基于时间序列的环保设备识别方法与系统技术方案

本发明专利技术公开了一种基于时间序列的环保设备识别方法与系统，其包括以下步骤：(1)采集环保设备的实时波形数据，并将数据波形转换为灰度图像；(2)基于图神经网络(GNN)提取灰度像图像的节点特征，并使用灰度特征构建二型模糊分类网络，并对模糊规则进行筛选，最终使用精简规则库完成环保设备的分类识别；(3)调用二型模糊分类网络与实时波形数据进行分类，输出环保设备种类。本发明专利技术基于图神经网络(GNN)提取特征，不依赖人工提取的特征集，大大减少了人工干预；使用灰度图像，能够更加直观反映环保设备的运行状态，且有利于特征提取；二型模糊分类网络可以处理更高维度、更复杂的数据，分类更加的灵活与准确，从而有利于对实时环保设备数据的识别分类。

【技术实现步骤摘要】
基于时间序列的环保设备识别方法与系统
本专利技术公开了一种基于时间序列灰度图像的环保设备识别方法，属于人工智能领域。
技术介绍
随着国家实力不断增长，在经济进步的大背景下，国家对环境问题倍加关注。2017年以来，不断有一些环保标准不合格的企业被关停，主要是印刷厂、养猪场等在生产中造成的严重污染的企业。这表明了国家对环境问题的关注力度不断加大，对企业的环保审查也愈发严格。环保设备通常是指为了实现改良环境污染的现状，或者有净化周围空气的目的，某些建筑单位或者研发部门专门为此而生产和制造出来的系统、建筑设备或者机械装置。企业生产中投入使用环保设备可明显改善企业的污染排放问题，是贯彻“绿色环保”与“可持续发展”的重要举措。国家提出优化产业和能源结构，深化制造业与互联网融合发展，支持重点行业改造升级，大力淘汰落后产能。加快发展壮大战略性新兴产业。推动能源结构优化，降低煤炭消费比重，提高非化石能源比重。加强重点领域节能，实施工业能效赶超行动，加强高能耗行业能耗管控。大力推进建筑节能，发展绿色建筑。加快推进综合交通运输体系建设，着力提高交通运本文档来自技高网...

【技术保护点】
1.一种基于时间序列的环保设备识别方法，其特征在于，包括以下步骤：/n(1)采集环保设备的实时波形数据，并将数据波形转换为灰度图像；/n(2)基于图神经网络(GNN)提取灰度像图像的节点特征，并使用灰度特征构建二型模糊分类网络，并对模糊规则进行筛选，最终使用精简规则库完成环保设备的分类识别；/n(3)调用二型模糊分类网络与实时波形数据进行分类，输出环保设备种类。/n

【技术特征摘要】
1.一种基于时间序列的环保设备识别方法，其特征在于，包括以下步骤：
(1)采集环保设备的实时波形数据，并将数据波形转换为灰度图像；
(2)基于图神经网络(GNN)提取灰度像图像的节点特征，并使用灰度特征构建二型模糊分类网络，并对模糊规则进行筛选，最终使用精简规则库完成环保设备的分类识别；
(3)调用二型模糊分类网络与实时波形数据进行分类，输出环保设备种类。


2.根据权利要求1所述的基于时间序列的环保设备识别方法，其特征在于，所述步骤(1)步骤中将实际环保设备的电压、电流和功率波形数据转化为灰度图像。


3.根据权利要求1所述的基于时间序列的环保设备识别方法，其特征在于，所述步骤(1)步骤中对采集的数据经人工标注设备种类标签，已标注设备种类标签为t∈{1,2,…,k,k+1,k+2}，其中，1,2,…,k为环保设备类型，k+1为故障设备，k+2为无关设备。


4.根据权利要求1所述的基于时间序列的环保设备识别方法，其特征在于，所述步骤(2)步骤如下：
步骤1：图像特征提取：基于图神经网络(GNN)提取灰度图像的节点特征；
图神经网络(GNN)网络提取输入灰度图GU、GI、GP的节点vu＝[vu1,vu2,…,vun]，vi＝[vi1,vi2,…,vin]，vp＝[vp1,vp2,…,vpn]；并根据每个节点的位置p与纹理信息m，计算节点相似度δ，并基于相似度δ对节点进行分类，节点分类后表示为V＝[vδ1,vδ2,…,vδn](Vδ1,Vδ2,…,Vδn为分类后的节点)，最后计算V＝[vδ1,vδ2,…,vδn]的特征权重T＝[EX,EY,EZ]；
最终，环保设备灰度图像GU、GI、GP特征表示为T＝[EX,EY,EZ]，其中，EX、EY、EZ分别为GU、GI、GP的图像特征权重。
步骤2：使用灰度图特征T＝[EX,EY,EZ]构建二型模糊分类网络，并对模糊规则进行筛选，最终使用精简规则库完成环保设备的分类识别；
1)根据灰度图特征矩阵T＝[EX,EY,EZ]确定EX、EY、EZ的论域U、V、W范...

【专利技术属性】
技术研发人员：李成栋，李文峰，邓晓平，周长庚，张金萍，张桂青，
申请(专利权)人：山东建筑大学，
类型：发明
国别省市：山东;37