[发明专利]一种复杂机电系统服役模式自动识别方法

摘要

本发明公开了一种复杂机电系统服役模式自动识别方法，采用无监督聚类和多目标优化相结合的方法建立基于人工免疫算法的初始抗体库，计算抗体亲和度阈值，建立初始模式识别模型；利用人工免疫算法对测试数据集进行离群点检测，确定免疫反应类型，确定模式识别结果；基于增量学习，分别对连续离群点和抗体二次免疫进行计数，从而实现对模式识别抗体库的增加新抗体、删除无用抗体和修订已有抗体的操作，实现模式识别模型自动更新，本发明在数据识别和自动、自适应模型更新方面具有特殊优势，可以灵活有效地应用于复杂机电系统的服役模式识别，此外，本发明为复杂机电系统以及其他工程应用中的数据挖掘，模式发现，故障检测和状态预测提供了基础。

主权项

1.一种复杂机电系统服役模式自动识别方法，其特征在于，包括以下步骤：步骤1)模式识别训练数据收集：收集流程工业复杂机电系统运行状态历史监测数据，建立高维原始数据集，对收集到的数据进行标准化处理得到标准化训练数据集；步骤2)初始模式识别模型建模：依据步骤1)得到的标准化训练数据集，采用无监督聚类和多目标优化相结合的方法建立初始抗体库，计算初始抗体库中抗体的亲和度阈值，建立初始模式识别模型；步骤3)基于人工免疫算法的离群点检测：依据步骤2)建立的初始模式识别模型，采用人工免疫算法对测试数据集进行离群点检测，确定测试数据的免疫反应类型，确定测试数据的模式识别结果；步骤4)基于增量学习的模式识别模型更新：依据步骤3)的离群点检测结果，分别对连续离群点和抗体二次免疫进行计数，从而实现对模式识别抗体库的增加新抗体、删除无用抗体和修订已有抗体的操作，实现模式识别模型自动更新；步骤5)复杂机电系统实时模式识别：依据步骤4)更新后的模式识别模型，对复杂机电系统实时监测数据进行模式识别，将复杂机电系统服役模式划分为噪声数据、已有模式和新模式。