CN114815763B 一种动态控制系统的异常检测方法、装置和计算机可读介质 （西门子股份公司）

本发明实施例涉及动态控制系统的异常检神经网络中的g网络初始化动态控制系统的隐状态分布；接收实时监测得到的当前时间点t处传一采样点输入神经网络中的f网络以预测得到至点t之前的邻近时间点t-1处动态控制系统的隐状态分布，第二采样点表示在当前时间点t处动的h网络将第二采样点映射到传感器测量值空间，以预测得到在当前时间点t处动态控制系统得到的测量值与预测得到的概率分布来判断系2所述至少一个第一采样点用于表示在当前时间点t之前的邻近时间点t-1处所述动态控制系统的隐状态分布，所述至少一个第二采样点用于表示在当前时间点t处所述动态控制系络将滑动窗口内的传感器的测量值和触发器的状态值编码为向量，并利用所述g网络编码得到的当前时间点的隐状态向量预测下一个时间点处的隐状态向量；所述h网络为前馈网络，将预测得到的下一个时间点处的隐状态向量解码为下一个时间点处的传感器的测量经网络是使用所述动态控制系统正常工况下获取的传感器的测量于训练的各时间点处传感器的测量值的重建误差-一个初始化模块（311被配置为使用g网络初始化一个动态控制系统的隐状态分-一个数据获取模块（312被配置为接收实时监测得到的当前时间点t处所述动态控少一个第一采样点用于表示在当前时间点t之前的邻近时间点t-1处所述动态控制系统的隐状态分布，所述至少一个第二采样点用于表示在当前时间点t处所述动态控制系统先验-使用h网络将所述至少一个第二采样点映射到传感器测量值空间，以预测得到在当前时间点t处所述动态控制系统的传感器测-一个异常判断模块（314被配置为通过比较实时监测得到的所述测量值与预测得3络将滑动窗口内的传感器的测量值和触发器的状态值编码为向量，并利用所述g网络编码得到的当前时间点的隐状态向量预测下一个时间点处的隐状态向量；所述h网络为前馈网络，将预测得到的下一个时间点处的隐状态向量解码为下一个时间点处的传感器的测量经网络是使用所述动态控制系统正常工况下获取的传感器的测量-一个更新模块（315被配置为更新在当前时间点t处所述动态控制系统后验的隐状于训练的各时间点处传感器的测量值的重建误差-至少一个处理器（302被配置为调用所述计算机可读代码，执行如权利要求1~4任10.一种计算机可读介质，其特征在于，所述计算机可读介质上存储有计算机可读指41735页至1780页)或诸如自动编码器的重建模型(参见《用于深度置信网络的快速学习算能通常在传感器的测量值受到较大噪音干扰或模型预测或重建的误差叶斯估计算法(参见《用于机器状态监测的贝叶斯传感器估计》，ChaoYuan和Claus用时间信息的鲁棒的传感器估计》，ChaoYuan和ClausNeubauer在2008年发表于IEEE声5在2008年发表于IEEE关于数据挖掘的第八次国际会议)，可以自然地应用到动态控制系统[0010]基于规则的异常检测方法中获取由先验知识得到的系统所必须保持的状态条规则。[0011]本发明实施例提供一种动态控制系统的异常检测方法、间点t处所述动态控制系统中传感器的测量值和触发器的状态值；将至少一个第一采样点至少一个第二采样点映射到传感器测量值空间，以预测得到在当前时间点t处所述动态控的测量值编码为低维隐状态向量；所述f网络将滑动窗口内的传感器的测量值和触发器的状态值编码为向量，并利用所述g网络编码得到的当前时间点的隐状态向量预测下一个时6述神经网络是使用所述动态控制系统正常工况下获取的传感器的测量值处所述动态控制系统先验的隐状态分布；以及使用h网络将所述至少一个第二采样点映射到传感器测量值空间，以预测得到在当前时间点t处所述动态控制系统的传感器测量值的[0017]-一个异常判断模块，被配置为通过比较实时监测得到的所述测量值与预测得到编码得到的当前时间点的隐状态向量预测下一个时间点处的隐状态向量；所述h网络为前78[0054]f网络以θ为参数，将长度为l的滑动窗口内传感器的测量值和触发器的状态值作量ht-1[0056]综上，整个神经网络10可表示为Fuawr以将时间点t-1处的传感器的测量值xt-1、码后的传感器的测量值t-1和作为输出。可使用梯度下降算法来解决下面的问题。其中可使用的梯度下降算法的一个例子为adam9)+Q-fθ这些sigma点对应的权重为Wm和Wc。其中，sigma函数的一个例子是使用VanderMerwe的Scaledsigma点算法(参见《动态状态空间模型概率推理的Sigma点Kalman滤波器》，Van[0077]选择sigma点，使得仅用少量的sigma点即能够表示t-1时间点处动态控制系统的[0079]其中，时间点t处先验隐状态分布的均值和协方差可以通过无损变换函数计算得[0091]z'=z'+k(xt-)(9)[0092]pt=t-KEK"(10)[0098]采用本发明实施例提供的方法来检测泵控制系统数据集中的异常。系统数据由5个月内每分钟采样的52个传感器的测量值组成。数据集中有7个连续几个小时到几天的故[0099]图2示出了采用本发明实施例和前述的其他几种方法(孤立森林、贝叶斯估计算单台计算机，包括至少一个存储器301，其包括计算机可读介质，例如随机存取存储器[0103]当由至少一个处理器302执行时，图3中所示的至少一个存储器301可以包含动态控制系统的异常检测程序31，使得至少一个处理器302执行本发明实施例中所述的用于动[0105]-一个数据获取模块312，被配置为接收实时监测得到的当前时间点t处动态控制少一个第二采样点映射到传感器测量值空间，以预测得到在当前时间点t处动态控制系统t处动态控制系统后验的隐状态分布，用于获取在当前时间点t之后的邻近时间点t+1处的各流程的控制逻辑烧制到诸如现场可编程门阵列(Field-ProgrammableGateArray，各流程的控制逻辑烧制到诸如现场可编程门阵列(Field-ProgrammableGateArray，[0118]-S401：使用图1所示的神经网络10中的g网络初始化一个动态控制系统的隐状态动态控制系统的隐状态分布，至少一个第二采样点用于表示在当前时间点t处动态控制系[0122]-S405：通过比较实时监测得到的测量值与预测得到的概率分布来判断动态控制