• 
    <ul id="o6k0g"></ul>
    <ul id="o6k0g"></ul>

    開模設備運行狀態(tài)異常檢測方法、裝置及存儲介質制造方法及圖紙

    技術編號:42417963 閱讀:32 留言:0更新日期:2024-08-16 16:34
    本申請涉及數(shù)據(jù)處理技術領域,提供一種開模設備運行狀態(tài)異常檢測方法、裝置及存儲介質,通過實時獲取并分析開模設備的運行狀態(tài)日志,有效地執(zhí)行了異常檢測,從而實現(xiàn)了對設備運行狀況的精確掌握。這一過程利用了專門的運行狀態(tài)異常檢測網絡,通過深度分析狀態(tài)日志字段,生成了異常狀態(tài)判別觀點,進一步提升了異常檢測的準確性。且方案不僅能識別設備是否存在異常,還能確定具體的異常類型,如溫度過高、速度過快等。基于這些詳細的異常標簽,方案能夠生成針對性的設備運維決策建議,從而顯著提高設備的運行效率和生產質量。將數(shù)據(jù)收集、異常檢測和決策建議有效地整合在一起,為開模設備的運行和維護提供了一套全面且高效的解決方案。

    【技術實現(xiàn)步驟摘要】

    本申請涉及數(shù)據(jù)處理,尤其涉及一種開模設備運行狀態(tài)異常檢測方法、裝置及存儲介質


    技術介紹

    1、開模設備是生產各種工業(yè)產品的關鍵設備,尤其在節(jié)能設備領域,如環(huán)保節(jié)能型通風設備、廢氣處理設備、防火耐高腐蝕管路等產品的制造過程中,都離不開開模設備的作用。然而,由于這些設備在運行過程中涉及到許多復雜的物理和化學反應,因此,它們的運行狀態(tài)往往難以直接通過觀察或測量來準確掌握。

    2、傳統(tǒng)的設備維護方式主要依賴于人工定期檢查或者使用簡單的傳感器進行監(jiān)測。但這些方法既耗時又耗力,而且由于缺乏深度分析,往往無法及時發(fā)現(xiàn)并解決設備運行過程中的隱藏問題,例如設備的過熱、超速等異常狀態(tài)。這不僅會影響設備的正常運行,還可能導致設備損壞,甚至引發(fā)安全事故。

    3、隨著大數(shù)據(jù)和人工智能技術的發(fā)展,針對開模設備的運行狀態(tài)異常檢測,需要一種更為智能、高效且準確的解決方案。


    技術實現(xiàn)思路

    1、為了改善上述問題,本申請?zhí)峁┝艘环N開模設備運行狀態(tài)異常檢測方法、裝置及存儲介質。

    2、第一方面,本申請實施例提供一種開模設備運行狀態(tài)異常檢測方法,應用于運行狀態(tài)異常檢測裝置,所述方法包括:

    3、獲取擬進行異常檢測的開模設備運行狀態(tài)日志;

    4、利用運行狀態(tài)異常檢測網絡,對所述擬進行異常檢測的開模設備運行狀態(tài)日志進行異常檢測,生成所述擬進行異常檢測的開模設備運行狀態(tài)日志的異常狀態(tài)判別觀點;所述異常狀態(tài)判別觀點表征了所述擬進行異常檢測的開模設備運行狀態(tài)日志中各狀態(tài)日志字段所對應的異常標簽;

    5、基于所述擬進行異常檢測的開模設備運行狀態(tài)日志中各狀態(tài)日志字段所對應的異常標簽,確定所述擬進行異常檢測的開模設備運行狀態(tài)日志的設備運維決策建議。

    6、在第一方面的一個優(yōu)選的實施例中,所述運行狀態(tài)異常檢測網絡的調試步驟包括:

    7、基于運行狀態(tài)異常檢測網絡中的狀態(tài)要素挖掘子網對目標運行狀態(tài)日志挖掘的狀態(tài)要素向量,確定目標運行狀態(tài)日志的狀態(tài)要素向量鏈;所述運行狀態(tài)異常檢測網絡是通過初始運行狀態(tài)日志和初始運行狀態(tài)日志中各狀態(tài)日志字段的先驗訓練知識進行預調試得到的;

    8、依據(jù)所述狀態(tài)要素向量鏈進行狀態(tài)要素優(yōu)化,得到狀態(tài)要素優(yōu)化向量鏈,所述狀態(tài)要素優(yōu)化向量鏈中狀態(tài)日志字段的狀態(tài)要素優(yōu)化向量是根據(jù)該狀態(tài)日志字段的上下文狀態(tài)日志字段的狀態(tài)要素優(yōu)化得到的;

    9、基于所述狀態(tài)要素向量鏈和所述狀態(tài)要素優(yōu)化向量鏈,確定所述目標運行狀態(tài)日志中各狀態(tài)日志字段的影響權重;

    10、基于所述目標運行狀態(tài)日志中各狀態(tài)日志字段的影響權重和所述狀態(tài)要素向量鏈中各狀態(tài)日志字段的狀態(tài)文本向量,在目標運行狀態(tài)日志中選擇待進行狀態(tài)日志字段注釋的關鍵狀態(tài)日志字段集;所述影響權重用于調整兩個狀態(tài)日志字段之間的狀態(tài)文本向量差異;

    11、基于所述關鍵狀態(tài)日志字段集中狀態(tài)日志字段的先驗訓練知識和所述目標運行狀態(tài)日志,對所述運行狀態(tài)異常檢測網絡進行遷移學習調試。

    12、在第一方面的一個優(yōu)選的實施例中,所述基于所述目標運行狀態(tài)日志中各狀態(tài)日志字段的影響權重和所述狀態(tài)要素向量鏈中各狀態(tài)日志字段的狀態(tài)文本向量,在目標運行狀態(tài)日志中選擇待進行狀態(tài)日志字段注釋的關鍵狀態(tài)日志字段集,包括:

    13、確定第一狀態(tài)日志字段集,所述第一狀態(tài)日志字段集中的第一狀態(tài)日志字段是所述目標運行狀態(tài)日志中的狀態(tài)日志字段;

    14、針對第二狀態(tài)日志字段集中的各第二狀態(tài)日志字段,在第一狀態(tài)日志字段集中確定與該第二狀態(tài)日志字段之間的狀態(tài)文本向量差異最小的第一目標狀態(tài)日志字段;所述狀態(tài)文本向量差異是根據(jù)兩個狀態(tài)日志字段的狀態(tài)文本向量確定的;所述第二狀態(tài)日志字段集中的第二狀態(tài)日志字段是所述目標運行狀態(tài)日志中的狀態(tài)日志字段,且所述第二狀態(tài)日志字段集與所述第一狀態(tài)日志字段集不存在重疊字段;

    15、通過第二狀態(tài)日志字段所對應第一目標狀態(tài)日志字段的影響權重,對第二狀態(tài)日志字段與所對應第一目標狀態(tài)日志字段之間的狀態(tài)文本向量差異進行調整,得到該第二狀態(tài)日志字段與所述第一狀態(tài)日志字段集之間的目標差異,所述目標差異與所述影響權重呈設定量化關系;

    16、在第二狀態(tài)日志字段集中確定與所述第一狀態(tài)日志字段集之間的目標差異最大的第二目標狀態(tài)日志字段;

    17、將所述第二目標狀態(tài)日志字段增添至所述第一狀態(tài)日志字段集中;

    18、基于完成更新的第一狀態(tài)日志字段集,確定所述關鍵狀態(tài)日志字段集。

    19、在第一方面的一個優(yōu)選的實施例中,所述基于完成更新的第一狀態(tài)日志字段集,確定所述關鍵狀態(tài)日志字段集,包括:

    20、記錄完成更新的所述第一狀態(tài)日志字段集的狀態(tài)日志字段個數(shù);

    21、如果基于所述狀態(tài)日志字段個數(shù)確定滿足注釋條件,將完成更新的第一狀態(tài)日志字段集作為所述關鍵狀態(tài)日志字段集;

    22、如果基于所述狀態(tài)日志字段個數(shù)確定未滿足注釋條件,將所述第二目標狀態(tài)日志字段從所述第二狀態(tài)日志字段集中刪除,得到調整后的第二狀態(tài)日志字段集,并跳轉至所述針對第二狀態(tài)日志字段集中的各第二狀態(tài)日志字段,在第一狀態(tài)日志字段集中確定與該第二狀態(tài)日志字段之間的狀態(tài)文本向量差異最小的第一目標狀態(tài)日志字段。

    23、在第一方面的一個優(yōu)選的實施例中,所述運行狀態(tài)異常檢測網絡還包括第一異常判別算子;所述針對第二狀態(tài)日志字段集中的各第二狀態(tài)日志字段,在第一狀態(tài)日志字段集中確定與該第二狀態(tài)日志字段之間的狀態(tài)文本向量差異最小的第一目標狀態(tài)日志字段之前,所述方法還包括:

    24、由所述第一異常判別算子依據(jù)所述狀態(tài)要素挖掘子網針對目標運行狀態(tài)日志進行狀態(tài)要素挖掘的結果進行異常檢測,得到第一異常狀態(tài)判別觀點,所述第一異常狀態(tài)判別觀點表征了所述目標運行狀態(tài)日志中各狀態(tài)日志字段分別屬于多個異常標簽中每個異常標簽的可能性;

    25、針對各狀態(tài)日志字段,在狀態(tài)日志字段屬于多個異常標簽的可能性中為該狀態(tài)日志字段確定最大的x個目標可能性,x為正整數(shù);

    26、根據(jù)為各狀態(tài)日志字段確定的x個目標可能性,運算得到各狀態(tài)日志字段的注釋指數(shù);

    27、從所述目標運行狀態(tài)日志中選擇注釋指數(shù)大于注釋指數(shù)門限的狀態(tài)日志字段,并根據(jù)注釋指數(shù)大于注釋指數(shù)門限的狀態(tài)日志字段,生成所述第二狀態(tài)日志字段集。

    28、在第一方面的一個優(yōu)選的實施例中,x為2,為一狀態(tài)日志字段確定的x個目標可能性包括該狀態(tài)日志字段屬于多個異常標簽的可能性中的可能性最大值和可能性次大值;所述根據(jù)為各狀態(tài)日志字段確定的x個目標可能性,運算得到各狀態(tài)日志字段的注釋指數(shù),包括:

    29、針對各狀態(tài)日志字段,運算得到該狀態(tài)日志字段對應的可能性最大值和可能性次大值的求和結果,得到該狀態(tài)日志字段的參考可能性;

    30、針對各狀態(tài)日志字段,基于該狀態(tài)日志字段對應的參考可能性相減與設定常數(shù)的求差結果,確定該狀態(tài)日志字段的注釋指數(shù)。

    31、在第一方面的一個優(yōu)選的實施例中,所述依據(jù)本文檔來自技高網...

    【技術保護點】

    1.一種開模設備運行狀態(tài)異常檢測方法,其特征在于,應用于運行狀態(tài)異常檢測裝置,所述方法包括:

    2.根據(jù)權利要求1所述的方法,其特征在于,所述運行狀態(tài)異常檢測網絡的調試步驟包括:

    3.根據(jù)權利要求2所述的方法,其特征在于,所述基于所述目標運行狀態(tài)日志中各狀態(tài)日志字段的影響權重和所述狀態(tài)要素向量鏈中各狀態(tài)日志字段的狀態(tài)文本向量,在目標運行狀態(tài)日志中選擇待進行狀態(tài)日志字段注釋的關鍵狀態(tài)日志字段集,包括:

    4.根據(jù)權利要求3所述的方法,其特征在于,所述基于完成更新的第一狀態(tài)日志字段集,確定所述關鍵狀態(tài)日志字段集,包括:

    5.根據(jù)權利要求3所述的方法,其特征在于,所述運行狀態(tài)異常檢測網絡還包括第一異常判別算子;所述針對第二狀態(tài)日志字段集中的各第二狀態(tài)日志字段,在第一狀態(tài)日志字段集中確定與該第二狀態(tài)日志字段之間的狀態(tài)文本向量差異最小的第一目標狀態(tài)日志字段之前,所述方法還包括:

    6.根據(jù)權利要求2所述的方法,其特征在于,所述依據(jù)所述狀態(tài)要素向量鏈進行狀態(tài)要素優(yōu)化,得到狀態(tài)要素優(yōu)化向量鏈,包括:

    7.根據(jù)權利要求2所述的方法,其特征在于,所述基于所述狀態(tài)要素向量鏈和所述狀態(tài)要素優(yōu)化向量鏈,確定所述目標運行狀態(tài)日志中各狀態(tài)日志字段的影響權重,包括:

    8.根據(jù)權利要求2所述的方法,其特征在于,所述運行狀態(tài)異常檢測網絡還包括第一異常判別算子;所述狀態(tài)要素優(yōu)化向量鏈是區(qū)域特征提議模型依據(jù)所述狀態(tài)要素向量鏈進行優(yōu)化得到的;所述基于所述關鍵狀態(tài)日志字段集中狀態(tài)日志字段的先驗訓練知識和所述目標運行狀態(tài)日志,對所述運行狀態(tài)異常檢測網絡進行遷移學習調試,包括:

    9.一種運行狀態(tài)異常檢測裝置,其特征在于,包括至少一個處理器和存儲器;所述存儲器存儲計算機執(zhí)行指令;所述至少一個處理器執(zhí)行所述存儲器存儲的計算機執(zhí)行指令,使得所述至少一個處理器執(zhí)行權利要求1-8任一項所述的方法。

    10.一種計算機可讀存儲介質,其特征在于,其上存儲有計算機程序,所述計算機程序在運行時執(zhí)行權利要求1-8任一項所述的方法。

    ...

    【技術特征摘要】

    1.一種開模設備運行狀態(tài)異常檢測方法,其特征在于,應用于運行狀態(tài)異常檢測裝置,所述方法包括:

    2.根據(jù)權利要求1所述的方法,其特征在于,所述運行狀態(tài)異常檢測網絡的調試步驟包括:

    3.根據(jù)權利要求2所述的方法,其特征在于,所述基于所述目標運行狀態(tài)日志中各狀態(tài)日志字段的影響權重和所述狀態(tài)要素向量鏈中各狀態(tài)日志字段的狀態(tài)文本向量,在目標運行狀態(tài)日志中選擇待進行狀態(tài)日志字段注釋的關鍵狀態(tài)日志字段集,包括:

    4.根據(jù)權利要求3所述的方法,其特征在于,所述基于完成更新的第一狀態(tài)日志字段集,確定所述關鍵狀態(tài)日志字段集,包括:

    5.根據(jù)權利要求3所述的方法,其特征在于,所述運行狀態(tài)異常檢測網絡還包括第一異常判別算子;所述針對第二狀態(tài)日志字段集中的各第二狀態(tài)日志字段,在第一狀態(tài)日志字段集中確定與該第二狀態(tài)日志字段之間的狀態(tài)文本向量差異最小的第一目標狀態(tài)日志字段之前,所述方法還包括:

    6.根據(jù)權利要求2所述的方法,其特征在于,所述依據(jù)所述狀態(tài)要素...

    【專利技術屬性】
    技術研發(fā)人員:鄒鑫森張二利陳利英
    申請(專利權)人:蘇州頂裕節(jié)能設備有限公司
    類型:發(fā)明
    國別省市:

    網友詢問留言 已有0條評論
    • 還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。

    1
    主站蜘蛛池模板: 亚洲国产精品无码久久久| 久久99久久无码毛片一区二区| 亚洲中文字幕无码一区二区三区 | 国产成人精品无码片区在线观看 | 亚洲另类无码专区首页| 亚洲成在人线在线播放无码| 无码不卡亚洲成?人片| 精品无码人妻一区二区免费蜜桃| 亚洲AV无码一区二区三区网址| 国产成人无码A区在线观看视频| 精品无码久久久久久尤物| 成在线人免费无码高潮喷水| 亚洲熟妇无码一区二区三区| 中文精品无码中文字幕无码专区| 伊人久久精品无码麻豆一区| 亚洲中文字幕不卡无码| 亚洲无码精品浪潮| MM1313亚洲精品无码久久| 日韩精品真人荷官无码| 中文字幕无码av激情不卡| 无码少妇一区二区浪潮免费| 日韩一区二区三区无码影院| 中文字幕av无码不卡免费| JLZZJLZZ亚洲乱熟无码| 一本大道久久东京热无码AV| 无码被窝影院午夜看片爽爽jk| 亚洲精品无码久久久| 无码专区国产精品视频| 久久精品无码一区二区三区免费| 国产精品99无码一区二区| 亚洲一区二区三区无码国产| 国产仑乱无码内谢| 日韩精品无码成人专区| 国产精品无码久久四虎| 少妇爆乳无码专区| 人妻中文字幕AV无码专区| 亚洲av永久无码| 免费无遮挡无码视频网站| 成人无码区免费视频观看| 国产精品无码免费视频二三区| 无码人妻精品丰满熟妇区|