[發(fā)明專利]一種基于自組織特征映射的機(jī)電系統(tǒng)服役動(dòng)態(tài)標(biāo)記方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201810602701.0
• 申請(qǐng)日: 2018-06-12
• 公開（公告）號(hào): CN108985563B
• 公開（公告）日: 2021-05-28
• 發(fā)明（設(shè)計(jì)）人: 高建民;謝軍太;高智勇;姜洪權(quán);呂曉喆;王榮喜
• 申請(qǐng)（專利權(quán)）人: 西安交通大學(xué)
• 主分類號(hào): G06Q10/06
• 分類號(hào): G06Q10/06
• 代理公司: 西安通大專利代理有限責(zé)任公司 61200
• 代理人: 徐文權(quán)

1.一種基于自組織特征映射的機(jī)電系統(tǒng)服役動(dòng)態(tài)標(biāo)記方法，其特征在于，包括以下步驟：

步驟1)、構(gòu)建耦合關(guān)系網(wǎng)絡(luò)：首先對(duì)原始數(shù)據(jù)進(jìn)行歸一化和降噪處理的數(shù)據(jù)預(yù)處理，對(duì)經(jīng)過數(shù)據(jù)預(yù)處理過程之后的多變量時(shí)間序列通過FFT算法計(jì)算其擬周期，選定窗口寬度T，選擇各變量中最大擬周期作為窗口寬度及其步長(zhǎng)進(jìn)行滑動(dòng)的多維時(shí)間序列兩兩進(jìn)行DCCA分析，得出多個(gè)DCCA標(biāo)度系數(shù)對(duì)稱矩陣，完成耦合關(guān)系網(wǎng)絡(luò)的構(gòu)建；

選取多變量復(fù)雜機(jī)電系統(tǒng)中一定長(zhǎng)度的n維時(shí)間序列X,X＝{x₁,x₂,x₃,…,x_n}，分別計(jì)算兩兩變量之間的DCCA標(biāo)度指數(shù)DCCA(x₁,x₁),DCCA(x₁,x₂),…,DCCA(x_n,x_n)；按照計(jì)算出的DCCA標(biāo)度指數(shù)下標(biāo)進(jìn)行排列，最終形成n×n的DCCA標(biāo)度指數(shù)對(duì)稱方陣D，矩陣中共有N＝n²個(gè)節(jié)點(diǎn)，節(jié)點(diǎn)值d_ij為變量x_i與變量x_j的DCCA標(biāo)度指數(shù)：

步驟2)、對(duì)步驟1)中得到的耦合關(guān)系網(wǎng)絡(luò)進(jìn)行特征提取，選取網(wǎng)絡(luò)結(jié)構(gòu)熵和網(wǎng)絡(luò)效率作為特征變量：網(wǎng)絡(luò)結(jié)構(gòu)熵H采用復(fù)雜網(wǎng)絡(luò)的標(biāo)準(zhǔn)結(jié)構(gòu)熵：

其中，k_i為第i個(gè)節(jié)點(diǎn)的度分布，P(k_i)為第i個(gè)節(jié)點(diǎn)的度分布概率，N為網(wǎng)絡(luò)節(jié)點(diǎn)的總數(shù)；

步驟3)、根據(jù)系統(tǒng)某平穩(wěn)運(yùn)行狀態(tài)對(duì)應(yīng)的網(wǎng)絡(luò)特征初始化SOM神經(jīng)網(wǎng)絡(luò)，對(duì)耦合關(guān)系網(wǎng)絡(luò)狀態(tài)進(jìn)行被動(dòng)更新；

步驟4)、針對(duì)在狀態(tài)被動(dòng)更新過程中生成的狀態(tài)標(biāo)記知識(shí)庫，統(tǒng)計(jì)計(jì)算距系統(tǒng)在被動(dòng)更新過程中上一次出現(xiàn)該狀態(tài)的時(shí)間，對(duì)被動(dòng)更新后的耦合關(guān)系網(wǎng)絡(luò)狀態(tài)進(jìn)行主動(dòng)更新。

2.根據(jù)權(quán)利要求1所述的一種基于自組織特征映射的機(jī)電系統(tǒng)服役動(dòng)態(tài)標(biāo)記方法，其特征在于，步驟2)中，網(wǎng)絡(luò)效率E：

其中N為網(wǎng)絡(luò)節(jié)點(diǎn)數(shù)目，G為網(wǎng)絡(luò)，d_ij為網(wǎng)絡(luò)任意兩個(gè)節(jié)點(diǎn)i和j之間最短路徑長(zhǎng)度。

3.根據(jù)權(quán)利要求1所述的一種基于自組織特征映射的機(jī)電系統(tǒng)服役動(dòng)態(tài)標(biāo)記方法，其特征在于，步驟3)中，以系統(tǒng)某平穩(wěn)運(yùn)行狀態(tài)對(duì)應(yīng)的網(wǎng)絡(luò)特征初始化SOM神經(jīng)網(wǎng)絡(luò)，并對(duì)該序列進(jìn)行標(biāo)記作為狀態(tài)標(biāo)記知識(shí)庫的初始狀態(tài)，將連續(xù)工業(yè)數(shù)據(jù)對(duì)應(yīng)的網(wǎng)絡(luò)特征使用動(dòng)態(tài)標(biāo)記方法進(jìn)行狀態(tài)標(biāo)記，若符合已有SOM神經(jīng)網(wǎng)絡(luò)聚類閾值，則對(duì)應(yīng)狀態(tài)標(biāo)記知識(shí)庫中已有狀態(tài)標(biāo)簽，若超出已有SOM神經(jīng)網(wǎng)絡(luò)聚類閾值，則進(jìn)行進(jìn)一步判斷。

4.根據(jù)權(quán)利要求3所述的一種基于自組織特征映射的機(jī)電系統(tǒng)服役動(dòng)態(tài)標(biāo)記方法，其特征在于，判斷不滿足已有標(biāo)記條件的數(shù)據(jù)是否滿足新狀態(tài)創(chuàng)建條件，若滿足則創(chuàng)建新狀態(tài)并在狀態(tài)標(biāo)記庫中為該數(shù)據(jù)其設(shè)置新的狀態(tài)標(biāo)簽ynew，利用新的標(biāo)記數(shù)據(jù)集在已有聚類中心的基礎(chǔ)上重新訓(xùn)練狀態(tài)標(biāo)記模型；得出狀態(tài)標(biāo)記結(jié)果并保存，并在此過程中通過不斷訓(xùn)練對(duì)動(dòng)態(tài)標(biāo)記模型參數(shù)進(jìn)行優(yōu)化調(diào)整；整個(gè)流程按照時(shí)間順序依次循環(huán)進(jìn)行，不斷豐富和完善系統(tǒng)歷史狀態(tài)標(biāo)記知識(shí)庫。

5.根據(jù)權(quán)利要求1所述的一種基于自組織特征映射的機(jī)電系統(tǒng)服役動(dòng)態(tài)標(biāo)記方法，其特征在于，針對(duì)在狀態(tài)被動(dòng)更新過程中生成的狀態(tài)標(biāo)記知識(shí)庫，統(tǒng)計(jì)計(jì)算距系統(tǒng)在被動(dòng)更新過程中上一次出現(xiàn)該狀態(tài)的時(shí)間，判斷該時(shí)間是否超出所設(shè)定的時(shí)間閾值，若超出時(shí)間閾值，則將該狀態(tài)標(biāo)簽及其所對(duì)應(yīng)數(shù)據(jù)從訓(xùn)練集中剔除并重新訓(xùn)練標(biāo)記模型，若沒有超出時(shí)間閾值，則重新統(tǒng)計(jì)計(jì)算距系統(tǒng)在被動(dòng)更新過程中上一次出現(xiàn)該狀態(tài)的時(shí)間。