[发明专利]一种生产线质量监测方法、装置及系统

权利要求书

1.一种生产线质量监测方法，其特征在于，包括：

获取生产线中各设备单元的目标监测参数；

将所述目标监测参数输入经过训练的第一神经网络模型，通过所述第一神经网络模型，确定所述各设备单元的故障状态信息；

将所述各设备单元的故障状态信息，输入经过训练的第二神经网络模型，通过所述第二神经网络模型，确定所述生产线的整体故障状态，

所述将所述各设备单元的故障状态信息，输入经过训练的第二神经网络模型，通过所述第二神经网络模型，确定所述生产线的整体故障状态，包括：

将所述各设备单元的故障状态信息，输入经过训练的所述第二神经网络模型，确定出所述各设备单元的故障等级；

将所述各设备单元的故障等级输入所述第二神经网络模型，确定所述生产线的整体故障状态。

2.根据权利要求1所述的方法，其特征在于，在所述获取生产线中各设备单元的目标监测参数的步骤之前，所述方法还包括：

针对所述各设备单元中的每一个设备单元，确定该设备单元的每一个可监测参数对所述故障状态的影响权值；

将所述影响权值高于预设阈值的可监测参数，作为所述目标监测参数。

3.根据权利要求2所述的方法，其特征在于，所述针对所述各设备单元中的每一个设备单元，确定该设备单元的每一个可监测参数对所述故障状态的影响权值，包括：

针对所述各设备单元中的每一个设备单元，通过预设公式计算该设备单元的每一个可监测参数的针对不同所述故障状态的信息增益；

所述将所述影响权值高于预设阈值的可监测参数，作为所述目标监测参数，包括：

将所述信息增益大于所述预设阈值的可监测参数，作为所述目标监测参数，

其中，所述预设公式包括：

其中，Gain(G_im，H_is)表示处于故障状态H_is时，可监测参数G_im的信息增益，Ent(D_is，H_is)表示处于故障状态H_is时，所有样本种类D_is的信息熵，计算公式为：

其中，k＝0表示未发生故障状态H_is，k＝1表示发生故障状态H_is，p_k表示故障状态H_is发生或不发生的概率，

v从1至3分别表示可监测参数G_im处于偏小、正常和偏大三种状态，表示在采集的可监测参数G_im的总样本数目中G_im在状态v下的次数，|G_im|表示采集可监测参数G_im的总样本数目，表示处于故障状态H_is时，可监测参数G_im处于状态v的信息熵，计算公式为：

其中，表示可监测参数G_im处于状态v时，故障状态H_is发生或不发生的概率。

4.根据权利要求1所述的方法，其特征在于，所述第一神经网络模型包括：自组织特征映射网络模型；

所述将所述目标监测参数输入经过训练的第一神经网络模型，通过所述第一神经网络模型，确定所述各设备单元的故障状态信息，包括：

将所述各设备单元的每一个设备单元的目标监测参数的集合，作为输入向量，输入经过训练的所述自组织特征映射网络模型；

通过计算所述输入向量与所述自组织特征映射网络模型中竞争层权值向量之间的欧氏距离，确定出所述各设备单元的故障状态信息。

5.根据权利要求1或4所述的方法，其特征在于，所述将所述目标监测参数输入经过训练的第一神经网络模型，通过所述第一神经网络模型，确定所述各设备单元的故障状态信息，包括：

将所述各设备单元的目标监测参数，分别输入对应每一个所述设备单元的且经过训练的所述第一神经网络模型，通过所述第一神经网络模型，分别确定所述各设备单元的故障状态信息。