(19)國(guó)家知識(shí)產(chǎn)權(quán)局(12)發(fā)明專利何為宋凱林事務(wù)所(普通合伙)43289GO6F18/23213(2023.01)基于機(jī)器學(xué)習(xí)的變速箱傳動(dòng)軸信號(hào)數(shù)據(jù)采種基于機(jī)器學(xué)習(xí)的變速箱傳動(dòng)軸信號(hào)數(shù)據(jù)采集預(yù)設(shè)第二鄰域窗口內(nèi)的數(shù)據(jù)特征獲得局部波動(dòng)基準(zhǔn)簇的距離特征、異常簇內(nèi)的數(shù)據(jù)離散特征、異常簇內(nèi)異常數(shù)據(jù)點(diǎn)的局部密度特征獲得異常數(shù)據(jù)獲取模塊震動(dòng)分析模塊異常檢測(cè)模塊21.一種基于機(jī)器學(xué)習(xí)的變速箱傳動(dòng)軸信號(hào)數(shù)據(jù)采集處理系統(tǒng)，其特征在于，所述系統(tǒng)包括以下模塊：數(shù)據(jù)獲取模塊，用于獲取傳動(dòng)軸的去除高頻噪聲后的震動(dòng)強(qiáng)度時(shí)序；震動(dòng)分析模塊，用于構(gòu)建震動(dòng)強(qiáng)度時(shí)序中數(shù)據(jù)點(diǎn)的預(yù)設(shè)第一鄰域窗口和預(yù)設(shè)第二鄰域窗口；根據(jù)數(shù)據(jù)點(diǎn)的預(yù)設(shè)第一鄰域窗口內(nèi)和預(yù)設(shè)第二鄰域窗口內(nèi)的數(shù)據(jù)波動(dòng)特征獲得局部波動(dòng)因子；根據(jù)數(shù)據(jù)點(diǎn)的預(yù)設(shè)第一鄰域窗口內(nèi)和預(yù)設(shè)第二鄰域窗口內(nèi)的相鄰數(shù)據(jù)變化特征獲得瞬時(shí)變化穩(wěn)定因子；特征處理模塊，用于根據(jù)數(shù)據(jù)點(diǎn)的所述局部波動(dòng)因子和所述瞬時(shí)變化穩(wěn)定因子進(jìn)行聚類，獲得不同的聚類簇；根據(jù)所述聚類簇內(nèi)的數(shù)據(jù)點(diǎn)數(shù)量特征獲得基準(zhǔn)簇；根據(jù)基準(zhǔn)簇與其他聚類簇的數(shù)據(jù)差異特征獲得異常簇；根據(jù)異常簇和基準(zhǔn)簇的距離特征、異常簇內(nèi)的數(shù)據(jù)離散特征獲得第一異常度；根據(jù)異常簇內(nèi)異常數(shù)據(jù)點(diǎn)的局部密度特征獲得第二異常度；根據(jù)所述第一異常度和所述第二異常度獲得所述異常數(shù)據(jù)點(diǎn)的異常指數(shù)；異常檢測(cè)模塊，用于根據(jù)孤立森林算法獲得所述震動(dòng)強(qiáng)度時(shí)序中數(shù)據(jù)點(diǎn)的評(píng)分；根據(jù)所述異常指數(shù)和所述評(píng)分獲得修正評(píng)分；根據(jù)所述修正評(píng)分對(duì)傳動(dòng)軸進(jìn)行檢測(cè)；所述根據(jù)所述聚類簇內(nèi)的數(shù)據(jù)點(diǎn)數(shù)量特征獲得基準(zhǔn)簇的步驟包括：將所述聚類簇內(nèi)數(shù)據(jù)點(diǎn)最多的聚類簇作為所述基準(zhǔn)簇；所述根據(jù)基準(zhǔn)簇與其他聚類簇的數(shù)據(jù)差異特征獲得異常簇的步驟包括：將所述聚類簇中的數(shù)據(jù)點(diǎn)按照時(shí)間順序進(jìn)行排序，獲得簇內(nèi)數(shù)據(jù)序列；計(jì)算所述基準(zhǔn)簇與所述其他聚類簇的簇內(nèi)數(shù)據(jù)序列的動(dòng)態(tài)時(shí)間規(guī)整距離并歸一化，獲得所述基準(zhǔn)簇與所述其他聚類簇的差異度；將所述差異度超過(guò)預(yù)設(shè)差異閾值的其他聚類簇作為所述異常簇。2.根據(jù)權(quán)利要求1所述的一種基于機(jī)器學(xué)習(xí)的變速箱傳動(dòng)軸信號(hào)數(shù)據(jù)采集處理系統(tǒng)，其特征在于，所述構(gòu)建震動(dòng)強(qiáng)度時(shí)序中數(shù)據(jù)點(diǎn)的預(yù)設(shè)第一鄰域窗口和預(yù)設(shè)第二鄰域窗口的步驟包括：在所述震動(dòng)強(qiáng)度時(shí)序中將所述數(shù)據(jù)點(diǎn)作為窗口中心構(gòu)建預(yù)設(shè)第一鄰域窗口和預(yù)設(shè)第二鄰域窗口，所述預(yù)設(shè)第二鄰域窗口的長(zhǎng)度是所述預(yù)設(shè)第一鄰域窗口的長(zhǎng)度的奇數(shù)倍。3.根據(jù)權(quán)利要求1所述的一種基于機(jī)器學(xué)習(xí)的變速箱傳動(dòng)軸信號(hào)數(shù)據(jù)采集處理系統(tǒng)，其特征在于，所述根據(jù)數(shù)據(jù)點(diǎn)的預(yù)設(shè)第一鄰域窗口內(nèi)和預(yù)設(shè)第二鄰域窗口內(nèi)的數(shù)據(jù)波動(dòng)特征獲得局部波動(dòng)因子的步驟包括：計(jì)算所述預(yù)設(shè)第一鄰域窗口內(nèi)的最大值與最小值的差值并歸一化，獲得第一極值差；計(jì)算所述預(yù)設(shè)第一鄰域窗口內(nèi)數(shù)據(jù)的方差與所述第一極值差的乘積，獲得第一波動(dòng)特征值；將所述預(yù)設(shè)第二鄰域窗口平均分割成與所述預(yù)設(shè)第一鄰域窗口的長(zhǎng)度相同的子窗口；計(jì)算所述子窗口內(nèi)的最大值與最小值的差值并歸一化，獲得第二極值差；計(jì)算所述子窗口內(nèi)數(shù)據(jù)的方差與所述第二極值差的乘積，獲得第二波動(dòng)特征值；計(jì)算所述第一波動(dòng)特征值與每個(gè)子窗口的第二波動(dòng)特征值的差值絕對(duì)值的和值，獲得波動(dòng)差異值；計(jì)算所述第一波動(dòng)特征值與所述波動(dòng)差異值的乘積并正相關(guān)映射，獲得所述數(shù)據(jù)點(diǎn)的局部波動(dòng)因子。4.根據(jù)權(quán)利要求1所述的一種基于機(jī)器學(xué)習(xí)的變速箱傳動(dòng)軸信號(hào)數(shù)據(jù)采集處理系統(tǒng)，其特征在于，所述根據(jù)數(shù)據(jù)點(diǎn)的預(yù)設(shè)第一鄰域窗口內(nèi)和預(yù)設(shè)第二鄰域窗口內(nèi)的相鄰數(shù)據(jù)變化特征獲得瞬時(shí)變化穩(wěn)定因子的步驟包括：計(jì)算所述預(yù)設(shè)第一鄰域窗口內(nèi)數(shù)據(jù)的瞬時(shí)變化率的方差，獲得第一瞬時(shí)變化特征值；3計(jì)算所述預(yù)設(shè)第二鄰域窗口內(nèi)數(shù)據(jù)的瞬時(shí)變化率的方差，獲得第二瞬時(shí)變化特征值；計(jì)算所述第一瞬時(shí)變化特征值與所述第二瞬時(shí)變化特征值的差值絕對(duì)值并負(fù)相關(guān)映射，獲得所述數(shù)據(jù)點(diǎn)的瞬時(shí)變化穩(wěn)定因子。5.根據(jù)權(quán)利要求1所述的一種基于機(jī)器學(xué)習(xí)的變速箱傳動(dòng)軸信號(hào)數(shù)據(jù)采集處理系統(tǒng)，其特征在于，所述根據(jù)異常簇和基準(zhǔn)簇的距離特征、異常簇內(nèi)的數(shù)據(jù)離散特征獲得第一異常度的步驟包括：在聚類空間中計(jì)算所述異常簇與所述基準(zhǔn)簇的聚類中心的歐氏距離，獲得差異距離；計(jì)算所述異常簇中數(shù)據(jù)點(diǎn)的局部波動(dòng)因子的變異系數(shù)和所述瞬時(shí)變化穩(wěn)定因子的變異系數(shù)的平均值；獲得離散特征值；計(jì)算所述差異距離與所述離散特征值的乘積并歸一化，獲得所述異常簇的第一異常度。6.根據(jù)權(quán)利要求1所述的一種基于機(jī)器學(xué)習(xí)的變速箱傳動(dòng)軸信號(hào)數(shù)據(jù)采集處理系統(tǒng)，其特征在于，所述根據(jù)異常簇內(nèi)異常數(shù)據(jù)點(diǎn)的局部密度特征獲得第二異常度的步驟包括：在聚類空間中計(jì)算所述異常簇內(nèi)異常數(shù)據(jù)點(diǎn)與距離最近的預(yù)設(shè)數(shù)量個(gè)其他異常數(shù)據(jù)點(diǎn)的歐氏距離的平均值并歸一化，獲得所述異常數(shù)據(jù)點(diǎn)的第二異常度。7.根據(jù)權(quán)利要求1所述的一種基于機(jī)器學(xué)習(xí)的變速箱傳動(dòng)軸信號(hào)數(shù)據(jù)采集處理系統(tǒng)，其特征在于，所述根據(jù)所述第一異常度和所述第二異常度獲得所述異常數(shù)據(jù)點(diǎn)的異常指數(shù)的步驟包括：計(jì)算所述異常數(shù)據(jù)點(diǎn)的第二異常度與所在異常簇的第一異常度的乘積，獲得綜合異常度；計(jì)算所述綜合異常度與預(yù)設(shè)常數(shù)的和值，獲得所述異常數(shù)據(jù)點(diǎn)的異常指數(shù)；所述預(yù)設(shè)常數(shù)不低于常數(shù)1。8.根據(jù)權(quán)利要求1所述的一種基于機(jī)器學(xué)習(xí)的變速箱傳動(dòng)軸信號(hào)數(shù)據(jù)采集處理系統(tǒng)，其特征在于，所述根據(jù)所述異常指數(shù)和所述評(píng)分獲得修正評(píng)分的步驟包括：計(jì)算所述異常數(shù)據(jù)點(diǎn)的異常指數(shù)與對(duì)應(yīng)的評(píng)分的乘積，獲得所述異常數(shù)據(jù)點(diǎn)的修正評(píng)4技術(shù)領(lǐng)域[0001]本發(fā)明涉及異常檢測(cè)技術(shù)領(lǐng)域，具體涉及一種基于機(jī)器學(xué)習(xí)的變速箱傳動(dòng)軸信號(hào)數(shù)據(jù)采集處理系統(tǒng)。背景技術(shù)[0002]變速箱傳動(dòng)軸負(fù)責(zé)將發(fā)動(dòng)機(jī)產(chǎn)生的動(dòng)力傳遞到車輪上，是驅(qū)動(dòng)車輛行駛的重要部件。傳動(dòng)軸的震動(dòng)信號(hào)能夠反映變速箱傳動(dòng)系統(tǒng)中動(dòng)力不平衡和齒輪磨損等故障，通過(guò)對(duì)震動(dòng)信號(hào)的分析能夠及時(shí)識(shí)別異常故障，提高車輛行駛穩(wěn)定性與安全性。由于故障前期的故障特征不明顯，異常震動(dòng)數(shù)據(jù)較少，故現(xiàn)有通常使用孤立森林算法對(duì)數(shù)據(jù)集中的少數(shù)異常數(shù)據(jù)進(jìn)行檢測(cè)；但由于震動(dòng)信號(hào)存在規(guī)律性變化，某異常值可能與其他時(shí)刻的正常值相似，獲取的傳動(dòng)軸震動(dòng)信號(hào)容易出現(xiàn)異常值與正常值的邊界不明顯的情況，導(dǎo)致傳統(tǒng)的孤立森林算法對(duì)異常值的孤立效果不佳，最終影響傳動(dòng)軸的故障檢測(cè)準(zhǔn)確性。發(fā)明內(nèi)容[0003]為了解決上述通過(guò)現(xiàn)有的孤立森林算法對(duì)震動(dòng)信號(hào)的檢測(cè)準(zhǔn)確性較低的技術(shù)問(wèn)題，本發(fā)明的目的在于提供一種基于機(jī)器學(xué)習(xí)的變速箱傳動(dòng)軸信號(hào)數(shù)據(jù)采集處理系統(tǒng)，所采用的技術(shù)方案具體如下：[0004]數(shù)據(jù)獲取模塊，用于獲取傳動(dòng)軸的去除高頻噪聲后的震動(dòng)強(qiáng)度時(shí)序；[0005]震動(dòng)分析模塊，用于構(gòu)建震動(dòng)強(qiáng)度時(shí)序中數(shù)據(jù)點(diǎn)的預(yù)設(shè)第一鄰域窗口和預(yù)設(shè)第二鄰域窗口；根據(jù)數(shù)據(jù)點(diǎn)的預(yù)設(shè)第一鄰域窗口內(nèi)和預(yù)設(shè)第二鄰域窗口內(nèi)的數(shù)據(jù)波動(dòng)特征獲得局部波動(dòng)因子；根據(jù)數(shù)據(jù)點(diǎn)的預(yù)設(shè)第一鄰域窗口內(nèi)和預(yù)設(shè)第二鄰域窗口內(nèi)的相鄰數(shù)據(jù)變化特征獲得瞬時(shí)變化穩(wěn)定因子；[0006]特征處理模塊，用于根據(jù)數(shù)據(jù)點(diǎn)的所述局部波動(dòng)因子和所述瞬時(shí)變化穩(wěn)定因子進(jìn)行聚類，獲得不同的聚類簇；根據(jù)所述聚類簇內(nèi)的數(shù)據(jù)點(diǎn)數(shù)量特征獲得基準(zhǔn)簇；根據(jù)基準(zhǔn)簇與其他聚類簇的數(shù)據(jù)差異特征獲得異常簇；根據(jù)異常簇和基準(zhǔn)簇的距離特征、異常簇內(nèi)的數(shù)據(jù)離散特征獲得第一異常度；根據(jù)異常簇內(nèi)異常數(shù)據(jù)點(diǎn)的局部密度特征獲得第二異常度；根據(jù)所述第一異常度和所述第二異常度獲得所述異常數(shù)據(jù)點(diǎn)的異常指數(shù)；[0007]異常檢測(cè)模塊，用于根據(jù)孤立森林算法獲得所述震動(dòng)強(qiáng)度時(shí)序中數(shù)據(jù)點(diǎn)的評(píng)分；根據(jù)所述異常指數(shù)和所述評(píng)分獲得修正評(píng)分；根據(jù)所述修正評(píng)分對(duì)傳動(dòng)軸進(jìn)行檢測(cè)。[0008]進(jìn)一步地，所述構(gòu)建震動(dòng)強(qiáng)度時(shí)序中數(shù)據(jù)點(diǎn)的預(yù)設(shè)第一鄰域窗口和預(yù)設(shè)第二鄰域窗口的步驟包括：[0009]在所述震動(dòng)強(qiáng)度時(shí)序中將所述數(shù)據(jù)點(diǎn)作為窗口中心構(gòu)建預(yù)設(shè)第一鄰域窗口和預(yù)設(shè)第二鄰域窗口，所述預(yù)設(shè)第二鄰域窗口的長(zhǎng)度是所述預(yù)設(shè)第一鄰域窗口的長(zhǎng)度的奇數(shù)倍。[0010]進(jìn)一步地，所述根據(jù)數(shù)據(jù)點(diǎn)的預(yù)設(shè)第一鄰域窗口內(nèi)和預(yù)設(shè)第二鄰域窗口內(nèi)的數(shù)據(jù)波動(dòng)特征獲得局部波動(dòng)因子的步驟包括：5[0011]計(jì)算所述預(yù)設(shè)第一鄰域窗口內(nèi)的最大值與最小值的差值并歸一化，獲得第一極值差；計(jì)算所述預(yù)設(shè)第一鄰域窗口內(nèi)數(shù)據(jù)的方差與所述第一極值差的乘積，獲得第一波動(dòng)特征值；將所述預(yù)設(shè)第二鄰域窗口平均分割成與所述預(yù)設(shè)第一鄰域窗口的長(zhǎng)度相同的子窗口；計(jì)算所述子窗口內(nèi)的最大值與最小值的差值并歸一化，獲得第二極值差；計(jì)算所述子窗口內(nèi)數(shù)據(jù)的方差與所述第二極值差的乘積，獲得第二波動(dòng)特征值；計(jì)算所述第一波動(dòng)特征值與每個(gè)子窗口的第二波動(dòng)特征值的差值絕對(duì)值的和值，獲得波動(dòng)差異值；計(jì)算所述第一波動(dòng)特征值與所述波動(dòng)差異值的乘積并正相關(guān)映射，獲得所述數(shù)據(jù)點(diǎn)的局部波動(dòng)因子。[0012]進(jìn)一步地，所述根據(jù)數(shù)據(jù)點(diǎn)的預(yù)設(shè)第一鄰域窗口內(nèi)和預(yù)設(shè)第二鄰域窗口內(nèi)的相鄰數(shù)據(jù)變化特征獲得瞬時(shí)變化穩(wěn)定因子的步驟包括：[0013]計(jì)算所述預(yù)設(shè)第一鄰域窗口內(nèi)數(shù)據(jù)的瞬時(shí)變化率的方差，獲得第一瞬時(shí)變化特征值；計(jì)算所述預(yù)設(shè)第二鄰域窗口內(nèi)數(shù)據(jù)的瞬時(shí)變化率的方差，獲得第二瞬時(shí)變化特征值；計(jì)算所述第一瞬時(shí)變化特征值與所述第二瞬時(shí)變化特征值的差值絕對(duì)值并負(fù)相關(guān)映射，獲得所述數(shù)據(jù)點(diǎn)的瞬時(shí)變化穩(wěn)定因子。[0014]進(jìn)一步地，所述根據(jù)所述聚類簇內(nèi)的數(shù)據(jù)點(diǎn)數(shù)量特征獲得基準(zhǔn)簇的步驟包括：[0015]將所述聚類簇內(nèi)數(shù)據(jù)點(diǎn)最多的聚類簇作為所述基準(zhǔn)簇。[0016]進(jìn)一步地，所述根據(jù)基準(zhǔn)簇與其他聚類簇的數(shù)據(jù)差異特征獲得異常簇的步驟包[0017]將所述聚類簇中的數(shù)據(jù)點(diǎn)按照時(shí)間順序進(jìn)行排序，獲得簇內(nèi)數(shù)據(jù)序列；計(jì)算所述基準(zhǔn)簇與所述其他聚類簇的簇內(nèi)數(shù)據(jù)序列的動(dòng)態(tài)時(shí)間規(guī)整距離并歸一化，獲得所述基準(zhǔn)簇與所述其他聚類簇的差異度；將所述差異度超過(guò)預(yù)設(shè)差異閾值的其他聚類簇作為所述異常簇。[0018]進(jìn)一步地，所述根據(jù)異常簇和基準(zhǔn)簇的距離特征、異常簇內(nèi)的數(shù)據(jù)離散特征獲得第一異常度的步驟包括：[0019]在聚類空間中計(jì)算所述異常簇與所述基準(zhǔn)簇的聚類中心的歐氏距離，獲得差異距離；計(jì)算所述異常簇中數(shù)據(jù)點(diǎn)的局部波動(dòng)因子的變異系數(shù)和所述瞬時(shí)變化穩(wěn)定因子的變異系數(shù)的平均值；獲得離散特征值；計(jì)算所述差異距離與所述離散特征值的乘積并歸一化，獲得所述異常簇的第一異常度。[0020]進(jìn)一步地，所述根據(jù)異常簇內(nèi)異常數(shù)據(jù)點(diǎn)的局部密度特征獲得第二異常度的步驟包括：[0021]在聚類空間中計(jì)算所述異常簇內(nèi)異常數(shù)據(jù)點(diǎn)與距離最近的預(yù)設(shè)數(shù)量個(gè)其他異常數(shù)據(jù)點(diǎn)的歐氏距離的平均值并歸一化，獲得所述異常數(shù)據(jù)點(diǎn)的第二異常度。[0022]進(jìn)一步地，所述根據(jù)所述第一異常度和所述第二異常度獲得所述異常數(shù)據(jù)點(diǎn)的異常指數(shù)的步驟包括：[0023]計(jì)算所述異常數(shù)據(jù)點(diǎn)的第二異常度與所在異常簇的第一異常度的乘積，獲得綜合異常度；計(jì)算所述綜合異常度與預(yù)設(shè)常數(shù)的和值，獲得所述異常數(shù)據(jù)點(diǎn)的異常指數(shù)；所述預(yù)設(shè)常數(shù)不低于常數(shù)1。[0024]進(jìn)一步地，所述根據(jù)所述異常指數(shù)和所述評(píng)分獲得修正評(píng)分的步驟包括：[0025]計(jì)算所述異常數(shù)據(jù)點(diǎn)的異常指數(shù)與對(duì)應(yīng)的評(píng)分的乘積，獲得所述異常數(shù)據(jù)點(diǎn)的修6[0026]本發(fā)明具有如下有益效果：[0027]在本發(fā)明中，構(gòu)建預(yù)設(shè)第一鄰域窗口和預(yù)設(shè)第二鄰域窗口能夠用于分析數(shù)據(jù)點(diǎn)的局部鄰域數(shù)據(jù)；獲取局部波動(dòng)因子能夠反映數(shù)據(jù)點(diǎn)鄰域的數(shù)據(jù)波動(dòng)特征，從而根據(jù)局部波動(dòng)因子區(qū)別正常與異常的數(shù)據(jù)點(diǎn)；獲取瞬時(shí)變化穩(wěn)定因子能夠反映數(shù)據(jù)點(diǎn)鄰域的相鄰數(shù)據(jù)變化規(guī)律性，從而根據(jù)相鄰數(shù)據(jù)變化規(guī)律性區(qū)分正常與異常的數(shù)據(jù)點(diǎn)。獲得聚類簇能夠?qū)⒈碚鞑煌饎?dòng)強(qiáng)度特征的數(shù)據(jù)進(jìn)行區(qū)分，便于確定異常數(shù)據(jù)點(diǎn)的異常程度；獲取基準(zhǔn)簇能夠確定正常數(shù)據(jù)點(diǎn)在聚類空間中的位置，便于確定異常數(shù)據(jù)點(diǎn)的異常程度。獲取異常簇能夠初步確定異常數(shù)據(jù)點(diǎn)的所在范圍，提高故障檢測(cè)的準(zhǔn)確性。獲取第一異常度和第二異常度能夠根據(jù)異常簇和異常數(shù)據(jù)點(diǎn)的所在位置表征異常數(shù)據(jù)點(diǎn)的異常程度，從而提高修正評(píng)分的準(zhǔn)確性。獲取修正評(píng)分能夠減小孤立森林算法的檢測(cè)誤差，最終根據(jù)修正評(píng)分進(jìn)行傳動(dòng)軸的故障檢測(cè)，提高了檢測(cè)準(zhǔn)確性。附圖說(shuō)明[0028]為了更清楚地說(shuō)明本發(fā)明實(shí)施例或現(xiàn)有技術(shù)中的技術(shù)方案和優(yōu)點(diǎn)，下面將對(duì)實(shí)施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡(jiǎn)單的介紹，顯而易見(jiàn)地，下面描述中的附圖僅僅是本發(fā)明的一些實(shí)施例，對(duì)于本領(lǐng)域普通技術(shù)人員來(lái)講，在不付出創(chuàng)造性勞動(dòng)的前提下，還可以根據(jù)這些附圖獲得其它附圖。[0029]圖1為本發(fā)明一個(gè)實(shí)施例所提供的一種基于機(jī)器學(xué)習(xí)的變速箱傳動(dòng)軸信號(hào)數(shù)據(jù)采集處理系統(tǒng)框圖。具體實(shí)施方式[0030]為了更進(jìn)一步闡述本發(fā)明為達(dá)成預(yù)定發(fā)明目的所采取的技術(shù)手段及功效，以下結(jié)合附圖及較佳實(shí)施例，對(duì)依據(jù)本發(fā)明提出的一種基于機(jī)器學(xué)習(xí)的變速箱傳動(dòng)軸信號(hào)數(shù)據(jù)采集處理系統(tǒng)，其具體實(shí)施方式、結(jié)構(gòu)、特征及其功效，詳細(xì)說(shuō)明如下。在定特征、結(jié)構(gòu)或特點(diǎn)可由任何合適形式組合。[0031]除非另有定義，本文所使用的所有的技術(shù)和科學(xué)術(shù)語(yǔ)與屬于本發(fā)明的技術(shù)領(lǐng)域的技術(shù)人員通常理解的含義相同。[0032]下面結(jié)合附圖具體的說(shuō)明本發(fā)明所提供的一種基于機(jī)器學(xué)習(xí)的變速箱傳動(dòng)軸信號(hào)數(shù)據(jù)采集處理系統(tǒng)的具體方案。[0033]請(qǐng)參閱圖1,其示出了本發(fā)明一個(gè)實(shí)施例提供的一種基于機(jī)器學(xué)習(xí)的變速箱傳動(dòng)軸信號(hào)數(shù)據(jù)采集處理系統(tǒng)框圖，該系統(tǒng)包括以下模塊：[0034]數(shù)據(jù)獲取模塊S1,用于獲取傳動(dòng)軸的去除高頻噪聲后的震動(dòng)強(qiáng)度時(shí)序。[0035]在本發(fā)明實(shí)施例中，實(shí)施場(chǎng)景為對(duì)變速箱的傳動(dòng)軸進(jìn)行數(shù)據(jù)分析與故障檢測(cè)，提高故障檢測(cè)的準(zhǔn)確性。首先獲取傳動(dòng)軸的去除高頻噪聲后的震動(dòng)強(qiáng)度時(shí)序，在變速箱傳動(dòng)軸上安裝震動(dòng)傳感器采集震動(dòng)強(qiáng)度數(shù)據(jù)，實(shí)施者可根據(jù)實(shí)施場(chǎng)景自行確定采集頻率；為了提高后續(xù)分析準(zhǔn)確性，需要將明顯的高頻噪聲去除；首先將采集的序列通過(guò)快速傅里葉變換獲得頻譜，將頻譜中大于預(yù)設(shè)截止頻率的頻率分量設(shè)為0,將修改后的頻譜通過(guò)逆傅里葉變換獲得去除高頻噪聲后的震動(dòng)強(qiáng)度時(shí)序，預(yù)設(shè)截止頻率可由實(shí)施者根據(jù)實(shí)施場(chǎng)景自行確7[0036]震動(dòng)分析模塊S2,用于構(gòu)建震動(dòng)強(qiáng)度時(shí)序中數(shù)據(jù)點(diǎn)的預(yù)設(shè)第一鄰域窗口和預(yù)設(shè)第是預(yù)設(shè)第一鄰域窗口的長(zhǎng)度的奇數(shù)倍；本發(fā)明實(shí)施例中將即該數(shù)據(jù)點(diǎn)與前后6個(gè)數(shù)據(jù)點(diǎn)所構(gòu)成，預(yù)設(shè)第二鄰域窗口的長(zhǎng)度為預(yù)設(shè)第一鄰域窗口的3局部波動(dòng)因子的步驟包括：計(jì)算預(yù)設(shè)第一鄰域窗口內(nèi)的最大值與最小值的差值并歸一化，獲得第一極值差；第一極值差反映了數(shù)據(jù)點(diǎn)的預(yù)設(shè)第一鄰域窗口內(nèi)的最大波動(dòng)幅度特征。域窗口內(nèi)的震動(dòng)波動(dòng)特征；當(dāng)?shù)谝徊▌?dòng)特征值越大，意子窗口，在本發(fā)明實(shí)施例中獲得了3個(gè)子窗口，其中一個(gè)子窗口會(huì)與預(yù)設(shè)第一鄰域窗口重8窗口的數(shù)量，Gn表示第n個(gè)子窗口的第二波動(dòng)特征值，表示波動(dòng)差異值。[0041]進(jìn)一步地，在正常情況下，獲取的震動(dòng)數(shù)據(jù)整體雖然是波動(dòng)的，但相鄰數(shù)據(jù)之間的變化特征存在一定的相似性；若震動(dòng)強(qiáng)度時(shí)序中出現(xiàn)異常值，則異常值與相鄰數(shù)據(jù)的變化特征會(huì)與正常情況存在差異；故可根據(jù)數(shù)據(jù)點(diǎn)的預(yù)設(shè)第一鄰域窗口內(nèi)和預(yù)設(shè)第二鄰域窗口內(nèi)的相鄰數(shù)據(jù)變化特征獲得瞬時(shí)變化穩(wěn)定因子。[0042]優(yōu)選地，在本發(fā)明實(shí)施例中，獲取瞬時(shí)變化穩(wěn)定因子的步驟包括：計(jì)算預(yù)設(shè)第一鄰域窗口內(nèi)數(shù)據(jù)的瞬時(shí)變化率的方差，獲得第一瞬時(shí)變化特征值；瞬時(shí)變化率為相鄰數(shù)據(jù)的差異與時(shí)間的比值，第一瞬時(shí)變化特征值反映的預(yù)設(shè)第一鄰域窗口內(nèi)數(shù)據(jù)的瞬時(shí)變化率的分布特征。計(jì)算預(yù)設(shè)第二鄰域窗口內(nèi)數(shù)據(jù)的瞬時(shí)變化率的方差，獲得第二瞬時(shí)變化特征值；計(jì)算第一瞬時(shí)變化特征值與第二瞬時(shí)變化特征值的差值絕對(duì)值并負(fù)相關(guān)映射，獲得數(shù)據(jù)點(diǎn)的瞬時(shí)變化穩(wěn)定因子。若數(shù)據(jù)點(diǎn)局部鄰域不存在異常值，則第一瞬時(shí)變化特征值與第二瞬時(shí)變化特征值會(huì)較為相似；若震動(dòng)異常特征越明顯，則第一瞬時(shí)變化特征值與第二瞬時(shí)變化特征值的差異越大，瞬時(shí)變化穩(wěn)定因子越小。[0043]特征處理模塊S3,用于根據(jù)數(shù)據(jù)點(diǎn)的局部波動(dòng)因子和瞬時(shí)變化穩(wěn)定因子進(jìn)行聚類，獲得不同的聚類簇；根據(jù)聚類簇內(nèi)的數(shù)據(jù)點(diǎn)數(shù)量特征獲得基準(zhǔn)簇；根據(jù)基準(zhǔn)簇與其他聚類簇的數(shù)據(jù)差異特征獲得異常簇；根據(jù)異常簇和基準(zhǔn)簇的距離特征、異常簇內(nèi)的數(shù)據(jù)離散特征獲得第一異常度；根據(jù)異常簇內(nèi)異常數(shù)據(jù)點(diǎn)的局部密度特征獲得第二異常度；根據(jù)第一異常度和第二異常度獲得異常數(shù)據(jù)點(diǎn)的異常指數(shù)。[0044]根據(jù)數(shù)據(jù)點(diǎn)局部鄰域的數(shù)據(jù)特征所獲得的局部波動(dòng)因子和瞬時(shí)變化穩(wěn)定因子能夠區(qū)分正常震動(dòng)數(shù)據(jù)和異常震動(dòng)數(shù)據(jù)，故可根據(jù)數(shù)據(jù)點(diǎn)的局部波動(dòng)因子和瞬時(shí)變化穩(wěn)定因子進(jìn)行聚類，獲得不同的聚類簇；在本發(fā)明實(shí)施例中，使用現(xiàn)有的均值漂移聚類算法進(jìn)行聚類，具體步驟不再贅述。不同聚類簇中的數(shù)據(jù)點(diǎn)反映了不同的震動(dòng)強(qiáng)度特征，由于獲取的震動(dòng)強(qiáng)度時(shí)序中正常數(shù)據(jù)量大于異常數(shù)據(jù)量，故聚類簇中數(shù)據(jù)點(diǎn)數(shù)量越多，則該聚類簇越能夠表征正常的震動(dòng)強(qiáng)度特征；故根據(jù)聚類簇內(nèi)的數(shù)據(jù)點(diǎn)數(shù)量特征獲得基準(zhǔn)簇，具體包括：將聚類簇內(nèi)數(shù)據(jù)點(diǎn)最多的聚類簇作為基準(zhǔn)簇?；鶞?zhǔn)簇中的數(shù)據(jù)點(diǎn)表征了震動(dòng)強(qiáng)度時(shí)序中最為正常的震動(dòng)強(qiáng)度特征。[0045]進(jìn)一步地，由于震動(dòng)強(qiáng)度特征較多，并非除基準(zhǔn)簇以外的其他聚類簇都表征異常情況，為了提高故障檢測(cè)的準(zhǔn)確性，則需要在所有聚類簇中篩選出表征異常震動(dòng)強(qiáng)度特征的聚類簇?；鶞?zhǔn)簇中的數(shù)據(jù)點(diǎn)表征了正常的震動(dòng)強(qiáng)度特征和變化規(guī)律趨勢(shì)，若其他聚類簇中的數(shù)據(jù)點(diǎn)的震動(dòng)強(qiáng)度特征和變化規(guī)律趨勢(shì)與基準(zhǔn)簇的差異越大，意味著該其他聚類簇越可能表征異常情況。故根據(jù)基準(zhǔn)簇與其他聚類簇的數(shù)據(jù)差異特征獲得異常簇；優(yōu)選地，在本發(fā)明實(shí)施例中，獲取異常簇的步驟包括：將聚類簇中的數(shù)據(jù)點(diǎn)按照時(shí)間順序進(jìn)行排序，獲得簇內(nèi)數(shù)據(jù)序列；計(jì)算基準(zhǔn)簇與其他聚類簇的簇內(nèi)數(shù)據(jù)序列的動(dòng)態(tài)時(shí)間規(guī)整距離并歸一化，獲得基準(zhǔn)簇與其他聚類簇的差異度；需要說(shuō)明的是，動(dòng)態(tài)時(shí)間規(guī)整距離通過(guò)現(xiàn)有的動(dòng)態(tài)時(shí)間規(guī)整算法獲得，具體計(jì)算步驟不再贅述，當(dāng)兩個(gè)序列的差異越大，則動(dòng)態(tài)時(shí)間規(guī)整距離越大；進(jìn)而當(dāng)差異度越大，意味著基準(zhǔn)簇與該其他聚類簇表征的震動(dòng)強(qiáng)度特征和變化趨勢(shì)規(guī)律的差異越大，該其他聚類簇越可能表征異常情況。將差異度超過(guò)預(yù)設(shè)差異閾值的其他聚類簇作為異常簇，在本發(fā)明實(shí)施例中，預(yù)設(shè)差異閾值為0.8,實(shí)施者可根據(jù)實(shí)施場(chǎng)景自行確9[0046]獲得異常簇后，則需要判斷異常簇的異常程度，進(jìn)而提高異常檢測(cè)準(zhǔn)確性。在聚類空間中，若異常簇與基準(zhǔn)簇的距離越遠(yuǎn)，則說(shuō)明該異常簇與基準(zhǔn)簇的差異越大，則該異常簇的異常程度越大。若異常簇內(nèi)異常數(shù)據(jù)點(diǎn)的特征分布越離散，則說(shuō)明該異常簇中的震動(dòng)特征越少見(jiàn)，傳動(dòng)軸越可能出現(xiàn)異常。故根據(jù)異常簇和基準(zhǔn)簇的距離特征、異常簇內(nèi)的數(shù)據(jù)離散特征獲得第一異常度；優(yōu)選地，在本發(fā)明實(shí)施例中，獲取第一異常度的步驟包括：在聚類空間中計(jì)算異常簇與基準(zhǔn)簇的聚類中心的歐氏距離，獲得差異距離；當(dāng)差異距離越大，意味著該異常簇的異常程度越大。計(jì)算異常簇中數(shù)據(jù)點(diǎn)的局部波動(dòng)因子的變異系數(shù)和瞬時(shí)變化穩(wěn)定因子的變異系數(shù)的平均值；獲得離散特征值；需要說(shuō)明的是，變異系數(shù)屬于現(xiàn)有技術(shù)，具體計(jì)算步驟不再贅述，變異系數(shù)越大，意味著數(shù)據(jù)越離散；故離散特征值越大，意味著該異常簇的異常程度越大。計(jì)算差異距離與離散特征值的乘積并歸一化，獲得異常簇的第一異常度；當(dāng)?shù)谝划惓６仍酱?，意味著該異常簇整體的異常程度越高。[0047]因異常簇內(nèi)異常數(shù)據(jù)點(diǎn)的異常程度還存在一定差異，為了進(jìn)一步提高異常檢測(cè)的準(zhǔn)確性，需要對(duì)每個(gè)異常數(shù)據(jù)點(diǎn)的異常程度進(jìn)行分析。若該異常簇內(nèi)異常數(shù)據(jù)點(diǎn)的局部密度越小，則能夠進(jìn)一步說(shuō)明該異常數(shù)據(jù)點(diǎn)表征的震動(dòng)強(qiáng)度特征越少見(jiàn)，與基準(zhǔn)簇的震動(dòng)強(qiáng)度特征差異越大，越遠(yuǎn)離基準(zhǔn)簇。故根據(jù)異常簇內(nèi)異常數(shù)據(jù)點(diǎn)的局部密度特征獲得第二異常度；優(yōu)選地，在本發(fā)明實(shí)施例中，獲取第二異常度的步驟包括：在聚類空間中計(jì)算異常簇內(nèi)異常數(shù)據(jù)點(diǎn)與距離最近的預(yù)設(shè)數(shù)量個(gè)其他異常數(shù)據(jù)點(diǎn)的歐氏距離的平均值并歸一化，獲得異常數(shù)據(jù)點(diǎn)的第二異常度。在本發(fā)明實(shí)施例中，預(yù)設(shè)數(shù)量為5,實(shí)施者可根據(jù)實(shí)施場(chǎng)景自行確定；當(dāng)異常數(shù)據(jù)點(diǎn)與距離最近的其他數(shù)據(jù)點(diǎn)越遠(yuǎn)，意味著該異常數(shù)據(jù)點(diǎn)越離群，表征的震動(dòng)強(qiáng)度特征越少見(jiàn)，異常程度越高。[0048]進(jìn)一步地，獲得異常簇的第一異常度和異常數(shù)據(jù)點(diǎn)的第二異常度后，可結(jié)合第一異常度和第二異常度準(zhǔn)確地表征每個(gè)異常數(shù)據(jù)點(diǎn)的異常程度。故根據(jù)第一異常度和第二異常度獲得異常數(shù)據(jù)點(diǎn)的異常指數(shù)；優(yōu)選地，在本發(fā)明實(shí)施例中，獲取異常指數(shù)的步驟包括：計(jì)算異常數(shù)據(jù)點(diǎn)的第二異常度與所在異常簇的第一異常度的乘積，獲得綜合異常度；當(dāng)綜合異常度越大，意味著該異常數(shù)據(jù)點(diǎn)表征的震動(dòng)強(qiáng)度特征越異常。計(jì)算綜合異常度與預(yù)設(shè)常數(shù)的和值，獲得異常數(shù)據(jù)點(diǎn)的異常指數(shù)；預(yù)設(shè)常數(shù)不低于常數(shù)1,在本發(fā)明實(shí)施例中，預(yù)設(shè)常數(shù)為1,目的是改變綜合異常度的值域，從而增大評(píng)分。[0049]異常檢測(cè)模塊S4,用于根據(jù)孤立森林算法獲得震動(dòng)強(qiáng)度時(shí)序中數(shù)據(jù)點(diǎn)的評(píng)分；根據(jù)異常指數(shù)和評(píng)分獲得修正評(píng)分；根據(jù)修正評(píng)分對(duì)傳動(dòng)軸進(jìn)行檢測(cè)。[0050]獲得異常簇中異常數(shù)據(jù)點(diǎn)的異常指數(shù)后，可根據(jù)異常指數(shù)對(duì)孤立森林算法的異常檢測(cè)結(jié)果