一种基于随机森林的异常数据处理方法

    公开(公告)号:CN108304854A

    公开(公告)日:2018-07-20

    申请号:CN201711181398.3

    申请日:2017-11-23

    CPC classification number: G06K9/6256 G06K9/6269

    Abstract: 一种基于随机森林的异常数据处理方法,通过将被动恢复数据后获取输出数据变为主动删减包含失效信息的失效决策树,该方法通过有效的改善了信息缺失或信息失效引起无法准确获取输出信息而导致的可靠性与准确性下降的情况,减少了由于应用恢复数据引起的检测准确度下降及不确定增加等问题。通过本发明的实施,可以在系统某个参数或某些参数存在异常情况下,仍能准确输出数据,提高系统在输入异常情况下的输出信息可靠性与准确性。

    一种基于未确知深度理论的复杂系统健康状态评估方法

    公开(公告)号:CN109669849B

    公开(公告)日:2022-01-28

    申请号:CN201811473953.4

    申请日:2018-12-04

    Abstract: 本发明提供了一种基于未确知深度理论的复杂系统健康状态评估方法,包括如下步骤:(1)通过传感器采集系统中对应于传感器位置的测量点的数据;(2)对采集到的数据进行预处理;(3)根据采集到的数据与对应传感器的健康状态的映射关系,设定未确知测度函数;(4)根据未确知测度函数,构建单传感器的未确知测度矩阵;(5)根据未确知测度函数,构建子系统的未确知测度矩阵;(6)对系统中各传感器,计算不同时刻点的权重分配;(7)对系统中各传感器,计算不同传感器的权重分配。本发明有效通过未确知理论实现各传感器的初步特征提取,实现初步健康评估,并通过深度神经网络进行数据融合,获取健康因子,定量的实现系统的健康评估,增加系统的可靠性。

    一种基于云模型卷积理论的工艺健康系统评估方法

    公开(公告)号:CN111488262A

    公开(公告)日:2020-08-04

    申请号:CN202010194042.9

    申请日:2020-03-19

    Abstract: 本发明提供一种基于云模型卷积理论的工艺健康系统评估方法,该方法通过应用云模型进行系统中各关键测量点的传感器的工作状态进行健康状态评价,首先应用云模型理论获取评价值的健康评价指标,然后应用卷积神经网络获取单一传感器及系统的定量的健康可信度。本发明可以有效实现系统工作状态的定量评价,使系统健康状态可视化,为系统的状态预测提供定量的理论支撑,通过云模型卷积理论提高了评价指标的精度,有效降低系统故障发生的概率,大幅提高系统的可靠性。

    一种基于未确知深度理论的复杂系统健康状态评估方法

    公开(公告)号:CN109669849A

    公开(公告)日:2019-04-23

    申请号:CN201811473953.4

    申请日:2018-12-04

    Abstract: 本发明提供了一种基于未确知深度理论的复杂系统健康状态评估方法,包括如下步骤:(1)通过传感器采集系统中对应于传感器位置的测量点的数据;(2)对采集到的数据进行预处理;(3)根据采集到的数据与对应传感器的健康状态的映射关系,设定未确知测度函数;(4)根据未确知测度函数,构建单传感器的未确知测度矩阵;(5)根据未确知测度函数,构建子系统的未确知测度矩阵;(6)对系统中各传感器,计算不同时刻点的权重分配;(7)对系统中各传感器,计算不同传感器的权重分配。本发明有效通过未确知理论实现各传感器的初步特征提取,实现初步健康评估,并通过深度神经网络进行数据融合,获取健康因子,定量的实现系统的健康评估,增加系统的可靠性。

Patent Agency Ranking