[發(fā)明專利]基于慢特征分析和隱馬爾科夫的健康狀態(tài)評估方法在審
| 申請?zhí)枺?/td> | 202011187702.7 | 申請日: | 2020-10-30 |
| 公開(公告)號: | CN112348072A | 公開(公告)日: | 2021-02-09 |
| 發(fā)明(設(shè)計(jì))人: | 程超;王萌;王艷 | 申請(專利權(quán))人: | 長春工業(yè)大學(xué) |
| 主分類號: | G06K9/62 | 分類號: | G06K9/62;G06F17/16 |
| 代理公司: | 暫無信息 | 代理人: | 暫無信息 |
| 地址: | 130012 吉林省長春市*** | 國省代碼: | 吉林;22 |
| 權(quán)利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關(guān)鍵詞: | 基于 特征 分析 隱馬爾科夫 健康 狀態(tài) 評估 方法 | ||
本發(fā)明公開了一種基于慢特征分析與隱馬爾科夫模型相結(jié)合的健康狀態(tài)評估模型方法,具體屬于自動檢測技術(shù)領(lǐng)域。本方法分為數(shù)據(jù)處理,數(shù)據(jù)分析與狀態(tài)評估三部分:在數(shù)據(jù)處理過程中,首先對影響控制因素進(jìn)行了分析,并對數(shù)據(jù)去燥處理;接著在數(shù)據(jù)分析過程中,利用慢特征分析對數(shù)據(jù)進(jìn)行降維并篩選出最慢度特征,同時(shí)基于慢特征細(xì)化引入相關(guān)度函數(shù)擬合以達(dá)到特征選擇的目的;狀態(tài)評估過程主要是基于歷史數(shù)據(jù)信息與專家經(jīng)驗(yàn)知識對數(shù)據(jù)進(jìn)行指標(biāo)規(guī)劃與健康分類,通過建立隱馬爾科夫健康狀態(tài)評估模型完成對慢特征的建模,完成對數(shù)據(jù)訓(xùn)練與評估的目的。經(jīng)案例仿真分析發(fā)現(xiàn),本發(fā)明所提方法達(dá)到了對系統(tǒng)健康狀態(tài)評估的目的。
技術(shù)領(lǐng)域
本發(fā)明屬于自動檢測技術(shù)領(lǐng)域,具體涉及一種基于慢特征分析和隱馬爾科夫的健康狀態(tài)評估方法
背景技術(shù)
隨著高速列車等大型復(fù)雜機(jī)電系統(tǒng)在交通運(yùn)輸中的重要性不斷提升,安全可靠性是其運(yùn)營需要考慮的第一要素,對其控制系統(tǒng)的精度要求越來越高。而隨著運(yùn)行時(shí)間的增加,復(fù)雜機(jī)電系統(tǒng)受惡劣環(huán)境與過載的影響加重,致使需要對其組成器件健康狀況進(jìn)行精確掌握,進(jìn)而保障乘坐人員的人身及財(cái)產(chǎn)安全。
慢特征分析是使用來自時(shí)間信號的信息學(xué)習(xí)不變特征的線性因子模型,近年來多被用來進(jìn)行過程監(jiān)控,深層圖像識別,慢特征分析利用“慢性原則”不僅可以對數(shù)據(jù)分析降維,也可以根據(jù)數(shù)據(jù)的特征得出慢度變化,并保留其物理意義。作為統(tǒng)計(jì)模型,隱馬爾可夫通常在過程監(jiān)控中,可以根據(jù)概率值與歷史數(shù)據(jù)狀態(tài)信息,提取并評估系統(tǒng)健康狀態(tài)。
發(fā)明內(nèi)容
本發(fā)明的目的是針對上述的問題,提出了一種基于慢特征分析的健康狀態(tài)評估模型,在方法上對數(shù)據(jù)進(jìn)行慢特征分析并應(yīng)用于隱馬爾可夫模型上。
本發(fā)明具體采用如下技術(shù)方案:
一種基于慢特征分析和隱馬爾科夫的健康狀態(tài)評估方法,包括以下步驟:
11、數(shù)據(jù)處理階段,具體為:
111、采集特征歷史數(shù)據(jù),建立數(shù)據(jù)集,如式(1)得到數(shù)據(jù)均值方差,并進(jìn)一步數(shù)據(jù)歸一化處理,
112、如式(2)中x(k)形式得到數(shù)據(jù):
12、數(shù)據(jù)分析階段,具體為:
121、為了達(dá)到對數(shù)據(jù)的降維的目的,采用慢特征分析方法對數(shù)據(jù)進(jìn)行慢度分析,慢特征分析(Slow feature analysis,SFA)方法,從數(shù)據(jù)中提取緩慢變化的LV,對故障檢測的精準(zhǔn)度進(jìn)行提升。
122、優(yōu)化問題定義如式(3):
s=Wx (3)
123、在本研究中,我們的目的就是找到一個(gè)矩陣表示系數(shù)向量,放大走行部特征數(shù)據(jù)的可能性與之間的關(guān)聯(lián)性,即:
W=[w1 w2 ... wm]T (4)
124、進(jìn)行第一次奇異值分解并經(jīng)式(5)式(6)轉(zhuǎn)化得到預(yù)處理之后的白化數(shù)據(jù):
xxTt=UΛUT (5)
z=Λ-1/2UTx=Qx (6)
125、定義:
zzTt=QxxTtQT=I (7)
轉(zhuǎn)換問題為找到矩陣P:S=Pz=PQx,findP=WQ-1
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息,商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于長春工業(yè)大學(xué),未經(jīng)長春工業(yè)大學(xué)許可,擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作,請聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202011187702.7/2.html,轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
- 同類專利
- 專利分類
G06K 數(shù)據(jù)識別;數(shù)據(jù)表示;記錄載體;記錄載體的處理
G06K9-00 用于閱讀或識別印刷或書寫字符或者用于識別圖形,例如,指紋的方法或裝置
G06K9-03 .錯(cuò)誤的檢測或校正,例如,用重復(fù)掃描圖形的方法
G06K9-18 .應(yīng)用具有附加代碼標(biāo)記或含有代碼標(biāo)記的打印字符的,例如,由不同形狀的各個(gè)筆畫組成的,而且每個(gè)筆畫表示不同的代碼值的字符
G06K9-20 .圖像捕獲
G06K9-36 .圖像預(yù)處理,即無須判定關(guān)于圖像的同一性而進(jìn)行的圖像信息處理
G06K9-60 .圖像捕獲和多種預(yù)處理作用的組合
- 基于隱馬爾科夫模型判斷手勢運(yùn)動方向的方法
- 車輛行駛狀態(tài)實(shí)時(shí)判別的方法
- 一種基于隱馬爾科夫模型的軟件系統(tǒng)狀態(tài)預(yù)測方法
- 一種棉葉螨的預(yù)測方法
- 基于遺傳算法的隱馬爾科夫模型在主機(jī)風(fēng)險(xiǎn)評估中的應(yīng)用
- 基于隱馬爾科夫模型的關(guān)鍵詞識別方法、終端設(shè)備及存儲介質(zhì)
- 一種基于改進(jìn)隱馬爾科夫模型的樓層識別方法
- 一種基于隱馬爾科夫隨機(jī)場模型的放煤口操作決策方法
- 基于隱馬爾科夫模型的液體壓力傳感器系統(tǒng)在線去噪方法
- 一種基于改進(jìn)高斯隱馬爾科夫模型的機(jī)械加工任務(wù)細(xì)粒度監(jiān)測方法





