[发明专利]针对多模态工业过程异常状态的检测方法、系统、设备

权利要求书

1.一种针对多模态工业过程异常状态的检测方法，其特征在于，该方法包括以下步骤：

S10，通过多组传感器采集生产线在生产过程中的状态监测数据；

S20，对所述状态监测数据进行预处理，得到预处理数据；

S30，采用滑动窗口策略，通过自定义窗口大小n和滑动步长n_s，将所述预处理数据分割成多个待检测数据；分割后，利用t-n+1时刻至t时刻的状态检测数据构建用于描述t时刻生产过程的状态的增广矩阵，作为第一矩阵；

S40，利用训练好的自编码器模型重构第一矩阵，作为第二矩阵，并利用自编码器模型重构第一矩阵与第二矩阵之间的残差；将所述第二矩阵与所述残差求和，作为最终的重建结果，并计算所述重建结果与第一矩阵数据间的重建误差，进而基于该重建误差计算预处理数据在设定的异常指标s_et、s_bt下的检测结果；

S50，结合历史检测结果，对S40中获取的检测结果进行滤波处理；若滤波后的检测结果对应的值大于预获取的两个报警阈值中的任一个，则进行预警；

其中，所述自编码器模型基于基础重建模块、残差重建模块以及重建误差预测模块三个子模块组成；

所述基础重建模块与所述残差重建模块均基于自编码网络构建；所述基础重建模块用于重构第一矩阵，得到第二矩阵；所述残差重建模块用于重构第一矩阵与第二矩阵之间的残差；所述重建误差预测模块基于前馈网络构建，用于估计自编码器模型的重建误差。

2.根据权利要求1所述的针对多模态工业过程异常状态的检测方法，其特征在于，“对所述状态监测数据进行预处理”，其方法为：

对状态监测数据进行清洗：依据传感器的设定的正常工作范围设置传感器信号的上下阈值，将超出阈值上限的传感器数据，即状态监测数据，限制为阈值上限，将低于阈值下限的状态监测数据限制为阈值下限；

将清洗后的状态监测数据进行归一化处理，归一化处理过程为：

x_n＝S(x-L_l)/(L_h-L_l)

其中，x为原始传感器信号，即未经归一化处理的状态监测数据，L_h与L_l分别是状态监测数据的阈值上限与阈值下限，S为一个缩放因子，取值在[0,1]之间，x_n为经过归一化处理后的状态监测数据。

3.根据权利要求1所述的针对多模态工业过程异常状态的检测方法，其特征在于，所述自编码器模型，其训练方法为：

A10，通过多组监测传感器采集生产线在生产过程中的历史状态监测数据，作为训练数据；

A20，对所述训练数据进行预处理，得到预处理数据；

A30，采用滑动窗口策略，通过自定义窗口大小n和滑动步长n_s，将所述预处理数据分割成多个待检测数据；分割后，利用t-n+1时刻至t时刻的状态检测数据构建用于描述t时刻生产过程的状态的增广矩阵，作为第一矩阵；

A40，通过所述自编码器模型的基础重建模块重构第一矩阵，作为第二矩阵，并通过残差重建模块重构第一矩阵与第二矩阵之间的残差；将所述第二矩阵与所述残差求和，作为最终的重建结果，并通过重建误差预测模块计算所述重建结果与第一矩阵数据间的重建误差；

A50，基于所述第一矩阵中的历史状态监测数据，结合第二矩阵中的历史状态监测数据、第一矩阵与第二矩阵之间的残差的重构结果、自编码器模型的重建误差，通过预构建的损失函数计算基础重建模块、残差重建模块以及重建误差预测模块对应的损失值，并进行参数更新；

A60，循环执行步骤A10-A50，直至得到训练好的自编码器模型。