(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202110206289.2 (22)申请日 2021.02.24 (65)同一申请的已公布的文献号 申请公布号 CN 112836315 A (43)申请公布日 2021.05.25 (73)专利权人 上海交通大 学 地址 200240 上海市闵行区东川路80 0号 (72)发明人 罗梅超　程帆　 (74)专利代理 机构 上海科盛知识产权代理有限 公司 312 25 专利代理师 杨宏泰 (51)Int.Cl. G06F 30/17(2020.01) G06F 30/27(2020.01) G06N 3/04(2006.01)G06N 3/08(2006.01) (56)对比文件 CN 110942450 A,2020.0 3.31 CN 110188820 A,2019.08.3 0 CN 112001903 A,2020.1 1.27 CN 110175571 A,2019.08.27 CN 111539464 A,2020.08.14 CN 1071940 53 A,2017.09.2 2 US 202021 1217 A1,2020.07.02 审查员 许瑞雪 (54)发明名称 一种基于神经网络的限位开关生产流水线 异常监控方法 (57)摘要 本发明涉及一种基于神经网络的限位开关 生产流水线异常监控方法， 包括以下步骤： 1)建 立对应神经网络模型提取对应的数据特征向量； 2)对各神经网络模型提取得到的数据特征向量 进行统一标准化处理； 3)以最终特征向量为输 入， 以表示分类结果属于各个异常类别的概率向 量为输出构建异常分类神经网络； 4)采用通过仿 真收集到的各异常情况下对应的传感器数据集 对异常分类神经网络进行训练； 5)将限位开 关生 产流水线实际的传感器数据按照步骤1) ‑2)进行 处理后输入训练好的异常分类神经网络得到对 应的预测结果， 并根据结果进行后续处理。 与现 有技术相比， 本发明具有实时准确、 扩展性强、 统 合特征等优点。 权利要求书2页 说明书5页 附图3页 CN 112836315 B 2022.11.29 CN 112836315 B 1.一种基于神经网络的限位开关生产流水线异常监控方法， 用以在无需等待人工介入 诊断的情况下自主确定限位开关生产流水线中的异常原因并回报诊断结果以协助快速解 决异常状况， 其特 征在于， 包括以下步骤： 1)确定限位开关生产流水线的传感器数据类型， 并建立对应神经网络模型提取对应的 数据特征向量； 2)对各神经网络模型提取得到的数据 特征向量进行统一标准化处理， 得到整体的最终 特征向量； 3)以最终特征向量为输入， 以表示分类结果属于各个异常类别的概率向量为输出构建 异常分类神经网络； 4)采用通过仿真收集到的各异常情况下对应的传感器数据集对异常分类神经网络进 行训练； 5)将限位开关生产流水线实际的传感器数据按照步骤1) ‑2)进行处理后 输入训练好的 异常分类神经网络得到对应的预测结果， 并根据结果进行后续处 理； 所述的步骤1)中， 限位开关生产流水线的传感器数据具体包括限位开关外壳图片、 限 位开关在不同卡 位下的阻值以及限位 开关在不同卡 位下所需施加的压力； 所述的限位开关外 壳图片的数据类型为图片数据， 限位开关在不同卡位下的 阻值以及 限位开关在不同卡位下所需施加的压力数据分别为序列数据， 对于图片数据类型， 则采用 卷积神经网络进行特征提取， 得到图像数据特征向量， 对于序列数据类型， 则分别采用双向 LSTM模型进行 特征提取， 得到电阻数据特 征向量与压力数据特 征向量； 所述的步骤2)中， 采用numpy.concatenate实现图像数据特征向量、 电阻数据特征向量 以及压力数据特 征向量的拼接， 得到最终特 征向量； 所述的步骤4)中， 在对异常分类神经网络进行训练过程中采用的损失函数L为 Categorical  CrossEntropy Loss， 具体表达式为： 其中， p(x)为数据的真实值， y(x)为异常分类神经网络根据输入的最终特征向量x所输 出的分类结果向量。 2.根据权利要求1所述的一种基于神经网络的限位开关生产流水线异常监控方法， 所 述的步骤3)中， 异常分类神经网络的分类结果包括无异常、 5种异常以及未知异常， 所述的5 种异常具体为开关外壳存在瑕疵、 弹簧元件出现问题、 电阻元件失灵， 开关装配存在误差、 内部电路连 结错误。 3.根据权利要求2所述的一种基于神经网络的限位开关生产流水线异常监控方法， 所 述的步骤5)中， 在限位开关生产流水线实际生产过程中， 各传感器将数据传回监控系统并 采用训练好的异常分类神经网络进 行预测， 监控系统每秒进 行一次最 终判断， 若 无异常， 则 流水线作业继续， 若在1秒内出现了5次异常报错， 则将停止流水线作业并立刻上报异常检 测报告。 4.根据权利要求3所述的一种基于神经网络的限位开关生产流水线异常监控方法， 当 预测结果 为开关外壳存在瑕疵时， 对应的处 理方式如下：权　利　要　求　书 1/2 页 2 CN 112836315 B 2额外构建一个独立的瑕疵检测网络， 该瑕疵检测网络采用Faster  RCNN模型， 其输入数 据为存在瑕疵的限位 开关外壳图片数据， 输出为框 定出的瑕疵位置数据。 5.根据权利要求3所述的一种基于神经网络的限位开关生产流水线异常监控方法， 当 预测结果为未知异常时， 则表示发生未在训练阶段预见 的重大异常， 则立即停止流水线作 业并人工介入 对整个生产流水线 进行彻底诊断。 6.根据权利要求4所述的一种基于神经网络的限位开关生产流水线异常监控方法， 所 述的异常检测报告包含异常发生原因， 若异常为开关外壳存在瑕疵， 则调用训练完成的瑕 疵检测网络进 行诊断， 此时， 异常检测报告进一步包括瑕疵所在位置， 提示工作人员对异常 原因做出反应并进行修复， 在异常修复完成后， 生产流水线恢复作业同时继续持续进行监 控。权　利　要　求　书 2/2 页 3 CN 112836315 B 3