基于多维数据协同的设备实时性能评估系统及其方法技术方案

本申请涉及设备性能评估技术领域，其具体地公开了一种基于多维数据协同的设备实时性能评估系统及其方法，其通过基于转换器的上下文编码器对待评估设备的多项参数进行上下文语义编码以得到多个参数语义特征向量，然后，分别对所述多个参数语义特征向量进行级联、局部关联特征提取和多尺度领域特征提取以得到所述参数全局语义特征向量、所述参数语义局部关联特征向量和所述多尺度参数关联特征向量，最后，融合上述三者以得到分类特征向量，并通过分类器以得到用于表示待评估设备的健康指数等级标签的分类结果，通过这样方式，充分利用数据本身的特性和规律来自适应地确定适宜的权重，从而全面、客观的对设备实时性能进行评估。评估。评估。

【技术实现步骤摘要】
基于多维数据协同的设备实时性能评估系统及其方法


[0001]本申请涉及设备性能评估
，且更为具体地，涉及一种基于多维数据协同的设备实时性能评估系统及其方法。

技术介绍

[0002]设备的健康状态综合评价对提高设备的稳定性有较大的积极意义。通过建立设备健康指数模型,确定表征设备健康的数字量—健康指数,得出设备的运行状态的优劣,以此来确定设备的维修策略,同时兼顾平衡成本,绩效,预测与评价设备寿命等目的。
[0003]但是，与设备性能相关的指标众多，各项指标间存在复杂的关联，这导致难以建立统一的标准来进行设备健康指数评估。常用的指标权重的确定方法包括主观赋权法、客观赋权法(包括变异值法、熵值法、主成分分析、因子分析、变权方法)，以及，主客观综合赋权法。但是上述权重确定方法都没有能够充分利用数据本身的特性和规律来自适应地确定适宜的权重，导致健康指数的评估不够全面、客观，且传统的模型泛化能力较差，且依赖于人工分析。
[0004]因此，期待一种优化的设备实时性能评估方案。

技术实现思路

[0005]为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种基于多维数据协同的设备实时性能评估系统及其方法，其通过基于转换器的上下文编码器对待评估设备的多项参数进行上下文语义编码以得到多个参数语义特征向量，然后，分别对所述多个参数语义特征向量进行级联、局部关联特征提取和多尺度领域特征提取以得到所述参数全局语义特征向量、所述参数语义局部关联特征向量和所述多尺度参数关联特征向量，最后，融合上述三者以得到分类特征向量，并通过分类器以得到用于表示待评估设备的健康指数等级标签的分类结果，通过这样方式，充分利用数据本身的特性和规律来自适应地确定适宜的权重，从而全面、客观的对设备实时性能进行评估。
[0006]根据本申请的一个方面，提供了一种基于多维数据协同的设备实时性能评估系统，其包括：设备参数采集模块，用于获取待评估设备的多项参数，所述多项参数包括电气参数、润滑参数、工艺参数、机械参数和老化参数；设备参数上下文编码模块，用于将所述待评估设备的多项参数通过基于转换器的上下文编码器以得到多个参数语义特征向量；级联模块，用于将所述多个参数语义特征向量进行级联以得到参数全局语义特征向量；参数间关联编码模块，用于将所述多个参数语义特征向量进行二维排列为特征矩阵后通过作为过滤器的卷积神经网络模型以得到参数语义局部关联特征向量；参数间多尺度编码模块，用于将所述多个参数语义特征向量排列为一维特征向量后通过多尺度邻域特征提取模块以得到多尺度参数关联特征向量；
[0007]特征融合模块，用于融合所述参数全局语义特征向量、所述参数语义局部关联特征向量和所述多尺度参数关联特征向量以得到分类特征向量；以及
[0008]评估结果生成模块，用于将所述分类特征向量通过分类器以得到分类结果，所述分类结果用于表示待评估设备的健康指数等级标签。
[0009]根据本申请的另一方面，提供了一种基于多维数据协同的设备实时性能评估方法，其包括：获取待评估设备的多项参数，所述多项参数包括电气参数、润滑参数、工艺参数、机械参数和老化参数；将所述待评估设备的多项参数通过基于转换器的上下文编码器以得到多个参数语义特征向量；将所述多个参数语义特征向量进行级联以得到参数全局语义特征向量；将所述多个参数语义特征向量进行二维排列为特征矩阵后通过作为过滤器的卷积神经网络模型以得到参数语义局部关联特征向量；将所述多个参数语义特征向量排列为一维特征向量后通过多尺度邻域特征提取模块以得到多尺度参数关联特征向量；融合所述参数全局语义特征向量、所述参数语义局部关联特征向量和所述多尺度参数关联特征向量以得到分类特征向量；以及将所述分类特征向量通过分类器以得到分类结果，所述分类结果用于表示待评估设备的健康指数等级标签。
[0010]与现有技术相比，本申请提供的一种基于多维数据协同的设备实时性能评估系统及其方法，其通过基于转换器的上下文编码器对待评估设备的多项参数进行上下文语义编码以得到多个参数语义特征向量，然后，分别对所述多个参数语义特征向量进行级联、局部关联特征提取和多尺度领域特征提取以得到所述参数全局语义特征向量、所述参数语义局部关联特征向量和所述多尺度参数关联特征向量，最后，融合上述三者以得到分类特征向量，并通过分类器以得到用于表示待评估设备的健康指数等级标签的分类结果，通过这样方式，充分利用数据本身的特性和规律来自适应地确定适宜的权重，从而全面、客观的对设备实时性能进行评估。
附图说明
[0011]通过结合附图对本申请实施例进行更详细的描述，本申请的上述以及其他目的、特征和优势将变得更加明显。附图用来提供对本申请实施例的进一步理解，并且构成说明书的一部分，与本申请实施例一起用于解释本申请，并不构成对本申请的限制。在附图中，相同的参考标号通常代表相同部件或步骤。
[0012]图1图示了根据本申请实施例的基于多维数据协同的设备实时性能评估系统的框图示意图。
[0013]图2图示了根据本申请实施例的基于多维数据协同的设备实时性能评估系统中设备参数上下文编码模块的框图。
[0014]图3图示了根据本申请实施例的基于多维数据协同的设备实时性能评估系统中参数间多尺度编码模块的框图。
[0015]图4图示了根据本申请实施例的基于多维数据协同的设备实时性能评估系统中特征融合模块的框图。
[0016]图5图示了根据本申请实施例的基于多维数据协同的设备实时性能评估方法的流程图。
[0017]图6图示了根据本申请实施例的基于多维数据协同的设备实时性能评估方法的系统架构的示意图。
[0018]图7图示了根据本申请实施例的基于多维数据协同的设备实时性能评估方法中，
将所述待评估设备的多项参数通过基于转换器的上下文编码器以得到多个参数语义特征向量的流程图。
[0019]图8图示了根据本申请实施例的基于多维数据协同的设备实时性能评估方法中，将所述多个参数语义特征向量排列为一维特征向量后通过多尺度邻域特征提取模块以得到多尺度参数关联特征向量的流程图。
[0020]图9图示了根据本申请实施例的基于多维数据协同的设备实时性能评估方法中，融合所述参数全局语义特征向量、所述参数语义局部关联特征向量和所述多尺度参数关联特征向量以得到分类特征向量的流程图。
具体实施方式
[0021]下面，将参考附图详细地描述根据本申请的示例实施例。显然，所描述的实施例仅仅是本申请的一部分实施例，而不是本申请的全部实施例，应理解，本申请不受这里描述的示例实施例的限制。
[0022]场景概述
[0023]如上所述，与设备性能相关的指标众多，各项指标间存在复杂的关联，这导致难以建立统一的标准来进行设备健康指数评估。常用的指标权重的确定方法包括主观赋权法、客观赋权法(包括变异值法、熵值法、主成分分析、因子分析、变权方法)，以及，主客观综合赋权法。但是上述权重确定方法都没有能够充分利用数据本身的特性和规律来自适本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多维数据协同的设备实时性能评估系统，其特征在于，包括：设备参数采集模块，用于获取待评估设备的多项参数，所述多项参数包括电气参数、润滑参数、工艺参数、机械参数和老化参数；设备参数上下文编码模块，用于将所述待评估设备的多项参数通过基于转换器的上下文编码器以得到多个参数语义特征向量；级联模块，用于将所述多个参数语义特征向量进行级联以得到参数全局语义特征向量；参数间关联编码模块，用于将所述多个参数语义特征向量进行二维排列为特征矩阵后通过作为过滤器的卷积神经网络模型以得到参数语义局部关联特征向量；参数间多尺度编码模块，用于将所述多个参数语义特征向量排列为一维特征向量后通过多尺度邻域特征提取模块以得到多尺度参数关联特征向量；特征融合模块，用于融合所述参数全局语义特征向量、所述参数语义局部关联特征向量和所述多尺度参数关联特征向量以得到分类特征向量；以及评估结果生成模块，用于将所述分类特征向量通过分类器以得到分类结果，所述分类结果用于表示待评估设备的健康指数等级标签。2.根据权利要求1所述的基于多维数据协同的设备实时性能评估系统，其特征在于，所述参数间关联编码模块，包括：嵌入向量化单元，用于使用所述上下文编码器的嵌入层将所述待评估设备的多项参数转化为嵌入向量以得到嵌入向量的序列；以及上下文编码单元，用于使用所述上下文编码器的基于转换器的Bert模型对所述嵌入向量的序列进行基于全局的上下文语义编码以得到多个参数语义特征向量。3.根据权利要求2所述的基于多维数据协同的设备实时性能评估系统，其特征在于，所述参数间多尺度编码模块，包括：第一尺度编码单元，用于使用所述多尺度邻域特征提取模块的第一卷积层以具有第一尺度的一维卷积核对所述一维特征向量进行一维卷积编码以得到第一尺度参数关联特征向量；第二尺度编码单元，用于使用所述多尺度邻域特征提取模块的第二卷积层以具有第二尺度的一维卷积核对所述一维特征向量进行一维卷积编码以得到第二尺度参数关联特征向量；以及多尺度级联单元，用于将所述第一尺度参数关联特征向量和所述第二尺度参数关联特征向量进行级联以得到所述多尺度参数关联特征向量。4.根据权利要求3所述的基于多维数据协同的设备实时性能评估系统，其特征在于，所述第一尺度编码单元，进一步用于：使用所述多尺度邻域特征提取模块的第二卷积层以如下公式对所述一维特征向量进行一维卷积编码以得到第二尺度参数关联特征向量；其中，所述公式为：其中，a为第一卷积核在x方向上的宽度、F(a)为第一卷积核参数向量、G(x
‑
a)为与卷积核函数运算的局部向量矩阵，w为第一卷积核的尺寸，X表示所述一维特征向量。5.根据权利要求4所述的基于多维数据协同的设备实时性能评估系统，其特征在于，所述第二尺度编码单元，进一步用于：使用所述多尺度邻域特征提取模块的第二卷积层以如下公式对所述一维特征向量进行一维卷积编码以得到第二尺度参数关联特征向量；其中，所述公式为：
其中，b为第二卷积核在x方向上的宽度、F(b)为第二卷积核参数向量、...

【专利技术属性】
技术研发人员：吴武江，
申请(专利权)人：杭州国辰智企科技有限公司，
类型：发明
国别省市：