[发明专利]基于事件触发采样的信息压缩与异常检测方法

权利要求书

1.基于事件触发采样的信息压缩与异常检测方法，其特征在于：包括以下步骤：

S1、确定系统数据采样事件触发条件和阈值，完成测量变量的数据采样；

S2、根据事件触发采样测量变量，设计事件触发卡尔曼滤波器重构数据；

S3、利用残差分析数据进行故障检测。

2.根据权利要求1所述的基于事件触发采样的信息压缩与异常检测方法，其特征在于：步骤S1所述的系统数据包括控制信号和测量/受控信号；

其中，测量/受控信号由传感器获取后，通过通信信道的事件触发条件判断是否进行传输，且通信信道的事件触发条件如下：

式中，γ_k为0或1取值的触发变量，其表示第k步采样的事件触发信息；y_k是通过传感器测得的第k步测量变量；y_k-1是通过传感器测得的第k-1步测量变量；

此时，在传感器当前测量值y_k和上一次传送的测量值y_k-1之间的差值超过阈值δ时才触发条件，进而传感器才会对系统监测数据进行采样传送。

3.根据权利要求2所述的基于事件触发采样的信息压缩与异常检测方法，其特征在于：阈值δ的获取步骤如下：

首先采样获取平均通信率

式中，N为时间序列的长度；

而后，通过事件触发状态估计器获取估计误差

式中，表示经由事件触发状态估计器获取的系统测量变量y_k的估计值；

最后，改变阈值δ，获取不同阈值δ下的平均通信率与估计误差绘制平均通信率与估计误差之间的平衡曲线，通过平衡曲线的交叉点或两者距离最近处选取事件触发条件阈值δ。

4.根据权利要求1所述的基于事件触发采样的信息压缩与异常检测方法，其特征在于：步骤S2具体包括以下步骤：

S21、建立系统的状态空间方程；

S22、系统的变量初始化；

S23、利用事件触发的卡尔曼滤波器进行状态估计后，对系统测量值进行重构。

5.根据权利要求4所述的基于事件触发采样的信息压缩与异常检测方法，其特征在于：在步骤S21中，将系统的控制信号定义为u＝[u₁,u₂,...,u_n]∈Rⁿ，Rⁿ为n维的实数矩阵；测量/受控信号定义为y＝[y₁,y₂,...,y_m]∈R^m，R^m为m维的实数矩阵；并考虑系统测量变量经过采样后成为离散信号，结合控制信号u_k和采样测量/受控信号获得的测量变量y_k建立系统的离散线性时不变系统：

式中，A为系统矩阵，B为控制矩阵，C为观测矩阵，D为直接传递矩阵；x_k∈Rⁿ是状态信号/变量；u₁,u₂,...,u_n是对估计器来讲是已知的确定性输入控制信号；w_k和v_k分别用于表示过程噪声和测量噪声。

6.根据权利要求4所述的基于事件触发采样的信息压缩与异常检测方法，其特征在于：步骤S22具体包括以下步骤：

S221、设定初始状态变量x₀＝[a₁,a₂,…,a_n]^T，过程噪声以及测量噪声其中a₁,a₂,…,a_n,b₁,c₁均为非负常数；

S222、根据建立的离散线性时不变系统建立事件触发状态估计器。