[发明专利]一种基于自编码器的束流位置监测器异常检测方法及装置

权利要求书

1.一种基于自编码器的束流位置监测器异常检测方法，其特征在于，所述方法包括：

步骤S101、获取束流位置监测器的逐圈束流位置数据；

步骤S102、将所述逐圈束流位置数据进行预处理后作为原始输入数据输入到预先训练的自编码器模型中，通过所述自编码器模型处理输出重构输入数据；其中：

所述的预先训练的自编码器模型通过下述步骤构建：

步骤(A1)获取n组正常束流位置监测器的逐圈束流位置数据，建立训练数据集及验证数据集；

步骤(A2)获取p组异常束流位置监测器的逐圈束流位置数据，将所述n组正常数据与所述p组异常数据进行组合作为验证数据集；

步骤(A3)构建自编码器模型，所述自编码器模型为包含输入层、至少一个隐藏层以及输出层的深度神经网络模型，所述隐藏层由卷积层加池化层构成；

步骤(A4)用训练数据集对所述自编码器模型进行训练，所述训练过程中采用基于随机梯度下降的误差反向传播算法优化更新自编码器模型中的权重及偏置参数直至模型收敛；

步骤(A5)用验证数据集验证所述训练后的自编码器是否有效，并在确认有效后存储该自编码器模型；

步骤S103、计算所述原始输入数据与重构输入数据之间的重构误差；

步骤S104、通过将所述重构误差与异常阈值之间进行比较，判别所述的束流位置监测器是否异常。

2.根据权利要求1所述的基于自编码器的束流位置监测器异常检测方法，其特征在于，所述将所述逐圈束流位置数据进行预处理，为：

将获取的束流位置监测器的逐圈束流位置数据进行归一化处理。

3.根据权利要求1所述的基于自编码器的束流位置监测器异常检测方法，其特征在于，所述重构误差由下式计算得到：

所述RE为重构误差，所述x为原始输入数据，所述为重构输入数据。

4.根据权利要求1所述的基于自编码器的束流位置监测器异常检测方法，其特征在于，所述判别所述的束流位置监测器是否异常，具体为当重构误差RE超过异常阈值α时，则判定该重构误差对应的束流位置监测器处于异常状态。

5.一种基于自编码器的束流位置监测器异常检测装置，其特征在于，所述装置包括：

获取模块(201)，用于获取束流位置监测器的逐圈束流位置数据；

处理模块(202)，用于将所述逐圈束流位置数据进行预处理后作为原始输入数据输入到预先训练得到的自编码器模型中，通过所述自编码器模型处理输出得到重构输入数据；

自编码器模型构建模块，用于通过以下步骤构建所述的自编码器模型：

步骤(A1)获取n组正常束流位置监测器的逐圈束流位置数据，作为训练数据集；

步骤(A2)获取p组异常束流位置监测器的逐圈束流位置数据，将所述n组正常数据与所述p组异常数据进行组合作为验证数据集；

步骤(A3)构建自编码器模型，所述自编码器模型为包含输入层、至少一个隐藏层以及输出层的深度神经网络模型，所述隐藏层由卷积层加池化层构成；

步骤(A4)用训练数据集训练所述自编码器模型，所述训练过程中采用基于随机梯度下降的误差反向传播算法优化更新自编码器模型中的权重及偏置参数直至模型收敛；

步骤(A5)用验证数据集验证所述训练后的自编码器是否有效，并在确认有效后存储该自编码器模型；

计算模块(203)，用于计算所述原始输入数据与重构输入数据之间的重构误差；

判别模块(204)，用于将所述重构误差与异常阈值之间进行比较，判别各个束流位置监测器的是否处于异常状态。

6.根据权利要求5所述的基于自编码器的束流位置监测器异常检测装置，其特征在于，所述处理模块中将所述圈束流位置数据进行预处理，为：

将获取的束流位置监测器的逐圈束流位置数据进行归一化处理。

7.根据权利要求5所述的基于自编码器的束流位置监测器异常检测装置，其特征在于，所述计算模块通过下式计算重构误差：

所述RE为重构误差，所述x为原始输入数据，所述为重构输入数据。

8.根据权利要求5所述的基于自编码器的束流位置监测器异常检测装置，其特征在于，所述判别模块中，判别所述的束流位置监测器是否异常，具体为当重构误差RE超过异常阈值α时，则判定该重构误差对应的束流位置监测器处于异常状态。