[发明专利]一种多工况过程模态辨识方法

摘要

本发明公开了一种多工况过程模态辨识方法，属于自动检测技术领域，包含离线训练和在线模态辨识两部分；离线训练利用历史训练数据计算每个模态的权重，并通过正交变换获取使得不同工况下变量的条件独立程度最大，其正交矩阵通过数值方法解优化问题获得，利用变换后的数据离线训练贝叶斯分类器，利用核函数估计条件概率密度函数；在线模态辨识首先对样本进行正交变换，并计算在各个工况下的条件概率密度函数，模态类别由最大化条件概率密度函数确定，与经典方法朴素贝叶斯相比，本发明所提方法放松了数据条件独立的假设，具有更高的分类准确率。

主权项

1.一种多工况过程模态辨识方法，其特征在于，具体包括如下步骤：步骤1：离线训练，具体步骤如下：步骤1.1：收集d种不同工况下的历史数据，建立训练数据集其中，m为传感器个数，ni为第i个工况下的样本个数；步骤1.2：计算每个工况的先验权重βi：步骤1.3：对第i个工况下的数据进行预处理：其中，代表第i个工况下的第k个采样时刻的测量向量；为相应的零均值化的向量；μ^{i}为第i个工况数据的样本均值，由式(3)计算：步骤1.4：计算第i个工况数据的样本协方差Q{i}：其中，为转置；步骤1.5：令j＝1，并设置误差阈值∈；步骤1.6：令k＝0，生成随机向量并归一化：其中，表示的2范数；步骤1.7：若j>1，则对公式(5)中的进行正交化处理：其中，w_i是待优化正交矩阵W的第i列；中k是迭代计算的第k步，T是转置；步骤1.8：计算函数g(wj)：其中，wj是待优化正交矩阵W的第j列；步骤1.9：计算g(wj)的雅可比矩阵J(wj)：其中，I为单位阵；步骤1.10：牛顿迭代：步骤1.11：若j>1，对公式9中的进行正交化处理：步骤1.12：对公式10中的进行归一化处理：步骤1.13：判断公式(11)中的，若令k＝k+1，并跳转到步骤1.10进行牛顿迭代；步骤1.14：令j＝j+1，若j≤m，则跳转到步骤1.6；步骤1.15：得到正交矩阵W，对不同工况的数据进行如下处理：z{i}＝WTx{i}    (12)；其中，z{i}为第i个工况下的数据向量；步骤1.16：设置核函数K和带宽h；步骤1.17：对i＝1,…,d,j＝1,…,m，估计条件概率密度函数：其中，表示第i个工况下z^{i}第j个传感器的第k个采样时刻的值；步骤2：在线模态辨识步骤2.1：对样本数据进行如下正交变换：zk＝WTxk    (14)；步骤2.2：对i＝1,…,d，计算条件概率密度步骤2.3：模态类别由最大条件概率密度确定：