针对传感器网络的故障诊断方法及传感器诊断系统技术方案

本申请实施例实施例提供一种针对传感器网络的故障诊断方法及传感器诊断系统，获取智能工厂中机械臂的传感器网络在传感器协同交互过程的传感器协同事件数据，并根据预定义的故障关系图，在传感器协同事件数据中提取出与目标故障链相关的目标传感器协同事件数据，然后根据目标传感器协同事件数据和预定义故障关系图，确定出传感器网络的先验故障类别

【技术实现步骤摘要】
针对传感器网络的故障诊断方法及传感器诊断系统


[0001]本申请涉及传感器
，具体而言，涉及一种针对传感器网络的故障诊断方法及传感器诊断系统
。

技术介绍

[0002]随着工业自动化程度的提高，传感器网络在许多领域中被广泛应用，例如环境监测
、
智能交通系统和工业自动化等
。
传感器网络通常由大量分布式传感器节点组成，这些节点协同工作以收集和传输数据
。
然而，传感器网络所在设备系统的故障可能会导致数据不准确或无法获取，进而影响设备系统的性能和可靠性
。
[0003]目前，为了检测和诊断传感器网络所在设备系统中的故障，现有的故障诊断方法通常只考虑单个传感器节点，对于传感器节点之间的协同关系缺乏明确的建模和分析
。

技术实现思路

[0004]为了至少克服现有技术中的上述不足，本申请实施例的目的在于提供一种针对传感器网络的故障诊断方法及传感器诊断系统
。
[0005]第一方面，本申请实施例提供一种针对传感器网络的故障诊断处理方法，应用于传感器诊断系统，所述方法包括：获取传感器网络在传感器协同交互过程的传感器协同事件数据；在所述传感器协同事件数据中提取针对预定义故障关系图对应的目标故障链的目标传感器协同事件数据；依据所述目标传感器协同事件数据和预定义故障关系图，确定所述传感器网络的先验故障类别；基于所述目标故障链和目标传感器协同事件数据，在所述预定义故障关系图对应的故障类别序列中确定出所述传感器网络的一个或多个推定故障类别；将所述先验故障类别和推定故障类别进行加权分析，生成所述传感器网络的故障诊断类别
。
[0006]在第一方面的一种可能的实施方式中，所述基于所述目标故障链和目标传感器协同事件数据，在所述预定义故障关系图对应的故障类别序列中确定出所述传感器网络的一个或多个推定故障类别，包括：对所述目标故障链的链特征数据进行编码，生成所述目标故障链的故障编码特征；依据所述目标传感器协同事件数据，将所述故障编码特征转换为所述传感器网络的协同故障定位矢量；在所述预定义故障关系图对应的故障类别序列中提取所述协同故障定位矢量对应的一个或多个故障类别，生成所述传感器网络的推定故障类别
。
[0007]在第一方面的一种可能的实施方式中，所述依据所述目标传感器协同事件数据，
将所述故障编码特征转换为所述传感器网络的协同故障定位矢量，包括：依据所述目标传感器协同事件数据，在所述故障编码特征中提取目标传感器协同交互过程内所述传感器网络进行传感器协作交互的一个或多个目标故障链的故障编码特征，生成第一故障编码特征；调用机器学习网络对所述第一故障编码特征进行局部接受域的极大化处理，生成第二故障编码特征；对所述第二故障编码特征进行异向性调整，生成所述传感器网络的协同故障定位矢量
。
[0008]在第一方面的一种可能的实施方式中，所述调用机器学习网络对所述第一故障编码特征进行局部接受域的极大化处理，生成第二故障编码特征之前，还包括：获取所述传感器网络传感器协作交互生成的示例故障链序列对应的示例故障编码特征序列，所述示例故障编码特征序列包括一个或多个故障类别标签数据的示例故障编码特征；在所述示例故障编码特征序列中确定出一个或多个目标示例故障编码特征，并将所述示例故障编码特征序列中除所述目标示例故障编码特征以外的示例故障编码特征作为候选训练数据的待学习故障编码特征；调用初始化机器学习网络对所述目标示例故障编码特征进行转换，生成所述传感器网络的示例协同故障定位矢量；调用所述初始化机器学习网络对所述待学习故障编码特征进行转换，生成所述待学习故障编码特征的待学习故障编码特征；依据所述示例协同故障定位矢量和待学习故障编码特征，推定所述传感器网络针对所述待学习故障编码特征的故障类别数据，生成推定故障类别数据；基于所述推定故障类别数据和故障类别标签数据，对初始化机器学习网络进行训练，生成机器学习网络
。
[0009]在第一方面的一种可能的实施方式中，所述在所述预定义故障关系图对应的故障类别序列中提取所述协同故障定位矢量对应的一个或多个故障类别，生成所述传感器网络的推定故障类别，包括：获取所述预定义故障关系图对应的故障类别序列，并在所述预定义故障关系图中提取出图结构数据；调用故障类别诊断网络在所述故障类别序列中提取所述协同故障定位矢量对应的一个或多个参考故障类别，并对所述参考故障类别进行编码，生成所述参考故障类别的基础故障类别表征向量；调用所述故障类别诊断网络对所述图结构数据进行编码，生成基础故障节点向量和故障节点关联向量，并将基础故障节点向量和故障节点关联向量进行加权分析，生成故障节点向量；将所述故障节点向量和所述基础故障类别表征向量进行加权分析，生成所述参考故障类别的故障类别表征向量；计算所述协同故障定位矢量和故障类别表征向量之间的相关度，并将所述相关度作为所述传感器网络对所述故障类别表征向量对应的故障诊断类别的估测概率值；
依据所述估测概率值，对所述参考故障类别进行次序整理；基于所述参考故障类别的次序整理信息，在所述参考故障类别中提取所述传感器网络的推定故障类别
。
[0010]在第一方面的一种可能的实施方式中，所述调用故障类别诊断网络在所述故障类别序列中提取所述协同故障定位矢量对应的一个或多个参考故障类别之前，还包括：获取传感器网络对应的目标示例故障类别，并依据所述目标示例故障类别，在所述故障类别序列中进行随机负采样获得负示例故障类别，生成示例故障类别序列；在预定义故障关系图中提取出示例图结构数据，并依据该示例图结构数据构建负示例图结构数据，生成示例图结构数据序列；依据所述示例故障类别序列，确定所述传感器网络的第一训练代价函数值；基于所述示例图结构数据序列，确定所述传感器网络的第二训练代价函数值；依据所述第一训练代价函数值和第二训练代价函数值，对所述基础故障类别诊断网络进行反向传播优化，生成所述故障类别诊断网络
。
[0011]在第一方面的一种可能的实施方式中，所述依据所述目标传感器协同事件数据和预定义故障关系图，确定所述传感器网络的先验故障类别，包括：在所述预定义故障关系图提取出类别映射信息，所述类别映射信息用于指示所述目标故障链与参考先验故障类别之间的映射信息；在所述目标传感器协同事件数据中确定所述传感器网络针对各所述目标故障链的触发次数；在所述类别映射信息中解析出各所述目标故障链对应的参考先验故障类别；依据所述触发次数，对所述参考先验故障类别进行次序整理；基于所述参考先验故障类别的次序整理信息，在所述参考先验故障类别中提取所述传感器网络的先验故障类别，并确定各先验故障类别的先验映射概率值
。
[0012]在第一方面的一种可能的实施方式中，所述将所述先验故障类别和推定故障类别进行加权分析，生成所述传感器网络的故障诊断类别，包括：获取各故障类别标签对应的影响权重，并基于所述先验映射概率值，在所述先验故障类别中提取目标先验故障类别，在所述触发次数中提取本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种针对传感器网络的故障诊断处理方法，其特征在于，所述方法包括：获取传感器网络在传感器协同交互过程的传感器协同事件数据；在所述传感器协同事件数据中提取针对预定义故障关系图对应的目标故障链的目标传感器协同事件数据；依据所述目标传感器协同事件数据和预定义故障关系图，确定所述传感器网络的先验故障类别；基于所述目标故障链和目标传感器协同事件数据，在所述预定义故障关系图对应的故障类别序列中确定出所述传感器网络的一个或多个推定故障类别；将所述先验故障类别和推定故障类别进行加权分析，生成所述传感器网络的故障诊断类别
。2.
根据权利要求1所述的针对传感器网络的故障诊断处理方法，其特征在于，所述基于所述目标故障链和目标传感器协同事件数据，在所述预定义故障关系图对应的故障类别序列中确定出所述传感器网络的一个或多个推定故障类别，包括：对所述目标故障链的链特征数据进行编码，生成所述目标故障链的故障编码特征；依据所述目标传感器协同事件数据，将所述故障编码特征转换为所述传感器网络的协同故障定位矢量；在所述预定义故障关系图对应的故障类别序列中提取所述协同故障定位矢量对应的一个或多个故障类别，生成所述传感器网络的推定故障类别
。3.
根据权利要求2所述的针对传感器网络的故障诊断处理方法，其特征在于，所述依据所述目标传感器协同事件数据，将所述故障编码特征转换为所述传感器网络的协同故障定位矢量，包括：依据所述目标传感器协同事件数据，在所述故障编码特征中提取目标传感器协同交互过程内所述传感器网络进行传感器协作交互的一个或多个目标故障链的故障编码特征，生成第一故障编码特征；调用机器学习网络对所述第一故障编码特征进行局部接受域的极大化处理，生成第二故障编码特征；对所述第二故障编码特征进行异向性调整，生成所述传感器网络的协同故障定位矢量
。4.
根据权利要求3所述的针对传感器网络的故障诊断处理方法，其特征在于，所述调用机器学习网络对所述第一故障编码特征进行局部接受域的极大化处理，生成第二故障编码特征之前，还包括：获取所述传感器网络传感器协作交互生成的示例故障链序列对应的示例故障编码特征序列，所述示例故障编码特征序列包括一个或多个故障类别标签数据的示例故障编码特征；在所述示例故障编码特征序列中确定出一个或多个目标示例故障编码特征，并将所述示例故障编码特征序列中除所述目标示例故障编码特征以外的示例故障编码特征作为候选训练数据的待学习故障编码特征；调用初始化机器学习网络对所述目标示例故障编码特征进行转换，生成所述传感器网络的示例协同故障定位矢量；
调用所述初始化机器学习网络对所述待学习故障编码特征进行转换，生成所述待学习故障编码特征的待学习故障编码特征；依据所述示例协同故障定位矢量和待学习故障编码特征，推定所述传感器网络针对所述待学习故障编码特征的故障类别数据，生成推定故障类别数据；基于所述推定故障类别数据和故障类别标签数据，对初始化机器学习网络进行训练，生成机器学习网络
。5.
根据权利要求2所述的针对传感器网络的故障诊断处理方法，其特征在于，所述在所述预定义故障关系图对应的故障类别序列中提取所述协同故障定位矢量对应的一个或多个故障类别，生成所述传感器网络的推定故障类别，包括：获取所述预定义故障关系图对应的故障类别序列，并在所述预定义故障关系图中提取出图结构数据；调用故障类别诊断网络在所述故障类别序列中提取所述协同故障定位矢量对应的一个或多个参考故障类别，并对所述参考故障类别进行编码，生成所述参考故障类别的基础故障类别表征向量；调用所述故障类别诊断网络对所述图结构数据进行编码，生成基础故障节点向量和故障节点关联向量，并将基础故障节点向量和故障节点关联向量进行加权分析，生成故障节点向量；将所述故障节点向量和所述基础故障类别表征向量进行加权分析，生成所述参考故障类别的故障类别表征向量；计算所述协同故障定位矢量...

【专利技术属性】
技术研发人员：雷济民，翁发梅，
申请(专利权)人：拓普思传感器太仓有限公司，
类型：发明
国别省市：