买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：宁波职业技术学院

摘要：本发明公开一种基于判别特征聚类分析的异常监测方法及装置，能从各个正常数据判别特征的角度对正常运行采样数据的变化特征进行全方位的提取。具体来讲，本发明涉及的异常监测方法通过对各个正常运行工况下的采样数据分别实施判别分析，再结合利用聚类分析对判别向量进行聚类，从而利用代表性的聚类簇的中心向量转换计算得到用于计算异常指标的中间矩阵和识别异常的阈值。本发明针对判别分析，聚类分析和转换计算分别公开了进一步的改进的技术方案，保证了正常变化特征分析的全面性。最后，本发明还依据相同的发明构思设计了一种异常监测装置，该装置保存并实时提供技术参数来实现对实时采样的样本数据进行异常监测，并提供实时的监测图像。

主权项：1.一种基于判别特征聚类分析的异常监测方法，包括以下所示步骤1至步骤5：步骤1、从化工过程正常运行的历史采样数据库中，至少获取500组采样数据，再对各组采样数据实施标准化处理后，按列组成数据矩阵X；步骤2、对数据矩阵X实施判别特征聚类分析，得到用于计算异常指标的中间矩阵H和用于识别异常的阈值步骤3、获取最新采样时刻t的一组采样数据，再对其实施标准化处理，从而得到最新采样时刻t的数据向量xt；步骤4、依据公式计算最新采样时刻t的异常指标后，再判断是否满足条件若是，则化工过程在最新采样时刻t运行正常，返回步骤3继续实施异常监测；若否，则执行步骤5；步骤5、返回步骤3继续利用最新采样时刻的一组采样数据实施异常监测，直至得到至少6个最新采样时刻的异常指标，若它们都大于阈值则触发异常警报；反之，则化工过程运行正常，返回步骤3继续实施异常监测；其特征在于：所述步骤2中实施判别特征聚类分析的过程依次包括判别特征分析阶段、聚类分析阶段和转换计算阶段；首先，所述判别特征分析阶段的实施过程是：依次设置编号n＝1,2,…,N，并同时实施列向量zn与参考矩阵Zn之间的判别分析得到相应的判别向量wn，从而最终得到N个判别向量w1,w2,…,wN；其中，zn表示所述X中的第n列向量，Zn表示由所述X中除第n列向量之外的列向量组成的参考矩阵，N为所述X中列向量的总数；其次，所述聚类分析阶段的实施过程包括：先设置聚类簇的个数等于K后，再利用均值聚类算法对N个判别向量w1,w2,…,wN实施聚类，得到K个聚类簇的中心向量c1,c2,…,cK；在实施聚类的过程中，依据公式sn,k＝|wnTck|计算各个判别向量与各个中心向量之间的隶属度，依次通过公式和更新第k个聚类簇的中心向量ck；其中，K为一个小于N2的正整数，sn,k表示wn与ck之间的隶属度，Jk表示第k个聚类簇归属的判别向量的总数，表示第k个聚类簇归属的第j个判别向量，sign表示符号函数，聚类簇编号k＝1,2,…,K，编号j＝1,2,…,Jk；最后，所述转换计算阶段的实施过程包括以下所示步骤2-1至步骤2-3：步骤2-1、将c1,c2,…,cK合并成特征转换矩阵C＝[c1,c2,…,cK]后，再依次通过公式U＝CTX、P＝XUTUUT-1、G＝I-PCT和Λ＝UUTN-1分别计算得分矩阵U、载荷矩阵P、误差生成矩阵G和协方差矩阵Λ；步骤2-2、设置权重系数ζu和ζe后，根据公式H＝CΛ-1CTζu+GGTζe计算中间矩阵H；步骤2-3、根据公式Φ＝diag{XTHX}计算异常指标向量Φ后，根据Φ中所有元素的平均值a和标准差b，确定用于识别异常的阈值

全文数据：

权利要求：

百度查询： 宁波职业技术学院 一种基于判别特征聚类分析的异常监测方法及装置