[發(fā)明專(zhuān)利]基于拉氏搜索方向的DEE水電機(jī)組噪聲異常檢測(cè)方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201410420937.4
• 申請(qǐng)日: 2014-08-25
• 公開(kāi)（公告）號(hào): CN104361194A
• 公開(kāi)（公告）日: 2015-02-18
• 發(fā)明（設(shè)計(jì)）人: 鄭建煒;黃瓊芳;邱虹;王萬(wàn)良;王海倫
• 申請(qǐng)（專(zhuān)利權(quán)）人: 浙江工業(yè)大學(xué)
• 主分類(lèi)號(hào): G06F19/00
• 分類(lèi)號(hào): G06F19/00
• 代理公司: 杭州天正專(zhuān)利事務(wù)所有限公司 33201
• 代理人: 王兵;黃美娟

技術(shù)領(lǐng)域

本發(fā)明涉及水電機(jī)組故障檢測(cè)領(lǐng)域，具體地說(shuō)，是涉及一種基于鑒別性鄰域嵌入分析的水電機(jī)組異常噪聲檢測(cè)方法。?

背景技術(shù)

水能資源主要是指水的勢(shì)能、動(dòng)能以及壓力能等帶來(lái)的能量資源，它是我國(guó)第二大具有大規(guī)模開(kāi)發(fā)能力的資源，并且是我國(guó)最大的可再生的資源，在未來(lái)十五年，水能的發(fā)展將是我國(guó)重要的戰(zhàn)略方向。可再生能源開(kāi)發(fā)戰(zhàn)略是國(guó)家十二五規(guī)劃的重要組成部分。?

小水電是一種資源分布廣、開(kāi)發(fā)潛力大、環(huán)境影響小、可擴(kuò)展利用的可再生能源，在國(guó)家能源發(fā)展戰(zhàn)略上有著重大意義。在現(xiàn)階段，考慮到水電機(jī)組的復(fù)雜性以及小水電站位置的苛刻性，通常采用專(zhuān)人值守的形式進(jìn)行設(shè)備維護(hù)與異常監(jiān)測(cè)。其過(guò)程不僅效率低下，而且過(guò)分依賴(lài)于工作人員的經(jīng)驗(yàn)知識(shí)，往往具有較高的誤判率，因此有必要研究機(jī)器學(xué)習(xí)理論與統(tǒng)計(jì)學(xué)理論并實(shí)現(xiàn)高性能識(shí)別算法，用于實(shí)現(xiàn)無(wú)人值守的小水電監(jiān)測(cè)系統(tǒng)。鄰域嵌入分析算法能夠有效地進(jìn)行數(shù)據(jù)分簇可視化操作，如何提升鄰域嵌入算法的鑒別性能并應(yīng)用于水電機(jī)組噪聲源識(shí)別具有非常重要的研究?jī)r(jià)值。?

目前，采用機(jī)器學(xué)習(xí)的方法來(lái)對(duì)異常信號(hào)進(jìn)行特征檢測(cè)的方法有很多，主要有以下幾類(lèi)方法：主分量分析，線性判別分析，流行學(xué)習(xí)，非負(fù)矩陣分解等。但是，由于小水電噪聲數(shù)據(jù)維數(shù)過(guò)高，采用上述方法對(duì)其進(jìn)行分類(lèi)仍然是一個(gè)困難的任務(wù)，主要面臨的挑戰(zhàn)：分類(lèi)性能差，存儲(chǔ)需求大、計(jì)算復(fù)雜度過(guò)高。近來(lái)，一批基于隨機(jī)近鄰嵌入的降維技術(shù)吸引著人們的眼球，同已有的技術(shù)相比，Hitton等提出的SNE目標(biāo)是使源高維空間概率分布表達(dá)式和低維空間概率分布表達(dá)式完全匹配，Lee等引入微縮版的Jensen‐Shannon散度，這樣能更好的保存小K叉緊鄰信息。Carreira?Perpina提出了一種新的降維方法，稱(chēng)為彈性嵌入(EE)，該算法在訓(xùn)練過(guò)程中保持兩個(gè)數(shù)據(jù)點(diǎn)之間坐標(biāo)和相關(guān)度的不變性。彈性嵌入分類(lèi)算法比SNE算法、t‐SNE算法的效果更好，它不僅改善了算法的分類(lèi)能力，并且在時(shí)間復(fù)雜度方面得到了很大的提升，使得分類(lèi)算法能夠直接應(yīng)用于數(shù)據(jù)的分類(lèi)。?但是仍然面臨高維數(shù)據(jù)分類(lèi)性能差挑戰(zhàn)。為了降低算法復(fù)雜獨(dú)，提高識(shí)別率，需要尋找到更好的辦法來(lái)解決這個(gè)問(wèn)題。?

發(fā)明內(nèi)容

本發(fā)明要克服上述現(xiàn)有技術(shù)的缺點(diǎn)，提出基于鑒別性鄰域嵌入分析的水電機(jī)組異常檢測(cè)方法，能夠解決對(duì)高維數(shù)據(jù)分類(lèi)效果不理想的問(wèn)題；其次，在有效地提高了識(shí)別率的同時(shí)，很好地保持了類(lèi)內(nèi)及類(lèi)間的樣本結(jié)構(gòu)。?

本發(fā)明解決其技術(shù)問(wèn)題所采用的技術(shù)方案是：?

一種基于拉氏搜索方向的DEE水電機(jī)組噪聲異常檢測(cè)方法，包括如下步驟：?

步驟1，訓(xùn)練部分，具體包括：?

1.1確定訓(xùn)練樣本矩陣X＝[x₁,x₂,…,x_N]及其類(lèi)別標(biāo)簽，設(shè)定方差參數(shù)λ以及最大迭代次數(shù)Mt；?

1.2根據(jù)步驟a1中樣本矩陣X計(jì)算輸入樣本間吸引權(quán)重和排斥權(quán)重

ωnm+=exp(-||xn-xm||22λ2),ifln=lm0,else]]>