【技术实现步骤摘要】
本专利技术属于工业过程监测，具体涉及一种面向动态工业过程的云边协同智能自主监测方法。
技术介绍
1、随着大数据，物联网等信息技术为代表的第四次工业革命的兴起，工业规模不断扩大。现代工业系统内部结构复杂，各组成部件联系紧密，如果不能及时排除故障，可能会造成巨大的经济损失甚至是人员伤亡。过程监测通过监测过程运行状态，检测出引起产品质量下滑、引起人员伤亡等异常行为。它为操作人员提供重要工况信息，是保障生产过程安全的重要环节，对工业生产的高效、健康运行具有重要意义。
2、由于信息技术与工业系统的深度融合，传感设备得以与工业物联网连接，大量工业过程数据可以被采集和存储。数据驱动的工业过程监测方法可以深入挖掘采集的过程数据并据此建立有效的监测模型。随着人工智能的发展，机器学习方法能够准确提取出潜在的复杂工况特征，因此机器学习方法不断被提出并应用于过程监测。
3、字典学习作为一种高效的机器学习方法，其通过学习过程数据找到一组最优基向量。利用其对数据进行稀疏表示，能够降低面对海量工业过程数据的处理难度。因此，其在过程监测领域得到...
【技术保护点】
1.一种面向动态工业过程的云边协同智能自主监测方法，其特征在于，包括：云端建立字典模型并对模型进行训练和更新；边缘设备从云端获取最新的字典、分类器和控制限，并利用获取到的字典和控制限对当前工业过程进行异常监测，以及利用获取到的字典和分类器对当前工业过程的工况进行识别；
2.根据权利要求1所述的面向动态工业过程的云边协同智能自主监测方法，其特征在于，字典模型的优化函数表示为：
3.根据权利要求2所述的面向动态工业过程的云边协同智能自主监测方法，其特征在于，训练字典模型时对优化函数求解的方法为：
4.根据权利要求1所述的面向动态工业过程...
【技术特征摘要】
1.一种面向动态工业过程的云边协同智能自主监测方法，其特征在于，包括：云端建立字典模型并对模型进行训练和更新；边缘设备从云端获取最新的字典、分类器和控制限，并利用获取到的字典和控制限对当前工业过程进行异常监测，以及利用获取到的字典和分类器对当前工业过程的工况进行识别；
2.根据权利要求1所述的面向动态工业过程的云边协同智能自主监测方法，其特征在于，字典模型的优化函数表示为：
3.根据权利要求2所述的面向动态工业过程的云边协同智能自主监测方法，其特征在于，训练字典模型时对优化函数求解的方法为：
4.根据权利要求1所述的面向动态工业过程的云边协同智能自主监测方法，其特征在于，所述根据字典dh、分类器wh、编码矩阵xh计算历史监测数据集yh中各样本的硬度值，包括：
5.根据权利要求1所述的面向动态工业过程的云边协同智能自主监测方法，其特征在于，所述基于硬...
【专利技术属性】
技术研发人员：黄科科，王钦哲，阳春华，吴德浩，孙备，桂卫华，
申请(专利权)人：中南大学，
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。