[发明专利]一种基于主动学习的分布式检测系统

权利要求书

1.一种基于主动学习的分布式检测系统，其特征在于，包括分布式传感器集群、边缘计算服务器集群、核心计算服务器集群和主动学习服务器；

所述分布式传感器集群，用于采集工业现场中产生的基础数据，并将所述基础数据发送至所述边缘计算服务器集群；

所述边缘计算服务器集群，用于利用预设的信号加密算法对接收到的基础数据进行小波变换，继而利用预设的信号解密算法进行小波反变换得到的融合时序数据并输出；

所述核心计算服务器集群，用于将带有标注的融合时序数据输入至训练好的故障预测模型输出得到故障预测结果，同时，将带有标注的融合时序数据输入至训练好的异常分类模型输出得到异常分类结果；

所述主动学习服务器，用于基于所述故障预测模型和所述异常分类模型的训练情况对所述融合时序数据进行数据标注。

2.根据权利要求1所述的基于主动学习的分布式检测系统，其特征在于，所述基础数据包括分别设置于生产车间、生产设备和生产零部件上的所有传感器采集到的信号数据。

3.根据权利要求2所述的基于主动学习的分布式检测系统，其特征在于，所述分布式传感器集群基于香农定理确定各个传感器的采样频率和采用周期，以使各个传感器根据确定的采样频率和采用周期进行信号采集。

4.根据权利要求1所述的基于主动学习的分布式检测系统，其特征在于，所述边缘计算服务器集群包括：

数据融合模块，用于将所述基础数据进行信息融合得到融合信号数据；

信号变换模块，用于利用预设的信号加密算法对所述融合信号数据进行小波变换得到信号的幅度谱和相位谱，采用蒙特卡洛随机算法对所述幅度谱进行平均划分得到新幅度谱，再将所述相位谱和所述新幅度谱进行元素积操作得到新频域信号；

信号反变换模块，用于利用预设的信号解密算法对所述新频域信号进行小波反变换得到所述融合时序数据并输出。

5.根据权利要求1所述的基于主动学习的分布式检测系统，其特征在于，所述核心计算服务器集群包括：

故障预测模块，用于将带有标注的融合时序数据输入至训练好的故障预测模型进行自回归预测，得到所述故障预测模型输出的故障预测结果；

异常分类模块，用于将带有标注的融合时序数据转化为图像，继而将所述图像输入至训练好的异常分类模型进行分类，得到所述异常分类模型输出的异常分类结果。

6.根据权利要求1所述的基于主动学习的分布式检测系统，其特征在于，所述核心计算服务器集群还包括：

第一模型训练模块，用于根据预先获取的第一样本数据以及与所述第一样本数据对应的故障监测结果对所述故障预测模型进行训练得到训练好的故障预测模型；

第二模型训练模型，用于根据预先获取的第二样本数据以及与所述第二样本数据对应的异常监测结果对所述异常分类模型进行训练得到训练好的异常分类模型。

7.根据权利要求1所述的基于主动学习的分布式检测系统，其特征在于，所述主动学习服务器包括：

相关性运算模块，用于基于所述故障预测模型和所述异常分类模型的训练情况进行相关性运算，得到相关性评估结果；

数据标注模块，用于根据所述相关性评估结果对所述融合时序数据进行数据标注。

8.根据权利要求1所述的基于主动学习的分布式检测系统，其特征在于，所述主动学习服务器还包括标注校正模块，用于根据获取到的人工校正指令对所述融合时序数据的标注进行校正。

9.根据权利要求2所述的基于主动学习的分布式检测系统，其特征在于，所述信号数据包括所述生产车间的环境数据、所述生产设备的运行数据和所述生产零部件的感应数据。

10.根据权利要求5所述的基于主动学习的分布式检测系统，其特征在于，所述异常分类模型为采用基于注意力机制的异常分类模型。