[發明專利]一種基于T-SNE的電機異常檢測集成算法

有效

• 申請號: 202011409302.6
• 申請日: 2020-12-04
• 公開（公告）號: CN112697268B
• 公開（公告）日: 2022-06-24
• 發明（設計）人: 劉衛星;韓澤文;陳立秋;邵文娟;仇志福;毛廣新;別林;田靜
• 申請（專利權）人: 佳木斯電機股份有限公司
• 主分類號: G01H17/00
• 分類號: G01H17/00;G06K9/00;G06K9/62
• 代理公司: 北京天奇智新知識產權代理有限公司 11340
• 代理人: 陳新勝

1.一種基于T-SNE的電機異常檢測集成算法，其特征在于，所述基于T-SNE的電機異常檢測集成算法具體步驟為：

第一步，對所有的正常振動時域信號s₁,s₂,…,s_n及待檢測振動信號s_t進行濾波；

第二步，對濾波得到的信號sf₁，sf₂,…,sf_n,sf_t做EMD降噪處理；

第三步，對降噪得到的信號e₁,e₂,…,e_n,e_t做傅里葉變換，得到信號變換數據f₁,f₂,…,f_n,f_t；

第四步，將待檢測振動信號s_t與正常振動時域信號s₁,s₂,…,s_n進行拼接處理，并定義s_t為s_n+1，求取concatenate后的信號s₁,s₂,…,s_n,s_n+1各樣本之間的歐式距離矩陣M，M為(n+1)*(n+1)的方陣，其中M_ij為s_i到s_j的歐式距離；

第五步，使用T-SNE將數據f₁,f₂,…,f_n維度降至m，則f_i可以表示為x₁,x₂…,x_m，其中i∈{1,2,…,n,t}；

第六步，利用各樣本間的歐式距離對坐標進行修正，對于f_i的坐標修正公式為x_j^*＝x_j+d_i^*,j∈[1，m],i∈{1,2,…,n,t},其中

第七步，創建檢驗結果特征數據r₁,r₂…,r_m，并將r_i且r_i∈(r₁,r₂…,r_m)的初始值均設置為0，對信號變換數據f₁,f₂,…,f_n的m個特征分別做Kolmogorov-Smirnov檢驗，對于檢驗結果為正態分布的特征，對應的特征數據r_i＝r_i+1，反之r_i＝r_i-1；

第八步，對信號變換數據f₁,f₂,…,f_n的m個特征分別做Shapiro-Wilk檢驗，對于檢驗結果為正態分布的特征，對應的特征數據為r_i＝r_i+1，反之r_i＝r_i–1；

第九步，對信號變換數據f₁,f₂,…,f_n的m個特征分別做Anderson-Darling檢驗，對于檢驗結果為正態分布的特征，對應的特征數據為r_i＝r_i+1，反之r_i＝r_i–1；

第十步，對于r_i∈(r₁,r₂…,r_m)，如果則將對應的特征i標記為符合正態分布的特征，反之標記為不符合正態分布的特征；

第十一步，基于信號變換數據f₁,f₂,…,f_n，對于符合正態分布的特征，分別對信號變換數據f_t的相應特征做3*sigma異常檢驗，對于不符合正態分布的特征，分別對信號變換數據f_t的相應特征做1.5*IQR規則異常檢驗；

第十二步，創建分布異常檢驗標記數據l₁,l₂…,l_m，并將l_i且l_i∈(l₁,l₂…,l_m)的初始值均設置為1，對于第十一步中的檢驗結果為異常特征i，對應的分布異常檢驗標記數據l_i＝0，反之l_i＝1，如果∏l_i＝1且l_i∈(l₁,l₂…,l_m)，則待檢測振動信號不存在異常情況，操作到此為止，反之，繼續后面的步驟；

第十三步，對信號變換數據f₁,f₂,…,f_n做LOF異常檢驗算法的訓練，并使用訓練后的算法參數對信號變換數據f1,f2,…,fn,ft做異常檢驗，如果檢驗結果存在異常，則標記變量a＝1，反之，標記變量a＝-1；

第十四步，對信號變換數據f₁,f₂,…,f_n做iForest異常檢驗算法的訓練，并使用訓練后的算法參數對信號變換數據f₁,f₂,…,f_n,f_t做異常檢驗，如果檢驗結果存在異常，則標記變量b＝1，反之，標記變量b＝-1；

第十五步，對信號變換數據f₁,f₂,…,f_n使用自編碼器進行降維，并對降維后數據做SOD異常檢驗算法的訓練，并使用訓練后的算法參數對使用相同自編碼器對信號變換數據f₁,f₂,…,f_n,f_t進行降維后的數據做異常檢驗，如果檢驗結果存在異常，則標記變量c＝1，反之，標記變量c＝-1；

第十六步，如果a+b+c0，則可以得出結論，信號存在異常，反之，信號不存在異常，結束操作。