一种多传感器数据时间标签对齐方法技术

本发明专利技术涉及机械装备状态监测领域，具体为一种多传感器数据时间标签对齐方法，包括以下具体步骤：S1、采集机械设备上信息源的数据信息；S2、根据数据源的不同，对采集到的数据进行分类，得到n和数据子集；S3、将不同属性的数据子集放入算法模型中，经过寻找最优匹配位置，得到时间标签已经对齐的数据子集；S4、判断S3得到的数据子集是否是离群数据值；若是，则对离群数据值进行修复；若否，则融合数据子集，得到多维数据时间标签对齐的有序数据集。本发明专利技术能将大量数据时间标签对齐，以保证有效进行后续数据融合和数据分析挖掘。续数据融合和数据分析挖掘。续数据融合和数据分析挖掘。

【技术实现步骤摘要】
一种多传感器数据时间标签对齐方法


[0001]本专利技术涉及机械装备状态监测领域，具体为一种多传感器数据时间标签对齐方法。

技术介绍

[0002]为更加准确地对大型机械装备的状态进行分析和预测，需要融合多个传感器对机械设备进行数据的采集，然而由于传感器的分布式布置造成各采集卡采集触发时延，采集卡上的时钟因晶振频率导致采样时间间隔不一致，各传感器触发时刻不同，数据传输过程存在影响，各传感器采集的数据的时间标签未对齐，时间标签未对齐的数据对于后续的数据融合与数据分析挖掘极为不利，此外设备和传感器不易改动，难以从硬件设计方面完成时间对齐。

技术实现思路

[0003]本专利技术目的是针对
技术介绍
中存在的问题，提出一种多传感器数据时间标签对齐方法。
[0004]本专利技术的技术方案：一种多传感器数据时间标签对齐方法，包括以下具体步骤：
[0005]S1、采集机械设备上信息源的数据信息；
[0006]S2、根据数据源的不同，对采集到的数据进行分类，得到n和数据子集；
[0007]S3、将不同属性的数据子集放入已设定标准时间偏移量和标准数据值的算法模型中，经过寻找最优匹配位置，得到时间标签已经对齐的数据子集；
[0008]S4、判断S3得到的数据子集是否是离群数据值；
[0009]若是，则继续执行S5；
[0010]若否，则继续执行S6；
[0011]S5、对离群数据值进行修复；
[0012]S6、融合数据子集，得到完整的机械设备不同传感器采集的多维数据时间标签对齐的有序数据集。
[0013]优选的，S1中信息源的数据信息为传感器检测到的不同属性的时间标签数据。
[0014]优选的，S6中，多维数据时间标签对齐的具体算法，包括以下步骤：
[0015]S61、设定标准时间标签对齐序列模板Ti(i,Δ,V)，生成单数据源数据序列Di(i,δ,V)，其中，i为数据源序号；δ为数据源实际时间标签偏移量；V是数据源数据值；
[0016]S62、根据上述序列模板和单数据源数据序列构造n
×
n单维映射矩阵TDi(δ,Δ)，矩阵中的值由偏移量特征误差放大函数求得；其中，Δ为标准时间标签偏移量；δ为数据源实际时间标签偏移量，函数公式如下所示：
[0017]f(Δ，δ)＝abs(Δ
‑
δ)
×
e
abs(Δ
‑
δ)
；
[0018]S63、在单维映射矩阵的基础上，利用分治的思想对映射矩阵进行单行化，每一行的数据运用Quicksort中的快速双向扫描法来确定最优匹配的单个对齐时间标签L
n
的位
置；
[0019]S64、找映射矩阵n行的最优匹配位置，求得单维映射矩阵的对齐数据关系分布图，具体步骤为：
[0020]对第i个单维映射矩阵TD
i
(δ,Δ)的n行都重复S63中的操作，得到n个对齐的数据时间标签，完成单个数据源的数据时间标签对齐序列；
[0021]S65、求得其他数据源映射矩阵的对齐数据关系分布图，融合所有单维数据源映射矩阵对齐关系分布图，得到多维数据对齐序列，具体步骤为：
[0022]对n个单维映射矩阵TD(δ,Δ)重复S63和S64的操作，得到n个对齐的单个数据源的数据时间标签对齐，完成多维数据时间标签对齐。
[0023]与现有技术相比，本专利技术的上述技术方案具有如下有益的技术效果：
[0024]当大型机械装备的大量传感器数据时间标签是未对齐的，数据分析不存在价值，将所有数据的时间标签对齐，后续才能有效分析出大型机械装备在每个时刻的状态，为大型机械装备的故障诊断与故障预测提供可靠的数据支撑；而本专利技术提供的多传感器数据时间标签对齐方法能有效的解决上述技术中无法对大量数据时间标签对齐以及无法有效进行后续数据融合和数据分析挖掘的技术难题；本专利技术中的多维数据时间标签对齐方法，采用分治数据源、分治映射矩阵行的形式进行数据时间标签对齐，配合计算机的多线程功能实现多并发，大大缩短数据时间标签对齐的时间，有效的提高数据处理效率。
附图说明
[0025]图1为本专利技术提出的一种实施例的方法流程图。
[0026]图2为本专利技术提出的一种实施例的效果示意图。
[0027]图3为双向扫描法示意图。
[0028]图4为映射矩阵示意图。
具体实施方式
[0029]实施例一
[0030]如图1
‑
2所示，本专利技术提出的一种多传感器数据时间标签对齐方法，包括以下具体步骤：
[0031]S1、采集机械设备上信息源的数据信息；其中，信息源的数据信息为多个传感器检测到的不同属性的时间标签数据；
[0032]S2、根据数据源的不同，对采集到的数据进行分类，得到n和数据子集；
[0033]S3、将不同属性的数据子集放入已设定标准时间偏移量和标准数据值的算法模型中，经过寻找最优匹配位置，得到时间标签已经对齐的数据子集；
[0034]根据标定偏移量和实际偏移量构建映射矩阵，针对不同数据源构建多维映射矩阵，对大量数据进行分治处理，计算机并发多线程同时计算，减少对齐时间；
[0035]S4、判断S3得到的数据子集是否是离群数据值；
[0036]若是，则继续执行S5；
[0037]若否，则继续执行S6；
[0038]S5、对离群数据值进行修复；
[0039]S6、融合数据子集，得到完整的机械设备不同传感器采集的多维数据时间标签对齐的有序数据集，实现同一台机械设备上不同传感器采集的多维数据时间标签对齐。
[0040]实施例二
[0041]本专利技术提出的一种多传感器数据时间标签对齐方法，相较于实施例一，本实施例中进一步公开了：多维数据时间标签对齐算法针对大量、异数据源的数据集，采用多维映射分治时标对齐方法，利用异属性数据映射特征矩阵实现单属性数据子集的时标对齐，再将所有已对齐数据子集多维特征融合，从而实现大量和异数据源的数据集的时间标签对齐；
[0042]多维数据时间标签对齐的具体算法，包括以下步骤：
[0043]S61、设定标准时间标签对齐序列模板Ti(i,Δ,V)，生成单数据源数据序列Di(i,δ,V)，其中，i为数据源序号；δ为数据源实际时间标签偏移量；V是数据源数据值；
[0044]S62、根据上述序列模板和单数据源数据序列构造n
×
n单维映射矩阵TDi(δ,Δ)，矩阵中的值由偏移量特征误差放大函数求得；其中，Δ为标准时间标签偏移量；δ为数据源实际时间标签偏移量，函数公式如下所示：
[0045]f(Δ，δ)＝abs(Δ
‑
δ)
×
e
abs(Δ
‑
δ)
；
[0046]S63、在单维映射矩阵的基础上，利用分治的思想对映射矩阵进行单行化，每本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种多传感器数据时间标签对齐方法，其特征在于，包括以下具体步骤：S1、采集机械设备上信息源的数据信息；S2、根据数据源的不同，对采集到的数据进行分类，得到n和数据子集；S3、将不同属性的数据子集放入已设定标准时间偏移量和标准数据值的算法模型中，经过寻找最优匹配位置，得到时间标签已经对齐的数据子集；S4、判断S3得到的数据子集是否是离群数据值；若是，则继续执行S5；若否，则继续执行S6；S5、对离群数据值进行修复；S6、融合数据子集，得到完整的机械设备不同传感器采集的多维数据时间标签对齐的有序数据集。2.根据权利要求1所述的一种多传感器数据时间标签对齐方法，其特征在于，S1中信息源的数据信息为传感器检测到的不同属性的时间标签数据。3.根据权利要求1所述的一种多传感器数据时间标签对齐方法，其特征在于，S6中，多维数据时间标签对齐的具体算法，包括以下步骤：S61、设定标准时间标签对齐序列模板T
i
(i,Δ,V)，生成单数据源数据序列D
i
(i,δ,V)，其中，i为数据源序号；δ为数据源实际时间标签偏移量；V是数据源数据值；S62、根据上述序列模板和单数据源数据序列构造n
×

【专利技术属性】
技术研发人员：汤宝平，宦燎原，付豪，谷新宇，叶泉兵，
申请(专利权)人：重庆大学，
类型：发明
国别省市：