[发明专利]基于Snippets特征提取的航空锂电池异常检测方法

权利要求书

1.一种基于Snippet特征提取的航空锂电池异常检测方法，其特征在于，包括以下步骤：

(1)对所有锂电池的电流、电压时间序列数据提取代表性特征子序列Snippet；

(2)选用基于局部密度的异常检测算法LOF为步骤(1)提取的代表性特征子序列Snippet评分，计算得到每个代表性特征子序列Snippet对应的异常值；然后将一条时间序列提取的N个代表性特征子序列Snippet的异常值相加，得到该条完整时间序列的异常值；

(3)根据数据集中带标签的数据和步骤(2)得到的异常值，计算效果衡量标准F₁分数，调节异常检测算法LOF的参数k，重复步骤(2)，使得效果衡量标准F₁分数达到最大；所述参数k为第k近邻；

(4)在步骤(3)第k近邻设定下，通过异常检测算法LOF计算电流或电压数据中未带标签数据的异常值，根据未带标签数据的异常值判断该序列为异常的可能性。

2.根据权利要求1所述的基于Snippet特征提取的航空锂电池异常检测方法，其特征在于，所述步骤(1)中，提取代表性特征子序列Snippet选用MPdist距离度量衡量两条时间序列的相似性，根据MPdist创建Profile，一个时间序列T的Profile是一个给定查询子序列T_i,sub和T的每个子序列之间的距离向量，距离向量表示为：

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的距离，i,j为子序列的起始点，sub为子序列长度，n-sub+1为长度为n的序列T中能产生长度为sub的子序列个数。

3.如根据权利要求1所述的基于Snippet特征提取的航空锂电池异常检测方法，其特征在于，所述步骤(2)中，基于局部密度的异常检测算法LOF实现步骤如下：

(21)计算时间序列T＝t₁,t₂,…,t_n与数据集中剩余序列T’＝t’₁,t‘₂,…,t‘_n之间的欧式距离，得到序列T的第k近邻距离dist_k(T)，计算公式为：

其中，满足存在至多k-1个序列T’使得dist(T,T’)dist(T,T_k)，T_k为T的k近邻；存在至少k个序列T’使得dist(T,T’)≤dist(T,T_k)；n为时间序列的长度；

(22)定义D_k(T)为序列T的第k近邻领域，是序列T的第k近邻距离内所有序列组成的集合，包括第k近邻；计算|D_k(T)|，为序列T的第k近邻领域内所有序列的个数，且|D_k(T)|≥k；

(23)计算序列T相对于序列T’的可达距离rdist(T,T′)：

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

其中MAX(·)为最大值函数；

(24)计算序列T的局部可达密度LRD_k(T)：

(25)计算序列T的局部离群因子LOF_k(T)：

4.根据权利要求1所述的基于Snippet特征提取的航空锂电池异常检测方法，其特征在于，所述步骤(3)中，所述效果衡量标准F₁分数的最大值是1，最小值是0，计算公式为：

其中，P为精确率，R为召回率，TP是实际为阳性并被正确判定为阳性的样本数量，FP是实际为阴性但被错误判定为阳性的样本数量，FN是实际为阳性但被错误判定为阴性的样本数量。