【技术实现步骤摘要】
本专利技术涉及安全领域的系统故障演化过程分析，特别是涉及系统故障演化的子演化过程作用分析。
技术介绍
1、系统故障过程是复杂的且可能包含多个子过程。各子过程在不同时刻可能有且只有一个发挥决定作用，也可能是多个子过程叠加形成了系统故障过程。因为系统中一般包含多个子系统，在相同因素作用下由于不同子系统的内部特征不同，导致各自产生的故障演化过程不同；且系统故障过程是这些子系统故障过程的综合体现。将多因素影响下系统实现预定功能的能力变化过程称为系统故障演化过程。那么确定各时刻各子系统在多因素影响下对系统故障演化过程的作用至关重要，以便确定关键作用的子系统及其子演化过程。实际中实现这些研究较为困难，主要原因是子系统构成系统的结构，子系统之间的相互作用，系统故障演化过程是所有子系统故障演化过程的叠加。进一步，故障演化研究一般基于时序故障数据，即在多个时刻对系统状态进行测量，记录所有因素数值形成该时刻的对象。这些测量得到的对象集合就是时序故障数据。各子演化过程对系统故障演化过程的作用需基于时序故障数据的对象集合进行分析。
2、对系统故障过程中影响因素、各类事件及各组成部分的作用，以及时序故障数据的研究是目前各领域的热点问题。因为任何系统的故障过程都是系统存在必然要面对的问题，相关研究成果正在逐渐增加。上述成果在各领域的系统故障过程研究中发挥了积极作用，既有针对领域特点提出的方法和算法，也有在系统层面提出的具有通用性的研究方法。这些成果为后继研究提供了有力支持。但这里提出的主要问题在于系统故障演化过程中各子系统故障演化过程的作用。由
3、因此，亟需一种系统故障演化的子演化过程作用分析方法，研究各子演化对总演化的作用。
技术实现思路
1、本专利技术的目的在于提供一种系统故障演化的子演化过程作用分析方法，以解决现有技术中缺少研究各子演化对总演化的作用的问题。
2、本专利技术为解决上述问题，将各时刻测量所得对象形成基础数据矩阵；进而形成规范化的归一数据矩阵；构建系统故障演化过程中所有对象的标签矩阵；确定各子演化过程构成总演化过程的最优组成；最终分析各子演化过程对总演化过程的作用。从而了解各子演化过程的作用并判断各子系统在系统中的重要性等关键问题。另外，如无特别说明系统指总系统，与子系统进行区别；系统故障演化过程简称为演化过程，演化过程指总演化过程，与子演化过程区别。
3、本专利技术提供了一种系统故障演化的子演化过程作用分析方法，为研究系统故障演化过程中蕴含的各具特征的子演化过程，确定各子演化过程对总演化过程的作用，提出了基于谱回归判别分析的子演化过程作用分析方法；以各时刻测量演化得到的对象集合为基础构建基础数据矩阵和归一数据矩阵；以均匀分布随机数生成对象标签集合并折叠形成对象标签矩阵；以谱回归判别分析方法对对象标签矩阵进行训练和预测得到最大准确度、最优对象标签集合和最优训练对象数；定义频度和集中度实现各子演化过程的作用分析；用于系统故障演化过程中各子演化过程的作用确定和对象集合的聚类分析；
4、关于算法流程与基础数据：
5、这里给出算法流程，并根据测量得到的对象集合构建基础数据矩阵和归一数据矩阵。
6、如下给出各步骤的输入数据、输出数据和使用的具体方法。
7、步骤1：构建基础数据矩阵γ。输入数据为对象集合o、因素集合f以及对象on在因素fm下的因素值输出数据为基础数据矩阵γ。
8、步骤2：构建归一数据集合输入数据为γ，输出数据为方法使用2范数归一化函数normalize()。
9、步骤3：构建对象标签矩阵l。输入数据为对象数n、迭代次数θ、子系统数量q；输出数据为l；方法是随机生成在[1,q]均匀分布的对象标签编号构成的对象标签矩阵l。
10、步骤4：确定最优对象标签集合。输入数据为l和控制参数集合opt；输出数据为最大准确度acopt、及其对应的最优对象标签集合l{iopt}和训练对象数量ntrainopt。方法使用普回归判别分析方法srda。
11、步骤5：分析各子演化的作用。输入数据为l{iopt}、对象标签值q∈[1,q]、子演化集合e；输出数据为出现对象的频度p和集中度z。并提出了具体算法，最终对各子演化过程对总演化过程的作用进行分析。
12、构建基础数据矩阵。设影响演化过程的因素集合为f＝{f1,…,fm}，m＝1,…,m，fm∈f，m是因素数量。在n个时刻测量形成的对象集合为o＝{o1,…,on}，n＝1,…,n，on∈o，n是对象数。对象on是所有因素值组成的向量，是对象on在因素fm下的因素值。形成基础数据矩阵γm×n如表1所示。
13、表1基础数据矩阵γm×n
14、
15、系统中蕴含的子系统集合为s＝{s1,...,sq}，sq∈s，q＝1,...,q，q是子系统数量；子演化过程的集合为e＝{e1,...,eq}，eq是sq的系统故障演化过程。子系统的划分是根据对象故障特征实现的。
16、构建归一化数据矩阵使用2范数归一化γ的各列，即使用的归一化函数如式(1)所示。
17、
18、关于构建对象标签矩阵：
19、设对象标签矩阵为l，是n×θ矩阵，n是对象数，θ是迭代次数。各子演化过程具有各自的故障特征，对象的故障特征与某子演化相同时即将该对象纳入该子演化过程。那么具有相同特征的对象就组成了一个子演化过程，这相当于对所有对象的聚类分析。问题在于如何确定准确度最高的最优系统故障演化过程，即各子演化过程形成总演化过程的最优组成。
20、如果设q是子系统数量，那么就有q个子演化过程。当然q个子演化过程不一定在总演化中都起到作用，需要分析判断。标签是对象隶属于某个子演化过程的标记，使用数值q＝1,...,q进行标记。对于o＝{o1,…,on}，每个对象都具有q种标签。那么对于n个对象具有的不同标签数组就有qn种。需要使用后继提出的算法分析这qn种标签分布来得到最大准确度对应的一个对象标签集合。计算的复杂度很高，是一种枚举策略。
21、这里采取迭代次数θ来控制不同对象标签集合的数量，即在θ次分析中得到最大准确度即可，从而确定对应的最优对象标签集合。那么问题是如何确定这θ次分析需要的对象标签矩阵l。l为n×θ阶矩阵，矩阵的各行代表一个对象在不同对象标签集合中的标签值；矩阵的各列代表不同迭代次中的对象标签集合。由于不能使用枚举方式，则需要随机生成各迭代次的对象标签集合中的对象标签。但由于θ远小于qn，因此需要随机数均匀分布在1到q的整数值中。如果每次迭代重新随机生成对象标签集合将失去均匀分布特征，必须同时随机生成所有迭代中使用的对象标签值和对象标签集合，即一次性生成对象标签矩阵。这是为了在样本文档来自技高网...
【技术保护点】
1.一种系统故障演化的子演化过程作用分析方法，其特征在于，为研究系统故障演化过程中蕴含的各具特征的子演化过程，确定各子演化过程对总演化过程的作用，提出了基于谱回归判别分析的子演化过程作用分析方法；以各时刻测量演化得到的对象集合为基础构建基础数据矩阵和归一数据矩阵；以均匀分布随机数生成对象标签集合并折叠形成对象标签矩阵；以谱回归判别分析方法对对象标签矩阵进行训练和预测得到最大准确度、最优对象标签集合和最优训练对象数；定义频度和集中度实现各子演化过程的作用分析；用于系统故障演化过程中各子演化过程的作用确定和对象集合的聚类分析；
2.根据权利要求1所述的系统故障演化的子演化过程作用分析方法，其特征在于，用于对电气系统进行分析，系统故障演化受6个因素影响，F＝{f1,f2,f3,f4,f5,f6}；其中电压f1，值域[12,15]V；电流f2，值域[0.7,0.85]mA；温度f3，值域[11,24]℃；湿度f4，值域[77,94]％；气压f5，值域[100,105]KPa；振动f6，值域[185,236]Hz；从故障特征角度划分子系统，子系统集合为S＝{s1,s2,s3}，
...【技术特征摘要】
1.一种系统故障演化的子演化过程作用分析方法，其特征在于，为研究系统故障演化过程中蕴含的各具特征的子演化过程，确定各子演化过程对总演化过程的作用，提出了基于谱回归判别分析的子演化过程作用分析方法；以各时刻测量演化得到的对象集合为基础构建基础数据矩阵和归一数据矩阵；以均匀分布随机数生成对象标签集合并折叠形成对象标签矩阵；以谱回归判别分析方法对对象标签矩阵进行训练和预测得到最大准确度、最优对象标签集合和最优训练对象数；定义频度和集中度实现各子演化过程的作用分析；用于系统故障演化过程中各子演化过程的作用确定和对象集合的聚类分析；
2.根据权利要求1所述的系统故障演化的子演化过程作用分析方法，其特征在于...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。