基于事件触发采样的信息压缩与异常检测方法技术

本发明专利技术公开了基于事件触发采样的信息压缩与异常检测方法，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。本发明专利技术采用上述基于事件触发采样的信息压缩与异常检测方法，可在减小传输信道传输压力的基础上，对采样后的数据进行了数据重构，并根据重构数据进行系统的故障检测，保证了后续系统性能分析的准确性和安全性。全性。全性。

【技术实现步骤摘要】
基于事件触发采样的信息压缩与异常检测方法


[0001]本专利技术涉及数据处理
，尤其涉及基于事件触发采样的信息压缩与异常检测方法。

技术介绍

[0002]目前在工业过程控制领域对于数据的采集监测大多都通过周期采样来实现，周期采样以固定时间间隔对信号进行采样，由于每个采样节点与当前的工作状态无关，所以存在着严重的通信资源浪费问题。例如卫星的信号监测系统、电网的监测系统、地震的监测站和环境质量信号采集系统在长期的运行中都会产生大量冗余数据，造成系统的通信资源浪费。
[0003]从整体上来看，时间触发的采样控制系统对于采样频率过于保守。具体说来，由于测量变量的更新频率固定，为了兼顾可能出现的最坏的估计结果，一般会选择比较保守即比较小的采样周期。可知采用这种采样方式的缺点在于：即使当估计器已经获得理想的估计精度，而不再需要采样任何新的测量更新时，测量变量依然会以较快的频率进行更新。同时周期采样周期较小时，过多的传送信号会造成数据量增加和数据传输通道的资源占用，对于存储器的容量和数据传输的带宽要求就比较高。比如无人车在复杂地形环形工作时，对本文档来自技高网...

【技术保护点】

【技术特征摘要】
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
]∈R
n
，R
n
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
∈R
n
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。7.根据权利要求6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S222具体包括以下步骤：S2221、根据系统的正常工作运行状态，零初始化先验估计的状态协方差矩阵Prior_Sigma、先验估计的状态向量Prior_xhat；并使后验估计的状态向量Poster_xhat＝x0，后验估计的状态协方差矩阵Poster_Sigma＝w
k
；S2222、根据系统状态空间方程、后验估计状态向量Poster_xhat和状态协方差矩阵Poster_xhat预测先验估计变量如下：Prior_xhat(:,k+1)＝A*Poster_xhat(:,k)+B*u
k
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(5)Prior_Sigma(:,k+1)＝A*Poster_Sigma(:,k)*A
T
+sigmw
ꢀꢀꢀꢀ
(6)式中，Pri...

【专利技术属性】
技术研发人员：史大威，高天然，崔楷欣，宋继良，王军政，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：