【技術(shù)實現(xiàn)步驟摘要】
：本專利技術(shù)涉及復雜裝備數(shù)據(jù)處理，具體的說是一種將具有約束的時間間隔感知時序插補網(wǎng)絡(luò)constrained?interval-aware?temporal?imputation?network，citin應用于復雜工業(yè)裝備數(shù)據(jù)填補、降低后續(xù)數(shù)據(jù)處理過程中神經(jīng)網(wǎng)絡(luò)在填補過程中生成不合理值的可能性，提高工業(yè)設(shè)備數(shù)據(jù)處理準確性和穩(wěn)定性的基于citin的復雜裝備數(shù)據(jù)處理方法。
技術(shù)介紹
0、
技術(shù)介紹
：
1、傳感器對環(huán)境狀況和機器狀態(tài)的準確采集促進了面向復雜裝備的狀態(tài)監(jiān)測和健康管理的實施。通過在設(shè)計過程中加裝大量傳感器，研究人員可以監(jiān)控復雜裝備在使用過程中的狀態(tài)，從而為后續(xù)的維修保障工作提供依據(jù)。然而，由于傳感器運行期間可能的故障、人工操作階段的的疏忽、多部門信息共享的條例，導致所獲得的狀態(tài)數(shù)據(jù)可能存在缺失。這種數(shù)據(jù)不完整的問題給后續(xù)的分析工作帶來了困難。
2、處理包含缺失值的數(shù)據(jù)有多種方式，直接刪除包含缺失值的部分數(shù)據(jù)是最簡單且容易操作的，但這并非在所有場景中都適用，尤其是如航空發(fā)動機運行數(shù)據(jù)之類的時間序列數(shù)據(jù)。因為多元時間序列的數(shù)據(jù)特征，表現(xiàn)為時間上的連續(xù)性，以及不同變量之間的相關(guān)性，如果直接刪除一些數(shù)據(jù)，那么就可能打斷這種連續(xù)的關(guān)系，導致后續(xù)工作出現(xiàn)較大的偏差。對于航空發(fā)動機數(shù)據(jù)而言，缺少某些航班的全部數(shù)據(jù)可能會導致后續(xù)的異常檢測、故障診斷、壽命預測工作難以展開。因此，填補包含缺失值的數(shù)據(jù)被視為對航空發(fā)動機不完整性能數(shù)據(jù)更好的處理方式。
3、使用統(tǒng)計學方法填補缺失值是在工業(yè)中最為普遍，因其具有較好
4、現(xiàn)有技術(shù)中，基于循環(huán)神經(jīng)網(wǎng)絡(luò)(recurrent?neural?network，rnn)的方法普遍被用于填補。這種方法首先采用簡單的統(tǒng)計學方法(如均值填補、前向填充、三次樣條插值法等)初步填補缺失值，然后使用填補后的完整數(shù)據(jù)訓練rnn。當前方法應用于航空發(fā)動機，主要存在兩個問題。首先，當前神經(jīng)網(wǎng)絡(luò)在實際工業(yè)數(shù)據(jù)中效果不穩(wěn)定，有時會出現(xiàn)填補值超出正常數(shù)值范圍的現(xiàn)象，即產(chǎn)生不合理的填補值。雖然可以在填補完成后對不合理值統(tǒng)一處理，但這種處理方式并沒有解決填補時的問題，而是為解決不合理值重新填補了一個特征值。其次，航空發(fā)動機的使用時長在每個航班中不完全相同，且在每個航班中多種不同時長的工況相互累積。對于民航飛機來說，一個完整的飛行過程主要包括起飛、爬升、巡航、下降和降落(takeoff,climb,cruise,descent,landing)，在一些特殊情況下還包括復飛、盤旋等待(go-around,holding)，地面試車等。在這些狀態(tài)中，多種不同之處導致相鄰的兩個航班數(shù)據(jù)實際的運行時長和性能衰退情況不一致。而傳統(tǒng)填補方法處理等間隔采樣數(shù)據(jù)的情況并不相同。
技術(shù)實現(xiàn)思路
0、
技術(shù)實現(xiàn)思路
：
1、本專利技術(shù)針對現(xiàn)有技術(shù)中存在的缺點和不足，提出了一種能夠有效減少出現(xiàn)不合理值的可能性的基于citin的復雜裝備數(shù)據(jù)處理方法。
2、本專利技術(shù)通過以下措施達到：
3、一種基于citin的復雜裝備數(shù)據(jù)處理方法，其特征在于，包括以下步驟：
4、步驟1：獲取原始數(shù)據(jù)；
5、步驟2：數(shù)據(jù)預處理：分割數(shù)據(jù)集，獲得測試集和訓練集，將原始數(shù)據(jù)序列按照訓練集、驗證集和測試集拼接，使用訓練集數(shù)據(jù)為標準，進行標準化和歸一化，弱化特征維度中的數(shù)據(jù)差異，提升神經(jīng)網(wǎng)絡(luò)的填補效果，使用滑動窗口將不等長的數(shù)據(jù)切割到相同長度，便于輸入到神經(jīng)網(wǎng)絡(luò)中；
6、步驟3:建立填補網(wǎng)絡(luò)模型，并進行訓練，所述填補網(wǎng)絡(luò)模型在gru基礎(chǔ)上，引入transformer對時間間隔信息進行處理，并將結(jié)果結(jié)合缺失標記矩陣用于調(diào)整缺失部分的隱狀態(tài)和輸入的權(quán)重，構(gòu)成時間間隔感知時序插補網(wǎng)絡(luò)，其次，將分段三次hermite插值多項式pchip引入時間間隔感知時序插補網(wǎng)絡(luò)的訓練過程，約束填補結(jié)果生成范圍；
7、在訓練時，首先將不完整的訓練集輸入兩個時間間隔感知時序插補網(wǎng)絡(luò)，用于獲取網(wǎng)絡(luò)輸出的重構(gòu)數(shù)據(jù)和臨時填補數(shù)據(jù)，然后將重構(gòu)數(shù)據(jù)與原數(shù)據(jù)的mae作為損失函數(shù)的一部分，將兩個網(wǎng)絡(luò)填補結(jié)果的一致性的mae作為損失函數(shù)的一部分，將兩組填補結(jié)果取平均后，作為訓練階段的臨時填補結(jié)果，隨后將不完整數(shù)據(jù)輸入pchip單元，形成臨時填補數(shù)據(jù)，將臨時填補結(jié)果與pchip單元的填補結(jié)果的mse作為損失函數(shù)的一部分，共同優(yōu)化兩個時間間隔感知時序插補網(wǎng)絡(luò)的網(wǎng)絡(luò)參數(shù)；步驟4：填補網(wǎng)絡(luò)的應用：首先將測試數(shù)據(jù)輸入到已經(jīng)訓練完成的兩個時間間隔感知時序插補網(wǎng)絡(luò)中，用于獲取重構(gòu)數(shù)據(jù)和臨時填補數(shù)據(jù)，然后對兩個網(wǎng)絡(luò)中的臨時填補結(jié)果取平均，即可作為測試集最終的填補結(jié)果
8、本專利技術(shù)所述填補網(wǎng)絡(luò)模型的輸入包括不完整數(shù)據(jù)x、缺失標記矩陣m、時間間隔矩陣δ和絕對時間s，多元時間序列為不完整數(shù)據(jù)，其中t為數(shù)據(jù)在時間維度的長度，d為數(shù)據(jù)的特征維度，缺失標記矩陣m為標記原數(shù)據(jù)x的數(shù)據(jù)缺失的位置，形狀與x相同，對于t時刻第d維的數(shù)據(jù)有
9、
10、δ表示為x的時間間隔矩陣，形狀與x相同，時間間隔矩陣δ對于每個維度都分別計算，對應位置的計算規(guī)則包括三條：首先，第一個時間戳的時間間隔δ1被設(shè)定為0；其次，對于后續(xù)的時間戳t，若該時間戳的前一個時間戳對應維度的樣例序列x存在數(shù)據(jù)，則將當前絕對時間與t-1的絕對時間相減作為δ對應的數(shù)值；最后，若該t-1對應位置上x的數(shù)據(jù)為空，在將當前絕對時間與t-1絕對時間相減的基礎(chǔ)上，還要加上前一個時間戳的時間間隔數(shù)值，δ在t時刻第d維的計算表示為
11、其中，st表示在第t時刻的絕對時間；表示t時刻第d維的時間間隔矩陣。
12、本專利技術(shù)中填補網(wǎng)絡(luò)模型的輸入數(shù)據(jù)在手動遮掩后的數(shù)據(jù)被標記為這些數(shù)據(jù)的位置使用指示矩陣i來標記，指示矩陣形狀與原始數(shù)據(jù)相同，在觀測值數(shù)值存在，但在實際使用時被隱藏用于預測的數(shù)據(jù)位置表示為1，在其余位置表示為0，指示矩陣i在t時刻第d維表示為：
13、
14、本專利技術(shù)所述填補網(wǎng)絡(luò)模型包括兩個時間間隔感知時序插補網(wǎng)絡(luò)，兩個網(wǎng)絡(luò)一個用于從訓練數(shù)據(jù)的正向捕捉規(guī)律，另一個從反向捕捉規(guī)律，兩個網(wǎng)絡(luò)各自提供一個臨時填補結(jié)果，還設(shè)有pchip單元，用于統(tǒng)計學方法填補結(jié)果的計算，兩個時間間隔感知時序插補網(wǎng)絡(luò)的輸入包括原始數(shù)據(jù)x、時間間隔矩陣δ和缺失標記矩陣m，第一個時間間隔感知時序插補網(wǎng)絡(luò)init1為從首個時間戳開始，依次處理每個時間戳的所有特征直到最后一個，代表在時間維度上正向捕捉數(shù)據(jù)關(guān)系的過程，將經(jīng)過init結(jié)構(gòu)的隱藏層ht輸入到下一層，將每一步中的輸出c1～ct按照時間維度拼接起來，temporary?imputed?data1即表示為
1本文檔來自技高網(wǎng)...
【技術(shù)保護點】
1.一種基于CITIN的復雜裝備數(shù)據(jù)處理方法，其特征在于，包括以下步驟：
2.根據(jù)權(quán)利要求1所述的基于CITIN的復雜裝備數(shù)據(jù)處理方法，其特征在于，所述填補網(wǎng)絡(luò)模型的輸入包括不完整數(shù)據(jù)X、缺失標記矩陣M、時間間隔矩陣Δ和絕對時間s，多元時間序列為不完整數(shù)據(jù)，其中T為數(shù)據(jù)在時間維度的長度，D為數(shù)據(jù)的特征維度，缺失標記矩陣M為標記原數(shù)據(jù)X的數(shù)據(jù)缺失的位置，形狀與X相同，對于t時刻第d維的數(shù)據(jù)有
3.根據(jù)權(quán)利要求1所述的基于CITIN的復雜裝備數(shù)據(jù)處理方法，其特征在于，填補網(wǎng)絡(luò)模型的輸入數(shù)據(jù)在手動遮掩后的數(shù)據(jù)被標記為這些數(shù)據(jù)的位置使用指示矩陣I來標記，指示矩陣形狀與原始數(shù)據(jù)相同，在觀測值數(shù)值存在，但在實際使用時被隱藏用于預測的數(shù)據(jù)位置表示為1，在其余位置表示為0，指示矩陣I在t時刻第d維表示為：
4.根據(jù)權(quán)利要求3所述的基于CITIN的復雜裝備數(shù)據(jù)處理方法，其特征在于，所述填補網(wǎng)絡(luò)模型包括兩個時間間隔感知時序插補網(wǎng)絡(luò)，兩個網(wǎng)絡(luò)一個用于從訓練數(shù)據(jù)的正向捕捉規(guī)律，另一個從反向捕捉規(guī)律，兩個網(wǎng)絡(luò)各自提供一個臨時填補結(jié)果，還設(shè)有PCHIP單元，用于統(tǒng)計學方法
5.根據(jù)權(quán)利要求4所述的基于CITIN的復雜裝備數(shù)據(jù)處理方法，其特征在于，時間間隔感知時序插補網(wǎng)絡(luò)對于每一個時刻所有特征維度數(shù)據(jù)的處理方法，除了每一個時間戳的原始輸入，還包含歷史時間戳傳遞的信息，其中Ht-1代表前一個時間戳傳遞的隱藏特征，在處理首個時間戳時，歷史時間戳傳遞的Ht-1被設(shè)置為0，以下為每個時間戳數(shù)據(jù)處理的具體流程：Step①：對上一層的隱變量經(jīng)過一個線性層降維后轉(zhuǎn)換為xh，xh的尺寸與輸入x相同；
6.根據(jù)權(quán)利要求5所述的基于CITIN的復雜裝備數(shù)據(jù)處理方法，其特征在于，Step③中，整體輸入為δ，為每個時間戳的多傳感器數(shù)據(jù)時間間隔向量；輸出為時間衰減因子γx，引入自注意力機制增強網(wǎng)絡(luò)輸入對于時間間隔的感知，提高對GRU的隱變量和輸入權(quán)重之前權(quán)衡能力，所述自注意力機制增強網(wǎng)絡(luò)的左側(cè)為一個基本的線性層，用于生成一個臨時的γ，計算方法為：
7.根據(jù)權(quán)利要求6所述的基于CITIN的復雜裝備數(shù)據(jù)處理方法，其特征在于，Step③中中，在GRU中，隱狀態(tài)Ht-1和輸入Xi得到了更進一步的處理，GRU包含一個重置門Rt和一個更新門Zt，重置門的用途是計算候選隱狀態(tài)更新門的用途是作為權(quán)重，調(diào)整在新生成的Ht中，Ht-1和的權(quán)重，二者的結(jié)構(gòu)都是使用Sigmoid(·)激活函數(shù)的兩個全連接層，表示為
8.根據(jù)權(quán)利要求7所述的基于CITIN的復雜裝備數(shù)據(jù)處理方法，其特征在于，所述PCHIP單元用于對數(shù)據(jù)的平滑插值處理，具體為：在每兩個觀測值時間戳的區(qū)間構(gòu)造一個三次多項式，并使得這些多項式在觀測值上都具有相同的數(shù)值和導數(shù)，包括四個步驟：拆分原始輸入以提供不完整序列的數(shù)據(jù)；計算數(shù)據(jù)中每個已存在點的導數(shù)，確保數(shù)據(jù)點在左右兩側(cè)導數(shù)一致；在每個區(qū)間構(gòu)造三次Hermite多項式，并確保在每個數(shù)值對應的位置都有相同的函數(shù)值和導數(shù)值；使用三次多項式計算任意位置的插值結(jié)果。
...【技術(shù)特征摘要】
1.一種基于citin的復雜裝備數(shù)據(jù)處理方法，其特征在于，包括以下步驟：
2.根據(jù)權(quán)利要求1所述的基于citin的復雜裝備數(shù)據(jù)處理方法，其特征在于，所述填補網(wǎng)絡(luò)模型的輸入包括不完整數(shù)據(jù)x、缺失標記矩陣m、時間間隔矩陣δ和絕對時間s，多元時間序列為不完整數(shù)據(jù)，其中t為數(shù)據(jù)在時間維度的長度，d為數(shù)據(jù)的特征維度，缺失標記矩陣m為標記原數(shù)據(jù)x的數(shù)據(jù)缺失的位置，形狀與x相同，對于t時刻第d維的數(shù)據(jù)有
3.根據(jù)權(quán)利要求1所述的基于citin的復雜裝備數(shù)據(jù)處理方法，其特征在于，填補網(wǎng)絡(luò)模型的輸入數(shù)據(jù)在手動遮掩后的數(shù)據(jù)被標記為這些數(shù)據(jù)的位置使用指示矩陣i來標記，指示矩陣形狀與原始數(shù)據(jù)相同，在觀測值數(shù)值存在，但在實際使用時被隱藏用于預測的數(shù)據(jù)位置表示為1，在其余位置表示為0，指示矩陣i在t時刻第d維表示為：
4.根據(jù)權(quán)利要求3所述的基于citin的復雜裝備數(shù)據(jù)處理方法，其特征在于，所述填補網(wǎng)絡(luò)模型包括兩個時間間隔感知時序插補網(wǎng)絡(luò)，兩個網(wǎng)絡(luò)一個用于從訓練數(shù)據(jù)的正向捕捉規(guī)律，另一個從反向捕捉規(guī)律，兩個網(wǎng)絡(luò)各自提供一個臨時填補結(jié)果，還設(shè)有pchip單元，用于統(tǒng)計學方法填補結(jié)果的計算，兩個時間間隔感知時序插補網(wǎng)絡(luò)的輸入包括原始數(shù)據(jù)x、時間間隔矩陣δ和缺失標記矩陣m，第一個時間間隔感知時序插補網(wǎng)絡(luò)init1為從首個時間戳開始，依次處理每個時間戳的所有特征直到最后一個，代表在時間維度上正向捕捉數(shù)據(jù)關(guān)系的過程，將經(jīng)過init結(jié)構(gòu)的隱藏層ht輸入到下一層，將每一步中的輸出c1～ct按照時間維度拼接起來，temporary?imputed?data1即表示為
5.根據(jù)權(quán)利要求4所述的基于citin的復雜裝備數(shù)據(jù)處理方法，其特征在于，時間間隔感知時序插補網(wǎng)絡(luò)對于每一個時...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：鐘詩勝，吳昊澤，趙明航，付旭云，張永健，
申請(專利權(quán))人：哈爾濱工業(yè)大學威海，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。