一种工控主机电源健康状态的实时监测方法技术

本发明专利技术涉及电源异常数据检测技术领域，具体涉及一种工控主机电源健康状态的实时监测方法

【技术实现步骤摘要】
一种工控主机电源健康状态的实时监测方法


[0001]本专利技术涉及电源异常数据检测
，具体涉及一种工控主机电源健康状态的实时监测方法
。

技术介绍

[0002]工控主机电源状态实时监测过程中，需要通过设置在工控主机电源处的传感器采集运行过程中的监测数据，通过对监测数据进行分析，可以有效地实现工控主机电源健康状态的实时监测，并及时预警或报警，以避免潜在的故障和安全隐患
。
[0003]由于获得的工控主机电源状态实时监测数据是时序数据，其存在一定的结构性变化，当利用孤立森林算法进行异常数据检测时，其结构性变化会在随机获取的样本点集合中造成样本点异常分数获取的影响，主要是由于一定数量的样本点获取的随机性造成样本点集合的分布特征受到结构性变化的较大影响，造成多个部分的分布差异性较大，使得部分异常点的异常程度的获取不准确，进而导致工控主机电源健康状态的实时监测存在一定的误差
。

技术实现思路

[0004]为了解决现有方法在对工控主机电源健康状态进行实时监测时存在一定误差的问题，本专利技术的目的在于提供一种工控主机电源健康状态的实时监测方法，所采用的技术方案具体如下：本专利技术提供了一种工控主机电源健康状态的实时监测方法，该方法包括以下步骤：获取产品生产过程中工控主机电源的监测数据，获取每个监测数据对应的数据点；对所有数据点进行聚类获得不少于两个聚类簇；分别从所有数据点中选取每种预设数量的样本点构成每种预设数量对应的样本点集合；根据每种预设数量对应的样本点集合中样本点在聚类簇内的位置分布以及样本点所在的聚类簇内数据点的位置分布，得到每种预设数量对应的特征影响程度；根据每相邻两种预设数量对应的特征影响程度之间的差异以及每种预设数量对应的样本点集合中样本点的位置分布，获得除第一种预设数量外其他每种预设数量对应的置信程度；基于所述置信程度确定最优样本点数量；基于所述最优样本点数量构建孤立树；基于所述孤立树对工控主机电源健康状态进行评价
。
[0005]优选的，所述分别从所有数据点中选取每种预设数量的样本点构成每种预设数量对应的样本点集合，包括：对于第
m
种预设数量：从所有数据点中不少于一次随机选取数量为的样本点，获得第
m
种预设数量对应的每个样本点集合；其中，表示第
m
种预设数量
。
[0006]优选的，根据每种预设数量对应的样本点集合中样本点在聚类簇内的位置分布以
及样本点所在的聚类簇内数据点的位置分布，得到每种预设数量对应的特征影响程度，包括：对于第
m
种预设数量：计算存在第
m
种预设数量对应的每个样本点集合中样本点的聚类簇间的欧式距离；计算存在第
m
种预设数量对应的每个样本点集合中样本点之间的欧式距离；其中存在样本点的第个聚类簇与存在样本点的第的聚类簇间的欧式距离为：存在样本点的第个聚类簇的中心点与存在样本点的第的聚类簇的中心点之间的欧式距离；根据所述存在第
m
种预设数量对应的每个样本点集合中样本点的聚类簇间的欧式距离
、
所述存在第
m
种预设数量对应的每个样本点集合中样本点之间的欧式距离，得到第
m
种预设数量对应的特征影响程度
。
[0007]优选的，采用如下公式计算第
m
种预设数量对应的特征影响程度：；其中，表示第
m
种预设数量对应的特征影响程度，
R
表示第
m
种预设数量对应的样本点集合的数量，
I
表示存在第
m
种预设数量对应的第
r
个样本点集合中样本点的数量，表示存在第
m
种预设数量对应的第
r
个样本点集合中样本点的第个聚类簇与存在第
m
种预设数量对应的第
r
个样本点集合中样本点的第的聚类簇间的欧式距离，表示存在第
m
种预设数量对应的第
r
个样本点集合中样本点的第个聚类簇内的第个样本点与聚类簇内的其他样本点的欧式距离之和，表示存在第
m
种预设数量对应的第
r
个样本点集合中样本点的第个聚类簇内数据点的总数量，表示最大最小值归一化函数
。
[0008]优选的，所述根据每相邻两种预设数量对应的特征影响程度之间的差异以及每种预设数量对应的样本点集合中样本点的位置分布，获得除第一种预设数量外其他每种预设数量对应的置信程度，包括：将所有特征影响程度按照从小到大的顺序进行排序，获得特征影响程度序列；将特征影响程度序列中每相邻两种特征影响程度之间的差值构成的序列，记为特征影响程度差值序列；其中，每相邻两种特征影响程度之间的差值为后一特征影响程度与前一特征影响程度之差；对于除第一种预设数量外的第
k
种预设数量：获取存在第
k
种预设数量对应的样本点集合中样本点的所有聚类簇内样本点的总数量；将第
k
种预设数量对应的所有样本点集合中均存在的样本点的数量，记为第一数量；将所述第一数量与所述总数量的比值作为数量占比；根据所述特征影响程度差值序列和所述数量占比，得到除第一种预设数量外第
k
种预设数量对应的置信程度
。
[0009]优选的，根据所述特征影响程度差值序列和所述数量占比，得到除第一种预设数量外第
k
种预设数量对应的置信程度，包括：将所述特征影响程度差值序列中的第
k
个元素
、
所述数量占比
、
除第一种预设数量
外的第
k
种预设数量三者的乘积的归一化结果，确定为除第一种预设数量外第
k
种预设数量对应的置信程度
。
[0010]优选的，所述基于所述置信程度确定最优样本点数量，包括：将置信程度大于预设置信阈值对应的预设数量作为候选样本点数量；将所有候选样本点数量中最小的候选样本点数量确定为最优样本点数量
。
[0011]优选的，所述基于所述孤立树对工控主机电源健康状态进行评价，包括：基于所述孤立树提取异常数据点；若异常数据点的数量大于预设数量阈值，则判定工控主机电源健康状态异常；若异常数据点的数量小于或等于预设数量阈值，则判定工控主机电源健康状态正常
。
[0012]优选的，所述对所有数据点进行聚类获得不少于两个聚类簇，包括：采用密度聚类算法对所有数据点进行聚类，获得不少于两个聚类簇
。
[0013]优选的，所述获取每个监测数据对应的数据点，包括：将每个监测数据对应的采集时刻作为坐标系中的横坐标，将每个监测数据对应的数据值作为坐标系中的纵坐标，获得每个监测数据对应的数据点
。
[0014]本专利技术至少具有如下有益效果：本专利技术首先获取了产品生产过程中工控主本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种工控主机电源健康状态的实时监测方法，其特征在于，该方法包括以下步骤：获取产品生产过程中工控主机电源的监测数据，获取每个监测数据对应的数据点；对所有数据点进行聚类获得不少于两个聚类簇；分别从所有数据点中选取每种预设数量的样本点构成每种预设数量对应的样本点集合；根据每种预设数量对应的样本点集合中样本点在聚类簇内的位置分布以及样本点所在的聚类簇内数据点的位置分布，得到每种预设数量对应的特征影响程度；根据每相邻两种预设数量对应的特征影响程度之间的差异以及每种预设数量对应的样本点集合中样本点的位置分布，获得除第一种预设数量外其他每种预设数量对应的置信程度；基于所述置信程度确定最优样本点数量；基于所述最优样本点数量构建孤立树；基于所述孤立树对工控主机电源健康状态进行评价
。2.
根据权利要求1所述的一种工控主机电源健康状态的实时监测方法，其特征在于，所述分别从所有数据点中选取每种预设数量的样本点构成每种预设数量对应的样本点集合，包括：对于第
m
种预设数量：从所有数据点中不少于一次随机选取数量为的样本点，获得第
m
种预设数量对应的每个样本点集合；其中，表示第
m
种预设数量
。3.
根据权利要求2所述的一种工控主机电源健康状态的实时监测方法，其特征在于，根据每种预设数量对应的样本点集合中样本点在聚类簇内的位置分布以及样本点所在的聚类簇内数据点的位置分布，得到每种预设数量对应的特征影响程度，包括：对于第
m
种预设数量：计算存在第
m
种预设数量对应的每个样本点集合中样本点的聚类簇间的欧式距离；计算存在第
m
种预设数量对应的每个样本点集合中样本点之间的欧式距离；其中存在样本点的第个聚类簇与存在样本点的第的聚类簇间的欧式距离为：存在样本点的第个聚类簇的中心点与存在样本点的第的聚类簇的中心点之间的欧式距离；根据所述存在第
m
种预设数量对应的每个样本点集合中样本点的聚类簇间的欧式距离
、
所述存在第
m
种预设数量对应的每个样本点集合中样本点之间的欧式距离，得到第
m
种预设数量对应的特征影响程度
。4.
根据权利要求3所述的一种工控主机电源健康状态的实时监测方法，其特征在于，采用如下公式计算第
m
种预设数量对应的特征影响程度：；其中，表示第
m
种预设数量对应的特征影响程度，
R
表示第
m
种预设数量对应的样本点集合的数量，
I
表示存在第
m
种预设数量对应的第
r
个样本点集合中样本点的数量，表示存在第
m
种预设数量对应的第
r
个样本点集合中样本点的第个聚类簇与存在第
m
种预设数量对应的第
r
个样本点集合中样本点的第的聚类簇间的欧式距离，表示存在第
m
种预设数量对应的第
r
个样本...

【专利技术属性】
技术研发人员：赵宗晖，
申请(专利权)人：惠州市鑫晖源科技有限公司，
类型：发明
国别省市：