[发明专利]基于工业互联网的设备液体管线流动检测方法

说明书

本申请公开了一种基于工业互联网的设备液体管线流动检测方法。其采用基于统计原理的深度学习技术，来从大量液体管线内的液体流量的数据当中自主地学习到液体流量的高维特征，从而基于该高维特征来进行分类以获得液体管线内的液体的流量异常的分类结果。具体地，在分类过程中，充分利用一天内的液体管线内的液体流量的数据彼此之间的关联信息和数据在各天之间的关联信息，这样，提高液体的流量是否异常的分类的准确性。

技术领域

本发明涉及工业互联网领域，且更为具体地，涉及一种基于工业互联网 的设备液体管线流动检测方法、基于工业互联网的设备液体管线流动检测系 统和电子设备。

背景技术

工业互联网是全球工业系统与高级计算、分析、感应技术以及互联网连接融合的一种结果，随着信息化与工业化深度融合，工业互联网产业与相关技术获得了快速发展。。

很多工业设备包括液体管线，用于设备内所需的液体的循环流转，例如 制冷设备等，如果这些液体的循环流转出现异常，则可能会导致工业设备的 损坏。但是，在实际上工业设备的运转过程当中，其液体管线内的液体的流 动本身是在不断变化当中的，因此如何能够从液体管线内的液体的流动来提 取出流动异常的特征成为亟需解决的技术问题。

因此，期望提供一种对于工业设备内的液体管线的流动情况进行检测的 方法。

发明内容

为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种基 于工业互联网的设备液体管线流动检测方法、基于工业互联网的设备液体管 线流动检测系统和电子设备，其采用基于统计原理的深度学习技术，来从大 量液体管线内的液体流量的数据当中自主地学习到液体流量的高维特征，从 而基于该高维特征来进行分类以获得液体管线内的液体的流量异常的分类 结果。具体地，在分类过程中，充分利用一天内的液体管线内的液体流量的 数据彼此之间的关联信息和数据在各天之间的关联信息，这样，提高液体的流量是否异常的分类的准确性。

根据本申请的一个方面，提供了一种基于工业互联网的设备液体管线流 动检测方法，其包括：

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。