[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

本申請涉及一種狀態感知數據特征提取方法及裝置、系統性能評估方法。其中，特征提取方法中，先獲取待測系統的狀態感知數據測試樣本并獲得狀態感知數據測試樣本集合c_i是M維的狀態感知數據測試樣本，N₁為狀態感知數據測試樣本的樣本數，M和N₁均為正整數；狀態感知數據用于反映待測系統的健康狀態；將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F，得到映射數據集Φ(c)；在高維特征空間F中將映射數據集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最優映射矩陣W^Φ投影后更加接近，狀態感知數據測試樣本集合中不相鄰的狀態感知數據測試樣本經最優映射矩陣W^Φ投影后距離更遠。

技術領域

本發明涉及系統信息處理技術領域，特別是涉及一種狀態感知數據特征提取方法及裝置、系統性能評估方法。

背景技術

這里的陳述僅提供與本申請有關的背景信息，而不必然地構成現有技術。

在系統狀態感知及分析應用中，尤其是復雜系統狀態感知及分析應用中，常利用圖嵌入特征提取方法或者關注數據的統計特性，實現數據的去相關和去冗余。常見的特征提取方法，一種是關注數據的全局結構，如PCA/KPCA和LDA/KFDA等算法，能較好地提取數據的全局結構特征，但往往忽視了數據的局部特性，另一種是關注數據的局部結構，如NEP/KNPE和LPP/KLPP等算法，能有效保留樣本的局部結構信息，但對數據全局結構缺乏描述。也就是說，傳統技術中提供的圖嵌入特征提取方法并未充分利用數據樣本的局部信息與全局信息，不能構建充分反映原始狀態感知數據之間相似性關系的幾何結構，從而影響系統狀態評估和預測的精度。

發明內容

基于此，有必要針對利用傳統技術中圖嵌入特征提取方法所提取的數據進行系統狀態評估時精度低的問題，提供一種狀態感知數據特征提取方法及裝置、系統性能評估方法。

本申請實施例提供了一種狀態感知數據特征提取方法，包括：

獲取待測系統的狀態感知數據測試樣本并獲得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為狀態感知數據測試樣本的樣本數，M和N₁均為正整數；狀態感知數據用于反映待測系統的健康狀態；

將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F，得到映射數據集Φ(c)，其中，c∈R^M，且Φ(c)∈F；

在高維特征空間F中將映射數據集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最優映射矩陣W^Φ投影后更加接近，而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最優映射矩陣W^Φ投影后距離更遠。

在其中一個實施例中，最優映射矩陣W^Φ的構建步驟包括：

獲取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為狀態感知數據訓練樣本的樣本數；

將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F，得到映射數據集Φ(x)，其中，x∈R^M，且Φ(x)∈F；