全网唯一标准王
文库搜索
切换导航
文件分类
频道
文件分类
批量下载
(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111262486.2 (22)申请日 2021.10.28 (71)申请人 中国科学院自动化研究所 地址 100190 北京市海淀区中关村东路95 号 (72)发明人 谭杰 李媛 刘承宝 (74)专利代理 机构 北京路浩知识产权代理有限 公司 11002 代理人 蒋娟 (51)Int.Cl. G06K 9/00(2022.01) G06K 9/62(2022.01) G06N 20/00(2019.01) (54)发明名称 一种基于主动学习的分布式检测系统 (57)摘要 本发明提供一种基于主动学习的分布式检 测系统, 包括分布式传感器集群、 边缘计算服务 器集群、 核心计算服务器集群和主动学习服务 器; 分布式传感器集群用于对工业现场进行信号 采集, 为系统提供各类原始数据; 边缘计算服务 器集群用于对 各类信号进行融合, 并对融合信号 进行特征提取, 对系统进行边缘计算; 核心计算 服务器集群用于对有标签的数据同步进行故障 预测和异常分类; 主动学习服务器用于对未标记 数据进行机器标注。 通过 实施本发 明实施例能够 高效且准确地实现对工业现场的故障预测和异 常监测及分类 。 权利要求书2页 说明书7页 附图5页 CN 114139570 A 2022.03.04 CN 114139570 A 1.一种基于主动学习的分布式检测系统, 其特征在于, 包括分布式传感器集群、 边缘计 算服务器集群、 核心计算 服务器集群和主动学习服 务器; 所述分布式传感器集群, 用于采集工业现场中产生的基础数据, 并将所述基础数据发 送至所述 边缘计算服务器集群; 所述边缘计算服务器集群, 用于利用预设的信号加密算法对接收到的基础数据进行小 波变换, 继而利用预设的信号 解密算法进行小 波反变换 得到的融合时序数据并输出; 所述核心计算服务器集群, 用于将带有标注的融合 时序数据输入至训练好的故障预测 模型输出得到故障预测结果, 同时, 将带有标注的融合时序数据输入至训练好的异常分类 模型输出 得到异常 分类结果; 所述主动学习服务器, 用于基于所述故障预测模型和所述异常分类模型的训练情况对 所述融合时序数据进行 数据标注。 2.根据权利要求1所述的基于主动学习的分布式检测系统, 其特征在于, 所述基础数据 包括分别设置 于生产车间、 生产设备和生产零部件上的所有传感器采集到的信号数据。 3.根据权利要求2所述的基于主动学习的分布式检测系统, 其特征在于, 所述分布式传 感器集群基于香农定理确定各个传感器的采样频率和采用周期, 以使 各个传感器根据确定 的采样频率和采用 周期进行信号采集。 4.根据权利要求1所述的基于主动学习的分布式检测系统, 其特征在于, 所述边缘计算 服务器集群包括: 数据融合模块, 用于将所述基础数据进行信息融合得到融合信号数据; 信号变换模块, 用于利用预设的信号加密算法对所述融合信号数据进行小波变换得到 信号的幅度谱和相位谱, 采用蒙特卡洛随机算法对所述幅度谱进行平均划分得到新幅度 谱, 再将所述相位谱和所述 新幅度谱进行 元素积操作得到新频域信号; 信号反变换模块, 用于利用预设的信号解密算法对所述新频域信号进行小波反变换得 到所述融合时序数据并输出。 5.根据权利要求1所述的基于主动学习的分布式检测系统, 其特征在于, 所述核心计算 服务器集群包括: 故障预测模块, 用于将带有标注的融合 时序数据输入至训练好的故障预测模型进行自 回归预测, 得到所述故障预测模型输出的故障预测结果; 异常分类模块, 用于将带有标注的融合时序数据转化为图像, 继而将所述图像输入至 训练好的异常 分类模型进行分类, 得到所述异常 分类模型输出的异常 分类结果。 6.根据权利要求1所述的基于主动学习的分布式检测系统, 其特征在于, 所述核心计算 服务器集群还 包括: 第一模型训练模块, 用于根据 预先获取的第 一样本数据以及与 所述第一样本数据对应 的故障监测结果对所述故障预测模型进行训练得到训练好的故障预测模型; 第二模型训练模型, 用于根据 预先获取的第 二样本数据以及与 所述第二样本数据对应 的异常监测结果对所述异常 分类模型进行训练得到训练好的异常 分类模型。 7.根据权利要求1所述的基于主动学习的分布式检测系统, 其特征在于, 所述主动学习 服务器包括: 相关性运算模块, 用于基于所述故障预测模型和所述异常分类模型的训练情况进行相权 利 要 求 书 1/2 页 2 CN 114139570 A 2关性运算, 得到相关性评估结果; 数据标注模块, 用于根据所述相关性评估结果对所述融合时序数据进行 数据标注。 8.根据权利要求1所述的基于主动学习的分布式检测系统, 其特征在于, 所述主动学习 服务器还包括标注校正模块, 用于根据获取到的人工校正指令对所述融合时序数据的标注 进行校正。 9.根据权利要求2所述的基于主动学习的分布式检测系统, 其特征在于, 所述信号数据 包括所述 生产车间的环境数据、 所述 生产设备的运行 数据和所述 生产零部件的感应数据。 10.根据权利要求5所述的基于主动学习的分布式检测系统, 其特征在于, 所述异常分 类模型为采用基于注意力机制的异常 分类模型。权 利 要 求 书 2/2 页 3 CN 114139570 A 3
专利 一种基于主动学习的分布式检测系统
文档预览
中文文档
15 页
50 下载
1000 浏览
0 评论
309 收藏
3.0分
赞助2元下载(无需注册)
温馨提示:本文档共15页,可预览 3 页,如浏览全部内容或当前文档出现乱码,可开通会员下载原始文档
下载文档到电脑,方便使用
赞助2元下载
本文档由 人生无常 于
2024-03-18 18:59:05
上传分享
举报
下载
原文档
(586.4 KB)
分享
友情链接
ISO IEC TS 17021-7 2014 Conformity assessment — Requirements for bodies providin.pdf
ISO 13640 2018 Buildings and civil engineering works Sealants Specifications for test substrates.pdf
ISO 5-4 2009 Photography and graphic technology — Density measurements — Part 4 Geometric conditions for reflection density.pdf
ISO TR 20520 2018 Traditional Chinese medicine — Infection control for acupuncture t.pdf
ISO 6898 1984 Open front mechanical power presses — Capacity ratings and dimensions.pdf
ISO 1839:1980 Tea - Sampling.pdf
ISO IEC 14496-33 2019 Information technology — Coding of audio-visual objects — Part 33 Internet video coding.pdf
ISO 8733 1997 Parallel pins with internal thread of unhardened steel and austenitic stainless steel.pdf
ISO 17266 2018 Cinematography — Multichannel analogue and digital photographic sound and control records on 35 mm motion-picture prints and negatives, and digital sound-control records on.pdf
ISO IEC 7816-8 2021 Identification cards — Integrated circuit cards — Part 8 Commands and mechanisms for security operations.pdf
GB-T 28772-2012 内燃机油分类.pdf
GB-T 17626.1-2006 电磁兼容 试验和测量技术 抗扰度试验总论.pdf
GB-T 20703-2006 船舶电气装置 取暖和烹调电器.pdf
GB-T 39352-2020 空间数据与信息传输系统 邻近空间链路协议 数据链路层.pdf
GB-T 27025-2019 检测和校准实验室能力的通用要求.pdf
GB 11555-2009 汽车风窗玻璃除霜和除雾系统的性能和试验方法.pdf
GB-T 32424-2015 系统与软件工程 用户文档的设计者和开发者要求.pdf
GB-T 23602-2009 钛及钛合金表面除鳞和清洁方法.pdf
GB-T 2793-1995 胶粘剂不挥发物含量的测定.pdf
GB-T 40374-2021 硬质合金化学分析方法 铅量和镉量的测定 火焰原子吸收光谱法和电感耦合等离子体原子发射光谱法.pdf
1
/
3
15
评价文档
赞助2元 点击下载(586.4 KB)
回到顶部
×
微信扫码支付
2
元 自动下载
官方客服微信:siduwenku
支付 完成后 如未跳转 点击这里 下载
站内资源均来自网友分享或网络收集整理,若无意中侵犯到您的权利,敬请联系我们
微信(点击查看客服)
,我们将及时删除相关资源。