[发明专利]基于多维传感数据的工业系统生产异常检测与诊断方法

权利要求书

1.一种基于多维传感数据的工业系统生产异常检测与诊断方法，其特征在于，所述基于多维传感数据的工业系统生产异常检测与诊断方法，包括：

S1、对多维传感数据样本进行预处理，并采用滑动窗口将预处理后的多维传感数据样本划分为若干个子样本，所述子样本包含正常子样本和异常子样本；给定多维传感数据样本s∈R^N×T，s为一个二维矩阵，其中N为s的特征维度，即工业系统中所包含的设备个数，T为s的数据时长，即传感器的采样点个数；

S2、采用自动编码机，以无监督训练方式基于正常子样本训练得到异常检测模型；

S3、根据异常检测模型训练分类模型，包括：

步骤31、利用异常检测模型对含有正常子样本和异常子样本的子样本进行检测，并根据检测结果对子样本添加标记，得到有标注子样本集；

步骤32、假定F为N个特征的集合，根据特征的组合每次取集合F中的n个特征得到2^N-1个特征子集S，n＝1,2,…,N，根据每个特征子集从有标注子样本集中生成一个仅包含特征子集中的特征的训练子集，在每个训练子集上采用XGBoost分类器以有监督的方式训练一个分类模型，共得到2^N-1个分类模型；

S4、基于异常检测模型和分类模型对工业系统生产异常进行实时检测与诊断，包括：

获取待检测的实时子样本，若异常检测模型对实时子样本的检测结果为正常子样本则结束；否则利用分类模型根据实时子样本依次计算N个特征维度中每个特征维度对应的特征置信度，并根据特征置信度诊断异常特征，即定位工业系统中的异常设备。

2.如权利要求1所述的基于多维传感数据的工业系统生产异常检测与诊断方法，其特征在于，所述对多维传感数据样本进行预处理，包括：

对多维传感数据样本s中的缺失值，采用前后数据的平均值进行填充；

对多维传感数据样本s进行标准化处理使数据在[0,1]的范围内。

3.如权利要求1所述的基于多维传感数据的工业系统生产异常检测与诊断方法，其特征在于，所述采用滑动窗口将预处理后的多维传感数据样本划分为若干个子样本，包括：

使用窗口大小为W的滑动窗口对多维传感数据样本s进行划分，得到连续的M个子样本ss∈R^N×W。

4.如权利要求3所述的基于多维传感数据的工业系统生产异常检测与诊断方法，其特征在于，所述自动编码机的网络结构包括输入层、编码层、语义层、解码层和输出层，其中：

所述输入层：输入为子样本ss∈R^N×W；

所述编码层：采用两层LSTM作为编码器，子样本ss中W个时刻的N维特征向量x₁,x₂,…,x_W按顺序输入第一层LSTM的每个单元，得到的W个隐向量再按顺序输入第二层LSTM的每个单元，得到W个隐向量h₁,h₂,…,h_W；

所述语义层：取隐向量h_W作为编码后的低维语义向量；

所述解码层：采用两层LSTM作为解码器，将隐向量h_W重复W次并按顺序输入第一层LSTM的每个单元，得到的W个隐向量再按顺序输入第二层LSTM的每个单元，得到W个隐向量g₁,g₂,…,g_W；

所述输出层：采用全连接层将W个隐向量g₁,g₂,…,g_W转换为与子样本ss维度一致的向量y₁,y₂,…,y_W，向量y₁,y₂,…,y_W作为输出数据rss。

5.如权利要求4所述的基于多维传感数据的工业系统生产异常检测与诊断方法，其特征在于，在异常检测模型的训练中采用输出数据rss与子样本ss的均方误差作为损失函数，并采用梯度下降的方式进行优化迭代。