[发明专利]一种智能生产线异常数据的处理方法及装置

权利要求书

1.一种智能生产线异常数据的处理方法，其特征在于，包括：

获取对生产线设备监测所得到的历史数据集，所述历史数据集包括历史数据，以及所述历史数据对应的监测部位、运行周期；

提取所述历史数据集中的样本数据集，对所述样本数据集进行归一化处理，生成训练数据集；

建立神经网络模型，将所述训练数据集输入所述神经网络模型，训练得到所述监测部位、运行周期和预测数据的对应关系；

在线监测所述生产线设备的实时数据，根据所述对应关系实时判定所述实时数据中的异常数据；

生成数据报表，所述数据报表包括异常数据、异常数据对应的监测部位、运行周期和实时数据有效性；

所述提取所述历史数据集中的样本数据集包括：

计算所述历史数据集在各个运行周期对应的平均值和方差；

根据所述平均值和方差计算所述历史数据集的概率密度函数；

比较所述概率密度函数与阈值ε的大小，其中，ε∈[0.8,0.99]，将所述概率密度函数大于阈值ε的历史数据集作为样本数据集；

所述神经网络模型采用RBF神经网络模型；

所述根据所述对应关系实时判定所述实时数据中的异常数据包括：

根据所述对应关系实时预测所述监测部位对应的预测数据；

获取所述预测数据对应的运行周期，所述运行周期对应的方差；

将所述预测数据与对所述生产线设备在线监测的实时数据进行比对，判断所述实时数据是否在所述预测数据的方差范围内；

若所述实时数据超过所述预测数据的方差范围，则判定所述实时数据为异常数据；

所述生成数据报表包括：

统计在设定时间段内所述实时数据的总数量C、异常数据的总数量Cf；

通过以下公式计算实时数据有效性Q：

Q＝(1-Cf/C)×100％；

定位异常数据对应的监测部位，形成包括异常数据、异常数据对应的监测部位、运行周期和实时数据有效性的数据报表。

2.一种智能生产线异常数据的处理装置，其特征在于，所述装置包括：存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序运行在以下装置的模块中：

历史数据集获取模块，用于获取对生产线设备监测所得到的历史数据集，所述历史数据集包括历史数据，以及所述历史数据对应的监测部位、运行周期；

样本数据集提取模块，用于提取所述历史数据集中的样本数据集，对所述样本数据集进行归一化处理，生成训练数据集；

神经网络模型训练模块，用于建立神经网络模型，将所述训练数据集输入所述神经网络模型，训练得到所述监测部位、运行周期和预测数据的对应关系；

异常数据判定模块，用于在线监测所述生产线设备的实时数据，根据所述对应关系实时判定所述实时数据中的异常数据；

数据报表生成模块，用于生成数据报表，所述数据报表包括异常数据、异常数据对应的监测部位、运行周期和实时数据有效性；

所述样本数据集提取模块中，提取所述历史数据集中的样本数据集包括：

计算所述历史数据集的平均值和方差；

根据所述平均值和方差计算所述历史数据集的概率密度函数；

比较所述概率密度函数与阈值ε的大小，其中，ε∈[0.8,0.99]，将所述概率密度函数大于阈值ε的历史数据集作为样本数据集；

所述神经网络模型训练模块中的神经网络模型为RBF神经网络模型；

所述异常数据判定模块中，根据所述对应关系实时判定所述实时数据中的异常数据包括：

根据所述对应关系实时预测所述监测部位对应的预测数据；

获取所述预测数据对应的运行周期，所述运行周期对应的方差；

将所述预测数据与对所述生产线设备在线监测的实时数据进行比对，判断所述实时数据是否在所述预测数据的方差范围内；

若所述实时数据超过所述预测数据的方差范围，则判定所述实时数据为异常数据；

所述数据报表生成模块具体用于：

统计在设定时间段内所述实时数据的总数量C、异常数据的总数量Cf；

通过以下公式计算实时数据有效性Q：

Q＝(1-Cf/C)×100％；

定位异常数据对应的监测部位，形成包括异常数据、异常数据对应的监测部位、运行周期和实时数据有效性的数据报表。