[发明专利]一种基于有效性指标的特征选择方法与系统

权利要求书

1.一种基于有效性指标的特征选择方法，其特征在于，包括以下步骤：

(1)通过传感器采集设备的运行数据，对采集到的运行数据进行预处理，获得至少一组设备的全生命周期特征数据；

(2)利用特征提取方法求取表征数据信号的多个特征向量；

(3)对多个特征向量进行退化性指标计算、单调性指标计算、鲁棒性指标计算和一致性指标计算，分别得到每个特征向量的退化性指标、单调性指标、鲁棒性指标和一致性指标；

(4)对每个指标的权重设置权重系数，通过加权计算得到综合权重指标；

(5)将计算得到的综合权重指标与设定的权重阈值比较，去除综合权重指标小于权重阈值的特征后作为有效性特征。

2.根据权利要求1所述的一种基于有效性指标的特征选择方法，其特征在于，退化性指标的计算步骤包括：

(1.1)设计自定义的线性以及非线性的特征变化模式；

(1.2)分别求提取的特征向量与不同的特征变化模式之间的相关系数；

(1.3)定义求得的最大的相关系数为该特征的退化性指标；

(1.4)当存在M(M1)组全生命周期数据时，定义退化性指标：

其中，Trend_m为该特征的第m个全生命周期样本的退化性指标(m＝1,2,…,M)，sign为符号函数；并且/或者

单调性指标的计算步骤包括：

(2.1)对特征进行滑窗处理，对每个窗的数据进行拟合，进行平滑处理，然后得到第i个窗的数据的平均斜率k_i；

(2.2)单调性指标定义为

(2.3)当存在M(M1)组全生命周期数据时，取多组样本中的最小单调性指标作为整体的单调性指标，定义为：

monotonicity＝min(mon_m),m＝1,2,...,M

其中mon_m为第m组全生命周期特征数据的单调性指标；并且/或者

鲁棒性指标的计算步骤包括：

(3.1)对特征数据进行拟合或平滑处理，得到拟合或者平滑后的特征Y_k(k＝1,2,...,N)，原始特征记为X_k(k＝1,2,...,N)；

(3.2)计算鲁棒性指标：

(3.3)当存在M(M1)组全生命周期数据时，取多组样本中的最小鲁棒性指标作为整体的鲁棒性指标，定义：

Robustness＝min(rob_m),m＝1,2,...,M

其中，rob_m为第m组全生命周期特征数据的鲁棒性指标；并且/或者

一致性指标的计算步骤包括：

(4.1)对特征数据进行拟合，得到拟合后的特征Y_k(k＝1,2,...,N)，定义FT＝Y_N，ST＝Y₁；

(4.2)当有M组(M1)全生命周期特征数据时，计算一致性指标：

其中，m＝1,2,…,M。

3.根据权利要求1和2所述的一种基于有效性指标的特征选择方法，其特征在于，综合权重指标的计算步骤包括：

(5.1)当只有一组全生命周期特征数据时，定义综合权重指标为：

Feature_effective_Index＝ω₁*trend+ω₂*mon+ω₃*rob

(5.2)当存在多组全生命周期特征数据时，定义综合权重指标为：

Feature_effective_Index＝ω₁*trend+ω₂*mon+ω₃*rob+ω₄*con

其中，trend为退化性指标，mon为单调性指标，rob为稳定性指标，con为一致性指标，ω_i(i＝1,2,3,4)分别为各个指标的权重。