[发明专利]一种自动化码头设备异常检测系统

权利要求书

1.一种自动化码头设备异常检测系统，特征是，包括设备数据采集模块、设备特征选择模块、设备异常检测分析模块，其中：所述设备数据采集模块，布设于码头设备，用于积累和形成目标设备的异常检测数据集D；所述设备特征选择模块，从设备数据采集模块选定的大量候选特征中进一步选择，生成待验证的候选设备特征子集s_i；所述设备异常检测分析模块，基于设备数据采集模型形成的目标设备异常检测数据集D和设备特征选择模块生成的设备特征子集s_i，训练预定义的异常检测模型M，并通过验证模型效果，对设备特征子集s_i作出评价；

所述设备特征选择模块，包含历史特征子集池P和特征子集优劣比较模型G；

历史特征子集池P用于存储经由设备异常检测分析模块验证的特征子集s_i和对应的评价结果f_i，即P＝{(s₁,f₁),(s₂,f₂),…(s_k,f_k)}；其中，特征子集s_i由向量s_i∈{-1,1}^l表示,其中l表示l个候选设备状态特征，若特征子集s_i的第j个元素[s_i]_j＝1表示其对应的码头设备特征属于特征子集s_i，否则不属于；历史特征子集池P的初始状态为空集；

特征子集优劣比较模型G由多层感知机形式的神经网络模型实现，期望其具有估计比较任意两个特征子集之间优劣的能力，其函数关系为g(s_a,s_b)＝I(f_af_b)，其中I(.)为指示函数；构建特征子集优劣比较模型G依赖于历史特征子集池P中的特征子集；构建完成的特征子集优劣比较模型G将被用于产生新的候选特征子集；

特征子集优劣比较模型G的输入为两个特征子集(s_a,s_b)，作为评估比较特征子集优劣的对象；在输入到神经网络输入层之前，需对两个特征子集进行预处理：将两个输入特征子集(s_a,s_b)相加，并乘以随机变量表达式为再将所述的两个特征子集向量(s_a,s_b)相减，并乘以随机变量表达式为之后将向量v_s和v_d首尾拼接成向量v作为特征子集优劣比较模型G的输入层；特征子集优劣比较模型G的隐藏层数和节点数人为设定，取决于设备状态候选特征数量l；特征子集优劣比较模型G的输出层节点数为1，若输出层的结果大于阈值，则表明特征子集优劣比较模型G认为特征子集s_a的质量高于特征子集s_b的质量，反之，则表明特征子集优劣比较模型G认为特征子集s_a的质量低于特征子集s_b的质量。

2.如权利要求1所述的一种自动化码头设备异常检测系统，特征是，所述设备数据采集模块，在确定异常检测的目标设备或部件后，所有码头设备传感器数据源用于发掘目标设备或部件相关的设备状态候选特征，候选特征的数量为l；在确定设备状态候选特征后，从数据源中积累一定数量的异常检测样本数据，形成目标设备的异常检测数据集D；每个异常检测样本d∈D包含1个l维的设备状态输入特征x和1个表示设备是否异常的输出标签y；将数据集D根据一定比例划分为训练集T和验证集V。