[发明专利]基于变量权重的相似性度量评估非线性动态系统的方法

说明书

技术领域

本发明涉及模式识别、软件开发领域，主要应用于发电站、化工工业等监控预警领域。

背景技术

随着分散控制系统的普及以及大数据技术的发展，现代工业大型设备检修优化有越来越自动化、越来越远程化的趋势。利用相似性建模技术对设备状态进行评估是一种比较精确的方法。

然而用相似性建模技术对设备进行评估还存在以下这些缺点：

1、相似性建模技术只考虑采集到的系统数据，利用数据来处理系统各变量间的关系。但在实际过程中，由于样本数据库的容量有大有小，不能完全涵盖所有状态数据，导致样本数据间所算出的变量相似性不够精确，影响系统评估值的准确度。

2、在进行相似性建模的计算过程里，大数据的处理对样本数据计算相似性时，没有考虑各变量的权重，相当于只按照各变量权重都相等的方式进行相似性计算，而实际上在系统运行过程中，各变量间还有一些样本数据之外的物理原理、机械特性在制约。都按相同权重进行相似性计算，必然导致系统状态评估值的不准确。

先验知识可以在无实际运行的状态时预判状态的关系，但是对于实际的系统运行情况无法准确了解，因此只使用先验知识的权重会对系统状态评估产生误差。

发明内容

为解决上述问题，本发明公开了一种基于变量权重的相似性度量评估非线性动态系统的方法，所述基于变量权重的相似性度量评估非线性动态系统的方法是利用数据挖掘方法分析非线性动态系统海量数据，在海量样本数据中，利用基于先验知识及样本数据库变量相似性距离计算值结合作为权重的相似性度量，计算采集数据点变量的权重。根据变量权重的相似性度量对样本数据库中数据与实时动态系统中的时间序列上数据通过不同权重加权进行计算数据间的相似性，评估出当前系统位于系统各种状态中的位置状态，包括正常状态、超限状态及故障状态。

本发明所涉及的一种基于变量权重的相似性度量评估非线性动态系统的方法可以提高上述相似性建模时对系统状态评估时的精确度，即利用物理定律及先验知识与样本数据一起确定样本数据中各变量间的权重，可以降低相似性状态评估的误差。在进行相似性建模处理生成样本数据库时，将计算得到的权重值与先验知识中的权重值相结合，由权重序列构成变量权重数组。所述变量权重数组与样本数据库一起储存于计算机系统中，当对动态系统进行评估时，将样本数据与实时数据通过变量权重数组进行相似性计算，通过计算所得的评估值进行系统状态评估。

本发明所涉及的基于变量权重的相似性度量评估非线性动态系统的方法，采用以下步骤来解决背景技术中存在的技术问题：

1、 在动态系统的历史运行的状态中提取正常状态时的数据建立正常状态样本数据库。

2、由于样本空间中每一变量数量级不同，变化的范围也不同，所以要将样本中各变量进行归一化处理。比如将向量                                                中各数值进行归一化，归一化后的值重新赋值给X，即。

归一化的方式有以下几种：

1）             可以将每一变量的所有值相加，将此和值作为1处理，每一变量归一化后的值为该值除以和值：

2）             在每一变量中取最大值为1，最小值为0，变量其他值为在此变量排序中相距最大最小值的距离决定：

  

   

3、计算正常状态样本数据库中各变量间的相似性距离。

相似性距离可以用以下距离（设两个向量为X=(x1,…,xn)，Y=(y1,…yn)）：

（1）   欧氏距离：

（2）   向量夹角距离：

（3）   泊松相关性相似距离：

4、将各变量与其他变量间所求得的相似性进行求和、归一化作为相似性权重。具体操作步骤如下：

1）设为第一个变量与其他各变量的相似性距离之和，为第一个变量与第二个变量的相似性距离，为第一个变量与第三个变量的相似性距离，则。

2）将根据先验知识产生的权重数组与相似性权重数组进行结合，产生与状态数据库匹配的权重数组。比如n个变量的权重数组，就可以表示为：，，…。

5、将动态系统中某一时间点产生的一组数据与正常状态样本数据库中的每一个样本进行相似性计算，在计算时用匹配的权重数组与每一样本向量中的变量相乘，产生一组时间向量相似权重值。

6、根据时间向量相似权重值及系统状态确定规则，评估在此时间点该系统的状态。

附图说明：