[发明专利]一种水泥厂离心风机设备异常检测方法

权利要求书

1.一种水泥厂离心风机设备异常检测方法，其特征在于：包括下列步骤：

步骤一、采集数据；

步骤二、采用深度学习算法生成对抗网络和变分自编码网络构建检测模型；

步骤三、进行检测模型的训练，通过阈值选择计算模块在训练中计算最终的异常阈值；

步骤四、通过训练好的检测模型进行在线检测，根据异常阈值判断评估结果并输出展示。

2.根据权利要求1所述的一种水泥厂离心风机设备异常检测方法，其特征在于：所述步骤三具体包括：

数据预处理，将数据集标准化转换后分割为序列；

模型训练，将一段时间的多元时间序列发送到模型训练学习得到检测模型，该检测模型捕捉多元时间序列的正常模式，并输出每次观测的异常评估得分；

训练中进行阈值计算，在离线训练期间，使用N个观测的多元时间序列，为每个观测计算一个异常评估分数，那么所有异常得分形成一个单变量时间序列{S1，S2，…，SN}，然后根据极值理论EVT原理对上述单变量时间序列进行计算，离线设置异常阈值。

3.根据权利要求2所述的一种水泥厂离心风机设备异常检测方法，其特征在于：所述步骤三中用带参数的广义帕累托分布来拟合概率分布的尾部，学习异常得分阈值，本方法将GPD函数调整为：

其中th为初始异常得分阈值，γ和β分别是广义帕累托分布的特征参数与尺度参数，S是单变量时间序列{S1，S2，…，SN}的任意值，阈值th以下的部分记为th-S；s是可以设定的异常差值，th-S的结果大于我们设定的异常差值s，计算概率P；

然后用极大似然估计和的值，然后计算最终的异常阈值，算式如下：

其中q是S＜th的期望，N′是观察的次数，N′_th是小于阈值th的Si的个数，Si是单变量时间序列的元素，i＝1，2，…，N。

4.根据权利要求3所述的一种水泥厂离心风机设备异常检测方法，其特征在于：检测模型计算得到观测结果xt，xt包含针对各种数据分别计算所得的重构概率以及由各个数据的重构概率综合形成的风机总体的异常评估得分，异常评估得分。

5.根据权利要求1-4中任一所述的一种水泥厂离心风机设备异常检测方法，其特征在于：所述检测模型采用对抗性学习异常检测，该检测模型建立在一类生成式对抗网络GAN上；生成式对抗网络由两类相互竞争的网络组成，生成器和鉴别器，生成器将从潜分布采样的随机变量z映射到输入数据空间，鉴别器试图区分真实数据样本x(i)和由生成器生成的样本G(z)，这两类网络是互相竞争的，生成器试图生成类似真实数据的样本，而鉴别器试图区分生成器产生的样本和真实数据样本。

6.根据权利要求5所述的一种水泥厂离心风机设备异常检测方法，其特征在于：生成式对抗网络GAN同时学习一个编码器网络E，编码器网络E为变分自编码网络，该编码器网络E在训练期间将真实数据样本x映射到潜空间z；计算此类模型中数据点x的潜表示只需通过将x传递给编码器网络E即可。

7.根据权利要求6所述的一种水泥厂离心风机设备异常检测方法，其特征在于：所述步骤四中，在线检测模块存储训练好的模型，输入预处理后的序列，得到一个新的观测结果xt，若xt的异常评估得分低于异常阈值，则将xt的判断结果输出为异常，否则为正常；若判断结果为异常，则对xt每个数据维度的贡献进行估计和排序来解释异常情况，数据维度的贡献即该数据的重构概率；展示时根据各个数据对应的重构概率按升序排序，并形成列表A。

8.根据权利要求1所述的一种水泥厂离心风机设备异常检测方法，其特征在于：所述步骤一中，通过传感器和数据采集器采集数据并形成数据集，数据包括风机给定速度、风机电机A、B、C三项定子温度、风机入口温度、风机出口温度、风机出口压力、风机入口压力、风机自由端振动、风机定位端振动、风机变频器速度反馈、风机变频器电流、电压和功率反馈、风机电机自由端与输出端振动。