專利名稱：基于模式識別的白色家電工作狀態(tài)監(jiān)測方法
基于模式識別的白色家電工作狀態(tài)監(jiān)測方法[技術(shù)領(lǐng)域]
本發(fā)明涉及白色家電領(lǐng)域，具體涉及一種利用模式識別的方法處理和分析白色家電的工作狀態(tài)。適用于家電的健康狀況監(jiān)測、家電綜合性能質(zhì)檢、網(wǎng)絡(luò)家電等。[背景技術(shù)]
白色家電作為替代人們家務(wù)勞動和改善生活環(huán)境提高物質(zhì)生活水平的電器得到了人們更多的關(guān)注，而白色家電智能化將成為白色家電的發(fā)展趨勢。
目前，白色家電網(wǎng)絡(luò)化功能主要體現(xiàn)在遠(yuǎn)程控制或通信功能上，其遠(yuǎn)程故障診斷及服務(wù)功能相對較弱；此外，家電出廠檢測時(shí)往往是對單一功能逐項(xiàng)檢測，對整機(jī)綜合功能檢測缺乏有效的手段。對家電的工作狀態(tài)進(jìn)行實(shí)時(shí)監(jiān)測是解決上述問題必須攻克的關(guān)鍵技術(shù)。[發(fā)明內(nèi)容]
本發(fā)明要解決的技術(shù)問題是克服現(xiàn)有技術(shù)的不足，提供一種基于模式識別的白色家電工作狀態(tài)監(jiān)測方法。
本發(fā)明采用的技術(shù)方案是，一種基于模式識別的白色家電工作狀態(tài)監(jiān)測方法，包括步驟如下
步驟1 在線狀態(tài)下連續(xù)采集白色家電正常工作狀態(tài)時(shí)的多參數(shù)信號；
步驟2 在離線狀態(tài)下對工作狀態(tài)進(jìn)行人工分類，預(yù)處理，特征提取，建立原始特征樣本庫；
步驟3 在離線狀態(tài)下利用歐式距離算法獲取初始標(biāo)準(zhǔn)樣本；所述初始標(biāo)準(zhǔn)樣本是指訓(xùn)練樣本庫中任意一個(gè)樣本到與相同狀態(tài)的其它樣本的距離之和最小的樣本；
步驟4 在離線狀態(tài)下將測試樣本與初始標(biāo)準(zhǔn)樣本匹配，根據(jù)識別率優(yōu)化特征生成標(biāo)準(zhǔn)樣本，由若干標(biāo)準(zhǔn)樣本組成標(biāo)準(zhǔn)樣本庫；
步驟5 在線測試及自動分期，提取信號特征，得到待測樣本；
步驟6 在線狀態(tài)下將待測樣本與標(biāo)準(zhǔn)樣本庫中的標(biāo)準(zhǔn)樣本分別進(jìn)行匹配、識別， 實(shí)現(xiàn)家電狀態(tài)自動分類。
作為優(yōu)選，上述步驟1中是采用頻率跟蹤技術(shù)對以電力參數(shù)為主的白色家電工作狀態(tài)參數(shù)進(jìn)行采集，即跟蹤電網(wǎng)頻率進(jìn)行同步采集。
作為優(yōu)選，步驟2中所述人工分類是基于已知設(shè)定的程序和工作模式下，通過感官觀察及波形對比，把不同特征波形與狀態(tài)對應(yīng)起來；所述預(yù)處理主要是指對信號進(jìn)行去噪、過零檢測等；所述特征提取是采用時(shí)-頻域分析的方法對數(shù)字信號進(jìn)行預(yù)處理后提取以電流諧波為主，幅值、相位、功率、峰值因數(shù)、波形趨勢、噪聲譜等為輔的多維特征矩陣，該多維特征矩陣為原始特征樣本，若干特征樣本組成了原始特征樣本庫。
作為優(yōu)選，步驟4中所述標(biāo)準(zhǔn)樣本庫的建立包括以下具體步驟
(1)分離原始特征樣本庫為訓(xùn)練樣本庫和測試樣本庫；所述訓(xùn)練樣本庫包含所有訓(xùn)練樣本，測試樣本庫包含所有測試樣本，并且分成若干個(gè)等數(shù)量的樣本組；
(2)通過歐式距離法從訓(xùn)練樣本中訓(xùn)練得到初始標(biāo)準(zhǔn)樣本，由若干初始標(biāo)準(zhǔn)樣本組成初始樣本庫；
(3)對所有測試樣本組與初始標(biāo)準(zhǔn)樣本進(jìn)行基于相關(guān)的匹配測試，計(jì)算每個(gè)測試樣本組的識別率及所有組的平均識別率；
(4)采取循環(huán)搜索法優(yōu)化特征，搜索包含所有特征組合；
(5)選擇平均識別率最高且大于或等于特定值S的特征組合作為優(yōu)化特征，所述特定值Se
(6)建立相對最優(yōu)標(biāo)準(zhǔn)樣本與ID識別碼即工作狀態(tài)編碼的對應(yīng)關(guān)系，生成標(biāo)準(zhǔn)樣本庫。
作為優(yōu)選，步驟5中所述獲取待測樣本包括以下具體步驟
(1)對在線獲取的被測信號進(jìn)行基于優(yōu)化特征的特征提??；
(2)利用相似度原理對相鄰兩波形進(jìn)行在線自動分期。
作為優(yōu)選，上述步驟6是利用互相關(guān)的方法對待測樣本與標(biāo)準(zhǔn)狀態(tài)樣本庫進(jìn)行匹配，找出相對應(yīng)的ID識別碼，確定工作狀態(tài)類別。
本發(fā)明的有益效果是
1、實(shí)時(shí)監(jiān)測家電工作狀態(tài)，為網(wǎng)絡(luò)家電故障預(yù)測及故障診斷提供基礎(chǔ)數(shù)據(jù)，為家電綜合性能檢測及評價(jià)提供服務(wù)。
2、基于本發(fā)明提出的方法，可實(shí)時(shí)分析控制模式對能耗、噪聲的關(guān)鍵參數(shù)的影響， 從而優(yōu)化程序最終優(yōu)化家電性能(如節(jié)能降噪)。
3、具有對大部分功率型低壓電器尤其是白色家電的通用性。[


]
下面結(jié)合附圖和具體實(shí)施方式
對本發(fā)明作進(jìn)一步詳細(xì)的說明。
圖1基于模式識別的白色家電工作狀態(tài)監(jiān)測方法流程圖。
圖2家電工作序列圖。
圖3優(yōu)化樣本維數(shù)建立標(biāo)準(zhǔn)樣本庫流程圖。
圖4所采集不同類型家電不同狀態(tài)的電流波形其中，4-1為某型號空調(diào)工作狀態(tài)1的電流波形4-2為某型號空調(diào)工作狀態(tài)2的電流波形4-3為某型號洗衣機(jī)工作狀態(tài)1的電流波形4-4為某型號洗衣機(jī)工作狀態(tài)2的電流波形4-5為某型號微波爐工作狀態(tài)1的電流波形4-6為某型號微波爐工作狀態(tài)2的電流波形4-7為某型號微波爐工作狀態(tài)3的電流波形4-8為某型號微波爐工作狀態(tài)4的電流波形4-9為某型號微波爐工作狀態(tài)5的電流波形4-10為某型號微波爐工作狀態(tài)6的電流波形圖。
圖5所采集到的微波爐不同工作狀態(tài)下的電流電壓波形對比圖。
圖6某型號微波爐狀態(tài)6的識別結(jié)果對比圖。[具體實(shí)施方式
]
如圖1所示，基于模式識別的白色家電工作狀態(tài)監(jiān)測方法包括下列步驟
步驟1 利用頻率跟蹤技術(shù)采集被測白色家電工作狀態(tài)參數(shù)信息。我國電網(wǎng)標(biāo)準(zhǔn)頻率為50HZ士0.2Hz。為保證單周期N點(diǎn)(1 點(diǎn))的同步采樣，采用N倍頻頻率跟蹤技術(shù)采集電壓、電流參數(shù)。溫度變化緩慢，采用低頻進(jìn)行采樣。噪聲頻率較高，采用高頻采樣技術(shù)對其進(jìn)行采集。
步驟2 工作狀態(tài)分類是在離線狀態(tài)下人工分類完成的。離線人工分類，首先根據(jù)程序設(shè)定模式下的狀態(tài)-維持時(shí)間一序列關(guān)系(如圖2所示)，借助人的感官觀察由程序控制下的家電工作狀態(tài)外特征，包括振動(如洗衣機(jī))、噪聲(如洗衣機(jī)、冰箱)、溫度(空調(diào))的變化。其次，離線對自動測試設(shè)備采集到的家電工作狀態(tài)的電壓、電流、溫度、噪聲等參數(shù)連續(xù)波形變化進(jìn)行波形圖型特征分析。再次，通過已知的程序設(shè)定家電工作狀態(tài)變化與所觀察到的波形進(jìn)行時(shí)間對比。通過大量實(shí)驗(yàn)統(tǒng)計(jì)結(jié)果得到若干典型波形分別代表對應(yīng)的工作狀態(tài)，每一種狀態(tài)選取數(shù)百組樣本波形，建立工作狀態(tài)原始樣本庫，每一個(gè)原始樣本波形周期數(shù)目相等。
步驟3 提取信號特征建立原始特征樣本庫。由圖4中4-1、4-2、4-3、4-4、4-5、4_6、 4-7、4-8、4-9、4-10所示，不同類型的家電對應(yīng)的波形不相同，又由圖5可知，同類型家電不同工作狀態(tài)對應(yīng)的波形也不相同。所以可以根據(jù)波形特征來區(qū)分不同類型家電的不同工作狀態(tài)。考慮到波形在時(shí)域和頻域上包含了豐富的特征信息，采用時(shí)-頻域混合分析法對波形進(jìn)行分析。經(jīng)過大量實(shí)驗(yàn)，本發(fā)明提取包括以電流諧波為主，幅值、相位、功率、峰值因數(shù)、 波形趨勢、噪聲譜等為輔的特征參數(shù)樣本，并建立原始特征樣本庫。對于諧波特征選擇，取最大的10個(gè)諧波分量和總畸變率作為特征。
步驟4 選擇初始標(biāo)準(zhǔn)樣本。采用歐式距離法從訓(xùn)練樣本庫中獲取初始標(biāo)準(zhǔn)樣本庫，每一類狀態(tài)選擇一個(gè)初始標(biāo)準(zhǔn)樣本，該樣本是所有同類樣本中與其他樣本距離之和最小的樣本。
步驟5 優(yōu)化樣本維數(shù)建立標(biāo)準(zhǔn)樣本庫。其中標(biāo)準(zhǔn)樣本庫建立流程如圖2所示。
如圖3所示，優(yōu)化樣本維數(shù)包括如下具體步驟
(1)由步驟2中計(jì)算得到η個(gè)原始波形樣本，經(jīng)預(yù)處理如去噪、過零點(diǎn)檢測等后進(jìn)行特征提取。特征提取后得到η個(gè)原始特征樣本，η特征樣本中有m個(gè)訓(xùn)練樣本和(n-m)個(gè)測試樣本。
(2)通過歐式距離法從訓(xùn)練樣本庫中建立初始標(biāo)準(zhǔn)樣本庫。
(3)對測試樣本與初始標(biāo)準(zhǔn)樣本進(jìn)行基于相關(guān)的匹配測試，計(jì)算識別率；
(4)采取循環(huán)搜索法優(yōu)化特征。對有限維特征采用全維、組合式降維、單特征等分別匹配。
(5)選擇平均識別率最高且大于等于0. 99的特征組合作為優(yōu)化特征，如果最高識別率小于0. 99，則改變或增加新特征，重復(fù)步驟，直至識別率大于等于0. 99為止，確定標(biāo)準(zhǔn)樣本的維數(shù)及特征參數(shù)，形成優(yōu)化特征；
(6)建立相對最優(yōu)標(biāo)準(zhǔn)樣本與ID識別碼即工作狀態(tài)編碼的對應(yīng)關(guān)系，生成標(biāo)準(zhǔn)樣本庫；
步驟6 工作波形在線自動分期。在家電運(yùn)行狀態(tài)下采集并實(shí)時(shí)計(jì)算相鄰兩個(gè)波形的相關(guān)性，確定狀態(tài)分界點(diǎn)。具體步驟如下
(1)以N個(gè)點(diǎn)為一個(gè)周波，連續(xù)采集第一個(gè)周波存放在臨時(shí)數(shù)組a[N]中，第二個(gè)周波存放在臨時(shí)數(shù)組b [N]中。
(2)a[N]與b[N]進(jìn)行相關(guān)運(yùn)算，根據(jù)所得到的相關(guān)系數(shù)判斷這相鄰兩個(gè)數(shù)組所表示的波形的相似程度，然后對a[N]清零。
(3)第三個(gè)周波以2N+1點(diǎn)為起點(diǎn)后的N點(diǎn)存于數(shù)組a[N]中與前一周期采集信號存放的數(shù)組b [N]計(jì)算相關(guān)性，對數(shù)組b [N]清零。
(4)重復(fù)前述步驟(1)、步驟( 和步驟( 。當(dāng)相鄰兩個(gè)波形的自相關(guān)系數(shù)呈現(xiàn)驟減趨勢且達(dá)到相對最小又開始呈現(xiàn)驟增趨勢時(shí)跳出循環(huán)，并將當(dāng)前周波對應(yīng)時(shí)刻確定為狀態(tài)分界點(diǎn)。
5、將所述分界點(diǎn)周波為相對時(shí)間基準(zhǔn)，選擇其前及后對稱相鄰的第1或者 k(k ^ 1)個(gè)整周波波形作為過渡態(tài)(根據(jù)不同家電的不同狀態(tài)變化快慢的統(tǒng)計(jì)規(guī)律確定k 值)，相鄰兩個(gè)過渡態(tài)之間的連續(xù)波形為穩(wěn)定狀態(tài)。
6、實(shí)時(shí)記錄過渡態(tài)或者穩(wěn)定狀態(tài)的起始、結(jié)束樣點(diǎn)序列號，乘以采樣間隔，得到過渡或穩(wěn)定狀態(tài)的運(yùn)行時(shí)間。按序排列，形成連續(xù)的狀態(tài)-時(shí)序圖(此時(shí)尚未得到狀態(tài)ID)。 至此，實(shí)現(xiàn)波形自動分期。
步驟7 根據(jù)步驟6得到穩(wěn)定狀態(tài)波形，選擇時(shí)間為中間點(diǎn)的4個(gè)連續(xù)波形進(jìn)行預(yù)處理、優(yōu)化特征提取，作為待測樣本存入數(shù)組。
步驟8:模式匹配。利用互相關(guān)的方法計(jì)算待測樣本與標(biāo)準(zhǔn)樣本庫匹配度。即將待測樣本與標(biāo)準(zhǔn)樣本庫所有樣本一一相關(guān)匹配，尋找相關(guān)度最大者為匹配狀態(tài)。
步驟9 根據(jù)匹配度得出標(biāo)準(zhǔn)樣本庫中與之匹配的狀態(tài)ID識別碼，確定被測狀態(tài)。 如圖6所示為某型號微波爐工作狀態(tài)6的識別結(jié)果，由柱狀圖中可以看出，ID6對應(yīng)的柱狀圖最接近1。
權(quán)利要求
1.一種基于模式識別的白色家電工作狀態(tài)監(jiān)測方法，其特征在于，包括步驟如下步驟1 在線狀態(tài)下連續(xù)采集白色家電正常工作狀態(tài)時(shí)的多參數(shù)信號；步驟2 在離線狀態(tài)下對工作狀態(tài)進(jìn)行人工分類、預(yù)處理、特征提取，建立原始特征樣本庫；步驟3 在離線狀態(tài)下利用歐式距離算法獲取初始標(biāo)準(zhǔn)樣本；所述初始標(biāo)準(zhǔn)樣本是指訓(xùn)練樣本庫中任意一個(gè)樣本到與相同狀態(tài)的其它樣本的距離之和最小的樣本；步驟4 在離線狀態(tài)下將測試樣本與初始標(biāo)準(zhǔn)樣本匹配，根據(jù)識別率優(yōu)化特征生成標(biāo)準(zhǔn)樣本，由若干標(biāo)準(zhǔn)樣本組成標(biāo)準(zhǔn)樣本庫；步驟5 在線測試及自動分期，提取信號特征，得到待測樣本；步驟6 在線狀態(tài)下將待測樣本與標(biāo)準(zhǔn)樣本庫中的標(biāo)準(zhǔn)樣本分別進(jìn)行匹配、識別，實(shí)現(xiàn)家電狀態(tài)自動分類。
2.根據(jù)權(quán)利要求1所述的白色家電工作狀態(tài)監(jiān)測方法，其特征在于，所述步驟1中是采用頻率跟蹤技術(shù)對以電力參數(shù)為主的白色家電工作狀態(tài)參數(shù)進(jìn)行采集，即跟蹤電網(wǎng)頻率進(jìn)行同步采集。
3.根據(jù)權(quán)利要求1所述的白色家電工作狀態(tài)監(jiān)測方法，其特征在于，步驟2中所述人工分類是基于已知設(shè)定的程序和工作模式下，通過感官觀察及波形對比，把不同特征波形與狀態(tài)對應(yīng)起來；所述預(yù)處理主要是指對信號進(jìn)行去噪、過零檢測等；所述特征提取是采用時(shí)-頻域分析的方法對數(shù)字信號進(jìn)行預(yù)處理后提取以電流諧波為主，幅值、相位、功率、峰值因數(shù)、波形趨勢、噪聲譜等為輔的多維特征矩陣，該多維特征矩陣為原始特征樣本，若干特征樣本組成了原始特征樣本庫。
4.根據(jù)權(quán)利要求1所述的白色家電工作狀態(tài)監(jiān)測方法，其特征在于，步驟4中所述標(biāo)準(zhǔn)樣本庫的建立包括以下具體步驟(1)分離原始特征樣本庫為訓(xùn)練樣本庫和測試樣本庫；所述訓(xùn)練樣本庫包含所有訓(xùn)練樣本，測試樣本庫包含所有測試樣本，并且分成若干個(gè)等數(shù)量的樣本組；(2)通過歐式距離法從訓(xùn)練樣本中訓(xùn)練得到初始標(biāo)準(zhǔn)樣本，由若干初始標(biāo)準(zhǔn)樣本組成初始樣本庫；(3)對所有測試樣本組與初始標(biāo)準(zhǔn)樣本進(jìn)行基于相關(guān)的匹配測試，計(jì)算每個(gè)測試樣本組的識別率及所有組的平均識別率；(4)采取循環(huán)搜索法優(yōu)化特征，搜索包含所有特征組合；(5)選擇平均識別率最高且大于或等于特定值S的特征組合作為優(yōu)化特征，所述特定值Se [0. 95,1)；如果最高平均識別率小于S，則改變或增加新特征，重復(fù)所述步驟，直至平均識別率達(dá)到或大于S為止，確定標(biāo)準(zhǔn)樣本的維數(shù)及特征參數(shù)，形成優(yōu)化特征；(6)建立相對最優(yōu)標(biāo)準(zhǔn)樣本與ID識別碼即工作狀態(tài)編碼的對應(yīng)關(guān)系，生成標(biāo)準(zhǔn)樣本庫。
5.根據(jù)權(quán)利要求1所述的白色家電工作狀態(tài)監(jiān)測方法，其特征在于，步驟5中所述獲取待測樣本包括以下具體步驟(1)對在線獲取的被測信號進(jìn)行基于優(yōu)化特征的特征提??；(2)利用相似度原理對相鄰兩波形進(jìn)行在線自動分期。
6.根據(jù)權(quán)利要求1所述的白色家電工作狀態(tài)監(jiān)測方法，其特征在于，所述步驟6是利用互相關(guān)的方法對待測樣本與標(biāo)準(zhǔn)狀態(tài)樣本庫進(jìn)行匹配，找出相對應(yīng)的ID識別碼，確定工作狀態(tài)類別。
全文摘要
本發(fā)明公開了一種基于模式識別的白色家電工作狀態(tài)監(jiān)測方法，包括以下步驟(1)在線連續(xù)采集白色家電正常工作狀態(tài)時(shí)的多參數(shù)信號；(2)離線對工作狀態(tài)進(jìn)行人工分類、預(yù)處理、特征提取，建立原始特征樣本庫。其中特征是以電流諧波為主，幅值、相位等參數(shù)為輔的多維特征；(3)離線利用歐式距離算法獲取初始標(biāo)準(zhǔn)樣本；(4)離線匹配測試樣本與初始標(biāo)準(zhǔn)樣本，采用循環(huán)搜索法優(yōu)化特征，建立標(biāo)準(zhǔn)樣本庫；(5)在線測試及自動分期，提取信號特征，得到待測樣本；(6)在線將待測樣本與標(biāo)準(zhǔn)樣本庫進(jìn)行匹配、識別，實(shí)現(xiàn)家電狀態(tài)自動分類。本發(fā)明所提供的方法適宜于白色家電在線運(yùn)行工作狀態(tài)監(jiān)測和出廠質(zhì)檢、故障預(yù)測及診斷、家電性能優(yōu)化控制等。
文檔編號G05B19/418GK102566555SQ20121003301
公開日2012年7月11日 申請日期2012年2月10日 優(yōu)先權(quán)日2012年2月10日
發(fā)明者劉酩, 栗文靜, 韓茹, 高翠云 申請人:安徽建筑工業(yè)學(xué)院