一种无菌灌装生产线异常检测系统和方法技术方案

本发明专利技术公开了一种无菌灌装生产线异常检测系统和方法。本系统包括用于采集和上传信息的前端设备；用于接收信息并实现信息的初步滤波、处理，以及剔除问题信息的前端设备管理平台；用于通过自编码网络对信息行进判断并找出异常信息的信息服务平台。本方法包括物联网数据采集、数据预处理、自编码网络的构建，并最终判别处正常数据和异常数据。其准确度、稳定性和鲁棒性良好，实现了更为优异的故障预警效果。

【技术实现步骤摘要】
一种无菌灌装生产线异常检测系统和方法
本专利技术涉及检测系统和方法，具体涉及一种无菌灌装生产线异常检测系统和方法。
技术介绍
无菌灌装生产线生产过程中的异常检测一直以来是无菌灌装生产线工作时的重要工作。随着物联网技术的飞速发展，各传感器技术的日益完善，越来越精确的数据可以在无菌灌装生产设备上实时采集到，通过生产线上的各种数据进行异常检测一直是研究应用的重要方向。各种故障检测和预测方法大都基于通过物联网技术在无菌灌装生产设备上采集到的数据，而如何利用这些数据提高异常检测准确性成为重要研究课题。
技术实现思路
本专利技术要解决的技术问题是提供一种无菌灌装生产线异常检测系统和方法，结合了神经网络与物联网数据，大大提高了异常检测的准确度，且稳定性和鲁棒性良好，实现了更为优异的故障预警效果。为了解决上述技术问题，本专利技术提供了一种无菌灌装生产线异常检测系统，包括用于采集和上传信息的前端设备；用于接收信息并实现信息的初步滤波、处理，以及剔除问题信息的前端设备管理平台；用于通过自编码网络对信息行进判断并找出异常信息的信息服务平台。本专利技术一个较佳实施例中，进一步包括所述前端设备包括若干个分布在无菌灌装生产线上并针对生产环境设置的传感器。本专利技术一个较佳实施例中，进一步包括所述传感器采用RS485总线形式串联。本专利技术一个较佳实施例中，进一步包括所述前端设备管理平台包括传感器信息处理模块、传感器关联模块、传感器故障自诊断模块和网络通讯模块；所述传感器信息处理模块用于帮助传感器按照正确的频率采集数据，并对数据进行滤波以及剔除空白数据；所述传感器关联模块用于整合各传感器采集的数据，将其添加上时间和空间标签，形成同一组数据；所述传感器故障自诊断模块用于在传感器自身发生故障时，产生报警信号，并通知信息服务平台进行报警；所述网络通信模块用于将数据发送到信息服务平台。本专利技术一个较佳实施例中，进一步包括包括用于展示传感器采集的数据、查询历史数据并展示、查看传感器运行状态、查看无菌灌装生产线各功能运行状态以及对异常数据进行报警的企业客户端。本专利技术一个较佳实施例中，进一步包括所述企业客户端为web展示页面，所述信息服务平台布署在云服务器上，所述web展示页面与信息服务平台通信连接。一种无菌灌装生产线异常检测方法，包括以下步骤：S1，通过前端设备采集物联网数据；S2，对采集到的历史数据进行预处理，根据实际生产线运行状态，将采集的历史数据分为正常数据和明显的异常数据，并对正常数据完成归一化和特征构建；S3，通过正常数据得到马氏距离的判别阈值，若马氏距离不在阈值区间内，则判定该数据为异常数据；若马氏距离在阈值区间内，则将数据添加其马氏距离特征后记为不确定数据，输入自编码器，并加入稀疏性限制进行无监督的训练，调节参数和各层维度取得最优的隐层表达；S4，将最优的隐层表达结合Sigmoid分类器构建自编码网络，在将带标签的数据输入到自编码网络后进行有监督的微调，得到最优参数，完成自编码网络的构建；S5，对马氏距离在阈值区间内的不确定数据，将其输入到构建完成的自编码网络，并由自编码网络判定其是正常数据或异常数据。本专利技术一个较佳实施例中，进一步包括步骤S3中，得到马氏距离的判别阈值的方法为：计算n个数据、每个数据维度为m的数据集X＝(X1,X2,X3,...,Xn)的马氏距离，其中均值为μ＝(μ1,μ2,μ3,...,μm)T，协方差矩阵为Σ，则对任一数据x＝(x1,x2,x3,...,xm)T，则其马氏距离如下所示：其中Σ-1为协方差矩阵的逆矩阵；对于采集到的正常数据集XN＝(X1,X2,X3,...,Xl)，其正常数据均值为μN＝(μ1,μ2,μ3,...,μm)T，协方差矩阵为ΣN，根据上式计算得到正常数据集中每个数据的马氏距离记为：MN＝(M1,M2,...Mq,...,Ml)其中，Mq表示在正常数据集中第q个正常数据的马氏距离；在计算所有数据的马氏距离时使用的均值和协方差矩阵仍然为正常数据集中的μN和ΣN，则数据Xi的马氏距离记为：将数据集MN的均值记为标准差记为根据统计学中的3σ准则，大部分正常数据的马氏距离分布于区间中，部分异常数据的马氏距离不在上述区间内，因此可通过数据的马氏距离来进行异常数据的初步检测，设置马氏距离判别阈值Tup和Tlow，将其马氏距离不在(Tlow,Tup)区间内的数据判定为异常数据，Tup和Tlow的表达式如下所示：本专利技术一个较佳实施例中，进一步包括步骤S3中，自编码器的工作过程包括编码过程和解码过程，对于数据集X＝(X1,X2,X3,...,Xn)，n为数据个数，每个数据维度为m，每一个数据Xi经过编码过程得到隐层表达，编码过程可描述为：hi＝σe(WXi+b)其中，W和b为编码权重和偏置，σe为编码层激活函数；隐层表达经解码过程得到重构数据Xi'，解码过程可描述为：Xi'＝σd(W'hi+b')其中，W'和b'为解码权重和偏置，取W'＝WT，σd为解码层激活函数。本专利技术一个较佳实施例中，进一步包括步骤S3中隐层表达的获得方法为：首先，通过逐层贪婪算法调节权重和偏置使重构误差最小，对于整个训练数据集的代价函数为：其中，L为单个数据的损失函数，L为均方误差损失函数；然后，给代价函数添加一个L2正则化权重衰减项，λ为惩罚因子，添加KL散度作为约束条件，在其代价函数上加入稀疏惩罚项，使其形成稀疏自编码器，得到最终的损失函数为：其中，为正则化项，为KL散度的约束条件，k为隐层神经元数量；最后，经过马氏距离判别出部分异常数据后，将不确定数据作为自编码器输入层数据，进行训练，使得式损失函数的值最小，进而得到最佳隐层表达。本专利技术的有益效果：本专利技术的无菌灌装生产线异常检测系统，前端设备能够采集无菌灌装生产线各节点生产环境的信息，并上传至前端设备管理平台，前端管理平台将分立的信息融合后对信息进行降噪、筛选，最后由信息服务平台中构建的自编码网络找出异常信息。自编码网络作为一种使得输出等于输入的特殊的神经网络结构，在利用其进行图像处理、异常检测、故障预测、数据分类等过程中，能够重构数据，且在进行特征提取从而得到隐层表达时具有更好的代表数据的特征，能够大大提高无菌灌装生产线异常检测的准确性、稳定性和鲁棒性，实现了更为优异的故障预警效果。本方法解决了神经网络与物联网数据的联动问题，首先通过构建稀疏自编码器得到较好的隐层表达，随后结合Sigmoid分类器，构建出自编码网络进行有监督地微调，得到完整异常检测模型。将数据输入自编码网络异常检测模型中后得到准确的检测结果。相较于传统异常检测方法，本方法结合自编码网络与物联网数据进行智能分析检测，可以达到综合性强、准确度高、鲁棒性强等特点。附图说明图1为本专利技术优选实施例中无菌灌装生产线异常检测系本文档来自技高网...

【技术保护点】
1.一种无菌灌装生产线异常检测系统，其特征在于：包括用于采集和上传信息的前端设备；用于接收信息并实现信息的初步滤波、处理，以及剔除问题信息的前端设备管理平台；用于通过自编码网络对信息行进判断并找出异常信息的信息服务平台。/n

【技术特征摘要】
1.一种无菌灌装生产线异常检测系统，其特征在于：包括用于采集和上传信息的前端设备；用于接收信息并实现信息的初步滤波、处理，以及剔除问题信息的前端设备管理平台；用于通过自编码网络对信息行进判断并找出异常信息的信息服务平台。


2.如权利要求1所述的无菌灌装生产线异常检测系统，其特征在于：所述前端设备包括若干个分布在无菌灌装生产线上并针对生产环境设置的传感器。


3.如权利要求2所述的无菌灌装生产线异常检测系统和方法，其特征在于：所述传感器采用RS485总线形式串联。


4.如权利要求1所述的无菌灌装生产线异常检测系统，其特征在于：所述前端设备管理平台包括传感器信息处理模块、传感器关联模块、传感器故障自诊断模块和网络通讯模块；所述传感器信息处理模块用于帮助传感器按照正确的频率采集数据，并对数据进行滤波以及剔除空白数据；所述传感器关联模块用于整合各传感器采集的数据，将其添加上时间和空间标签，形成同一组数据；所述传感器故障自诊断模块用于在传感器自身发生故障时，产生报警信号，并通知信息服务平台进行报警；所述网络通信模块用于将数据发送到信息服务平台。


5.如权利要求1所述的无菌灌装生产线异常检测系统，其特征在于：包括用于展示传感器采集的数据、查询历史数据并展示、查看传感器运行状态、查看无菌灌装生产线各功能运行状态以及对异常数据进行报警的企业客户端。


6.如权利要求5所述的无菌灌装生产线异常检测系统，其特征在于：所述企业客户端为web展示页面，所述信息服务平台布署在云服务器上，所述web展示页面与信息服务平台通信连接。


7.一种无菌灌装生产线异常检测方法，其特征在于：包括以下步骤：
S1，通过前端设备采集物联网数据；
S2，对采集到的历史数据进行预处理，根据实际生产线运行状态，将采集的历史数据分为正常数据和明显的异常数据，并对正常数据完成归一化和特征构建；
S3，通过正常数据得到马氏距离的判别阈值，若马氏距离不在阈值区间内，则判定该数据为异常数据；若马氏距离在阈值区间内，则将数据添加其马氏距离特征后记为不确定数据，输入自编码器，并加入稀疏性限制进行无监督的训练，调节参数和各层维度取得最优的隐层表达；
S4，将最优的隐层表达结合Sigmoid分类器构建自编码网络，在将带标签的数据输入到自编码网络后进行有监督的微调，得到最优参数，完成自编码网络的构建；
S5，对马氏距离在阈值区间内的不确定数据，将其输入到构建完成的自编码网络，并由自编码网络判定其是正常数据或异常数据。


8.如权利要求7所述的无菌灌装生产线异常检测方法，其特征在于：步骤S3中，得到马氏距离的判别阈值的方法为：

【专利技术属性】
技术研发人员：彭力，李贝贝，李稳，朱凤增，张连富，何子琎，
申请(专利权)人：江南大学，
类型：发明
国别省市：江苏;32