【技术实现步骤摘要】
本专利技术涉及形变监测，具体涉及一种无线无源的形变监测方法。
技术介绍
1、传统的无线无源的传感器网络中，单片的形变参数会受到外界的环境变化导致形变测量不准确，除此之外，数据传输可能受到干扰或信号丢失的影响，这可能导致监测数据不完整或不准确。故需要一种对所得数据进行预处理，进而避免错误数据对相关处理系统造成干扰，进而造成不必要资源的浪费。而在现有的检测异常算法中，由于lof异常检测算法的参数需要经常调整，所得到的检测结果不准确，故需要对检测结果进行修正完成异常检测，根据异常检测的检测结果完成形变监测。
技术实现思路
1、为了解决形变监测不准确的技术问题，本专利技术提供了一种无线无源的形变监测方法，所采用的技术方案具体如下：
2、本专利技术提出了一种无线无源的形变监测方法，该方法包括以下步骤：
3、获取历史形变序列和当前形变序列；
4、对于历史形变序列进行分段获取若干曲线段，并获取每个形变数据点的预测值，根据形变数据点的形变值和预测值获取曲线段的稳定程度，根据曲线段的稳定程度获取形变数据点的异常程度；
5、对于历史形变序列，通过聚类获取若干数据段，并根据数据段的稳定程度获取散点图；预设时间段，根据时间段内数据段的数量以及稳定程度获取每个时间段的稳定分布值；根据时间段的稳定分布值和其相邻时间段的稳定分布值获取历史形变序列的平稳相关性；
6、根据散点图中数据段之间的相似性以及所在时间段的稳定分布值获取每个数据段为异常数据段的可能
7、根据形变数据点的修正异常值判断异常完成形变监测。
8、优选的，所述对于历史形变序列进行分段获取若干曲线段，并获取每个形变数据点的预测值的方法为：
9、将历史形变序列分为固定预设长度的曲线段，对于每个形变数据点，在形变数据点的前方选取固定预设长度个相邻的形变数据点，使用指数平滑算法根据固定预设长度个相邻的形变数据点预测获取形变数据点的预测值。
10、优选的，所述根据形变数据点的形变值和预测值获取曲线段的稳定程度的方法为：
11、
12、式中，ri表示曲线段第i个数据点的形变值，r(n)表示曲线段内所有形变数据点的形变值均值，n表示曲线段内形变数据点的数量，δfi表示曲线段第i个数据点的形变值和预测值的差值绝对值，norm()表示线性归一化函数，ζ表示曲线段的稳定程度。
13、优选的，所述根据曲线段的稳定程度获取形变数据点的异常程度的方法为：
14、对于每个曲线段，去除一个形变数据点，计算剩余曲线段的稳定程度作为去掉形变数据点后的稳定程度；
15、对于曲线段，即一个形变数据点为目标形变数据点，将曲线段的稳定程度与去掉目标形变数据点的曲线段的稳定程度差值绝对值记为第一绝对值，将第一绝对值与曲线段的稳定程度的乘积作为目标形变数据点的异常程度。
16、优选的，所述通过聚类获取若干数据段，并根据数据段的稳定程度获取散点图的方法为：
17、对历史形变序列中的所有形变数据点使用dbscan聚类，聚类距离为形变数据点之间的欧氏距离，聚类算法中的算法参数minpts和r为第一预设值，将所得到的每个聚类簇作为一个数据段；
18、根据获取曲线段的稳定程度的方法获取数据段的稳定程度，对所有数据段再使用dbscan聚类，聚类距离为数据段之间稳定程度的差值绝对值，聚类算法中的算法参数minpts和r为第二预设值，获取若干聚类簇，每个聚类簇记为数据段类；
19、在所有历史形变序列中获取预设数量条时间连续的历史形变序列，对于每个数据段获取数据段的中点，将预设数量条历史形变序列所有数据段的中点组合为一个散点图，散点图的横坐标为时间，纵坐标为稳定程度，所述中点的稳定程度为其所在数据段的稳定程度。
20、优选的，所述根据时间段内数据段的数量以及稳定程度获取每个时间段的稳定分布值的方法为：
21、
22、式中，kh表示第h个时间段获取的数据段类的数量，r(x,h)表示第h个时间段中第x个数据段类对应的数据段的数量，表示数据段类中第c个数据段的稳定程度与数据段类所有数据段的稳定程度均值的差值，norm()表示线性归一化函数，tvh表示第h个时间段的稳定分布值。
23、优选的，所述根据时间段的稳定分布值和其相邻时间段的稳定分布值获取历史形变序列的平稳相关性的方法为：
24、将每个时间段的稳定分布值与其相邻时间段的稳定分布值作差求绝对值作为平稳差异值，若时间段有两个相邻时间段，将所述绝对值的均值作为平稳差异值；
25、将每个时间段的平稳差异值和稳定分布值的乘积累加后进行线性归一化的值作为历史形变序列的平稳相关性。
26、优选的，所述根据散点图中数据段之间的相似性以及所在时间段的稳定分布值获取每个数据段为异常数据段的可能性的方法为：
27、对于任意两个数据段，使用dtw距离获取两个数据段的相似性；
28、
29、式中，tv(r)表示第r个数据段所在时间段的稳定分布值，drr,w表示第r个数据段与第w个数据段的相似性，ar表示散点图中第r个数据段所在时间段内的数据段数量，norm()表示线性归一化函数，err表示第r个数据段为异常数据段的可能性。
30、优选的，所述根据每个形变数据点所在数据段为异常数据段的可能性以及形变数据点的异常程度获取形变数据点的异常数据可能性的方法为：
31、将形变数据点异常程度和形变数据点所在数据段为异常数据段的可能性的乘积作为形变数据点的异常数据可能性。
32、优选的，所述使用异常检测算法获取形变数据点的异常指标，根据形变数据点的异常指标、形变数据点所在历史形变序列的平稳相关性、形变数据点的异常数据可能性获取形变数据点的修正异常值的方法为：
33、使用lof算法对与历史形变序列进行检测，获取历史形变序列中每个形变数据点的异常指标；
34、lofi＝(1-hr(i))×fi+hr(i)×tsi
35、式中，fi表示第i个形变数据点的异常指标，hr(i)表示第i个形变数据点所在历史形变序列的平稳相关性，tsi表示第i个形变数据点的异常数据可能性，lofi表示第i个形变数据点的修正异常值。
36、本专利技术具有如下有益效果：本专利技术通过对所得数据曲线进行划分，根据历史数据分析数据段对应平稳程度以及数据段与采集时间的相关性，并且根据数据段平稳程度分析获取数据异常性指标，并结合上述所得指标对所得初始数据异常性指标进行修正。使用本专利技术方法不仅可以解决使用不同参数本文档来自技高网...
【技术保护点】
1.一种无线无源的形变监测方法，其特征在于，该方法包括以下步骤：
2.如权利要求1所述的一种无线无源的形变监测方法，其特征在于，所述对于历史形变序列进行分段获取若干曲线段，并获取每个形变数据点的预测值的方法为：
3.如权利要求1所述的一种无线无源的形变监测方法，其特征在于，所述根据形变数据点的形变值和预测值获取曲线段的稳定程度的方法为：
4.如权利要求1所述的一种无线无源的形变监测方法，其特征在于，所述根据曲线段的稳定程度获取形变数据点的异常程度的方法为：
5.如权利要求1所述的一种无线无源的形变监测方法，其特征在于，所述通过聚类获取若干数据段，并根据数据段的稳定程度获取散点图的方法为：
6.如权利要求5所述的一种无线无源的形变监测方法，其特征在于，所述根据时间段内数据段的数量以及稳定程度获取每个时间段的稳定分布值的方法为：
7.如权利要求1所述的一种无线无源的形变监测方法，其特征在于，所述根据时间段的稳定分布值和其相邻时间段的稳定分布值获取历史形变序列的平稳相关性的方法为：
8.如权利要求1所述
9.如权利要求1所述的一种无线无源的形变监测方法，其特征在于，所述根据每个形变数据点所在数据段为异常数据段的可能性以及形变数据点的异常程度获取形变数据点的异常数据可能性的方法为：
10.如权利要求1所述的一种无线无源的形变监测方法，其特征在于，所述使用异常检测算法获取形变数据点的异常指标，根据形变数据点的异常指标、形变数据点所在历史形变序列的平稳相关性、形变数据点的异常数据可能性获取形变数据点的修正异常值的方法为：
...【技术特征摘要】
1.一种无线无源的形变监测方法，其特征在于，该方法包括以下步骤：
2.如权利要求1所述的一种无线无源的形变监测方法，其特征在于，所述对于历史形变序列进行分段获取若干曲线段，并获取每个形变数据点的预测值的方法为：
3.如权利要求1所述的一种无线无源的形变监测方法，其特征在于，所述根据形变数据点的形变值和预测值获取曲线段的稳定程度的方法为：
4.如权利要求1所述的一种无线无源的形变监测方法，其特征在于，所述根据曲线段的稳定程度获取形变数据点的异常程度的方法为：
5.如权利要求1所述的一种无线无源的形变监测方法，其特征在于，所述通过聚类获取若干数据段，并根据数据段的稳定程度获取散点图的方法为：
6.如权利要求5所述的一种无线无源的形变监测方法，其特征在于，所述根据时间段内数据段的数量以及稳定程度获取每个时间段的稳定分布值的方法为...
【专利技术属性】
技术研发人员：倪泽峰，廖小昊，
申请(专利权)人：北京云摩科技股份有限公司，
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。