CN115293274B 一种基于对抗交替型滑动窗口的时间序列突变点检测方法 （杭州电子科技大学）

一种基于对抗交替型滑动窗口的时间序列本发明公开了一种基于对抗交替型滑动窗分序列定位；根据AUC检测阈值将可能存在突变待检测时序数据点所在交替窗口的滑动均值与2S1：对由传感器采集的旋转机械设备不同状态下的表示子序列中第i个分序列的突变S2_2：定义子序列中第i个分序列的检测权重为rF),子序列的累加权重为r(s,),截取子序列Sn的对抗型窗口大小wn依据公式(3)进tae[0,6](6)32.根据权利要求1所述的一种基于对抗交替型滑动窗口的时间序列突变点检测方法，3.根据权利要求1所述的一种基于对抗交替型滑动窗口的时间序列突变点检测方法，S3_1：对于子序列以相邻两个分序列构建正负对抗训练样本集"3,4[0002]随着科学技术和现代化工业的飞速发展，工业生产的机械电子设备正朝着智能时间序列突变点的检测准确率与效率是目前需要着[0012](1)从工业过程中实时采集的一条长度为T的过程变量时间序列表示为：X=5于公式(1)中的max_min加窗归一化方法将其映射到[0,1]区间[0017](1)对于子序列将其按照时间顺序从左到右划分为相同长度的4个分序列，表LTR(S)表示子序列中第i个分序列i(i=1,2,3,4)[0018](2)定义子序列中第i个分序列的检测权重为子序列的累加权重为r(F,),由公式(2)计算得到：n的对抗型窗口大小wn可依据公式(3)进行自适应调整：[0023](1)对于子序列以相邻两个分序列构建正负对抗训练样本集[0024](2)对于S5)中的正负对抗样本集合基于支持向量机(SVM)构建二分类[0025](3)根据训练样本集基于支持向量机(SVM)构建二分类模型，作为6SVM模型分类准确率越高；若0.3SAUC(",53)S0[0030](1)对于中的任一个数据点利用长度为d(学sds学)的交替型窗口截取关于的数据集为定义dt的异常判定阈值为",:}其局部检测结果LTR(F,),利用步骤S2获取下一轮对抗窗口的宽度wn+1，自适应截取子序列7[0047]图3(a)(c)是本发明的方法实施例中由传感器采集的旋转机械设备不同状态下[0052]如图1所示，本发明基于从电机转子的正常状态与四种转子不平衡故障状态下采息源(传感器)会导致特定频率成分幅值的增加8口截取的得到子序列初始分序列检测权重为局部检测结果为初始LTR(F)=0,若在分序列中检测到突变突变点检测情况；定义子序列瓦中第i个分序列的检测权重为rs),子序列5,的为r(,),由公式(2)计算得到：[0064]初始大小为w1的对抗型窗口滑动过程中根据公式(3)进行自适应调整，窗口调整点与未检测到突变点的概率接近，窗口大小w保持不变；当r(s,)e11,15]时，表示未检测到[0067]S3：对于子序列以相邻两个分序列构建正负对抗训练样本集对抗检验流程如图5所示；0.3sducc(s",:3)s0.7时，模型的分类性差，无法将正负样本区分开，表明与属于同一9ae[0,6](6)[0081](4)利用步骤S3～S4对中的数据点进行突变点检测结束后，以分序列为平均绝对误差，表示检测出的各突变点与实际突变点之间距离的和与突变点数量的比