一种设备异常检测方法、装置和存储介质.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115964623A(43)申请公布日2023.04.14(21)申请号202111171296.X(22)申请日2021.10.08(71)申请人中国船舶重工集团公司第七一一研究所地址201108上海市闵行区华宁路3111号(72)发明人贾书丽罗昊张孝双鲁晓风陈力胡峰史兴晨(74)专利代理机构北京磐华捷成知识产权代理有限公司11851专利代理师谢栒(51)Int.Cl.G06F18/213(2023.01)G16Y40/10(2020.01)G16Y40/20(2020.01)权利要求书4页说明书13页附图5页(54)发明名称一种设备异常检测方法、装置和存储介质(57)摘要本申请提供一种设备异常检测方法、装置和存储介质。所述方法包括：根据多个正常传感器数据样本构建堆栈式胶囊自编码器；获取多个待检测传感器数据，并计算所述多个待检测传感器数据对应的特征图像；将所述特征图像输入所述堆栈式胶囊自编码器，获得所述多个待检测传感器数据的重构残差；将所述重构残差与正常传感器数据的重构残差范围进行比对，以确定待检测设备是否异常；其中，所述多个待检测传感器数据的数据类型与所述多个正常数据样本的数据类型及数量一致。本发明实施例基于多个传感器数据的关联性，采用堆栈式胶囊自编码器对多个传感器数据进行分析，可以显著提高对检测待检测设备是否处于异常状态的准确度。CN115964623ACN115964623A权利要求书1/4页1.一种设备异常检测方法，其特征在于，所述方法包括：根据多个正常传感器数据样本构建堆栈式胶囊自编码器；获取多个待检测传感器数据，并计算所述多个待检测传感器数据对应的特征图像；将所述特征图像输入所述堆栈式胶囊自编码器，获得所述多个待检测传感器数据的重构残差；将所述重构残差与正常传感器数据的重构残差范围进行比对，以确定待检测设备是否异常；其中，所述多个待检测传感器数据的数据类型与所述多个正常数据样本的数据类型及数量一致。2.如权利要求1所述的方法，其特征在于，获取多个待检测传感器数据，并计算所述待检测传感器数据对应的特征图像，包括：获取所述多个待检测传感器数据；将每个所述待检测传感器数据进行变分模态分解，获得每个所述待检测传感器数据对应的多个模态分量；将每个所述模态分量再次进行变分模态分解，获得每个所述模态分量的特征组；根据所述多个待检测传感器的数据、每个传感器进行变分模态分解获得的所述模态分量的数量以及每个模态分量的特征数量，构建所述待检测传感器数据的特征图像。3.如权利要求2所述的方法，其特征在于，将每个所述待检测传感器数据进行变分模态分解，获得每个所述待检测传感器数据对应的多个模态分量，包括：将每个所述待检测传感器数据分解成预设数量的模态分量；利用希尔伯特变换把所述预设数量的模态分量从实信号转换为解析信号；构造约束变分模型，其中所述约束变分模型的优化函数为：其中，x(t)表示待分解信号；xk(t)表示模态分量，1≤k≤K；K表示预分解的模态分量的数量，K为大于1的自然数；ωk表示每个解析信号的中心频率；δ(t)表示脉冲信号，是对时间t的偏微分；在傅里叶时域和频域中，利用交替方向乘法算法对所述优化函数进行优化，直至误差达到预设误差范围。4.如权利要求2所述的方法，其特征在于，将每个所述模态分量再次进行变分模态分解，获得每个所述模态分量的特征组，包括：将每个所述模态分量再次进行变分模态分解，获得每个所述模态分量的多个特征；在所述多个特征中任意选择预设数量的特征，构成所述所述模态分量的特征组；其中，所述多个特征的计算公式为：2CN115964623A权利要求书2/4页T4k＝|max(xk[n])‑min(xk[n])|(5)，T8k＝‑T3klog(T3k)(9)，其中，xk[n]表示模态分量，T1k表示均值，T2k表示均方根，T3k表示xk[n]的能量比，T4k表示绝对峰峰值，T5k表示方差，T6k表示标准差，T7k表示能量，T8k表示能量熵。5.如权利要求4所述的方法，其特征在于，其中，所述预设数量大于等于3且小于等于8。6.如权利要求1所述的方法，其特征在于，其中，正常传感器数据的重构残差范围为根据所述多个正常数据样本计算得到的。7.如权利要求1所述的方法，其特征在于，将所述重构残差与正常传感器数据的重构残差范围进行比对，以确定待检测设备是否异常，包括：将所述重构残差与正常传感器数据的重构残差范围进行比对；当所述重构残差在所述正常传感器数据的重构残差范围内，则确定所述待检测传感器数据对应的待检测设备为正常状态；否则，所述待检测传感器数据对应的待检测设备为异常状态。8.一种设备异常检测装置，其特征在于，所述装置包括：构建模块，用于根据多个正常传感器数据样本构建堆栈式