一种气缸密封性检测方法及系统

专利主权项内容

1.一种气缸密封性检测方法，其特征在于，该方法包括：获取气缸中至少两个传感器在历史时间段中每个周期内各时刻下压力数据的数据点；将每个传感器的每个周期内的数据点划分为至少两种类型的数据点；结合每个传感器的每个周期内每种类型的数据点与除该周期外的其他周期内同种类型的数据点的压力数据之间的差异，以及每个传感器的每个周期与除该周期外的其他周期内数据点分布的相似程度，获取每个传感器的每个周期内每个数据点的偏差度；利用LOF算法对历史时间段内每个数据点进行异常点检测；基于历史时间段内数据点与其第k距离邻域内除该数据点外的数据点的所述偏差度之间的差异，对两个数据点之间的欧式距离进行调整，得到历史时间段内数据点与其第k距离邻域内除该数据点外的数据点之间的改进距离；基于所述改进距离利用LOF算法对气缸密封性进行检测；所述偏差度的获取方法，包括：对于每个传感器的每个周期内的数据点，将每个周期内各类型的每个数据点与该数据点所属聚类簇的质心之间的欧式距离，作为每个周期内各类型的每个数据点的差异距离；将每个周期内各类型的数据点对应的时刻的极差作为每个周期内各类型的数据点的时长跨度；根据每个传感器的每个周期内各类型的数据点的差异距离与时长跨度，获取每个传感器的每个周期内各类型的数据点的分布差异度；每个传感器的每个周期内同种类型的数据点的分布差异度相等；依据每个传感器的每个周期内不同类型的数据点的所述分布差异度的离散程度，获取每个传感器的每个周期内数据点的簇类离散度；基于每个传感器的每个周期内数据点分别与除该周期外的其他周期内数据点分布的相似程度，获取每个传感器的每个周期内每个数据点的周期分布相似度；根据每个传感器的每个周期内每个数据点的周期分布相似度与该数据点对应的类型的数据点的簇类离散度，获取每个传感器的每个周期内每个数据点的偏差度；所述周期分布相似度与所述簇类离散度均与所述偏差度呈正相关的关系；所述分布差异度的计算公式如下：
；式中，FB为每个传感器的每个周期内每种类型的数据点的分布差异度；D为每个传感器的每个周期内每种类型的数据点的时长跨度；I为每个传感器的每个周期内每种类型的数据点的数量；d为每个传感器的每个周期内每种类型的第i个数据点的差异距离；a为预设正数；i所述依据每个传感器的每个周期内不同类型的数据点的所述分布差异度的离散程度，获取每个传感器的每个周期内数据点的簇类离散度的方法，包括：对于每个传感器的每个周期内的数据点，将每个周期内每种类型的数据点与该类型的下一种类型的数据点的所述分布差异度的差值绝对值，作为每个周期内每种类型的数据点的簇间差异值；将每个传感器的每个周期内所有类型的数据点的簇间差异值的标准差作为每个传感器的每个周期内数据点的簇类离散度；基于每个传感器的每个周期内数据点分别与除该周期外的其他周期内数据点分布的相似程度，获取每个传感器的每个周期内每个数据点的周期分布相似度的方法，包括：选取任意一个传感器的任意一个周期作为目标周期，选取除目标周期外的任意一个周期作为分析周期；利用DTW算法对目标周期与分析周期内的数据点进行匹配，将分析周期中与目标周期中每个数据点相匹配的数据点，作为目标周期中每个数据点的匹配数据点；若目标周期中每个数据点仅存在一个匹配数据点，将每个数据点与其匹配数据点之间的欧式距离作为目标周期中每个数据点的匹配距离；若目标周期中每个数据点存在至少两个匹配数据点，将每个数据点与其匹配数据点之间的欧式距离的均值作为目标周期中每个数据点的匹配距离；若目标周期中存在至少两个数据点的匹配数据点为同一个匹配数据点，将每个数据点与其匹配数据点之间的欧式距离作为目标周期中每个数据点的匹配距离；利用DTW算法将目标周期分别与除目标周期外的每个周期内的数据点进行匹配，得到目标周期中每个数据点的所有的匹配距离；目标周期中每个数据点的匹配距离的数量等于除目标周期外的周期的数量；将目标周期中每个数据点的所有的匹配距离的均值进行归一化处理作为目标周期中每个数据点的周期分布相似度。 来自马克数据网