[發(fā)明專利]基于Snippets特征提取的航空鋰電池異常檢測方法

有效

• 申請?zhí)枺?/td>: 202110863022.0
• 申請日: 2021-07-29
• 公開（公告）號: CN113640675B
• 公開（公告）日: 2022-05-20
• 發(fā)明（設(shè)計）人: 趙文杰;張玉書
• 申請（專利權(quán)）人: 南京航空航天大學(xué)
• 主分類號: G01R31/367
• 分類號: G01R31/367;G01R31/36;G01R31/378;G01R31/385;G01R31/00
• 代理公司: 南京經(jīng)緯專利商標(biāo)代理有限公司 32200
• 代理人: 施昊

1.一種基于Snippet特征提取的航空鋰電池異常檢測方法，其特征在于，包括以下步驟：

(1)對所有鋰電池的電流、電壓時間序列數(shù)據(jù)提取代表性特征子序列Snippet；

(2)選用基于局部密度的異常檢測算法LOF為步驟(1)提取的代表性特征子序列Snippet評分，計算得到每個代表性特征子序列Snippet對應(yīng)的異常值；然后將一條時間序列提取的N個代表性特征子序列Snippet的異常值相加，得到該條完整時間序列的異常值；

(3)根據(jù)數(shù)據(jù)集中帶標(biāo)簽的數(shù)據(jù)和步驟(2)得到的異常值，計算效果衡量標(biāo)準(zhǔn)F₁分?jǐn)?shù)，調(diào)節(jié)異常檢測算法LOF的參數(shù)k，重復(fù)步驟(2)，使得效果衡量標(biāo)準(zhǔn)F₁分?jǐn)?shù)達(dá)到最大；所述參數(shù)k為第k近鄰；

(4)在步驟(3)第k近鄰設(shè)定下，通過異常檢測算法LOF計算電流或電壓數(shù)據(jù)中未帶標(biāo)簽數(shù)據(jù)的異常值，根據(jù)未帶標(biāo)簽數(shù)據(jù)的異常值判斷該序列為異常的可能性。

2.根據(jù)權(quán)利要求1所述的基于Snippet特征提取的航空鋰電池異常檢測方法，其特征在于，所述步驟(1)中，提取代表性特征子序列Snippet選用MPdist距離度量衡量兩條時間序列的相似性，根據(jù)MPdist創(chuàng)建Profile，一個時間序列T的Profile是一個給定查詢子序列T_i,sub和T的每個子序列之間的距離向量，距離向量表示為：

MPD_i＝[d_i,1,d_i,2,…,d_i,n-sub+1]

其中，d_i,j(1≤i,j≤n-sub+1)是子序列T_i,sub和T_j,sub的距離，i,j為子序列的起始點，sub為子序列長度，n-sub+1為長度為n的序列T中能產(chǎn)生長度為sub的子序列個數(shù)。

3.如根據(jù)權(quán)利要求1所述的基于Snippet特征提取的航空鋰電池異常檢測方法，其特征在于，所述步驟(2)中，基于局部密度的異常檢測算法LOF實現(xiàn)步驟如下：

(21)計算時間序列T＝t₁,t₂,…,t_n與數(shù)據(jù)集中剩余序列T’＝t’₁,t‘₂,…,t‘_n之間的歐式距離，得到序列T的第k近鄰距離dist_k(T)，計算公式為：

其中，滿足存在至多k-1個序列T’使得dist(T,T’)dist(T,T_k)，T_k為T的k近鄰；存在至少k個序列T’使得dist(T,T’)≤dist(T,T_k)；n為時間序列的長度；

(22)定義D_k(T)為序列T的第k近鄰領(lǐng)域，是序列T的第k近鄰距離內(nèi)所有序列組成的集合，包括第k近鄰；計算|D_k(T)|，為序列T的第k近鄰領(lǐng)域內(nèi)所有序列的個數(shù)，且|D_k(T)|≥k；

(23)計算序列T相對于序列T’的可達(dá)距離rdist(T,T′)：

rdist(T,T’)＝MAX(dist_k(T‘),dist(T,T′))

其中MAX(·)為最大值函數(shù)；

(24)計算序列T的局部可達(dá)密度LRD_k(T)：

(25)計算序列T的局部離群因子LOF_k(T)：

4.根據(jù)權(quán)利要求1所述的基于Snippet特征提取的航空鋰電池異常檢測方法，其特征在于，所述步驟(3)中，所述效果衡量標(biāo)準(zhǔn)F₁分?jǐn)?shù)的最大值是1，最小值是0，計算公式為：

其中，P為精確率，R為召回率，TP是實際為陽性并被正確判定為陽性的樣本數(shù)量，F(xiàn)P是實際為陰性但被錯誤判定為陽性的樣本數(shù)量，F(xiàn)N是實際為陽性但被錯誤判定為陰性的樣本數(shù)量。