[發(fā)明專利]一種基于異常關(guān)聯(lián)圖的異常原因診斷方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201910021043.0
• 申請(qǐng)日: 2019-01-09
• 公開（公告）號(hào): CN109886292B
• 公開（公告）日: 2021-05-11
• 發(fā)明（設(shè)計(jì)）人: 楊愷;竇紹瑜
• 申請(qǐng)（專利權(quán)）人: 同濟(jì)大學(xué)
• 主分類號(hào): G06K9/62
• 分類號(hào): G06K9/62;G06F17/18
• 代理公司: 上?？剖⒅R(shí)產(chǎn)權(quán)代理有限公司 31225
• 代理人: 蔡彭君

1.一種基于異常關(guān)聯(lián)圖的異常原因診斷方法，其特征在于，所述異常關(guān)聯(lián)圖的建立過(guò)程如下：利用系統(tǒng)的性能指標(biāo)數(shù)據(jù)，使用基于圖論的方法建模系統(tǒng)的正常狀態(tài)，并在系統(tǒng)實(shí)時(shí)運(yùn)行過(guò)程中，根據(jù)上層異常預(yù)測(cè)組件給出的異常信息，建立系統(tǒng)的異常關(guān)聯(lián)圖；

所述方法包括：

步驟S1：在線收集系統(tǒng)中所有組件的性能指標(biāo)數(shù)據(jù)，

步驟S2：選擇一個(gè)未預(yù)診斷組件，判斷是否存在與該組件存在關(guān)聯(lián)關(guān)系的組件，若為是，則執(zhí)行步驟S3，反之，則執(zhí)行步驟S4，

步驟S3：將這兩個(gè)組件的性能指標(biāo)輸入異常預(yù)測(cè)模塊，并接收異常預(yù)測(cè)模塊返回的預(yù)診斷結(jié)果，若為存在故障，則在異常關(guān)聯(lián)圖中連接這兩個(gè)組件對(duì)應(yīng)的節(jié)點(diǎn)，并執(zhí)行步驟S5，

步驟S4：將該組件的性能指標(biāo)輸入異常預(yù)測(cè)模塊，并接收異常預(yù)測(cè)模塊返回的預(yù)診斷結(jié)果，若為存在故障，則在異常關(guān)聯(lián)圖中連接該組件和一虛擬節(jié)點(diǎn)，并執(zhí)行步驟S5，

步驟S5：判斷是否存在未預(yù)診斷組件，若為是，則返回步驟S2，反之，則執(zhí)行步驟S6，

步驟S6：基于異常關(guān)聯(lián)圖診斷得到異常原因；

所述步驟S3具體包括：

步驟S31：根據(jù)兩個(gè)組件之間的自回歸模型計(jì)算出Y的預(yù)測(cè)序列與其真實(shí)值的殘差序列[r_t-L-1,r_t-L-2,…,r_t]，

步驟S32：將該殘差序列送入上層異常預(yù)測(cè)模塊中，

步驟S33：接收異常預(yù)測(cè)模塊返回的一個(gè)異常概率p_t，

步驟S34：判斷該異常概率是否超過(guò)設(shè)定閾值，若為是，則在異常關(guān)聯(lián)圖中連接這兩個(gè)組件對(duì)應(yīng)的節(jié)點(diǎn)，并執(zhí)行S5；

所述步驟S4具體包括：

步驟S41：將該組件的性能指標(biāo)輸入異常預(yù)測(cè)模塊，

步驟S42：接收異常預(yù)測(cè)模塊返回的一個(gè)異常概率p_t，

步驟S43：判斷該異常概率是否超過(guò)設(shè)定閾值，若為是，則在異常關(guān)聯(lián)圖中連接這兩個(gè)組件對(duì)應(yīng)的節(jié)點(diǎn)，并執(zhí)行步驟S5；

所述步驟S6具體包括：

步驟S61：將生成的異常關(guān)聯(lián)圖轉(zhuǎn)換為向量，

步驟S62：對(duì)所有異常圖的向量進(jìn)行聚類，并定義聚類后每一簇的異常原因，

步驟S63：輸出所在簇的異常原因作為診斷結(jié)果；

所述步驟S61具體為：將異常關(guān)聯(lián)圖的每個(gè)節(jié)點(diǎn)的度依次羅列得到該異常關(guān)聯(lián)圖的向量。

2.根據(jù)權(quán)利要求1所述的一種基于異常關(guān)聯(lián)圖的異常原因診斷方法，其特征在于，所述步驟S2具體包括：

步驟S21：選擇一個(gè)未預(yù)診斷組件；

步驟S22：判斷在系統(tǒng)正常運(yùn)行時(shí)的圖模型中是否存在與該組件對(duì)應(yīng)節(jié)點(diǎn)存在關(guān)聯(lián)關(guān)系的節(jié)點(diǎn)，若為是則執(zhí)行步驟S3，反之則執(zhí)行步驟S4。

3.根據(jù)權(quán)利要求1所述的一種基于異常關(guān)聯(lián)圖的異常原因診斷方法，其特征在于，所述系統(tǒng)正常運(yùn)行時(shí)的圖模型的生成過(guò)程包括：

步驟A1：收集各個(gè)系統(tǒng)組件的歷史性能指標(biāo)數(shù)據(jù)，并兩兩組合成二元組；

步驟A2：針對(duì)每一個(gè)二元組生成一個(gè)自回歸模型；

步驟A3：選擇一個(gè)未評(píng)估的自回歸模型，并計(jì)算其R均方值；

步驟A4：判斷R均方值是否大于預(yù)設(shè)的均方值上限，若為是，則在系統(tǒng)正常運(yùn)行時(shí)的圖模型中連接這兩個(gè)組件對(duì)應(yīng)的節(jié)點(diǎn)以表征這兩個(gè)組件存在關(guān)聯(lián)，并執(zhí)行步驟A5；

步驟A5：判斷是否存在未評(píng)估的自回歸模型，若為是，則返回步驟A3。

4.根據(jù)權(quán)利要求3所述的一種基于異常關(guān)聯(lián)圖的異常原因診斷方法，其特征在于，所述自回歸模型的生成過(guò)程具體包括：

步驟A21：輸入兩個(gè)組件x、y的歷史正常性能指標(biāo)[x_t-k,x_t-k-1,…,x_t-k-m]與[y_t,y_t-1,…,y_t-n]，并確定自回歸模型系數(shù)：

y_t+a₁y_t-1+…+a_ny_t-n＝b₀x_t-k+b₁x_t-k-1+…+b_mx_t-k-m

其中：n，m，k為預(yù)設(shè)的自回歸模型的參數(shù)，a₁,…,a_n與b₁,…,b_m為自回歸模型系數(shù)，y_t為t時(shí)刻y組件的性能指標(biāo)，x_t為t時(shí)刻x組件的性能指標(biāo)；

步驟A22：確定自回歸模型：

θ＝[a₁,…,a_n,b₁,…,b_m]

其中：θ為要評(píng)估的自回歸模型。