[发明专利]一种基于海量数据的缓变参数状态检测方法

摘要

本发明公开了状态参数检测技术领域中的一种基于海量数据的缓变参数状态检测方法。包括：根据缓变参数对象的输出值建立全工况动态基准模型以及稳态工况基准模型；分别计算动态偏差和稳态偏差；将相邻的数个稳态偏差和对应时间的动态偏差组成一个信息粒并建立每个信息粒的差分方程；确定过程演化噪声和测量噪声；对所有信息粒的动态偏差进行卡尔曼滤波，得到融合偏差；对融合偏差进行小波变换得到每一尺度低频重构后的数据序列；计算每一尺度低频重构的香浓熵，从而确定最优分解尺度。本发明解决了现有的缓变参数状态检测方法存在的问题。

主权项

1.一种基于海量数据的缓变参数状态检测方法，其特征是所述方法包括：步骤1：根据缓变参数对象的输出值建立全工况动态基准模型Y＝g_dyn(X)以及稳态工况基准模型Y_std＝g_std(X_std)；其中，X为全工况动态输入，X_std为稳态工况输入，Y为全工况动态基准模型输出、Y_std为稳态工况基准模型输出；步骤2：分别计算动态偏差err和稳态偏差err_std；其中，计算动态偏差err具体是，将实际运行数据代入全工况动态基准模型Y＝g_dyn(X)中，得到全工况动态基准模型输出，将全工况动态基准模型输出与实际运行数据相减，得到动态偏差err；计算稳态偏差err_std具体是，对实际运行数据提取稳态工况，将提取稳态工况后的实际运行数据代入稳态工况基准模型Y_std＝g_std(X_std)中，得到稳态工况基准模型输出，将稳态工况基准模型输出与提取稳态工况后的实际运行数据相减，得到稳态偏差err_std；步骤3：将相邻的数个稳态偏差和对应时间的动态偏差组成一个信息粒并建立每个信息粒的差分方程为err(k)＝f(err(k-1))，其中k为采样点；步骤4：确定过程演化噪声Q和测量噪声R；步骤5：利用公式errk=f(errk-1)+wk-1zk=errk+vk]]>对所有信息粒的动态偏差进行卡尔曼滤波；其中，err_k＝f(err_k-1)+w_k-1信息粒的差分方程，w_k-1和v_k分别为过程激励噪声和观测噪声，且w_k-1满足p(w)-N(0,Q)，即w_k-1服从过程演化噪声Q的正态分布；v_k满足p(v)-N(0,R)，即v_k服从测量噪声R的正态分布，k为采样点；步骤6：将经过卡尔曼滤波的信息粒的动态偏差按顺序排序，得到融合偏差ferr；步骤7：对融合偏差ferr进行小波变换得到x_i，其中x_i为融合偏差ferr经过小波变换后第i个尺度低频重构后的数据序列；步骤8：按照公式H(xi)<ξHdH(xi)=H(xi-1)-H(xi)d2H(xi)=dH(xi-1)-dH(xi)<ξd2Hd=i-1]]>计算每一尺度低频重构的香浓熵，从而确定最优分解尺度d；其中，H(x_i)为第i个尺度低频重构后的数据序列的香浓熵，i为小波分解尺度，ξ_H和为设定阈值。