【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。