[發明專利]一種基于鄰近算法的分揀回流異常關聯性分析方法

在審

• 申請號: 202110002725.4
• 申請日: 2021-01-04
• 公開（公告）號: CN112949677A
• 公開（公告）日: 2021-06-11
• 發明（設計）人: 陳珊;陳夢醒;曾華
• 申請（專利權）人: 杭州恒樸電子科技有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06Q10/08
• 代理公司: 杭州中利知識產權代理事務所(普通合伙) 33301
• 代理人: 盧海龍

1.一種基于鄰近算法的分揀回流異常關聯性分析方法，其特征在于：包括對卷包物流成品分揀回流異常相關事件和時序數據的歷史數據進行關聯分析的K-近鄰算法、對所述K-近鄰算法的分析結果進行結果比較的兩個baseline算法，所述分析方法的步驟包括：

步驟一、采集封箱機條碼PLC的歷史數據，采集的歷史數據包括連接請求無響應次數、每秒字節數、有效載荷比特率、服務器TCP重傳包、客戶端平均ACK時延、掃碼、傳輸條碼、心跳IO超時、操作系統重啟和大量IO讀寫，并對采集到的數據先進行預處理；

步驟二、對處理完成后的數據分別使用K-近鄰算法和兩個所述baseline算法進行驗證；

步驟三、通過驗證結果排查監控系統與自動控制系統的故障并作出判斷。

2.根據權利要求1所述的一種基于鄰近算法的分揀回流異常關聯性分析方法，其特征在于：兩個所述baseline算法包括Pearson correlation算法以及J-measure correlation算法，評價標準為F-score。

3.根據權利要求1所述的一種基于鄰近算法的分揀回流異常關聯性分析方法，其特征在于：所述K-近鄰算法的計算方式為：第一、將成品分揀回流異常相關事件和時序數據的相關性判斷轉化為兩個樣本問題；第二、判斷兩個樣本是否來自相同的分布。

4.根據權利要求3所述的一種基于鄰近算法的分揀回流異常關聯性分析方法，其特征在于：對兩個所述樣本是否來自相同的分布的判斷方式為：首先選取事件發生前、事件發生后對應的n段長為k的時序樣本數據，用表示，e_i表示某個事件，樣本組θ則是在時間序列上隨機選取一系列長度為k的樣本數據，其次，根據樣本組與樣本組θ分布結果進行判別，當分布不同時則事件與時序數據相關，當分布相同則事件與時序數據無關。

5.根據權利要求4所述的一種基于鄰近算法的分揀回流異常關聯性分析方法，其特征在于：樣本組Γ^front中的所有樣本與樣本組θ中的所有樣本通過DTW算法來計算兩個樣本組之間的各個樣本之間的距離，某個屬于樣本組Γ^front或樣本組θ的樣本S，對于S的多個最近鄰居樣本m進行分析，與S屬于相同樣本組的個數越多則意味著樣本組Γ^front和θ分布更不同，即事件和時序數據越相關。

6.根據權利要求1所述的一種基于鄰近算法的分揀回流異常關聯性分析方法，其特征在于：最近鄰居樣本個數m為自然對數，時間序列長度k的自相關函數曲線的第一個峰值為序列長度，整體算法為：

Input：Event E＝(e_t，e₂，...，e_n)，and Time Series

S＝(s₁，s₂，...，s_m)，and the sub-series length k.

Output：The direction D，

1 Initialize Г^front and Γ^rear；

2 Initializeθ；

3 Initialize D＝NULL，

4 Normalize eachand

5 Test Г^front andθusing Nearest Neighbors Method.

The result is denoted as D_f.；

6 Test Г^rear andθusing Nearest Neighbors Method.

The result is denoted as D_f.；

7 Out put D；

8 Algorithm End.