一层参数W0,第二层参数W1不共享;A是邻接矩阵;X是节点特征矩阵;D是A的度矩阵,即Dij=∑jAij

根据均值和方差确定所述训练样本的专属分布并从中采样得到潜在变量Z:

采用所述潜在变量Z的内积作为解码器,得到所述训练样本的重建概率:

所述变分图自编码器希望重构出的图与原始图尽可能相似的同时希望GCN计算出的分布与标准高斯分布尽可能相似;因此,损失函数由交叉熵损失函数和KL散度两部分构成:

执行批量梯度下降,并利用重新参数化技巧进行训练。

5.根据权利要求1所述的一种基于多源数据的复杂机电系统异常检测方法,其特征在于,步骤(4)中所述的重建概率阈值的确定方法如下:

R=Eq(Z|X,A)[log p(AZ)]

其中,R是重建概率;

通过对重建概率计算其指数加权移动平均值(EWMA)设定阈值:

系统的EWMA基于时间t的下限函数为:

其中,μR是训练集重建概率R的均值;σR是训练集R的标准差;ns是采样长度;z取2;

当LL<LL(t)时,判断系统发生异常。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于西安交通大学,未经西安交通大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202010764559.7/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top