[发明专利]一种基于自组织特征映射的机电系统服役动态标记方法

权利要求书

1.一种基于自组织特征映射的机电系统服役动态标记方法，其特征在于，包括以下步骤：

步骤1)、构建耦合关系网络：首先对原始数据进行归一化和降噪处理的数据预处理，对经过数据预处理过程之后的多变量时间序列通过FFT算法计算其拟周期，选定窗口宽度T，选择各变量中最大拟周期作为窗口宽度及其步长进行滑动的多维时间序列两两进行DCCA分析，得出多个DCCA标度系数对称矩阵，完成耦合关系网络的构建；

选取多变量复杂机电系统中一定长度的n维时间序列X,X＝{x₁,x₂,x₃,…,x_n}，分别计算两两变量之间的DCCA标度指数DCCA(x₁,x₁),DCCA(x₁,x₂),…,DCCA(x_n,x_n)；按照计算出的DCCA标度指数下标进行排列，最终形成n×n的DCCA标度指数对称方阵D，矩阵中共有N＝n²个节点，节点值d_ij为变量x_i与变量x_j的DCCA标度指数：

步骤2)、对步骤1)中得到的耦合关系网络进行特征提取，选取网络结构熵和网络效率作为特征变量：网络结构熵H采用复杂网络的标准结构熵：

其中，k_i为第i个节点的度分布，P(k_i)为第i个节点的度分布概率，N为网络节点的总数；

步骤3)、根据系统某平稳运行状态对应的网络特征初始化SOM神经网络，对耦合关系网络状态进行被动更新；

步骤4)、针对在状态被动更新过程中生成的状态标记知识库，统计计算距系统在被动更新过程中上一次出现该状态的时间，对被动更新后的耦合关系网络状态进行主动更新。

2.根据权利要求1所述的一种基于自组织特征映射的机电系统服役动态标记方法，其特征在于，步骤2)中，网络效率E：

其中N为网络节点数目，G为网络，d_ij为网络任意两个节点i和j之间最短路径长度。

3.根据权利要求1所述的一种基于自组织特征映射的机电系统服役动态标记方法，其特征在于，步骤3)中，以系统某平稳运行状态对应的网络特征初始化SOM神经网络，并对该序列进行标记作为状态标记知识库的初始状态，将连续工业数据对应的网络特征使用动态标记方法进行状态标记，若符合已有SOM神经网络聚类阈值，则对应状态标记知识库中已有状态标签，若超出已有SOM神经网络聚类阈值，则进行进一步判断。

4.根据权利要求3所述的一种基于自组织特征映射的机电系统服役动态标记方法，其特征在于，判断不满足已有标记条件的数据是否满足新状态创建条件，若满足则创建新状态并在状态标记库中为该数据其设置新的状态标签ynew，利用新的标记数据集在已有聚类中心的基础上重新训练状态标记模型；得出状态标记结果并保存，并在此过程中通过不断训练对动态标记模型参数进行优化调整；整个流程按照时间顺序依次循环进行，不断丰富和完善系统历史状态标记知识库。

5.根据权利要求1所述的一种基于自组织特征映射的机电系统服役动态标记方法，其特征在于，针对在状态被动更新过程中生成的状态标记知识库，统计计算距系统在被动更新过程中上一次出现该状态的时间，判断该时间是否超出所设定的时间阈值，若超出时间阈值，则将该状态标签及其所对应数据从训练集中剔除并重新训练标记模型，若没有超出时间阈值，则重新统计计算距系统在被动更新过程中上一次出现该状态的时间。