基于时序序列的数据重构方法及系统与流程

1.本技术涉及计算机技术领域，尤其涉及一种基于时序序列的数据重构方法及系统。


背景技术：

2.在传统的船舶等设备中主推进柴油机组状态判断系统中，通常会获取待检测部件的图像，再结合人为经验对待检测部件的状态、是否存在异常数据、异常数据重构等进行判断和操作。
3.然而，这种方式过于依赖检测者的经验和能力，对主推进柴油机组的故障检测、异常数据重构的效率和准确性均难以保证。因此，需提出一种应用于主推进柴油机组的基于时序序列的数据重构方法及系统，来解决该技术问题。


技术实现要素：

4.本发明实施例的目的在于提供一种基于时序序列的数据重构方法及系统，本技术实施例能够显著地提升柴油机组状态检测的准确性和效率。具体技术方案如下：
5.在本发明实施例的第一方面，提供一种基于时序序列的数据重构方法，应用于目标设备的柴油机组，所述方法包括：
6.获取待检测部件的检测图像；
7.获取所述待检测部件的样本数据集，所述样本数据集包括第一工作数据和第二工作数据，其中，所述第一工作数据用于表征所述待检测部件在不同时间下进行工作的数据，所述第二工作数据用于表征所述待检测部件在不同空间坐标下进行工作的数据。
8.基于数据重构模型，结合所述检测图像、所述第一工作数据和所述第二数据，确定异常数据，以及所述异常数据对应的目标数据；
9.根据所述目标数据，对异常数据进行数据重构。
10.可选地，所述检测图像携带所述待检测部件的检测标记，所述检测标记包括时间标记和空间标记。
11.3、根据权利要求1所述的基于时序序列的数据重构方法，其特征在于，在所述基于数据重构模型，结合所述检测图像、所述第一工作数据和所述第二数据，确定异常数据之前，所述方法还包括：
12.获取所述样本数据集中的多个样本数据的平均值；
13.根据所述平均值对所述多个样本数据进行处理，得到样本处理数据。
14.4、根据权利要求3所述的基于时序序列的数据重构方法，其特征在于，所述方法还包括：
15.对所述样本处理数据进行编码，得到低维的第一样本数据；
16.对所述第一样本数据进行解码，得到第二样本数据；
17.根据所述第二样本数据，构建与所述异常数据相关的代价函数。
18.5、根据权利要求1所述的基于时序序列的数据重构方法，其特征在于，所述方法还包括：
19.获取所述待检测部件的第一时间序列和第一位置坐标；
20.根据所述第一时间序列和所述第一位置坐标，确定所述待检测部件的所在机组类型；
21.根据所述机组类型、所述第一时间序列和所述第一位置坐标，确定所述样本数据集中样本数据所对应的标准工作数据。
22.6、根据权利要求5所述的基于时序序列的数据重构方法，其特征在于，所述基于数据重构模型，结合所述检测图像、所述第一工作数据和所述第二工作数据，确定异常数据，以及所述异常数据对应的目标数据，包括：
23.将所述检测图像、所述数据第一工作数据和所述第二工作数据输入至所述数据重构模型，结合所述标准工作数据和所述数据重构模型内部的异常评分函数，获取所述样本数据集中每个所述样本数据的异常评分；
24.将所述异常评分满足预设阈值的所述样本数据确定为所述异常数据；
25.对所述异常数据进行反归一化，得到所述目标异常数据对应的第二时间序列和第二位置坐标；
26.根据所述第二时间序列和第二位置坐标，从所述标准工作数据中确定所述目标数据。
27.7、根据权利要求1-6中任一项所述的基于时序序列的数据重构方法，其特征在于，所述方法还包括：
28.对所述目标数据进行评估，得到数据评估结果；
29.将满足预设条件的目标数据替换所述异常数据。
30.在本发明实施例的又一方面，提供一种基于时序序列的数据重构系统，应用于目标设备的柴油机组，所述系统包括：
31.检测图像获取模块，用于获取待检测部件的检测图像；
32.工作数据获取模块，用于获取所述待检测部件的第一工作数据和第二工作数据，其中，所述第一工作数据用于表征所述待检测部件在不同时间下进行工作的数据，所述第二工作数据用于表征所述待检测部件在不同空间坐标下进行工作的数据；
33.数据确定模块，用于基于数据重构模型，结合所述检测图像、所述第一工作数据和所述第二工作数据，确定异常数据，以及所述异常数据对应的目标数据；
34.数据重构模块，用于根据所述目标数据，对异常数据进行数据重构。
35.在本发明实施例的又一方面，提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被执行时实现如上所述方法的步骤。
36.在本发明实施例的又一方面，提供一种计算机设备，包括处理器、存储器和存储于所述存储器上的计算机程序，所述处理器执行所述计算机程序时实现如上所述方法的步骤。
37.由上可知，本技术实施例在柴油机组的待检测部件进行异常数据确定和数据重构的过程中，充分考虑待检测部件在时间序列和空间坐标序列中的工作数据，使得基于以上数据通过训练好的数据重构模型准确、高效地确定异常数据以及用于数据重构的目标数
据，从而能够提升对待检测部件出现异常数据后进行数据重构的准确性和效率。
附图说明
38.为了更清楚地说明本技术实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本技术的一些实施例，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
39.图1是本技术实施例提供的基于时序序列的数据重构系统的应用场景示意图；
40.图2是本技术实施例提供的基于时序序列的数据重构方法的流程示意图；
41.图3是本技术实施例提供的基于时序序列的数据重构系统的结构示意图；
42.图4是本技术实施例提供的计算机设备的内部结构图。
具体实施方式
43.为了更清楚地说明本说明书实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地，下面描述中的附图仅仅是本说明书的一些示例或实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图将本说明书应用于其它类似情景。除非从语言环境中显而易见或另做说明，图中相同标号代表相同结构或操作。
44.应当理解，本文使用的“系统”、“系统”、“单元”和/或“模块”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而，如果其他词语可实现相同的目的，则可通过其他表达来替换所述词语。
45.如本说明书和权利要求书中所示，除非上下文明确提示例外情形，“一”、“一个”、“一种”和/或“该”等词并非特指单数，也可包括复数。一般说来，术语“包括”与“包含”仅提示包括已明确标识的步骤和元素，而这些步骤和元素不构成一个排它性的罗列，方法或者设备也可能包含其它的步骤或元素。
46.本说明书中使用了流程图用来说明根据本说明书的实施例的系统所执行的操作。应当理解的是，前面或后面操作不一定按照顺序来精确地执行。相反，可以按照倒序或同时处理各个步骤。同时，也可以将其他操作添加到这些过程中，或从这些过程移除某一步或数步操作。
47.图1是根据本技术的一些实施例所示的与船舶相关联(图1以船舶柴油机组为例)的示例性基于时序序列的数据重构系统100的示意图。在一些实施例中，基于时序序列的数据重构系统100可包括服务器110、网络120、船舶130和存储器140。
48.在一些实施例中，服务器110可以是单个服务器，也可以是服务器组。所述服务器组可以是集中式的，也可以是分布式的(例如，服务器110可以是分布式的系统)。在一些实施例中，服务器110可以是本地的，也可以是远程的。例如，服务器110可以经由网络120访问存储在船舶130和/或存储器140中的信息和/或数据。又例如，服务器110可以直接连接到船舶130和/或存储器140以访问存储信息和/或数据。在一些实施例中，服务器110可以在云平台或船载计算机上实现。仅作为示例，该云平台可以包括私有云、公共云、混合云、社区云、分布云、内部云、多层云等或其任意组合。在一些实施例中，服务器110可以在本技术中的图
2描述的包含了一个或以上组件的计算设备200上执行。
49.在一些实施例中，服务器110可以包括处理引擎112。处理引擎112可以处理与船舶130的行驶信息相关联的信息和/或数据，以执行本技术中描述的一个或以上功能。例如，处理引擎112可以获得船舶130的行驶信息并且基于行驶信息确定可以用于控制船舶130的控制参数。在一些实施例中，所述处理引擎112可包括一个或以上处理引擎(例如，单芯片处理引擎或多芯片处理引擎)。仅作为范例，处理引擎112可以包括中央处理单元(centralprocessing unit，cpu)、专用集成电路(application-specific integrated circuit，asic)、专用指令集处理器(application-specific instruction-set processo，asip)、图形处理单元(g raphics processing unit，gpu)、物理运算处理器(physics processingunit，ppu)、数字信号处理器(digital signal processor，dsp)、现场可编程门阵列(fieldprogr ammable gate array，fpga)、可编程逻辑设备(programmable logic device，p ld)、控制器、微控制器单元、精简指令集计算机(reduced instruction-set com puter，risc)、微处理器等或其任意组合。
50.在一些实施例中，服务器110可以连接到网络120以与基于时序序列的数据重构系统100的一个或以上组件(例如，船舶130和存储器140)通信。在一些实施例中，服务器110可以直接连接到基于时序序列的数据重构系统100(例如，船舶130和存储器140)中的一个或以上组件或与之通信。在一些实施例中，服务器110可以集成在船舶130中。
51.网络120可以促进信息和/或数据的交换。在一些实施例中，基于时序序列的数据重构系统100中的一个或以上组件(例如，服务器110、船舶130或存储器140)可以经由网络120将信息和/或数据发送到基于时序序列的数据重构系统100中的其他组件。例如，服务器110可以经由网络120获得/获取船舶130的行驶信息。在一些实施例中，网络120可以为任意形式的有线或无线网络，或其任意组合。仅作为示例，网络120可以包括缆线网络、有线网络、光纤网络、远程通信网络、内部网络、互联网、局域网络(local area network，l an)、广域网络(wide area network，wan)、无线局域网络(wireless local are a network，wlan)、城域网(metropolitan areanetwork，man)、公共开关电话网络(public telephone switched network，pstn)、蓝牙网络、紫蜂网络、近场通信(near field communication，nfc)网络等或上述举例的任意组合。在一些实施例中，网络120可以包括一个或以上网络接入点。例如，网络120可以包括有线或无线网络接入点，通过该接入点，基于时序序列的数据重构系统100的一个或以上组件可以连接到网络120以交换数据和/或信息。
52.船舶130可包括传统结构，例如底盘、悬架、方向盘、传动系部件、发动机等。船舶130还可包括至少两个传感器(例如，距离传感器131、速度传感器132、位置传感器133等)、制动设备134、加速器(未示出)等。在一些实施例中，所述至少两个传感器可以检测船舶130的行驶信息。例如，位置传感器133可以周期性地(例如，每20ms)检测船舶130的当前位置。又例如，距离传感器131可以检测船舶130的当前位置与限定位置(例如，目的地150)之间的距离。作为另一示例，距离传感器131可以检测船舶130的当前位置与附近的其他船舶之间的距离。作为又一示例，速度传感器132可以检测船舶130的瞬时速度。
53.在一些实施例中，距离传感器131可包括雷达、激光雷达、红外传感器等，或其组合。速度传感器132可包括霍尔传感器。在一些实施例中，所述至少两个传感器还可包括加速度传感器(例如，加速度计)、转向角传感器(例如，倾斜传感器)、牵引相关传感器(例如，
力传感器)，和/或任何被配置用于检测与船舶130的动态情况相关联的信息的传感器。
54.制动设备134可以被配置用于控制船舶130的制动过程。例如，制动设备134可以基于包括从处理引擎112获得的目标加速度的指令来调整船舶的实际加速度。加速器可以被配置用于控制船舶130的加速过程。
55.存储器140可以存储数据和/或指令。在一些实施例中，存储器140可以存储从船舶130获得的数据，例如由所述至少两个传感器获取的行驶信息。在一些实施例中，存储器140可以存储服务器110用来执行或使用来完成本技术中描述的示例性方法的数据和/或指令。在一些实施例中，存储器140可包括大容量存储器、可移动存储器、易失性读写存储器、只读存储器(read-only me mory，rom)等或其任意组合。示例性的大容量存储器可以包括磁盘、光盘、固态磁盘等。示例性可移动存储器可以包括闪存驱动器、软盘、光盘、存储卡、压缩盘、磁带等。示例性易失性读写存储器可以包括随机存取存储器(random access memory，ram)。示例性ram可包括动态随机存取存储器(dynamic r am，dram)、双倍数据速率同步动态随机存取存储器(double date rate sync hronous dynamic ram，ddr sdram)、静态随机存取存储器(static ram，sram)、晶闸管随机存取存储器(thyrisor ram，t-ram)和零电容随机存取存储器(zero-capacitor ram，z-ram)等。示例性只读存储器可以包括掩模只读存储器(mask rom，mrom)、可编程只读存储器(programmable rom，pro m)、可擦除可编程只读存储器(programmable rom，perom)、电可擦除可编程只读存储器(erasable programmablerom，eeprom)、光盘只读存储器(com pact disk rom，cd-rom)和数字多功能磁盘只读存储器等。在一些实施例中，所述存储器140可在云平台上实现。仅作为示例，云平台可以包括私有云、公共云、混合云、社区云、分布云、内部云、多层云等或其任意组合。
56.在一些实施例中，存储器140可以连接到网络120以与基于时序序列的数据重构系统100的一个或以上组件(例如，服务器110和船舶130)通信。基于时序序列的数据重构系统100中的一个或以上组件可以经由网络120访问存储在存储器140中的数据或指令。在一些实施例中，存储器140可以直接连接到基于时序序列的数据重构系统100(例如，服务器110和船舶130)中的一个或以上组件或与之通信。在一些实施例中，存储器140可以是服务器110的一部分。
57.图2示出了本技术实施例提供的一种基于时序序列的数据重构方法及系统的流程示意图，如图2所示，一种基于时序序列的数据重构方法及系统包括如下步骤：
58.步骤201、获取待检测部件的检测图像。
59.其中，待检测部件是指柴油机组中要进行异常数据检测的部件。其中，检测图像可以携带待检测部件的检测标记，检测标记包括时间标记和空间标记。其中，时间标记和空间标记又分别携带了待检测部件的第一工作数据和第二工作数据。
60.步骤202、获取所述待检测部件的样本数据集，所述样本数据集包括第一工作数据和第二工作数据。
61.其中，所述第一工作数据用于表征所述待检测部件在不同时间下进行工作的数据，所述第二工作数据用于表征所述待检测部件在不同空间坐标下进行工作的数据。
62.仅作为示例，工作数据可以是与待检测部件运转时相关的工作数据，例如，假设待检测部件为主推进柴油机组中的柴油发动机，则工作数据可以是曲轴安装角度、连杆温度、冷却系统喷水量等其在运转时产生的数据。
63.需要说明的是，第一工作数据和第二工作数据中的数据值并不仅包括以上数据值，还需结合对应的时间戳和空间坐标戳，以形成完整的第一工作数据和第二工作数据。例如，第一工作数据可以为连杆在t时刻对应连杆温度为150℃，第二工作数据可以为连杆在柴油发动机中心点相对坐标(a，b)下对应连杆温度为150℃。也即，第一工作数据可以携带有时间序列{t、t1、t2
…
}，第二工作序列可以携带有控件坐标序列{(a，b)、(b，c)、
…
}。
64.可选地，本技术实施例还可以包括以下步骤：
65.获取所述待检测部件的第一时间序列和第一位置坐标；
66.根据所述第一时间序列和所述第一位置坐标，确定所述待检测部件的所在机组类型；
67.根据所述机组类型、所述第一时间序列和所述第一位置坐标，确定所述样本数据集中样本数据所对应的标准工作数据。
68.其中，机组类型可以包括常用机组、备用机组和应急机组。其中，常用机组是指搭载主推进柴油机组的目标设备(例如，船舶等)在正常工况下使用柴油机组。备用场景是指目标设备在限制工况下使用柴油机组，例如限电、限制功率等场景。应急场景是指目标设备在故障工况下使用柴油机组。
69.具体地，在获取第一时间序列和第一位置坐标的空间坐标序列后，可以从数据库中查找以上机组类型对应待检测部件的标准位置坐标，根据标准位置坐标与第一位置坐标的接近程度，确定待检测部件的候选机组类型。再根据第一时间序列的首个时间和末尾时间计算待检测部件的检测工作时长，再根据检测工作时长下的第一工作数据，结合候选机组类型下对应待检测部件在该检测工作时长下能够产生的标准工作数据，判断候选机组类型是否合理，以确定待检测部件最终对应的机组类型。例如，在常用机组中，连杆在1小时工作时长下产生的标准工作温度为150℃，而第一工作数据对应在50min的检测工作时长下的连杆温度为150℃，则两者较为接近，可以将候选机组类型为常用机组确定为最终的机组类型。
70.步骤203、基于数据重构模型，结合所述检测图像、所述第一工作数据和所述第二数据，确定异常数据，以及所述异常数据对应的目标数据；
71.可选地，在步骤203之前，本技术还包括以下步骤：
72.获取所述样本数据集中的多个样本数据的平均值；
73.根据所述平均值对所述多个样本数据进行处理，得到样本处理数据。
74.可以理解，由于样本数据集中的样本数据由于数据集中不同样本数据之间存在量级上的差异，使得模型预测的难度增大、精度难以保障，因此需要对样本数据集中的多个样本数据进行标准化处理。
75.具体地，得到样本处理数据的公式可以表示为：
[0076][0077]
其中，x
′
是标准化处理后的样本处理数据；x是初始的样本数据，average(x)为平均值，σ为标准差，得到的数据均值为0，标准差为1。本技术实施例使用scikit-learn中的standardscaler操作进行标准化处理，以通过消除方差过大的影响，整合多个样本数据之间差距过大的缺陷，得到新的数据集，方便后续模型对目标数据的准确预测。
[0078]
可选地，本技术实施例还包括以下步骤：
[0079]
对所述样本处理数据进行编码，得到低维的第一样本数据；
[0080]
对所述第一样本数据进行解码，得到第二样本数据；
[0081]
根据所述第二样本数据，构建与所述异常数据相关的代价函数。
[0082]
其中，可以通过自编码器对样本数据进行编码。其中，自编码器可以包括编码网络和解码网络，其中编码网络将输入的样本数据x'进行编码，得到低维的中间特征z，其中z＝f(wx'+b)，w为隐藏层的权重参数，b为隐藏层的偏置参数。然后通过解码网格，将所得到的z解码为y'，得到代价函数可以表示为：
[0083][0084]
其中，j(y)为用于后续预测异常数据的代价函数，n为样本数据的数量。
[0085]
具体地，在构建好代价函数j(y)后，可以利用该代价函数对数据重构模型进行训练，得到训练好的数据重构模型。
[0086]
步骤204、根据所述目标数据，对异常数据进行数据重构。
[0087]
可选地，步骤204还可以包括以下步骤：
[0088]
将所述检测图像、所述数据第一工作数据和所述第二工作数据输入至所述数据重构模型，结合所述标准工作数据和所述数据重构模型内部的异常评分函数，获取所述样本数据集中每个所述样本数据的异常评分；
[0089]
将所述异常评分满足预设阈值的所述样本数据确定为所述异常数据；
[0090]
对所述异常数据进行反归一化，得到所述目标异常数据对应的第二时间序列和第二位置坐标；
[0091]
根据所述第二时间序列和第二位置坐标，从所述标准工作数据中确定所述目标数据。
[0092]
具体地，可以将异常评分函数设置为计算每个样本数据与标准工作数据之间的特征相似度，两者相似度越小，则样本数据对应的异常评分越高，将异常评分大于预设阈值的样本数据确定为异常数据。例如，仍以样本数据为连杆温度举例，假设标准工作数据仍为150℃，该样本数据对应连杆温度为200℃，则超出标准值30％，获得异常评分较高，例如对应异常评分为80分，超出预设阈值的60分，则将该样本数据确定为异常数据。
[0093]
进一步地，数据重构模型可以对异常数据进行反归一化，得到目标异常数据对应预测的第二时间序列和第二位置坐标，再根据所述第二时间序列和第二位置坐标，从标准工作数据对应的时间序列和空间坐标序列中，确定时间和空间坐标最接近的标准工作数据作为目标数据。
[0094]
可选地，本技术实施例还可以包括以下步骤：
[0095]
对所述目标数据进行评估，得到数据评估结果；
[0096]
将满足预设条件的目标数据替换所述异常数据。
[0097]
可以理解，获取目标数据后，由于目标数据为模型预测的数据，可能与真实理想的重构数据有一定差距。因此，可以结合标准工作数据制定目标数据的评估标准，对目标数据
进行评估，将符合预设条件为与标准工作数据的数据值相差不足1％大小的数据，作为符合要求的目标数据，从而能够进一步地提升数据重构的准确性。
[0098]
由上可知，本技术实施例在柴油机组的待检测部件进行异常数据确定和数据重构的过程中，充分考虑待检测部件在时间序列和空间坐标序列中的工作数据，使得基于以上数据通过训练好的数据重构模型准确、高效地确定异常数据以及用于数据重构的目标数据，从而能够提升对待检测部件出现异常数据后进行数据重构的准确性和效率。
[0099]
为实现上述方法类实施例，本技术实施例还提供一种基于时序序列的数据重构系统，图3示出了本技术实施例提供的一种基于时序序列的数据重构系统的结构示意图，应用于目标设备的柴油机组，所述系统包括：
[0100]
检测图像获取模块301，用于获取待检测部件的检测图像；
[0101]
工作数据获取模块302，用于获取所述待检测部件的第一工作数据和第二工作数据，其中，所述第一工作数据用于表征所述待检测部件在不同时间下进行工作的数据，所述第二工作数据用于表征所述待检测部件在不同空间坐标下进行工作的数据；
[0102]
数据确定模块303，用于基于数据重构模型，结合所述检测图像、所述第一工作数据和所述第二工作数据，确定异常数据，以及所述异常数据对应的目标数据；
[0103]
数据重构模块304，用于根据所述目标数据，对异常数据进行数据重构。
[0104]
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述系统中模块/单元/子单元/组件的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
[0105]
由上可知，本技术实施例在柴油机组的待检测部件进行异常数据确定和数据重构的过程中，充分考虑待检测部件在时间序列和空间坐标序列中的工作数据，使得基于以上数据通过训练好的数据重构模型准确、高效地确定异常数据以及用于数据重构的目标数据，从而能够提升对待检测部件出现异常数据后进行数据重构的准确性和效率。
[0106]
在一些实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图4所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储图像采集设备的相关数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种基于时序序列的数据重构方法及系统。
[0107]
在一些实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图4所示。该计算机设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入系统。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过wifi、运营商网络、nfc(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现基于时序序列的数据重构方法及系统。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显
示屏，该计算机设备的输入系统可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
[0108]
本领域技术人员可以理解，图4中示出的结构，仅仅是与本技术方案相关的部分结构的框图，并不构成对本技术方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
[0109]
在一些实施例中，还提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现上述各方法实施例中的步骤。
[0110]
在一些实施例中，提供了一种计算机可读存储介质，存储有计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
[0111]
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，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本技术所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(read-only memory，rom)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(rand om access memory，ram)或外部高速缓冲存储器。作为说明而非局限，ra m可以是多种形式，比如静态随机存取存储器(static random access memor y，sram)或动态随机存取存储器(dynamic random access memory，dram)等。
[0112]
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
[0113]
以上所述实施例仅表达了本技术的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本技术构思的前提下，还可以做出若干变形和改进，这些都属于本技术的保护范围。因此，本技术专利的保护范围应以所附权利要求为准。
[0114]
综上所述，本技术提供的一种基于时序序列的数据重构方法，包括：
[0115]
获取待检测部件的检测图像；
[0116]
获取所述待检测部件的样本数据集，所述样本数据集包括第一工作数据和第二工作数据，其中，所述第一工作数据用于表征所述待检测部件在不同时间下进行工作的数据，所述第二工作数据用于表征所述待检测部件在不同空间坐标下进行工作的数据。
[0117]
基于数据重构模型，结合所述检测图像、所述第一工作数据和所述第二数据，确定异常数据，以及所述异常数据对应的目标数据；
[0118]
根据所述目标数据，对异常数据进行数据重构。
[0119]
在本技术所提供的实施例中，应该理解到，所揭露系统和方法，可以通过其它的方式实现。以上所描述的系统实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，系统或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
[0120]
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单元来实现本实施例方案的目的。
[0121]
另外，在本技术提供的实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。
[0122]
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本技术的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案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一个存储介质中，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)执行本技术各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、磁碟或者光盘等各种可以存储程序代码的介质。
[0123]
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释，此外，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
[0124]
最后应说明的是：以上所述实施例，仅为本技术的具体实施方式，用以说明本技术的技术方案，而非对其限制，本技术的保护范围并不局限于此，尽管参照前述实施例对本技术进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本技术揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本技术实施例技术方案的精神和范围。都应涵盖在本技术的保护范围之内。因此，本技术的保护范围应以所述权利要求的保护范围为准。