一种基于自适应感知的设备运行轻量化监测方法及系统技术方案

本发明专利技术公开了一种基于自适应感知的设备运行轻量化监测方法及系统，包括以下步骤：根据第一设备运行数据和第一设备运行状态，利用神经网络学习出第一目标映射关系；对第一设备运行数据进行噪声添加以及正交初始化处理，通过第一目标映射关系对处理后的第一设备运行数据进行轻量化，得到第二设备运行数据；根据第一设备运行数据和第二设备运行数据，利用神经网络学习出第二目标映射关系

【技术实现步骤摘要】
一种基于自适应感知的设备运行轻量化监测方法及系统


[0001]本专利技术涉及设备监测轻量化
，具体涉及一种基于自适应感知的设备运行轻量化监测方法及系统
。

技术介绍

[0002]设备监测是指对设备运行状态进行实时或定期的监测和检测，以获取设备的性能指标
、
故障信息等数据，并对这些数据进行分析
、
处理和解释，以便及时发现设备的健康状况
。
设备监测通常通过传感器
、
监测系统
、
计算机软件等技术手段进行实现，以提高设备的可靠性
、
可用性和效率，降低设备故障率和维修成本，提高设备的生命周期价值
。
设备监测在制造业
、
能源
、
交通
、
建筑
、
环保等领域得到广泛应用
。
[0003]设备运行监测通常利用对设备所有工况信息进行监测，保证监测的全面性，全面性监测能够保证设备运行监测的准确性，但是全面性监测会导致信息在线传输
、
运算消耗等信息化负担重，容易造成设备资源浪费，监测过程繁琐
。

技术实现思路

[0004]本专利技术的目的在于提供一种基于自适应感知的设备运行轻量化监测方法及系统，以解决现有技术中全面性监测会导致信息在线传输
、
运算消耗等信息化负担重，容易造成设备资源浪费，监测过程繁琐的技术问题
。
[0005]为解决上述技术问题，本专利技术具体提供下述技术方案：
[0006]一种基于自适应感知的设备运行轻量化监测方法，包括以下步骤：
[0007]获取第一设备运行数据，以及第一设备运行状态，所述第一设备运行状态与第一设备运行数据具有时序对应关系，所述第一设备运行数据中包括多个第一数据项，多个第一数据项对应于目标设备的多个工况信息，第一设备运行状态对应于目标设备的工况类别；
[0008]根据第一设备运行数据和第一设备运行状态，利用神经网络学习出第一目标映射关系，所述第一目标映射关系用于根据第一设备运行数据得到第一设备运行状态；
[0009]对第一设备运行数据进行噪声添加以及正交初始化处理，通过第一目标映射关系对处理后的第一设备运行数据进行轻量化，得到第二设备运行数据，所述第二设备运行数据用于表征轻量化后的第一设备运行数据；
[0010]根据第一设备运行数据和第二设备运行数据，利用神经网络学习出第二目标映射关系，所述第二目标映射关系用于根据第一设备运行数据得到第二设备运行数据
。
[0011]作为本专利技术的一种优选方案，所述第一目标映射关系的获取，包括：
[0012]将第一设备运行数据作为神经网络的第一输入项，将第一设备运行状态作为神经网络的第一输出项，将神经网络基于第一输入项和第一输出项进行学习训练得到第一目标映射关系；
[0013]其中，第一目标映射关系的表达式为：
[0014]Label
＝
CNN(S1)
；
[0015]式中，
Label
为第一设备运行状态，
S1
为第一设备运行数据，
CNN
为神经网络
。
[0016]作为本专利技术的一种优选方案，所述对第一设备运行数据进行噪声添加以及正交初始化处理，包括：
[0017]利用斯皮尔曼算法对第一设备运行数据中各个第一数据项进行关联关系进行数据量化，并对各个第一数据项间的关联关系的数据量化结果进行求和，得到第一设备运行数据的数据对称性，其中，
[0018]若第一设备运行数据的数据对称性大于第一预设值，则在第一设备运行数据中对各个第一数据项添加高斯噪声，并对添加高斯噪声的各个第一数据项进行正交初始化处理；
[0019]若第一设备运行数据的数据对称性小于或等于第一预设值，则对第一设备运行数据中对各个第一数据项进行正交初始化处理
。
[0020]作为本专利技术的一种优选方案，所述对各个第一数据项添加高斯噪声，包括：
[0021]依次对每个第一数据项添加高斯噪声，其中，高斯噪声的添加表达式为：
[0022]w
l
_add
＝
w
l
+N(0,
βσ
(r(w
l
)))
；
[0023]式中，
w
l
_add
为添加高斯噪声后的第
l
个第一数据项，
w
l
为第
l
个第一数据项，
N(0,
βσ
(r(w
l
)))
为高斯分布函数，
σ
(r(w
l
))
为
r(w
l
)
的标准差，
β
为第一设备运行数据的数据对称性，
r(w
l
)
为第一数据项间的关联关系，其中，
r(w
l
)∈P
K
×
K
，
P
K
×
K
为第一数据项间关联关系矩阵，
K
为第一数据项间关联关系矩阵的矩阵规格，
l
为计数变量
。
[0024]作为本专利技术的一种优选方案，所述正交初始化处理，包括：
[0025]添加高斯噪声的各个第一数据项进行正交初始化处理，包括：
[0026]将添加高斯噪声的各个第一数据项进行
QR
分解得到正交矩阵
Q
和上三角矩阵
R
；
[0027]将添加高斯噪声的各个第一数据项正交初始化运算得到新的第一数据项，新的数据项的函数表达式为：
[0028]w
l
_add_new
＝
Q
⊙
sign(diag(R))
；
[0029]式中，
w
l
_add_new
为添加高斯噪声后的第
l
个第一数据项正交初始化结果，
diag(R)
为
R
的对角矩阵，
sign(diag(R))
为
diag(R)
的符号函数；
[0030]对第一设备运行数据中对各个第一数据项进行正交初始化处理，包括：
[0031]将第一设备运行数据的各个第一数据项进行
QR
分解得到正交矩阵
Q
和上三角矩阵
R
；
[0032]将第一设备运行数据的各个第一数据项正交初始化运算得到新的第一数据项，新的数据项的函数表达式为：
[0033]w
l
_new
＝
Q...

【技术保护点】

【技术特征摘要】
1.
一种基于自适应感知的设备运行轻量化监测方法，其特征在于：包括以下步骤：获取第一设备运行数据，以及第一设备运行状态，所述第一设备运行状态与第一设备运行数据具有时序对应关系，所述第一设备运行数据中包括多个第一数据项，多个第一数据项对应于目标设备的多个工况信息，第一设备运行状态对应于目标设备的工况类别；根据第一设备运行数据和第一设备运行状态，利用神经网络学习出第一目标映射关系，所述第一目标映射关系用于根据第一设备运行数据得到第一设备运行状态；对第一设备运行数据进行噪声添加以及正交初始化处理，通过第一目标映射关系对处理后的第一设备运行数据进行轻量化，得到第二设备运行数据，所述第二设备运行数据用于表征轻量化后的第一设备运行数据；根据第一设备运行数据和第二设备运行数据，利用神经网络学习出第二目标映射关系，所述第二目标映射关系用于根据第一设备运行数据得到第二设备运行数据
。2.
根据权利要求1所述的一种基于自适应感知的设备运行轻量化监测方法，其特征在于：所述第一目标映射关系的获取，包括：将第一设备运行数据作为神经网络的第一输入项，将第一设备运行状态作为神经网络的第一输出项，将神经网络基于第一输入项和第一输出项进行学习训练得到第一目标映射关系；其中，第一目标映射关系的表达式为：
Label
＝
CNN(S1)
；式中，
Label
为第一设备运行状态，
S1
为第一设备运行数据，
CNN
为神经网络
。3.
根据权利要求2所述的一种基于自适应感知的设备运行轻量化监测方法，其特征在于：所述对第一设备运行数据进行噪声添加以及正交初始化处理，包括：利用斯皮尔曼算法对第一设备运行数据中各个第一数据项进行关联关系进行数据量化，并对各个第一数据项间的关联关系的数据量化结果进行求和，得到第一设备运行数据的数据对称性，其中，若第一设备运行数据的数据对称性大于第一预设值，则在第一设备运行数据中对各个第一数据项添加高斯噪声，并对添加高斯噪声的各个第一数据项进行正交初始化处理；若第一设备运行数据的数据对称性小于或等于第一预设值，则对第一设备运行数据中对各个第一数据项进行正交初始化处理
。4.
根据权利要求3所述的一种基于自适应感知的设备运行轻量化监测方法，其特征在于：所述对各个第一数据项添加高斯噪声，包括：依次对每个第一数据项添加高斯噪声，其中，高斯噪声的添加表达式为：
w
l
_add
＝
w
l
+N(0
，
βσ
(r(w
l
)))
；式中，
w
l
_add
为添加高斯噪声后的第
l
个第一数据项，
w
l
为第
l
个第一数据项，
N(0
，
βσ
(r(w
l
)))
为高斯分布函数，
σ
(r(w
l
))
为
r(w
l
)
的标准差，
β
为第一设备运行数据的数据对称性，
r(w
l
)
为第一数据项间的关联关系，其中，
r(w
l
)∈P
K
×
K
，
P
K
×
K
为第一数据项间关联关系矩阵，
K
为第一数据项间关联关系矩阵的矩阵规格，
l
为计数变量
。5.
根据权利要求4所述的一种基于自适应感知的设备运行轻量化监测方法，其特征在于：所述正交初始化处理，包括：添加高斯噪声的各个第一数据项进行正交初始化处理，包括：
将添加高斯噪声的各个第一数据项进行
QR
分解得到正交矩阵
Q
和上三角矩阵
R
；将添加高斯噪声的各个第一数据项正交初始化运算得到新的第一数据项，新的数据项的函数表达式为：
w
l
_add_new
＝
Q
⊙
sign(diag(R))

【专利技术属性】
技术研发人员：王勇，张丕富，吴爱军，谢浩，周峻丞，赵宇霞，刘玉金，严红年，陈平，林明，罗锐，
申请(专利权)人：中国铁路成都局集团有限公司成都供电段，
类型：发明
国别省市：