【技术实现步骤摘要】
本专利技术涉及边缘计算网关，具体而言，涉及一种基于边缘计算网关的生产运行异常定位方法及系统。
技术介绍
1、在现代工业生产过程中，实时监控和异常检测是确保生产效率和产品质量的关键环节。这通常涉及收集大量的生产运行监控数据并对其进行深入分析，以便快速识别并处理可能出现的问题。然而，由于工业生产过程的复杂性，传统的数据处理方法往往无法准确地识别和定位异常。
2、随着边缘计算的发展，利用边缘计算网关获取并处理生产监控数据成为一种可能的解决方案。然而，这样做面临着两个主要的挑战。首先，生产运行监控数据通常包括来自不同生产节点的数据，其中某些节点可能存在先验知识，而其他节点则可能没有。这增加了数据处理的复杂性，并可能影响异常检测的准确性。
技术实现思路
1、有鉴于此，本专利技术实施例的目的在于提供一种基于边缘计算网关的生产运行异常定位方法及系统，从边缘计算网关中获取样例生产运行监控数据序列，将含有先验生产节点的样例生产运行监控数据从样例生产运行监控数据序列中剔除，生成待学习生产运行监控数据序列。基于该待学习生产运行监控数据序列，对初始化神经网络进行自适应知识学习，生成第一初始化神经网络，并通过对抗式监督知识学习，生成第二初始化神经网络，使用目标验证生产运行监控数据对第一和第二初始化神经网络进行验证比较，以确定样例生产运行监控数据序列中是否存在标注的非先验生产节点的样例生产运行监控数据。如果存在，返回获取样例生产运行监控数据序列的步骤继续训练，直至不存在标注的非先验生产节点的样例生
2、依据本专利技术实施例的一个方面，提供一种基于边缘计算网关的生产运行异常定位方法及系统，所述方法包括：
3、获取边缘计算网关中的样例生产运行监控数据序列，所述样例生产运行监控数据序列包括多个样例生产运行监控数据以及对应携带的异常定位标注标签数据；
4、将所述样例生产运行监控数据序列中存在先验生产节点的样例生产运行监控数据进行剔除，生成待学习生产运行监控数据序列；
5、基于所述待学习生产运行监控数据序列对初始化神经网络进行自适应知识学习，生成第一初始化神经网络，
6、基于所述待学习生产运行监控数据序列对所述初始化神经网络进行对抗式监督知识学习，生成第二初始化神经网络；
7、依据目标验证生产运行监控数据对所述第一初始化神经网络和所述第二初始化神经网络进行验证比较，以确定所述样例生产运行监控数据序列中是否存在标注的非先验生产节点的样例生产运行监控数据，其中，所述目标验证生产运行监控数据表征未进行先验生产备案的生产运行监控数据；
8、当所述样例生产运行监控数据序列中存在所述标注的非先验生产节点的样例生产运行监控数据时，返回所述获取样例生产运行监控数据序列的步骤以继续训练，直至所述样例生产运行监控数据序列中不存在所述标注的非先验生产节点的样例生产运行监控数据；
9、当所述样例生产运行监控数据序列中不存在所述标注的非先验生产节点的样例生产运行监控数据时，输出所述第二初始化神经网络。
10、一种可替代的实施方式中，所述将所述样例生产运行监控数据序列中含有存在先验生产节点的样例生产运行监控数据进行剔除，生成待学习生产运行监控数据序列，包括：
11、依据设定字段剔除规则，将所述样例生产运行监控数据序列中含有存在先验生产节点的样例生产运行监控数据进行剔除，生成所述待学习生产运行监控数据序列；
12、或者，依据预置的神经网络，将所述样例生产运行监控数据序列中含有存在先验生产节点的样例生产运行监控数据进行剔除，生成所述待学习生产运行监控数据序列。
13、一种可替代的实施方式中，所述依据设定字段剔除规则，将所述样例生产运行监控数据序列中含有存在先验生产节点的样例生产运行监控数据进行剔除，生成所述待学习生产运行监控数据序列，包括：
14、针对所述样例生产运行监控数据序列中每个样例生产运行监控数据中的每个生产运行事件，获取与所述生产运行事件关联的目标数量的依赖生产运行事件，计算所述生产运行事件与每个所述依赖生产运行事件之间的特征距离，将各个所述特征距离的平均值确定为所述生产运行事件对应的事件评估值；
15、对于所述样例生产运行监控数据序列中每个样例生产运行监控数据，如果所述样例生产运行监控数据中存在至少一个生产运行事件对应的事件评估值不符合设定评估值区间，则判定所述样例生产运行监控数据中含有存在先验生产节点，并将所述样例生产运行监控数据从所述样例生产运行监控数据序列中移除，生成所述待学习生产运行监控数据序列。
16、一种可替代的实施方式中，所述基于所述待学习生产运行监控数据序列对初始化神经网络进行自适应知识学习，生成第一初始化神经网络，包括：
17、针对所述待学习生产运行监控数据序列中的每个待学习生产运行监控数据，基于所述待学习生产运行监控数据和所述初始化神经网络的当前网络权重信息，获取所述待学习生产运行监控数据对应的训练代价参数；
18、将各个所述待学习生产运行监控数据对应的训练代价参数进行相加，作为所述待学习生产运行监控数据序列对应的训练代价参数；
19、依据最小化所述待学习生产运行监控数据序列对应的训练代价参数为原则，训练所述初始化神经网络，生成所述第一初始化神经网络。
20、一种可替代的实施方式中，所述基于所述待学习生产运行监控数据序列对所述初始化神经网络进行对抗式监督知识学习，生成第二初始化神经网络，包括：
21、对所述待学习生产运行监控数据序列中的每个待学习生产运行监控数据添加噪声干扰特征，生成所述待学习生产运行监控数据对应的干扰生产运行监控数据，并由各个所述待学习生产运行监控数据对应的干扰生产运行监控数据构成干扰生产运行监控数据序列；
22、针对所述干扰生产运行监控数据序列中的每个干扰生产运行监控数据，基于所述干扰生产运行监控数据和所述初始化神经网络的当前网络权重信息，获取所述干扰生产运行监控数据对应的训练代价参数； 将各个所述干扰生产运行监控数据对应的训练代价参数累加，作为所述干扰生产运行监控数据序列对应的训练代价参数；
23、按照在所述干扰生产运行监控数据序列中每个干扰生产运行监控数据的干扰程度大于设定程度时，减小所述干扰生产运行监控数据序列对应的训练代价参数为原则，训练所述初始化神经网络，生成所述第二初始化神经网络。
24、一种可替代的实施方式中，所述依据目标验证生产运行监控数据对所述第一初始化神经网络和所述第二初始化神经网络进行验证比较，以确定所述样例生产运行监控数据序列中是否存在标注的非先验生产节点的样例生产运行监控数据，包括：
25、将所述目标验证生产运行监控数据加载到所述第一初始化神经网络中，生成所述目标验证生产本文档来自技高网...
【技术保护点】
1.一种基于边缘计算网关的生产运行异常定位方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于边缘计算网关的生产运行异常定位方法，其特征在于，所述将所述样例生产运行监控数据序列中含有存在先验生产节点的样例生产运行监控数据进行剔除，生成待学习生产运行监控数据序列，包括：
3.根据权利要求2所述的基于边缘计算网关的生产运行异常定位方法，其特征在于，所述依据设定字段剔除规则，将所述样例生产运行监控数据序列中含有存在先验生产节点的样例生产运行监控数据进行剔除，生成所述待学习生产运行监控数据序列，包括：
4.根据权利要求1所述的基于边缘计算网关的生产运行异常定位方法，其特征在于，所述基于所述待学习生产运行监控数据序列对初始化神经网络进行自适应知识学习，生成第一初始化神经网络，包括：
5.根据权利要求1所述的基于边缘计算网关的生产运行异常定位方法，其特征在于，所述基于所述待学习生产运行监控数据序列对所述初始化神经网络进行对抗式监督知识学习，生成第二初始化神经网络，包括：
6.根据权利要求1所述的基于边缘计算网关的生产运行异
7.根据权利要求6所述的基于边缘计算网关的生产运行异常定位方法，其特征在于，所述将所述目标验证生产运行监控数据中每个异常定位标签的第一置信度和第二置信度进行对比，以确定所述样例生产运行监控数据序列中是否存在标注的非先验生产节点的样例生产运行监控数据，包括：
8.一种基于边缘计算网关的生产运行异常定位系统，其特征在于，所述系统包括：
9.一种服务器，其特征在于，包括：处理器、通信接口、存储器和通信总线，其中，所述处理器、通信接口和存储器通过通信总线完成相互间的通信； 所述存储器，用于存放计算机程序； 所述处理器，用于执行所述计算机程序时，实现权利要求1-7任一项所述的基于边缘计算网关的生产运行异常定位方法步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1-7任一项所述的基于边缘计算网关的生产运行异常定位方法步骤。
...【技术特征摘要】
1.一种基于边缘计算网关的生产运行异常定位方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于边缘计算网关的生产运行异常定位方法，其特征在于，所述将所述样例生产运行监控数据序列中含有存在先验生产节点的样例生产运行监控数据进行剔除，生成待学习生产运行监控数据序列，包括：
3.根据权利要求2所述的基于边缘计算网关的生产运行异常定位方法，其特征在于，所述依据设定字段剔除规则，将所述样例生产运行监控数据序列中含有存在先验生产节点的样例生产运行监控数据进行剔除，生成所述待学习生产运行监控数据序列，包括：
4.根据权利要求1所述的基于边缘计算网关的生产运行异常定位方法，其特征在于，所述基于所述待学习生产运行监控数据序列对初始化神经网络进行自适应知识学习，生成第一初始化神经网络，包括：
5.根据权利要求1所述的基于边缘计算网关的生产运行异常定位方法，其特征在于，所述基于所述待学习生产运行监控数据序列对所述初始化神经网络进行对抗式监督知识学习，生成第二初始化神经网络，包括：
6.根据权利要求1所述的基于边缘计算网关的生产运行异常定位方法，其特征在于，所...
【专利技术属性】
技术研发人员：李继庚，洪蒙纳，华浩，严斌，
申请(专利权)人：广州博依特智能信息科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。