System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及电源测试,具体是指一种不间断电源的自动测试方法。
技术介绍
1、电源测试是指对电源设备及其性能进行测试和评估。通常涉及对电压、电流、功率、效率等参数进行准确测量和分析,以确保电源设备的稳定性、效能和安全性。但是一般电源测试方法对数据点密度测量敏感,并且簇之间的密度差异很大,容易导致聚类时出现不正确的簇中心和标签错误传播问题;一般电源测试方法存在忽略数据点的密度差异和数据量,使得聚类结果的稳定性弱的问题。
技术实现思路
1、针对上述情况,为克服现有技术的缺陷,本专利技术提供了一种不间断电源的自动测试方法,针对一般电源测试方法对数据点密度测量敏感,并且簇之间的密度差异很大,容易导致聚类时出现不正确的簇中心和标签错误传播问题,本方案设计具有动态带宽的核密度;然后将核密度除以样本k个最近邻中的最大核密度来得到相对核密度,最终基于相对核密度选择初始聚类中心,能够更好地适应不同的数据分布,减轻标签错误传播;针对一般电源测试方法存在忽略数据点的密度差异和数据量,使得聚类结果的稳定性弱的问题,本方案基于自然邻域加权得到局部密度,进而分配数据点;基于平均密度评估密度差异;基于共享最近邻和自然近邻计算相似性进而进行簇合并;提高聚类结果的精准性、鲁棒性和可解释性。
2、本专利技术采取的技术方案如下:本专利技术提供的基于人工智能的病房资源管理方法,该方法包括以下步骤:
3、步骤s1:数据采集;
4、步骤s2:数据预处理;
5、步骤s3:初始化聚
6、步骤s4:分配数据点;
7、步骤s5:簇合并;
8、步骤s6:电源测试结果。
9、进一步地,在步骤s1中,所述数据采集是采集历史数据和待测试数据;两种数据都包括电压测试数据、电流测试数据、电源负载数据、电源波形数据和电源温度数据;历史数据还包括测试状态;所述测试状态包括正常和故障类型;测试状态作为历史数据的标签,不参与聚类运算,只作选择簇标签使用。
10、进一步地,在步骤s2中,所述数据预处理是对采集的数据进行数据清洗、数据转换和数据标准化;将历史数据与测试数据共同聚类。
11、进一步地,在步骤s3中,所述初始化聚类中心具体包括以下步骤:
12、步骤s31:选取k值,预先设有距离阈值,将低于距离阈值的数据点视为邻居点,计算所有数据点的邻居点数量,选择数量最多的邻居点的数量作为k值;
13、步骤s32:定义逆k近邻,数据点xi的逆k近邻就是所有k近邻包含xi的数据点;
14、步骤s33:计算可变带宽核密度,所用公式如下:
15、;
16、式中,是数据点xi的可变带宽核密度;rknn(·)是逆k近邻;knn(·)是k近邻;是l2范数的平方;xj是区别于xi的数据点;
17、步骤s34:计算相对核密度,所用公式如下:
18、;
19、式中,是数据点xi的相对核密度;是数据点xj的可变带宽核密度;
20、步骤s35:初始化,选择相对核密度最高的前k个数据点作为初始聚类中心。
21、进一步地,在步骤s4中,所述分配数据点具体包括以下步骤:
22、步骤s41:计算数据点的邻居距离,根据不同半径为数据点划分不同层数,表示如下:
23、;
24、式中,是第l层数据点xi的邻居距离,dij是数据点xi和邻居点xj的距离;是l层的邻居节点;
25、步骤s42:计算局部密度,基于加权最近的k个邻居进行计算,所用公式如下:
26、;
27、式中,ρi是数据点xi的局部密度;
28、步骤s43:将非聚类中心的数据点分配到具有最高局部密度的簇中。
29、进一步地,在步骤s5中,所述簇合并具体包括以下步骤:
30、步骤s51:计算子簇的平均密度,预先设有密度阈值,高于密度阈值的数据点忽略不计,所用公式如下:
31、;
32、式中,ni是子簇ci的大小,i是索引;ρavg(·)是子簇的平均密度;
33、步骤s52:计算子簇之间的平均密度差,所用公式如下:
34、;
35、式中,mdd(ci,cj)是子簇ci和子簇cj之间的平均密度差;
36、步骤s53:计算子簇间的最小比例,所用公式如下:
37、;
38、式中,nij是子簇间最小比例;nj是子簇cj的大小;ceil(·)是舍入函数;
39、步骤s54:计算子簇间的最短距离,所用公式如下:
40、;
41、式中,dmin(ci,cj)是子簇ci和子簇cj之间的最短距离;是对子簇ci和子簇cj的数据点间距离排序后,取前nij个数据值求和;
42、步骤s55:计算子簇间相似度,所用公式如下:
43、;
44、;
45、式中,snn(·)是共享最近邻;λnn(·)是数据点的邻居节点;nn(ci,cj)是子簇ci和子簇cj之间的自然邻居数量;
46、步骤s56:簇合并,基于子簇间相似度,构建相似度矩阵,并按照降序对相似度进行排序;每次合并在矩阵中具有最大相似度的两个子簇;
47、步骤s57:判定聚类结束,至少满足一个终止条件时聚类结束,表示如下:
48、;
49、式中,wsi和wsj分别表示子簇ci和子簇cj的内相似度;wsij表示子簇ci和子簇cj合并后的内相似度;q是子簇ci中数据点的索引;diq是数据点xi和数据点xq的距离。
50、进一步地,在步骤s6中,所述电源测试结果是基于聚类结果,将簇中数量最多的真实标签类别作为簇标签;将测试数据所属的簇标签作为测试结果。
51、采用上述方案本专利技术取得的有益效果如下:
52、(1)针对一般电源测试方法对数据点密度测量敏感,并且簇之间的密度差异很大,容易导致聚类时出现不正确的簇中心和标签错误传播问题,本方案设计具有动态带宽的核密度;然后将核密度除以样本k个最近邻中的最大核密度来得到相对核密度,最终基于相对核密度选择初始聚类中心,能够更好地适应不同的数据分布,减轻标签错误传播。
53、(2)针对一般电源测试方法存在忽略数据点的密度差异和数据量,使得聚类结果的稳定性弱的问题,本方案基于自然邻域加权得到局部密度,进而分配数据点;基于平均密度评估密度差异;基于共享最近邻和自然近邻计算相似性进而进行簇合并;提高聚类结果的精准性、鲁棒性和可解释性。
本文档来自技高网...【技术保护点】
1.一种不间断电源的自动测试方法,其特征在于:该方法包括以下步骤:
2.根据权利要求1所述的一种不间断电源的自动测试方法,其特征在于:在步骤S5中,所述簇合并具体包括以下步骤:
3.根据权利要求1所述的一种不间断电源的自动测试方法,其特征在于:在步骤S4中,所述分配数据点具体包括以下步骤:
4.根据权利要求1所述的一种不间断电源的自动测试方法,其特征在于:在步骤S1中,所述数据采集是采集历史数据和待测试数据;两种数据都包括电压测试数据、电流测试数据、电源负载数据、电源波形数据和电源温度数据;历史数据还包括测试状态;所述测试状态包括正常和故障类型;测试状态作为历史数据的标签,不参与聚类运算,只作选择簇标签使用。
5.根据权利要求1所述的一种不间断电源的自动测试方法,其特征在于:在步骤S2中,所述数据预处理是对采集的数据进行数据清洗、数据转换和数据标准化;将历史数据与测试数据共同聚类。
6.根据权利要求1所述的一种不间断电源的自动测试方法,其特征在于:在步骤S6中,所述电源测试结果是基于聚类结果,将簇中数量最多的真实标签类别
...【技术特征摘要】
1.一种不间断电源的自动测试方法,其特征在于:该方法包括以下步骤:
2.根据权利要求1所述的一种不间断电源的自动测试方法,其特征在于:在步骤s5中,所述簇合并具体包括以下步骤:
3.根据权利要求1所述的一种不间断电源的自动测试方法,其特征在于:在步骤s4中,所述分配数据点具体包括以下步骤:
4.根据权利要求1所述的一种不间断电源的自动测试方法,其特征在于:在步骤s1中,所述数据采集是采集历史数据和待测试数据;两种数据都包括电压测试数据、电流测试数据、电源负载数据、电源波形数据和电源...
【专利技术属性】
技术研发人员:季飞洁,
申请(专利权)人:上海泰高系统科技有限公司,
类型:发明
国别省市:
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。