本发明专利技术是一种自适应小波神经网络异常检测故障诊断分类系统及方法，可应用到经济管理异常检测、图像识别分析、视频检索、音频检索、信号异常检测、安全检测等领域。该系统包括采集装置、变送装置、A/D转换装置、自适应小波神经网络异常检测故障诊断分类处理机、显示交互装置、异常报警装置、异常处理装置七个部分构成。自适应小波神经网络异常检测故障诊断分类系统的异常检测故障诊断分类对象是待检测系统自适应小波神经网络对样本可以自动建立自适应机制，通过小波变换多尺度分析能有效提取信号的特征信息，并能够得到更加准确的异常检测、故障诊断定位结果。采用该方法的装置具有通用性，在上述应用领域中准确度高，可实时监控，而且成本低。
【技术实现步骤摘要】
本专利技术提出了一种，可应 用到异常检测、故障诊断、模式识别、工业、经济管理、图像、视频、音频、信号处理、安全等领 域。
技术介绍
目前，异常检测和故障诊断的应用需求极为广泛，例如在工业控制领域，很多设备 都要在工作异常时发出警报，使管理员可以采取及时的处理措施；在施工领域，施工人员迫 切需要一种诊断方法和设备对故障设备和系统进行分析，并作出故障定位。在经济管理，需 要一种对于经济学相关的数据进行分析的方法，能够及时地分析和定位异常和问题。在图 像和视频处理领域，需要一种方法能够对存在异常的图像和视频加以定位和分类，特别是 视频检索、异常检测研究领域存在需求。对于音频和信号处理，例如声纳探测、机械噪音分 析，也特别需要一种能够对异常信号敏感的异常检测，故障诊断分类方法。还有公共安全、 质量安全检测领域，信息异常检测的必要性就显得格外重要，强烈需求一种能够自动运行 的异常检测、问题分类的方法。医学上根据基因分析病症，根据检查结果诊断分析病因病情 的需求同样是本专利技术的一个典型的应用点。上述工业、经济管理、图像、视频、音频、信号处理、安全等领域对异常检测和故障 诊断需求都很大，但没有一种可以解决上述需求的通用的异常检测，故障诊断分类方法和 系统(装置)。即使在某个特殊领域存在着一些初级的异常检测、故障诊断方法，例如模板 比对法、一般神经网络法、概率法，也都存在着应用局限性、自适应性差、准确度低(误诊误 判率高)和对样本数据严重依赖的问题。而且没有一种用于多领域的异常检测、故障诊断 分类的分析系统。即使在某个专门的领域存在专用的故障分析仪，使用时对检测对象的要 求十分苛刻，特别是对系统的输入输出缺乏自适应能力，而且价格昂贵。
技术实现思路
本专利技术的目的是为满足上述领域对异常检测和故障诊断分类系统及方法的需求， 克服现有异常检测、故障诊断方法的上述缺陷，提供了一种自适应小波神经网络异常检测 故障诊断分类系统及方法，该方法克服了应用有局限性、自适应性差、准确度低(误诊误判 率高)和对样本数据严重依赖的问题，该方法可以解决工业、经济管理、图像、视频、音频、 信号处理、安全、医学等领域尚未解决的智能诊断、自动异常检测、数据辅助分析的问题和 需求。为了实现上述目的，本专利技术采取了如下技术方案自适应小波神经网络异常检测故障诊断分类系统100，包括采集装置101、变送装 置102、A/D转换装置103、自适应小波神经网络异常检测故障诊断分类处理机104、显示交 互装置105、异常报警装置106和异常处理装置107。自适应小波神经网络异常检测故障诊 断分类系统100的异常检测故障诊断分类对象是待检测系统110。采集装置101的输入接在待检测系统110的M个监测点(111-1至111-M)上，采 集当前监测点的模拟信号a(.) = 3( , …， )，其中(i = l，2，…，M)，并同过采集装置 101内部的保护机制限制接入的模拟信号，保护后级装置；采集装置101的输出与变送装 置102的输入相连，将接入的模拟信号经过变送装置102转换成为标准的模拟信号A (.)= A(A1,A2, ...,Ai),其中(i = 1,2,…，M)；变送装置102的输出与A/D转换装置103的输入 相连，将变送器输出的标准模拟信号转换成为数字信号x(.) =10^^2，夂，^)，其中(i = 1,2,…，M) ；A/D转换装置103的输出与自适应小波神经网络异常检测故障诊断分类处理 机104的输入相连，自适应小波神经网络异常检测故障诊断分类处理机104通过自适应小 波神经网络异常检测故障诊断分类方法对M个监测点(111-1至111-M)监测的结果进行计 算，得出检测结果f(.) =f(fi;f2, -,fffl),m= 1,2,…，F;自适应小波神经网络异常检测 故障诊断分类处理机104的数字输入输出接口与显示交互装置105的输入相连，显示交互 装置105显示自适应小波神经网络异常检测故障诊断分类处理机104计算的结果，并接受 操纵者对系统工作状态的设定和对样本数据的输入；自适应小波神经网络异常检测故障诊 断分类处理机104的异常检测输出接口与异常报警装置106相连接，异常报警装置106用 于在发生异常和故障时，通过警示装置、通讯工具对操纵者进行报警；自适应小波神经网络 异常检测故障诊断分类处理机104的异常处理输出接口与异常处理装置107相连接，异常 处理装置107在发生异常和故障时，通过硬件装置对待检测系统进行控制。所述的待检测系统110和采集装置101，采集装置101的M个输入装置是根据待检 测系统110具体应用到一个领域时M个监测点(111-1至111-M)的类型而确定的，采集结果 为模拟信号a(.) =3( , ，…， )，其中(i = l，2，…，Μ)；当系统应用于工业控制领域 时，待检测系统110的监测点(1111至111Μ)的类型为电压、电流、电阻、温度、湿度、流量、 受力、磁场强度、光强、辐射、振动、角度时，采集装置则选用与之对应的传感器；当系统应用 于图像、视频处理领域时，待检测系统110的监测点(111-1至111-Μ)的类型为一幅幅图像 时，采集装置则选用与之对应的摄像头、摄像机、照相机、取景器、图像传感器、感光元件传 感器、录像机、放像机、计算机；当系统应用于音频、信号处理领域时，待检测系统110的监 测点(111-1至111-Μ)的类型为声音信号、电磁波信号、生物信号、雷达信号、声纳信号、光 电信号时，采集装置则选用与之对应的信号传感器、信号接收器、信号探测器；当系统应用 于经管信息领域时，待检测系统110的监测点(111-1至111-Μ)的类型为经济指标、化学分 析指标、设备检测结果、调查统计结果时，采集装置则选用与之对应的计算机检测系统、检 测设备、化学分析设备、统计计算设备。所述的自适应小波神经网络异常检测故障诊断分类处理机104，采用了自适应小 波神经网络异常检测故障诊断分类方法，其中自适应小波神经网络300由输入层301、自适 应层302、小波函数计算层303、输出层304、综合层305五个部分依次连接构成。其中包括M 个输入层301结点，M个自适应层302结点，η个小波函数计算层303结点，N个输出层304 结点和F个综合层305结点构成。其中Wji为自适应层302与小波函数计算层303的连接 权值，wJk为小波函数计算层303与输出层304的连接权值；Μ、η的取值范围在5_10之间。其中输入层301用来存储经过采集、变送、转换处理得到的输入变量x(. ) =x (X1, X2, -,Xi), (i = 1,2,…，Μ)；自适应层302将其自适应变换为标准化的待计算量X (.)= X(X1,X2,…，Xi),其中(i = 1,2,…，M)；小波函数计算层303计算得到未经处理的检测诊断原始计算结果Y(.) = Y(U2，…，Yi),其中(i = l，2，…，N)；输出层304对检测诊断 原始结果进行逆自适应变换，得到检测诊断计算结果y(.) = y(yi; y2，…，&)，其中(j = 1,2,…，N)；综合层305对检测诊断计算结果进行综合计算，得到最终的检测诊断结果f(.) =f (f本文档来自技高网...
【技术保护点】
１．自适应小波神经网络异常检测故障诊断分类系统，其特征在于：包括采集装置（１０１）、变送装置（１０２）、Ａ／Ｄ转换装置（１０３）、自适应小波神经网络异常检测故障诊断分类处理机（１０４）、显示交互装置（１０５）和异常报警装置（１０６）；自适应小波神经网络异常检测故障诊断分类系统（１００）的异常检测故障诊断分类对象是待检测系统（１１０）；采集装置（１０１）的输入端接在待检测系统（１１０）的Ｍ个监测点上，采集当前各监测点的模拟信号，采集装置（１０１）的输出端与变送装置（１０２）的输入端相连，变送装置（１０２）将采集的模拟信号转换成标准的模拟信号；变送装置（１０２）的输出端与Ａ／Ｄ转换装置（１０３）的输入端相连，将变送器输出的标准模拟信号转换成为数字信号；Ａ／Ｄ转换装置（１０３）的输出端与自适应小波神经网络异常检测故障诊断分类处理机（１０４）的输入端相连，自适应小波神经网络异常检测故障诊断分类处理机（１０４）通过自适应小波神经网络异常检测故障诊断分类方法对Ｍ个监测点监测的结果进行计算得出检测结果；自适应小波神经网络异常检测故障诊断分类处理机（１０４）的数字输入输出接口与显示交互装置（１０５）的输入相连，显示交互装置（１０５）显示自适应小波神经网络异常检测故障诊断分类处理机（１０４）计算的结果，并接受操纵者对系统工作状态的设定和对样本数据的输入；自适应小波神经网络异常检测故障诊断分类处理机（１０４）的异常检测输出接口与异常报警装置（１０６）相连接，异常报警装置（１０６）用于在发生异常和故障时，通过警示装置、通讯工具对操纵者进行报警。...
【技术特征摘要】
【专利技术属性】
技术研发人员：王普，刘经纬，李会民，乔俊飞，杨蕾，
申请(专利权)人：北京工业大学，
类型：发明
国别省市：11
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。