[發(fā)明專利]基于張量標簽學(xué)習(xí)的并發(fā)異常狀態(tài)識別與定位系統(tǒng)

有效

• 申請?zhí)枺?/td>: 201910169101.4
• 申請日: 2019-03-06
• 公開（公告）號: CN109871002B
• 公開（公告）日: 2020-08-25
• 發(fā)明（設(shè)計）人: 李雙宏
• 申請（專利權(quán)）人: 東方證券股份有限公司
• 主分類號: G05B23/02
• 分類號: G05B23/02
• 代理公司: 上海交達專利事務(wù)所 31201
• 代理人: 王毓理;王錫麟

1.一種基于張量標簽學(xué)習(xí)的并發(fā)異常狀態(tài)識別與定位系統(tǒng)，其特征在于，包括：異常狀態(tài)數(shù)據(jù)預(yù)處理模塊、高維張量標簽?zāi)K、張量切片與運算模塊、機器學(xué)習(xí)系統(tǒng)、預(yù)測張量標簽信息融合模塊和預(yù)測結(jié)果評價模塊，其中：異常狀態(tài)數(shù)據(jù)預(yù)處理模塊采集來自工業(yè)系統(tǒng)的原始數(shù)據(jù)結(jié)構(gòu)化和標準化處理后輸出標準數(shù)據(jù)至高維張量標簽?zāi)K，高維張量標簽?zāi)K對標準數(shù)據(jù)進行加標簽處理并生成系統(tǒng)狀態(tài)信息張量后分別輸出至張量切片與運算模塊和預(yù)測結(jié)果評價模塊，張量切片與運算模塊對系統(tǒng)狀態(tài)信息張量進行壓縮處理并輸出降維后的張量信息至機器學(xué)習(xí)系統(tǒng)，機器學(xué)習(xí)系統(tǒng)分別通過模式識別算法進行異常狀態(tài)識別得到故障類型標簽、通過特征選擇算法進行異常狀態(tài)定位得到故障位置標簽，預(yù)測張量標簽信息融合模塊通過對兩種標簽融合得到預(yù)測標簽張量，預(yù)測結(jié)果評價模塊根據(jù)預(yù)測標簽張量與系統(tǒng)狀態(tài)信息張量中的原始標簽張量進行張量對比運算，得到使用精度；

所述的加標簽處理具體包括：

①標量標簽y_ns＝i,i∈N，其中：標簽的輸出是時間序列的，因此，系統(tǒng)狀態(tài)隨時間t變化的標簽輸出是標簽維度加入時間t維度的輸出：

②向量標簽：一個標簽同時記錄了多個不同的系統(tǒng)狀態(tài)，標簽形式為Y_i＝{y₁…y_nc}，向量標簽輸出：

③矩陣標簽：一個標簽不僅記錄了多個不同的系統(tǒng)狀態(tài)，而且記錄了各個傳感器的位置信息，標簽形式為矩陣型標簽流Y_tensor為三階張量，是矩陣標簽沿時間維度的拓展，其中：(Y_tensor)_i＝Y(jié)_i。

2.根據(jù)權(quán)利要求1所述的基于張量標簽學(xué)習(xí)的并發(fā)異常狀態(tài)識別與定位系統(tǒng)，其特征是，所述的異常狀態(tài)數(shù)據(jù)預(yù)處理模塊包括：數(shù)據(jù)結(jié)構(gòu)化單元、數(shù)據(jù)標準化單元，其中：數(shù)據(jù)結(jié)構(gòu)化單元與工業(yè)系統(tǒng)各傳感器數(shù)據(jù)相連并傳輸工業(yè)過程結(jié)構(gòu)化數(shù)據(jù)，數(shù)據(jù)標準化單元與數(shù)據(jù)結(jié)構(gòu)化單元相連并傳輸經(jīng)過歸一化后的標準化數(shù)據(jù)。

3.根據(jù)權(quán)利要求1所述的基于張量標簽學(xué)習(xí)的并發(fā)異常狀態(tài)識別與定位系統(tǒng)，其特征是，所述的高維張量標簽?zāi)K包括：標量單元、向量標簽單元、矩陣標簽單元，其中：標量單元與工業(yè)系統(tǒng)數(shù)據(jù)故障類別相連，并傳輸以標量表示的故障標簽，向量標簽單元與標量單元相連并輸出單個標簽位能夠表示一類故障是否發(fā)生的向量標簽，矩陣標簽單元與向量標簽單元相連并輸出加入了故障位置信息的矩陣標簽信息。

4.根據(jù)權(quán)利要求1所述的基于張量標簽學(xué)習(xí)的并發(fā)異常狀態(tài)識別與定位系統(tǒng)，其特征是，所述的張量切片與運算模塊包括：張量切片與分解單元，其中：張量切片與分解單元與異常狀態(tài)數(shù)據(jù)預(yù)處理模塊及高維張量標簽?zāi)K相連，并輸出降維后的張量數(shù)據(jù)信息。

5.根據(jù)權(quán)利要求1所述的基于張量標簽學(xué)習(xí)的并發(fā)異常狀態(tài)識別與定位系統(tǒng)，其特征是，所述的機器學(xué)習(xí)系統(tǒng)通過模式識別算法進行異常狀態(tài)識別具體是指：使用有監(jiān)督機器學(xué)習(xí)算法對帶標簽的工業(yè)過程數(shù)據(jù)進行訓(xùn)練學(xué)習(xí)，使得訓(xùn)練好的學(xué)習(xí)機能夠檢測識別工業(yè)過程中的異常數(shù)據(jù)，并確定故障類型；

所述的機器學(xué)習(xí)系統(tǒng)通過特征選擇算法進行異常狀態(tài)定位具體是指：使用特征選擇算法，對工業(yè)正常工作數(shù)據(jù)及有標簽異常數(shù)據(jù)進行建模，使得學(xué)習(xí)的模型能夠通過歷史數(shù)據(jù)篩選出造成系統(tǒng)狀態(tài)變化的關(guān)鍵特征點，找出故障原因，實現(xiàn)異常狀態(tài)定位；

該機器學(xué)習(xí)系統(tǒng)包括：故障識別單元、特征選擇單元，其中：故障識別單元與張量切片運算模塊相連，并輸出故障類型標簽信息，特征選擇單元與張量切片與運算模塊相連，并輸出故障位置標簽信息。

6.根據(jù)權(quán)利要求1所述的基于張量標簽學(xué)習(xí)的并發(fā)異常狀態(tài)識別與定位系統(tǒng)，其特征是，所述的預(yù)測張量標簽信息融合模塊包括：張量標簽信息融合單元，其中：張量標簽信息融合單元與機器學(xué)習(xí)系統(tǒng)相連，并輸出包含預(yù)測故障類型與位置信息的矩陣標簽。

7.根據(jù)權(quán)利要求1所述的基于張量標簽學(xué)習(xí)的并發(fā)異常狀態(tài)識別與定位系統(tǒng)，其特征是，所述的預(yù)測結(jié)果評價模塊包括：預(yù)測結(jié)果評級單元，其中：預(yù)測結(jié)果評級單元與預(yù)測張量標簽信息融合模塊及高維張量標簽?zāi)K相連，并輸出異常狀態(tài)識別與定位精度。