CN119045448B Dcs控制器可信状态感知方法及系统 （安徽淮南洛能发电有限责任公司）

本发明提供一种DCS控制器可信状态感知方获取DCS控制器多个时间窗口内的多模态异构数2获取DCS控制器多个时间窗口内的多模态异构数据，采用多视角子空间学习方法对每采用多视角子空间学习方法对每个时间窗口的多模态异构数据进行特基于多视角子空间学习方法，通过子空间映射矩阵，将各模态的基于各模态所述子空间表示与预设的一致性表示之间的重构基于所述最优子空间映射矩阵，将各模态所述特征表示矩阵映射到公共3F表示Frobenius范数，Ecomplexity表示复杂度正则3表示局部流形结构保持项的权重系数。迭代每个样本点，作为参考样本点，选取局部密度大于参考样本点的计算每个样本点对应的局部密度和最小距离因子的乘积，确定每个样本点的乘积因确定所述乘积因子差的中位数，确定中心阈值，提取所述计算所有非聚类中心对应的成员样本点到各聚类中心的距离基于每个聚类簇，计算簇内每个成员样本点到聚类中心的个体距离4将所述控制器状态异常度量，通过预先构建的高斯隶属函数，基于预先构建的一组可信状态的等级标准云，计算所述综合评估云与o表示语言值特征o的熵；5其中，所述处理器被配置为调用所述存储器存储的指令，以执行序指令被处理器执行时实现权利要求1至66[0001]本发明涉及数据感知与分析技术领域，尤其涉及一种DCS控制器可信状态感知方足，而机器学习算法应用于工业设备的健康状态评估时又缺乏对多源异构数据的综合利[0005]本发明实施例提供一种DCS控制器可信状态感知方法及系统，能够解决现有技术[0008]获取DCS控制器多个时间窗口内的多模态异构数据，采用多视角子空间学习方法7[0017]基于所述最优子空间映射矩阵，将各模态所述特征表示3表示局部流形结构保持项的权重系数。89uoa表示样本点a的异常度量对语言值特方法对每个时间窗口的多模态异构数据进行特征提取，将不同模态数据映射到公共子空[0086]基于所述最优子空间映射矩阵，将各模态所述特征表示构意味着在数据映射和降维过程中，要保留相邻或相似样本点之间的局部关系和相对位系引入到公共子空间中，要求在子空间中的加权距离尽可能与原始空间中的加权距离相[0102]利用求得的最优子空间映射矩阵，将每个模态的特征表示矩阵映射到公共子空解码器子网络与编码器子网络结构对称，用于从深层特征空间重构出原始的中间融合特保数据在公共子空间中保留原始结构特征，提高模型在不同模态数据上的一致性和鲁棒3表示局部流形结构保持项的权重系数。点在一定距离范围内的邻居数量来表示。局部密度高的数据点位于数据分布的密集区域，[0114]所述控制器状态异常度量具体是指用于评估DCS控制器运行状态是否异常的指标系统对异常状态的敏感性和准确性；自适应异常度量算法能够根据数据的实际分布情况，[0125]所述正常簇具体是指聚类簇中数据点的特征表现出正常模式和行为的数据点集[0126]所述异常簇具体是指聚类簇中数据点的特征表现出异常模式和行为的数据点集[0131]将所有样本点按照乘积因子进行降序排列，计算相邻样常度量由对应的异常得分相对于最大异常得分的比值与其局部密度相对于最大局部密度[0148]S103.基于所述控制器