[發明專利]一種專家規則集訓練方法、訓練器和工業設備預警系統

有效

• 申請號: 202011131385.7
• 申請日: 2020-10-21
• 公開（公告）號: CN112363465B
• 公開（公告）日: 2022-04-01
• 發明（設計）人: 田春華;李闖;劉家揚;曾慶勇
• 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: G05B19/418
• 分類號: G05B19/418
• 代理公司: 深圳紫藤知識產權代理有限公司 44570
• 代理人: 遠明

1.一種專家規則集訓練方法，其特征在于，該方法的步驟包括：

對專家手動標記的實際標記樣本和由專家提供的多個經驗規則構成的專家規則集對樣本進行標記的專家規則集標記樣本進行權重分配；

基于分配權重的實際標記樣本和專家規則集標記樣本進行模型訓練，獲得專家規則參數和/或易混淆樣本數據；

對易混淆樣本數據進行專家手動標記，并添加到實際標記樣本中，更新實際標記樣本；

將專家規則參數添加至專家規則集中，更新專家規則集標記樣本；

基于更新的實際標記樣本和更新的規則標記樣本，繼續分配權重進行模型訓練，獲得新的專家規則參數和新的易混淆樣本數據；

重復上述基于更新的實際標記樣本和更新的規則標記樣本進行模型訓練的步驟，直至達到預定訓練次數，或，獲取的易混淆樣本數據的量小于預定閾值，則停止訓練；

將所述專家規則參數更新至專家規則集中，形成優化后的專家規則集。

2.根據權利要求1所述的方法，其特征在于，所述對專家手動標記的實際標記樣本和由專家提供的多個經驗規則構成的專家規則集對樣本進行標記的專家規則集標記樣本進行權重分配的前一步包括：

獲取未標記的全體樣本數據集；

所述專家規則集對全體樣本數據集進行標記，獲得專家規則集標記樣本。

3.根據權利要求1所述的方法，其特征在于，所述對專家手動標記的實際標記樣本和由專家提供的多個經驗規則構成的專家規則集對樣本進行標記的專家規則集標記樣本進行權重分配的步驟包括：

采用核函數，確定專家規則集標記樣本的權重；

實際標記樣本的權重大于或等于十倍的規則標記樣本的權重。

4.一種專家規則集訓練器，其特征在于，該專家規則集訓練器包括：

分配模塊，對專家手動標記的實際標記樣本和由專家提供的多個經驗規則構成的專家規則集對樣本進行標記的專家規則集標記樣本進行權重分配；

訓練模塊，基于分配權重的實際標記樣本和專家規則集標記樣本進行模型訓練，獲得專家規則參數和/或易混淆樣本數據；

對易混淆樣本數據進行專家手動標記，并添加到實際標記樣本中，更新實際標記樣本；

將專家規則參數添加至專家規則集中，更新專家規則集標記樣本；

基于更新的實際標記樣本和更新的規則標記樣本，繼續分配權重進行模型訓練，獲得新的專家規則參數和新的易混淆樣本數據；

重復上述基于更新的實際標記樣本和更新的規則標記樣本進行模型訓練的步驟，直至達到預定訓練次數，或，獲取的易混淆樣本數據的量小于預定閾值，則停止訓練；

輸出模塊，將所述專家規則參數更新至專家規則集中，形成優化后的專家規則集。

5.一種專家規則集訓練設備，其特征在于，包括：存儲器，一個或多個處理器；存儲器與處理器通過通信總線相連；處理器被配置為執行存儲器中的指令；所述存儲器中存儲有用于執行如權利要求1至3任一項所述方法中各個步驟的指令。

6.一種計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，該程序被處理器執行時實現如權利要求1至3任一項所述方法的步驟。

7.一種工業設備預警系統，其特征在于，該系統包括：

數據獲取單元，獲取設備運行數據；

識別單元，基于權利要求4所述的專家規則集訓練器，對設備運行數據進行識別，獲得識別結果；

排查單元，根據數據的識別結果，對設備故障進行預警。