[發明專利]一種趨勢性征兆的異常確定方法及裝置

有效

• 申請號: 202011030858.4
• 申請日: 2020-09-27
• 公開（公告）號: CN111931872B
• 公開（公告）日: 2021-11-16
• 發明（設計）人: 田春華;李闖;劉家揚;張浩
• 申請（專利權）人: 北京工業大數據創新中心有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06F16/9038;G06F16/906
• 代理公司: 北京潤捷智誠知識產權代理事務所(普通合伙) 11831
• 代理人: 安利霞

本發明的實施例提供一種趨勢性征兆的異常確定方法及裝置，包括：獲取趨勢性征兆的序列；確定所述趨勢性征兆研判模型；根據所述趨勢性征兆研判模型，確定所述趨勢性征兆的序列是否異常。同時，本發明具有利用少量案例數據去自動檢測趨勢性異常的特點。

技術領域

本發明涉及工業設備的信息處理技術領域，特別是指一種趨勢性征兆的異常確定方法及裝置。

背景技術

在工業設備的數據處理過程中，工業設備的相關指標可能會存在一些征兆，例如，工業設備的轉子熱彎曲振動通頻值大、啟停機時同轉速下通頻量差值較大、啟停機時同轉速下工頻量差值較大。

趨勢性征兆也是工業設備或工業過程異常預警中的一種常見征兆，如圖1所示，例如工業設備的“溫度緩慢上升”、“泄漏量持續增長”等。

但是，趨勢性征兆的直接形式化表達非常繁瑣，與業務場景密切相關。

趨勢中存在的干擾包括：噪聲、周期波動、毛刺（即干擾）；

趨勢除了幅度，還有時長、上升速度等特征；

工業中也不存在足夠的樣本，需要靠機器學習“盲挖”去學習背后的模式。

發明內容

本發明提供一種趨勢性征兆的異常確定方法和裝置，用于利用少量案例數據去自動檢測趨勢性異常。

為解決上述技術問題，本發明的技術方案如下：

一種趨勢性征兆的異常確定方法，包括：

獲取趨勢性征兆的序列；

確定所述趨勢性征兆研判模型；

根據所述趨勢性征兆研判模型，確定所述趨勢性征兆的序列是否異常。

可選的，所述趨勢性征兆研判模型通過以下過程確定：

獲取包括了用戶標記的異常趨勢的趨勢性征兆的長期序列；

從所述長期序列中確定所述異常趨勢的時間窗口的分布；

根據時間窗口，獲取所述長期序列中的正常子序列；

根據所述正常子序列和異常子序列，確定所述趨勢性征兆的研判模型。

可選的，根據所述異常趨勢的時間窗口，獲取所述長期序列中的正常子序列，包括：

根據所述異常趨勢的時間窗口的分布，按照時間窗口大小滑動，獲取所述長期序列中的正常子序列。

可選的，根據所述正常子序列和異常子序列，確定所述趨勢征兆的研判模型，包括：

對所述正常子序列和異常子序列進行分解，獲得所述正常子序列和異常子序列的特征變量；

對所述特征變量進行分類模型訓練，確定所述趨勢征兆的研判模型。

可選的，所述特征變量包括：

趨勢項的能量占比；

周期項的能量占比；

干擾項的能量占比；

趨勢項的模態類型和參數。

可選的，所述趨勢項的模態類型包括線型模態、指數型模態或者對數型模態。

可選的，在符合時間窗口長度的正常子序列中，只選取斜率的絕對值大于或等于所述用戶標記的異常子序列的斜率的絕對值的正常子序列。

可選的，對所述特征變量進行分類模型訓練，確定所述趨勢征兆的研判模型，包括：

采用分類算法對所述特征變量進行分類模型訓練，確定所述趨勢征兆的研判模型。