[发明专利]面向多参数系统异常工作状态检测的方法和系统

权利要求书

1.一种面向多参数系统异常工作状态检测的方法，其特征在于，包括：

获取所述多参数系统中与各控制参数对应的时空数据流；

采用预设的窗口技术将各控制参数对应的时空数据流划分成连续的等时间间隔序列；

以所述各时间间隔内的数据流均值测定各时间间隔对应的概要数据信息；各概要数据信息以所述时间间隔内与各控制参数相关的所有观测值的均值测定；

基于双层粒子群算法预先获取的计算权重，加权融合同标号时间间隔内的概要数据信息；

基于各控制参数变化幅度的加权结果检测在所述多参数系统中是否存在表征异常工作状态的集体离群点数据模式；

其中，采用预设的窗口技术将各控制参数对应的时空数据流划分成连续的等时间间隔序列，包括：

以目标特征的观测值的采集频率为基准，用不同尺寸的时间窗口将多参数系统中各控制参数对应的时空数据流划分成连续的等时间间隔序列；在相同标号的时间窗口内，目标特征的观测值与各参数的观测值一一对应；

所述预先获取的计算权重通过以下步骤获取：

基于预设关联分析方法，获取同标号的时间间隔内各控制参数对多参数系统输出之间的影响关系，以及各控制参数与其它控制参数之间的影响关系，包括：

根据下式计算相关性系数，所述相关性系统用于度量不同控制参数与输出目标特征之间相关性的强弱；

变量表示第i个控制参数X_i的所有概要数据信息的均值，y_n表示输出目标特征Y的观测值的均值；

根据下式，基于多元回归分析度量各个控制参数与其它控制参数之间的相关性；

表示任一控制参数观测值的变化，变量ε为常数项，ζ为随机误差项，向量表示控制参数X_i的变化受其它控制参数影响的相关系数；

依次对每个控制参数进行多元回归分析，得出各控制参数之间的相关性矩阵；

基于预设的双层粒子群算法，对各种影响关系的权重进行循环优化直至满足设定条件，得到计算权重；

所述多参数系统包括汽车制造企业涂装车间的阴极电泳工艺流程多参数系统输出：车身平均膜厚度；多参数系统控制参数：固体分，pH值，电导率，颜基比，助溶剂，温度，酸浓度；

基于历史工艺数据拟合多个控制参数对系统输出的影响权重；基于拟合出的权重，对未知数据进行检测，获取由多个控制参数共同构成的异常模式；即在多数据流中检测是否出现这样的集体离群点模式：单个控制参数的变化幅度正常，但当多个控制参数变化幅度按一定权重融合分析时，整体变化幅度超过正常水平。

2.根据权利要求1所述的方法，其特征在于，所述预设的双层粒子群算法包括外层粒子群算法和内层粒子群算法，其中

所述外层粒子群算法用于加权计算各控制参数的变化对目标特征的变化的影响；所述内层粒子群算法用于构建所述影响与其它参数变化的关系。

3.根据权利要求2所述的方法，其特征在于，所述预设的双层粒子群算法通过以下步骤获取：

基于指定的度量目标，用不同尺寸的时间窗口将所述多参数系统中各控制参数对应的异质数据流划分成连续的等时间间隔序列，以及提取时间间隔内的概要数据信息；

基于历史样本数据，通过相关性分析确定各控制参数与指定的度量目标之间的相关关系，以及各控制参数之间的相关关系；

根据各控制参数之间的相关关系以及各控制参数与指定的度量目标之间的相关关系构建双层粒子群算法；

通过内外层粒子群算法循环迭代，优化各控制参数对指定的度量目标以及其他参数之间的影响权重，将所述影响权作为计算权重。

4.根据权利要求3所述的方法，其特征在于，各控制参数与指定的度量目标之间的相关关系构建外层粒子群算法包括：

基于下式，构建控制参数与输出目标之间的关系：

F′＝w₁f(X₁)+w₂f(X₂)+……+w_if(X_i)，

minZ＝F-F′；

其中函数f(X_i)表示控制参数X_i的变化对目标特征变化的影响，序列表示各个控制参数变化对目标特征变化的影响权重。