基于模拟退火改进克隆选择算法的能耗异常检测方法技术

本发明专利技术公开了一种基于模拟退火改进克隆选择算法的能耗异常检测方法，通过采集液压机的历史能耗数据，进行数据预处理后作为训练集数据；基于克隆选择算法的检测器生成阶段，随机生成检测器；利用模拟退火优化所述检测器，生成最佳检测器集；采集液压机的实时能耗数据，进行数据预处理后作为测试集数据；并利用所述最佳检测器集对所述测试集数据进行能耗异常检测。本发明专利技术的能耗定位方法考虑了液压机生产过程中能耗数据的周期性和动态特性，对于液压机异常能耗的定位精度高及效率均有所提高，以便操作人员及时采取措施，避免能耗的损失，提高机械效率。

Energy consumption anomaly detection method based on simulated annealing improved clonal selection algorithm

【技术实现步骤摘要】
基于模拟退火改进克隆选择算法的能耗异常检测方法
本专利技术涉及液压机的能耗异常检测
，尤其涉及基于模拟退火改进克隆选择算法的能耗异常检测方法。
技术介绍
液压力机以其高功率质量比、高刚度、高承载能力等优点，在金属成形过程中得到了广泛的应用。然而它们也是众所周知的高能耗，低能效，在复杂的生产条件和长期满负荷运行。考虑到近年来在生产过程中大力推进节能降耗，提高液压机的能源效率已成为低碳制造系统的一个重要研究领域。在过去的几十年里，人们对液压机的效率和能耗及其生产过程的节能优化进行了大量的研究，但主要集中在液压系统的节能优化、液压控制、能量匹配法、动态行为、热力学等方面。目前许多学者将NSA应用于异常检测，取得了良好的效果。IdrisI等人利用粒子群算法改进了NSA中随机检测器的生成，并开发了一个电子邮件垃圾邮件检测系统。Li等人提出了两种新的NSA，可用于机械设备的异常检测。然而，这两种方法在时间和空间上过于复杂，并且需要扩大应用范围。Barontini等人提出了一种适用于二元分类问题的非随机检测器生成方法。然而，该算法不能排除这两个参数之间的交互作用对异常评分的负面影响。液压机的能耗主要是电能。机械系统异常、超长待机、不完全挤压等异常工况将导致能源消耗异常。目前，现有的NSA方法不能直接应用于液压机能耗的异常检测。
技术实现思路
本专利技术为解决现有的能耗异常检测方法不能直接应用于液压机能耗模式异常检测的问题，提供了基于模拟退火改进克隆选择算法的能耗异常检测方法。为实现以上专利技术目的，而采用的技术手段是：基于模拟退火改进克隆选择算法的能耗异常检测方法，包括以下步骤：S1.采集液压机的历史能耗数据，进行数据预处理后作为训练集数据；S2.基于克隆选择算法的检测器生成阶段，随机生成检测器；S3.利用模拟退火优化所述检测器，生成最佳检测器集；S4.采集液压机的实时能耗数据，进行数据预处理后作为测试集数据；并利用所述最佳检测器集对所述测试集数据进行能耗异常检测。优选的，所述步骤S1以及步骤S4中进行数据预处理的具体步骤包括：对所述能耗数据的时间序列按时间轴进行加窗处理，并移动窗口以提取实值特征向量作为样本数据，逐行对所述样本数据进行标准化处理，将每一行样本数据分别标准化到区间[0,1]内从而完成数据预处理。优选的，步骤S1中所述的将每一行样本数据分别标准化到区间[0,1]内具体为：进行平移–标准差变换：其中，n为样本数据的个数，m为变量的个数；若在平移–标准差变换后仍存在则进行进一步的平移–极差变换，即：其中n为样本数据的个数，m为变量的个数。优选的，所述步骤S2的具体步骤包括：S21.将训练集数据中的异常模式数据标记为1类，正常模式数据标记为0类；S22.基于标记后的训练集数据随机生成自我集S；S23.随机生成检测器；S24.所述检测器与自我集S进行匹配，若匹配成功则删除该检测器，并返回步骤S23；若匹配不成功，则作为新的检测器接受；S25.检验是否生成预设数量的检测器，若是则结束，输出覆盖非我空间的检测器集C＝{C1,C2,...,Cn}；若否则返回步骤S24；其中自我集元素s＝(cs,rs)；检测器集元素c＝(cc,rc)；cs∈Rn，cc∈Rn为中心；rs∈Rn，rc∈Rn为半径；维数n由能耗数据加窗处理的窗口宽度决定。优选的，所述步骤S3中利用模拟退火优化所述检测器所采用的目标函数为：设定初始目标函数：约束条件为：其中，V(D)为由检测器覆盖的体积，D是检测器集合，di是检测器元素，n是检测器数目，ri是检测器半径，U是非我集，S是自我集；将所述约束条件添加到初始目标函数后得到新的目标函数：C(D)＝Overlapping(D)+γ·NonselfCovering(D)其中Overlapping(D)为检测器集的重叠空间，NonselfCovering(D)为检测器集和非我空间之间的覆盖空间；两个检测器di与dj之间的重叠空间Overlapping(di,dj)的计算表达式如下：其中分别是检测器di与dj的中心；分别是检测器di与dj的半径；则检测器集的重叠空间Overlapping(D)的计算表达式如下：检测器di与非我空间元素uj的覆盖空间NonselfCovering(di,uj)的计算表达式如下：其中，分别表示非我空间元素uj的中心和半径；则检测器集和非我空间之间的覆盖空间NonselfCovering(D)的计算表达式如下：将上述的所有计算表达式代入所述新的目标函数后，得到模拟退火优化所述检测器最终的目标函数。优选的，所述步骤S3的具体步骤包括：S31.初始化控制参数，包括：检测器的邻近半径rnear，邻近半径的衰减系数β，优化代数nummax，初始温度T0，终止温度Tend，温度衰减系数α，随机生成的检测器集合C，各温度T下的迭代次数M；S32.对于迭代次数k＝1,2,...,M，分别执行以下步骤优化检测器集合C中的检测器ci,i＝1,2,...,NR，其中NR为随机生成的检测器数目；S321.更新检测器的初始解ci，即在邻域内随机生成一个新的检测器c′i；所述邻域的半径为rnear；S322.计算目标函数增量ΔC′＝C(c′i)-C(ci)；其中C(ci)为模拟退火优化所述检测器所采用的目标函数；S323.基于Metropolis接受准则，如果ΔC′＜0，则接受c′i作为新的当前解；否则根据概率exp(-ΔC′/t)，接受c′i作为新的当前解，并且令ci＝c′i；S324.进行降温：采用的降温方式是T(num+1)＝α*t(num)；其中，温度衰减系数α是小于1的正常数，num是降温的次数；S325.若num达到预设的优化次数nummax，则模拟退火算法结束；否则返回执行步骤S321，直至T＜Tend；其中检测器的邻近半径的衰减方式为rnear*＝β*rnear；S33.经过步骤S32完成所有检测器的优化，得到优化后的最佳检测器集Dnew。优选的，步骤S4中所述的利用所述最佳检测器集对所述测试集数据进行能耗异常检测具体为：将测试集数据与最佳检测器集进行匹配，当最佳检测器集中的检测器被激活时，则认为该测试集数据是异常的，将其标记为1；若最佳检测器集中的所有检测器均未被激活，则认为该测试集数据是正常的，将其标记为0。优选的，所述步骤S24中检测器与自我集S进行匹配，以及所述步骤S4中测试集数据与最佳检测器集进行匹配采用的匹配规则为：若n维空间上的两个实向量为x＝(x1,x2,...,xn),y＝(y1,y2,...,yn)，则x与y之间的D∞距离为：在匹配过程中，若检测与某一自本文档来自技高网...

【技术保护点】
1.基于模拟退火改进克隆选择算法的能耗异常检测方法，其特征在于，包括以下步骤：/nS1.采集液压机的历史能耗数据，进行数据预处理后作为训练集数据；/nS2.基于克隆选择算法的检测器生成阶段，随机生成检测器；/nS3.利用模拟退火优化所述检测器，生成最佳检测器集；/nS4.采集液压机的实时能耗数据，进行数据预处理后作为测试集数据；并利用所述最佳检测器集对所述测试集数据进行能耗异常检测。/n

【技术特征摘要】
1.基于模拟退火改进克隆选择算法的能耗异常检测方法，其特征在于，包括以下步骤：
S1.采集液压机的历史能耗数据，进行数据预处理后作为训练集数据；
S2.基于克隆选择算法的检测器生成阶段，随机生成检测器；
S3.利用模拟退火优化所述检测器，生成最佳检测器集；
S4.采集液压机的实时能耗数据，进行数据预处理后作为测试集数据；并利用所述最佳检测器集对所述测试集数据进行能耗异常检测。


2.根据权利要求1所述的能耗异常检测方法，其特征在于，所述步骤S1以及步骤S4中进行数据预处理的具体步骤包括：
对所述能耗数据的时间序列按时间轴进行加窗处理，并移动窗口以提取实值特征向量作为样本数据，逐行对所述样本数据进行标准化处理，将每一行样本数据分别标准化到区间[0,1]内从而完成数据预处理。


3.根据权利要求2所述的能耗异常检测方法，其特征在于，步骤S1中所述的将每一行样本数据分别标准化到区间[0,1]内具体为：
进行平移–标准差变换：



其中，n为样本数据的个数，m为变量的个数；
若在平移–标准差变换后仍存在则进行进一步的平移–极差变换，即：



其中n为样本数据的个数，m为变量的个数。


4.根据权利要求1所述的能耗异常检测方法，其特征在于，所述步骤S2的具体步骤包括：
S21.将训练集数据中的异常模式数据标记为1类，正常模式数据标记为0类；
S22.基于标记后的训练集数据随机生成自我集S；
S23.随机生成检测器；
S24.所述检测器与自我集S进行匹配，若匹配成功则删除该检测器，并返回步骤S23；若匹配不成功，则作为新的检测器接受；
S25.检验是否生成预设数量的检测器，若是则结束，输出覆盖非我空间的检测器集C＝{C1,C2,...,Cn}；若否则返回步骤S24；
其中自我集元素s＝(cs,rs)；检测器集元素c＝(cc,rc)；cs∈Rn，cc∈Rn为中心；rs∈Rn，rc∈Rn为半径；维数n由能耗数据加窗处理的窗口宽度决定。


5.根据权利要求4所述的能耗异常检测方法，其特征在于，所述步骤S3中利用模拟退火优化所述检测器所采用的目标函数为：
设定初始目标函数：



约束条件为：
其中，V(D)为由检测器覆盖的体积，D是检测器集合，di是检测器元素，n是检测器数目，ri是检测器半径，U是非我集，S是自我集；
将所述约束条件添加到初始目标函数后得到新的目标函数：
C(D)＝Overlapping(D)+γ·NonselfCovering(D)
其中Overlapping(D)为检测器集的重叠空间，NonselfCovering(D)为检测器集和非我空间之间的覆盖空间；
两个检测器di与dj之间的重叠空间Overlapping(di,dj)的计算表达式如下：



其中分别是检测器di与dj的...

【专利技术属性】
技术研发人员：徐康康，杨海东，印四华，朱成就，
申请(专利权)人：广东工业大学，
类型：发明
国别省市：广东;44