[發明專利]狀態感知數據特征提取方法及裝置、系統性能評估方法

有效

• 申請號: 201910943034.7
• 申請日: 2019-09-30
• 公開（公告）號: CN110738248B
• 公開（公告）日: 2022-09-27
• 發明（設計）人: 羅永君;曾周;郭林;孫元波;戴計生;徐勇;許為;江平;朱文龍;唐黎哲;王建華;劉克巖;陳躍峰;李玲;宋濤濤;雷春;王成
• 申請（專利權）人: 朔黃鐵路發展有限責任公司;株洲中車時代電氣股份有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 華進聯合專利商標代理有限公司 44224
• 代理人: 張彬彬

1.一種系統性能評估方法，其特征在于，應用于待測系統，所述方法包括：

獲取待測系統的狀態感知數據測試樣本并獲得所述狀態感知數據測試樣本集合其中，c_i是M維的狀態感知數據測試樣本，N₁為所述狀態感知數據測試樣本的樣本數，M和N₁均為正整數；所述狀態感知數據用于反映所述待測系統的健康狀態；所述狀態感知數據是指由感知設備或傳感設備感受、測量及傳輸的健康狀態數據；

將所述狀態感知數據測試樣本c_i經過非線性映射Φ映射到高維特征空間得到映射數據集Φ(c)，其中，c∈R^M，且

在所述高維特征空間中將所述映射數據集Φ(c)經過預先構建的最優映射矩陣W^Φ映射后獲得目標特征向量，使所述狀態感知數據測試樣本集合中彼此相鄰的狀態感知數據測試樣本經所述最優映射矩陣W^Φ投影后更加接近，而所述狀態感知數據測試樣本集合中彼此不相鄰的狀態感知數據測試樣本經所述最優映射矩陣W^Φ投影后距離更遠；

根據所述目標特征向量和預先構建的性能評估模型評估所述待測系統的性能；

所述最優映射矩陣W^Φ的構建步驟包括：

獲取所述待測系統的狀態感知數據訓練樣本，并獲得狀態感知數據訓練樣本集合其中，x_i是M維的狀態感知數據訓練樣本，N為所述狀態感知數據訓練樣本的樣本數；

將所述狀態感知數據訓練樣本x_i經過非線性映射Φ映射到高維特征空間得到映射數據集Φ(x)，其中，x∈R^M，且

構建核矩陣并對所述核矩陣K進行正交分解，獲得所述核矩陣K的正交特征向量P(P＝r₁,r₂,...,r_p,p＜M)和特征值對角陣Λ＝diag(λ₁,λ₂,...,λ_P)；其中，k(x_i,x_j)＝＜Φ(x_i),Φ(x_j)＞；

構建局部相似性矩陣

構建非局部相似性矩陣

其中，s^Φ(x_i,x_j)為所述狀態感知數據訓練樣本經非線性映射Φ投射后的數據樣本間的相似性；

構建約束函數其中，為局部協方差矩陣，為非局部散射矩陣，T為矩陣轉置；其中，s^Φ_ij是根據預先選定的核函數對所述狀態感知數據訓練樣本經非線性映射Φ投射后得到的數據樣本間的相似性進行擴展后得到的相似性矩陣；

求解所述約束函數最小化時的映射向量β；

根據所述映射向量β獲得所述最優映射矩陣其中，Ψ＝[Φ(x₁),...,Φ(x_N)]。

2.根據權利要求1所述的方法，其特征在于，求解所述約束函數最小化時的映射向量β的步驟包括：

獲得所述約束函數對應的拉格朗日算子L(β)＝β^TL_nβ-λ(β^TL_lβ-I)；

當所述拉格朗日算子L(β)＝β^TL_nβ-λ(β^TL_lβ-I)的梯度為0時有：

L_nβ＝λL_lβ

對L_nβ＝λL_lβ進行特征值求解，獲得使所述約束函數最小的映射向量β；其中，I為單位向量。

3.根據權利要求1或2所述的方法，其特征在于，所述核函數為徑向基核函數，根據預先選定的核函數對所述狀態感知數據訓練樣本經非線性映射Φ投射后得到的數據樣本間的相似性進行擴展后得到的相似性矩陣為：

其中，δ＞0。