退火设备控制系统的故障检测方法及系统与流程

1.本技术涉及退火设备控制优化技术领域，具体而言，涉及一种退火设备控制系统的故障检测方法及系统。


背景技术：

2.退火设备控制系统可以对退火设备进行退火操作控制，退火是一种金属热处理工艺，指的是将金属缓慢加热到一定温度，保持足够时间，然后以适宜速度冷却，目的是降低硬度，改善切削加工性；降低残余应力，稳定尺寸，减少变形与裂纹倾向；细化晶粒，调整组织，消除组织缺陷。准确的说，退火是一种对材料的热处理工艺，包括金属材料、非金属材料。而且新材料的退火目的也与传统金属退火存在异同。基于此，退火设备控制系统的稳定性关系到各种材料的最终处理工艺质量，因此需要及时对退火设备控制系统进行故障检测，以便于及时通知相关控制人员信息故障修复。在相关技术的方案中，大多是采用简单的数据参数范围的比较来判断是否存在退火设备故障，这种方案存在极大的局限性，难以保证退火设备故障检测可靠性。


技术实现要素：

3.有鉴于此，本技术的目的在于提供一种退火设备控制系统的故障检测方法及系统。
4.依据本技术的第一方面，提供一种退火设备控制系统的故障检测方法，应用于云服务器，所述方法包括：获取模板退火设备控制数据及故障检测目标的目标属性，所述故障检测目标是指对所述模板退火设备控制数据的故障定位根因进行检测的目标对象；所述目标属性包含所述故障检测目标的目标标签特征信息，及所述故障检测目标对所述模板退火设备控制数据的故障定位根因进行检测所得到的检测数据；基于退火设备故障检测网络对所述模板退火设备控制数据进行编码，获得所述模板退火设备控制数据的退火设备控制编码向量集，并基于所述退火设备故障检测网络对所述故障检测目标的目标标签特征信息进行编码，获得所述故障检测目标的目标嵌入向量集；将所述目标嵌入向量集加载到所述模板退火设备控制数据的退火设备控制编码向量集中，获得聚合编码向量集，所述聚合编码向量集兼具所述模板退火设备控制数据的退火设备控制维度及所述故障检测目标的故障检测目标维度；基于所述检测数据，所述退火设备控制编码向量集和所述聚合编码向量集，对所述退火设备故障检测网络进行网络收敛优化；网络收敛优化后的退火设备故障检测网络用于对退火设备控制数据的故障定位根因进行定位。
5.在第一方面的一种可能的实施方式中，所述基于退火设备故障检测网络对所述模板退火设备控制数据进行编码，获得所述模板退火设备控制数据的退火设备控制编码向量
集，包括：对所述模板退火设备控制数据进行划分，获得所述模板退火设备控制数据对应的多个退火设备控制段；基于退火设备故障检测网络对所述多个退火设备控制段中每个退火设备控制段进行编码，获得所述每个退火设备控制段的片段编码向量集，退火设备控制段的片段编码向量集表征相应退火设备控制段所包含的各退火设备控制数据分块的分块表征信息；结合所述每个退火设备控制段的片段编码向量集，建立所述模板退火设备控制数据的退火设备控制编码向量集；所述退火设备控制编码向量集中各片段编码向量集，依据相应退火设备控制段在所述模板退火设备控制数据中的控制时序排列，所述退火设备控制编码向量集表征所述模板退火设备控制数据中各退火设备控制数据分块的分块表征信息。
6.在第一方面的一种可能的实施方式中，所述模板退火设备控制数据中包含多个控制节点，所述对所述模板退火设备控制数据进行划分，获得所述模板退火设备控制数据对应的多个退火设备控制段，包括：获取第一预设划分单位和第二预设划分单位；所述第一预设划分单位被配置于划分两个关联退火设备控制段之间的控制间隔单位，所述第二预设划分单位被配置于划分退火设备控制段所包含的控制节点数量；依据所述第一预设划分单位和所述第二预设划分单位，对所述模板退火设备控制数据进行划分，获得所述模板退火设备控制数据对应的多个退火设备控制段。
7.在第一方面的一种可能的实施方式中，所述退火设备控制编码向量集中包含每个退火设备控制段的片段编码向量集；所述将所述目标嵌入向量集加载到所述模板退火设备控制数据的退火设备控制编码向量集中，获得聚合编码向量集，包括：将所述目标嵌入向量集与所述每个退火设备控制段的片段编码向量集进行融合，获得每个退火设备控制段的片段融合编码向量集；依据各退火设备控制段的控制时序信息，将所述每个退火设备控制段的片段融合编码向量集进行排序，获得所述模板退火设备控制数据的聚合编码向量集。
8.在第一方面的一种可能的实施方式中，所述每个退火设备控制段的片段编码向量集中包含相应退火设备控制段所包含的各退火设备控制数据分块的分块层级向量；所述模板退火设备控制数据对应的任一退火设备控制段表示为目标退火设备控制段； 所述将所述目标嵌入向量集与所述每个退火设备控制段的片段编码向量集进行融合，获得每个退火设备控制段的片段融合编码向量集，包括：将所述目标嵌入向量集与所述目标退火设备控制段所包含各退火设备控制数据分块的分块层级向量融合，获得各退火设备控制数据分块的分块层级聚合编码向量集；退火设备控制数据分块的分块层级聚合编码向量集兼具相应退火设备控制数据分块的分块表征信息及所述故障检测目标的故障检测目标维度；基于所述各退火设备控制数据分块的分块层级聚合编码向量集，建立所述目标退火设备控制段的片段融合编码向量集。
9.在第一方面的一种可能的实施方式中，所述基于所述检测数据，所述退火设备控制编码向量集和所述聚合编码向量集，对所述退火设备故障检测网络进行网络收敛优化，包括：
基于所述退火设备故障检测网络基于所述退火设备控制编码向量集和所述聚合编码向量集，对所述模板退火设备控制数据进行故障根因定位处理，获得所述模板退火设备控制数据的目标故障根因定位数据；基于所述目标故障根因定位数据和所述检测数据之间的区别数据，确定所述退火设备故障检测网络的loss函数值，并依据减小所述loss函数值的方向，对所述退火设备故障检测网络进行网络收敛优化；所述基于所述退火设备故障检测网络基于所述退火设备控制编码向量集和所述聚合编码向量集，对所述模板退火设备控制数据进行故障根因定位处理，获得所述模板退火设备控制数据的目标故障根因定位数据，包括：利用所述退火设备故障检测网络基于所述退火设备控制编码向量集，对所述模板退火设备控制数据进行故障根因定位处理，获得所述模板退火设备控制数据的第一故障根因定位数据；利用所述退火设备故障检测网络基于所述聚合编码向量集，对所述模板退火设备控制数据进行故障根因定位处理，获得所述模板退火设备控制数据的第二故障根因定位数据；结合所述第一故障根因定位数据和所述第二故障根因定位数据，确定所述模板退火设备控制数据的目标故障根因定位数据；所述退火设备控制编码向量集中包含每个退火设备控制段的片段编码向量集，所述利用所述退火设备故障检测网络基于所述退火设备控制编码向量集，对所述模板退火设备控制数据进行故障根因定位处理，获得所述模板退火设备控制数据的第一故障根因定位数据，包括：利用所述退火设备故障检测网络对所述每个退火设备控制段的片段编码向量集进行转换，获得所述每个退火设备控制段的节点编码向量；结合所述每个退火设备控制段的节点编码向量，对相应退火设备控制段进行故障根因定位，获得所述每个退火设备控制段的节点故障根因定位数据；对所述模板退火设备控制数据所包含的多个退火设备控制段的节点故障根因定位数据进行故障根因决策，获得所述模板退火设备控制数据的第一故障根因定位数据；所述故障根因决策为平均运算，所述结合所述每个退火设备控制段的节点编码向量，对相应退火设备控制段进行故障根因定位，获得所述每个退火设备控制段的节点故障根因定位数据，包括：依据区间剪切策略结合所述每个退火设备控制段的节点编码向量，对相应退火设备控制段进行故障根因定位，获得所述每个退火设备控制段的节点故障根因定位数据；其中，每个退火设备控制段的节点故障根因定位数据的区间，位于所述区间剪切策略所指示的区间内。
10.在第一方面的一种可能的实施方式中，所述故障检测目标的数量为k，k为大于1的整数；在故障根因决策为平均运算时，所述检测数据包括k个故障检测目标对所述模板退火设备控制数据的故障定位根因检测所得的k个子检测数据的平均结果；所述将所述目标嵌入向量集加载到所述模板退火设备控制数据的退火设备控制
编码向量集中，获得聚合编码向量集；基于所述检测数据，所述退火设备控制编码向量集和所述聚合编码向量集，对所述退火设备故障检测网络进行网络收敛优化，包括：将每个故障检测目标的目标嵌入向量集，分别加载到所述模板退火设备控制数据的退火设备控制编码向量集中，获得k个聚合编码向量集； 基于所述检测数据，所述退火设备控制编码向量集和所述k个聚合编码向量集，对所述退火设备故障检测网络进行网络收敛优化。
11.在第一方面的一种可能的实施方式中，所述方法还包括：获取待检测的目标退火设备控制数据；调用所述网络收敛优化后的退火设备故障检测网络对所述目标退火设备控制数据进行故障根因定位处理，获得所述目标退火设备控制数据的退火设备控制数据检测数据，所述退火设备控制数据检测数据表示所述目标退火设备控制数据的故障定位根因。
12.依据本技术的第二方面，提供一种云服务器，所述退火设备控制系统包括包括机器可读存储介质及处理器，所述机器可读存储介质存储有机器可执行指令，所述处理器在执行所述机器可执行指令时，该云服务器实现前述的退火设备控制系统的故障检测方法。
13.依据本技术的第三方面，提供提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机可执行指令，当所述计算机可执行指令被执行时，实现前述的退火设备控制系统的故障检测方法。
14.依据上述任一方面，本技术中，通过获取模板退火设备控制数据和故障检测目标的目标属性（包含目标属性和检测数据），基于退火设备故障检测网络分别对模板退火设备控制数据和目标属性所包含的目标标签特征信息进行编码，获得模板退火设备控制数据的退火设备控制编码向量集，和故障检测目标的目标嵌入向量集，将目标嵌入向量集加载到模板退火设备控制数据的退火设备控制编码向量集中，以得到兼具模板退火设备控制数据的退火设备控制维度的退火设备控制数据特征和故障检测目标的目标对象特征的聚合编码向量集，基于该聚合编码向量集，退火设备控制编码向量集和检测数据，训练得到退火设备故障检测网络。通过依赖检测数据的模板退火设备控制数据就可以实现对退火设备故障检测网络的网络收敛优化，并且引入了检测模板退火设备控制数据的故障定位根因的故障检测目标的目标属性；例如将故障检测目标的目标嵌入向量集加载到模板退火设备控制数据的退火设备控制编码向量集中，这使得用于网络收敛优化的聚合编码向量集兼具了模板退火设备控制数据和故障检测目标的特性；再如基于故障检测目标对模板退火设备控制数据的故障定位根因的检测数据进行网络收敛优化，可以模拟故障检测人员对模板退火设备控制数据的故障定位根因的检测效果，确保退火设备故障检测网络能够很好地拟合故障检测人员对退火设备控制数据的故障检测状况，提高退火设备故障检测可靠性。
附图说明
15.为了更清楚地说明本技术实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本技术的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以依据这些附图获得其它相关的附图。
16.图1本技术实施例所提供的退火设备控制系统的故障检测方法的流程示意图；图2示出了本技术实施例所提供的用于实现上述的退火设备控制系统的故障检测方法的云服务器的组件结构示意图。
实施方式
17.为使本技术实施例的目的、技术方案和优点更加清楚，下面将依据本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，应当理解，本技术中附图仅起到说明和描述的目的，并不用于限定本技术的保护范围。另外，应当理解，示意性的附图并未按实物比例绘制。本技术中使用的流程图示出了依据本技术实施例的一些实施例实现的操作。应该理解，流程图的操作可以不按顺序实现，没有逻辑的上下文关系的步骤可以反转顺序或者同时实施。此外，本领域技术人员在本技术vr跑步行为的指引下，可以向流程图添加一个或多个其它操作，也可以从流程图中销毁一个或多个操作。
18.图1示出了本技术实施例提供的退火设备控制系统的故障检测方法的流程示意图，应当理解，在其它实施例中，本实施例的退火设备控制系统的故障检测方法其中部分步骤的顺序可以依据实际需要相互共享，或者其中的部分步骤也可以省略或维持。该退火设备控制系统的故障检测方法的详细包括：步骤s101：获取模板退火设备控制数据及故障检测目标的目标属性。
19.模板退火设备控制数据是用于对退火设备故障检测网络进行网络收敛优化的退火设备控制数据。所述故障检测目标是指对所述模板退火设备控制数据的故障定位根因进行检测的目标对象（如有丰富经验的故障排查人员）；所述目标属性包含所述故障检测目标的目标标签特征信息（如故障排查擅长方向等），及所述故障检测目标对所述模板退火设备控制数据的故障定位根因进行检测所得到的检测数据。
20.步骤s102：基于退火设备故障检测网络对模板退火设备控制数据进行编码，获得模板退火设备控制数据的退火设备控制编码向量集，并基于退火设备故障检测网络特征对故障检测目标的目标标签特征信息进行编码，获得故障检测目标的目标嵌入向量集。
21.在步骤s101获取到模板退火设备控制数据和故障检测目标的目标属性后，可以将该模板退火设备控制数据和故障检测目标的目标属性输入至初始化的退火设备故障检测网络中；此时可以基于该退火设备故障检测网络模块首先分别对模板退火设备控制数据和目标属性所包含的目标标签特征信息进行编码。
22.下面分别对基于退火设备故障检测网络模块对模板退火设备控制数据，和故障检测目标的目标属性所包含的目标标签特征信息的编码的具体实施过程进行介绍。
23.一些示例性的设计思路中，基于分段编码模块对模板退火设备控制数据进行编码，获得模板退火设备控制数据的退火设备控制编码向量集的具体实施过程参见步骤s11-步骤s13；其中：步骤s11：对该模板退火设备控制数据进行划分，获得模板退火设备控制数据对应的多个退火设备控制段。具体是模板退火设备控制数据中包含多个控制节点，如模板退火设备控制数据包含t个控制节点，那么可以获取第二预设划分单位和第一预设划分单位，并依据第二预设划分单位和第一预设划分单位，对模板退火设备控制数据进行划分，获得退火设备控制数据模板对应的多个退火设备控制段。
24.其中，第一预设划分单位可以被配置于划分两个关联退火设备控制段之间的控制间隔单位，第二预设划分单位可以被配置于划分退火设备控制段所包含的控制节点数量。
25.步骤s12：基于退火设备故障检测网络对多个退火设备控制段中每个退火设备控制段进行编码，获得每个退火设备控制段的片段编码向量集。
26.基于上述步骤s11实现将模板退火设备控制数据划分为n个退火设备控制段，每个退火设备控制段是由离散的控制节点来表示的。进一步可以提取得到每个退火设备控制段的片段编码向量集，该片段编码向量集可以表征退火设备控制段所包含的各退火设备控制数据分块的分块表征信息。
27.步骤s13：基于每个退火设备控制段的片段编码向量集，建立模板退火设备控制数据的退火设备控制编码向量集。示例性地，基于上述步骤s12得到每个退火设备控制段的片段编码向量集后，可以基于n个退火设备控制段的片段编码向量集建立得到整个模板退火设备控制数据的退火设备控制编码向量集。换言之，退火设备故障检测网络支持将n个退火设备控制段编码成一段退火设备控制编码向量集，该退火设备控制编码向量集可以表示为。由此可见，模板退火设备控制数据的退火设备控制编码向量集中各片段编码向量集，是依据相应退火设备控制段在模板退火设备控制数据中的控制顺序排序的，退火设备控制编码向量集可以表征模板退火设备控制数据中各退火设备控制数据分块的分块表征信息。
28.步骤s103：将目标嵌入向量集加载到模板退火设备控制数据的退火设备控制编码向量集中，获得聚合编码向量集。
29.前述建立的退火设备故障检测网络支持模拟故障检测人员对退火设备控制数据的检测效果，为更好地提升退火设备故障检测网络拟合故障检测人员的性能，可以在训练阶段基于单个故障检测目标对模板退火设备控制数据的检测数据，来提高退火设备故障检测网络的故障检测表现。例如，可以将提取到的故障检测目标的目标嵌入向量集加载到模板退火设备控制数据的退火设备控制编码向量集中，获得聚合编码向量集；这样，该聚合编码向量集兼具模板退火设备控制数据的退火设备控制维度及故障检测目标的故障检测目标维度，使得用于网络收敛学习的聚合编码向量集能够携带故障检测目标的目标嵌入向量集，从而基于聚合编码向量集网络收敛优化后的退火设备故障检测网络能够更好地拟合故障检测人员检测效果。
30.其中，将故障检测目标的目标嵌入向量集加载到模板退火设备控制数据的退火设备控制编码向量集可以通过以下方案实现：将故障检测目标的目标嵌入向量集，与模板退火设备控制数据对应的每个退火设备控制数据判断的片段编码向量集进行融合，获得每个退火设备控制段的片段融合编码向量集；然后，依据各退火设备控制段的控制时序信息，将每个退火设备控制段的片段融合编码向量集进行排序，获得模板退火设备控制数据的聚合编码向量集，此处的排序具体是依据退火设备控制编码向量集中原本各片段编码向量集之间的序列进行排序。
31.其中，以模板退火设备控制数据对应的任一退火设备控制段表示为目标退火设备控制段为例，对故障检测目标的目标嵌入向量集与每个退火设备控制段的片段编码向量集融合的过程进行介绍：由前述描述可知，每个退火设备控制段的片段编码向量集中包含相应退火设备控制段所包含的各退火设备控制数据分块的分块层级向量，那么目标退火设备控制段的片段编码向量集中也包含该目标退火设备控制段所包含的各退火设备控制数据
分块的分块层级向量；则支持将目标嵌入向量集加载到目标退火设备控制段所包含的各退火设备控制数据分块的分块层级向量中，或描述为将目标嵌入向量集与目标退火设备控制段所包含的各退火设备控制数据分块的分块层级向量进行融合，获得各退火设备控制数据分块的分块层级聚合编码向量集。其中，每个退火设备控制数据分块的分块层级聚合编码向量集兼具相应退火设备控制数据分块的分块表征信息和故障检测目标的故障检测目标维度。然后，再基于各退火设备控制数据分块的分块层级聚合编码向量集，建立目标退火设备控制段的片段融合编码向量集。
32.步骤s104：基于检测数据，退火设备控制编码向量集和聚合编码向量集，对退火设备故障检测网络进行网络收敛优化。
33.基于以上步骤，可以得到表示模板退火设备控制数据本身的退火设备控制维度的退火设备控制编码向量集，还可以得到同时表示模板退火设备控制数据的退火设备控制维度和故障检测目标的故障检测目标维度的聚合编码向量集。基于此，本实施方式可以使用退火设备故障检测网络继续基于退火设备控制数据序列特性和聚合编码向量集，对模板退火设备控制数据进行故障根因定位处理，从而得到模板退火设备控制数据的目标故障根因定位数据。可以基于退火设备控制数据序列特性和聚合编码向量集对模板退火设备控制数据进行故障根因定位处理，获得模板退火设备控制数据的目标故障根因定位数据。然后，依据减小目标故障根因定位数据和检测数据之间的区别数据的方向，对退火设备故障检测网络进行网络收敛优化；换言之，本实施方式可以最小化整段模板退火设备控制数据的定位的目标故障根因定位数据，和故障检测目标对模板退火设备控制数据进行的主动故障检测的检测数据之间的区别数据，获得网络收敛优化后的退火设备故障检测网络。
34.其中，使用退火设备故障检测网络基于退火设备控制编码向量集和聚合编码向量集，对模板退火设备控制数据进行故障根因定位处理可以通过以下方案实现：使用退火设备故障检测网络基于退火设备控制编码向量集，对模板退火设备控制数据进行故障根因定位处理，获得模板退火设备控制数据的第一故障根因定位数据；例如可以对模板退火设备控制数据进行故障根因定位处理，获得模板退火设备控制数据的第一故障根因定位数据。以及，使用退火设备故障检测网络基于聚合编码向量集，对模板退火设备控制数据进行故障根因定位处理，获得模板退火设备控制数据的第二故障根因定位数据；例如可以对携带目标属性的模板退火设备控制数据进行故障根因定位处理，获得模板退火设备控制数据的第二故障根因定位数据。然后，结合第一故障根因定位数据和第二故障根因定位数据，确定模板退火设备控制数据的目标故障根因定位数据，具体是将第一故障根因定位数据和第二故障根因定位数据相加，获得模板退火设备控制数据的目标故障根因定位数据。
35.其中，使用退火设备故障检测网络实现故障根因定位处理的过程是类似的；即基于模板退火设备控制数据的退火设备控制编码向量集对模板退火设备控制数据进行故障根因定位处理，获得模板退火设备控制数据的第一故障根因定位数据，和基于聚合编码向量集对模板退火设备控制数据进行故障根因定位处理，获得模板退火设备控制数据的第二故障根因定位数据的具体实施过程是类似的。下面以模板退火设备控制数据的退火设备控制编码向量集为例，对基于退火设备控制编码向量集对模板退火设备控制数据进行故障根因定位处理，获得模板退火设备控制数据的第一故障根因定位数据的具体实施过程进行介绍。
36.基于退火设备控制编码向量集对模板退火设备控制数据进行故障根因定位处理，获得模板退火设备控制数据的第一故障根因定位数据的过程可以参见步骤步骤s11-步骤s13：步骤s11：使用退火设备故障检测网络对每个退火设备控制段的片段编码向量集进行转换，获得每个退火设备控制段的节点编码向量，例如可以对每个退火设备控制段的片段编码向量集进行转换，获得每个退火设备控制段的节点编码向量。
37.步骤s13：对模板退火设备控制数据所包含的多个退火设备控制段的节点故障根因定位数据进行故障根因决策，获得模板退火设备控制数据的第一故障根因定位数据。
38.其中，在故障检测目标为k的情况下，上述步骤步骤s103-步骤s104所示的具体实施步骤可以具体细化为：将每个故障检测目标的目标嵌入向量集，分别加载到模板退火设备控制数据的退火设备控制编码向量集中，获得k个聚合编码向量集；然后，基于检测数据，退火设备控制编码向量集和k个聚合编码向量集，对退火设备故障检测网络进行网络收敛优化。
39.一种示例性的故障检测目标的数量为k时，网络收敛学习的网络收敛优化流程可以是：将每个故障检测目标的目标嵌入向量集，分别与模板退火设备控制数据的退火设备控制编码向量集进行融合，获得k个聚合编码向量集；并且，基于退火设备故障检测网络对k个聚合编码向量集均进行故障根因定位处理，获得k个第二故障根因定位数据。
40.下面介绍本技术进一步的实施例：步骤s201：获取模板退火设备控制数据及故障检测目标的目标属性。
41.步骤s202：基于退火设备故障检测网络对模板退火设备控制数据进行编码，获得模板退火设备控制数据的退火设备控制编码向量集，并基于退火设备故障检测网络对故障检测目标的目标标签特征信息进行编码，获得故障检测目标的目标嵌入向量集。
42.步骤s203：将目标嵌入向量集加载到模板退火设备控制数据的退火设备控制编码向量集中，获得聚合编码向量集。
43.步骤s204：基于检测数据，退火设备控制编码向量集和聚合编码向量集，对退火设备故障检测网络进行网络收敛优化。
44.在获取到模板退火设备控制数据的退火设备控制编码向量集，聚合编码向量集和退火设备故障检测网络最终输出的目标故障根因定位数据后，本实施方式可以基于loss公式（损失函数）来计算本轮网络收敛学习的loss函数值；这样可以根据该loss函数值对退火设备故障检测网络进行网络收敛优化，以不断提升退火设备故障检测网络的检测性能。本实施方式可以基于模板退火设备控制数据的第一故障根因定位数据和k个故障检测目标针对模板退火设备控制数据的真实的检测数据，各退火设备控制段的节点故障根因定位数据和k个故障检测目标对各退火设备控制段的真实的段故障检测数据，以及基于故障检测目标定位的模板退火设备控制数据的目标故障根因定位数据和基于k个故障检测目标的目标属性主观检测得到的退火设备故障检测网络数据，对退火设备故障检测网络进行联合训练，以提升退火设备故障检测网络中不同网络层的性能。例如，获取模板退火设备控制数据中各退火设备控制段的段故障检测数据，和模板退火设备控制数据的退火设备故障检测网络数据。然后，基于目标故障根因定位数据和检测数据之间的区别数据，确定退火设备故障检测网络的loss函数值；具体是获取退火设备故障检测网络的loss公式，并将目标故障根
因定位数据和检测数据作为loss公式的公式加载数据，获得该退火设备故障检测网络的loss函数值。最后，依据减小loss函数值的方向，对退火设备故障检测网络进行网络收敛优化，获得网络收敛优化后的退火设备故障检测网络。
45.步骤s205：获取待检测的目标退火设备控制数据。
46.步骤s206：基于网络收敛优化后的退火设备故障检测网络对目标退火设备控制数据进行故障根因定位处理，获得目标退火设备控制数据的退火设备控制数据检测数据。
47.图2示意性地示出了可被用于实现本技术中所述的各个实施例的云服务器100。
48.对于一个实施例，图2示出了云服务器100，该云服务器100具有一个或多个处理器102、被耦合到(一个或多个)处理器102中的一个或多个的控制模块(芯片组)104、被耦合到控制模块104的存储器106、被耦合到控制模块104的非易失性存储器(nvm)/存储设备108、被耦合到控制模块104的一个或多个输入/输出设备110，和被耦合到控制模块106的网络接口112。
49.处理器102可包括一个或多个单核或多核处理器，处理器102可包括通用处理器或专用处理器(例如图形处理器、应用处理器、基频处理器等)的任意组合。在一些可替代的实施方式中，云服务器100能够作为本技术实施例中所述网关等云服务器设备。
50.在一些可替代的实施方式中，云服务器100可包括具有指令114的一个或多个计算机可读介质(例如，存储器106或nvm/存储设备108)和与该一个或多个计算机可读介质相融合被配置为执行指令114以实现模块从而执行本公开中所述的动作的一个或多个处理器102。
51.对于一个实施例，控制模块104可包括任意适当的接口控制器，以向(一个或多个)处理器102中的一个或多个和/或与控制模块104通信的任意适当的设备或组件提供任意适当的接口。
52.控制模块104可包括存储器控制器模块，以向存储器106提供接口。存储器控制器模块可以是硬件模块、软件模块和/或固件模块。
53.存储器106可被用于例如为云服务器100加载和存储数据和/或指令114。对于一个实施例，存储器106可包括任意适当的易失性存储器，例如，适当的dram。在一些可替代的实施方式中，存储器106可包括双倍数据速率分团标签四同步动态随机存取存储器(ddr4sdram)。
54.对于一个实施例，控制模块104可包括一个或多个输入/输出控制器，以向nvm/存储设备108及(一个或多个)输入/输出设备110提供接口。
55.例如，nvm/存储设备108可被用于存储数据和/或指令114。nvm/存储设备108可包括任意适当的非易失性存储器(例如，闪存)和/或可包括任意适当的(一个或多个)非易失性存储设备(例如，一个或多个硬盘驱动器(hdd)、一个或多个光盘(cd)驱动器和/或一个或多个数字通用光盘(dvd)驱动器)。
56.nvm/存储设备108可包括在物理上作为云服务器100被安装在其上的设备的一部分的存储资源，或者其可被该设备访问可不必作为该设备的一部分。例如，nvm/存储设备108可依据网络经由(一个或多个)输入/输出设备110进行访问。
57.(一个或多个)输入/输出设备110可为云服务器100提供接口以与任意其它适当的设备通信，输入/输出设备110可以包括通信组件、拼音组件、传感器组件等。网络接口112可
为云服务器100提供接口以依据一个或多个网络通信，云服务器100可依据一个或多个无线网络标准和/或协议中的任意标准和/或协议来与无线网络的一个或多个组件进行无线通信，例如接入依据通信标准的无线网络。
58.对于一个实施例，(一个或多个)处理器102中的一个或多个可与控制模块104的一个或多个控制器(例如，存储器控制器模块)的逻辑加载在一起。对于一个实施例，(一个或多个)处理器102中的一个或多个可与控制模块104的一个或多个控制器的逻辑加载在一起以形成系统级加载。对于一个实施例，(一个或多个)处理器102中的一个或多个可与控制模块104的一个或多个控制器的逻辑集成在同一模具上。对于一个实施例，(一个或多个)处理器102中的一个或多个可与控制模块104的一个或多个控制器的逻辑集成在同一模具上以形成片上系统(soc)。
59.以上对本技术实施例进行了详细介绍，本文中应用了具体个例对本技术的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本技术的方法及其核心思想；同时，对于本领域的一般技术人员，依据本技术的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本技术的限制。

技术特征：
1.一种退火设备控制系统的故障检测方法，其特征在于，应用于云服务器，所述方法包括：获取所述模板退火设备控制数据及故障检测目标的目标属性，所述故障检测目标是指对所述模板退火设备控制数据的故障定位根因进行检测的目标对象；所述目标属性包含所述故障检测目标的目标标签特征信息，及所述故障检测目标对所述模板退火设备控制数据的故障定位根因进行检测所得到的检测数据；基于退火设备故障检测网络对所述模板退火设备控制数据进行编码，获得所述模板退火设备控制数据的退火设备控制编码向量集，并基于所述退火设备故障检测网络对所述故障检测目标的目标标签特征信息进行编码，获得所述故障检测目标的目标嵌入向量集；将所述目标嵌入向量集加载到所述模板退火设备控制数据的退火设备控制编码向量集中，获得聚合编码向量集，所述聚合编码向量集兼具所述模板退火设备控制数据的退火设备控制维度及所述故障检测目标的故障检测目标维度；基于所述检测数据，所述退火设备控制编码向量集和所述聚合编码向量集，对所述退火设备故障检测网络进行网络收敛优化；网络收敛优化后的退火设备故障检测网络用于对退火设备控制数据的故障定位根因进行定位。2.根据权利要求1所述的退火设备控制系统的故障检测方法，其特征在于，所述基于退火设备故障检测网络对所述模板退火设备控制数据进行编码，获得所述模板退火设备控制数据的退火设备控制编码向量集，包括：对所述模板退火设备控制数据进行划分，获得所述模板退火设备控制数据对应的多个退火设备控制段；基于退火设备故障检测网络对所述多个退火设备控制段中每个退火设备控制段进行编码，获得所述每个退火设备控制段的片段编码向量集，退火设备控制段的片段编码向量集表征相应退火设备控制段所包含的各退火设备控制数据分块的分块表征信息；结合所述每个退火设备控制段的片段编码向量集，建立所述模板退火设备控制数据的退火设备控制编码向量集；所述退火设备控制编码向量集中各片段编码向量集，依据相应退火设备控制段在所述模板退火设备控制数据中的控制时序排列，所述退火设备控制编码向量集表征所述模板退火设备控制数据中各退火设备控制数据分块的分块表征信息。3.根据权利要求2所述的退火设备控制系统的故障检测方法，其特征在于，所述模板退火设备控制数据中包含多个控制节点，所述对所述模板退火设备控制数据进行划分，获得所述模板退火设备控制数据对应的多个退火设备控制段，包括：获取第一预设划分单位和第二预设划分单位；所述第一预设划分单位被配置于划分两个关联退火设备控制段之间的控制间隔单位，所述第二预设划分单位被配置于划分退火设备控制段所包含的控制节点数量；依据所述第一预设划分单位和所述第二预设划分单位，对所述模板退火设备控制数据进行划分，获得所述模板退火设备控制数据对应的多个退火设备控制段。4.根据权利要求1所述的退火设备控制系统的故障检测方法，其特征在于，所述退火设备控制编码向量集中包含每个退火设备控制段的片段编码向量集；所述将所述目标嵌入向量集加载到所述模板退火设备控制数据的退火设备控制编码向量集中，获得聚合编码向量集，包括：
将所述目标嵌入向量集与所述每个退火设备控制段的片段编码向量集进行融合，获得每个退火设备控制段的片段融合编码向量集；依据各退火设备控制段的控制时序信息，将所述每个退火设备控制段的片段融合编码向量集进行排序，获得所述模板退火设备控制数据的聚合编码向量集。5.根据权利要求4所述的退火设备控制系统的故障检测方法，其特征在于，所述每个退火设备控制段的片段编码向量集中包含相应退火设备控制段所包含的各退火设备控制数据分块的分块层级向量；所述模板退火设备控制数据对应的任一退火设备控制段表示为目标退火设备控制段； 所述将所述目标嵌入向量集与所述每个退火设备控制段的片段编码向量集进行融合，获得每个退火设备控制段的片段融合编码向量集，包括：将所述目标嵌入向量集与所述目标退火设备控制段所包含各退火设备控制数据分块的分块层级向量融合，获得各退火设备控制数据分块的分块层级聚合编码向量集；退火设备控制数据分块的分块层级聚合编码向量集兼具相应退火设备控制数据分块的分块表征信息及所述故障检测目标的故障检测目标维度；基于所述各退火设备控制数据分块的分块层级聚合编码向量集，建立所述目标退火设备控制段的片段融合编码向量集。6.根据权利要求1所述的退火设备控制系统的故障检测方法，其特征在于，所述基于所述检测数据，所述退火设备控制编码向量集和所述聚合编码向量集，对所述退火设备故障检测网络进行网络收敛优化，包括：基于所述退火设备故障检测网络基于所述退火设备控制编码向量集和所述聚合编码向量集，对所述模板退火设备控制数据进行故障根因定位处理，获得所述模板退火设备控制数据的目标故障根因定位数据；基于所述目标故障根因定位数据和所述检测数据之间的区别数据，确定所述退火设备故障检测网络的loss函数值，并依据减小所述loss函数值的方向，对所述退火设备故障检测网络进行网络收敛优化；所述基于所述退火设备故障检测网络基于所述退火设备控制编码向量集和所述聚合编码向量集，对所述模板退火设备控制数据进行故障根因定位处理，获得所述模板退火设备控制数据的目标故障根因定位数据，包括：利用所述退火设备故障检测网络基于所述退火设备控制编码向量集，对所述模板退火设备控制数据进行故障根因定位处理，获得所述模板退火设备控制数据的第一故障根因定位数据；利用所述退火设备故障检测网络基于所述聚合编码向量集，对所述模板退火设备控制数据进行故障根因定位处理，获得所述模板退火设备控制数据的第二故障根因定位数据；结合所述第一故障根因定位数据和所述第二故障根因定位数据，确定所述模板退火设备控制数据的目标故障根因定位数据；所述退火设备控制编码向量集中包含每个退火设备控制段的片段编码向量集，所述利用所述退火设备故障检测网络基于所述退火设备控制编码向量集，对所述模板退火设备控制数据进行故障根因定位处理，获得所述模板退火设备控制数据的第一故障根因定位数据，包括：利用所述退火设备故障检测网络对所述每个退火设备控制段的片段编码向量集进行
转换，获得所述每个退火设备控制段的节点编码向量；结合所述每个退火设备控制段的节点编码向量，对相应退火设备控制段进行故障根因定位，获得所述每个退火设备控制段的节点故障根因定位数据；对所述模板退火设备控制数据所包含的多个退火设备控制段的节点故障根因定位数据进行故障根因决策，获得所述模板退火设备控制数据的第一故障根因定位数据；所述故障根因决策为平均运算，所述结合所述每个退火设备控制段的节点编码向量，对相应退火设备控制段进行故障根因定位，获得所述每个退火设备控制段的节点故障根因定位数据，包括：依据区间剪切策略结合所述每个退火设备控制段的节点编码向量，对相应退火设备控制段进行故障根因定位，获得所述每个退火设备控制段的节点故障根因定位数据；其中，每个退火设备控制段的节点故障根因定位数据的区间，位于所述区间剪切策略所指示的区间内。7.根据权利要求1所述的退火设备控制系统的故障检测方法，其特征在于，所述故障检测目标的数量为k，k为大于1的整数；在故障根因决策为平均运算时，所述检测数据包括k个故障检测目标对所述模板退火设备控制数据的故障定位根因检测所得的k个子检测数据的平均结果；所述将所述目标嵌入向量集加载到所述模板退火设备控制数据的退火设备控制编码向量集中，获得聚合编码向量集；基于所述检测数据，所述退火设备控制编码向量集和所述聚合编码向量集，对所述退火设备故障检测网络进行网络收敛优化，包括：将每个故障检测目标的目标嵌入向量集，分别加载到所述模板退火设备控制数据的退火设备控制编码向量集中，获得k个聚合编码向量集； 基于所述检测数据，所述退火设备控制编码向量集和所述k个聚合编码向量集，对所述退火设备故障检测网络进行网络收敛优化。8.根据权利要求1所述的退火设备控制系统的故障检测方法，其特征在于，所述方法还包括：获取待检测的目标退火设备控制数据；调用所述网络收敛优化后的退火设备故障检测网络对所述目标退火设备控制数据进行故障根因定位处理，获得所述目标退火设备控制数据的退火设备控制数据检测数据，所述退火设备控制数据检测数据表示所述目标退火设备控制数据的故障定位根因。9.一种退火设备控制系统的故障检测系统，其特征在于，所述退火设备控制系统的故障检测系统包括云服务器以及与所述云服务器通信连接的退火设备控制系统，所述云服务器具体用于：获取模板退火设备控制数据及故障检测目标的目标属性，所述故障检测目标是指对所述模板退火设备控制数据的故障定位根因进行检测的目标对象；所述目标属性包含所述故障检测目标的目标标签特征信息，及所述故障检测目标对所述模板退火设备控制数据的故障定位根因进行检测所得到的检测数据；基于退火设备故障检测网络对所述模板退火设备控制数据进行编码，获得所述模板退火设备控制数据的退火设备控制编码向量集，并基于所述退火设备故障检测网络对所述故
障检测目标的目标标签特征信息进行编码，获得所述故障检测目标的目标嵌入向量集；将所述目标嵌入向量集加载到所述模板退火设备控制数据的退火设备控制编码向量集中，获得聚合编码向量集，所述聚合编码向量集兼具所述模板退火设备控制数据的退火设备控制维度及所述故障检测目标的故障检测目标维度；基于所述检测数据，所述退火设备控制编码向量集和所述聚合编码向量集，对所述退火设备故障检测网络进行网络收敛优化；网络收敛优化后的退火设备故障检测网络用于对退火设备控制数据的故障定位根因进行定位。10.一种云服务器，其特征在于，所述云服务器包括处理器及计算机可读存储介质，所述计算机可读存储介质中存储有机器可执行指令，所述机器可执行指令被计算机执行时实现权利要求1-8中任意一项所述的退火设备控制系统的故障检测方法。

技术总结
本申请实施例提供一种退火设备控制系统的故障检测方法及系统，通过依赖检测数据的模板退火设备控制数据就可以实现对退火设备故障检测网络的网络收敛优化，并且引入了检测模板退火设备控制数据的故障定位根因的故障检测目标的目标属性，这使得用于网络收敛优化的聚合编码向量集兼具了模板退火设备控制数据和故障检测目标的特性；再如基于故障检测目标对模板退火设备控制数据的故障定位根因的检测数据进行网络收敛优化，可以模拟故障检测人员对模板退火设备控制数据的故障定位根因的检测效果，确保退火设备故障检测网络能够很好地拟合故障检测人员对退火设备控制数据的故障检测状况，提高退火设备故障检测可靠性。提高退火设备故障检测可靠性。提高退火设备故障检测可靠性。


技术研发人员：周庆 周峰
受保护的技术使用者：材谷金带（佛山）金属复合材料有限公司
技术研发日：2023.06.30
技术公布日：2023/10/15