CN113778062A - 基于激励信号的设备控制异常检测方法及装置 - Google Patents
基于激励信号的设备控制异常检测方法及装置 Download PDFInfo
- Publication number
- CN113778062A CN113778062A CN202111088404.7A CN202111088404A CN113778062A CN 113778062 A CN113778062 A CN 113778062A CN 202111088404 A CN202111088404 A CN 202111088404A CN 113778062 A CN113778062 A CN 113778062A
- Authority
- CN
- China
- Prior art keywords
- control
- characteristic data
- excitation
- equipment
- signal
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 161
- 230000005284 excitation Effects 0.000 title claims abstract description 147
- 230000002159 abnormal effect Effects 0.000 claims abstract description 65
- 238000004088 simulation Methods 0.000 claims abstract description 32
- 238000000034 method Methods 0.000 claims abstract description 27
- 230000005856 abnormality Effects 0.000 claims description 38
- 230000015654 memory Effects 0.000 claims description 18
- 238000010276 construction Methods 0.000 claims description 4
- 238000003745 diagnosis Methods 0.000 abstract 1
- 238000012423 maintenance Methods 0.000 abstract 1
- 230000000875 corresponding effect Effects 0.000 description 40
- 238000004891 communication Methods 0.000 description 15
- 230000008859 change Effects 0.000 description 11
- 230000008569 process Effects 0.000 description 9
- 238000012545 processing Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 6
- 230000002093 peripheral effect Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 230000001276 controlling effect Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0208—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the configuration of the monitoring system
- G05B23/0213—Modular or universal configuration of the monitoring system, e.g. monitoring system having modules that may be combined to build monitoring program; monitoring system that can be applied to legacy systems; adaptable monitoring system; using different communication protocols
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/20—Pc systems
- G05B2219/24—Pc safety
- G05B2219/24065—Real time diagnostics
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明公开了一种基于激励信号的设备控制异常检测方法及装置，该方法通过获取目标检测设备的数据仿真控制模型；并基于纵向特征数据集，判断当前特征数据是否为异常特征数据，若是，获取当前特征数据的激励信号，并将控制信号更新为检测控制信号；根据控制关联信息，判断激励信号对应的激励特征数据与检测控制信号是否满足关联关系，若不满足，判定设备控制异常。本发明利用激励信号对应的激励特征数据和检测控制信号的关联关系来判断设备是否异常或故障精准诊断，这与传统人工模拟的故障诊断方式完全不同，采用全计算机构建的数据仿真控制模型和激励信号检测的智能故障诊断原理。实现了在控制系统异常时快速判断和免人工诊断维护的智能控制功能。
Description
技术领域
本发明涉及自动化控制领域，尤其涉及一种基于激励信号的设备控制异常检测方法、装置、设备及存储介质。
背景技术
自动控制（automatic control）是指在没有人直接参与的情况下，利用外加的设备或装置，使机器、设备或生产过程的某个工作状态或参数自动地按照预定的规律运行。利用自动控制的原理，能够基于特征参数，控制设备自动的执行对应动作，提高设备的自动化程度。
然而，设备的自动化控制原理基于特征数据的采集，若采集特征数据的装置出现异常，将会影响设备的控制与运行，而当设备运行异常时，往往不能及时判断设备运行异常是因为设备自身控制异常导致的运行异常，还是采集特征数据的装置异常导致的控制异常，频繁的停机来检测设备是否异常，降低了自动化控制设备的使用效率。
因此，如何在设备运行异常时快速判断设备控制是否异常，是一个亟需解决的技术问题。
上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。
发明内容
本发明的主要目的在于提供一种基于激励信号的设备控制异常检测方法、装置、设备及存储介质，旨在解决设备运行异常时无法确定设备控制异常还是采集装置异常的技术问题。
为实现上述目的，本发明提供一种基于激励信号的设备控制异常检测方法，所述方法包括以下步骤：
接收设备检测指令；其中，所述设备检测指令包括目标检测设备；
获取所述目标检测设备的数据仿真控制模型；其中，所述数据仿真控制模型包括所述目标检测设备的控制关联信息和纵向特征数据集，所述控制关联信息为纵向特征数据集与控制信号集的关联关系；
根据所述控制关联信息，获取所述目标检测设备的当前特征数据；
基于所述纵向特征数据集，判断所述当前特征数据是否为异常特征数据，若是，获取所述当前特征数据的激励信号，以使所述当前特征数据对应的控制信号更新为检测控制信号；
根据所述控制关联信息，判断所述激励信号对应的激励特征数据与检测控制信号是否满足所述关联关系，若不满足，判定所述设备控制异常。
可选的，所述获取所述目标检测设备的数据仿真控制模型步骤之前，所述方法还包括：
获取所述目标检测设备的纵向特征数据集；
根据所述纵向特征数据集，获取所述纵向特征数据集对应的控制信号集，并基于所述纵向特征数据集和所述控制信号集，获得所述目标检测设备的控制关联信息；
基于所述纵向特征数据集和所述控制关联信息，构建所述目标检测设备的数据仿真控制模型。
可选的，所述根据所述控制关联信息，获取所述目标检测设备的当前特征数据步骤，具体包括：
获取所述控制关联信息对应的纵向特征数据集；
基于所述纵向特征数据集，获取所述目标检测设备的当前特征数据；其中，所述当前特征数据为纵向特征数据集对应的特征数据。
可选的，所述根据所述控制关联信息，判断所述激励信号对应的激励特征数据与检测控制信号是否满足所述关联关系，若不满足，判定所述设备控制异常步骤，具体包括：
根据所述激励信号，获得所述激励信号对应的激励特征数据；其中，所述激励特征数据为预设的设备正常时激励信号对应的特征数据；
根据所述控制关联信息，判断所述激励特征数据与检测控制信号是否满足所述关联关系，若不满足，判定所述设备控制异常。
此外，为了实现上述目的，本发明还提供一种基于激励信号的设备控制异常检测装置，所述基于激励信号的设备控制异常检测装置包括：
接收模块，用于接收设备检测指令；其中，所述设备检测指令包括目标检测设备；
第一获取模块，用于获取所述目标检测设备的数据仿真控制模型；其中，所述数据仿真控制模型包括所述目标检测设备的控制关联信息和纵向特征数据集，所述控制关联信息为纵向特征数据集与控制信号集的关联关系；
第二获取模块，用于根据所述控制关联信息，获取所述目标检测设备的当前特征数据；
第一判断模块，用于基于所述纵向特征数据集，判断所述当前特征数据是否为异常特征数据，若是，获取所述当前特征数据的激励信号，以使所述当前特征数据对应的控制信号更新为检测控制信号；
第二判断模块，用于根据所述控制关联信息，判断所述激励信号对应的激励特征数据与检测控制信号是否满足所述关联关系，若不满足，判定所述设备控制异常。
可选的，所述基于激励信号的设备控制异常检测装置还包括：
构建模块，所述构建模块用于获取所述目标检测设备的纵向特征数据集；根据所述纵向特征数据集，获取所述纵向特征数据集对应的控制信号集，并基于所述纵向特征数据集和所述控制信号集，获得所述目标检测设备的控制关联信息；基于所述纵向特征数据集和所述控制关联信息，构建所述目标检测设备的数据仿真控制模型。
可选的，所述第二获取模块还用于获取所述控制关联信息对应的纵向特征数据集；基于所述纵向特征数据集，获取所述目标检测设备的当前特征数据；其中，所述当前特征数据为纵向特征数据集对应的特征数据。
可选的，所述第二判断模块还用于根据所述激励信号，获得所述激励信号对应的激励特征数据；其中，所述激励特征数据为预设的设备正常时激励信号对应的特征数据；根据所述控制关联信息，判断所述激励特征数据与检测控制信号是否满足所述关联关系，若不满足，判定所述设备控制异常。
此外，为了实现上述目的，本发明还提供了一种基于激励信号的设备控制异常检测设备，所述设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的基于激励信号的设备控制异常检测程序，所述基于激励信号的设备控制异常检测程序配置为实现如前述的基于激励信号的设备控制异常检测方法的步骤。
此外，为了实现上述目的，本发明还提供了一种存储介质，所述存储介质上存储有基于激励信号的设备控制异常检测程序，所述基于激励信号的设备控制异常检测程序被处理器执行时实现如前所述的基于激励信号的设备控制异常检测方法的步骤。
本发明实施例提出的一种基于激励信号的设备控制异常检测方法及装置，该方法包括接收设备检测指令；获取目标检测设备的数据仿真控制模型；根据控制关联信息，获取所述目标检测设备的当前特征数据；基于所述纵向特征数据集，判断所述当前特征数据是否为异常特征数据，若是，获取所述当前特征数据的激励信号，以使所述当前特征数据对应的控制信号更新为检测控制信号；根据所述控制关联信息，判断所述激励信号对应的激励特征数据与检测控制信号是否满足所述关联关系，若不满足，判定所述设备控制异常。本发明利用激励信号对应的激励特征数据和检测控制信号的关联关系来判断设备控制异常是否由特征数据采集装置导致，实现了在设备运行异常时快速判断设备是否异常的功能。
附图说明
图1为本发明实施例中一种基于激励信号的设备控制异常检测设备示意图；
图2为本发明基于激励信号的设备控制异常检测方法的第一实施例的流程示意图；
图3为本发明实施例中一种基于激励信号的设备控制异常检测装置示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
自动控制（automatic control）是指在没有人直接参与的情况下，利用外加的设备或装置，使机器、设备或生产过程的某个工作状态或参数自动地按照预定的规律运行。利用自动控制的原理，能够基于特征参数，控制设备自动的执行对应动作，提高设备的自动化程度。然而，设备的自动化控制原理基于特征数据的采集，若采集特征数据的装置出现异常，将会影响设备的控制与运行，而当设备运行异常时，往往不能及时判断设备运行异常是因为设备控制异常导致的运行异常，还是采集特征数据的装置异常导致的控制异常，频繁的停机来检测设备是否异常，降低了自动化控制设备的使用效率。因此，如何在设备运行异常时快速判断设备是否异常，是一个亟需解决的技术问题。
为了解决这一问题，提出本发明的基于激励信号的设备控制异常检测方法的各个实施例。本发明提供的基于激励信号的设备控制异常检测方法利用激励信号对应的激励特征数据和检测控制信号的关联关系来判断设备控制异常是否由特征数据采集装置导致，实现了在设备运行异常时快速判断设备是否异常的功能。
参照图1，图1为本发明实施例方案涉及的基于激励信号的设备控制异常检测设备的结构示意图。
设备可以是移动电话、智能电话、笔记本电脑、数字广播接收器、个人数字助理(PDA)、平板电脑(PAD)等用户设备(User Equipment，UE)、手持设备、车载设备、可穿戴设备、计算设备或连接到无线调制解调器的其它处理设备、移动台(Mobile station，MS)等。设备可能被称为用户终端、便携式终端、台式终端等。
通常，设备包括：至少一个处理器301、存储器302以及存储在所述存储器上并可在所述处理器上运行的基于激励信号的设备控制异常检测程序，所述基于激励信号的设备控制异常检测程序配置为实现如前所述的基于激励信号的设备控制异常检测方法的步骤。
处理器301可以包括一个或多个处理核心，比如4核心处理器、8核心处理器等。处理器301可以采用DSP(Digital Signal Processing，数字信号处理)、FPGA(Field－Programmable Gate Array，现场可编程门阵列)、PLA(Programmable Logic Array，可编程逻辑阵列)中的至少一种硬件形式来实现。处理器301也可以包括主处理器和协处理器，主处理器是用于对在唤醒状态下的数据进行处理的处理器，也称CPU(CentralProcessingUnit，中央处理器)；协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。在一些实施例中，处理器301可以在集成有GPU(Graphics Processing Unit，图像处理器)，GPU用于负责显示屏所需要显示的内容的渲染和绘制。处理器301还可以包括AI(Artificial Intelligence，人工智能)处理器，该AI处理器用于处理有关基于激励信号的设备控制异常检测操作，使得基于激励信号的设备控制异常检测模型可以自主训练学习，提高效率和准确度。
存储器302可以包括一个或多个计算机可读存储介质，该计算机可读存储介质可以是非暂态的。存储器302还可包括高速随机存取存储器，以及非易失性存储器，比如一个或多个磁盘存储设备、闪存存储设备。在一些实施例中，存储器302中的非暂态的计算机可读存储介质用于存储至少一个指令，该至少一个指令用于被处理器801所执行以实现本申请中方法实施例提供的基于激励信号的设备控制异常检测方法。
在一些实施例中，终端还可选包括有：通信接口303和至少一个外围设备。处理器301、存储器302和通信接口303之间可以通过总线或信号线相连。各个外围设备可以通过总线、信号线或电路板与通信接口303相连。具体地，外围设备包括：射频电路304、显示屏305和电源306中的至少一种。
通信接口303可被用于将I/O(Input/Output，输入/输出)相关的至少一个外围设备连接到处理器301和存储器302。通信接口303通过外围设备用于接收用户上传的多个移动终端的移动轨迹以及其他数据。在一些实施例中，处理器301、存储器302和通信接口303被集成在同一芯片或电路板上；在一些其他实施例中，处理器301、存储器302和通信接口303中的任意一个或两个可以在单独的芯片或电路板上实现，本实施例对此不加以限定。
射频电路304用于接收和发射RF(Radio Frequency，射频)信号，也称电磁信号。射频电路304通过电磁信号与通信网络以及其他通信设备进行通信，从而可获取多个移动终端的移动轨迹以及其他数据。射频电路304将电信号转换为电磁信号进行发送，或者，将接收到的电磁信号转换为电信号。可选地，射频电路304包括：天线系统、RF收发器、一个或多个放大器、调谐器、振荡器、数字信号处理器、编解码芯片组、用户身份模块卡等等。射频电路304可以通过至少一种无线通信协议来与其它终端进行通信。该无线通信协议包括但不限于：城域网、各代移动通信网络(2G、3G、4G及5G)、无线局域网和/或WiFi(WirelessFidelity，无线保真)网络。在一些实施例中，射频电路304还可以包括NFC(Near FieldCommunication，近距离无线通信)有关的电路，本申请对此不加以限定。
显示屏305用于显示UI(User Interface，用户界面)。该UI可以包括图形、文本、图标、视频及其它们的任意组合。当显示屏305是触摸显示屏时，显示屏305还具有采集在显示屏305的表面或表面上方的触摸信号的能力。该触摸信号可以作为控制信号输入至处理器301进行处理。此时，显示屏305还可以用于提供虚拟按钮和/或虚拟键盘，也称软按钮和/或软键盘。在一些实施例中，显示屏305可以为一个，电子设备的前面板；在另一些实施例中，显示屏305可以为至少两个，分别设置在电子设备的不同表面或呈折叠设计；在再一些实施例中，显示屏305可以是柔性显示屏，设置在电子设备的弯曲表面上或折叠面上。甚至，显示屏305还可以设置成非矩形的不规则图形，也即异形屏。显示屏305可以采用LCD(LiquidCrystal Display，液晶显示屏)、OLED(Organic Light-Emitting Diode,有机发光二极管)等材质制备。
电源306用于为电子设备中的各个组件进行供电。电源306可以是交流电、直流电、一次性电池或可充电电池。当电源306包括可充电电池时，该可充电电池可以支持有线充电或无线充电。该可充电电池还可以用于支持快充技术。
本领域技术人员可以理解，图1中示出的结构并不构成对基于激励信号的设备控制异常检测设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
本发明实施例提供了一种基于激励信号的设备控制异常检测方法，参照图2，图2为本发明基于激励信号的设备控制异常检测方法的第一实施例的流程示意图。
本实施例中，所述基于激励信号的设备控制异常检测方法包括以下步骤：
步骤S100，接收设备检测指令；其中，所述设备检测指令包括目标检测设备。
具体而言，在实际应用中，在对设备进行检测时，先接受用于对目标检测设备进行检测的检测指令，其中，设备检测指令包括待检测的目标检测设备，即设备控制指令中记录着待检测设备的编号信息或标识信息。另外，设备检测指令可以为用户下发的对目标设备进行检测的设备检测指令，也可以为满足预设条件触发的设备检测指令，本实施例对此并不限制。
步骤S200，获取所述目标检测设备的数据仿真控制模型；其中，所述数据仿真控制模型包括所述目标检测设备的控制关联信息和纵向特征数据集，所述控制关联信息为纵向特征数据集与控制信号集的关联关系。
具体而言，在获得目标检测设备后，获取目标检测设备的数据仿真控制模型，该数据仿真控制模型记录有对应目标检测设备以往控制过程中的纵向特征数据集和该纵向特征数据集与控制信号集的控制关联关系，利用数据仿真控制模型中的纵向特征数据集和控制关联关系，即可获得目标检测设备对应的控制信号，以此来实现对目标检测设备的异常检测。
其中，控制关联信息为纵向特征数据集与控制信号集的关联关系，即目标检测设备的历史控制过程中，特征数据与控制信号的关联关系。为了便于理解，本实施例对控制关联信息进行具体说明。
例如，在无人机的自动化控制过程中，一般需要保持飞行的高度，因此，为了保持飞行的高度，需要对无人机的飞行高度进行实时监测，当无人机飞行高度低于第一预设值时，向无人机发送用于控制无人机提高飞行高度的第一控制信号；当无人机飞行高度高于第二预设值时，向无人机发送用于控制无人机降低飞行高度的第二控制信号。此时，无人机历史控制过程的飞行高度即为纵向特征数据，而该飞行高度所对应的控制信号即为控制信号。
步骤S300，根据所述控制关联信息，获取所述目标检测设备的当前特征数据。
具体而言，在获取目标检测设备的数据仿真控制模型后，提取数据仿真控制模型中的控制关联信息，根据控制关联信息中的纵向特征数据集，判断该目标检测设备的特征数据类型，以此来获取所述目标检测设备的当前特征数据，利用该当前特征数据作为目标检测设备的控制依据。
一般而言，设备具有多个特征数据，即设备运行时具有不同的数据表征，例如，在无人机的自动化控制过程中，其表征的特征数据可以包括飞行的高度、飞行的速度、无人机角度、发动机功率或者运行温度等，为了获取无人机控制信号一般依据的特征数据，可获取数据仿真控制模型中的纵向特征数据集，利用数据仿真控制模型中依据的特征数据，来选取当前特征数据，进而实现当前状态下对目标检测设备，即无人机的自动化控制。
步骤S400，基于所述纵向特征数据集，判断所述当前特征数据是否为异常特征数据，若是，获取所述当前特征数据的激励信号，以使所述当前特征数据对应的控制信号更新为检测控制信号。
在获得目标检测设备的数据仿真控制模型后，利用数据仿真控制模型中的纵向特征数据集对当前特征数据进行异常判断，其中，若当前特征数据的特征值或变化值与纵向特征数据集中的特征值或变化值的差值或变化率超过预设值后，判定所获得的当前特征数据为异常特征数据。
此时，在检测到异常特征数据后，设备运行状态为异常，为了判断设备运行状态异常的原因是特征数据采集装置异常还是设备本身异常，需要通过激励信号对目标检测设备进行激励控制，以获得对应的检测控制信号，进而判断设备控制异常原因。
具体而言，在判断当前特征数据为异常特征数据后，利用预设的激励信号驱动目标检测设备，激励信号驱动目标检测设备的运行，进而改变当前特征数据，此时，若特征数据采集装置无异常，则采集的当前特征数据无异常，进而，利用当前特征数据更新的控制信号也无异常。
步骤S500，根据所述控制关联信息，判断所述激励信号对应的激励特征数据与检测控制信号是否满足所述关联关系，若不满足，判定所述设备控制异常。
具体而言，在获得激励信号后，根据所述激励信号，获得所述激励信号对应的激励特征数据；其中，激励特征数据为预设的设备正常时激励信号对应的特征数据。
因此，在获得因激励信号更新的激励特征数据和检测控制信号后，通过目标检测设备的数据仿真控制模型中的控制关联信息，来判断此时激励特征数据和检测控制信号是否满足控制关联信息的关联关系，若满足，说明在激励信号激励后的设备依旧满足激励特征数据的控制逻辑变化，证明设备无异常；若不满足，说明在激励信号激励后的设备不满足激励特征数据的控制逻辑变化，证明设备控制异常。
容易理解的，在获得因激励信号驱动的激励特征数据和检测控制信号后，因激励特征数据时基于预设变化规律获得的特征数据，是标准的特征数据，若此时标准的特征数据所对应的控制信号与经采集装置采集生成的检测控制信号满足控制关联信息，则设备无异常；否则，设备控制异常。
下面通过举例说明控制信号更新为检测控控制信号的过程。
在无人机的自动化控制过程，若无人机的飞行高度与标准高度相比偏低，需要对无人机进行设备控制异常检测，通过激励信号驱动无人机提高飞行高度。此时，随着飞行高度的提升，基于无人机的自动化控制，其控制信号会随之调整更新为检测控制信号，若设备控制异常，此时基于激励信号的飞行高度变化值为异常值，对应更新的检测控制信号也为异常信号，而基于激励信号变化的激励特征数据是标准的特征数据，因此，检测控制信号与激励特征数据不会满足控制关联信息；若设备无异常，此时基于激励信号的飞行高度变化值为正常值，对应更新的检测控制信号也为正常值，同时，基于激励信号变化的激励特征数据是标准的特征数据，因此，检测控制信号与激励特征数据满足控制关联信息。
综上，若基于激励信号的激励特征数据与检测控制信号不满足控制关联信息时，判定目标检测设备控制异常；否则，设备无异常。
在本实施例中，通过利用激励信号对应的激励特征数据和检测控制信号的关联关系来判断设备控制异常是否由特征数据采集装置导致，实现了在设备运行异常时快速判断设备是否异常的功能。
参照图3，图3为本发明基于激励信号的设备控制异常检测装置第一实施例的结构框图。
如图3所示，本发明实施例提出的基于激励信号的设备控制异常检测装置包括：
接收模块10，用于接收设备检测指令；其中，所述设备检测指令包括目标检测设备；
第一获取模块20，用于获取所述目标检测设备的数据仿真控制模型；其中，所述数据仿真控制模型包括所述目标检测设备的控制关联信息和纵向特征数据集，所述控制关联信息为纵向特征数据集与控制信号集的关联关系；
第二获取模块30，用于根据所述控制关联信息，获取所述目标检测设备的当前特征数据；
第一判断模块40，用于基于所述纵向特征数据集，判断所述当前特征数据是否为异常特征数据，若是，获取所述当前特征数据的激励信号，以使所述当前特征数据对应的控制信号更新为检测控制信号；
第二判断模块50，用于根据所述控制关联信息，判断所述激励信号对应的激励特征数据与检测控制信号是否满足所述关联关系，若不满足，判定所述设备控制异常。
本实施例提供的基于激励信号的设备控制异常检测装置，通过利用激励信号对应的激励特征数据和检测控制信号的关联关系来判断设备控制异常是否由特征数据采集装置导致，实现了在设备运行异常时快速判断设备是否异常的功能。
作为一种实施方式，所述基于激励信号的设备控制异常检测装置还包括构建模块60，所述构建模块60用于获取所述目标检测设备的纵向特征数据集；根据所述纵向特征数据集，获取所述纵向特征数据集对应的控制信号集，并基于所述纵向特征数据集和所述控制信号集，获得所述目标检测设备的控制关联信息；基于所述纵向特征数据集和所述控制关联信息，构建所述目标检测设备的数据仿真控制模型。
作为一种实施方式，所述第二获取模块30还用于获取所述控制关联信息对应的纵向特征数据集；基于所述纵向特征数据集，获取所述目标检测设备的当前特征数据；其中，所述当前特征数据为纵向特征数据集对应的特征数据。
作为一种实施方式，所述第二判断模块50还用于根据所述激励信号，获得所述激励信号对应的激励特征数据；其中，所述激励特征数据为预设的设备正常时激励信号对应的特征数据；根据所述控制关联信息，判断所述激励特征数据与检测控制信号是否满足所述关联关系，若不满足，判定所述设备控制异常。
本发明基于激励信号的设备控制异常检测装置的其他实施例或具体实现方式可参照上述各方法实施例，此处不再赘述。
此外，本发明实施例还提出一种存储介质，所述存储介质上存储有基于激励信号的设备控制异常检测程序，所述基于激励信号的设备控制异常检测程序被处理器执行时实现如上文所述的基于激励信号的设备控制异常检测方法的步骤。因此，这里将不再进行赘述。另外，对采用相同方法的有益效果描述，也不再进行赘述。对于本申请所涉及的计算机可读存储介质实施例中未披露的技术细节，请参照本申请方法实施例的描述。确定为示例，程序指令可被部署为在一个计算设备上执行，或者在位于一个地点的多个计算设备上执行，又或者，在分布在多个地点且通过通信网络互连的多个计算设备上执行。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，上述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，上述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)或随机存储记忆体(RandomAccessMemory，RAM)等。
另外需说明的是，以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。另外，本发明提供的装置实施例附图中，模块之间的连接关系表示它们之间具有通信连接，具体可以实现为一条或多条通信总线或信号线。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，所属领域的技术人员可以清楚地了解到本发明可借助软件加必需的通用硬件的方式来实现，当然也可以通过专用硬件包括专用集成电路、专用CPU、专用存储器、专用元器件等来实现。一般情况下，凡由计算机程序完成的功能都可以很容易地用相应的硬件来实现，而且，用来实现同一功能的具体硬件结构也可以是多种多样的，例如模拟电路、数字电路或专用电路等。但是，对本发明而言更多情况下软件程序实现是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在可读取的存储介质中，如计算机的软盘、U盘、移动硬盘、只读存储器(ROM，Read-OnlyMemory)、随机存取存储器(RAM，RandomAccessMemory)、磁碟或者光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。
Claims (10)
1.一种基于激励信号的设备控制异常检测方法，其特征在于，所述方法包括以下步骤：
接收设备检测指令；其中，所述设备检测指令包括目标检测设备；
获取所述目标检测设备的数据仿真控制模型；其中，所述数据仿真控制模型包括所述目标检测设备的控制关联信息和纵向特征数据集，所述控制关联信息为纵向特征数据集与控制信号集的关联关系；
根据所述控制关联信息，获取所述目标检测设备的当前特征数据；
基于所述纵向特征数据集，判断所述当前特征数据是否为异常特征数据，若是，获取所述当前特征数据的激励信号，以使所述当前特征数据对应的控制信号更新为检测控制信号；
根据所述控制关联信息，判断所述激励信号对应的激励特征数据与检测控制信号是否满足所述关联关系，若不满足，判定所述设备控制异常。
2.如权利要求1所述的基于激励信号的设备控制异常检测方法，其特征在于，所述获取所述目标检测设备的数据仿真控制模型步骤之前，所述方法还包括：
获取所述目标检测设备的纵向特征数据集；
根据所述纵向特征数据集，获取所述纵向特征数据集对应的控制信号集，并基于所述纵向特征数据集和所述控制信号集，获得所述目标检测设备的控制关联信息；
基于所述纵向特征数据集和所述控制关联信息，构建所述目标检测设备的数据仿真控制模型。
3.如权利要求1所述的基于激励信号的设备控制异常检测方法，其特征在于，所述根据所述控制关联信息，获取所述目标检测设备的当前特征数据步骤，具体包括：
获取所述控制关联信息对应的纵向特征数据集；
基于所述纵向特征数据集，获取所述目标检测设备的当前特征数据；其中，所述当前特征数据为纵向特征数据集对应的特征数据。
4.如权利要求1所述的基于激励信号的设备控制异常检测方法，其特征在于，所述根据所述控制关联信息，判断所述激励信号对应的激励特征数据与检测控制信号是否满足所述关联关系，若不满足，判定所述设备控制异常步骤，具体包括：
根据所述激励信号，获得所述激励信号对应的激励特征数据；其中，所述激励特征数据为预设的设备正常时激励信号对应的特征数据；
根据所述控制关联信息，判断所述激励特征数据与检测控制信号是否满足所述关联关系，若不满足，判定所述设备控制异常。
5.一种基于激励信号的设备控制异常检测装置，其特征在于，所述装置包括：
接收模块，用于接收设备检测指令；其中，所述设备检测指令包括目标检测设备；
第一获取模块，用于获取所述目标检测设备的数据仿真控制模型；其中，所述数据仿真控制模型包括所述目标检测设备的控制关联信息和纵向特征数据集，所述控制关联信息为纵向特征数据集与控制信号集的关联关系；
第二获取模块，用于根据所述控制关联信息，获取所述目标检测设备的当前特征数据；
第一判断模块，用于基于所述纵向特征数据集，判断所述当前特征数据是否为异常特征数据，若是，获取所述当前特征数据的激励信号，以使所述当前特征数据对应的控制信号更新为检测控制信号；
第二判断模块，用于根据所述控制关联信息，判断所述激励信号对应的激励特征数据与检测控制信号是否满足所述关联关系，若不满足，判定所述设备控制异常。
6.如权利要求5所述的基于激励信号的设备控制异常检测装置，其特征在于，还包括构建模块，所述构建模块用于获取所述目标检测设备的纵向特征数据集；根据所述纵向特征数据集，获取所述纵向特征数据集对应的控制信号集，并基于所述纵向特征数据集和所述控制信号集，获得所述目标检测设备的控制关联信息；基于所述纵向特征数据集和所述控制关联信息，构建所述目标检测设备的数据仿真控制模型。
7.如权利要求5所述的基于激励信号的设备控制异常检测装置，其特征在于，所述第二获取模块还用于获取所述控制关联信息对应的纵向特征数据集；基于所述纵向特征数据集，获取所述目标检测设备的当前特征数据；其中，所述当前特征数据为纵向特征数据集对应的特征数据。
8.如权利要求5所述的基于激励信号的设备控制异常检测装置，其特征在于，所述第二判断模块还用于根据所述激励信号，获得所述激励信号对应的激励特征数据；其中，所述激励特征数据为预设的设备正常时激励信号对应的特征数据；根据所述控制关联信息，判断所述激励特征数据与检测控制信号是否满足所述关联关系，若不满足，判定所述设备控制异常。
9.一种基于激励信号的设备控制异常检测设备，其特征在于，所述设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的基于激励信号的设备控制异常检测程序，所述基于激励信号的设备控制异常检测程序被所述处理器执行时实现如权利要求1至4中任一项所述的基于激励信号的设备控制异常检测方法的步骤。
10.一种存储介质，其特征在于，所述存储介质上存储有基于激励信号的设备控制异常检测程序，所述基于激励信号的设备控制异常检测程序被处理器执行时实现如权利要求1至4中任一项所述的基于激励信号的设备控制异常检测方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111088404.7A CN113778062A (zh) | 2021-09-16 | 2021-09-16 | 基于激励信号的设备控制异常检测方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111088404.7A CN113778062A (zh) | 2021-09-16 | 2021-09-16 | 基于激励信号的设备控制异常检测方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113778062A true CN113778062A (zh) | 2021-12-10 |
Family
ID=78851484
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111088404.7A Pending CN113778062A (zh) | 2021-09-16 | 2021-09-16 | 基于激励信号的设备控制异常检测方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113778062A (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN86101612A (zh) * | 1985-07-29 | 1987-01-28 | 约翰弗兰克制造公司 | 电路板测试中的计算机辅助故障隔离 |
| CN102092477A (zh) * | 2010-11-30 | 2011-06-15 | 中国民航大学 | 飞机音频综合系统自动测试与故障诊断装置及方法 |
| US20130289897A1 (en) * | 2012-04-27 | 2013-10-31 | Kabushiki Kaisha Toshiba | Electromagnetic flowmeter and self-diagnosing method of exciting circuit unit thereof |
| CN106428115A (zh) * | 2016-09-20 | 2017-02-22 | 中车大连电力牵引研发中心有限公司 | 轨道车辆系统故障的检测方法和装置 |
| CN106462154A (zh) * | 2014-03-31 | 2017-02-22 | 伯斯有限公司 | 用于检测物理系统的控制回路的完整性的方法和系统 |
| CN206270760U (zh) * | 2016-12-22 | 2017-06-20 | 中国人民解放军武汉军械士官学校 | 一种光电设备故障在线隔离检测系统及设备 |
| CN108490916A (zh) * | 2018-03-29 | 2018-09-04 | 北京新能源汽车股份有限公司 | 一种测试电机控制器功能的仿真方法、装置及设备 |
| CN111781946A (zh) * | 2020-06-11 | 2020-10-16 | 彩虹无人机科技有限公司 | 一种基于链路的无人机监控与控制系统 |
-
2021
- 2021-09-16 CN CN202111088404.7A patent/CN113778062A/zh active Pending
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN86101612A (zh) * | 1985-07-29 | 1987-01-28 | 约翰弗兰克制造公司 | 电路板测试中的计算机辅助故障隔离 |
| CN102092477A (zh) * | 2010-11-30 | 2011-06-15 | 中国民航大学 | 飞机音频综合系统自动测试与故障诊断装置及方法 |
| US20130289897A1 (en) * | 2012-04-27 | 2013-10-31 | Kabushiki Kaisha Toshiba | Electromagnetic flowmeter and self-diagnosing method of exciting circuit unit thereof |
| CN106462154A (zh) * | 2014-03-31 | 2017-02-22 | 伯斯有限公司 | 用于检测物理系统的控制回路的完整性的方法和系统 |
| CN106428115A (zh) * | 2016-09-20 | 2017-02-22 | 中车大连电力牵引研发中心有限公司 | 轨道车辆系统故障的检测方法和装置 |
| WO2018053917A1 (zh) * | 2016-09-20 | 2018-03-29 | 中车大连电力牵引研发中心有限公司 | 轨道车辆系统故障的检测方法和装置 |
| CN206270760U (zh) * | 2016-12-22 | 2017-06-20 | 中国人民解放军武汉军械士官学校 | 一种光电设备故障在线隔离检测系统及设备 |
| CN108490916A (zh) * | 2018-03-29 | 2018-09-04 | 北京新能源汽车股份有限公司 | 一种测试电机控制器功能的仿真方法、装置及设备 |
| CN111781946A (zh) * | 2020-06-11 | 2020-10-16 | 彩虹无人机科技有限公司 | 一种基于链路的无人机监控与控制系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107943570A (zh) | 应用管理方法、装置、存储介质及电子设备 | |
| CN114048168A (zh) | 电子档案归档方法、装置、设备、系统及存储介质 | |
| WO2018010438A1 (zh) | 终端的响应方法和装置 | |
| CN113778062A (zh) | 基于激励信号的设备控制异常检测方法及装置 | |
| CN112069843A (zh) | 射频信号处理方法、装置和电子设备 | |
| CN113741215B (zh) | 基于关联特征数据的设备控制方法及装置 | |
| CN114494795A (zh) | 基于底盘检测的停车检测方法、装置、设备及存储介质 | |
| CN112997132A (zh) | 应用冻结的方法、装置及电子设备 | |
| CN113888669A (zh) | 绕线版图绘制方法、装置、设备及存储介质 | |
| CN114167825A (zh) | 产品的控制图获得方法、装置、终端设备以及存储介质 | |
| CN114493119A (zh) | 制造执行系统的生产调度方法、装置、设备及存储介质 | |
| CN112612593A (zh) | 蓝牙控制方法、装置、终端设备以及计算机可读存储介质 | |
| CN113778063B (zh) | 基于纵向特征数据的设备控制方法及装置 | |
| CN114296403A (zh) | 激光切割头的控制方法、装置、终端设备以及存储介质 | |
| CN113824929B (zh) | 停车场异常行为监控方法、装置及停车场监控系统 | |
| CN115376036A (zh) | 生产设备自动断电保护方法、装置、设备及存储介质 | |
| CN111045742A (zh) | 终端设备的改卡方法及其装置、存储介质及终端设备 | |
| CN114261869B (zh) | 电机驱动方向与门板运行方向一致性检测方法和门控制器 | |
| CN106033358B (zh) | 一种应用程序的批量安装方法和装置 | |
| CN113918453A (zh) | 程序测试方法、系统、测试执行端及测试控制端 | |
| CN114494412A (zh) | 室内监控方法、装置、系统及存储介质 | |
| CN113688616B (zh) | 图表报告差异检测方法、装置、设备及存储介质 | |
| CN114645819B (zh) | 风电变桨控制方法、装置、系统及存储介质 | |
| CN112367701B (zh) | 移动终端控制方法、装置、存储介质及移动终端 | |
| CN112651138B (zh) | 流量获得方法、装置、终端设备以及计算机可读存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20211210 |