[發(fā)明專利]一種基于分布式字典學(xué)習(xí)的工業(yè)過(guò)程智能監(jiān)測(cè)方法與系統(tǒng)

有效

• 申請(qǐng)?zhí)枺?/td>: 202010311145.9
• 申請(qǐng)日: 2020-04-20
• 公開(kāi)（公告）號(hào): CN111538759B
• 公開(kāi)（公告）日: 2023-09-12
• 發(fā)明（設(shè)計(jì)）人: 黃科科;陽(yáng)春華;韋可;朱紅求;李勇剛;周燦
• 申請(qǐng)（專利權(quán)）人: 中南大學(xué)
• 主分類號(hào): G06F16/2458
• 分類號(hào): G06F16/2458;G06F16/27;G06F17/16;G05B19/042
• 代理公司: 長(zhǎng)沙市融智專利事務(wù)所(普通合伙) 43114
• 代理人: 龔燕妮

1.一種基于分布式字典學(xué)習(xí)的工業(yè)過(guò)程智能監(jiān)測(cè)方法，其特征在于，包括以下步驟：

步驟S10，工業(yè)系統(tǒng)的各分布式節(jié)點(diǎn)，均利用自身采集的數(shù)據(jù)建立本地字典；

步驟S20，對(duì)所有分布節(jié)點(diǎn)的本地字典進(jìn)行擴(kuò)散加和處理，得到工業(yè)系統(tǒng)的全局字典；

定義節(jié)點(diǎn)k在i時(shí)刻采集到的N個(gè)監(jiān)測(cè)數(shù)據(jù)為得到的對(duì)應(yīng)字典為D_k,i，按步驟S20對(duì)所有分布節(jié)點(diǎn)的本地字典進(jìn)行擴(kuò)散加和處理的計(jì)算方法為：

W_k,i為節(jié)點(diǎn)k在i時(shí)刻包含鄰居節(jié)點(diǎn)信息的新的本地字典，N_n代表包括本地節(jié)點(diǎn)k和所有鄰居節(jié)點(diǎn)的集合，l表示集合N_n中的元素，a_l,k代表集合N_n中所有節(jié)點(diǎn)l相對(duì)于本地節(jié)點(diǎn)k的權(quán)值，且有：

其中v_l代表節(jié)點(diǎn)l的連接度，即集合N_n中與節(jié)點(diǎn)l相連的節(jié)點(diǎn)個(gè)數(shù)；代表鄰居節(jié)點(diǎn)l采集的數(shù)據(jù)方差；

當(dāng)節(jié)點(diǎn)k的字典完成擴(kuò)散加和后，需要重新對(duì)字典進(jìn)行歸一化的操作，即：

式中，表示新的本地字典W_k,i的第n列，表示計(jì)算的2范數(shù)，表示歸一化得到的字典D_k,i的第n列；

通過(guò)多次擴(kuò)散加和處理，所有節(jié)點(diǎn)得到字典D_k,i相同，將該相同的字典作為工業(yè)系統(tǒng)的全局字典D_G；

步驟S30，融合計(jì)算中心從工業(yè)系統(tǒng)獲取若干數(shù)據(jù)作為訓(xùn)練樣本，根據(jù)全局字典計(jì)算每個(gè)訓(xùn)練樣本的重構(gòu)誤差，并采用核密度估計(jì)方法以根據(jù)所有訓(xùn)練樣本的重構(gòu)誤差計(jì)算工業(yè)過(guò)程監(jiān)測(cè)的控制限；

步驟S40，融合計(jì)算中心在線獲取待監(jiān)測(cè)數(shù)據(jù)，根據(jù)全局字典計(jì)算待監(jiān)測(cè)數(shù)據(jù)的重構(gòu)誤差，并將待監(jiān)測(cè)數(shù)據(jù)的重構(gòu)誤差與控制限比較，根據(jù)比較結(jié)果判斷工業(yè)系統(tǒng)是否異常。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，工業(yè)系統(tǒng)采用的分布式框架為Hadoop，所述Hadoop包括分布式存儲(chǔ)模塊和分布式計(jì)算模塊；所述分布式存儲(chǔ)模塊，用于將各分布式節(jié)點(diǎn)采集的數(shù)據(jù)進(jìn)行分布式存儲(chǔ)；所述分布式計(jì)算模塊為MapReduce，用于為各分布式節(jié)點(diǎn)分發(fā)實(shí)現(xiàn)步驟S10和步驟S20的計(jì)算任務(wù)。

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，每個(gè)分布式節(jié)點(diǎn)計(jì)算建立本地字典的方法為：

步驟S11，設(shè)節(jié)點(diǎn)k采集的N個(gè)數(shù)據(jù)為其中每個(gè)數(shù)據(jù)包括工業(yè)監(jiān)測(cè)過(guò)程中的多個(gè)變量維度；

步驟S12，根據(jù)稀疏表示原理，通過(guò)引入稀疏因子矩陣X_k和字典D_k，將節(jié)點(diǎn)k采集的N個(gè)數(shù)據(jù)Y_k表示為Y_k＝D_kX_k，然后通過(guò)以下優(yōu)化問(wèn)題優(yōu)化更新稀疏因子矩陣X_k和字典D_k：

Subject?to||X_k(·)||₀≤T₀；

式中，||X_k(·)||₀表示計(jì)算稀疏因子矩陣X_k中的非零元素的個(gè)數(shù)，T₀為有關(guān)于稀疏因子矩陣中的非零元素個(gè)數(shù)的預(yù)設(shè)閾值。