本發(fā)明涉及機(jī)器學(xué)習(xí)，尤其涉及一種基于機(jī)器學(xué)習(xí)的設(shè)備缺陷預(yù)測方法及系統(tǒng)。

背景技術(shù)：

1、目前，機(jī)器學(xué)習(xí)的設(shè)備缺陷預(yù)測方法在技術(shù)發(fā)展上取得了進(jìn)展，但是，由于設(shè)備缺陷類型和特征的數(shù)據(jù)多樣性，通常采用機(jī)器學(xué)習(xí)訓(xùn)練導(dǎo)致的訓(xùn)練數(shù)據(jù)出現(xiàn)的誤差，使得最后缺陷類型分析結(jié)果準(zhǔn)確性較低，模型的解釋度較差。

2、因此，本發(fā)明提出了一種基于機(jī)器學(xué)習(xí)的設(shè)備缺陷預(yù)測方法及系統(tǒng)。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明提供一種基于機(jī)器學(xué)習(xí)的設(shè)備缺陷預(yù)測方法及系統(tǒng)，用以通過采集設(shè)備的缺陷數(shù)據(jù)，并且對缺陷數(shù)據(jù)利用機(jī)器學(xué)習(xí)進(jìn)行訓(xùn)練迭代預(yù)測模型，最后根據(jù)實(shí)時(shí)數(shù)據(jù)對預(yù)測模型做出評估和缺陷告警。準(zhǔn)確的定位到缺陷的位置，提高了設(shè)備缺陷預(yù)測的準(zhǔn)確性。

2、一方面，本發(fā)明提供一種基于機(jī)器學(xué)習(xí)的設(shè)備缺陷預(yù)測方法，包括：

3、步驟1：收集化學(xué)中水運(yùn)行中設(shè)備的樣本缺陷數(shù)據(jù)，并基于設(shè)備的缺陷種類對所述樣本缺陷數(shù)據(jù)進(jìn)行分類標(biāo)簽處理，得到標(biāo)簽參數(shù)數(shù)據(jù)；

4、步驟2：對所述標(biāo)簽參數(shù)數(shù)據(jù)進(jìn)行預(yù)處理，并根據(jù)設(shè)備缺陷特點(diǎn)對不同標(biāo)簽下的參數(shù)數(shù)據(jù)進(jìn)行特征提??；

5、步驟3：根據(jù)不同標(biāo)簽下所提取的特征以及預(yù)處理的標(biāo)簽參數(shù)數(shù)據(jù)，且結(jié)合機(jī)器學(xué)習(xí)算法，構(gòu)建對應(yīng)標(biāo)簽下的預(yù)測函數(shù)；

6、步驟4：獲取實(shí)際生產(chǎn)環(huán)境的驗(yàn)證數(shù)據(jù)集并輸入到所有標(biāo)簽下的預(yù)測函數(shù)所構(gòu)建得到的缺陷預(yù)測模型中，預(yù)測設(shè)備缺陷并反饋到所述缺陷預(yù)測模型中進(jìn)行模型優(yōu)化及設(shè)備缺陷評估。

7、另一方面，步驟1中，收集化學(xué)中水運(yùn)行中設(shè)備的樣本缺陷數(shù)據(jù)，

8、包括：

9、根據(jù)化學(xué)中水運(yùn)行中的設(shè)備類型以及設(shè)備位置，向?qū)?yīng)設(shè)備配置第一編號以及向?qū)?yīng)設(shè)備的目標(biāo)傳感器配置第二編號；

10、將第一編號與第二編號根據(jù)安裝指南中的傳感器-設(shè)備類型對照表進(jìn)行匹配，完成對所述化學(xué)中水運(yùn)行中設(shè)備的運(yùn)行數(shù)據(jù)的監(jiān)測，并獲取得到樣本缺陷數(shù)據(jù)。

11、另一方面，步驟1中，基于缺陷種類對所述樣本缺陷數(shù)據(jù)進(jìn)行分

12、類標(biāo)簽處理，得到標(biāo)簽參數(shù)數(shù)據(jù)，包括：

13、對所有樣本缺陷數(shù)據(jù)按照設(shè)備的缺陷種類下的缺陷名稱進(jìn)行關(guān)鍵詞提??；

14、根據(jù)詞義相似度將所提取的關(guān)鍵詞進(jìn)行同義聚類，獲取得到若干缺陷聚類，并向每個(gè)缺陷聚類配置一個(gè)分類標(biāo)簽，得到標(biāo)簽參數(shù)數(shù)據(jù)，其中，一個(gè)缺陷聚類對應(yīng)一個(gè)分類標(biāo)簽，且缺陷聚類的數(shù)量小于缺陷種類的數(shù)量。

15、另一方面，步驟2中，對所述標(biāo)簽參數(shù)數(shù)據(jù)進(jìn)行預(yù)處理，包括：

16、獲取與每個(gè)標(biāo)簽參數(shù)數(shù)據(jù)對應(yīng)的標(biāo)準(zhǔn)參數(shù)數(shù)據(jù)，并構(gòu)建第一矩陣a；

17、；

18、其中，表示第j個(gè)監(jiān)測時(shí)間下與第i個(gè)標(biāo)簽參數(shù)數(shù)據(jù)對應(yīng)的標(biāo)準(zhǔn)參數(shù)數(shù)據(jù)，其中，，；

19、對矩陣a進(jìn)行矩陣標(biāo)準(zhǔn)化處理，得到標(biāo)準(zhǔn)化后的矩陣。

20、另一方面，步驟2中，根據(jù)設(shè)備缺陷特點(diǎn)對不同標(biāo)簽下的參數(shù)數(shù)據(jù)進(jìn)行特征提取，包括：

21、根據(jù)類型-特點(diǎn)映射表，獲取與所述設(shè)備的缺陷種類對應(yīng)的設(shè)備缺陷特點(diǎn)；

22、根據(jù)標(biāo)準(zhǔn)化后的矩陣，計(jì)算協(xié)方差矩陣，且將協(xié)方差矩陣進(jìn)行特征值分解，獲取到所述標(biāo)準(zhǔn)化后的矩陣的成分特征；

23、按照確定所述成分特征中每個(gè)特征元素的貢獻(xiàn)程度，其中，表示第f個(gè)特征元素；m1表示成分特征中存在的特征元素的個(gè)數(shù)；表示第f個(gè)特征元素的貢獻(xiàn)程度；

24、從所有特征元素中選取貢獻(xiàn)程度大于預(yù)設(shè)程度的元素構(gòu)成主特征，并確定所述設(shè)備的缺陷特征函數(shù)：

25、；

26、其中，表示所述設(shè)備的第l個(gè)特征元素的缺陷特征函數(shù)，表示篩選后的第l個(gè)特征元素，表示所述設(shè)備的缺陷種類對應(yīng)的設(shè)備缺陷特點(diǎn)，表示對數(shù)函數(shù)，表示對特征元素的轉(zhuǎn)換系數(shù)；表示對設(shè)備缺陷特點(diǎn)的轉(zhuǎn)換系數(shù)；

27、根據(jù)所有缺陷特征函數(shù)，確定所述設(shè)備的缺陷特征。

28、另一方面，步驟3中，構(gòu)建對應(yīng)標(biāo)簽下的預(yù)測函數(shù)，包括：

29、將所提取的特征與預(yù)處理標(biāo)簽參數(shù)數(shù)據(jù)進(jìn)行對照分析，獲取得到每個(gè)所提取特征的特征-數(shù)據(jù)對照列表，并按照所述特征-數(shù)據(jù)對照列表計(jì)算對應(yīng)所提取特征的的對照度；

30、；

31、其中，表示第d個(gè)所提取特征的對照度；表示從第d個(gè)所提取特征的特征-數(shù)據(jù)對照列表中所確定的預(yù)處理標(biāo)簽參數(shù)數(shù)據(jù)的個(gè)數(shù)；表示對應(yīng)第i2個(gè)預(yù)處理標(biāo)簽參數(shù)數(shù)據(jù)的數(shù)據(jù)量；表示對應(yīng)第i2個(gè)預(yù)處理標(biāo)簽參數(shù)數(shù)據(jù)對第d個(gè)所提取特征的允許使用權(quán)重；表示第d個(gè)所提取特征使用對應(yīng)第i2個(gè)預(yù)處理標(biāo)簽參數(shù)數(shù)據(jù)的使用率；

32、基于機(jī)器學(xué)習(xí)算法對每個(gè)特征-數(shù)據(jù)對照列表進(jìn)行機(jī)器學(xué)習(xí)，并按照對照度以及所述機(jī)器學(xué)習(xí)算法的學(xué)習(xí)率，構(gòu)建預(yù)測函數(shù)。

33、另一方面，步驟4中，預(yù)測設(shè)備缺陷并反饋到所述缺陷預(yù)測模型中進(jìn)行模型優(yōu)化及設(shè)備缺陷評估，包括：

34、從實(shí)際生產(chǎn)環(huán)境中獲取設(shè)備的實(shí)時(shí)參數(shù)數(shù)據(jù)，將實(shí)時(shí)參數(shù)數(shù)據(jù)進(jìn)行預(yù)處理和標(biāo)簽分類后，得到驗(yàn)證數(shù)據(jù)集，其中，所述驗(yàn)證數(shù)據(jù)集中包含不同標(biāo)簽分類下的子數(shù)據(jù)集；

35、將所述驗(yàn)證數(shù)據(jù)集輸入到所有預(yù)測函數(shù)構(gòu)建得到的缺陷預(yù)測模型中，來獲取每個(gè)分類標(biāo)簽下的第一預(yù)測數(shù)組，其中，所述第一預(yù)測數(shù)組是基于缺陷預(yù)測模型對驗(yàn)證數(shù)據(jù)集進(jìn)行缺陷預(yù)測分析得到的；

36、同時(shí)，將每個(gè)子數(shù)據(jù)集分別輸入到對應(yīng)分類標(biāo)簽下的預(yù)測函數(shù)中，得到對應(yīng)的第二預(yù)測數(shù)組，其中，所述第二預(yù)測數(shù)組是基于對應(yīng)分類標(biāo)簽下的預(yù)測函數(shù)對相應(yīng)子數(shù)據(jù)集進(jìn)行缺陷預(yù)測分析得到的；

37、對同個(gè)分類標(biāo)簽下的第一預(yù)測數(shù)組、第二預(yù)測數(shù)組以及實(shí)際缺陷數(shù)組在同個(gè)坐標(biāo)系中進(jìn)行呈現(xiàn)，繪制得到三曲線；

38、分別獲取所述三曲線中同個(gè)缺陷特征下的缺陷數(shù)組，并分別計(jì)算所述缺陷數(shù)組中的第一缺陷差異、第二缺陷差異、第三缺陷差異以及第一缺陷方差，向?qū)?yīng)缺陷數(shù)組賦予缺陷系數(shù)；

39、；

40、其中，為對應(yīng)缺陷數(shù)組中的第一缺陷差異，為對應(yīng)缺陷數(shù)組中的第二缺陷差異；為對應(yīng)缺陷數(shù)組中的第三缺陷差異；為基于計(jì)算的第一缺陷方差；

41、按照所述缺陷系數(shù)大于預(yù)設(shè)系數(shù)的標(biāo)準(zhǔn)對所述三曲線進(jìn)行曲線截取，并確定截取曲線的第二缺陷方差；

42、；

43、其中，為截取曲線中涉及到的第i3個(gè)第一缺陷方差；為截取曲線中涉及到的所有第一缺陷方差的方差；

44、獲取所述三曲線中相鄰缺陷特征的出現(xiàn)時(shí)間差數(shù)組，并確定對應(yīng)的第三缺陷方差，進(jìn)而計(jì)算得到截取曲線的第四缺陷方差,其中，t01、t11以及t21分別為相鄰缺陷特征中第一個(gè)缺陷特征下的第一預(yù)測缺陷、第二預(yù)測缺陷以及實(shí)際缺陷的出現(xiàn)時(shí)間；t02、t12以及t22分別為相鄰缺陷特征中第二個(gè)缺陷特征下的第一預(yù)測缺陷、第二預(yù)測缺陷以及實(shí)際缺陷的出現(xiàn)時(shí)間；

45、獲取所述三曲線中第一預(yù)測數(shù)組所對應(yīng)第一曲線位于實(shí)際缺陷數(shù)組所對應(yīng)第三曲線上方的第一面積以及位于實(shí)際缺陷數(shù)組所對應(yīng)第三曲線下方的第二面積；

46、同時(shí)，獲取獲取所述三曲線中第二預(yù)測數(shù)組所對應(yīng)第二曲線位于實(shí)際缺陷數(shù)組所對應(yīng)第三曲線上方的第三面積以及位于實(shí)際缺陷數(shù)組所對應(yīng)第三曲線下方的第四面積；

47、根據(jù)所述第一面積與第三面積的第一比值、第二面積與第四面積的第二比值以及第一面積與第三面積的第一重疊比例、第二面積與第四面積的第二重疊比例，得到第五缺陷方差；

48、按照所述第二缺陷方差、第四缺陷方差以及第五缺陷方差，從方差-標(biāo)簽-優(yōu)化映射表中獲取相應(yīng)分類標(biāo)簽下的預(yù)測函數(shù)的函數(shù)優(yōu)化標(biāo)準(zhǔn)；

49、將所有函數(shù)優(yōu)化標(biāo)準(zhǔn)依次輸入到標(biāo)準(zhǔn)分析模型中，得到優(yōu)化向量；

50、按照所述優(yōu)化向量對所述缺陷預(yù)測模型進(jìn)行模型優(yōu)化，并按照優(yōu)化后的模型對驗(yàn)證數(shù)據(jù)集進(jìn)行設(shè)備缺陷評估。

51、另一方面，包括：

52、數(shù)據(jù)收集模塊：收集化學(xué)中水運(yùn)行中設(shè)備的樣本缺陷數(shù)據(jù)，并基于缺陷種類對所述樣本缺陷數(shù)據(jù)進(jìn)行分類標(biāo)簽處理，得到標(biāo)簽參數(shù)數(shù)據(jù)；

53、特征參數(shù)模塊：對所述標(biāo)簽參數(shù)數(shù)據(jù)進(jìn)行預(yù)處理，并根據(jù)設(shè)備缺陷特點(diǎn)對不同標(biāo)簽下的參數(shù)數(shù)據(jù)進(jìn)行特征提??；

54、預(yù)測函數(shù)模塊：根據(jù)不同標(biāo)簽下所提取的特征以及預(yù)處理的標(biāo)簽參數(shù)數(shù)據(jù)，且結(jié)合機(jī)器學(xué)習(xí)算法，構(gòu)建對應(yīng)標(biāo)簽下的預(yù)測函數(shù)；

55、評估模塊：獲取實(shí)際生產(chǎn)環(huán)境的驗(yàn)證數(shù)據(jù)集并輸入到所有標(biāo)簽下的預(yù)測函數(shù)所構(gòu)建得到的缺陷預(yù)測模型中，預(yù)測設(shè)備缺陷并反饋到所述缺陷預(yù)測模型中進(jìn)行模型優(yōu)化及設(shè)備缺陷評估。

56、本發(fā)明提供一種基于機(jī)器學(xué)習(xí)的設(shè)備缺陷預(yù)測方法及系統(tǒng)，用以通過采集設(shè)備的缺陷數(shù)據(jù)，并且對缺陷數(shù)據(jù)利用機(jī)器學(xué)習(xí)進(jìn)行訓(xùn)練迭代預(yù)測模型，最后根據(jù)實(shí)時(shí)數(shù)據(jù)對預(yù)測模型做出評估和缺陷告警。準(zhǔn)確的定位到缺陷的位置，提高了設(shè)備缺陷預(yù)測的準(zhǔn)確性。