基于灰色关联度的气候环境因素传感器布局优化方法技术

本发明专利技术提供一种基于灰色关联度的气候环境因素传感器布局优化方法，其包括：

【技术实现步骤摘要】
基于灰色关联度的气候环境因素传感器布局优化方法


[0001]本专利技术涉及传感器布局优化
，特别涉及一种基于灰色关联度的气候环境因素传感器布局优化方法
。

技术介绍

[0002]现代化设备所处的环境因素复杂多变，从贮存
、
运输到使用的全过程阶段，环境应力是造成设备失效的重要原因；如果设备不能够适用于所处的高低温
、
干燥湿热
、
盐雾度等环境条件，就会产生结构或材料上的腐蚀
、
疲劳甚至结构损坏，进而导致其性能
、
寿命降低等问题
。
因此，对环境因素进行监测可以更好地对各失效进行预警，预测评估设备的剩余寿命提高产品的环境适应性，确保其使用期间的产品可靠性
。
[0003]为了对不同的环境因素进行精确监测，需要采用不同类型的传感器，对传感器数量的需求也较大；这就使得传感器网络愈发复杂的问题更加明显，而为了保证对环境因素高精确度的监测要求，又往往需要采用较为精确的传感器，为了简化传感器网络的同时，获得更多
、
更精确的实验数据，需要对传感器布局展开研究
。
[0004]目前对传感器布局的研究广泛应用于航空航天
、
车辆载具
、
土木建筑等领域的设备故障检测
、
结构健康监测等方面，但目前研究涉及领域虽广泛，研究人员大多将重心仅放在其研究领域特定的设备或特定模型上，通用的模型或方法较少；另一方面，目前对于布局优化的研究也主要是从监测对象本身的故障机理
、
仿真模型出发的，比如以更加准确的监测应力集中区域为目标优化布局，而非单独对环境因素展开研究
。
[0005]而为了更精确的监测要求，以及解决传感器数量增加所带来的相关问题，国内外研究中也有许多优秀的布局优化算法被提出，较为常见的有聚类算法
、
顺序启发式优化算法
、
建模仿真
、
机器学习等，这些算法提高了传感器网络的传输效率
、
网络覆盖率
、
测量精度等，也为后续研究奠定了理论基础
。
但目前大部分的优化算法一方面仅考虑了测量精度
、
网络覆盖率等因素的提高，而没有考虑实际试验中传感器数量因素，另一方面，多数算法是从目标本身的监测出发的，而非从环境因素的角度开展研究
。
部分研究从传感器使用能耗的角度考虑，通过优化传感器的布局和使用调度来降低传感器的能耗成本，但从减少传感器本身数量的角度出发，且能够应用于大多数实际场景的通用方法研究较少
。

技术实现思路

[0006]为解决上述问题，本专利技术提供了一种基于灰色关联度的气候环境因素传感器布局优化方法，其经过数据预处理，采用基于灰色关联度的方法，研究了数据序列间的时空相关性，继而提出了一种基于图论聚类法思想的环境因素传感器数量优化方法，从传感器数量的角度对传感器布局进行优化
。
[0007]具体地，本专利技术提供了一种基于灰色关联度的气候环境因素传感器布局优化方法，其具体步骤如下所示：
[0008]步骤1：对一组气候环境因素监测传感器中的每个传感器的原始监测数据分别行
平稳性检验，如果原始监测数据平稳，则平稳时间序列就等于时间序列数据并执行步骤3；反之则执行步骤2；
[0009]步骤2：对不平稳的原始监测数据采用一阶和二阶差分处理，并再次行平稳性检验；对经过一阶和二阶差分处理仍无法通过平稳性检验的传感器，直接保留所对应的传感器并舍弃该条数据；
[0010]步骤3：分别对每个通过检验的平稳时间序列数据采用极差法进行归一化处理，得到每个传感器的归一化平稳时间序列；
[0011]步骤4：对不同传感器的归一化平稳时间序列，两两计算归一化平稳时间序列间灰色关联度大小，并根据计算的结果构建相关性矩阵；
[0012]步骤5：根据相关性矩阵，关联度超过阈值的节点间视为节点之间有边，得到相关性网络图矩阵，并据此构建相关性网络图；
[0013]步骤6：对相关性网络图中每个互不相交的相关性网络子图分别执行步骤7‑9；
[0014]步骤7：对相关性网络子图中路径长度超过3的关联度单链特殊结构进行预处理，提前保留中心节点，在后续步骤中将单链特殊结构视为一个虚拟节点；
[0015]步骤8：采用改进的
K
‑
shell
算法量化相关性网络子图中各节点的重要程度，并进行排序，具体包括：
[0016]步骤
81、
使用
K
‑
shell
方法对相关性网络子图各个节点进行重要程度分层；
[0017]步骤
82、
在步骤
81
所得的每个分层中，采用
K
‑
shell
方法的改进算法计算综合度，跟根据综合度对节点重要程度量化排序，综合度计算公式如下：
[0018][0019]其中，
K(i)
为相关性网络子图中各节点的度，
N(i)
为节点的相邻节点和次相邻节点的节点总数；
[0020]步骤
83、
从最高
K
‑
shell
层的最高综合度节点向下对进行排序，降低
K
‑
shell
层数继续按综合度再次排序，直到所有节点都按照重要程度从高到低完成排序；
[0021]步骤9：采用气候环境因素传感器布局算法遍历相关性网络子图，得到传感器子布局方案，加上步骤7提前保留的点，得到最终子布局方案；
[0022]步骤
10
：将所有相关性网络子图的最终子布局方案进行合并，并加上步骤2提前保留的节点，得到最终布局方案
。
[0023]优选的，所述步骤2具体为：
[0024]步骤
21、
对步骤1中检验结果为不平稳的原始监测数据采用一阶差分处理，得到一阶差分监测数据，对一阶差分监测数据进行平稳性检验，如果平稳则执行步骤3，否则继续执行步骤
22
；
[0025]步骤
22、
对步骤
21
中经过一阶差分处理后仍不平稳的一阶差分监测数据再次进行差分处理，得到二阶差分监测数据，对二阶差分监测数据进行平稳性检验，如果平稳则执行步骤3，否则继续执行步骤
23
；
[0026]步骤
23、
如果二阶差分监测数据仍不平稳则舍弃该条据，并保存所对应的传感器
。
[0027]优选的，所述步骤3中采用极差法进行归一化处理的公式如下：
[0028][0029]其中，
n
表示平稳时间序列
X
i
中共有
n
个元素，
X本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于灰色关联度的气候环境因素传感器布局优化方法，其特征在于：其包括以下步骤：步骤1：对一组气候环境因素监测传感器中的每个传感器的原始监测数据分别行平稳性检验，如果原始监测数据平稳，则平稳时间序列就等于时间序列数据并执行步骤3；反之则执行步骤2；步骤2：对不平稳的原始监测数据采用一阶和二阶差分处理，并再次行平稳性检验；对经过一阶和二阶差分处理仍无法通过平稳性检验的传感器，直接保留所对应的传感器并舍弃该传感器数据；步骤3：分别对每个通过检验的平稳时间序列数据采用极差法进行归一化处理，得到每个传感器的归一化平稳时间序列；步骤4：对不同传感器的归一化平稳时间序列，两两计算归一化平稳时间序列间灰色关联度大小，并根据计算的结果构建相关性矩阵；步骤5：根据相关性矩阵，关联度超过阈值的节点间视为节点之间有边，得到相关性网络图矩阵，并据此构建相关性网络图；步骤6：对相关性网络图中每个互不相交的相关性网络子图分别执行步骤7‑9；步骤7：对相关性网络子图中路径长度超过3的关联度单链特殊结构进行预处理，提前保留中心节点，在后续步骤中将单链特殊结构视为一个虚拟节点；步骤8：采用改进的
K
‑
shell
算法量化相关性网络子图中各节点的重要程度，并进行排序，具体包括：步骤
81、
使用
K
‑
shell
方法对相关性网络子图各个节点进行重要程度分层；步骤
82、
在步骤
81
所得的每个分层中，采用
K
‑
shell
方法的改进算法计算综合度，跟根据综合度对节点重要程度量化排序，综合度计算公式如下：其中，
K(i)
为相关性网络子图中各节点的度，
N(i)
为节点的相邻节点和次相邻节点的节点总数；步骤
83、
从最高
K
‑
shell
层的最高综合度节点向下对进行排序，降低
K
‑
shell
层数继续按综合度再次排序，直到所有节点都按照重要程度从高到低完成排序；步骤9：采用气候环境因素传感器布局算法遍历相关性网络子图，得到传感器子布局方案，加上步骤7提前保留的点，得到最终子布局方案；步骤
10
：将所有相关性网络子图的最终子布局方案进行合并，并加上步骤2提前保留的节点，得到最终布局方案
。2.
根据权利要求1所述的基于灰色关联度的气候环境因素传感器布局优化方法，其特征在于：步骤2具体为：步骤
21、
对步骤1中检验结果为不平稳的原始监测数据采用一阶差分处理，得到一阶差分监测数据，对一阶差分监测数据进行平稳性检验，如果平稳则执行步骤3，否则继续执行步骤
22
；步骤
22、
对步骤
21
中经过一阶差分处理后仍不平稳的一阶差分监测数据再次进行差分
处理，得到二阶差分监测数据，对二阶差分监测数据进行平稳性检验，如果平稳则执行步骤3，否则继续执行步骤
23
；步骤
23、
如果二阶差分监测数据仍不平稳则舍弃该传感器数据，并保存所对应的传感器
。3.
根据权利要求1所述的基于灰色关联度的气候环境因素传感器布局优化方法，其特征在于：步骤3中采用极差法进行归一化处理的公式如下：其中，
n
表示平稳时间序列
X
i
中共有
n
个元素，
X
i
’
(
κ
)
表示归一化平稳时间序列中第
k
个归一化处理后的数据，
χ
i
(
κ
)
表示平稳时间序列
X
i
中第
k
个元素，
min
χ
i
(
κ
)
表示平稳时间序列
X
i
中最小的元素，
max
χ
i
(
κ
)
表示平稳时间序列
X
i
中最大的元素
。4.
根据权利要求1所述的基于灰色关联度的气候环境因素传感器布局优化方法，其特征在于：步骤4具体为：步骤
41、
从归一化平稳时间序列
X<...

【专利技术属性】
技术研发人员：文美林，杨贵文，谢汶姝，贾丽，马长李，左文佳，吴恺，钱长林，赵一鸣，刘巍，刘雨昌，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：