[发明专利]一种工业数据异常检测方法、装置、电子设备和存储介质

权利要求书

1.一种工业数据异常检测方法，其特征在于，包括：

获取工业设备历史运行数据，根据所述历史运行数据得到训练数据集，将所述训练数据集划分为第一训练集和第二训练集；

创建初始分类模型和初始神经网络判断模型；

将所述第一训练集输入到所述初始分类模型中进行训练，将所述第二训练集输入到所述初始神经网络判断模型中进行训练，得到训练完备的分类模型和训练完备的神经网络判断模型；

获取实时工业运行数据，将所述实时工业运行数据分别输入到所述训练完备的分类模型和神经网络判断模型中，判断所述实时工业运行数据是否异常。

2.根据权利要求1所述的工业数据异常检测方法，其特征在于，将所述实时工业运行数据分别输入到所述训练完备的分类模型和神经网络判断模型中，判断所述实时工业运行数据是否异常，包括：

将所述实时工业运行数据分别输入到所述训练完备的分类模型和神经网络判断模型中，得到模型分类结果和模型判断结果；

对所述模型分类结果和模型判断结果进行逻辑运算，得到最终判断结果；

根据所述最终判断结果，判断所述实时工业运行数据是否异常。

3.根据权利要求2所述的工业数据异常检测方法，其特征在于，将所述实时工业运行数据输入到所述神经网络判断模型中得到模型判断结果，包括：

将所述实时工业运行数据输入到所述神经网络判断模型中，判断所述实时工业运行数据是否满足异常数据判断条件；

当所述实时工业运行数据满足所述异常数据判断条件时，确定所述实时工业运行数据为待处理数据；

利用所述神经网络判断模型对所述待处理数据进行数据重构，得到重构运行数据；

根据所述实时工业运行数据和所述重构运行数据，得到模型判断结果。

4.根据权利要求1所述的工业数据异常检测方法，其特征在于，所述初始神经网络判断模型基于全连接网络建立，包括扩散神经网络、生成神经网络、条件辅助神经网络、稀疏降维神经网络和稀疏生成神经网络；

所述扩散神经网络与所述稀疏降维神经网络并行设置；

所述扩散神经网络、生成神经网络、稀疏降维神经网络和稀疏生成神经网络均与所述条件辅助网络逻辑连接；

所述生成网络与所述扩散网络、所述稀疏生成网络逻辑连接；

所述稀疏生成网络和所述稀疏降维神经网络逻辑连接。

5.根据权利要求1所述的工业数据异常检测方法，其特征在于，将所述第二训练集输入到所述初始神经网络判断模型中进行训练，得到训练完备的神经网络判断模型，包括：

判断训练后的神经网络判断模型是否达到预设的性能标准；如果达到所述预设的性能标准，则输出所述神经网络判断模型为训练完备的神经网络判断模型，并得到异常数据判断条件。

6.根据权利要求1所述的工业数据异常检测方法，其特征在于，根据所述历史运行数据得到训练数据集，包括：

利用第一预设算法对所述历史运行数据进行归一化处理，得到训练数据集。

7.根据权利要求1所述的工业数据异常检测方法，其特征在于，将所述第一训练集输入到所述初始分类模型中进行训练，包括：

构建所述初始分类模型的优化目标函数；

利用第二预设算法和所述训练数据集对所述优化目标函数进行求解，得到所述优化目标函数的最优解。

8.一种工业数据异常检测装置，其特征在于，包括：

训练集获取模块，获取工业设备历史运行数据，根据所述历史运行数据得到训练数据集，将所述训练数据集划分为第一训练集和第二训练集；

模型创建模块，用于创建初始分类模型和初始神经网络判断模型；

模型训练模块，用于将所述第一训练集输入到所述初始分类模型中进行训练，将所述第二训练集输入到所述初始神经网络判断模型中进行训练，得到训练完备的分类模型和训练完备的神经网络判断模型；

数据判断模块，用于获取实时工业运行数据，将所述实时工业运行数据分别输入所述训练完备的分类模型和神经网络判断模型中，判断所述实时工业运行数据是否异常。