本發(fā)明涉及水下潛水泵設(shè)備數(shù)據(jù)處理，具體是指一種智能化的水下潛水泵運行異常監(jiān)測方法。

背景技術(shù)：

1、水下潛水泵運行異常監(jiān)測方法是利用人工智能算法對水下潛水泵運行狀態(tài)進行異常檢測，該方法及時發(fā)現(xiàn)潛水泵在運行過程中可能出現(xiàn)的異常情況，確保設(shè)備的正常運行，減少停機時間和維護成本，提高設(shè)備的可靠性與安全性。

2、但是，傳統(tǒng)水下潛水泵運行異常監(jiān)測方法中存在異常情況響應(yīng)遲緩與響應(yīng)結(jié)果不穩(wěn)定的問題，從而影響水下潛水泵運行安全；現(xiàn)有適用于水下潛水泵運行異常監(jiān)測的模型中存在收斂速度慢和輸出結(jié)果類別不平衡的技術(shù)問題，從而導(dǎo)致潛水泵運行異常監(jiān)測結(jié)果不準(zhǔn)確；現(xiàn)有適用于監(jiān)測模型中，存在內(nèi)置參數(shù)設(shè)置不恰當(dāng)?shù)那闆r，從而導(dǎo)致模型輸出結(jié)果不準(zhǔn)確的技術(shù)問題。

技術(shù)實現(xiàn)思路

1、針對上述情況，為克服現(xiàn)有技術(shù)的缺陷，本發(fā)明提供了一種智能化的水下潛水泵運行異常監(jiān)測方法，針對傳統(tǒng)水下潛水泵運行異常監(jiān)測方法中存在異常情況響應(yīng)遲緩與響應(yīng)結(jié)果不穩(wěn)定的問題，從而影響水下潛水泵運行安全；本方案創(chuàng)新性地提出了運行異常數(shù)據(jù)閾值設(shè)計與潛水泵運行異常監(jiān)測模型結(jié)合機制，通過優(yōu)化數(shù)據(jù)處理流程，降低誤報和漏報的風(fēng)險，提升了潛水泵監(jiān)測的效率和可靠性，從而有效提升水下潛水泵運行安全；針對現(xiàn)有適用于水下潛水泵運行異常監(jiān)測的模型中存在收斂速度慢和輸出結(jié)果類別不平衡的技術(shù)問題，從而導(dǎo)致潛水泵運行異常監(jiān)測結(jié)果不準(zhǔn)確，本方案創(chuàng)新性設(shè)計運行異常監(jiān)測激活函數(shù)和潛水泵運行一致性損失函數(shù)，加快了模型的收斂速度，提升監(jiān)測模型的穩(wěn)定性，從而提高潛水泵運行異常監(jiān)測結(jié)果的準(zhǔn)確性；針對現(xiàn)有適用于監(jiān)測模型中，存在內(nèi)置參數(shù)設(shè)置不恰當(dāng)?shù)那闆r，從而導(dǎo)致模型輸出結(jié)果不準(zhǔn)確的技術(shù)問題，本方案通過最優(yōu)比例正弦策略、獲取動態(tài)收斂因子和迭代動態(tài)調(diào)整策略對獲取監(jiān)測模型最優(yōu)參數(shù)的算法進行改進，從而獲取到最優(yōu)參數(shù)組合，提升監(jiān)測模型結(jié)果準(zhǔn)確性。

2、本發(fā)明采取的技術(shù)方案如下：本發(fā)明提供的一種智能化的水下潛水泵運行異常監(jiān)測方法，該方法包括以下步驟：

3、步驟s1：數(shù)據(jù)采集；

4、步驟s2：數(shù)據(jù)預(yù)處理；

5、步驟s3：潛水泵運行監(jiān)測；

6、步驟s4：超參數(shù)優(yōu)化；

7、步驟s5：水下潛水泵運行管理。

8、進一步地，在步驟s1中，所述數(shù)據(jù)采集，具體為從潛水泵設(shè)備運行系統(tǒng)中，通過采集得到潛水泵運行原始數(shù)據(jù)；所述潛水泵運行原始數(shù)據(jù)包括歷史運行數(shù)據(jù)和實時傳感器數(shù)據(jù)；所述歷史運行數(shù)據(jù)和實時傳感器數(shù)據(jù)都包括設(shè)備溫度數(shù)據(jù)、設(shè)備振動數(shù)據(jù)、設(shè)備流量數(shù)據(jù)、設(shè)備電流數(shù)據(jù)、設(shè)備壓力數(shù)據(jù)和設(shè)備周圍環(huán)境監(jiān)測數(shù)據(jù)；所述歷史運行數(shù)據(jù)還包括設(shè)備運行異常故障類型、設(shè)備運行異常故障數(shù)據(jù)和設(shè)備異常故障處理結(jié)果。

9、進一步地，在步驟s2中，所述數(shù)據(jù)預(yù)處理，具體為對潛水泵運行原始數(shù)據(jù)進行數(shù)據(jù)清洗、運行異常數(shù)據(jù)閾值設(shè)定、運行異常數(shù)據(jù)閾值判斷、數(shù)據(jù)歸一化和特征選擇，得到潛水泵運行初步數(shù)據(jù)；具體包括以下步驟：

10、步驟s21：數(shù)據(jù)清洗，具體為對數(shù)據(jù)中的缺失值、異常值和重復(fù)值進行處理；

11、步驟s22：運行異常數(shù)據(jù)閾值設(shè)定，具體為根據(jù)所述歷史運行數(shù)據(jù)中設(shè)備運行異常故障數(shù)據(jù)，結(jié)合人工審核，設(shè)置潛水泵在正常運行時的合理數(shù)據(jù)閾值范圍；

12、步驟s23：運行異常數(shù)據(jù)閾值判斷，具體為通過所述實時傳感器數(shù)據(jù)與設(shè)定閾值進行比較，僅將超過設(shè)定閾值的數(shù)據(jù)標(biāo)記為有效數(shù)據(jù)，用于過濾噪聲和無效信息；

13、步驟s24：數(shù)據(jù)歸一化，用于對數(shù)據(jù)進行歸一化處理，具體為通過最小-最大法對數(shù)據(jù)集進行歸一化處理；

14、步驟s25：特征選擇，具體為采用自適應(yīng)特征選擇方法從潛水泵運行原始數(shù)據(jù)中篩選出與水下潛水泵運行異常相關(guān)的重要特征。

15、進一步地，在步驟s3中，所述潛水泵運行監(jiān)測，具體為通過建立潛水泵運行異常監(jiān)測模型并對監(jiān)測模型進行歷史運行數(shù)據(jù)訓(xùn)練，將所述潛水泵運行初步數(shù)據(jù)中實時傳感器數(shù)據(jù)作為訓(xùn)練后的監(jiān)測模型的輸入數(shù)據(jù)，得到水下潛水泵運行監(jiān)測結(jié)果；包括以下步驟：

16、步驟s31：建立潛水泵運行異常監(jiān)測模型，具體通過設(shè)計運行異常監(jiān)測激活函數(shù)建立潛水泵運行異常監(jiān)測模型；包括以下步驟：

17、步驟s311：設(shè)計運行異常監(jiān)測激活函數(shù)，所用公式如下：

18、；

19、式中，表示運行異常監(jiān)測激活函數(shù)，x表示激活函數(shù)的輸入變量，表示可以調(diào)節(jié)激活函數(shù)輸出范圍和形狀的參數(shù)；

20、步驟s312：lstm單元輸出計算，具體為遞歸計算每個時間步的隱藏狀態(tài)和細(xì)胞狀態(tài)，并將每個時間步的隱藏狀態(tài)通過運行異常監(jiān)測激活函數(shù)進行線性變換，得到單個時間步的監(jiān)測結(jié)果；所用公式如下：

21、；

22、；

23、式中，表示單元運行函數(shù)，表示第t個時間步的隱藏狀態(tài)，表示第t個時間步的輸入數(shù)據(jù)，表示是第個時間步的隱藏狀態(tài)，表示是第個時間步的細(xì)胞單元狀態(tài)，表示第t個時間步的lstm單元輸出結(jié)果，表示輸出權(quán)重矩陣，表示激活函數(shù)，表示輸出層的偏置項參數(shù)；

24、步驟s313：計算概率分布，具體為通過函數(shù)將lstm單元輸出結(jié)果轉(zhuǎn)換為概率分布，得到每個潛水泵運行異常類別的監(jiān)測概率；所用公式如下：

25、；

26、式中，表示第t個時間步的輸出結(jié)果概率分布；

27、步驟s314：計算整個時間序列最終輸出結(jié)果，具體為計算整個時間序列的平均輸出概率，得到最終潛水泵運行異常監(jiān)測的結(jié)果；所用公式如下：

28、；

29、式中，表示整個時間序列最終輸出結(jié)果，t表示時間序列的長度；

30、步驟s32：潛水泵運行異常監(jiān)測模型訓(xùn)練，具體為使用所述潛水泵運行初步數(shù)據(jù)中歷史運行數(shù)據(jù)對潛水泵運行異常監(jiān)測模型進行訓(xùn)練，得到訓(xùn)練后的潛水泵運行異常監(jiān)測模型；

31、步驟s321：設(shè)計潛水泵運行一致性損失函數(shù)，所用公式如下：

32、；

33、式中，表示潛水泵運行一致性損失函數(shù)值，c表示潛水泵運行異常類別總數(shù)，表示真實數(shù)據(jù)第i類別的值，表示控制損失函數(shù)之間的權(quán)重參數(shù)，表示控制輸出結(jié)果概率分布的參數(shù)，表示在第d個時間步中第i個類別的輸出概率，在第t個時間步中第i個類別的輸出概率；

34、步驟s322：更新權(quán)重，具體為通過反向傳播算法計算權(quán)重的梯度并進行權(quán)重矩陣更新；所用公式如下：

35、；

36、；

37、式中，表示損失函數(shù)表示對權(quán)重矩陣的梯度，表示第t個時間步的lstm單元輸出結(jié)果對權(quán)重矩陣的變化率，表示新的輸出權(quán)重矩陣，表示舊的輸出權(quán)重矩陣，表示學(xué)習(xí)率；

38、步驟s323：迭代判定，具體為監(jiān)控?fù)p失函數(shù)的變化情況，若損失函數(shù)低于設(shè)定閾值，則停止迭代訓(xùn)練，否則繼續(xù)迭代訓(xùn)練，最終得到訓(xùn)練后的潛水泵運行異常監(jiān)測模型；

39、步驟s33：水下潛水泵運行異常監(jiān)測，具體是將所述潛水泵運行初步數(shù)據(jù)中實時傳感器數(shù)據(jù)作為訓(xùn)練后的潛水泵運行異常監(jiān)測模型輸入數(shù)據(jù)，得到水下潛水泵運行異常監(jiān)測結(jié)果，所述水下潛水泵運行異常監(jiān)測結(jié)果的類別可劃分為運行正常、設(shè)備機械故障、設(shè)備電氣故障、設(shè)備流體問題、設(shè)備壓力異常、設(shè)備溫度異常、設(shè)備控制系統(tǒng)故障和其他故障。

40、進一步地，在步驟s4中，所述超參數(shù)優(yōu)化具體包括以下步驟：

41、步驟s41：初始化參數(shù)，具體為通過構(gòu)建算法初始參數(shù)；所述算法初始參數(shù)，包括種群大小n和最大迭代次數(shù)；

42、步驟s42：初始化種群，具體是搜索個體在可行的搜索空間內(nèi)隨機位置初始化，所用公式如下：

43、；

44、式中，表示第i個體的初始化位置，和分別表示搜索下限和上限，表示介于范圍內(nèi)均勻分布的隨機數(shù)；

45、步驟s43：計算適應(yīng)度值，具體為計算種群中個體適應(yīng)度值fi；將基于個體位置建立潛水泵運行異常監(jiān)測模型性能作為個體的適應(yīng)度值，將個體按適應(yīng)度值由優(yōu)至差進行排序，獲取當(dāng)前全局適應(yīng)度值最高個體位置；

46、步驟s44：個體全局搜索行為，具體為通過最優(yōu)比例正弦策略進行個體全局搜索最優(yōu)解，所用公式如下：

47、；

48、式中，t表示當(dāng)前的迭代次數(shù)，表示第i個體在第t代種群中的位置，表示第i個體在第t+1代種群中的位置，表示種群在第t次迭代中具有最佳適應(yīng)度值的個體位置，表示介于范圍內(nèi)均勻分布的隨機數(shù)，和表示介于范圍內(nèi)均勻分布的隨機數(shù)，表示黃金比例系數(shù)，表示介于范圍內(nèi)均勻分布的隨機數(shù)；

49、步驟s45：獲取動態(tài)收斂因子，具體所用公式如下：

50、；

51、式中，表示動態(tài)收斂因子，π表示圓周率；

52、步驟s46：最優(yōu)解衍生行為，具體所用公式如下：

53、；

54、；

55、；

56、式中，表示第i衍生個體在第t+1代種群中的位置，表示第i衍生個體在第t代種群中的位置，表示衍生個體位置的下邊界，表示衍生個體位置的上邊界，和分別表示解空間的最大值和最小值，和表示介于范圍內(nèi)均勻分布的隨機數(shù)；

57、步驟s47：個體局部探索行為，具體所用公式如下：

58、；

59、；

60、；

61、式中，表示個體局部探索的下邊界，表示個體局部探索的上邊界，表示服從正態(tài)分布的隨機數(shù)；表示介于范圍內(nèi)均勻分布的隨機數(shù)；

62、步驟s48：競爭式全局?jǐn)_動行為，具體為使用迭代動態(tài)調(diào)整策略進行全局個體擾動；所用公式如下：

63、；

64、式中，表示介于范圍內(nèi)均勻分布的隨機數(shù)；

65、步驟s49：搜索判定，具體為通過構(gòu)建搜索終止條件，進行最優(yōu)個體位置的搜索判定，得到最優(yōu)個體位置數(shù)據(jù)設(shè)置；

66、所述搜索終止條件，包括閾值終止和迭代終止；

67、所述閾值終止，具體為設(shè)置適應(yīng)度閾值，當(dāng)所述個體適應(yīng)度值fi高于適應(yīng)度閾值時，超參數(shù)搜索完成；

68、所述迭代終止，具體指達到最大迭代次數(shù)時，終止迭代并獲得最優(yōu)個體位置；

69、所述最優(yōu)個體位置，包括潛水泵運行異常監(jiān)測模型參數(shù)組合。

70、進一步地，在步驟s5中，所述水下潛水泵運行管理具體為根據(jù)潛水泵運行異常監(jiān)測模型的輸出結(jié)果，若輸出結(jié)果為運行正常時，則繼續(xù)對水下潛水泵各項運行數(shù)據(jù)進行記錄和備份，若輸出結(jié)果不是運行正常時，則立即觸發(fā)警報系統(tǒng)，通知水下潛水泵維護人員，維護人員根據(jù)異常類型，迅速制定維修方案，保障水下作業(yè)的順利開展。

71、采用上述方案本發(fā)明取得的有益效果如下：

72、（1）針對傳統(tǒng)水下潛水泵運行異常監(jiān)測方法中存在異常情況響應(yīng)遲緩與響應(yīng)結(jié)果不穩(wěn)定的問題，從而影響水下潛水泵運行安全；本方案創(chuàng)新性地提出了運行異常數(shù)據(jù)閾值設(shè)計與潛水泵運行異常監(jiān)測模型結(jié)合機制，通過優(yōu)化數(shù)據(jù)處理流程，降低誤報和漏報的風(fēng)險，提升了潛水泵監(jiān)測的效率和可靠性，從而有效提升水下潛水泵運行安全。

73、（2）針對現(xiàn)有適用于水下潛水泵運行異常監(jiān)測的模型中存在收斂速度慢和輸出結(jié)果類別不平衡的技術(shù)問題，從而導(dǎo)致潛水泵運行異常監(jiān)測結(jié)果不準(zhǔn)確，本方案創(chuàng)新性設(shè)計運行異常監(jiān)測激活函數(shù)和潛水泵運行一致性損失函數(shù)，加快了模型的收斂速度，提升監(jiān)測模型的穩(wěn)定性，從而提高潛水泵運行異常監(jiān)測結(jié)果的準(zhǔn)確性。

74、（3）針對現(xiàn)有適用于監(jiān)測模型中，存在內(nèi)置參數(shù)設(shè)置不恰當(dāng)?shù)那闆r，從而導(dǎo)致模型輸出結(jié)果不準(zhǔn)確的技術(shù)問題，本方案通過最優(yōu)比例正弦策略、獲取動態(tài)收斂因子和迭代動態(tài)調(diào)整策略對獲取監(jiān)測模型最優(yōu)參數(shù)的算法進行改進，從而獲取到最優(yōu)參數(shù)組合，提升監(jiān)測模型結(jié)果準(zhǔn)確性。