[发明专利]监控数据故障检测方法及系统

说明书

本发明提供一种监控数据故障检测方法及系统。该方法包括：对待测监控数据进行标准化处理；对待测监控数据进行采样，以得到采样数据；根据采样数据构造过去向量与将来向量，并计算关于采样数据的过去核矩阵和将来核矩阵；对所述过去核矩阵和所述将来核矩阵进行标准化处理，并根据预设离线模型计算与状态空间和残差空间相对应的统计量；将统计量与预设控制限进行对比，当判断任意时刻所述统计量大于所述控制限时，判定所述待测监控数据存在故障。本实施例结合了KCVA方法与LPP方法，弥补了KCVA方法忽略局部结构信息的缺陷，通过LPP方法对映射到高维空间的数据进行了一定程度的约束，使得数据即使映射到了高维空间，依然可以保留在低维空间中的流形结构。

技术领域

本发明涉及监控数据处理技术领域，尤其涉及一种监控数据故障检测方法 及系统。

背景技术

KCVA可以看作是一种侧重全局结构信息而忽略局部结构信息的非线性 数据降维方法，尽管它可以同时解决数据的非线性以及动态性问题，但是在 KCVA方法中，数据被核函数映射到高维空间后，极有可能造成数据的发散而 导致大量细节信息的丢失，从而影响KCVA方法在故障检测中的效果。而近 些年兴起的流形学习算法，能够有效地提取局部特征信息。流形是局部具有欧 式空间性质的空间，流形学习是指在高维空间中嵌入低维流形结构，以便保留 数据在低维空间中的性质以及数据之间的信息，更好地解释数据背后隐藏的深 层次联系。LPP作为一种广为熟知的流形学习方法，由于巧妙地结合了拉普拉 斯特征映射，能够有效地保留投影后的高维数据在原有空间内的局部结构。

现有的故障检测方法大多只考虑全局结构信息，而忽略了不同数据点之间 的局部结构信息。然而，局部结构信息在数据挖掘和特征提取中同样起着重要 的作用。

发明内容

本发明解决的技术问题是提供一种基于局部核规范变量分析(LPP-KCVA) 的监控数据故障检测方法及系统。

为解决上述技术问题，本发明提供的监控数据故障检测方法，所述方法包 括：

对待测监控数据进行标准化处理；

对所述待测监控数据进行采样，以得到采样数据；

根据所述采样数据构造过去向量与将来向量，并计算关于所述采样数据的 过去核矩阵和将来核矩阵；

对所述过去核矩阵和所述将来核矩阵进行标准化处理，并根据预设离线模 型计算与状态空间和残差空间相对应的统计量；

将所述统计量与预设控制限进行对比，当判断任意时刻所述统计量大于所 述控制限时，判定所述待测监控数据存在故障。

优选的，所述对待测监控数据进行标准化处理的步骤之前，所述方法还包 括：

获取无量纲数据，分别选取第一滞后量和第二滞后量，以构造过去向量与 将来向量，并构造过去汉克尔矩阵和将来汉克尔矩阵；

选取径向基核函数，并计算过去核矩阵和将来核矩阵；

分别对所述过去核矩阵和所述将来核矩阵进行矩阵计算，以得到第一拉普 拉斯矩阵和第二拉普拉斯矩阵；

根据优化公式计算α和β的参数值。

优选的，所所述分别对所述过去核矩阵和所述将来核矩阵进行矩阵计算的 步骤包括：

利用k-近邻法分别对所述过去核矩阵和所述将来核矩阵进行权值计算，以 得到第一权值矩阵和第二权值矩阵；

根据所述第一权值矩阵和所述第二权值矩阵计算度矩阵，以得到第一度 矩阵和第二度矩阵；

根据所述第一权值矩阵、所述第二权值矩阵、所述第一度矩阵和所述第二 度矩阵以计算所述第一拉普拉斯矩阵和所述第二拉普拉斯矩阵。

优选的，所所述优化公式为：