[發明專利]一種基于分布式字典學習的工業過程智能監測方法與系統

有效

• 申請號: 202010311145.9
• 申請日: 2020-04-20
• 公開（公告）號: CN111538759B
• 公開（公告）日: 2023-09-12
• 發明（設計）人: 黃科科;陽春華;韋可;朱紅求;李勇剛;周燦
• 申請（專利權）人: 中南大學
• 主分類號: G06F16/2458
• 分類號: G06F16/2458;G06F16/27;G06F17/16;G05B19/042
• 代理公司: 長沙市融智專利事務所(普通合伙) 43114
• 代理人: 龔燕妮

1.一種基于分布式字典學習的工業過程智能監測方法，其特征在于，包括以下步驟：

步驟S10，工業系統的各分布式節點，均利用自身采集的數據建立本地字典；

步驟S20，對所有分布節點的本地字典進行擴散加和處理，得到工業系統的全局字典；

定義節點k在i時刻采集到的N個監測數據為得到的對應字典為D_k,i，按步驟S20對所有分布節點的本地字典進行擴散加和處理的計算方法為：

W_k,i為節點k在i時刻包含鄰居節點信息的新的本地字典，N_n代表包括本地節點k和所有鄰居節點的集合，l表示集合N_n中的元素，a_l,k代表集合N_n中所有節點l相對于本地節點k的權值，且有：

其中v_l代表節點l的連接度，即集合N_n中與節點l相連的節點個數；代表鄰居節點l采集的數據方差；

當節點k的字典完成擴散加和后，需要重新對字典進行歸一化的操作，即：

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

通過多次擴散加和處理，所有節點得到字典D_k,i相同，將該相同的字典作為工業系統的全局字典D_G；

步驟S30，融合計算中心從工業系統獲取若干數據作為訓練樣本，根據全局字典計算每個訓練樣本的重構誤差，并采用核密度估計方法以根據所有訓練樣本的重構誤差計算工業過程監測的控制限；

步驟S40，融合計算中心在線獲取待監測數據，根據全局字典計算待監測數據的重構誤差，并將待監測數據的重構誤差與控制限比較，根據比較結果判斷工業系統是否異常。

2.根據權利要求1所述的方法，其特征在于，工業系統采用的分布式框架為Hadoop，所述Hadoop包括分布式存儲模塊和分布式計算模塊；所述分布式存儲模塊，用于將各分布式節點采集的數據進行分布式存儲；所述分布式計算模塊為MapReduce，用于為各分布式節點分發實現步驟S10和步驟S20的計算任務。

3.根據權利要求1所述的方法，其特征在于，每個分布式節點計算建立本地字典的方法為：

步驟S11，設節點k采集的N個數據為其中每個數據包括工業監測過程中的多個變量維度；

步驟S12，根據稀疏表示原理，通過引入稀疏因子矩陣X_k和字典D_k，將節點k采集的N個數據Y_k表示為Y_k＝D_kX_k，然后通過以下優化問題優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表示計算稀疏因子矩陣X_k中的非零元素的個數，T₀為有關于稀疏因子矩陣中的非零元素個數的預設閾值。