申请/专利权人：中国地质大学(武汉)

申请日：2023-12-06

公开（公告）日：2024-03-26

公开（公告）号：CN117762100A

主分类号：G05B19/418

分类号：G05B19/418

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.12#实质审查的生效;2024.03.26#公开

摘要：本发明提供了一种基于流形学习的工业报警泛滥根源诊断方法、设备及介质，涉及工业过程故障监测与诊断领域，方法分为离线训练过程和在线监测过程，离线步骤包括：预处理历史报警事件日志、提取历史报警泛滥序列及标签数据、向量化编码、利用报警泛滥序列的词向量和标签数据训练半监督分类器，得到基于流形学习的报警泛滥根源诊断模型；在线步骤包括：对在线报警泛滥序列向量化编码、输入报警泛滥根源诊断模型,得到诊断结果；设备及介质用于实现方法。本发明的有益效果是：减少了需要获取标签数据的数量，且操作员能够更直观地理解数据的组织方式，从而更好地识别和理解报警泛滥的原因，有助于解决和预防报警泛滥现象。

主权项：1.一种基于流形学习的工业报警泛滥根源诊断方法，其特征在于，分为离线训练过程和在线监测过程；离线步骤包括:S1、预处理历史报警事件日志；S2、提取历史报警泛滥序列及标签数据；S3、基于词嵌入，对历史报警泛滥序列进行向量化编码，得到历史报警泛滥序列的词向量；S4、利用报警泛滥序列的词向量和标签数据训练半监督分类器，得到基于流形学习的报警泛滥根源诊断模型；在线步骤包括：S5、对在线监测的报警泛滥序列基于词坠入向量化编码，得到待测报警泛滥序列词向量；S6、将待测报警泛滥序列词向量输入报警泛滥根源诊断模型,得到诊断结果。

全文数据：

权利要求：

百度查询： 中国地质大学(武汉) 基于流形学习的工业报警泛滥根源诊断方法、设备及介质

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD