一种基于预测驱动的钢丝绳异常检测方法、系统及介质与流程

本发明涉及钢丝绳异常检测，具体涉及一种基于预测驱动的钢丝绳异常检测方法、系统及介质。

背景技术：

1、钢丝绳是一种由多股钢丝缠绕而成的承载元件，由多股钢丝编织而成，具有极高的强度和承载能力，具有高强度、耐磨、耐腐蚀等特点，广泛应用于吊装、起重、牵引、索道、电梯等场合。

2、钢丝绳作为一种重要的承载元件，在多种工程和生产领域中都发挥着重要作用。然而，由于长期受到重载、弯曲、拉伸等影响，钢丝绳容易出现各种缺陷。钢丝绳容易出现各种缺陷，如断丝、变形、疲劳、裂纹和磨损，这些缺陷可能导致钢丝绳的断裂，从而严重影响设备的使用寿命和安全性，甚至造成经济财产损失和人员伤亡事故。在实际情况下，及时检测出钢丝绳的异常并反馈给运维人员以及时处理，对于确保其安全可靠地运行十分重要。

3、在钢丝绳出现缺陷之后，其内部的磁特征会发生变化。使用基于磁记忆式的弱磁无损探伤监测技术对钢丝绳进行监测，采集钢丝绳记忆的磁能势差异信息，可以实现对各种损伤的量化检测。然而，目前的检测方法中，钢丝绳异常检测的准确性较低。

技术实现思路

1、本申请要解决的技术问题是提供一种基于预测驱动的钢丝绳异常检测方法、系统及介质，具有钢丝绳异常检测的准确性更高的特点。

2、第一方面，一种实施例中提供一种基于预测驱动的钢丝绳异常检测方法，包括：

3、采集钢丝绳弱磁信号的时间序列数据作为第一时间序列数据向量；

4、对所述第一时间序列数据向量进行去噪预处理，得到去噪后的第二时间序列数据向量；

5、基于所述第二时间序列数据向量，结合注意力机制的时域图神经网络进行异常检测，包括：

6、对所述第二时间序列数据向量进行滑窗处理，将每一个滑窗得到的数据作为一个特征数据向量，以此，得到特征数据向量数据集；

7、将特征数据向量据集中每相邻的多个特征数据向量构建一张图，对于每一张图，将图中的每个数据特征向量作为图的一个节点，连接存在预设关系的节点，构成图数据结构；

8、将所述图数据结构作为输入，经训练好的时域图神经网络得到的预测数据；

9、基于所述预测数据构建ewma控制图；

10、基于ewma控制图得到异常检测数据。

11、第二方面，一种实施例中提供一种基于预测驱动的钢丝绳异常检测系统，其特征在于，包括：

12、第一时间序列数据向量获取模块，用于采集钢丝绳弱磁信号的时间序列数据作为第一时间序列数据向量；

13、去噪模块，用于对所述第一时间序列数据向量进行去噪预处理，得到去噪后的第二时间序列数据向量；

14、异常检测模块，用于基于所述第二时间序列数据向量，结合注意力机制的时域图神经网络进行异常检测，包括：

15、特征数据向量数据集获取单元，用于对所述第二时间序列数据向量进行滑窗处理，将每一个滑窗得到的数据作为一个特征数据向量，以此，得到特征数据向量数据集；

16、图数据结构构建单元，用于将特征数据向量据集中每相邻的多个特征数据向量构建一张图，对于每一张图，将图中的每个数据特征向量作为图的一个节点，连接存在预设关系的节点，构成图数据结构；

17、预测数据获取单元，用于将所述图数据结构作为输入，经训练好的时域图神经网络得到的预测数据；

18、控制图构建模块，用于基于所述预测数据构建ewma控制图；

19、异常检测数据获取模块，用于基于ewma控制图得到异常检测数据。

20、第三方面，一种实施例中提供一种计算机可读存储介质，存储介质上存储有程序，存储的程序包括能够被处理器加载并处理上述任意一实施例中的钢丝绳异常检测方法。

21、本发明的有益效果是：

22、一方面，由于使用图神经网络进行空间数据的处理，可以捕捉节点本身的特征和节点之间的依赖关系，使得预测结果更加准确。另一方面，由于将时域图神经网络的输出作为预测数据，基于预测数据构建ewma控制图，基于ewma控制图得到异常检测数据，从而进一步提高了异常检测结果的准确性。

技术特征：

1.一种基于预测驱动的钢丝绳异常检测方法，其特征在于，包括：

2.如权利要求1所述的钢丝绳异常检测方法，其特征在于，所述的对所述第一时间序列数据向量进行去噪预处理，得到去噪后的第二时间序列数据向量，包括：

3.如权利要求1所述的钢丝绳异常检测方法，其特征在于，所述时域图神经网络的训练方法包括：

4.如权利要求1或3所述的钢丝绳异常检测方法，其特征在于，对于任意一张图，构成图数据结构的方法包括：

5.如权利要求1所述的钢丝绳异常检测方法，其特征在于，所述的将所述图数据结构作为输入，经训练好的时域图神经网络得到的预测数据，包括：

6.如权利要求3或5所述的钢丝绳异常检测方法，其特征在于，所述的将所述图数据结构进行时域图卷积处理，得到每张图每个节点中包含的多个时间点的隐藏状态，包括：

7.如权利要求1所述的钢丝绳异常检测方法，其特征在于，所述的基于ewma控制图得到异常检测数据，包括：

8.一种基于预测驱动的钢丝绳异常检测系统，其特征在于，包括：

9.如权利要求8所述的钢丝绳异常检测系统，其特征在于，所述的对所述第一时间序列数据向量进行去噪预处理，得到去噪后的第二时间序列数据向量，包括：

10.一种计算机可读存储介质，存储介质上存储有程序，存储的程序包括能够被处理器加载并处理如权利要求1到7中任意一项所述的钢丝绳异常检测方法。

技术总结本发明涉及一种基于预测驱动的钢丝绳异常检测方法、系统及介质，采集钢丝绳弱磁信号的时间序列数据作为第一时间序列数据向量，去噪预处理后得到第二时间序列数据向量；基于第二时间序列数据向量，结合注意力机制的时域图神经网络进行异常检测，包括：对第二时间序列数据向量进行滑窗处理，将每一个滑窗得到的数据作为一个特征数据向量，以此，得到特征数据向量数据集以构建图数据结构；将图数据结构作为输入，经训练好的时域图神经网络得到的预测数据；基于预测数据构建EWMA控制图，并得到异常检测数据。与现有技术相比，得到的预测结果更加准确且进一步提高了异常检测结果的准确性。技术研发人员：王勇飞,蔡银辉,高勇,李昂,廖波,唐云武,何明剑,张健受保护的技术使用者：国能大渡河检修安装有限公司技术研发日：技术公布日：2024/8/20