[发明专利]基于流量和饱和度分析的SCATS线圈检测器自动诊断方法

摘要

一种基于流量和饱和度分析的SCATS线圈检测器自动诊断方法，构造训练集的步骤如下：1.1：给定日期，查询所有数据并按线圈分组；1.2：绘制每个线圈流量、饱和度的时间分布图，流量饱和度的关系图和流量与饱和度比值的直方图；1.3：计算统计量特征；1.4：将统计量和标注结果输出作为训练集；基于机器学习的线圈诊断的步骤如下：2.1：将训练集传入决策树分类器，对模型进行训练；2.2：选定需要进行线圈数据诊断的日期，检索目标数据；2.3：计算目标数据的统计特征，对目标数据进行描述；2.4：对目标数据对应的线圈工况和数据质量进行分类。本发明有效检测线圈检测器的工作状态和数据质量。

主权项

1.一种SCATS线圈检测器自动诊断方法，其特征在于：所述方法包括第一部分是构造标注的样本数据，为机器学习提供训练集；第二部分是基于机器学习方法对线圈工况及数据质量进行判断；/n第一部分中，构造训练集的步骤如下：/n步骤1.1：给定日期，查询所有数据并按线圈分组；/n步骤1.2：绘制每个线圈流量、饱和度的时间分布图V-t，DS-t，流量饱和度的关系图DS-V和流量与饱和度比值的直方图Freq(DS/V)；/n步骤1.3：计算V-t、DS-t、DS-V、Freq(DS/V)的一系列统计量特征，包括最大/最小值/均值/峰度/偏度和/或/5％/10％/50％/90％/95％累积概率分位数，并对线圈工况及数据质量进行标定；/n步骤1.4：将以上计算的统计量和标注结果输出作为后续方法的训练集；/n第二部分，基于机器学习的线圈诊断的步骤如下：/n步骤2.1：将上述训练集传入决策树分类器，对模型进行训练；/n步骤2.2：选定需要进行线圈数据诊断的日期，检索目标数据；/n步骤2.3：计算目标数据的统计特征，对目标数据进行描述；/n步骤2.4：对目标数据对应的线圈工况和数据质量进行分类。/n