[發明專利]基于物聯網和人工智能的安全生產指標異常快速感知方法

有效

• 申請號: 202110687983.0
• 申請日: 2021-06-21
• 公開（公告）號: CN113361944B
• 公開（公告）日: 2022-04-22
• 發明（設計）人: 楊耀黨;孔慶端;吳朕君;王文龍;申超霞;陳曉明;田雷;吳曉麗;李思敏;白小杰;崔貝貝;臧亞萌;紀學峰;李昊龍
• 申請（專利權）人: 鑫安利中（北京）科技有限公司
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06Q50/04;G06F16/901;G06K9/62
• 代理公司: 北京權智天下知識產權代理事務所(普通合伙) 11638
• 代理人: 牟望

1.一種基于物聯網和人工智能的安全生產指標異常快速感知方法，其特征在于，該方法包括：

綜合生產環境的多個安全參數得到安全生產指標；根據安全參數的歷史數據獲取安全生產指標序列；

獲取多個安全生產指標序列對應的表征向量，并對表征向量進行降維，得到多個二維投影點；多個二維投影點聚類后得到的點簇質心點為離散點構建泰森多邊形；

在每個泰森多邊形中的點簇處生成高斯熱斑，并為泰森多邊形的邊進行像素賦值，像素值為設定值，得到泰森多邊形圖；

運用階段：每個時刻的表征向量投影到泰森多邊形圖中得到投影圖，將時序上的多張投影圖輸入異常感知模型中判斷安全生產指標是否異常，所述異常感知模型基于多個投影點的變化趨勢判斷安全生產指標的指標狀態類別，當多個投影點的變化趨勢趨向于漸變異常的泰森多邊形時，則安全生產指標發生漸變異常，當多個投影點的變化趨勢趨向于突變異常的泰森多邊形時，則安全生產指標發生突變異常，所述異常感知模型包括卷積神經網絡、時序編碼器和全連接網絡。

2.如權利要求1所述的方法，其特征在于，所述高斯熱斑大小和點簇中點的分布有關，具體地，根據點簇中的點與該點簇質心間的平均距離確定高斯熱斑的大小。

3.如權利要求1所述的方法，其特征在于，每個泰森多邊形都對應一個指標狀態類別，所述指標狀態類別包括正常、漸變異常、突變異常。

4.如權利要求1所述的方法，其特征在于，所述每個時刻的特征向量投影到泰森多邊形圖中得到投影圖包括：以投影點為中心點生成預設大小的高斯熱斑。

5.如權利要求4所述的方法，其特征在于，若所述多張投影圖中的投影點處的高斯熱斑均位于指標狀態類別為漸變異常或突變異常的泰森多邊形的高斯熱斑區域內，則不需異常感知模型，直接判斷安全生產指標異常。

6.如權利要求5所述的方法，其特征在于，所述異常感知模型中包括卷積神經網絡、時序編碼器和全連接網絡。

7.如權利要求1所述的方法，其特征在于，利用向量獲取神經網絡獲取安全生產指標序列對應的表征向量。

8.如權利要求1所述的方法，其特征在于，利用DBSCAN算法對所述多個二維投影點進行聚類。

9.如權利要求1所述的方法，其特征在于，利用主成分分析法對表征向量進行降維。