[發明專利]工控傳感器數值異常檢測方法及裝置

在審

• 申請號: 202110434598.5
• 申請日: 2021-04-22
• 公開（公告）號: CN112989710A
• 公開（公告）日: 2021-06-18
• 發明（設計）人: 唐玉維
• 申請（專利權）人: 蘇州聯電能源發展有限公司
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06K9/62;G06N3/04;G06N3/08;G01D18/00
• 代理公司: 蘇州謹和知識產權代理事務所(特殊普通合伙) 32295
• 代理人: 許冬瑩

1.一種工控傳感器數值異常檢測方法，其特征在于，所述方法包括：

獲取工控傳感器采集到的測試數據；

對所述測試數據進行K級離散小波變換，得到多尺度時間序列；所述K為正整數；

對所述多尺度時間序列進行切分處理，得到測試樣本；

將所述測試樣本輸入預先訓練的WAGAN模型中，得到異常檢測結果；其中，所述WAGAN包括生成器和判別器；

所述生成器用于根據所述測試樣本生成重構樣本，并計算所述重構樣本和所述測試樣本間的誤差，得到重構誤差；

所述判別器用于根據所述測試樣本得到判別器誤差；

所述異常檢測結果基于所述重構誤差和所述判別器誤差確定。

2.根據權利要求1所述的方法，其特征在于，所述根據所述測試樣本生成重構樣本，包括：

確定最接近所述測試樣本的目標隨機噪聲；

生成所述目標隨機噪聲的重構樣本。

3.根據權利要求2所述的方法，其特征在于，所述確定最接近所述測試樣本的目標隨機噪聲，包括：

生成初始隨機噪聲的初始重構樣本；

最小化所述初始重構樣本與所述測試樣本之間的差值，得到所述目標隨機噪聲。

4.根據權利要求1所述的方法，其特征在于，所述計算所述重構樣本和所述測試樣本間的誤差，得到重構誤差，通過下式表示：

其中，表示測試樣本X^test中第i個樣本，i∈[1,M]，M為測試樣本中的樣本總數；是測試樣本中時間為j的序列，j∈[1,w]，w為切分處理時使用的滑動窗口的尺寸，Z_i′表示與最接近的噪聲，z_i′_,j為Z_i′中時間為j的序列；為樣本的重構誤差。

5.根據權利要求1所述的方法，其特征在于，所述根據所述測試樣本得到判別器誤差，通過下式表示：

其中，y_i,j為所述測試樣本的標簽，為判別器D中sigmoid函數輸出值，取值范圍為[0,1]。

6.根據權利要求1所述的方法，其特征在于，所述異常檢測結果通過下式計算：

其中，λ為誤差權重，w為切分處理時使用的滑動窗口的尺寸，w_s表示向前第w_s個樣本，表示第i個測試樣本的異常分數，τ為異常閾值。

7.根據權利要求1所述的方法，其特征在于，所述生成器和所述判別器引入注意力機制，所述注意力機制的輸入包括上下文內容和時間序列中每一個時刻的隱藏單元，輸出為權值和。

8.根據權利要求7所述的方法，其特征在于，

所述生成器從前至后依次包括輸入層、第一循環神經網絡LSTM層、注意力機制層、第二LSTM層、tanh函數層和輸出層；

所述判別器從前之后依次包括輸出層、第三LSTM層、注意力機制層、第四LSTM層、sigmoid函數層和輸出層。

9.根據權利要求1所述的方法，其特征在于，所述WAGAN模型的訓練過程包括：

獲取真實樣本，所述真實樣本為對所述工控傳感器采集到的正常數據進行經過K級離散小波變換和切分處理后得到的；

將生成隨機噪聲輸入生成器中，得到生成樣本；

將所述真實樣本和所述生成樣本輸入判別器，得到樣本輸出結果；

根據所述樣本輸出結果更新所述生成器和所述判別器的參數，得到訓練后的WAGAN模型。

10.一種工控傳感器數值異常檢測裝置，其特征在于，所述裝置包括：

數據獲取模塊，用于獲取工控傳感器采集到的測試數據；

小波變換模塊，用于對所述測試數據進行K級離散小波變換，得到多尺度時間序列；所述K為正整數；

數據切分模塊，用于對所述多尺度時間序列進行切分處理，得到測試樣本；

異常檢測模塊，用于將所述測試樣本輸入預先訓練的WAGAN模型中，得到異常檢測結果；其中，所述WAGAN包括生成器和判別器；

所述生成器用于根據所述測試樣本生成重構樣本，并計算所述重構樣本和所述測試樣本間的誤差，得到重構誤差；

所述判別器用于根據所述測試樣本得到判別器誤差；

所述異常檢測結果基于所述重構誤差和所述判別器誤差確定。