一种基于PSO抗差学习模型的设备异常检测方法

专利申请号：CN202310361087.4

公 开 号：CN116451075A

发 明 人：郑渝凡 朱莹 徐建瑜 

专利类型：发明专利

申 请 日：20230718

公 开 日：20230407

专利主分类号：G06F18/214

关 键 词：化工设备 训练数据集 采样数据 特征学习 掺杂 测量 学习 实时采样数据 异常状态数据 采样数据库 监测误差 模型合并 设备异常 实时检测 正常工况 点数据 适应度 无监督 中位数 检测 输出 

摘      要：本发明公开一种基于PSO抗差学习模型的设备异常检测方法，旨在应对掺杂非正常采样数据的训练数据集，建立抗差的特征学习模型，完成对化工设备异常的实时检测任务。具体来讲，本发明方法逐个的将各个测量变量当做输出，然后利用以误差中位数为适应度值的PSO算法实施训练，再将各个测量变量的抗差学习模型合并成一个综合的抗差学习模型；最后，利用综合学习模型为化工设备的实时采样数据生成对应的误差，并通过监测误差的变化来实现对化工设备异常的检测。本发明方法相比于传统方法的最大优势是：可对掺杂异常状态数据或离群点数据的训练数据集实施无监督的抗差特征学习，不要求化工设备的历史采样数据库提供正常工况的采样数据。