[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

本發明提供了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，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；對多個安全生產指標序列對應的表征向量進行降維，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賦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。本發明可以進一步的判斷出安全生產指標是漸變異常還是突變異常，根據不同的異常情況采取不同的措施。

技術領域

本發明涉及人工智能領域，具體為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。

背景技術

現有的采用CUSUM算法檢測安全生產指標異常的方法在一些場景下必須使用非參數策略，而使用非參數策略會帶來高延遲，使得異常感知不及時，導致相關人員不能及時采取相應的事故預防和控制措施。

發明內容

為了解決上述問題，本發明提出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，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賦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。

進一步地，所述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。

進一步地，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。

進一步地，所述每個時刻的表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。

進一步地，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。

進一步地，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。

進一步地，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。

進一步地，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。

進一步地，利用DBSCAN算法對所述多個二維投影點進行聚類。

進一步地，利用主成分分析法對表征向量進行降維。

本發明的有益效果在于：

1.本發明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，所獲取的表征向量準確且可以很好的表征安全生產指標在時序上的變化情況，保證后續聚類結果的準確性。

2.本發明基于泰森多邊形圖來判斷安全生產指標是否發生異常，可以進行異常的快速感知，且本發明中結合時序上二維投影點的變化趨勢判斷安全生產指標的指標狀態類別，可以進一步的判斷出安全生產指標是漸變異常還是突變異常，根據不同的異常情況，相關人員可以做出不同的反應。

具體實施方式