申请/专利权人：深圳市明心数智科技有限公司

申请日：2023-12-27

公开（公告）日：2024-04-16

公开（公告）号：CN117473445B

主分类号：G06F18/2433

分类号：G06F18/2433;G06N3/006;G06N3/04;G06N3/08;G06F18/213

优先权：

专利状态码：有效-授权

法律状态：2024.04.16#授权;2024.02.20#实质审查的生效;2024.01.30#公开

摘要：本申请涉及人工智能技术领域，公开了一种基于极限学习机的设备异常分析方法及装置。方法包括：获取待检测养殖水域的养殖设备工作状态数据集；通过预置的运行数据分解模型，对所述养殖设备工作状态数据集进行分解，得到多个工作状态分解结果；分别将所述多个工作状态分解结果输入预置的极限学习机模型进行特征提取，得到多个目标高维特征向量；将所述多个目标高维特征向量输入预置的养殖设备异常检测模型进行养殖设备运行异常检测，得到设备异常分类结果；根据所述设备异常分类结果创建对应的养殖设备异常处理策略，进而提高了养殖设备异常处理的准确率和效率。

主权项：1.一种基于极限学习机的设备异常分析方法，其特征在于，所述基于极限学习机的设备异常分析方法包括：获取待检测养殖水域的养殖设备工作状态数据集；通过预置的运行数据分解模型，对所述养殖设备工作状态数据集进行分解，得到多个工作状态分解结果；具体包括：通过预置的参数聚类模型，对所述养殖设备工作状态数据集进行运行参数分类，得到多个初始设备运行数据，其中，所述多个初始设备运行数据包括：温度数据、湿度数据、水质数据及设备振动数据；分别对所述多个初始设备运行数据进行时序关联处理，得到多个目标设备运行数据；分别对所述多个目标设备运行数据进行参数初始化，得到每个目标设备运行数据的初始化参数集合；通过预置的互补式集合经验模态分解模型，根据所述初始化参数集合分别对所述多个目标设备运行数据进行分解，得到每个目标设备运行数据的多个工作状态分解结果；其中，得到每个目标设备运行数据的多个工作状态分解结果，包括：S1：通过预置的互补式集合经验模态分解模型，根据所述初始化参数集合设置迭代次数M和收敛阈值ε；S2：通过预置的均值曲线计算函数，分别计算每个目标设备运行数据的均值曲线cit，其中，所述均值曲线计算函数为：cit=（1M）∑xt*hmt，cit表示均值曲线，M表示迭代次数，xt表示目标设备运行数据，hmt表示噪声函数；S3：根据所述均值曲线cit，计算每个目标设备运行数据的一维累积能量曲线Eit，其中，所述一维累积能量曲线Eit的计算函数为：Eit=∫[xt-cit]2dt，Eit表示一维累积能量曲线，xt表示目标设备运行数据；S4：判断所述一维累积能量曲线Eit是否小于所述收敛阈值ε；S5：若所述一维累积能量曲线Eit＜所述收敛阈值ε，则根据所述一维累积能量曲线Eit生成每个目标设备运行数据的多个工作状态分解结果；S6：若所述一维累积能量曲线Eit≥所述收敛阈值ε，则根据所述一维累积能量曲线Eit计算对应的一维极值曲线Mit，并根据所述一维累积能量曲线Eit和所述一维极值曲线Mit生成每个目标设备运行数据的多个工作状态分解结果，其中，所述一维极值曲线Mit的计算函数为：Mit=maxEit-Eit，Mit表示一维极值曲线，maxEit表示一维累积能量曲线Eit的极值，Eit表示一维累积能量曲线；S7：迭代执行上述步骤S2~S6，直至所述迭代次数M执行结束，输出每个目标设备运行数据的多个工作状态分解结果；分别将所述多个工作状态分解结果输入预置的极限学习机模型进行特征提取，得到多个目标高维特征向量；具体包括：分别将每个目标设备运行数据的多个工作状态分解结果输入预置的极限学习机模型，其中，所述极限学习机模型包括：输入层、多个隐藏层以及输出层；通过所述极限学习机模型对所述多个工作状态分解结果进行特征提取，得到每个工作状态分解结果对应的初始高维特征向量，并对所述初始高维特征向量进行组合，得到每个目标设备运行数据的组合高维特征向量；通过预置的樽海鞘优化算法对每个目标设备运行数据的组合高维特征向量进行权重优化分析，得到多个目标高维特征向量；将所述多个目标高维特征向量输入预置的养殖设备异常检测模型进行养殖设备运行异常检测，得到设备异常分类结果；根据所述设备异常分类结果创建对应的养殖设备异常处理策略。

全文数据：

权利要求：

百度查询： 深圳市明心数智科技有限公司 基于极限学习机的设备异常分析方法及装置

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