CN120296348A 基于多维度研判的雷电防护系统有效性评估方法及系统 （四川安瑞高科检测检验有限公司）

基于多维度研判的雷电防护系统有效性评本发明提供一种基于多维度研判的雷电防2构建双向特征提取网络采集系统指标实时监测数将多模态特征矩阵输入因果推理网络，基于结构方程模型构建指对高维评估向量应用核主成分分析进行降维，将降维后的评估向量输建立双向特征提取网络，所述双向特征提取网络包括前向传播分支和反向传播分支，所述前向传播分支将实时监测数据输入动态缓存区并通过滑动时间窗口将数据流切分为对所述基础特征序列构建金字塔分层结构并基于所述基础特征序列的时序变化特性征提取单元和全局特征融合单元处理所述多层特征并基于所述基础特征序列的时变特性基于所述时序特征向量计算节点间相关性构建动态关联图并确定3通过多尺度跳跃连接结构提取节点的原始属性和结构关系信息，经构建多尺度跳跃连接结构，所述多尺度跳跃连接将所述多尺度特征中不同层次的节点特征通过非线性变换映射到统一特征构建双向特征映射网络，所述双向特征映射网络包括将所述交互特征输入多分支特征变换网络，所述多分支特征变换对多模态特征矩阵进行分块预处理，根据监测对象类型和物理属性4将所述优化传递特征输入门控循环单元，所述门控循环单元包含状任务约束对所述增强记忆特征进行自适应调制得到调制采用动态窗口机制对所述调制记忆特征进行分段，窗口长度随数据变化特性自所述对齐特征进行时空融合得到融合特征序列；将所述融合特征序列输入多头自注意力模型，第一层级将所述融合对所述注意力特征实施序列截断变换、特征遮蔽变换和随机扰动对注意力特征构建三通道并行增强处理架构，分别执行序列截断变换、噪比进行动态融合得到增强特征序列，将增强特征序列输入深层编码网络提取压缩表示，构建并行增强处理单元，所述并行增强处理单元设尺度特征序列；所述特征遮蔽变换通道对所述注意力特征计算信息增益得到特征所述随机扰动变换通道计算所述注意力特征两两之间距离得到相5构建特征融合单元，所述特征融合单元分别计算所比确定特征融合权重，基于所述特征融合权重将三个特征序列进行组合得到增强特征序列；构建深层编码网络，所述深层编码网络在相邻编码层合贝叶斯优化迭代计算最优参数组合并输出对高维评估向量构建核函数，通过所述核函数计算核相似度矩阵，利述降维投影矩阵对所述高维评估向量进行核主成分分对所述降维后的评估向量中全部样本点计算距离矩阵，基于所述基于所述评估等级构建分层强化学习框架，高层策略网络通过状态对参数空间构建蒙特卡洛搜索树结构，搜索树节点记录候选参数建立贝叶斯优化模型，将历史参数方案与效果评分作为训练样本输6采用贝叶斯优化模型进行预测，将参数空间分区执行局部与全局双尺对历史参数方案与评估数据构建贝叶斯优化模型，所述贝叶斯优化模到全局预测结果，对每个待评估参数方案分别计算局部邻域预测效果与全局范围预测效将所述预测效果与所述不确定程度构建为双目标优化问题，计算上的非支配关系得到优势等级序列，统计参数方案在目标空间的分布密度得到拥挤度指对历史参数方案建立相似度计算准则，基于所述相似度计算准则构造距离矩在参数空间构建测度指标，利用所述测度指标计算候选将新获取的评估数据输入贝叶斯优化模型，识别所述评估数据影响范围内的模型参根据优化阶段动态确定并行评估方案数量，在参数空间探索阶段8.基于多维度研判的雷电防护系统有效性评估系统，用于实现前述权利要求1_7中任第一单元，用于构建双向特征提取网络采集系统指标实第二单元，用于将多模态特征矩阵输入因果推理网络，7第三单元，用于对高维评估向量应用核主成分分析进行降维其中，所述处理器被配置为调用所述存储器存储的指令，以执行程序指令被处理器执行时实现权利要求1至7中任意8巡检和离线分析来评估系统状态。部分研究开始引入机器学习等智能算法进行系统评估，[0005]本发明实施例提供一种基于多维度研判的雷电防护系统同频率域下的周期特征，将周期特征与基础特征序列通过跨频域注意力网络进行特征融[0008]将多模态特征矩阵输入因果推理网络，基于结构方程模络基于当前系统状态规划优化目标序列，低层执行网络将目标序列分解为具体调优参数，9同频率域下的周期特征，将周期特征与基础特征序列通过跨频域注意力网络进行特征融[0013]对所述基础特征序列构建金字塔分层结构并基于所述基础特征序列的时序变化部特征提取单元和全局特征融合单元处理所述多层特征并基于所述基础特征序列的时变[0016]通过跳跃连接保持节点的多粒度特征并将更新后的节点状态特征与所述时序特整特征维度与目标层特征尺度匹配，将节点的结构关系信息输入所述深层特征传递通路，[0019]将所述多尺度特征中不同层次的节点特征通过非线性变利用注意力计算单元构建特征间关联矩阵，基于所述关联矩阵生成每个特征的重要性权[0023]将多模态特征矩阵输入因果推理网络，基于结构方程模征映射层和非线性变换层，所述特征映射层将输入特征投影到高维特征空间得到投影特遗忘门控单元，所述状态计算单元融合所述优化传递特征与历史状态信息生成候选状态，基于任务约束对所述增强记忆特征进行自适应调制得到调制序列进行时序组合，所述时序组合包括对所述分段特征序列进行时序对齐得到对齐特征，并对所述对齐特征进行时空融合得到融合特征序列；部特征序列，第三级截断窗口提取所述注意力特征中短周期变化信息得到瞬态特征序列，对所述主结构特征序列、所述局部特征序列和所述瞬态特征序列分别计算频域分布特性，到多尺度特征序列；同组特征施加相同扰动幅值与扰动频率，对不同组特征施加差异化扰动幅值与扰动频率，特征序列；[0036]构建深层编码网络，所述深层编码网络在相邻编码层之间设置跨层特征传输通络基于当前系统状态规划优化目标序列，低层执行网络将目标序列分解为具体调优参数，用所述降维投影矩阵对所述高维评估向量进行核主成分为聚类中心，从所述聚类中心出发依次将相邻低密度样本加入聚类形成密度递减聚类链，对当前系统状态进行多尺度分析得到状态特征表示，所述状态特征表示输入目标规划模[0042]对参数空间构建蒙特卡洛搜索树结构，搜索树节点记录[0049]对历史参数方案建立相似度计算准则，基于所述相似度[0065]图1为本发明实施例基于多维度研判的雷电防护系统有效性评估方法的流程示意[0066]图2为本发明实施例基于多维度研判的雷电防护系统有效性评估系统的结构示意[0069]图1为本发明实施例基于多维度研判的雷电防护系统有效性评估方法的流程示意[0070]S1.构建双向特征提取网络采同频率域下的周期特征，将周期特征与基础特征序列通过跨频域注意力网络进行特征融[0074]对所述基础特征序列构建金字塔分层结构并基于所述基础特征序列的时序变化部特征提取单元和全局特征融合单元处理所述多层特征并基于所述基础特征序列的时变[0082]通过跳跃连接保持节点的多粒度特征并将更新后的节点状态特征与所述时序特整特征维度与目标层特征尺度匹配，将节点的结构关系信息输入所述深层特征传递通路，[0085]将所述多尺度特征中不同层次的节点特征通过非线性变利用注意力计算单元构建特征间关联矩阵，基于所述关联矩阵生成每个特征的重要性权力加权融合机制实现了不同模态特征的对齐和有效融合,增强了特征表达的一致性和鲁棒[0093]S2.将多模态特征矩阵输入因果推理[0095]将多模态特征矩阵输入因果推理网络，基于结构方程模征映射层和非线性变换层，所述特征映射层将输入特征投影到高维特征空间得到投影特遗忘门控单元，所述状态计算单元融合所述优化传递特征与历史状态信息生成候选状态，基于任务约束对所述增强记忆特征进行自适应调制得到调制序列进行时序组合，所述时序组合包括对所述分段特征序列进行时序对齐得到对齐特征，并对所述对齐特征进行时空融合得到融合特征序列；函数,传递函数包含特征映射层和非线性变换层。特征映射层采用全连接网络将输入特征投影到512维特征空间得到投影特征,非线性变换层使用ReLU激活函数对投影特征进行转换得到初始传递特征。在相邻传递函数层间设置批归一化单元进行特征分布归一化,并通[0102]将优化传递特征输入门控循环单元进行时序建模。状态计算单元采用128个隐层力机制对基础记忆特征计算注意力权重,进行重要性加权得到增强记忆特征。顶层记忆模[0103]采用动态窗口机制对调制记忆特征进行分段,窗口长度在32_128之间动态调整,对齐矩阵,基于对齐矩阵进行特征重排得到对齐特征。通过时空卷积网络对对齐特征进行算查询_键值注意力得到注意力权重。第二层级对注意力权重进行加权平均得到全局注意[0106]本实施例中，通过构建指标间传递函数对多模态布归一化和跳跃连接优化特征传递过程,提高了特征表示能力，采用门控循环单元和多层记忆模块捕获时序依赖关系,引入多头注意力机制进行特征重要性加权,增强了模型对长期依赖的建模能力，基于动态窗口和时序组合实现特征序列的灵活分段和对齐融合,结合部特征序列，第三级截断窗口提取所述注意力特征中短周期变化信息得到瞬态特征序列，对所述主结构特征序列、所述局部特征序列和所述瞬态特征序列分别计算频域分布特性，到多尺度特征序列；同组特征施加相同扰动幅值与扰动频率，对不同组特征施加差异化扰动幅值与扰动频率，特征序列；[0114]构建深层编码网络，所述深层编码网络在相邻编码层之间设置跨层特征传输通[0115]构建并行增强处理单元,包含序列截断变换通道。对输入的注意力特征进行处理,其中注意力特征维度为256,时间序列长度为三个特征序列分别计算频域分布特性,根据频域能量分布确定序列融合权重分别为0.5、特征序列。得到扰动特征序列。码层之间设置跨层特征传输通路。每层编码层配置特征选择模块,计算特征响应得分并保留得分前50％的特征。网络末端的特征还原模块将128维编码特征映射回1024维原始域得到重构特征,计算重构特征与原始特征的均方误差作为重构损失,通过反向传播优化网络[0121]本实施例中，通过三通道并行增强架构和多尺富性和鲁棒性,增强了模型对不同尺度信息的捕获能力，基于特征重要度的分层遮蔽和相关性驱动的差异化扰动,实现了特征增强的自适应调节,提升了数据增强的针对性和有效[0122]S3.对高维评估向量应用核主成分分析络基于当前系统状态规划优化目标序列，低层执行网络将目标序列分解为具体调优参数，为聚类中心，从所述聚类中心出发依次将相邻低密度样本加入聚类形成密度递减聚类链，对当前系统状态进行多尺度分析得到状态特征表示，所述状态特征表示输入目标规划模[0128]对参数空间构建蒙特卡洛搜索树结构，搜索树节点记录[0141]对历史参数方案建立相似度计算准则，基于所述相似度[0145]对历史参数方案与评估数据进行处作为核函数,核函数参数根据局部数据密度自适应调整。将完整参数空间划分为多个连续子区域,每个子区域包含相近的参数方案。在各子区域内执行局部预测,得到局部预测结[0146]构建双目标优化问题,目标包括预测案的优势等级序列,计算目标空间中方案的拥挤度指标。将优势等级和拥挤度组合构建采[0147]建立参数方案相似度计算准则,采用欧氏距离构[0148]在参数空间构建测度指标,计算候选方案[0149]对新获取的评估数据,识别其在模型[0150]