本发明涉及故障检测，更具体地说，它涉及一种智能工厂的感知监测系统。
背景技术：
1、在某个物流中心智能工厂中，生产线包括传送带、分拣机械臂、传感器系统、条码扫描设备，由于物品需要在限定的位置范围内才能保证物品被条码扫描设备扫描到，其中多个光电传感器分布在传送带两侧通过光反射在物品表面来判断通过传送带的物品的实际测量距离。然而，物品在传送带上的实际测量距离会受到多种因素的影响，如光电传感器的温度，光电传感器发射的光强度、传送带的速度、传送带的振动频率、环境温度、湿度，因此无法将物品的实际测量距离与固定的测量距离参考值进行比对。
2、由于光电传感器的内部元件对温度、湿度比较敏感，因此如果环境温度、湿度变化较大时，就会导致光电传感器的内部元件灵敏度降低或受损，导致物品在通过该区域时的实际测量距离值产生异常波动，但这种波动可能不足以超出测量距离参考值，从而未能引发报警。
3、如果传送带的速度、振动频率变化较大，光电传感器进行光反射测量距离可能导致实际测量距离值产生异常波动，但这种波动可能不足以超出测量距离参考值，从而未能引发报警。
技术实现思路
1、本发明提供一种智能工厂的感知监测系统，解决相关技术中测量距离时基于实际测量距离值与测量距离参考值对比检测光电传感器的故障，对于一些其他因素导致的实际测量距离产生异常波动，但这种波动可能不足以超出测量距离参考值，从而导致故障难以发现的技术问题。
2、本发明提供了一种智能工厂的感知监测系统，包括以下模块：
3、第一数据收集模块，其用于收集第一数据，第一数据包括：
4、在每个采样时间点采集一次，第一数据包括光电传感器的监测参数、传送带的运行参数和环境参数。
5、光电传感器的监测参数包括：光电传感器的温度、发射的光强度、电压，传送带的运行参数包括：传送带的速度、传送带的振动频率，环境参数包括：光线强度、温度、湿度；采样时间点是指按照预定的时间间隔进行数据采集的时刻，每个时间间隔为一分钟；
6、将每个采样时间点采集的第一数据编码为一个第一数据向量。
7、作为本发明的进一步优化方案，第一数据向量包括表示所有采集的参数的值的维度。
8、距离预测模块，其用于将第一数据向量集输入第一神经网络，第一神经网络将输出第v-59至第v个采样时间点对应的光电传感器测量距离的上限参考值和下限参考值。
9、需要说明的是，第一数据向量集由第v-59至第v个采样时间点的第一数据向量组合而成，v代表当前采样时间点，如果第v个采样时间点距离开始采集的采样时间点之间的间隔小于59，则对缺失的第一数据向量进行插补操作，插补的第一数据向量为零向量；
10、作为本发明的进一步优化方案，第一神经网络使用的为长短期记忆网络，长短期记忆网络包括遗忘门、输入门、细胞状态和输出门，遗忘门的输出的计算公式为：
11、；
12、其中，是遗忘门的权重矩阵，是遗忘门的偏置项，是上一时间步的隐藏状态和第一数据向量集的第t个第一数据向量的拼接，是sigmoid激活函数；
13、等于第p个采样时间点的第一数据向量；
14、；
15、输入门的输出与候选细胞状态的计算公式为：
16、；
17、；
18、其中，是输入门的权重矩阵，是输入门的偏置项，是双曲正切激活函数，是计算候选细胞状态的权重矩阵，是候选细胞状态的偏置项；
19、细胞状态是由前一细胞状态和候选细胞状态加权合成，计算公式为：
20、；
21、其中，表示逐元素乘法操作；
22、输出门的激活值与当前时间步的隐藏状态的计算公式为：
23、；
24、；
25、其中，是输出门的权重矩阵，是输出门的偏置项；
26、对每个时间步的隐藏状态进行处理，由两个独立的全连接层分别计算上限参考值和下限参考值，计算公式为：
27、；
28、；
29、其中，和是两个全连接层的权重矩阵，和是偏置向量。
30、作为本发明的进一步优化方案，使用主损失项和惩罚项作为损失函数，计算公式为：
31、；
32、；
33、；
34、其中、为时间步k预测得到的测量距离的上限和下限参考值，、为时间步k真实的测量距离的上限和下限参考值，是权重系数，其缺省值为1。
35、故障检测模块，其用于将第一数据向量与第一神经网络输出的对应采样时间点的光电传感器测量距离的上限参考值和下限参考值拼接生成第二数据向量；将所有第二数据向量按照对应的采样时间点排序生成第二数据向量集，第二数据向量集输入第二神经网络中，第二神经网络输出光电传感器存在故障的概率值；
36、作为本发明的进一步优化方案，第一数据向量与第一神经网络输出的对应采样时间点的光电传感器测量距离的上限参考值和下限参考值拼接的方法是：将光电传感器测量距离的上限参考值和下限参考值拼接到第一数据向量之后。
37、第二神经网络的计算公式如下：
38、；
39、；
40、；
41、；
42、；
43、；
44、其中，和分别表示第二数据向量集的第1个和第l个第二数据向量，、、、表示可训练的权重参数，、、、表示可训练的偏置参数，表示点积，表示第l个第一中间特征，表示第l个第二中间特征，表示第l个第三中间特征，和分别表示第l-1个和第l个输出特征，表示光电传感器是否存在故障的值，tanh表示tanh函数，表示sigmoid函数。
45、作为本发明的进一步优化方案，为一个概率值，概率大于0.5则表示光电传感器存在故障，否则表示不存在故障。
46、故障消除模块，其用于控制执行机构将存在故障的光电传感器切换为备用的光电传感器；
47、作为本发明的进一步优化方案，执行机构是承载光电传感器的转盘以及用于驱动转盘的驱动电机，故障消除模块通过控制驱动电机转动转盘来切换备用的光电传感器。
48、预警模块，其用于如果切换为备用的光电传感器之后，备用的光电传感器存在故障，则触发预警。
49、作为本发明的进一步优化方案，预警包括灯光和声音警告以及通知运维人员进行现场检查和处理。
50、作为本发明的进一步优化方案，提供一种智能工厂的感知监测方法，其基于前述的一种智能工厂的感知监测系统执行以下步骤：
51、步骤301，在每个采样时间点采集一次光电传感器的监测参数、传送带的运行参数和环境参数作为第一数据，并将每个采样时间点采集的第一数据编码并组合为一个第一数据向量集；
52、步骤302，将第一数据向量集输入第一神经网络，第一神经网络将输出第v-59至第v个采样时间点对应的光电传感器测量距离的上限参考值和下限参考值；
53、步骤303，将第一数据向量与第一神经网络输出的对应采样时间点的光电传感器测量距离的上限参考值和下限参考值拼接生成第二数据向量；将所有第二数据向量按照对应的采样时间点排序生成第二数据向量集，第二数据向量集输入第二神经网络中，第二神经网络输出光电传感器存在故障的概率值；
54、步骤304，根据第二神经网络输出的概率值判断光电传感器是否存在故障，存在故障则控制执行机构将存在故障的光电传感器切换为备用的光电传感器；
55、步骤305，如果切换为备用的光电传感器之后，备用的光电传感器存在故障，则触发预警。
56、本发明的有益效果在于：
57、本发明根据光电传感器的监测参数、传送带的运行参数、所处的环境参数来输出当前时刻的测量距离参考值，动态调整测量距离参考值，并与实际测量距离值对比判断实际测量距离是否异常，实际测量距离异常则表示可能存在故障。
58、本发明通过计算得到当前时刻的测量距离参考值，充分考虑到了由于设备或环境因素而导致的实际测量距离的异常波动问题，这种故障检测和预警效果更加明显。
1.一种智能工厂的感知监测系统，其特征在于，包括以下模块：
2.根据权利要求1所述的一种智能工厂的感知监测系统，其特征在于，第一数据收集模块中第一数据包括：
3.根据权利要求1所述的一种智能工厂的感知监测系统，其特征在于，第一数据向量集由第v-59至第v个采样时间点的第一数据向量组合而成，v代表当前采样时间点，如果第v个采样时间点距离开始采集的采样时间点之间的间隔小于59，则对缺失的第一数据向量进行插补操作，插补的第一数据向量为零向量。
4.根据权利要求1所述的一种智能工厂的感知监测系统，其特征在于，距离预测模块中第一神经网络的计算过程如下：
5.根据权利要求4所述的一种智能工厂的感知监测系统，其特征在于，使用主损失项和惩罚项作为损失函数，计算公式为：
6.根据权利要求1所述的一种智能工厂的感知监测系统，其特征在于，故障检测模块中第二神经网络的计算公式如下：
7.根据权利要求6所述的一种智能工厂的感知监测系统，其特征在于，为一个概率值，概率大于0.5则表示光电传感器存在故障，否则表示不存在故障。
8.根据权利要求1所述的一种智能工厂的感知监测系统，其特征在于，执行机构包括：
9.根据权利要求1所述的一种智能工厂的感知监测系统，其特征在于，预警模块的预警包括：
10.一种智能工厂的感知监测方法，其特征在于，基于如权利要求1-9任一所述的一种智能工厂的感知监测系统执行以下步骤：
