[发明专利]基于多元状态估计技术的设备多级异常状态识别方法及装置

权利要求书

1.一种基于多元状态估计技术的设备多级异常状态识别方法，其特征在于，该方法包括以下步骤：

设备信号采样，对设备进行信号采样以采集时序信号；

自适应降噪，对所述时序信号进行自适应降噪；

敏感特征提取，对所述设备的历史正常状态数据进行特征提取并通过筛选得到敏感特征；

数据标准化，对该得到的敏感特征进行标准化处理；

多元状态估计，包括对标准化处理后的敏感特征进行核密度估计并按照置信区间获得观测向量，进行等置信区间采样获得历史记忆矩阵，以及由所述观测向量与所述历史记忆矩阵获得估计向量；

构建相似比例函数，根据所述观测向量和所述估计向量计算残差偏离度，并且根据所述观测向量和所述历史记忆矩阵得到状态偏离度，由该残差偏离度和状态偏离度得到相似比例；

获得自适应动态阈值，由所述相似比例使用自适应动态σ方法对所述设备的状态阈值进行实时更新；以及

进行多级异常状态决策，使用所述自适应动态阈值对所述设备的状态异常趋势进行判断来进行多级异常状态决策。

2.如权利要求1所述的基于多元状态估计技术的设备多级异常状态识别方法，其特征在于，所述自适应降噪步骤包括:

对所述时序信号进行集合经验模态分解而获得本征模态函数；

通过评价指标对所述本征模态函数进行评价；以及

自适应地选择评价指标较高时对应的本征模态函数进行重构得到降噪信号。

3.如权利要求2所述的基于多元状态估计技术的设备多级异常状态识别方法，其特征在于，所述对所述时序信号进行集合经验模态分解而获得本征模态函数的步骤包括：

在所述时序信号中加入高斯白噪声，得到混合噪声信号；

对该混合噪声信号进行经验模态分解，得到各本征模态函数分量；

将不同白噪声加入所述时序信号，并重复；以及

将每次经验模态分解所对应的本征模态函数进行平均处理获得所述本征模态函数。

4.如权利要求1所述的基于多元状态估计技术的设备多级异常状态识别方法，其特征在于，所述敏感特征提取步骤包括：

采用信号分析的方法提取所述时序信号的时域、频域及时频域特征。

5.如权利要求1所述的基于多元状态估计技术的设备多级异常状态识别方法，其特征在于，所述数据标准化步骤包括：

将所述敏感特征的数据按照比例进行缩放，使其落入小的区间以使得不同变量进行平等分析和比较。

6.如权利要求1所述的基于多元状态估计技术的设备多级异常状态识别方法，其特征在于，所述多元状态估计步骤中的核密度估计采用一维核密度估计的公式：

其中，h为带宽且h＞0，K为一个非负函数成为核函数，这里采用高斯函数为核函数，即带宽h选取为均方积分误差最小时的值，即：

h_M＝min{E[∫(f_h(x)-f(x))]²dx}。

7.如权利要求1所述的基于多元状态估计技术的设备多级异常状态识别方法，其特征在于，所述多元状态估计步骤中对标准化处理后的敏感特征进行核密度估计并按照置信区间获得观测向量包括：

对各敏感特征的正常状态数据进行核密度估计，去除野值，并将满足每个特征置信区间的数据保留作为观测向量。

8.如权利要求7所述的基于多元状态估计技术的设备多级异常状态识别方法，其特征在于，所述多元状态估计步骤中进行等置信区间采样获得历史记忆矩阵包括：

将去野值后的样本作为样本总体，将满足置信区间的观测向量作为剩余样本，以及采用等置信区间采样对所述剩余样本进行抽样并构成历史记忆矩阵。