【技术实现步骤摘要】
本申请涉及智能监测，更具体地，涉及一种多源传感器故障检测方法、计算机设备、计算机可读存储介质及计算机程序产品。
技术介绍
1、传感技术和检测技术的不断进步，使得用于监测船舶动力系统的智能监测系统得到快速发展，准确的传感器数据可以提供有关船舶动力系统运行的信息，以帮助预测船舶的运行状态，并帮助计算子系统的控制参数。
2、然而，由于传感器的老化、缺陷或环境因素，传感器容易出现数据丢失、随机噪声、漂移等故障。虽然传统的传感器故障检测方法可以检测和隔离故障并重建损坏或丢失的传感器数据，但它们需要大量的人为干预，并且无法做到实时对船舶动力系统中庞大数量的多源传感器进行准确的故障检测、定位以及矫正。
技术实现思路
1、为了解决上述问题，本专利技术提供了一种多源传感器故障检测方法、计算机设备、计算机可读存储介质及计算机程序产品，能够实时对传感器进行故障检测、故障分类和故障数据重构，提高传感器故障检测的准确性。
2、为实现上述目的，按照本专利技术的第一个方面，提供了一种多源传感器故障检测方法，该方法应用于船舶动力系统，包括：
3、获取多种类型的传感器采集的传感器数据；
4、通过卷积神经网络对传感器数据进行故障识别，确定传感器故障的类型；
5、通过与传感器故障的类型对应的卷积自编码器对发生故障的传感器采集的传感器数据进行重构，输出矫正数据，卷积自编码器的数量为传感器故障的类型的数量；
6、将发生故障的传感器采集的传感器数据替换为
7、进一步地，获取多种类型的传感器采集的传感器数据，包括通过预设时间长度的滑动窗口，获取多种类型的传感器采集的传感器数据，传感器数据包括船舶动力系统在动力转换过程中产生的蒸汽、凝结水的流量、压力、温度中的至少一种。
8、进一步地，获取多种类型的传感器采集的传感器数据，包括获取多种类型的传感器采集的传感器数据，传感器数据以矩阵形式输入至卷积神经网络。
9、进一步地，通过卷积神经网络对传感器数据进行故障识别，确定传感器故障的类型，包括通过卷积神经网络，检测是否有传感器数据异常；在检测到传感器数据异常的情况下，对传感器故障进行分类，确定传感器故障的类型。
10、进一步地，传感器故障的类型包括数据缺失故障、随机噪声和漂移故障，在检测到传感器数据异常的情况下，对传感器故障进行分类，确定传感器故障的类型，包括在检测到传感器数据为缺失数据的情况下，确定传感器故障为数据缺失故障；在检测到传感器数据为随机数据的情况下，确定传感器故障为随机噪声；在检测到传感器数据为漂移数据的情况下，确定传感器故障为漂移故障。
11、进一步地，卷积神经网络包括第一卷积层、第一最大池化层、第二卷积层、第二最大池化层、第一全连接层、第二全连接层和softmax层。
12、进一步地，将发生故障的传感器采集的传感器数据替换为矫正数据，输出重构数据矩阵，包括计算发生故障的传感器采集的传感器数据和矫正数据的差分度量；在差分度量大于预设值的情况下，将发生故障的传感器采集的传感器数据替换为矫正数据，输出重构数据矩阵。
13、按照本专利技术的第二个方面，还提供了一种计算机设备，其包括存储器、处理器及存储在该存储器上的计算机程序，该处理器执行该计算机程序以实现上述任一项方法的步骤。
14、按照本专利技术的第三个方面，还提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述任一项方法的步骤。
15、按照本专利技术的第四个方面，还提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述任一项方法的步骤。
16、总体而言，通过本专利技术所构思的以上技术方案与现有技术相比，能够取得下列有益效果：
17、本专利技术提供的一种多源传感器故障检测方法，利用多源传感器采集的传感器数据之间的时空相关性，通过卷积神经网络对传感器数据进行故障检测，在检测到故障时确定故障类型，然后通过与故障类型对应的卷积自编码器对故障数据进行重构，将故障数据替换为重构得到的矫正数据，最终输出重构数据矩阵，从而达到了实时自动对船舶动力系统中的一个或多个传感器进行准确的故障检测、故障分类和故障数据重构、避免了人工干预的目的。
本文档来自技高网...【技术保护点】
1.一种多源传感器故障检测方法，应用于船舶动力系统，其特征在于，包括：
2.如权利要求1所述的方法，其特征在于，所述获取多种类型的传感器采集的传感器数据，包括：
3.如权利要求1所述的方法，其特征在于，所述获取多种类型的传感器采集的传感器数据，包括：
4.如权利要求1所述的方法，其特征在于，所述通过卷积神经网络对所述传感器数据进行故障识别，确定传感器故障的类型，包括通过卷积神经网络，检测是否有传感器数据异常，在检测到传感器数据异常的情况下，对传感器故障进行分类，确定传感器故障的类型。
5.如权利要求4所述的方法，其特征在于，所述传感器故障的类型包括数据缺失故障、随机噪声和漂移故障，所述在检测到传感器数据异常的情况下，对传感器故障进行分类，确定传感器故障的类型，包括：
6.如权利要求1所述的方法，其特征在于，所述卷积神经网络包括第一卷积层、第一最大池化、第二卷积层、第二最大池化层、第一全连接层、第二全连接层和softmax层。
7.如权利要求1所述的方法，其特征在于，所述将发生故障的传感器采集的传感器数据替换为
8.一种计算机设备，其特征在于，包括存储器、处理器及存储在存储器上的计算机程序，其特征在于，所述处理器执行所述计算机程序以实现权利要求1-7中任一项所述方法的步骤。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1-7中任一项所述方法的步骤。
10.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1-7中任一项所述方法的步骤。
...【技术特征摘要】
1.一种多源传感器故障检测方法，应用于船舶动力系统，其特征在于，包括：
2.如权利要求1所述的方法，其特征在于，所述获取多种类型的传感器采集的传感器数据，包括：
3.如权利要求1所述的方法，其特征在于，所述获取多种类型的传感器采集的传感器数据，包括：
4.如权利要求1所述的方法，其特征在于，所述通过卷积神经网络对所述传感器数据进行故障识别，确定传感器故障的类型，包括通过卷积神经网络，检测是否有传感器数据异常，在检测到传感器数据异常的情况下，对传感器故障进行分类，确定传感器故障的类型。
5.如权利要求4所述的方法，其特征在于，所述传感器故障的类型包括数据缺失故障、随机噪声和漂移故障，所述在检测到传感器数据异常的情况下，对传感器故障进行分类，确定传感器故障的类型，包括：
6.如权利要...
【专利技术属性】
技术研发人员：周天成，周宏宽，柴文婷，陶模，柯志武，郑伟，郭晓杰，王晨阳，柯汉兵，李献领，刘子平，王瑞奇，
申请(专利权)人：中国船舶集团有限公司第七一九研究所，
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。