[发明专利]基于人工免疫算法优化支持向量回归的能耗异常检测方法

权利要求书

1.基于人工免疫算法优化支持向量回归的能耗异常检测方法，其特征在于，包括以下步骤：

S1.采集液压机的历史能耗数据，并对其进行归一化处理得到训练数据；

S2.建立人工免疫算法优化的支持向量回归模型用以预测能耗基线；所述人工免疫算法优化的支持向量回归模型中，利用人工免疫算法对支持向量回归的参数进行优化；

S3.利用误差概率分布估计液压机能耗的上下限，得到液压机能耗的正常检测范围；

S4.采集液压机的实时能耗数据，对其进行归一化处理得到测试数据；将所述测试数据输入步骤S2的人工免疫算法优化的支持向量回归模型得到液压机的预测能耗基线，基于步骤S3得到的正常检测范围进行能耗异常检测。

2.根据权利要求1所述的能耗异常检测方法，其特征在于，步骤S2所述的支持向量回归具体为：

基于支持向量回归算法，在高维特征空间中建立的线性回归函数为：

其中，是一个非线性映射函数；{(x_i,y_i),i＝1,2,…,l}是样本对，是输入列向量，y_i∈R是x_i对应的输出值；

支持向量回归算法中的ε-不敏感损失函数定义为：

其中，f(x)为线性回归函数的预测值，y为对应的真实值；

引入松弛变量ξ_i和则将求解线性回归函数中的w、b表示为：

其中，C为惩罚因子，其值越大，对训练误差大于ε的样本惩罚越大；ε指定回归函数的误差要求，ε越小表示回归函数的误差越小；引入拉格朗日函数求解上式并将其转化为对偶形式，得到如下公式：

其中，为核函数；

求解得到的最优解为α＝[α₁,α₂,…,α_i]，则：

其中，N_nsv为支持向量机的个数；

得到最终的线性回归函数为：

3.根据权利要求2所述的能耗异常检测方法，其特征在于，步骤S2中所述的核函数采用径向基核函数其中{(x_i,y_i),i＝1,2,…,l}是样本对，是输入列向量，y_i∈R是x_i对应的输出值；σ是一个自由参数。

4.根据权利要求2所述的能耗异常检测方法，其特征在于，步骤S2中所述的利用人工免疫算法对支持向量回归的参数进行优化具体包括以下步骤：

A.对所述支持向量回归的参数进行初始化，初始化抗体群并编码：将惩罚系数C、核函数σ和不敏感系数ε视为染色体，随机产生初始抗体群的染色体；

B.计算抗原与抗体的亲和力；其中支持向量回归设为抗原，在支持向量回归中的参数设为抗体，可行解对问题的满足程度定义为亲和力；

C.记忆细胞更新；将初始抗体群按抗原与抗体的亲和力以降序排列，选择前n个亲和力对应的抗体加入到记忆细胞，从而取代所述记忆细胞中与该记忆细胞的亲和力最高的原有抗体；

D.若当前抗体群中包含最佳个体，则执行步骤G；否则进行下一步；所述最佳个体即抗原与抗体的亲和力满足预设值；

E.通过克隆选择算法对当前抗体群中的抗体进行选择；

F.通过高频变异算法对当前抗体群中的抗体进行演变；产生新抗体并且返回步骤B；

G.完成支持向量回归中的参数优化，得到训练完毕的人工免疫算法优化的支持向量回归模型。