基于工业物联网的传感器数据检测方法、系统及设备与流程

摘要: 本技术涉及工业物联网的,尤其是涉及基于工业物联网的传感器数据检测方法、系统及设备。背景技术:1、工业物联网通过管理平台、传感网络平台和对象平台的协同,对物理系统...
基于工业物联网的传感器数据检测方法、系统及设备与流程

本技术涉及工业物联网的,尤其是涉及基于工业物联网的传感器数据检测方法、系统及设备。

背景技术:

1、工业物联网通过管理平台、传感网络平台和对象平台的协同,对物理系统进行在线监测。传感器采集的振动、温度、压力等时序信号,蕴含设备运行状态的丰富信息。为发现早期故障和异常工况,通常需要对传感器数据进行异常检测。

2、传统方法多采用时域统计、频域分析或时频变换,逐个传感器独立处理信号,通过设定阈值或训练单点模型来判断各传感器的数据是否异常。这种方式存在明显局限:首先,工业物理系统中各传感器并非孤立,同一设备不同测点之间存在通过结构传递的物理关联,例如齿轮箱上相邻位置的振动传感器所感知的信号服从特定的传递衰减规律,孤立分析会丢失这种空间协同信息,难以分辨是单个传感器故障还是其所处物理位置的真实异常。其次,旋转机械等物理系统产生的信号在频率域具有固有的谐波结构,不同频率切面之间存在由基频和倍频定义的物理耦合关系,仅分析单一频率成分而忽略这种跨频率约束,容易将正常的谐波能量变化误判为异常,或对早期频率成分失调不敏感。此外,多数方法仅能给出某个传感器是否异常的整体判断,无法进一步指出是哪个频率成分出现异常,不利于精细化的诊断和维护。

3、因此,亟需一种能够融合传感器物理拓扑关联和频率成分物理耦合关系的工业物联网传感器数据检测方法,以在提升异常检测准确性的同时,实现异常传感器和异常频率成分的同步辨识。

技术实现思路

1、为了提升异常检测的准确性,本技术提供基于工业物联网的传感器数据检测方法、系统及设备。

2、第一方面,本技术提供了基于工业物联网的传感器数据检测方法,采用如下的技术方案:

3、基于工业物联网的传感器数据检测方法,应用于工业物联网系统,所述工业物联网系统包括依次通信连接的管理平台、传感网络平台和对象平台,所述方法由管理平台执行,包括:

4、获取部署于同一物理系统上属于同一类型的各个传感器的时序信号,基于同一套频率基函数,对所述时序信号进行时频变换,并根据时频变换结果构建各个传感器各自对应的时频矩阵和各个频率切面各自对应的频率成分矩阵;

5、基于传感器之间的物理关联关系,构建传感器的拓扑邻接矩阵,且基于频率切面之间的物理关联关系,构建频率关联矩阵;

6、将各个传感器依次作为目标传感器,基于所述拓扑邻接矩阵,对所述时频矩阵进行带拓扑约束的特征聚合,得到所述目标传感器对应的时频聚合特征,其中,所述时频聚合特征用于表征所述目标传感器与拓扑邻居在同一频率下的物理协同程度;

7、将各个频率切面依次作为目标频率切面,基于所述频率关联矩阵,对所述频率成分矩阵进行带频率约束的特征聚合,得到所述目标频率切面对应的成分聚合特征,其中,所述成分聚合特征用于表征所述目标频率切面与其余频率切面在全体传感器上的空间耦合程度;

8、基于所述时频聚合特征和所述成分聚合特征,确定数据检测结果,其中,所述数据检测结果包括异常传感器标识及异常频率成分标识。

9、通过采用上述技术方案,获取部署于同一物理系统上属于同一类型的各个传感器的时序信号,基于同一套频率基函数,对时序信号进行时频变换,并根据时频变换结果构建各个传感器各自对应的时频矩阵和各个频率切面各自对应的频率成分矩阵,然后基于传感器之间的物理关联关系,构建传感器的拓扑邻接矩阵,且基于频率切面之间的物理关联关系,构建频率关联矩阵,然后将各个传感器依次作为目标传感器,基于拓扑邻接矩阵,对时频矩阵进行带拓扑约束的特征聚合,得到目标传感器对应的时频聚合特征,其中,时频聚合特征用于表征目标传感器与拓扑邻居在同一频率下的物理协同程度,然后将各个频率切面依次作为目标频率切面,基于频率关联矩阵,对频率成分矩阵进行带频率约束的特征聚合,得到目标频率切面对应的成分聚合特征,其中,成分聚合特征用于表征目标频率切面与其余频率切面在全体传感器上的空间耦合程度,然后基于时频聚合特征和成分聚合特征,确定数据检测结果,其中,数据检测结果包括异常传感器标识及异常频率成分标识。相对于传统方法,克服了孤立分析传感器信号而丢失空间协同信息、忽略频率谐波耦合关系而导致误判与漏判、以及无法精细指出异常频率成分的局限。本发明通过将传感器物理拓扑与频率成分耦合关系相融合,抑制了因正常工况波动或边界条件变化引起的误报,提升了对早期微弱故障和频率成分失调的检测灵敏度和准确性,为工业物联网环境下的设备状态监测与精准维护提供了有力支撑。

10、可选的,所述基于同一套频率基函数,对所述时序信号进行时频变换,并根据时频变换结果构建各个传感器各自对应的时频矩阵和各个频率切面各自对应的频率成分矩阵的步骤,包括:

11、基于预设时间窗口,对各个传感器对应的所述时序信号分别进行滑动切分,得到各自对应的n个时间窗口信号,其中,n为正整数;

12、基于预设基函数集合,分别对各个所述时间窗口信号进行时频变换,得到对应传感器在各个时间窗口、各个频率基函数下的时频系数,其中,所述预设基函数集合包括m个频率基函数,m为正整数;

13、将属于同一传感器的n×m个所述时频系数,按照频率基函数和时间窗口排列,形成各个传感器各自对应的时频矩阵,其中,所述时频矩阵的行对应频率基函数、列对应时间窗口;

14、将属于同一频率基函数的p×n个所述时频系数,按照传感器和时间窗口排列,形成各个频率切面各自对应的频率成分矩阵,其中,所述频率成分矩阵的行对应传感器、列对应时间窗口,p为传感器的总数。

15、通过采用上述技术方案,为了实现时频矩阵和频率成分矩阵的构建,基于预设时间窗口,对各个传感器对应的时序信号分别进行滑动切分,得到各自对应的n个时间窗口信号,其中,n为正整数,然后基于预设基函数集合,分别对各个时间窗口信号进行时频变换,得到对应传感器在各个时间窗口、各个频率基函数下的时频系数,其中,预设基函数集合包括m个频率基函数,m为正整数,然后将属于同一传感器的n×m个时频系数,按照频率基函数和时间窗口排列,形成各个传感器各自对应的时频矩阵,其中,时频矩阵的行对应频率基函数、列对应时间窗口,然后将属于同一频率基函数的p×n个时频系数,按照传感器和时间窗口排列,形成各个频率切面各自对应的频率成分矩阵,其中,频率成分矩阵的行对应传感器、列对应时间窗口,p为传感器的总数。

16、可选的,所述基于传感器之间的物理关联关系,构建传感器的拓扑邻接矩阵的步骤,包括:

17、获取所述物理系统的物理模型,基于所述物理模型中各个传感器之间的物理结构,确定任意两个传感器之间的物理虚拟路径,其中,所述物理虚拟路径的物理属性用于表征物理量沿该路径传播时的衰减特性;

18、对于存在所述物理虚拟路径的传感器对,提取该物理虚拟路径的物理属性,基于所述物理属性确定综合衰减因子,并根据所述综合衰减因子计算关联权重;以及,对于不存在所述物理虚拟路径的传感器对,将所述关联权重置为零,其中,所述综合衰减因子越大,所述关联权重越小,且所述关联权重的取值范围为0到1;

19、根据所述关联权重,构建拓扑邻接矩阵。

20、通过采用上述技术方案,为了实现拓扑邻接矩阵的构建,获取物理系统的物理模型,基于物理模型中各个传感器之间的物理结构,确定任意两个传感器之间的物理虚拟路径,其中,物理虚拟路径的物理属性用于表征物理量沿该路径传播时的衰减特性,然后对于存在物理虚拟路径的传感器对,提取该物理虚拟路径的物理属性,基于物理属性确定综合衰减因子,并根据综合衰减因子计算关联权重;以及,对于不存在物理虚拟路径的传感器对,将关联权重置为零,其中,综合衰减因子越大,关联权重越小,且关联权重的取值范围为0到1,然后根据关联权重,构建拓扑邻接矩阵。

21、可选的,所述基于频率切面之间的物理关联关系,构建频率关联矩阵的步骤,包括:

22、获取所述物理系统的运行特征参数,基于所述运行特征参数,确定所述物理系统的基频;

23、根据所述基频确定各阶谐波频率,将与所述谐波频率存在谐波关系的频率切面作为目标频率切面;

24、将任意两个频率切面构成的组合记为频率对,将由任意两个所述目标频率切面构成的所述频率对记为目标频率对,余下的所述频率对记为非目标频率对;

25、对于每个所述目标频率对,根据该目标频率对之间的谐波阶次确定对应的关联强度;以及,对于每个所述非目标频率对,将对应的关联强度设为零;

26、根据各个所述频率对所对应的关联强度,构建频率关联矩阵。

27、通过采用上述技术方案,为了实现频率关联矩阵的构建,获取物理系统的运行特征参数,基于运行特征参数,确定物理系统的基频,然后根据基频确定各阶谐波频率,将与谐波频率存在谐波关系的频率切面作为目标频率切面,然后将任意两个频率切面构成的组合记为频率对,将由任意两个目标频率切面构成的频率对记为目标频率对,余下的频率对记为非目标频率对,然后对于每个目标频率对,根据该目标频率对之间的谐波阶次确定对应的关联强度;以及,对于每个非目标频率对,将对应的关联强度设为零,然后根据各个频率对所对应的关联强度,构建频率关联矩阵。

28、可选的,所述基于所述拓扑邻接矩阵,对所述时频矩阵进行带拓扑约束的特征聚合,得到所述目标传感器对应的时频聚合特征的步骤,包括:

29、对各个所述时频矩阵分别进行列差分计算,得到各个传感器各自对应的时频差分矩阵;

30、从所述拓扑邻接矩阵中提取所述目标传感器对应的第一聚合权重向量,其中,所述第一聚合权重向量的元素用于表征对应的传感器相对于所述目标传感器的聚合权重;

31、基于所述第一聚合权重向量,对所述时频差分矩阵进行加权聚合,得到第一聚合差分矩阵;

32、对所述目标传感器对应的目标时频差分矩阵和所述第一聚合差分矩阵分别进行归一化处理,得到第一归一化矩阵和第二归一化矩阵;

33、对所述第一归一化矩阵与所述第二归一化矩阵进行逐元素相减,得到第一差值矩阵;以及,对所述第一归一化矩阵与所述第二归一化矩阵进行逐元素相除,得到第一比值矩阵;

34、对所述第一差值矩阵和所述第一比值矩阵进行拼接,得到时频聚合特征。

35、通过采用上述技术方案,为了生成时频聚合特征,对各个时频矩阵分别进行列差分计算,得到各个传感器各自对应的时频差分矩阵,然后从拓扑邻接矩阵中提取目标传感器对应的第一聚合权重向量,其中,第一聚合权重向量的元素用于表征对应的传感器相对于目标传感器的聚合权重,然后基于第一聚合权重向量,对时频差分矩阵进行加权聚合,得到第一聚合差分矩阵,然后对目标传感器对应的目标时频差分矩阵和第一聚合差分矩阵分别进行归一化处理,得到第一归一化矩阵和第二归一化矩阵,然后对第一归一化矩阵与第二归一化矩阵进行逐元素相减,得到第一差值矩阵;以及,对第一归一化矩阵与第二归一化矩阵进行逐元素相除,得到第一比值矩阵,然后对第一差值矩阵和第一比值矩阵进行拼接,得到时频聚合特征。

36、可选的,所述对所述目标传感器对应的目标时频差分矩阵和所述第一聚合差分矩阵分别进行归一化处理,得到第一归一化矩阵和第二归一化矩阵的步骤,包括:

37、对于所述目标传感器对应的目标时频差分矩阵,计算所述目标时频差分矩阵中各个行向量的范数,并将各个行向量中的各元素除以该行向量对应的所述范数,得到第一归一化矩阵;

38、对于所述第一聚合差分矩阵,计算所述第一聚合差分矩阵中各个行向量的范数,并将各个行向量中的各元素除以该行向量对应的所述范数,得到第二归一化矩阵。

39、通过采用上述技术方案,为了实现归一化处理,对于目标传感器对应的目标时频差分矩阵,计算目标时频差分矩阵中各个行向量的范数,并将各个行向量中的各元素除以该行向量对应的范数,得到第一归一化矩阵,然后对于第一聚合差分矩阵,计算第一聚合差分矩阵中各个行向量的范数,并将各个行向量中的各元素除以该行向量对应的范数,得到第二归一化矩阵。

40、可选的,所述基于所述频率关联矩阵,对所述频率成分矩阵进行带频率约束的特征聚合,得到所述目标频率切面对应的成分聚合特征的步骤,包括:

41、对各个所述频率成分矩阵分别进行列差分计算,得到各个频率切面各自对应的频率差分矩阵;

42、从所述频率关联矩阵中提取所述目标频率切面对应的第二聚合权重向量,其中,所述第二聚合权重向量的元素用于表征对应的频率切面相对于所述目标频率切面的聚合权重;

43、基于所述第二聚合权重向量,对所述频率差分矩阵进行加权聚合,得到第二聚合差分矩阵;

44、对所述目标频率切面对应的目标频率差分矩阵和所述第二聚合差分矩阵分别进行归一化处理,得到第三归一化矩阵和第四归一化矩阵;

45、对所述第三归一化矩阵与所述第四归一化矩阵进行逐元素相减,得到第二差值矩阵;以及,对所述第三归一化矩阵与所述第四归一化矩阵进行逐元素相除,得到第二比值矩阵;

46、将所述第二差值矩阵和所述第二比值矩阵进行拼接,得到成分聚合特征。

47、通过采用上述技术方案,为了生成成分聚合特征,对各个频率成分矩阵分别进行列差分计算,得到各个频率切面各自对应的频率差分矩阵,然后从频率关联矩阵中提取目标频率切面对应的第二聚合权重向量,其中,第二聚合权重向量的元素用于表征对应的频率切面相对于目标频率切面的聚合权重,然后基于第二聚合权重向量,对频率差分矩阵进行加权聚合,得到第二聚合差分矩阵,然后对目标频率切面对应的目标频率差分矩阵和第二聚合差分矩阵分别进行归一化处理,得到第三归一化矩阵和第四归一化矩阵,然后对第三归一化矩阵与第四归一化矩阵进行逐元素相减,得到第二差值矩阵;以及,对第三归一化矩阵与第四归一化矩阵进行逐元素相除,得到第二比值矩阵,然后将第二差值矩阵和第二比值矩阵进行拼接,得到成分聚合特征。

48、可选的,所述基于所述时频聚合特征和所述成分聚合特征,确定数据检测结果,其中,所述数据检测结果包括异常传感器标识及异常频率成分标识的步骤,包括:

49、基于所述时频聚合特征,计算各个传感器的传感器异常得分;以及,基于所述成分聚合特征,计算各个频率切面的频率异常得分;

50、基于传感器异常得分,确定异常传感器标识;以及,基于所述频率异常得分,确定异常频率成分标识。

51、通过采用上述技术方案,为了确定数据检测结果,基于时频聚合特征,计算各个传感器的传感器异常得分;以及,基于成分聚合特征,计算各个频率切面的频率异常得分,然后基于传感器异常得分,确定异常传感器标识;以及,基于频率异常得分,确定异常频率成分标识。

52、第二方面,本技术还提供了基于工业物联网的传感器数据检测系统,采用如下的技术方案:

53、基于工业物联网的传感器数据检测系统,包括依次通信连接的管理平台、传感网络平台和对象平台,所述管理平台被配置有:

54、信号时频变换模块,用于获取部署于同一物理系统上属于同一类型的各个传感器的时序信号,基于同一套频率基函数,对所述时序信号进行时频变换,并根据时频变换结果构建各个传感器各自对应的时频矩阵和各个频率切面各自对应的频率成分矩阵;

55、关联矩阵构建模块,用于基于传感器之间的物理关联关系,构建传感器的拓扑邻接矩阵,且基于频率切面之间的物理关联关系,构建频率关联矩阵;

56、拓扑特征聚合模块,用于将各个传感器依次作为目标传感器,基于所述拓扑邻接矩阵,对所述时频矩阵进行带拓扑约束的特征聚合,得到所述目标传感器对应的时频聚合特征,其中,所述时频聚合特征用于表征所述目标传感器与拓扑邻居在同一频率下的物理协同程度;

57、频率特征聚合模块,用于将各个频率切面依次作为目标频率切面,基于所述频率关联矩阵,对所述频率成分矩阵进行带频率约束的特征聚合,得到所述目标频率切面对应的成分聚合特征,其中,所述成分聚合特征用于表征所述目标频率切面与其余频率切面在全体传感器上的空间耦合程度;

58、异常检测模块,用于基于所述时频聚合特征和所述成分聚合特征,确定数据检测结果,其中,所述数据检测结果包括异常传感器标识及异常频率成分标识。

59、第三方面,本技术还提供了一种计算机设备,采用如下的技术方案:

60、一种计算机设备,包括存储器和处理器,所述存储器上存储有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时实现第一方面中所述的方法。

61、综上所述,本技术至少包括以下有益技术效果:获取部署于同一物理系统上属于同一类型的各个传感器的时序信号,基于同一套频率基函数,对时序信号进行时频变换,并根据时频变换结果构建各个传感器各自对应的时频矩阵和各个频率切面各自对应的频率成分矩阵,然后基于传感器之间的物理关联关系,构建传感器的拓扑邻接矩阵,且基于频率切面之间的物理关联关系,构建频率关联矩阵,然后将各个传感器依次作为目标传感器,基于拓扑邻接矩阵,对时频矩阵进行带拓扑约束的特征聚合,得到目标传感器对应的时频聚合特征,其中,时频聚合特征用于表征目标传感器与拓扑邻居在同一频率下的物理协同程度,然后将各个频率切面依次作为目标频率切面,基于频率关联矩阵,对频率成分矩阵进行带频率约束的特征聚合,得到目标频率切面对应的成分聚合特征,其中,成分聚合特征用于表征目标频率切面与其余频率切面在全体传感器上的空间耦合程度,然后基于时频聚合特征和成分聚合特征,确定数据检测结果,其中,数据检测结果包括异常传感器标识及异常频率成分标识。相对于传统方法,克服了孤立分析传感器信号而丢失空间协同信息、忽略频率谐波耦合关系而导致误判与漏判、以及无法精细指出异常频率成分的局限。本发明通过将传感器物理拓扑与频率成分耦合关系相融合,抑制了因正常工况波动或边界条件变化引起的误报,提升了对早期微弱故障和频率成分失调的检测灵敏度和准确性,为工业物联网环境下的设备状态监测与精准维护提供了有力支撑。