一种基于多层级工业结构知识块划分的监测方法技术

本发明专利技术公开了一种基于多层级工业结构知识块划分的监测方法，所述方法包括：构建工业过程的多层级知识图；对所述多层级知识图中的节点进行子块划分，得到多层级子块，并根据所述多层级子块得到多层级子块统计数据；其中，所述多层级子块统计数据包括主元统计量、残差统计量、主元统计量阈值和残差统计量阈值；根据所述多层级子块统计数据，得到多层级子块的全局监测结果和局部监测结果。本发明专利技术实施例通过上述方法，以少量简单的专家领域知识，构建工业过程的多层级知识图，并以所述多层级知识图的节点为依据进行子块划分，最后根据所述多层级子块统计出主元统计量和残差统计量，通过贡献图反溯策略实现异常节点的精确定位。

【技术实现步骤摘要】
一种基于多层级工业结构知识块划分的监测方法
本专利技术涉及工业知识自动化
，尤其涉及的是一种基于多层级工业结构知识块划分的监测方法。
技术介绍
随着现代通信、计算机以及传感器等技术取得巨大进步，大多数现代大型流程生产过程具有传统过程所不具备的特性。例如，众多的操作单元、众多的监测变量和强耦合的变量相关性。这些特殊特性使得现有技术越来越难以保障大规模流程工业生产的安全性。现有相关研究表明，使用分块或分散监测模式建立的分布式监测系统可解决这种大规模流程工业生产的安全性，且该策略通常比传统单一监测方法获得更好的监测性能，例如提高异常状态检出率、降低监测系统的复杂性等。保障该分散监测策略性能的关键点在于：生产过程块划分应具有对异常工况准确描述的能力；每个划分块运行状态应快速、灵敏地反映在全局异常状态的统计指标中；全局状态的复合异常应可解耦合地进行局部监测变量的准确定位。以往的块划分方法主要是采用数据驱动的方法进行的，但实际工业系统中各种运行工况数据样本难以获得，或者数据样本本身就是强欠完备的，导致基于数据驱动的块划分方法难以适用于现代大型流程生产过程的监测。因此，现有技术还有待改进和发展。
技术实现思路
本专利技术要解决的技术问题在于，针对现有技术的上述缺陷，提供一种基于多层级工业结构知识块划分的监测方法，旨在解决现有技术中的厂级过程监测难以获得实际工业系统中各种运行工况数据样本，或者数据样本本身就是强欠完备的，导致基于数据驱动的块划分方法难以适用于现代大型流程生产过程的监测的问题。本专利技术解决问题所采用的技术方案如下：第一方面，本专利技术实施例提供一种基于多层级工业结构知识块划分的监测方法，其中，所述方法包括：构建工业过程的多层级知识图；对所述多层级知识图中的节点进行子块划分，得到多层级子块，并根据所述多层级子块得到多层级子块统计数据；其中，所述多层级子块统计数据包括主元统计量、残差统计量、主元统计量阈值和残差统计量阈值；根据所述多层级子块统计数据，得到多层级子块的全局监测结果和局部监测结果。在一种实现方式中，其中，所述构建工业过程的多层级知识图包括：获取关心对象集、层级、层级参数和领域专家知识；其中，所述关心对象集用于表征关注对象的特征；所述层级包括业务层、指标层、厂级过程层、子过程层和设备层；所述层级参数包括控制参数、系统状态参数、指标数据和市场信息数据；对所述关心对象集、所述层级参数进行实体分类和实体关系分类，得到实体分类矩阵和实体关系分类矩阵；根据所述实体分类矩阵和所述实体关系分类矩阵，得到工业过程的多层级知识图。在一种实现方式中，其中，所述多层级子块统计数据包括主元统计量、残差统计量；所述对所述多层级知识图中的节点进行子块划分，得到多层级子块，并根据所述多层级子块得到多层级子块统计数据包括：对所述多层级知识图中的节点进行子块划分，得到多层级子块；对所述多层级子块中的所述实体分类矩阵进行归一化计算，得到归一化参数；对所述归一化参数进行奇异值分解，得到负载矩阵、得分矩阵；根据所述负载矩阵和所述得分矩阵，得到主元统计量、残差统计量。在一种实现方式中，其中，，所述根据所述负载矩阵和所述得分矩阵，得到主元统计量、残差统计量包括：根据所述负载矩阵和所述得分矩阵，得到主元变量和残差变量；根据所述主元变量和所述残差变量，得到主元统计量和残差统计量。在一种实现方式中，其中，所述多层级子块统计数据包括主元统计量阈值和残差统计量阈值，所述对所述多层级知识图中的节点进行子块划分，得到多层级子块，并根据所述多层级子块得到多层级子块统计数据包括：对所述多层级知识图中的节点进行子块划分，得到多层级子块；对所述多层级子块中的所述实体分类矩阵进行归一化计算，得到归一化参数；对所述归一化参数进行奇异值分解，得到对角矩阵；根据所述对角矩阵，得到主元统计量阈值和残差统计量阈值。在一种实现方式中，其中，所述根据所述多层级子块统计数据，得到多层级子块的全局监测结果和局部监测结果包括：根据所述主元统计量、所述残差统计量、主元统计量阈值和残差统计量阈值，得到多层级子块的全局监测状态和局部监测状态；根据所述全局监测状态和所述局部监测状态，得到多层级子块的全局监测结果和局部监测结果。在一种实现方式中，其中，所述根据所述主元统计量和所述残差统计量，得到多层级子块的全局监测状态和局部监测状态包括：对所述主元统计量和所述残差统计量进行指标计算，得到若干全局统计指标和若干局部统计指标；根据所述全局统计指标和所述局部统计指标，得到若干时刻的全局监测状态和局部监测状态。在一种实现方式中，其中，所述根据所述主元统计量和所述残差统计量，得到多层级子块的全局监测状态和局部监测状态还包括：当所述主元统计量大于主元统计量阈值或者所述残差统计量大于残差统计量阈值时，根据所述主元统计量和所述残差统计量计算贡献图；其中，所述贡献图用于表征所述主元统计量和所述残差统计量对所述多层级工业结构知识块的贡献率。在一种实现方式中，其中，所述根据所述全局监测状态和所述局部监测状态，得到多层级子块的全局监测结果和局部监测结果包括：当所述全局监测状态异常或者所述局部监测状态异常时，根据所述贡献图确定原因变量，其中，所述原因变量用于表征层级参数的变量；所述全局监测状态异常为全局的主元统计量大于全局的主元统计量阈值或者全局的残差统计量大于全局的残差统计量阈值；所述局部监测状态异常为局部的主元统计量大于局部的主元统计量阈值或者局部的残差统计量大于局部的残差统计量阈值；采用与门方式计算所述原因变量的全局异常定位结果和局部异常定位结果。第二方面，本专利技术实施例还提供一种基于多层级工业结构知识块划分的监测装置，其中，所述装置包括：多层级知识图构建单元，用于构建工业过程的多层级知识图；多层级子块统计数据单元，用于对所述多层级知识图中的节点进行子块划分，得到多层级子块，并根据所述多层级子块得到多层级子块统计数据；其中，所述多层级子块统计数据包括主元统计量、残差统计量、主元统计量阈值和残差统计量阈值；全局监测结果和局部监测结果获取单元，用于根据所述多层级子块统计数据，得到多层级子块的全局监测结果和局部监测结果。第三方面，本专利技术实施例还提供一种智能终端，包括有存储器，以及一个或者一个以上的程序，其中一个或者一个以上程序存储于存储器中，且经配置以由一个或者一个以上处理器执行所述一个或者一个以上程序包含用于执行如上述任意一项所述的基于多层级工业结构知识块划分的监测方法。第四方面，本专利技术实施例还提供一种非临时性计算机可读存储介质，当所述存储介质中的指令由电子设备的处理器执行时，使得电子设备能够执行如上述中任意一项所述的基于多层级工业结构知识块划分的监测方法。本专利技术的有益效果：本专利技术实施例首先构建工业过程的多层本文档来自技高网...

【技术保护点】
1.一种基于多层级工业结构知识块划分的监测方法，其特征在于，所述方法包括：/n构建工业过程的多层级知识图；/n对所述多层级知识图中的节点进行子块划分，得到多层级子块，并根据所述多层级子块得到多层级子块统计数据；其中，所述多层级子块统计数据包括主元统计量、残差统计量、主元统计量阈值和残差统计量阈值；/n根据所述多层级子块统计数据，得到多层级子块的全局监测结果和局部监测结果。/n

【技术特征摘要】
1.一种基于多层级工业结构知识块划分的监测方法，其特征在于，所述方法包括：
构建工业过程的多层级知识图；
对所述多层级知识图中的节点进行子块划分，得到多层级子块，并根据所述多层级子块得到多层级子块统计数据；其中，所述多层级子块统计数据包括主元统计量、残差统计量、主元统计量阈值和残差统计量阈值；
根据所述多层级子块统计数据，得到多层级子块的全局监测结果和局部监测结果。


2.根据权利要求1所述的基于多层级工业结构知识块划分的监测方法，其特征在于，所述构建工业过程的多层级知识图包括：
获取关心对象集、层级、层级参数和领域专家知识；其中，所述关心对象集用于表征关注对象的特征；所述层级包括业务层、指标层、厂级过程层、子过程层和设备层；所述层级参数包括控制参数、系统状态参数、指标数据和市场信息数据；
对所述关心对象集、所述层级参数进行实体分类和实体关系分类，得到实体分类矩阵和实体关系分类矩阵；
根据所述实体分类矩阵和所述实体关系分类矩阵，得到工业过程的多层级知识图。


3.根据权利要求2所述的基于多层级工业结构知识块划分的监测方法，其特征在于，所述多层级子块统计数据包括主元统计量、残差统计量；
所述对所述多层级知识图中的节点进行子块划分，得到多层级子块，并根据所述多层级子块得到多层级子块统计数据包括：
对所述多层级知识图中的节点进行子块划分，得到多层级子块；
对所述多层级子块中的所述实体分类矩阵进行归一化计算，得到归一化参数；
对所述归一化参数进行奇异值分解，得到负载矩阵、得分矩阵；
根据所述负载矩阵和所述得分矩阵，得到主元统计量、残差统计量。


4.根据权利要求3所述的基于多层级工业结构知识块划分的监测方法，其特征在于，所述根据所述负载矩阵和所述得分矩阵，得到主元统计量、残差统计量包括：
根据所述负载矩阵和所述得分矩阵，得到主元变量和残差变量；
根据所述主元变量和所述残差变量，得到主元统计量和残差统计量。


5.根据权利要求2所述的基于多层级工业结构知识块划分的监测方法，其特征在于，所述多层级子块统计数据包括主元统计量阈值和残差统计量阈值，所述对所述多层级知识图中的节点进行子块划分，得到多层级子块，并根据所述多层级子块得到多层级子块统计数据包括：
对所述多层级知识图中的节点进行子块划分，得到多层级子块；
对所述多层级子块中的所述实体分类矩阵进行归一化计算，得到归一化参数；
对所述归一化参数进行奇异值分解，得到对角矩阵；
根据所述对角矩阵，得到主元统计量阈值和残差统计量阈值。


6.根据权利要求5所述的基于多层级工业结构知识块划分的监测方法，其特征在于，所述根据所述多层级子块统计数据，得到多层级子块的全局监测结果和局部监测结果包括：
根据所述主元统计量、所述残差...

【专利技术属性】
技术研发人员：任浩，桂卫华，陈志文，蒋朝辉，阳春华，骆伟超，曹婷，
申请(专利权)人：鹏城实验室，
类型：发明
国别省市：广东;44