[发明专利]一种基于风速监测的风门开闭扰动识别方法

权利要求书

1.一种基于风速监测的风门开闭扰动识别方法，其特征在于，包括以下步骤：

步骤1：采集多段不同角度工况下的，且在巷道不同监测点处的风门长闭、开闭的原始风速监测值数据；采用归一化与N次交叠分段的方式对原始风速监测值数据进行处理，并对处理后的每小段数据进行编号；

步骤2：对编号后每段风速监测数据特征提取，生成关于“风门开闭二分类-风速监测值”的扰动特征样本集；

步骤3：根据扰动特征样本集实现对风门状态的最佳初步分类，将得到的初步分类数据进行还原，得到所有风门处于非关闭状态的归一化处理后的风速监测数据；同时得到风门处于关闭状态的归一化处理后的风速监测数据，如风门处于关闭状态，则判断结束；

步骤4：对得到的处于非关闭状态归一化处理后的每段风速监测数据再采用N次交叠分段的方式进行处理，并对每小段数据进行重新编号；

步骤5：对重新N次交叠分段编号后划分出的每小段风速监测数据进行特征提取，生成关于“风门开闭状态再次二分类-风速监测值”的扰动特征样本集；

步骤6：根据“风门开闭状态再次二分类-风速监测值”的扰动特征样本集，构建以监测风门处于固定开启阶段为目标的支持向量机分类模型，实现对风门状态的准确判断。

2.根据权利要求1所述的一种基于风速监测的风门开闭扰动识别方法，其特征在于，所述的步骤1具体表述为：

步骤1.1：采集多段不同角度工况下的，且在巷道不同监测点处的风门长闭、开闭的原始风速监测值数据；

步骤1.2：对每整段原始风速监测数据x_T＝{v₁,v₂,...,v_L}进行归一化处理表示为：

式中，表示归一化后的每整段原始风速监测数据，v₁、v₂、v_L表示整段数据中第1、2、L个风速监测值，v_min表示整段数据中最小的数，v_max表示整段数据中最大的数；

步骤1.3：对归一化后每整段原始风速监测数据其中是第i个归一化的风速；采用交叠处理方式后被分成了小段，采用的交叠处理方式要满足：

式中，t表示任意两小段数据之间的滑移距离，l表示每小段数据的长度，n表示l为2的倍数，l_max表示交叠分段中最大长度小段数据的长度，t_max表示最大长度小段数据的移动距离，N为交叠划分处理的总次数，l_min表示表示交叠分段中最小长度小段数据的长度；

步骤1.4：对步骤1.3得到的每小段数据进行编号；

经过对归一化后每整段原始风速监测数据的N次交叠划分处理后，第T段数据分解后的集合其中：

式中，为每整段归一化风速监测数据第k次交叠划分出来的第i小段数据；分别表示第T归一化风速监测数据中的第t×(i-1)+1、t×(i-1)+2、...、t×(i-1)+l个数据。

3.根据权利要求1所述的一种基于风速监测的风门开闭扰动识别方法，其特征在于，所述的步骤2具体表述为：

步骤2.1：提取到每段风速监测数据特征为：各小段风速监测数据的最值、平均值、标准差，经过对各小段风速监测数据小波分解多层后得到的各层高频系数熵的最值、平均值、标准差和最后一层低频系数熵的最值、平均值、标准差；由提取到的特征构建特征集合，每小段风速监测数据由其特征集合代替：

式中，为第k次重叠分段的第i小段数据的特征集合，为该小段数据的最大值、最小值、平均值、标准差，S_d,S_sd,...S_s..d为该小段数据小波分解多层后每层低频系数熵的和，S_s,S_ss,...S_s..s为该小段数据小波分解多层后，每层高频系数熵的和；

步骤2.2：利用上述每段风速监测数据的特征对应的风门状态生成关于“风门开闭二分类-风速监测值”的扰动特征样本集，包括各小段编号、特征、包含时间内风门是否处于关闭状态：

式中，x'_T为一整个数据的小段特征集合的集合，为第k次交叠划分除的小段中包含的小段特征集合。