[發明專利]一種面向自動化設備的行為監測與異常診斷方法

在審

• 申請號: 202110353383.0
• 申請日: 2021-04-01
• 公開（公告）號: CN113093703A
• 公開（公告）日: 2021-07-09
• 發明（設計）人: 丁豪杰;陳維娜;胡興柳;江祎瓏;謝天豪;戴眾興;董華建;宋澤
• 申請（專利權）人: 金陵科技學院
• 主分類號: G05B23/02
• 分類號: G05B23/02
• 代理公司: 南京眾聯專利代理有限公司 32206
• 代理人: 蔣昱

1.一種面向自動化設備的行為監測與異常診斷方法，其特征在于：包括以下步驟：

步驟1：構建自動化設備行為狀態模型；

所述步驟1中的EBSM模型構建方法如下：

構建模型前給予定義如下：

設備行為狀態模型,表示為四元組〈State,Action,Transition,s₀〉,其中,

State＝{state₁,state₂,…,state_n},state_i，1≤i≤n表示設備狀態,State為設備狀態集合；

Action＝{action₁,action₂,…,action_m},action_i，1≤i≤m表示設備動作,Action為設備動作集合；

Transition＝{transition₁,transition₂,…,transition_l},transition_i，1≤i≤l表示設備狀態轉換,Transition為狀態轉換集合；

s₀表示設備的初始狀態.

首先，依據需要監測的具體自動化設備的工作原理和組成結構，分析得出自動化設備所包含的模塊，考察設備的運行周期，識別設備各個模塊相對穩定的狀態以及引起狀態轉換的動作；

其次，分析識別各模塊狀態需要的設備狀態參數數據，在自動化設備的相應位置上安裝數據采集設備包括傳感器，實時獲取各個采集設備的數據，利用獲取的數據識別出各模塊狀態，從而定義設備所處的狀態；

然后，分析自動化設備控制部分的動作指令以及其對應的設備動作，通過捕獲控制部分發出的指令消息，轉換為相應的設備動作定義；

最后，根據獲取的動作和狀態數據，對自動化設備進行動態訓練，建立自動化設備的行為狀態模型；

對設備進行動態訓練，生成EBSM的算法：

構建EBSM算法的基本過程如下:

首先初始化EBSM模型，獲取其初始狀態s₀，將s₀添加到EBSM模型中；然后獲取動作序列集合中的一個動作序列作為當前單次訓練的對象，對每個動作序列的訓練過程是:

首先將EBSM模型的初始狀態設置成當前狀態currentstate；

然后依次獲取動作序列中的動作，即截獲控制部分的動作指令，根據獲取的狀態數據識別設備狀態，并與currentstate做比較，直到產生新的狀態nextstate并記錄其時間；

然后判斷當前的EBSM模型中是否存在該新狀態,若不存在就將新狀態添加到EBSM模型中，然后根據動作和新狀態以及對應的時間產生狀態轉換，判斷EBSM中是否存在該狀態轉換，若不存在則將該狀態轉換添加到EBSM中，若存在則更新該狀態轉換的時間閾值，然后將該狀態轉換添加到當前狀態的狀態轉換路徑path中；

最后,將產生的新狀態設置成當前狀態，獲取下一個動作，依次循環,直到訓練完該次動作序列,保存所有狀態的path，重復執行步驟，對每個動作序列進行訓練,直到遇到訓練結束條件或用戶發出的結束訓練指令，根據訓練得到的可信動作、狀態和狀態轉換生成EBSM模型；

步驟2：當設備處于可信狀態s₀時，截獲一個動作act，時間為t₀；

步驟3：依次進行原子動作判定、原子狀態判定、狀態轉換判定以及狀態轉換序列判定來對設備行為狀態進行異常診斷。