[发明专利]识别技术设施的过程异常的方法和相应的诊断系统

摘要

本发明涉及一种用于更好地识别技术设施的过程异常的方法和诊断系统，首先在使用历史过程数据作为设施的良好状态的情况下训练出自组织映射，其中良好状态用于测定时间顺序或相关的节点的路径以及神经元的命中容差，测定并存储用于良好状态的欧氏距离的阈值，并且借助所训练的自组织映射评估设施的、状态向量形式的当前过程数据，检查当前状态向量与命中神经元的欧式距离是否超过阈值，只要阈值没有在用命中的神经元进行检查时被超过，借助测定出的路径测定出应命中的神经元，并且，从当前状态向量和命中的神经元或者应命中的神经元中测定出征兆向量。如果可选地连同路径还存储节点的命中数量，则可以测定出与良好状态的时间偏差。

主权项

一种用于更好地识别技术设施的过程异常的方法，包括：在学习阶段中通过使用历史过程数据(H)作为设施的良好状态来训练(1)自组织映射(SOM)，在第二准备步骤中测定(2)并存储(4)参考路径范围，其中，借助所述自组织映射(SOM)的命中神经元的时间顺序和在所述学习阶段中的命中容差确定所述参考路径范围，在所述学习阶段中存储(4)所述良好状态到所述自组织映射(SOM)的相关神经元的欧氏距离的阈值，借助所述学习阶段训练出的自组织映射(SOM)评估(5)所述设施的状态向量形式的当前过程数据，检查(6)当前状态向量到所述命中神经元的欧氏距离是否超过在所述学习阶段中测定出的阈值，通过与在所述学习阶段中测定出的所述参考路径范围进行比较来检查(7)当前路径，并且只要所述阈值没有在利用所述命中神经元进行检查时就已经被超过，则借助相关的所述参考路径范围确定应该命中的神经元，以及从当前的所述状态向量中和所述命中神经元(6)或者应该命中的神经元中测定(SE)出征兆向量，其中，在考虑相关神经元(K)的阈值的情况下实现测定，并且其中，不是零向量的征兆向量表示(A)过程异常，并且所述征兆向量详尽地具体化(SE、UF)所述过程异常。