【技术实现步骤摘要】
本专利技术涉及承压设备健康评估，更具体地说，它涉及一种检验大数据下基于人工智能的设备健康状态评估方法。
技术介绍
1、承压类特种设备(包括锅炉、压力容器、压力管道)一般具有参数高、容积大、能量高以及数量多、分布广等特点，有较高的危险性，一旦健康状况恶化，产生事故，可能会造成灾难性后果。然而，对于这类设备的健康状态，一直很难实现准确的量化评估。
2、虽然承压类特种设备的风险评估、剩余寿命评价等健康相关的评估方法已经具有一定的成熟度，乃至形成了标准，但是仍然缺乏从检测维度更为全面的检验数据出发，实现高精度健康状态评估的方法。基于检验数据的健康状态评估存在以下两个主要难题亟需解决：
3、1)如何从检测维度更为全面的检验数据中提取健康相关的特征。检验数据中有大量以文本的形式存储的信息，如何从这些文本中提取有效信息，用于构造健康状态高度相关的特征，是本专利技术解决的难题之一；
4、2)如何基于检验特征构建健康指标计算模型。在特征提取的基础上，如何构建健康指标计算模型，以高效评估检验时设备的健康状态，是本专利技术突破的另外一个难点。
技术实现思路
1、本专利技术的目的是为了解决上述问题，提供一种检验大数据下基于人工智能的设备健康状态评估方法。
2、本专利技术的上述技术目的是通过以下技术方案得以实现的：一种检验大数据下基于人工智能的设备健康状态评估方法，其特征是，包括以下步骤：
3、s1、检验要素提取，构建面向检验报告信息提取的模型，并
4、s2、使用上述特征集合训练深度自编码器；
5、s3、将训练好的深度自编码器，用于待评估的设备检验要素特征，计算重构误差；
6、s4、利用重构误差，计算健康指标。
7、优选的，步骤s1中，所述面向检验报告信息提取的模型基于ernie-layout预训练语言模型，检验要素提取流程包括以下步骤：
8、k1、将检验报告(pdf版)中检验要素进行标注，形成标注训练集。检验要素包括基础信息、技术参数、检验结果、检验参数、检验问题、检验分析、检验结论等；
9、k2、使用以上标注的训练集，对ernie-layout预训练语言模型进行微调，得到检验报告信息提取模型；
10、k3、利用检验报告信息提取模型对检验报告进行检验要素提取，生成结构化数据。
11、优选的，步骤s1中，所述提取特征，构造特征集合，流程包括以下步骤：
12、n1、利用bert模型，将检验问题在内的检验文本，提取为word embeddings(单词嵌入)特征；
13、n2、利用独热编码/标签编码/词袋模型/tf-idf将安全状况等级、压力容器类别等在内的类别数据，提取为0,1...等数值型特征；
14、n3、将压力、温度等数据，提取为归一化的数值型特征；
15、n4、将特征横向拼接，构造特征集合。
16、综上所述，本专利技术具有以下有益效果：
17、自动化：该方法可以自动地提取检验数据的内在结构和特征，避免了手动设计特征的困难。
18、高效性：该方法可以高效地处理大量的检验数据，并从中提取出关键信息，为后续的数据分析和应用提供基础支持。
19、精度高：该方法可以从检测维度更为全面的检验数据中，生成重构误差来衡量设备的健康状态，并据此生成健康指标，从而实现设备健康状态的定量评估，具有很高的精度。
20、可扩展性：该方法可以应用于不同类型的设备健康状态评估，具有很强的可扩展性。
本文档来自技高网...【技术保护点】
1.种检验大数据下基于人工智能的设备健康状态评估方法，其特征是，包括以下步骤：
2.根据权利要求1所述的一种检验大数据下基于人工智能的设备健康状态评估方法，其特征是，步骤S1中，所述面向检验报告信息提取的模型基于ERNIE-Layout预训练语言模型，检验要素提取流程包括以下步骤：
3.根据权利要求1所述的一种检验大数据下基于人工智能的设备健康状态评估方法，其特征是，步骤S1中，所述提取特征，构造特征集合，流程包括以下步骤：
【技术特征摘要】
1.种检验大数据下基于人工智能的设备健康状态评估方法，其特征是，包括以下步骤：
2.根据权利要求1所述的一种检验大数据下基于人工智能的设备健康状态评估方法，其特征是，步骤s1中，所述面向检验报告信息提取的模型基于e...
【专利技术属性】
技术研发人员：张玉媛，王晓岚，石坤，金益斌，郭新然，周云奕，蔡康健，李彬楠，史冰洁，郑鹏，
申请(专利权)人：中国特种设备检测研究院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。