[发明专利]一种基于孤立森林算法的堆垛机轨道损伤定位方法

说明书

本发明公开了一种基于孤立森林算法的堆垛机轨道损伤定位方法，包括：获取轨道损伤特征集；对轨道损伤特征集进行加窗处理，并利用孤立森林算法在窗口处于每一个位置时随机选择样本点，并生成多个孤立树；遍历每一个样本点对应的所有孤立树，计算每一个样本点的异常值分数；若异常值分数满足预设条件，则将对应的异常值分数对应的轨道位置作为轨道损伤位置。本发明利用孤立森林算法对堆垛机轨道监测数据进行数据挖掘分析，实现了堆垛机轨道损伤定位，此外，针对孤立森林对局部异常点不敏感的问题，设计了对样本数据进行加窗的分析方法，规避了孤立森林对局部异常点不敏感的缺点，提高了利用孤立森林算法进行堆垛机轨道损伤定位是的准确性。

技术领域

本发明涉及数据挖掘领域，具体涉及一种基于孤立森林算法的堆垛机轨道损伤定位方法。

背景技术

随着大型自动化设备的推广与发展，自动化立体仓库在大中型生产型企业的日常经营中占据着非常关键的地位。堆垛机作为自动化立体仓库的重要组成部分，承载着货物进库、出库等重要的物流工作、若堆垛机在运行时发生故障将直接影响到整个物流系统的安全运作。然而随着机械化作业水平的不断提高，堆垛机轨道越来越精密化，加之外界环境、人为操作等不确定因素的作用，堆垛机在出现轨道故障时，难以准确地对故障位置进行刻画。为此，设计一种能够对堆垛机轨道在出现故障时做出快速、准确定位的诊断模型，已成为工业界和科学研究者亟待研究的课题。

当堆垛机轨道损伤时，会表现出与正常轨道不一样的行为特征，在监测信号中，即异常点，在异常检测中我们将异常定义为“容易被孤立的离群点可以理解为分布稀疏且离密度高的群体较远的点。用统计学来解释，在数据空间里面，分布稀疏的区域表示数据发生在此区域的概率很低，因此可以认为落在这些区域里的数据是异常的。

孤立森林算法是一个基于Ensemble的快速离群点检测方法，具有线性时间复杂度和高精准度，是符合大数据处理要求的State-of-the-art算法。适用于连续数据的异常检测，与其他异常检测算法通过距离、密度等量化指标来刻画样本间的疏离程度不同，孤立森林算法通过对样本点的孤立来检测异常值。具体来说，该算法利用一种名为孤立树(iTree)的二叉搜索树结构来孤立样本。由于异常值的数量较少且与大部分样本的疏离性，因此，异常值会被更早的孤立出来，也即异常值会距离iTree的根节点更近，而正常值则会距离根节点有更远的距离。此外，相较于LOF，K-means等传统算法，孤立森林算法有较好的鲁棒性。根据孤立森林具有线性时间复杂度且不用像其他基于距离的算法一样需要较大的运算空间的特点，孤立森林算法十分符合大数据背景下堆垛机轨道损伤检测的工作。然而，孤立森林算法是基于全局检测异常点，对局部异常点不敏感，无法对局部异常点进行判别，若直接将孤立森林算法用于堆垛机轨道损伤定位，准确性较差。

综上所述，如何提高利用孤立森林算法进行堆垛机轨道损伤定位是的准确性，成为了本领域技术人员急需解决的问题。

发明内容

针对现有技术存在的上述不足，本发明要解决的技术问题是：如何提高利用孤立森林算法进行堆垛机轨道损伤定位是的准确性。

为解决上述技术问题，本发明采用了如下的技术方案：

一种基于孤立森林算法的堆垛机轨道损伤定位方法，包括：

S1、获取轨道损伤特征集；

S2、对轨道损伤特征集进行加窗处理，并利用孤立森林算法在窗口处于每一个位置时随机选择样本点，并生成多个孤立树；

S3、遍历每一个样本点对应的所有孤立树，计算每一个样本点的异常值分数；

S4、若异常值分数满足预设条件，则将对应的异常值分数对应的轨道位置作为轨道损伤位置。

优选地，步骤S1包括：

S101、获取轨道监测数据，所述轨道监测数据包括位置信息及时域幅值信息；