基于塑料制品生产控制系统的异常报警方法及系统与流程

本发明涉及人工智能，具体而言，涉及一种基于塑料制品生产控制系统的异常报警方法及系统。

背景技术：

1、塑料制品生产控制系统是一个复杂的工业制造系统，其运行过程中可能会出现各种异常情况，如设备故障、生产参数偏差等。这些异常情况如果不能及时检测和处理，可能会导致生产效率下降，产品质量降低，甚至产生安全风险。

2、由于每个生产控制系统的具体情况都有所不同，一种通用的神经网络往往无法满足所有系统的需求。另一方面，对于复杂的生产系统，单纯依赖生产行为监控数据进行异常检测往往难以取得满意的效果，需要考虑更多的上下文信息。

3、因此，急需一种新的方法，以提高生产过程中的异常检测和处理能力。

技术实现思路

1、有鉴于此，本发明实施例的目的在于提供一种基于塑料制品生产控制系统的异常报警方法及系统，首先，获取针对塑料制品生产控制系统的第一塑料制品生产行为训练数据和边缘协同行为数据。接着，基于第一塑料制品生产行为训练数据获取目标生产行为监控数据，并将其置于边缘协同行为数据得到第二塑料制品生产行为训练数据。然后，将各个塑料制品生产行为训练数据加载到初始化神经网络中，使其生成对应的网络观测数据。最后，基于分类属性和网络观测数据确定第一网络训练误差参数，并更新初始化神经网络的权重信息，符合网络收敛要求时，将收敛的初始化神经网络作为目标异常报警网络。由此，有效地利用生产行为监控数据及其异常元素的属性标识字段，实现了针对特定生产控制系统的异常报警网络的生成，提高了生产过程中的异常检测和处理能力。

2、依据本发明实施例的一个方面，提供一种基于塑料制品生产控制系统的异常报警方法及系统，所述方法包括：

3、获取针对塑料制品生产控制系统的第一塑料制品生产行为训练数据和边缘协同行为数据，所述边缘协同行为数据是指任意协同任务的生产行为监控数据，所述第一塑料制品生产行为训练数据是指携带了第一目标异常定位元素的生产行为监控数据；

4、基于所述第一塑料制品生产行为训练数据获取目标生产行为监控数据，并将所述目标生产行为监控数据置于所述边缘协同行为数据得到第二塑料制品生产行为训练数据，所述目标生产行为监控数据是指所述第一塑料制品生产行为训练数据中携带异常定位数据的节点的的生产行为监控数据；

5、将各个塑料制品生产行为训练数据加载到初始化神经网络中，以使得所述初始化神经网络基于所述塑料制品生产行为训练数据生成对应的网络观测数据，其中，所述塑料制品生产行为训练数据包括所述第一塑料制品生产行为训练数据和所述第二塑料制品生产行为训练数据，所述塑料制品生产行为训练数据标定了生产行为监控数据中的异常元素的属性标识字段，所述属性标识字段反映所述塑料制品生产行为训练数据中的异常元素所属的分类属性；

6、基于所述分类属性和所述网络观测数据，确定第一网络训练误差参数，并基于所述第一网络训练误差参数对所述初始化神经网络的权重信息进行更新，并在符合网络收敛要求时，将收敛的所述初始化神经网络作为目标异常报警网络。

7、一种可替代的实施方式中，所述初始化神经网络还包括目标定位单元，所述塑料制品生产行为训练数据还标定了生产行为监控数据中的异常元素的定位区域，所述定位区域反映所述塑料制品生产行为训练数据中的异常元素的分离行为数据；

8、所述基于所述第一网络训练误差参数对所述初始化神经网络的权重信息进行更新，并在符合网络收敛要求时，将收敛的所述初始化神经网络作为目标异常报警网络，包括：

9、获取所述目标定位单元基于所述塑料制品生产行为训练数据生成的估计分离行为数据；

10、基于所述估计分离行为数据和所述定位区域对应的分离行为数据，确定第二网络训练误差参数；

11、基于所述第一网络训练误差参数和所述第二网络训练误差参数，对所述初始化神经网络的权重信息进行更新，并在符合网络收敛要求时，将收敛的所述初始化神经网络作为目标异常报警网络。

12、一种可替代的实施方式中，所述初始化神经网络还包括自注意力单元，所述塑料制品生产行为训练数据还标定了生产行为监控数据中的异常元素的自注意力标注特征，所述自注意力标注特征反映所述塑料制品生产行为训练数据中的异常元素的显著性特征；

13、所述基于所述第一网络训练误差参数和所述第二网络训练误差参数，对所述初始化神经网络的权重信息进行更新，并在符合网络收敛要求时，将收敛的所述初始化神经网络作为目标异常报警网络，包括：

14、获取所述自注意力单元基于所述塑料制品生产行为训练数据生成的估计显著性特征；

15、基于所述估计显著性特征和所述自注意力标注特征对应的显著性特征，确定第三网络训练误差参数；

16、基于所述第一网络训练误差参数、所述第二网络训练误差参数和所述第三网络训练误差参数，对所述初始化神经网络的权重信息进行更新，并在符合网络收敛要求时，将收敛的所述初始化神经网络作为目标异常报警网络。

17、一种可替代的实施方式中，所述方法还包括：

18、获取候选生产行为监控数据，并将所述候选生产行为监控数据加载至所述目标异常报警网络；

19、获取所述自注意力单元基于所述候选生产行为监控数据生成的第二目标异常定位元素的显著性特征，所述第二目标异常定位元素是指所述候选生产行为监控数据中触发的异常元素。

20、一种可替代的实施方式中，所述方法还包括：

21、获取待分析生产行为监控数据，并将所述待分析生产行为监控数据加载至所述目标异常报警网络；

22、获取所述目标定位单元基于所述待分析生产行为监控数据生成的第三目标异常定位元素的分离行为数据，所述第三目标异常定位元素是指所述待分析生产行为监控数据中触发的异常元素。

23、一种可替代的实施方式中，所述第二塑料制品生产行为训练数据对应的属性标识字段与所述第一塑料制品生产行为训练数据对应的属性标识字段相同。

24、一种可替代的实施方式中，所述塑料制品生产行为训练数据还包括第三塑料制品生产行为训练数据，所述第三塑料制品生产行为训练数据通过以下步骤得到：

25、对基础生产行为监控数据进行增强处理，生成所述第三塑料制品生产行为训练数据，所述基础生产行为监控数据包括第一塑料制品生产行为训练数据、第二塑料制品生产行为训练数据中的至少一种，所述增强处理包括生产行为监控数据的扰动、生产行为监控数据的复制和变换、生产行为监控数据的插值和外推、生产行为监控数据的特征组合和交叉、生产行为监控数据的数据重采样中的至少一种。

26、依据本发明实施例的另一方面，提供一种基于塑料制品生产控制系统的异常报警方法及系统，所述系统包括：

27、获取模块，用于获取第一塑料制品生产行为训练数据和边缘协同行为数据，所述边缘协同行为数据是指任意协同任务的生产行为监控数据，所述第一塑料制品生产行为训练数据是指携带了第一目标异常定位元素的生产行为监控数据；

28、处理模块，用于基于所述第一塑料制品生产行为训练数据获取目标生产行为监控数据，并将所述目标生产行为监控数据置于所述边缘协同行为数据得到第二塑料制品生产行为训练数据，所述目标生产行为监控数据是指所述第一塑料制品生产行为训练数据中携带异常定位数据的节点的的生产行为监控数据；

29、生成模块，用于将各个塑料制品生产行为训练数据加载到初始化神经网络中，以使得所述初始化神经网络基于所述塑料制品生产行为训练数据生成对应的网络观测数据，其中，所述塑料制品生产行为训练数据包括所述第一塑料制品生产行为训练数据和所述第二塑料制品生产行为训练数据，所述塑料制品生产行为训练数据标定了生产行为监控数据中的异常元素的属性标识字段，所述属性标识字段反映所述塑料制品生产行为训练数据中的异常元素所属的分类属性；

30、更新模块，用于基于所述分类属性和所述网络观测数据，确定第一网络训练误差参数，并基于所述第一网络训练误差参数对所述初始化神经网络的权重信息进行更新，并在符合网络收敛要求时，将收敛的所述初始化神经网络作为目标异常报警网络。

31、依据本发明实施例的另一方面，提供一种服务器，包括：处理器、通信接口、存储器和通信总线，其中，所述处理器、通信接口和存储器通过通信总线完成相互间的通信；所述存储器，用于存放计算机程序；所述处理器，用于执行所述计算机程序时，实现以上任一项所述的基于塑料制品生产控制系统的异常报警方法的步骤。

32、依据本发明实施例的另一方面，提供一种可读存储介质，该可读存储介质上存储有计算机程序，该计算机程序被处理器运行时可以执行上述的基于塑料制品生产控制系统的异常报警方法的步骤。

33、为使本发明实施例的上述目的、特征和优点能更明显易懂，下面将结合实施例，并配合所附附图，作详细说明。