智能排插及其工作方法技术

本申请涉及智能排插的领域，其具体地公开了一种智能排插及其工作方法。其采用卷积神经网络模型对在时间维度和数据维度构造的所述输入矩阵进特征提取，以获得用电设备的用电量在一天当中的各个时段和各天当中的时段之间的高维关联特征，并且为了进一步表达关于时间的信息，通过基于时间的信息进行参数变换以对所述特征图进行修正，从而使得分类的结果更为准确。通过这样的方式，可以便于对所述用电设备进行设备维护以及对其各个部件进行故障诊断检测，进而解决了所述家用电器的安全隐患。进而解决了所述家用电器的安全隐患。进而解决了所述家用电器的安全隐患。

【技术实现步骤摘要】
智能排插及其工作方法


[0001]本专利技术涉及智能排插的领域，且更为具体地，涉及一种智能排插及其工作方法。

技术介绍

[0002]随着我们生活质量的不断提高，家用电器的智能化也逐渐成为了趋势，智能家电具有自动感知住宅空间状态和家电自身状态、家电服务状态，能够自动控制及接收住宅用户在住宅内或远程的控制指令，同时智能家电作为智能家居的组成部分，能够与住宅内其它家电和家居、设施互联组成系统，实现智能家居功能。但是，在使用的过程中，由于家用电器的使用故障也发生了很多的安全事故。
[0003]目前，随着用电设备的使用，其性能会慢慢发生变化，例如，电线老化，器件老化等，当某个部位的器件老化严重时，就可能会使得该部位的器件发生故障，并且这种器件故障如果没有及时进行故障诊断的话，常常就会给整个设备带来安全隐患。但是，传统的设备维护以及故障诊断需要将设备拆开并对各个部件进行故障诊断检测，这非常麻烦且很难实施。因此，为了基于使用过程中用电设备的用电量数据来进行故障诊断，期待一种智能排插。

技术实现思路

[0004]为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种智能排插及其工作方法，其采用卷积神经网络模型对在时间维度和数据维度构造的所述输入矩阵进特征提取，以获得用电设备的用电量在一天当中的各个时段和各天当中的时段之间的高维关联特征，并且为了进一步表达关于时间的信息，通过基于时间的信息进行参数变换以对所述特征图进行修正，从而使得分类的结果更为准确。通过这样的方式，可以便于对所述用电设备进行设备维护以及对其各个部件进行故障诊断检测，进而解决了所述家用电器的安全隐患。
[0005]根据本申请的一个方面，提供了一种智能排插，其包括：
[0006]用电数据获取单元，用于获取与智能排查相连接的用电设备的用电量数据；数据格式转换单元，用于将所述用电量数据按照在一天当中的各个时间段的用电量数据沿矩阵的行排列并将各天当中的各个时间段的所述用电量数据沿矩阵的列排列以获得输入矩阵；空间编码单元，用于将所述输入矩阵输入卷积神经网络以通过所述卷积神经网络对所述输入矩阵进行显示空间编码以获得第一特征图，所述第一特征图用于表示所述用电设备的用电量在一天当中的各个时段和各天当中的时段之间的高维关联特征；
[0007]矩阵处理单元，用于对所述第一特征图的各个特征矩阵的非对角线位置部分进行二阶子矩阵分解并计算每个分解所得的非对角二阶子矩阵相对于其所对应的所述特征矩阵关于所述特征矩阵的宽度方向上的角度，所述角度用于表示所述第一特征图中非对角线位置部分的关于时间的信息；矩阵修正单元，用于基于所述角度对每个所述非对角二阶子矩阵进行旋转以获得利用时间信息进行参数变换的修正特征矩阵和由多个所述修正特征
矩阵组成的修正特征图；当前用电量获取单元，用于获取所述用电设备的当前的用电量数据并将所述用电设备的当前的用电量数据按照在一天当中的各个时间段构造为输入向量；编码单元，用于使用编码器将所述输入向量编码为特征向量；向量查询单元，用于以所述特征向量作为查询向量与所述修正特征图进行矩阵相乘以获得分类特征向量；以及
[0008]分类单元，用于将所述分类特征向量通过分类器以获得分类结果，所述分类结果用于表示所述用电设备是否存在故障。
[0009]在上述智能排插中，所述空间编码单元，进一步用于使用所述卷积神经网络以如下公式对所述输入矩阵进行显示空间编码以获得所述第一特征图；所述公式为：
[0010]f
i
＝tanh(N
i
×
f
i
‑1+B
i
)
[0011]其中，f
i
‑1为第i层卷积神经网络的输入，f
i
为第i层卷积神经网络的输出，N
i
为第i层卷积神经网络的卷积核，且B
i
为第i层卷积神经网络的偏置向量，tanh(
·
)表示tanh非线性激活函数。
[0012]在上述智能排插中，所述矩阵处理单元，进一步用于：计算所述第一特征图的每个特征矩阵的非对角位置部分的最大二阶子矩阵作为所述非对角二阶子矩阵。
[0013]在上述智能排插中，所述矩阵修正单元，包括：旋转矩阵构造子单元，用于基于所述角度构造旋转矩阵；以及，旋转修正子单元，用于将所述旋转矩阵对于所述非对角二阶子矩阵进行旋转以获得所述修正特征矩阵。
[0014]在上述智能排插中，所述旋转矩阵构造子单元进一步用于：以如下公式基于所述角度构造所述旋转矩阵；所述公式为：
[0015][0016]其中，θ表示所述角度，R表示所述旋转矩阵。
[0017]在上述智能排插中，所述旋转修正子单元进一步用于：以如下公式将所述旋转矩阵对于所述非对角二阶子矩阵进行旋转以获得所述修正特征矩阵；所述公式为：B
′
＝R
T
*B*R，其中，R表示所述旋转矩阵，B表示所述非对角二阶子矩阵，B
′
表示所述修正特征矩阵。
[0018]在上述智能排插中，所述编码单元，进一步用于：使用所述编码器的至少一个全连接层对所述输入向量进行全连接编码以提取出所述输入向量中各个位置的特征值的高维隐含特征；以及使用所述编码器的一维卷积层对所述输入向量进行一维卷积处理以提取出所述输入向量中各个位置的特征值之间的关联的高维隐含特征，以获得所述特征向量。
[0019]在上述智能排插中，所述分类单元，进一步用于：将所述分类特征向量输入所述分类器的Softmax分类函数以获得所述分类特征向量归属于所述用电设备存在故障的分类标签的第一概率和所述用电设备不存在故障的分类标签的第二概率；以及，将所述第一概率和所述第二概率中较大者对应的分类标签确定为所述分类结果。
[0020]根据本申请的另一方面，一种智能排插的工作方法，其包括：
[0021]获取与智能排查相连接的用电设备的用电量数据；将所述用电量数据按照在一天当中的各个时间段的用电量数据沿矩阵的行排列并将各天当中的各个时间段的所述用电量数据沿矩阵的列排列以获得输入矩阵；将所述输入矩阵输入卷积神经网络以通过所述卷积神经网络对所述输入矩阵进行显示空间编码以获得第一特征图，所述第一特征图用于表示所述用电设备的用电量在一天当中的各个时段和各天当中的时段之间的高维关联特征；
对所述第一特征图的各个特征矩阵的非对角线位置部分进行二阶子矩阵分解并计算每个分解所得的非对角二阶子矩阵相对于其所对应的所述特征矩阵关于所述特征矩阵的宽度方向上的角度，所述角度用于表示所述第一特征图中非对角线位置部分的关于时间的信息；基于所述角度对每个所述非对角二阶子矩阵进行旋转以获得利用时间信息进行参数变换的修正特征矩阵和由多个所述修正特征矩阵组成的修正特征图；获取所述用电设备的当前的用电量数据并将所述用电设备的当前的用电量数据按照在一天当中的各个时间段构造为输入向量；使用编码器将所述输入向量编码为特征向量；以所述特征向量作为查询向量与所本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种智能排插，其特征在于，包括：用电数据获取单元，用于获取与智能排查相连接的用电设备的用电量数据；数据格式转换单元，用于将所述用电量数据按照在一天当中的各个时间段的用电量数据沿矩阵的行排列并将各天当中的各个时间段的所述用电量数据沿矩阵的列排列以获得输入矩阵；空间编码单元，用于将所述输入矩阵输入卷积神经网络以通过所述卷积神经网络对所述输入矩阵进行显示空间编码以获得第一特征图，所述第一特征图用于表示所述用电设备的用电量在一天当中的各个时段和各天当中的时段之间的高维关联特征；矩阵处理单元，用于对所述第一特征图的各个特征矩阵的非对角线位置部分进行二阶子矩阵分解并计算每个分解所得的非对角二阶子矩阵相对于其所对应的所述特征矩阵关于所述特征矩阵的宽度方向上的角度，所述角度用于表示所述第一特征图中非对角线位置部分的关于时间的信息；矩阵修正单元，用于基于所述角度对每个所述非对角二阶子矩阵进行旋转以获得利用时间信息进行参数变换的修正特征矩阵和由多个所述修正特征矩阵组成的修正特征图；当前用电量获取单元，用于获取所述用电设备的当前的用电量数据并将所述用电设备的当前的用电量数据按照在一天当中的各个时间段构造为输入向量；编码单元，用于使用编码器将所述输入向量编码为特征向量；向量查询单元，用于以所述特征向量作为查询向量与所述修正特征图进行矩阵相乘以获得分类特征向量；以及分类单元，用于将所述分类特征向量通过分类器以获得分类结果，所述分类结果用于表示所述用电设备是否存在故障。2.根据权利要求1所述的智能排插，其中，所述空间编码单元，进一步用于使用所述卷积神经网络以如下公式对所述输入矩阵进行显示空间编码以获得所述第一特征图；所述公式为：f
i
＝tanh(N
i
×
f
i
‑1+B
i
)其中，f
i
‑1为第i层卷积神经网络的输入，f
i
为第i层卷积神经网络的输出，N
i
为第i层卷积神经网络的卷积核，且B
i
为第i层卷积神经网络的偏置向量，tanh(.)表示tanh非线性激活函数。3.根据权利要求2所述的智能排插，其中，所述矩阵处理单元，进一步用于：计算所述第一特征图的每个特征矩阵的非对角位置部分的最大二阶子矩阵作为所述非对角二阶子矩阵。4.根据权利要求3所述的智能排插，其中，所述矩阵修正单元，包括：旋转矩阵构造子单元，用于基于所述角度构造旋转矩阵；以及旋转修正子单元，用于将所述旋转矩阵对于所述非对角二阶子矩阵进行旋转以获得所述修正特征矩阵。5.根据权利要求4所述的智能排查，其中，所述旋转矩阵构造子单元进一步用于：以如下公式基于所述角度构造所述旋转矩阵；所述公式为：其中，θ表示所述角度，R表示所...

【专利技术属性】
技术研发人员：邓洋，
申请(专利权)人：杭州拾涵科技有限公司，
类型：发明
国别省市：