[發(fā)明專利]一種基于增量PCA的工業(yè)監(jiān)測數(shù)據(jù)分類方法

有效

• 申請?zhí)枺?/td>: 201811091469.5
• 申請日: 2018-09-19
• 公開（公告）號: CN109324595B
• 公開（公告）日: 2020-06-23
• 發(fā)明（設(shè)計）人: 謝國;張永艷;劉涵;王文卿;梁莉莉;張春麗;孫瀾瀾
• 申請（專利權(quán)）人: 西安理工大學
• 主分類號: G05B23/02
• 分類號: G05B23/02
• 代理公司: 北京國昊天誠知識產(chǎn)權(quán)代理有限公司 11315
• 代理人: 楊洲

本發(fā)明公開了一種基于增量PCA的工業(yè)監(jiān)測數(shù)據(jù)分類方法，包括如下步驟：步驟1、對工業(yè)監(jiān)測數(shù)據(jù)進行采集，按采樣順序排列，并記錄其數(shù)據(jù)標簽，將其分為訓練集和測試集；步驟2、基于增量PCA方法建立模型，分別對步驟1中的訓練集和測試集進行在線降維；步驟3、步驟2中的訓練集作為數(shù)據(jù)對象建立支持向量機SVM分類模型，并通過對測試集數(shù)據(jù)進行分類驗證該模型。本發(fā)明分別通過建立降維模型和傳統(tǒng)的SVM分類模型，可對有標簽的高維數(shù)據(jù)進行分類；該方法在保證計算量的同時，通過尋找最優(yōu)超平面，對線性數(shù)據(jù)和非線性數(shù)據(jù)都可以進行二分類；可將其用于工業(yè)系統(tǒng)的故障檢測，從而及時反映機器性能，能夠采取相應措施，避免一系安全事故。

技術(shù)領(lǐng)域

本發(fā)明屬于工業(yè)監(jiān)測數(shù)據(jù)分類的技術(shù)領(lǐng)域，具體涉及一種基于增量PCA的工業(yè)監(jiān)測數(shù)據(jù)分類方法。

背景技術(shù)

由于工業(yè)經(jīng)濟在我國的迅速發(fā)展，隨之產(chǎn)生的數(shù)據(jù)呈指數(shù)級增長。不可避免地，在大量的工業(yè)數(shù)據(jù)中會存在冗余數(shù)據(jù)，這將給數(shù)據(jù)分析及后續(xù)計算帶來很大的困難。如果，可以對高維數(shù)據(jù)進行降維即數(shù)據(jù)壓縮，在對高維數(shù)據(jù)壓縮的同時對其提取有效信息，這將給數(shù)據(jù)分析帶來很大的便利。但是在現(xiàn)有降維方法中，主要針對的對象是離線數(shù)據(jù)，而對于不斷更新的在線數(shù)據(jù)，離線降維方法是無法對更新的監(jiān)測數(shù)據(jù)進行有效壓縮。

發(fā)明內(nèi)容

為解決上述問題，提出了一種基于增量PCA(Principal Component Analysis)的工業(yè)監(jiān)測數(shù)據(jù)分類方法。該方法可實時對有標簽的工業(yè)監(jiān)測數(shù)據(jù)進行有效分類，相對于未降維的高維數(shù)據(jù)減小了計算量，是一種有效的數(shù)據(jù)分類方法，且對于線性數(shù)據(jù)和非線性數(shù)據(jù)都適用。

本發(fā)明采用以下技術(shù)方案：一種基于增量PCA的工業(yè)監(jiān)測數(shù)據(jù)分類方法，包括如下步驟：

步驟1、對工業(yè)監(jiān)測數(shù)據(jù)進行采集，按采樣順序排列，并記錄其數(shù)據(jù)標簽，將其分為訓練集和測試集；

步驟2、基于增量PCA方法建立模型，分別對步驟1中的訓練集和測試集進行在線降維；

步驟3、步驟2中的訓練集作為數(shù)據(jù)對象建立支持向量機SVM分類模型，并通過對測試集數(shù)據(jù)進行分類驗證該模型。

作為本發(fā)明進一步的方案，所述步驟1具體包括如下步驟：

步驟1.1、對工業(yè)系統(tǒng)中的傳感器進行數(shù)據(jù)采樣，假設(shè)采樣數(shù)據(jù)為有標簽數(shù)據(jù)，采集到的工業(yè)監(jiān)測高維數(shù)據(jù)用X＝{x₁,x₂,…,x_N}∈R^d×N表示，其中d表示高維數(shù)據(jù)的維數(shù)，每間隔1S進行一次采樣，N表示采樣數(shù)據(jù)的數(shù)目，第t個采樣數(shù)據(jù)用x_t表示，t∈{1,2,...,N}，x_t＝[x_t1 x_t2 … x_td]^T；

步驟1.2、對采樣數(shù)據(jù)進行分配，采樣數(shù)據(jù)的標簽信息用Y＝{y₁,y₂,…,y_N}∈R^1×N表示，與高維數(shù)據(jù)X一一對應，選取高維數(shù)據(jù)X和數(shù)據(jù)標簽Y的前百分之八十作為訓練數(shù)據(jù)集和訓練標簽，剩下百分之二十作為測試數(shù)據(jù)集和測試標簽。

作為本發(fā)明進一步的方案，所述步驟2包括如下步驟：

步驟2.1、輸入高維數(shù)據(jù)X和所需參數(shù)：離線降維目標維數(shù)k＜d，在線降維目標維數(shù)l＜k，w₀＝0；

步驟2.2、對矩陣U、矩陣Z以及各參數(shù)進行初始化：矩陣U和Z為U＝0^d×l，Z＝0^d×l，w＝0，w_U＝0^l×1；