应用于材料提纯系统的异常监控方法及系统技术方案

本申请涉及材料提纯系统的异常监控技术领域，涉及一种应用于材料提纯系统的异常监控方法及系统

【技术实现步骤摘要】
应用于材料提纯系统的异常监控方法及系统


[0001]本申请涉及材料提纯系统的异常监控
，具体而言，涉及一种应用于材料提纯系统的异常监控方法及系统
。

技术介绍

[0002]材料提纯系统在许多工业生产过程中都有着重要应用，如化工
、
制药
、
石油等领域
。
由于材料提纯系统的复杂性和重要性，对其运行状态进行实时监控和异常检测是非常必要的
。
传统的监控方式主要依赖人工观察和经验判断，不仅效率低下，而且容易出错
。
[0003]近年来，随着神经网络和云计算技术的快速发展，利用这些先进技术进行异常监控成为可能
。
为此，迫切需要一种新型的异常监控方法，该方法能够有效地处理和分析来自多个系统运行事件的数据，同时能够自动优化神经网络参数，提高异常诊断的准确性和效率
。

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应用于材料提纯系统的异常监控方法及系统
。
[0005]依据本申请实施例的一个方面，提供了一种应用于材料提纯系统的异常监控方法，包括：利用数据监控系统采集材料提纯系统的
M
个系统运行事件；向云服务神经网络系统上传所述
M
个系统运行事件，以使所述云服务神经网络系统依据所述
M
个系统运行事件，调用云端异常诊断网络获取
M
个第一异常诊断数据；基于所述
M
个系统运行事件以及所述云服务神经网络系统下发的所述
M
个第一异常诊断数据，生成样例学习序列，所述样例学习序列包括
M
批样例学习特征，每批样例学习特征包括系统运行事件以及所述系统运行事件的第一异常诊断数据；依据所述
M
个系统运行事件，利用目标候选神经网络获取
M
个第二异常诊断数据；基于所述
M
个第二异常诊断数据以及所述样例学习序列，对所述目标候选神经网络的网络权值信息进行优化，生成离线异常诊断网络以及所述离线异常诊断网络所对应的网络训练信息；如果所述离线异常诊断网络符合网络收敛要求，则向所述云服务神经网络系统发送所述网络训练信息，以使所述云服务神经网络系统基于出自一个或多个异常诊断离线节点的网络训练信息序列，对所述云端异常诊断网络的网络权值信息进行优化，所述网络训练信息序列包括所述网络训练信息，其中，所述云端异常诊断网络和所述离线异常诊断网络用于对任意输入的目标系统运行事件进行异常监控
。
[0006]在第一方面的一种可能的实施方式中，所述方法还包括：向所述云服务神经网络系统发送网络协同优化指令，以使所述云服务神经网络系统基于所述网络协同优化指令，确定应用于目标异常诊断离线节点的样例系统运行事件序
列；获取所述云服务神经网络系统下发的基础样本数据序列，所述基础样本数据序列包括
G
组基础样例系统运行事件，每组基础样例系统运行事件包括系统运行事件以及所述系统运行事件的异常标签数据；依据所述基础样本数据序列所包括的
G
个系统运行事件，利用基础异常诊断网络获取
G
个基础异常诊断数据，每个基础异常诊断数据包括系统运行事件的异常诊断标签以及标签置信度；基于所述
G
个基础异常诊断数据以及所述基础样本数据序列，对所述基础异常诊断网络的网络权值信息进行优化，生成所述目标候选神经网络
。
[0007]在第一方面的一种可能的实施方式中，所述利用数据监控系统采集材料提纯系统的
M
个系统运行事件之前，所述方法还包括：获取目标异常诊断离线节点所关联的材料提纯工况参数，所述材料提纯工况参数包括操作温度以及设备振动中的至少一项；如果所述材料提纯工况参数所包括的操作温度不在预定温度范围之内，则响应于针对所述数据监控系统的第一优化活动，对所述数据监控系统的第一配置信息进行更新，所述第一配置信息包括采样率
、
数据精确度以及容错度中的至少一项；如果所述材料提纯工况参数所包括的设备振动不小于设定振动阈值，则响应于针对所述数据监控系统的第二优化活动，对所述数据监控系统的第二配置信息进行更新，所述第二配置信息包括处理速率
、
数据精确度以及噪声抑制中的至少一项
。
[0008]在第一方面的一种可能的实施方式中，所述基于所述
M
个第二异常诊断数据以及所述样例学习序列，对所述目标候选神经网络的网络权值信息进行优化，生成离线异常诊断网络以及所述离线异常诊断网络所对应的网络训练信息之后，所述方法还包括：向所述云服务神经网络系统发送通过所述数据监控系统采集的
X
个系统运行事件，以使所述云服务神经网络系统依据所述
X
个系统运行事件，利用所述云端异常诊断网络获取
X
个第三异常诊断数据，所述
X
为不小于1的整数；获取所述云服务神经网络系统下发的所述
X
个第三异常诊断数据； 依据所述
X
个系统运行事件，利用所述离线异常诊断网络获取
X
个第四异常诊断数据；基于所述
X
个第三异常诊断数据，对所述
X
个第四异常诊断数据进行测试，生成所述
X
个系统运行事件的异常诊断有效度；如果所述异常诊断有效度不小于预设有效度，则确定所述离线异常诊断网络符合所述网络收敛要求
。
[0009]在第一方面的一种可能的实施方式中，所述基于所述
M
个第二异常诊断数据以及所述样例学习序列，对所述目标候选神经网络的网络权值信息进行优化，生成离线异常诊断网络以及所述离线异常诊断网络所对应的网络训练信息之后，所述方法还包括：向所述云服务神经网络系统发送通过所述数据监控系统采集的
X
个系统运行事件，以使所述云服务神经网络系统依据所述
X
个系统运行事件，利用所述云端异常诊断网络获取
X
个第三异常诊断数据，所述
X
为不小于1的整数；获取所述云服务神经网络系统下发的所述
X
个第三异常诊断数据；依据所述
X
个系统运行事件，利用所述离线异常诊断网络获取
X
个第四异常诊断数
据；基于所述
X
个第三异常诊断数据，对所述
X
个第四异常诊断数据进行测试，生成针对所述
X
个系统运行事件的异常诊断有效度； 如果所述异常诊断有效度不小于预设有效度，则向
Y
个异常诊断离线节点下发所述网络训练信息，以使所述
Y
个异常诊断离线节点分别基于所述网络训练信息，对候选神经网络的网络权值信息进行优化，生成
Y
个异常诊断网络，所述
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种应用于材料提纯系统的异常监控方法，其特征在于，所述方法包括：利用数据监控系统采集材料提纯系统的
M
个系统运行事件；向云服务神经网络系统上传所述
M
个系统运行事件，以使所述云服务神经网络系统依据所述
M
个系统运行事件，调用云端异常诊断网络获取
M
个第一异常诊断数据；基于所述
M
个系统运行事件以及所述云服务神经网络系统下发的所述
M
个第一异常诊断数据，生成样例学习序列，所述样例学习序列包括
M
批样例学习特征，每批样例学习特征包括系统运行事件以及所述系统运行事件的第一异常诊断数据；依据所述
M
个系统运行事件，利用目标候选神经网络获取
M
个第二异常诊断数据；基于所述
M
个第二异常诊断数据以及所述样例学习序列，对所述目标候选神经网络的网络权值信息进行优化，生成离线异常诊断网络以及所述离线异常诊断网络所对应的网络训练信息；如果所述离线异常诊断网络符合网络收敛要求，则向所述云服务神经网络系统发送所述网络训练信息，以使所述云服务神经网络系统基于出自一个或多个异常诊断离线节点的网络训练信息序列，对所述云端异常诊断网络的网络权值信息进行优化，所述网络训练信息序列包括所述网络训练信息，其中，所述云端异常诊断网络和所述离线异常诊断网络用于对任意输入的目标系统运行事件进行异常监控
。2.
根据权利要求1所述的应用于材料提纯系统的异常监控方法，其特征在于，所述方法还包括：向所述云服务神经网络系统发送网络协同优化指令，以使所述云服务神经网络系统基于所述网络协同优化指令，确定应用于目标异常诊断离线节点的样例系统运行事件序列；获取所述云服务神经网络系统下发的基础样本数据序列，所述基础样本数据序列包括
G
组基础样例系统运行事件，每组基础样例系统运行事件包括系统运行事件以及所述系统运行事件的异常标签数据；依据所述基础样本数据序列所包括的
G
个系统运行事件，利用基础异常诊断网络获取
G
个基础异常诊断数据，每个基础异常诊断数据包括系统运行事件的异常诊断标签以及标签置信度；基于所述
G
个基础异常诊断数据以及所述基础样本数据序列，对所述基础异常诊断网络的网络权值信息进行优化，生成所述目标候选神经网络
。3.
根据权利要求1所述的应用于材料提纯系统的异常监控方法，其特征在于，所述利用数据监控系统采集材料提纯系统的
M
个系统运行事件之前，所述方法还包括：获取目标异常诊断离线节点所关联的材料提纯工况参数，所述材料提纯工况参数包括操作温度以及设备振动中的至少一项；如果所述材料提纯工况参数所包括的操作温度不在预定温度范围之内，则响应于针对所述数据监控系统的第一优化活动，对所述数据监控系统的第一配置信息进行更新，所述第一配置信息包括采样率
、
数据精确度以及容错度中的至少一项；如果所述材料提纯工况参数所包括的设备振动不小于设定振动阈值，则响应于针对所述数据监控系统的第二优化活动，对所述数据监控系统的第二配置信息进行更新，所述第二配置信息包括处理速率
、
数据精确度以及噪声抑制中的至少一项
。4.
根据权利要求1所述的应用于材料提纯系统的异常监控方法，其特征在于，所述基于
所述
M
个第二异常诊断数据以及所述样例学习序列，对所述目标候选神经网络的网络权值信息进行优化，生成离线异常诊断网络以及所述离线异常诊断网络所对应的网络训练信息之后，所述方法还包括：向所述云服务神经网络系统发送通过所述数据监控系统采集的
X
个系统运行事件，以使所述云服务神经网络系统依据所述
X
个系统运行事件，利用所述云端异常诊断网络获取
X
个第三异常诊断数据，所述
X
为不小于1的整数；获取所述云服务神经网络系统下发的所述
X
个第三异常诊断数据； 依据所述
X
个系统运行事件，利用所述离线异常诊断网络获取
X
个第四异常诊断数据；基于所述
X
个第三异常诊断数据，对所述
X
个第四异常诊断数据进行测试，生成所述
X
个系统运行事件的异常诊断有效度；如果所述异常诊断有效度不小于预设有效度，则确定所述离线异常诊断网络符合所述网络收敛要求
。5.
根据权利要求1所述的应用于材料提纯系统的异常监控方法，其特征在于，所述基于所述
M
个第二异常诊断数据以及所述样例学习序列，对所述目标候选神经网络的网络权值信息进行优化，生成离线异常诊断网络以及所述离线异常诊断网络所对应的网络训练信息之后，所述方法还包括：向所述云服务神经网络系统发送通过所述数据监控系统采集的
X
个系统运行事件，以使所述云服务神经网络系统依据所述
X
个系统运行事件，利用所述云端异常诊断网络获取
X
个第三异常诊断数据，所述
X
为不小于1的整数；获取所述云服务神经网络系统下发的所述
X
个第三异常诊断数据；依据所述
X
个系统运行事件，利用所述离线异常诊断网络获取
X
个第四异常诊断数据；基于所述
X
个第三异常诊断数据，对所述
X
个第四异常诊断数据进行测试，生成针对所述
X
个系统运行事件的异常诊断有效度； 如果所述异常诊断有效度不小于预设有效度，则向
Y
个异常诊断离线节点下发所述网络训练信息，以使所述
Y
个异常诊断离线节点分别基于所述网络训练信息，对候选神经网络的网络权值信息进行优化，生成
Y
个异常诊断网络，所述
Y
个异常诊断离线节点与目标异常诊断离线节点具有相关性，所述
Y
为不小于1的整数；获取所述
Y
个异常诊断离线节点中的每个异常诊断离线节点所对应的异常诊断离线节点权重，所述异常诊断离线节点权重为基于异常诊断网络的异常诊断数据以及所述云端异常诊断网络的异常诊断数据确定的；基于所述每个异常诊断离线节点所对应的异常诊断离线节点权重，确定全局诊断权重；如果所述全局诊断权重不小于预设权重值，则确定所述离线异常诊断网络符合所述网络收敛要求；其中，所述基于所述每个异常诊断离线节点所对应的异常诊断离线节点权重，确定全局诊断权重，包括：对所述
Y
个异常诊断离线节点的异常诊断离线节点权重进行相加，生成异常诊断离线节点总权重，并基于所述异常诊断离线节点总权重与
Y
值之间的比值，生成所述全局诊断权重；或者，获取所述
Y
个异常诊断离线节点中的每个异常诊断离线节点所对应的影响因子
序列，所述影响因子序列包括异常诊断离线节点硬件因子
、
异常诊断离...

【专利技术属性】
技术研发人员：郑经纬，陈国富，吴超农，王群坦，蒋美锐，缪振华，康琦滔，翁新增，
申请(专利权)人：博纯材料股份有限公司，
类型：发明
国别省市：