[發(fā)明專利]一種基于深度學(xué)習(xí)發(fā)現(xiàn)計(jì)量自動(dòng)化流水線故障診斷方法及診斷系統(tǒng)

在審

• 申請(qǐng)?zhí)枺?/td>: 201910059363.5
• 申請(qǐng)日: 2019-01-22
• 公開（公告）號(hào): CN109800894A
• 公開（公告）日: 2019-05-24
• 發(fā)明（設(shè)計(jì)）人: 區(qū)永健;龐皓元;楊璽;趙炳輝;張婉婷;黃欣純
• 申請(qǐng)（專利權(quán)）人: 廣東電網(wǎng)有限責(zé)任公司;廣東電網(wǎng)有限責(zé)任公司江門供電局
• 主分類號(hào): G06Q10/00
• 分類號(hào): G06Q10/00;G06Q50/06
• 代理公司: 廣州粵高專利商標(biāo)代理有限公司 44102
• 代理人: 陳偉斌

1.一種基于深度學(xué)習(xí)發(fā)現(xiàn)計(jì)量自動(dòng)化流水線故障診斷方法，其特征在于，包括以下步驟：

S1：數(shù)據(jù)采集，用于采集智能設(shè)備和傳感器組反饋數(shù)據(jù)、系統(tǒng)運(yùn)行的日志數(shù)據(jù)和外部數(shù)據(jù)；

S2：數(shù)據(jù)標(biāo)準(zhǔn)化，對(duì)步驟S1中采集的數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化，并將處理后的數(shù)據(jù)通過kafka流處理平臺(tái)發(fā)送至Hive數(shù)據(jù)倉庫；

S3：深度學(xué)習(xí)，基于SparkMLlib平臺(tái)對(duì)步驟S2中標(biāo)準(zhǔn)化后的數(shù)據(jù)進(jìn)行特征提取、模糊邏輯和標(biāo)簽分類，進(jìn)行機(jī)器學(xué)習(xí)，得出故障診斷模型；

S4：故障診斷，運(yùn)用S3中的故障診斷模型對(duì)自動(dòng)化流水線進(jìn)行實(shí)時(shí)診斷，對(duì)故障進(jìn)行預(yù)警。

2.根據(jù)權(quán)利要求1所述的一種基于深度學(xué)習(xí)發(fā)現(xiàn)計(jì)量自動(dòng)化流水線故障診斷方法，其特征在于：在步驟S2中，數(shù)據(jù)標(biāo)準(zhǔn)化采用采用算法進(jìn)行處理，將一列數(shù)值特征的值縮放成均值為0，方差為1的狀態(tài)。

3.根據(jù)權(quán)利要求1所述的一種基于深度學(xué)習(xí)發(fā)現(xiàn)計(jì)量自動(dòng)化流水線故障診斷方法，其特征在于：在步驟S3中，SparkMLlib平臺(tái)含有KMeans聚類算法、決策樹分類算法和神經(jīng)網(wǎng)絡(luò)深度學(xué)習(xí)算法，其中KMeans聚類算法的數(shù)學(xué)樣式為：決策樹分類算法的數(shù)學(xué)樣式為：

神經(jīng)網(wǎng)絡(luò)深度學(xué)習(xí)算法的數(shù)學(xué)樣式為：

y＝f_θ(x)＝s(Wx+b)，x′＝g_θ′(y)＝s(W′y+b′)，L(x,x′)＝L(x,g(f(x)))。

4.根據(jù)權(quán)利要求1所述的一種基于深度學(xué)習(xí)發(fā)現(xiàn)計(jì)量自動(dòng)化流水線故障診斷方法，其特征在于：在步驟S3中，故障診斷模型采用Calinski-Harabaz指數(shù)來評(píng)估，對(duì)于k簇，Calinski-Harabaz得分s是作為簇間色散平均值與within-cluster群內(nèi)色散之間的比值給出的：

其中Bk是組間色散矩陣，Wk是由以下定義的群內(nèi)色散矩陣:

其中n為數(shù)據(jù)中的點(diǎn)數(shù)，c_q為cluster(簇)q中的點(diǎn)集，n_q為cluster(簇)q中的點(diǎn)數(shù)。

5.根據(jù)權(quán)利要求1所述的一種基于深度學(xué)習(xí)發(fā)現(xiàn)計(jì)量自動(dòng)化流水線故障診斷方法，其特征在于：所述步驟S1中的智能設(shè)備為自動(dòng)檢定流水線的傳感設(shè)備，至少包括機(jī)械手、計(jì)量檢定中心單相電能表、三相電能表、低壓電流互感器和采集終端，所述傳感器組至少包括溫度傳感器、噪音傳感器和振動(dòng)傳感器，所述外部數(shù)據(jù)包括外部工業(yè)大數(shù)據(jù)數(shù)據(jù)。

6.一種基于深度學(xué)習(xí)發(fā)現(xiàn)計(jì)量自動(dòng)化流水線故障診斷系統(tǒng)，包括數(shù)據(jù)源模塊(1)、AI平臺(tái)(2)和故障診斷模塊(3)，其特征在于：所述AI平臺(tái)(2)分別與數(shù)據(jù)源模塊(1)和故障診斷模塊(3)信號(hào)連接，所述數(shù)據(jù)源模塊(1)包括智能設(shè)備(11)和用于反饋數(shù)據(jù)的傳感器(12)、系統(tǒng)日志(13)和外部數(shù)據(jù)(14)，所述AI平臺(tái)(2)包括數(shù)據(jù)標(biāo)準(zhǔn)化模塊(21)、數(shù)據(jù)傳輸模塊(22)、數(shù)據(jù)存儲(chǔ)模塊(23)、數(shù)據(jù)動(dòng)態(tài)擴(kuò)容/縮容模塊(24)、機(jī)器學(xué)習(xí)模塊(25)和學(xué)習(xí)結(jié)果存儲(chǔ)模塊(26)，所述數(shù)據(jù)標(biāo)準(zhǔn)化模塊(21)與數(shù)據(jù)源模塊(1)信號(hào)連接，所述學(xué)習(xí)結(jié)果存儲(chǔ)模塊(26)通過RESTFul平臺(tái)(4)與故障診斷模塊(3)信號(hào)連接。