[发明专利]基于工业互联网的设备液体管线流动检测方法

权利要求书

1.一种基于工业互联网的设备液体管线流动检测方法，其特征在于，包括：

通过设置于待检测工业设备的液体管线内的流量计获取所述待检测工业设备的液体管线在一天内的液体流量数据，所述待检测工业设备被连接至工业互联网；

将所述液体流量数据转化为液体流量向量；

将对应于多天的多个所述液体流量向量分别输入深度神经网络以获得多个流量特征向量；

计算所述多个流量特征向量中每个流量特征向量的协方差矩阵以获得多个协方差矩阵，包括：

取所述多个流量特征向量中每个流量特征向量的各个位置的特征值的中位数，以获得由多个中位数构成的中位数向量；

计算所述多个流量特征向量中每个流量特征向量与所述中位数向量之间的按位置差值，以获得多个差分向量；

将所述多个流量特征向量中每个所述流量特征向量对应的所述差分向量与所述差分向量的转置进行矩阵相乘以获得对应于每个所述流量特征向量的协方差矩阵，以获得所述多个协方差矩阵；

将所述多个协方差矩阵按样本维度进行排列以构造为输入张量并将所述输入张量通过卷积神经网络以获得向量协方差特征图；

通过所述工业互联网获得所述待检测工业设备的当天的液体流量数据并将所述当前的液体流量数据转化为当天液体流量向量；

将所述当天液体流量向量通过所述深度神经网络以获得查询特征向量；

以所述查询特征向量在所述向量协方差特征图进行搜索，以获得分类特征向量；以及

将所述分类特征向量通过分类器以获得分类结果，所述分类结果用于表示所述待检测工业设备的液体管线内的液体流量是否异常。

2.根据权利要求1所述的基于工业互联网的设备液体管线流动检测方法，其中，将对应于多天的多个所述液体流量向量分别输入深度神经网络以获得多个流量特征向量，包括：

将对应于多天的多个所述液体流量向量分别输入全连接深度神经网络以获得多个流量特征向量。

3.根据权利要求1所述的基于工业互联网的设备液体管线流动检测方法，其中，以所述查询特征向量在所述向量协方差特征图进行搜索，以获得分类特征向量，包括：

将所述查询特征向量与所述向量协方差特征图进行矩阵相乘以获得所述分类特征向量。

4.根据权利要求3所述的基于工业互联网的设备液体管线流动检测方法，其中，将所述分类特征向量通过分类器以获得分类结果，包括：

将所述分类特征向量输入Softmax分类函数以获得所述分类特征向量归属于所述待检测工业设备的液体管线内的液体流量异常的第一概率，以及，所述分类特征向量归属于所述待检测工业设备的液体管线内的液体流量正常的第二概率；以及

基于所述第一概率和所述第二概率，确定所述分类结果。

5.根据权利要求1所述的基于工业互联网的设备液体管线流动检测方法，其中，所述卷积神经网络为深度残差网络。

6.根据权利要求5所述的基于工业互联网的设备液体管线流动检测方法，其中，所述深度残差网络为ResNet 150。