一种改进深度森林故障检测方法、系统、设备及存储介质

1.本发明属于数据分析领域，涉及一种改进深度森林故障检测方法、系统、设备及存储介质。


背景技术：

2.天然气本质上属于一种具备着清洁性、便利性以及高效性的特征，使得越来越多的国家都加大了对天然气资源的开发力度，各种天然气产品也相继问世，为天然气化工创建出了更加优异的发展前景。近年来，天然气工业逐渐向着大型化、智能化及复杂化发展。在此前提下，实际天然气生产和储运中的过程运行也更加复杂，发生故障的可能性及对应破坏性也随之增大，故障检测系统的研发工作势在必行。
3.系统中的故障可以理解为系统至少一个特性或是参数出现较大的偏差，超出了可接受的范围。近年来以故障检测、故障辨识、故障模式识别、故障决策和容错控制为主要研究内容的故障诊断技术已经成为工程监控和复杂系统自动化研究的重要领域。为提高设备或系统的安全性和可靠性，故障检测与诊断技术(fault detection and diagnos，fdd)应运而生。故障检测主要判断设备或系统是否发生了故障和指明发生故障的时间。目前故障检测技术分为三类，基于过程模型、基于知识模型和基于数据的模型。基于过程模型的方法的展现形式要以数学结构和参数，通常是动态的过程模型。于连续时间的线性过程，模型可以是差分方程或z-传递函数，相应的离散时间(采样后)模型有脉冲响应、脉冲响应(加权函数)的微分方程。对于故障检测，一般的微分方程或差分方程是主要适用的。基于过程模型方法包括状态估计、参数估计和等价空间等。基于知识的诊断推理的主要方法是在知识的层次上,以知识处理技术为基础,实现辩证逻辑与数理逻辑的集成,符号处理与数值处理的统一,推理过程与算法过程的统一。采用的方法有：专家系统方法、图搜索、模糊推理方法、模式识别方法、定性观测器、定性仿真和神经元网络方法等。实际工业过程往往受大量空间上具有相关性的变化信号交互作用因此引起基于多变量统计技术故障诊断方法的研究从而产生了数据驱动(data-driven)方法。随着机器学习和智能制造技术的飞速发展，数据驱动的故障检测方法成为近年来的研究热点。基于数据驱动的方法包括多元统计分析、信号处理、机器学习和深度学习等。
4.从2017年，周志华等人提出深度森林，深度学习的研究也有了另一个思维方向上的扩展。目前深度森林算法已经广泛应用在各种故障检测领域，并且取得了优异的成绩。深度森林算法共有两个阶段的工作构成，分别是:多粒度扫描阶段(multi-grained scanning)和级联森林阶段(cascade forest)。多粒度扫描采用滑动窗口结构从高维扫描局部上下文，根据不同的随机森林学习输入数据的表示，可以产生多个不同维度的特征实例，从而提高模型的表征学习能力。采样过程为：首先选择不同尺寸的滑动窗口分别对原始特征进行扫描，然后将相同尺寸窗口得到的特征子向量提取出来，分别将其输入随机森林和完全随机森林进行训练，完全随机森林与随机森林的区别在于，完全随机森林中的每棵树随机选择一个特征，在树的节点进行特征空间的划分，且树的生长规则为直到每个叶结
点只包含相同类别的实例或不超过10个实例。最后将所有随机森林输出的概率向量进行拼接，该拼接向量即为转换后的特征表征向量。级联森林阶段的每一级都由多个不同类型的森林模型组成。深度森林算法利用级联森林阶段对数据特性逐层进行处理，加强了算法的表征学习能力，有利于提高预测精准度。级联森林的每层结构包含不同的基础森林分类器，多个不同类型的森林分类器结合可以充分学习输入特征向量的特征信息，从而提高模型的整体性能。
5.但是在传统深度森林的级联森林模型中，每层级联结构的森林对最终的预测结果都有相同的贡献，最后会使分类分布的结果对拟合量敏感，会对故障检测模型的性能造成影响，因此故障检测的准确性较差。


技术实现要素：

6.本发明的目的在于克服上述现有技术的缺点，提供了一种改进深度森林故障检测方法、系统、设备及存储介质，该方法、系统、设备及存储介质的故障检测的准确性较高。
7.为达到上述目的，本发明采用如下技术方案：
8.本发明一方面，本发明所述的改进深度森林故障检测方法包括：
9.获取天然气场站的数据；
10.将所述天然气场站的数据输入到训练及测试后的故障检测模型中，以判断天然气场站是否发生故障，其中，故障检测模型通过改进后的深度森林算法构建而成。
11.还包括：
12.收集天然气场站的历史数据；
13.对天然气场站的历史数据进行整理，将每一次收集的数据组成一维向量，并通过相应的类别对故障数据进行标记，得若干带有标签的样本；
14.将所有带有标签的样本分为训练集及测试集；
15.基于改进后的深度森林算法构建故障检测模型；
16.对训练集及测试集使用多粒度扫描，得训练集及测试集的类概率表征向量样本集；
17.在训练集中使用三次k折交叉验证，以训练故障检测模型，得每层的权重向量w＝(w
1 w2ꢀ…ꢀwt
)
t
；
18.使用测试集的类概率表征向量样本集测试所述故障检测模型，得训练及测试后的故障检测模型。
19.还包括：对故障检测结果进行显示。
20.还包括：当天然气场站发生故障时，则通过报警模块进行报警。
21.还包括：对深度森林算法进行改进，得改进后的深度森林算法。
22.对深度森林算法进行改进的具体过程为：
23.设训练数据集中有p个类别的实例，每层各森林的权重通过k折交叉验证进行估计，采用随机抽样将训练集分割成k个子样本集，其中一个子样本集被保留作为验证随机森林的数据集，其他k-1个子样本集用于训练，交叉验证重复k次，每个子样本集验证一次，每次得到一个随机森林的分类精确度，则训练验证完每层级联森林，得分类精度矩阵，根据分类精度矩阵，求取每个森林的平均分类精度，选择具有最大概率的类作为分类结果。
24.本发明所述的改进深度森林故障检测系统包括：
25.数据导入模块，用于获取天然气场站的数据；
26.故障检测模块，用于将所述天然气场站的数据输入到训练及测试后的故障检测模型中，以判断天然气场站是否发生故障，其中，故障检测模型通过改进深度森林算法构建而成。
27.本发明所述的计算机设备，包括存储器、处理器以及存储在所述存储器中并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所述改进深度森林故障检测方法的步骤。
28.本发明所述的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，所述计算机程序被处理器执行时实现所述改进深度森林故障检测方法的步骤。
29.本发明具有以下有益效果：
30.本发明所述的改进深度森林故障检测方法、系统、设备及存储介质在具体操作时，将所述天然气场站的数据输入到训练及测试后的故障检测模型中，以判断天然气场站是否发生故障，其中，故障检测模型通过改进后的深度森林算法构建而成，在级联森林中进行加权处理，形成加权级联森林，增强了模型的整体性能，提升了模型的检测准确率，减少了训练时间。
附图说明
31.构成本发明的一部分的说明书附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
32.图1为天然气场站故障检测流程图；
33.图2为多粒度扫描图；
34.图3为加权级联森林图；
35.图4为故障检测方法实验结果对比图；
36.图5为天然气场站故障检测系统图；
37.图6为天然气场站故障检测结果图。
具体实施方式
38.为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
39.需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品
或设备固有的其它步骤或单元。
40.下面结合附图对本发明做进一步详细描述：
41.实施例一
42.对深度森林模型进行改造，具体过程为：假设训练数据集中有p个类别的实例，每层各森林的权重通过k折交叉验证进行估计，采用随机抽样将训练数据集分割成k个子样本集，其中一个子样本集被保留作为验证随机森林的数据集，其他k-1个子样本集用于训练，交叉验证重复k次，每个子样本集验证一次，每次得到一个随机森林的分类精确度，则训练验证完每层级联森林，得分类精度矩阵，根据分类精度矩阵，求取每个森林的平均分类精度，选择具有最大概率的类作为分类结果。
43.参考图1至图6，基于改进后的深度森林模型，本发明所述的改进深度森林故障检测方法包括以下步骤：
44.1)收集天然气场站的历史数据；
45.2)对天然气场站的历史数据进行整理，将每一次收集的数据组成一维向量，并通过相应的类别对故障数据进行标记，得若干带有标签的样本；
46.3)将所有带有标签的样本分为训练集及测试集；
47.4)对训练集及测试集使用多粒度扫描，得其类概率表征向量样本集；
48.5)在训练集中使用三次k折交叉验证，以训练故障检测模型，得每层的权重向量w＝(w
1 w2ꢀ…ꢀwt
)
t
；
49.6)使用测试集的类概率表征向量样本集测试所述故障检测模型；
50.7)得分类检测结果。
51.故障检测模型训练完成后，利用训练后的故障检测模型进行故障检测。
52.经过需求分析，本发明聚焦在主要的几个功能方面。1)用户添加、删除及信息编辑功能；2)场站运行状态的结果展现，并提供便捷的添加线路功能，方便后期增加故障检测的范围。3)当出现故障情况，能够及时预警，预警位置及预警展示要显眼及突出，并提供查看故障具体情况的功能，以方便工作人员及时发现故障、合理、快速处理故障。
53.需要说明的是，本发明基于深度森林中级联森林的基本结构，提出了一种针对级联森林的改进方法，加权级联森林。在级联结构的训练过程中，为优异的分类器赋予更高的权重，提升优良分类器的性能，降低坏的分类器的影响，最终提升整体检测的准确率，提升模型的整体性能。
54.实施例二
55.本发明所述改进深度森林故障检测系统包括：
56.本系统的架构主要包括视图层、应用层及数据层。如图5所示，1)数据层负责存储及管理本系统中需要的各种数据，主要是负责与数据库进行交互，其中，数据库分为用户数据库及天然气数据库，其中，用户数据库主要包括注册用户的姓名及工号等；天然气数据库主要包括天然气场站的各支路数据。2)应用层为本系统的核心部分，负责接收用户的指令，并将指令发送给对应的后端，包含用户管理模块及故障检测模型，其中，用户管理模块用于处理用户的相关操作，比如增加用户及删除用户；故障检测模块用于对输入的数据进行训练及分类，最终输出检测结果；3)视图层用于展示用户能够直接看到及使用的部分，主要供操作人员与系统之间进行交互，操作人员通过相应的接口向系统发出指令，而后端返回相
应的数据，并通过可视化的方式展现。
57.本发明包括数据导入模块、数据维护模块、故障检测模块及结果展示模块，用于实现天然气场站数据的导入；用户信息的管理，包括用户的增删改查；天然气数据下载到本地；场站各支路的运行状态查看及新支路的添加；故障出现后的及时报警及具体故障情况的查看等。
58.实施例三
59.一种计算机设备，包括存储器、处理器以及存储在所述存储器中并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所述改进深度森林故障检测方法的步骤，其中，所述存储器可能包含内存，例如高速随机存储器，也可能还包括非易失性存储器，例如，至少一个磁盘存储器等；处理器、网络接口、存储器通过内部总线互相连接，该内部总线可以是工业标准体系结构总线、外设部件互连标准总线、扩展工业标准结构总线等，总线可以分为地址总线、数据总线、控制总线等。存储器用于存放程序，具体地，程序可以包括程序代码、所述程序代码包括计算机操作指令。存储器可以包括内存和非易失性存储器，并向处理器提供指令和数据。
60.实施例四
61.一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，所述计算机程序被处理器执行时实现所述改进深度森林故障检测方法的步骤，具体地，所述计算机可读存储介质包括但不限于例如易失性存储器和/或非易失性存储器。所述易失性存储器可以包括随机存储存储器(ram)和/或高速缓冲存储器(cache)等。所述非易失性存储器可以包括只读存储器(rom)、硬盘、闪存、光盘、磁盘等。
62.本领域内的技术人员应明白，本技术的实施例可提供为方法、系统、或计算机程序产品。因此，本技术可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本技术可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
63.本技术是参照根据本技术实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
64.这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
65.这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
66.最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求保护范围之内。