[发明专利]基于隔离的飞机铅酸蓄电池异常检测半监督方法

权利要求书

1.基于隔离的飞机铅酸蓄电池异常检测半监督方法，其特征在于，包括以下步骤：

获取飞机铅酸蓄电池的性能数据，对这些数据使用相同时间间隔分别进行重采样，得到降维后的性能数据；

将降维后的性能数据分别进行t-SNE降维，并可视化为2维图像；

对不同品牌规格的铅酸蓄电池进行簇类划分；

对于不同簇类的电池，分别将相应的性能数据最大最小归一化到0与1之间；

选定某种簇类的某个带标签的性能数据，将其作为基于隔离的异常检测算法iForest或iNNE的输入，计算得到带标签的性能数据的异常值，并调节iForest或iNNE的算法参数，使得效果衡量标准AUC值达到最大；

将上一步计算得到的异常值进行排序，取真阳性率达到0.9以上时对应的异常值作为划分异常的阈值；

根据AUC值达到最大时对应的算法参数，计算无标签的性能数据的异常值，若该异常值高于划分异常的阈值，则判定其对应的电池为异常电池，反之，则判定其对应的电池为正常电池。

2.如权利要求1所述的基于隔离的飞机铅酸蓄电池异常检测半监督方法，其特征在于，电池的性能数据包括电池的电压、电阻。

3.如权利要求1所述的基于隔离的飞机铅酸蓄电池异常检测半监督方法，其特征在于，iForest或iNNE的参数为随机划分子样本的大小。

4.如权利要求1所述的基于隔离的飞机铅酸蓄电池异常检测半监督方法，其特征在于，iForest的实现步骤分为以下两个阶段：

(1)训练阶段

构建t个孤立二叉树组成的孤立森林，每颗孤立二叉树构建步骤为：

(1.1)从带标签的性能数据中随机选择个样本点作为子样本集，放入树的根节点；

(1.2)在子样本集中随机选择一个样本，然后在该样本中随机选择一个数据维度q，在当前选择的维度中随机产生一个切割点p，p介于当前选择的维度的最大值和最小值之间；将当前选择的维度中小于p的数据放在当前节点的左边，把大于等于p的数据放在当前节点的右边；

(1.3)重复执行(1.2)，直到样本不再可分或达到树的最大深度；

(2)评估阶段

根据路径长度计算每个测试样本的异常值：

其中n是测试样本数量，h(x)是测试样本x对于一颗孤立二叉树的路径长度，路径长度是从根到叶穿过孤立树的边数，E(h(x))为对h(x)的期望，平均路径长度H(n-1)＝ln(n-1)+欧拉常数。

5.如权利要求1所述的基于隔离的飞机铅酸蓄电池异常检测半监督方法，其特征在于，iNNE的实现步骤分为以下两个阶段：

(1)训练阶段

从最大最小归一化后的性能数据中随机选择个样本点作为子样本集，构建超球体；重复随机选择k次，构建k组超球体：

对于第i个子样本集S_i中的样本y，以S_i中的样本c为中心、半径为r(c)＝dist(c，η_c)的超球体P(c)定义为{y：dist(y，c)＜r(c)}，η_c表示c的最近邻，dist(c，η_c)表示c和η_c之间的距离，dist(y，c)表示y和c之间的距离；

(2)评估阶段

每个测试样本根据k组超球体进行评估，以生成异常值：

其中，测试样本z基于第i组超球体的异常值

6.如权利要求1所述的基于隔离的飞机铅酸蓄电池异常检测半监督方法，其特征在于，AUC值是以假阳性率为横坐标，真阳性率为纵坐标绘制而成的曲线下的面积，假阳性率FPR是指所有实际为阴性但被错误判定为阳性的样本所占的比例；真阳性率TPR是指所有实际为阳性并被正确判定为阳性的样本所占的比例，计算公式如下所示：

其中False Positive指的是实际为阴性但被错误判定为阳性的样本的数量；TrueNegative指的是实际为阴性并被正确判定为阴性的样本数量；True Positive指的是实际为阳性并被正确判定为阳性的样本数量；False Negative指的是实际为阳性但被错误判定为阴性的样本数量。