一种传感器状态诊断方法及装置、电子设备、存储介质与流程

本申请属传感器监测，具体涉及一种传感器状态诊断方法及装置、电子设备、存储介质。

背景技术：

1、在矿山井下作业场景中，用于监测co、h2s、no2、so2等多种有毒有害气体的多参数气体传感器是安全保障的核心感知元件。由于井下场景具有高湿度、高粉尘浓度、强电磁干扰及温度变化大等极端工况的长期作用，传感器普遍存在性能退化问题，导致监测数据失准，影响安全决策的准确性。

2、当前流行的传感器本身不具备健康状态在线自诊断功能，常见的零点漂移、灵敏度衰减、响应滞后等性能退化显现只能在定期校准或故障发生后被发现，诊断的滞后性较强，实时性较弱。

3、虽然一些引入神经网络的智能诊断方法具备一定的在线实时诊断能力，但这种方法依赖于人工构造特征样本，难以充分挖掘温度、湿度、粉尘、电磁干扰等多维环境参数与传感器性能退化之间的深层非线性耦合关系，尤其对早期微弱漂移信号不敏感，漏报率高。

4、因此，当前亟需一种兼顾准确度与实时性的传感器状态诊断方法。

技术实现思路

1、本申请实施例提供了一种传感器状态诊断方法及装置、电子设备、存储介质，可以解决传统诊断方法实时性弱或准确度较差的问题。

2、第一方面，本申请实施例提供的一种传感器状态诊断方法，所述方法包括：

3、获取环境数据及传感器的多种健康指标的检测值；

4、将所述环境数据和所述检测值输入至健康指标预测模型，得到所述健康指标的预测值，所述健康指标预测模型采用深度自编码器架构，所述预测值表示健康的传感器与所述传感器处于同一运行环境时的健康指标的数值；

5、根据所述检测值和所述预测值之差，确定所述传感器的健康状态。

6、在第一方面的一种可能的实现方式中，所述根据所述检测值和所述预测值之差，确定所述传感器的健康状态，包括：

7、根据所述检测值和所述预测值之差确定重构误差；

8、对比所述重构误差和当前的故障阈值，根据所述重构误差偏离所述当前的故障阈值的程度，确定所述传感器的健康状态；所述健康状态包括健康、非健康、故障。

9、在第一方面的一种可能的实现方式中，在所述根据所述检测值和所述预测值之差，确定所述传感器的健康状态之前，所述方法还包括：

10、根据上一训练周期中样本重构误差的分布，确定当前的故障阈值。

11、在第一方面的一种可能的实现方式中，所述当前的故障阈值等于所述样本重构误差的均值和多倍标准差之和。

12、在第一方面的一种可能的实现方式中，在所述传感器处于非健康状态的情况下，所述方法还包括：

13、将所述环境数据和所述传感器的实时输出值，输入至测量偏差预测模型，得到所述传感器的测量偏差；

14、利用所述测量偏差校正所述实时输出值，得到所述传感器初次校正后的输出值；

15、利用交叉干扰矩阵校正所述初次校正后的输出值，得到所述传感器修正后的输出值，所述交叉干扰矩阵用于表征传感器之间的交叉干扰的影响。

16、在第一方面的一种可能的实现方式中，所述深度自编码器的瓶颈层包括与所述健康指标的种类一一对应的神经元；针对每一神经元，配置所述神经元上的激活函数的过程包括：

17、根据所述神经元对应种类健康指标的取值范围，配置所述神经元的激活函数。

18、在第一方面的一种可能的实现方式中，所述方法还包括：

19、将所述检测值输入至寿命预测模型，得到所述传感器的剩余使用寿命；

20、在所述剩余使用寿命小于告警阈值的情况下，向用户发送告警通知。

21、第二方面，本申请实施例提供了一种传感器状态诊断装置，包括获取单元、预测单元、诊断单元；

22、所述获取单元用于获取环境数据及传感器的多维健康指标的检测值；

23、所述预测单元用于将所述环境数据和所述检测值输入至健康指标预测模型，得到所述健康指标的预测值，所述健康指标预测模型采用深度自编码器架构，所述预测值表示健康的传感器与所述传感器处于同一运行环境时的健康指标的数值；

24、所述诊断单元用于根据所述检测值和所述预测值之差，确定所述传感器的健康状态。

25、第三方面，本申请实施例提供了一种电子设备，包括处理器和存储器，其中，存储器用于存储计算机程序；处理器可以用于执行存储在存储器中的计算器程序(指令)，以实现上述第一方面的方法。

26、第四方面，本申请实施例提供了一种计算机可读存储介质，计算机可读存储介质内存储由计算机程序，当计算机程序被执行时，可以实现如上述第一方面的方法。

27、本申请实施例与现有技术相比存在的有益效果是：由于深度自编码器通过非线性映射学习正常状态下的数据分布规律，其网络内部的多层隐变量结构天然具备对温度、湿度、电磁干扰等复杂环境因素与传感器性能退化之间的深层非线性耦合关系的建模能力，本申请提供的诊断方法，通过采用深度自编码器架构的健康指标预测模型，将环境数据和健康指标的检测值输入健康指标预测模型来预测健康状态下传感器的健康指标的值，得到预测值，能够自适应地从环境数据与多维度健康指标检测值中提取出反映传感器运行状态的高阶特征；根据检测值和预测值之差确定传感器的健康状态，能够在残差序列中有效放大和捕捉微弱的漂移信号，从而提高诊断的准确性。

1.一种传感器状态诊断方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述根据所述检测值和所述预测值之差，确定所述传感器的健康状态，包括：

3.根据权利要求2所述的方法，其特征在于，在所述根据所述检测值和所述预测值之差，确定所述传感器的健康状态之前，所述方法还包括：

4.根据权利要求3所述的方法，其特征在于，所述当前的故障阈值等于所述样本重构误差的均值和多倍标准差之和。

5.根据权利要求2所述的方法，其特征在于，在所述传感器处于非健康状态的情况下，所述方法还包括：

6.根据权利要求1所述的方法，其特征在于，所述深度自编码器的瓶颈层包括与所述健康指标的种类一一对应的神经元；针对每一神经元，配置所述神经元上的激活函数的过程包括：

7.根据权利要求1-6任一项所述的方法，其特征在于，所述方法还包括：

8.一种传感器状态诊断装置，其特征在于，包括获取单元、预测单元、诊断单元；

9.一种电子设备，包括存储器、处理器以及存储在所述存储器中的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1-7任一项所述的方法。

10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被电子设备执行时实现如权利要求1-7任一项所述的方法。