[發(fā)明專利]一種含有奇異點(diǎn)的電子信號(hào)故障混合預(yù)測方法及驗(yàn)證裝置

在審

• 申請(qǐng)?zhí)枺?/td>: 202011510756.2
• 申請(qǐng)日: 2020-12-18
• 公開（公告）號(hào): CN112487725A
• 公開（公告）日: 2021-03-12
• 發(fā)明（設(shè)計(jì)）人: 閆理躍;王厚軍;王昊;劉震
• 申請(qǐng)（專利權(quán)）人: 電子科技大學(xué)
• 主分類號(hào): G06F30/27
• 分類號(hào): G06F30/27;G06F111/06
• 代理公司: 成都君合集專利代理事務(wù)所(普通合伙) 51228
• 代理人: 尹新路

本發(fā)明公開了一種含有奇異點(diǎn)的電子信號(hào)故障混合預(yù)測方法，這種混合方法將三次非多樣式樣條函數(shù)作為OS?ELM輸出的預(yù)測單元，對(duì)樣條模型的二次導(dǎo)數(shù)進(jìn)行計(jì)算以構(gòu)建一系列的觀測幀。同時(shí)，本方法采用改進(jìn)的粒子群算法優(yōu)化OS?ELM的隱藏層，來幫助預(yù)測觀測序列的趨勢并重建樣條函數(shù)。在后續(xù)驗(yàn)證部分，有兩個(gè)數(shù)值模擬案例和一個(gè)實(shí)際應(yīng)用，其時(shí)間序列數(shù)據(jù)都具有奇異點(diǎn)，本發(fā)明分別以這些案例來證明所提方法的有效性。

技術(shù)領(lǐng)域

本申請(qǐng)涉及一種含有奇異點(diǎn)的電子信號(hào)故障混合預(yù)測方法及驗(yàn)證裝置，具體涉及含有奇異點(diǎn)的電子信號(hào)故障的混合預(yù)測領(lǐng)域。

背景技術(shù)

在現(xiàn)代工業(yè)中，電子設(shè)備得到越來越廣泛的應(yīng)用，與傳統(tǒng)機(jī)械系統(tǒng)的緩慢老化不同，電子系統(tǒng)的故障通常包括間歇故障和瞬態(tài)故障，這些故障的奇異點(diǎn)在傳統(tǒng)解決方案中通常被視為噪聲。然而，這些奇異點(diǎn)包含許多早期故障的信號(hào)以及其他隱藏信息，有時(shí)甚至?xí)粋鬏數(shù)诫娮酉到y(tǒng)的每一個(gè)節(jié)點(diǎn)，導(dǎo)致不確定性傳播。因此，奇異信號(hào)處理方法的改進(jìn)對(duì)于提高預(yù)測的精確度實(shí)際上具有不可忽略的價(jià)值。

由于近年來AI技術(shù)的強(qiáng)有力發(fā)展，基于AI的預(yù)測性維護(hù)變得更加高效。因此，針對(duì)上述電子系統(tǒng)的特點(diǎn)，應(yīng)該引入基于AI的實(shí)時(shí)預(yù)測方案來開發(fā)在線可靠性預(yù)測方案，該方案可以實(shí)時(shí)更新更全面的監(jiān)視數(shù)據(jù)，而不是進(jìn)行長期預(yù)測。B-樣條函數(shù)是一種分段定義的多項(xiàng)式函數(shù)，具有多種良好特性，如計(jì)算的數(shù)值穩(wěn)定性，系數(shù)變化的局部影響以及相鄰多項(xiàng)式之間的內(nèi)置平滑度，因此，它可以看作是一種近似替代模型。B-樣條函數(shù)、曲線和曲面常應(yīng)用于擬合數(shù)據(jù)點(diǎn)，擬合可以是插值也可以是近似，插值的B-樣條函數(shù)需要穿過數(shù)據(jù)點(diǎn)。本申請(qǐng)開發(fā)了一個(gè)插值B-樣條函數(shù)模型和一個(gè)在線單隱藏層前饋神經(jīng)網(wǎng)絡(luò)，以評(píng)估算法在預(yù)測其唯一和關(guān)鍵數(shù)據(jù)方面的可靠性。

在線順序極限學(xué)習(xí)機(jī)是極限學(xué)習(xí)機(jī)的順序變體，為了高效且有效地處理順序序列值，它能夠以固定或變化的塊大小學(xué)習(xí)數(shù)據(jù)。由于具有極快的學(xué)習(xí)速度，近年來它獲得了極大的關(guān)注，并且在許多方法和應(yīng)用中進(jìn)行實(shí)現(xiàn)。

但是，OS-ELM也有一些缺點(diǎn)：1)由于添加了新的序列值，預(yù)先給定的網(wǎng)絡(luò)結(jié)構(gòu)可能無法達(dá)到預(yù)期的精確度；2)隱藏層中參數(shù)的某些分布可能是隨機(jī)選擇的，這會(huì)導(dǎo)致不穩(wěn)定的網(wǎng)絡(luò)輸出。

因?yàn)镺S-ELM的固有缺陷，并考慮實(shí)際情況因素，即訓(xùn)練時(shí)間和預(yù)測精度，本采用量子行為粒子群優(yōu)化算法來優(yōu)化OS-ELM初始階段的參數(shù)以確保OS-ELM預(yù)測的準(zhǔn)確性。QPSO易于實(shí)現(xiàn)，參數(shù)少，全局收斂性好的特性有助于OS-ELM優(yōu)化初始參數(shù)，進(jìn)入在線調(diào)整的下一階段。

然后，使用結(jié)合粒子群優(yōu)化的混合方法評(píng)估相關(guān)參數(shù)，進(jìn)而更新樣條模型，以實(shí)現(xiàn)在電路老化數(shù)據(jù)包含奇異點(diǎn)時(shí)提高預(yù)測準(zhǔn)確度的目的。與以往研究相比，當(dāng)前這一方法不需要在整個(gè)預(yù)測過程中識(shí)別奇異數(shù)據(jù)，然而即使信號(hào)中存在一些奇異點(diǎn)，該方法也仍然具有理想的表現(xiàn)。

發(fā)明內(nèi)容

一種含有奇異點(diǎn)的電子信號(hào)故障混合預(yù)測方法，首先利用三次非多項(xiàng)式樣條函數(shù)構(gòu)造的約束條件和性質(zhì)，求得性能退化數(shù)據(jù)點(diǎn)處的二階導(dǎo)數(shù)值并構(gòu)成觀測序列；其次，利用最優(yōu)剪枝，針對(duì)ELM神經(jīng)網(wǎng)絡(luò)模型的隱含層節(jié)點(diǎn)進(jìn)行裁剪和優(yōu)化，改善隱含層的輸出參數(shù)利用觀測序列對(duì)其進(jìn)行訓(xùn)練，并在此基礎(chǔ)上，對(duì)其中隱藏層狀態(tài)加權(quán)預(yù)測，從而取得代表預(yù)測時(shí)刻狀態(tài)的樣條預(yù)測元；然后，再利用QPSO優(yōu)化的OS-ELM模型中初始階段的閾值和輸入權(quán)重；這樣，最優(yōu)剪枝和粒子群優(yōu)化方法分別在不同的階段用于改進(jìn)和優(yōu)化OS-ELM中隱藏層的輸出。最后，得到樣條預(yù)測單元中最后兩個(gè)二階導(dǎo)數(shù)值并復(fù)原該點(diǎn)處的三次非多項(xiàng)式樣條曲線，以此可得到最終的預(yù)測值。