本发明涉及瞬态检测，具体为一种基于多滑窗聚合与自适应降采样的瞬态检测方法及系统。
背景技术：
1、在当前的工业和科研领域中，长短时瞬态检测和识别技术被广泛应用于信号处理、设备故障诊断、健康监测等关键领域。这些技术的主要功能是在各类复杂信号中检测和识别瞬态事件，以便及时采取相应的措施。然而，尽管这些技术在实际应用中发挥了重要作用，但现有的检测和识别方法仍存在诸多不足之处，具体表现为以下几个方面：
2、检测精度不足：现有技术通常依赖单一滑窗或固定阈值进行检测，这种方法在面对复杂多变的信号环境时，往往表现出检测精度不足的缺陷。单一滑窗方法在处理不同频率和幅度的瞬态信号时，容易产生误检和漏检现象。例如，当信号的频率和幅度出现剧烈变化时，固定阈值往往无法适应这些变化，导致无法准确捕捉所有的瞬态信号。这不仅影响了检测的精确度，还可能导致关键瞬态事件的遗漏，进而影响整体系统的可靠性和安全性。
3、实时性和鲁棒性欠佳：许多现有的检测方法在实时性和鲁棒性方面表现不足，尤其在面对噪声干扰和信号突变时，无法有效滤除噪声和准确识别真正的瞬态信号。这种不足严重限制了这些方法在需要快速响应和实时监控的应用场景中的有效性。例如，在工业设备的故障诊断中，信号往往会受到各种噪声干扰，若检测方法不能实时、准确地识别故障信号，就无法及时采取措施，可能导致设备损坏、生产停滞，甚至引发安全事故。同时，在健康监测领域，若瞬态信号无法被实时、准确地识别，也可能导致对病情变化的误判，影响患者的治疗效果。
4、计算复杂度高：部分现有方法依赖复杂的算法和大量的数据处理，导致计算复杂度高，资源消耗大。这使得这些方法难以在嵌入式系统或资源受限的设备上实现实时检测和识别。例如，一些高精度的信号处理算法需要进行大量的矩阵运算、傅里叶变换等复杂计算，这不仅要求较高的计算能力和存储空间，还会消耗大量的电能。这对于一些嵌入式设备或便携式设备而言，是一个巨大的挑战，因为这些设备通常计算资源有限，电池容量也较小。因此，高计算复杂度限制了这些检测方法在实际应用中的推广和普及。
5、综上所述，现有的瞬态检测和识别技术在检测精度、实时性、鲁棒性以及计算复杂度方面存在显著缺陷。这些不足不仅影响了这些技术在实际应用中的效果和可靠性，还限制了其在更广泛领域中的推广和普及。因此，亟需研发和优化新的检测和识别方法，以克服现有技术的局限，提升长短时瞬态信号检测和识别的整体性能。
技术实现思路
1、鉴于上述存在的问题，提出了本发明。
2、因此，本发明解决的技术问题是：如何提高检测精度、如何增强实时性和鲁棒性、如何降低计算复杂度。
3、为解决上述技术问题，本发明提供如下技术方案：一种基于多滑窗聚合与自适应降采样的瞬态检测方法，包括采集核电设备历史正常运行状态的温度及压力检测参数数据，使用多级滑窗融合判断的方法进行瞬态点检测；完善瞬态事件，对提取的瞬态事件进行数据扩充，在其首尾各自附加10分钟稳态数据，对所有数据点进行分类标记，并依据最早与最晚瞬态事件时间对其他监测点数据实施时间轴补齐；对瞬态数据预处理，进行异常的检测和特征的提取；使用自适应采样和遗传算法加多元线性规划来共同进行数据降采样，利用改进的动态时间规整算法，通过相似度来确定识别到的瞬态曲线的最终瞬态类型。
4、作为本发明所述的基于多滑窗聚合与自适应降采样的瞬态检测方法的一种优选方案，其中：所述进行瞬态点检测包括初级滑窗检测、中级滑窗检测和高级滑窗检测；
5、所述初级滑窗检测采用第一等级的滑窗长度wlarge对整个测点数据x(t)进行初步检测，变化点检测条件为滑窗开始和结束节点的差值是否大于阈值θlarge，若满足，则滑窗内所有点被标记1次，表示为：
6、
7、其中，tend为滑窗结束时间点，tstart为滑窗开始时间点；
8、所述中级滑窗检测先使用自适应中值滤波对检测曲线进行噪声去除，再采用第二等级的滑窗长度进行精细检测，精确定位变化点，自适应中值滤波函数定义为:
9、y(t)＝median{x(t+i)|i∈[-kt，kt]}
10、
11、其中median代表取序列中值，kt代表中值滤波窗口宽度，采用中级滑窗宽度wmedian的1/10；
12、所述高级滑窗使用滑窗头尾数据进行变化检测，同时使用头尾部5个点随机组合进行阈值判断；
13、最后进行多滑窗结果合并，通过投票机制进行初步融合，统计最大的初级滑窗内的每个点在不同滑窗检测中被检测出来的次数，若次数超过滑窗总数量的50％，则计为瞬态点，定义投票矩阵v(t)：
14、
15、其中，δi(t)表示在第i个滑窗中，时间点t是否被检测为变化点，若是则δi(t)＝1，否则δi(t)＝0；n代表所有滑框的总数，根据以下公式投票矩阵v(t)判断时间t是否为瞬态点：
16、
17、其中，p(t)为瞬态点结果统计矩阵，其中标记为1的表示当前时间节点t为瞬态点，标记为0的表示为非瞬态点。
18、作为本发明所述的基于多滑窗聚合与自适应降采样的瞬态检测方法的一种优选方案，其中：所述进行瞬态点检测还包括根据电厂设备计算出不同发生不同瞬态变化的瞬态点允许间隔时间、瞬态片段允许间隔时间，将瞬态点合并为瞬态片段；
19、所述将瞬态点合并为瞬态片段步骤如下，
20、将当前发现的某瞬态点视为新的瞬态片段，以所述新的瞬态片段为中心，以瞬态点允许间断时间为半径，搜索其它瞬态点；
21、若窗口内存在新的瞬态点，将新发现瞬态点并入所述新的瞬态片段；
22、若窗口未发现新的瞬态点则瞬态片段检索完毕，进行下一步；
23、判断瞬态片段时间跨度是否大于瞬态片段最短持续时间；
24、若瞬态片段时间跨度不大于瞬态片段最短持续时间，则判断为噪声干扰片段
25、若瞬态片段时间跨度大于瞬态片段最短持续时间，则输出瞬态片段；
26、所述进行瞬态点检测还包括，根据合并后片段的开始和结束时间确定瞬态事件的开始和结束时间，合并瞬态片段；
27、所述合并瞬态片段步骤如下，
28、将当前的瞬态片段视做新的瞬态事件，以所述新的瞬态事件为中心，以瞬态片段允许间断时间为半径，搜索其它瞬态片段；
29、若窗口内存在新的瞬态片段，则将新发现瞬态片段并入所述新的瞬态事件；
30、若窗口未发现新的瞬态片段则瞬态事件检索完毕。
31、作为本发明所述的基于多滑窗聚合与自适应降采样的瞬态检测方法的一种优选方案，其中：对完善瞬态事件包括在提取到的瞬态事件的始末两端，向前和向后各额外截取10min的稳态片段；
32、对瞬态序列中的点进行逐点标记，对属于瞬态片段的点，全部标记为事件瞬态点；对其余点，标记为事件非瞬态点；对通过时间补齐增加的点，记为事件无关点；
33、对瞬态监测相关的测点做横向考察，以最早发现该瞬态的测点定义为总的起始时间，以最晚结束的测点定义为总的结束时间，其它测点做相应数据补齐。
34、作为本发明所述的基于多滑窗聚合与自适应降采样的瞬态检测方法的一种优选方案，其中：所述瞬态数据预处理包括对监测参数数据进行预处理和关键特征提取；
35、检测时间序列异常，对时间序列tori进行一阶差分得到平稳的差分序列tdiff；
36、对差分序列tdiff进行排序，并剔除序列上下八分位子序列，用排序差分序列剩余的有效序列部分估计得到差分序列标准差：
37、
38、式中，std()为标准差算子，为排序差分序列的有效子序列；
39、以σdiff为标准差，使用拉依达准则，在差分序列中进行离群点检测，并剔除；
40、对时序数据补齐，采用线性插值法对对数据进行补充，设监测数据从dst到ded之间，存在着m个采样间隔的数据缺失，则第j个缺失间隔上补齐的数据为：
41、
42、式中，drandom为随机误差，目的是保证数据补齐后序列的统计特征不变，服从的高斯分布。
43、作为本发明所述的基于多滑窗聚合与自适应降采样的瞬态检测方法的一种优选方案，其中：所述进行数据降采样包括生成降采样候选点，使用检测到的曲线瞬态片段的中心点p1,p2,p3…pn，基于指数衰减函数的基础之上采用y轴等间隔采样，获取等间隔y值所对应的x值作为采样候选点；
44、基于预生成的候选降采样点进行进一步筛选，采用基于遗传算法和多元线性规划的降采样算法搜索当前瞬态曲线最优将采样点组合方式，进行瞬态曲线的降采样。
45、作为本发明所述的基于多滑窗聚合与自适应降采样的瞬态检测方法的一种优选方案，其中：所述定识别到的瞬态曲线的最终瞬态类型包括将降采样后的瞬态事件曲线和设备设计瞬态曲线计算动态时间规整距离，并按照推荐度排序；
46、使用动态规划算法优化匹配路径，优化后的匹配路径满足以下递归关系：
47、d(i，j)＝δ(xi，yi)+min{d(i-1，j-1)，d(i-1，j)，d(i，j-1)}
48、其中，d(i,j)表示第i和j个点的累计距离，δ(xi,yi)表示当前点的局部距离；
49、计算两条曲线的改进dtw距离，改进dtw距离如下：
50、
51、其中，x和y分别是两条曲线，ωi是权重，采用的是采样点的指数衰减函数的y值大小，π(i)是计算得到的最优匹配路径；
52、将得到的动态时间规整距离进行标准化，得到相似度度量。
53、本发明的另外一个目的是提供一种基于多滑窗聚合与自适应降采样的瞬态检测系统，其能数据采集模块、瞬态点检测模块、瞬态事件完善模块、瞬态数据预处理模块、降采样模块以及识别模块相互配合提高了瞬态检测的精度、增强了检测的实时性和鲁棒性、降低了计算的复杂度。
54、作为本发明所述的基于多滑窗聚合与自适应降采样的瞬态检测系统的一种优选方案，其中：包括数据采集模块、瞬态点检测模块、瞬态事件完善模块、瞬态数据预处理模块、降采样模块以及识别模块；
55、所述数据采集模块用于采集核电设备历史正常运行状态的温度及压力检测参数数据；
56、所述瞬态点检测模块用于使用多级滑窗融合判断的方法进行瞬态点检测；
57、所述瞬态事件完善模块用于完善瞬态事件，对提取的瞬态事件进行数据扩充，在其首尾各自附加10分钟稳态数据，对所有数据点进行分类标记，并依据最早与最晚瞬态事件时间对其他监测点数据实施时间轴补齐；
58、所述瞬态数据预处理模块用于对瞬态数据预处理，进行异常的检测和特征的提取；
59、所述降采样模块用于使用自适应采样和遗传算法加多元线性规划来共同进行数据降采样，
60、所述识别模块用于利用改进的动态时间规整算法，通过相似度来确定识别到的瞬态曲线的最终瞬态类型。
61、一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序是实现基于多滑窗聚合与自适应降采样的瞬态检测方法的步骤。
62、一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现基于多滑窗聚合与自适应降采样的瞬态检测方法的步骤。
63、本发明的有益效果：通过采用多滑窗阈值判断方法，本发明能够更精确地捕捉和识别不同频率和幅度的瞬态信号，减少误检和漏检现象，提高检测精度。考虑了信号的多变性和噪声干扰，能够实时处理和识别瞬态信号，同时有效滤除噪声，提高鲁棒性，适用于实时监控和快速响应场景。
64、通过检测出的瞬态变化点进行采样点预选，并使用遗传算法和多元线性规划方法对候选点进行精筛的降采样方法，不仅降低了计算复杂度，同时能有效保留曲线细节信息，解决了传统降采样方法对于曲线细节的丢失问题，使得该方法可以在嵌入式系统和资源受限的设备上高效运行。
1.一种基于多滑窗聚合与自适应降采样的瞬态检测方法，其特征在于，包括：
2.如权利要求1所述的基于多滑窗聚合与自适应降采样的瞬态检测方法，其特征在于：所述进行瞬态点检测包括初级滑窗检测、中级滑窗检测和高级滑窗检测；
3.如权利要求2所述的基于多滑窗聚合与自适应降采样的瞬态检测方法，其特征在于：所述进行瞬态点检测还包括根据电厂设备计算出不同发生不同瞬态变化的瞬态点允许间隔时间、瞬态片段允许间隔时间，将瞬态点合并为瞬态片段；
4.如权利要求3所述的基于多滑窗聚合与自适应降采样的瞬态检测方法，其特征在于：所述完善瞬态事件包括在提取到的瞬态事件的始末两端，向前和向后各额外截取10min的稳态片段；
5.如权利要求4所述的基于多滑窗聚合与自适应降采样的瞬态检测方法，其特征在于：所述瞬态数据预处理包括对监测参数数据进行预处理和关键特征提取；
6.如权利要求5所述的基于多滑窗聚合与自适应降采样的瞬态检测方法，其特征在于：所述进行数据降采样包括生成降采样候选点，使用检测到的曲线瞬态片段的中心点p1,p2,p3…pn，基于指数衰减函数的基础之上采用y轴等间隔采样，获取等间隔y值所对应的x值作为采样候选点；
7.如权利要求6所述的基于多滑窗聚合与自适应降采样的瞬态检测方法，其特征在于：所述定识别到的瞬态曲线的最终瞬态类型包括将降采样后的瞬态事件曲线和设备设计瞬态曲线计算动态时间规整距离，并按照推荐度排序；
8.一种采用如权利要求1～7任一所述的基于多滑窗聚合与自适应降采样的瞬态检测方法的系统，其特征在于：包括数据采集模块、瞬态点检测模块、瞬态事件完善模块、瞬态数据预处理模块、降采样模块以及识别模块；
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的基于多滑窗聚合与自适应降采样的瞬态检测方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的基于多滑窗聚合与自适应降采样的瞬态检测方法的步骤。
