zkailinzhang / MSET_python

Python implementation of multivariate state estimation technology

MSET_python

Python implementation of multivariate state estimation technology

该项目为多元状态估计技术的python实现，主要包含训练与测试数据（.mat文件）、模型（Model.py）以及测试例子（example.py）
其中ae_D_temp为训练数据，ae_Kobs3_temp为正常测试数据，ae_ver_temp为磨煤机堵煤故障数据，数据集包含风粉混合物温度等14个变量。

Model.py包含以下功能：

输入文件名列表，加载训练数据，默认对数据进行归一化

Traindata(name_list,if_nor=True)  

加载测试数据，默认进行归一化

Testdata(name_string,np_Dmax,np_Dmin,if_nor=True)  

加载故障数据，默认进行归一化

Faultdata(name_string,np_Dmax,np_Dmin,if_nor=True)  

归一化模块，适合用于需对原始数据进行操作而未进行归一化的数据

normalization(np_Kobs,np_Dmax,np_Dmin)  

模型训练，返回记忆矩阵

MemoryMat_train(np_D,memorymat_name)  

多模型训练，分高中低负荷建立模型，返回三个记忆矩阵

MemoryMats_train(np_D)  

计算保存记忆矩阵的Temp矩阵，在每次输入观测向量，计算估计值时，可直接加载Temp，减少运算量

Temp_MemMat(memorymat,Temp_name)  

输入记忆矩阵、观测向量以及Temp矩阵，返回对应的估计向量

MSET(memorymat_name,Kobs,Temp_name)  

对于输入的观测向量先划分负荷段，再传到相应记忆矩阵中，得到估计值

MSETs(memorymat1_name,memorymat2_name,memorymat3_name,Kobs)  

基于融合距离的相似度计算

Cal_sim(Kobs,Kest)  

根据区间统计的**确定动态阈值，动态阈值的更新与当前时刻及前一时刻的相似度均值、方差相关

PS.为了避免在故障发生时阈值随相似度一直下降发生漏报，在阈值更新的触发条件上引入新的限制，即：相似度大于动态阈值且大于0.8，更新动态阈值；相似度小于动态阈值或相似度大于动态阈值且小于0.8，则不更新

Cal_thres(sim)  

各变量及其误差的可视化

pic_vars(label,Kobs,Kest,np_Dmax,np_Dmin)  

误差贡献率

error_contribution(Kobs,Kest,momtent,label)  

累计误差贡献率

Accumu_errorContirbution(Kobs,Kest,momtent,time_range,label)  

更新记忆矩阵，目前该函数未可用

Mat_update(Kobs,sim,thres,memorymat_name,Temp_name)