(19)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 202211341208.0 (22)申请日 2022.10.31 (71)申请人 山东鲁抗医药集团赛特有限责任公 司 地址 271000 山东省泰安市新泰市莲 花山 路518号 (72)发明人 高芳旺　康等贵　胡小凤　张超　 张展　马学龙　刘娟　牛元亮　 李娜　牛元玮　朱富兰　刘江　 (74)专利代理 机构 青岛致嘉知识产权代理事务 所(普通合伙) 3723 6 专利代理师 韩艳艳 (51)Int.Cl. G06K 9/62(2022.01) (54)发明名称 一种电子数 粒机运行异常检测方法及系统 (57)摘要 本发明涉及数据 识别技术领域， 具体涉及一 种电子数粒机运行异常检测方法及系统。 该方法 通过设定采样频率采集电子数粒机关键指标的 数据， 根据关键指标数据两两 之间的相似度权值 构建相似度矩阵， 通过相似度矩阵得到关键指标 数据对应的特征矩阵， 根据关键指标数据对应的 特征矩阵行向量与正常数据的特征矩 阵行向量 进行比对筛选出异常数据。 本发 明通过关键指标 数据两两之间所处的近邻集合交集和空间距离 计算出相似度权值， 并且根据关键指标数据对应 的特征矩 阵与正常数据对应的特征矩 阵间的差 异筛选出异常数据， 使 得本发明在不同使用环境 具有高适应性的同时保证了异常数据检测的准 确性。 权利要求书3页 说明书9页 附图1页 CN 115392408 A 2022.11.25 CN 115392408 A 1.一种电子数 粒机运行异常检测方法， 其特 征在于， 所述方法包括： 根据预设采样频率采集电子数粒机运行过程中至少两种关键指标， 获得至少两种关键 指标向量； 根据目标关键指标向量的每个元素值获得每个元素的近邻集合； 根据 所述目标关键指 标向量中两个元素之 间的差异获得相似度权值； 若所述目标关键指标向量中两个元素之间 存在近邻集合交集， 则根据所述目标关键指标向量中两个元素与对应的所述近邻集合交集 中元素的差异获得相似度权值； 根据所述相似度权值通过谱聚类得到的特征列向量构建特征矩阵， 对所述特征矩阵的 行向量聚类分析获得至少两个特征类别和每个特征类别的均值行向量； 根据标准均值行向 量和所述均值行向量的差异距离筛选出异常均值行向量； 根据所有异常均值行向量对应的 所述差异距离和所述异常均值行向量对应的所述特征类别中的样本数量获得目标关键指 标的异常程度； 根据历史数据获取每种关键指标因为异常所导致电子数粒机停机的停机概率； 通过每 种所述关键指标的异常程度和对应的停机概率得到电子数粒机的运行状况指标； 根据所述 运行状况指标判断电子数 粒机运行异常情况。 2.根据权利要求1所述的一种电子数粒机运行异常检测方法， 其特征在于， 获取至少两 种关键指标向量后包括： 根据向量相邻元素之间的差异筛选出 噪点数据； 将所述噪点数据的前一个元素与后一 个元素的均值作为所述噪点数据重构之后的数据； 当所述噪点数据为关键指标向量的起始 端时， 将所述噪点数据的后一个元素作为所述噪点数据重构之后的数据， 当所述噪点数据 为关键指标向量的结尾端时， 将所述噪点数据的前一个元素作为所述噪点数据重构之后的 数据； 将所述关键指标向量中所述噪点数据对应替换为所述噪点数据重构之后的数据得到 去噪后的关键指标向量。 3.根据权利要求2所述的一种电子数粒机运行异常检测方法， 其特征在于， 所述根据向 量相邻元 素之间的差异筛 选出噪点数据包括： 通过噪点置信度计算模型筛选出所述关键指标向量中的噪点数据， 所述噪点置信度计 算模型包括： 其中， 为噪点置信度， 表示目标关键指标向量中的元素， 为目标关键指标在y时 刻所对应的归一化数据值， 为数据 的前一个元素， 为数据 的后一个元素， 为 大于0的预设参数， 为大于0的整数， 为最小值选取函数； 将高于预设噪点置信度阈值的所述噪点置信度所对应的元 素作为噪点数据。 4.根据权利要求1所述的一种电子数粒机运行异常检测方法， 其特征在于， 所述相似度 权值获取 方法包括： 所述相似度权值计算模型包括：权　利　要　求　书 1/3 页 2 CN 115392408 A 2其中， 表示元素 和元素 之间的相似度权值， 表示元素 所处的聚类 集合和元素 所处的聚类集合的交集， 表示 内元素的个数， 代表所述交集内 的第c个交集元素， 为元素 和交集元素 的数据之间的欧式距离， 为元素 和交 集元素 的数据之间的欧式距离， 为元素 和元素 对应数据之间的欧式距离， 为元素 和元素 对应数据之间的距离指标， 所述距离指标为两个元素的数据之间欧氏距 离与两个元 素位置之间欧式距离之和， 为自然常数。 5.根据权利要求1所述的一种电子数粒机运行异常检测方法， 其特征在于， 所述根据标 准均值行向量和所述均值行向量的差异 距离筛选出异常均值行向量包括： 计算标准行向量均值与所述均值行向量之间的欧式距离， 将对应的所述欧氏距离 高于 预设第一距离阈值的所述均值行向量记为异常均值行向量。 6.根据权利要求5所述的一种电子数粒机运行异常检测方法， 其特征在于， 所述标准均 值行向量包括： 获取正常运行数据对应的标准关键指标向量， 通过所述标准关键指标向量获得标准特 征矩阵， 计算所述标准特 征矩阵的标准行向量的均值得到标准均值行向量。 7.根据权利要求1所述的一种电子数粒机运行异常检测方法， 其特征在于， 所述根据 所 有异常均值行向量对应的所述差异距离和所述异常均值行向量对应的所述特征类别中的 样本数量获得目标关键指标的异常程度包括： 计算出所述异常均值行向量与所述标准均值行向量的欧式距离的距离均值， 以所述距 离均值与所述异常均值行向量对应的所述特征类别中的样本数量的乘积作为所述异常程 度。 8.根据权利要求1所述的一种电子数粒机运行异常检测方法， 其特征在于， 所述通过所 述关键指标 的异常程度和所述关键指标异常导致电子数粒机停机的概率得到电子数粒机 的运行状况指标包括： 通过电子数粒机运行异常检测模型获得电子数粒机的运行状况指标， 所述电子数粒机 运行异常检测模型包括： 其中， 为历史数据中导致电子数粒机发生异常的关键指标 出现的次数， 为历史数 据中电子数粒机发生异常导致停机的总次数， 为所述关键指标 的异常程度， w为关键指权　利　要　求　书 2/3 页 3 CN 115392408 A 3