一種基于無量綱特征結(jié)合虛擬樣本的異常點檢測方法

基本信息

申請?zhí)?/td> CN202111399279.1 申請日 -
公開（公告）號 CN113822257A 公開（公告）日 2021-12-21
申請公布號 CN113822257A 申請公布日 2021-12-21
分類號 G06K9/00（2006.01）I;G06K9/62（2006.01）I 分類 計算；推算；計數(shù);
發(fā)明人 胡勇;彭六保;曾志生;荊云硯 申請（專利權(quán)）人 航天智控（北京）監(jiān)測技術(shù)有限公司
代理機構(gòu) 北京巨弘知識產(chǎn)權(quán)代理事務(wù)所（普通合伙） 代理人 趙洋
地址 100095北京市海淀區(qū)紫雀路55號院9號樓六層101-37
法律狀態(tài) -

摘要

摘要 本發(fā)明提供一種基于無量綱特征結(jié)合虛擬樣本的異常點檢測方法，首先通過提取振動信號的無量綱參數(shù)降低不同設(shè)備對異常樣本的影響，再通過數(shù)據(jù)標準化消除不同特征之前的尺度影響，然后通過對異常樣本的支持向量應(yīng)用虛擬樣本技術(shù)獲得一定數(shù)量的虛擬樣本，提高了訓(xùn)練樣本數(shù)量，利用支持向量機訓(xùn)練模型，提高訓(xùn)練模型的推廣能力提高了分類模型的推廣能力。本方法利用時域無量綱特征建模，消除不同設(shè)備振動數(shù)據(jù)的尺度影響，利用支持向量的稀疏性進行插值獲取足夠多虛擬樣本，使插值后的樣本和原有樣本的保持近似一致的概率分布；基于支持向量機建立分類模型，對小樣本學(xué)習(xí)具有很好的泛化性能，提高了異常振動信號識別的魯棒性，可有效用于實時工業(yè)監(jiān)測。