[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有效

专利信息
申请号: 201810727822.8 申请日: 2018-07-05
公开(公告)号: CN109188502B 公开(公告)日: 2020-02-07
发明(设计)人: 唐雷雷;周泽然;孙葆根;刘功发 申请(专利权)人: 中国科学技术大学
主分类号: G01T7/00 分类号: G01T7/00;G01J11/00;G06N3/02
代理公司: 11251 北京科迪生专利代理有限责任公司 代理人: 杨学明;贾玉忠
地址: 230026 安*** 国省代码: 安徽;34
权利要求书: 查看更多 说明书: 查看更多
摘要: 发明公开了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,该方法包括:获取束流位置监测器的逐圈束流位置数据;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,通过所述自编码器模型处理输出重构输入数据;计算所述原始输入数据与重构输入数据之间的重构误差;通过将所述重构误差与异常阈值之间进行比较,判别对应的束流位置监测器是否异常,所述重构误差超过所述阈值的束流位置监测器判定为处于异常或故障状态。本发明解决了储存环束流位置监测器异常及故障自动识别的问题,提高效率,减小研发成本,且该方法准确率及可靠性高,实用性强。
搜索关键词: 束流位置 监测器 重构 原始输入数据 编码器模型 异常检测 编码器 预处理 故障状态 自动识别 准确率 减小 研发 判定 储存 输出
【主权项】:
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:/n步骤S101、获取束流位置监测器的逐圈束流位置数据;/n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:/n所述的预先训练的自编码器模型通过下述步骤构建:/n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;/n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;/n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;/n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;/n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;/n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;/n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。/n
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国科学技术大学,未经中国科学技术大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/patent/201810727822.8/,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top