改进模糊C均值聚算法的多通道旋转设备无线数据分析方法

技术领域

本发明涉及数据处理和分析技术领域，且更具体地涉及一种改进模糊C均值聚算法的多通道旋转设备无线数据分析方法。

背景技术

多通道旋转设备在工业生产、制造技术领域中具有重要的作用，在具体应用过程中，如何实现多通道旋转设备无线数据分析是亟待解决的技术问题。现有技术中公开，该系统由远端数据采集子系统和本地管理子系统组成，远端数据采集子系统通过无线通信电路与本地管理子系统连接，接入远端数据采集子系统的传感器信号经过两级程控增益放大器和4阶巴特沃斯有源低通滤波器后利用模数转换器转换为数字信号，再通过采集控制电路将该数字信号存储于固态硬盘上并通过无线通信电路发送至本地管理子系统，完成多通道微弱信号的采集。这种方法通过采用层次模块化结构，能够降低采集子系统的尺寸要求，有利于数据信息的系统维护。但该方法无法实现多通道旋转设备无线数据分析，专利号公开一种，虽然该方法也能够实现无线数传电台通信，该方法中数据接收对端电台发送的无线数据；分析所述无线数据的数据帧格式，根据所述数据帧格式确定所述对端电台采用的通信协议；查询预设的通信协议库，得到与所述通信协议匹配的目标通信协议，切换至所述目标通信协议。这种方法虽然也能够解决无线数传电台之间通信协议兼容性差及用户配置通信协议不便的问题，对于多通道旋转设备无线数据分析仍旧存在诸多问题，用户无法实现多通道旋转设备数据信息的分析和计算，通信能力低下。

发明内容

针对上述技术的不足，本发明公开一种改进模糊C均值聚算法的多通道旋转设备无线数据分析方法，该方法通过人工智能计算方法，提高了多通道旋转设备无线数据分析能力。

本发明采用以下技术方案：

一种改进模糊C均值聚算法的多通道旋转设备无线数据分析方法，其中：包括以下步骤：

(S1)通过摄像头监控并采集多通道旋转设备的运行状态数据信息，将获取到的多通道旋转设备运行状态数据信息通过无线通信的方式传递到用户终端；

在本步骤中，通过发射器启动通信的方法实现多通道信号传输模块工作，多通道信号传输模块与多通道旋转设备通过无线数据接口实现数据信息通信，按照公共跳频序列来实现无线通信协议接收；当启动数据信息通信时，发射设备向收件人发送RTS的请求：当通信链路信息可用，地址发送CTS信号，然后信号发射器和接受器使用单独的跳频序列进行通信；如果通信不可用，中断地址发送CTS信号；

(S2)通过边缘计算模块增强多通道旋转设备数据信息处理能力，通过调度主站提高系统指令传达速度，根据指令需求建立模型库；

在本步骤中，边缘计算模块采用S1-u通信接口方式将后台管理系统与边缘多通道旋转设备相互连通，通过计时模块在10秒钟内完成边缘多通道旋转设备与移动边缘计算模块的大数据连通；所述边缘计算模块还包括异常诊断模块，所述异常诊断模块包括数据编码模块、数据分类模块、数据匹配模块、异常识别模块和数据过滤模块，其中所述数据编码模块的输出端与数据分类模块的输入端连接，数据分类模块的输出端与数据匹配模块的输入端连接，数据匹配模块的输出端与数据匹配模块的输入端连接，所述数据匹配模块的输出端与异常识别模块的输入端连接，异常识别模块的输出端与数据过滤模块的输入端连接；

(S3)对接收到的无线数据信息通过改进模糊C均值聚类算法模块进行计算，通过视频解码器实现无线数据信息的解码，实现多通道旋转设备数据信息图像识别，再经过编码与处理，将识别出的多通道旋转设备运行状态监控图像信息输出；

(S4)通过KPCA分析模块对多通道旋转设备大数据进行分析，并将分析后的信息传输到数据库进行存储，并通过仪表进行数据展示。

作为本发明进一步的技术方案，所述边缘计算模块包括主控模块、网关通讯模块和通信计算模块，其中所述主控模块分别与网关通讯模块和通信计算模块连接，所述主控模块用于控制网关通讯模块和通信计算模块的工作状态，所述网关通讯模块用于将通讯多通道旋转设备与终端设备联系起来，通过5G无线传输；

其中通信计算模块包括通信路径计算模块、通信数据划分模块、通信数据相位计算模块和抗干扰计算模块，其中所述通信路径计算模块的输出端与通信数据划分模块的输入端连接，通信数据划分模块的输出端与通信数据相位计算模块的输入端连接，所述通信数据相位计算模块的输出端与抗干扰计算模块的输入端连接；

其中所述通信路径计算模块用于计算通信路径输出的数据信息频段、噪声和通信时间；

所述通信数据划分模块用于根据数据信息频段长度等分为多个序列组，根据序列组在数据输出通信路径处的不同相位确定传输异常数据信息；

所述通信数据相位计算模块用于计算无线数据传输速率、数据序列相位、终端在传输中的应用个数、数据序列噪声干扰信息和能量损耗；

所述抗干扰计算模块用于计算无线数据传输过程中的能量消耗。

作为本发明进一步的技术方案，所述通信计算模块的工作方法为：

步骤一、将多通道旋转设备中待发送数据划分序列，根据频段的长度等分为多个波长序列组，提取通信信息特征，异常通信特征函数为：

式(1)中，

根据无线传输速率推算通信路径相位，通信路径相位计算方式为：

式(2)中，v

步骤二、根据多通道旋转设备发送指令捕捉数据形态，通信路径噪声干扰函数表示为：

式(3)中，

经过无线传输过程，对终通信路径采集数据序列，此过程产生的噪声干扰相对较大，表达方式为：

式(4)中，

多通道旋转设备数据序列相位计算公式为：

式(5)中，

其中通信路径数据推算排除后的相位序列为：

式(6)中，

作为本发明进一步的技术方案，无线网络传输数据传输的相位误差评估函数表示为：

在公式(7)中，N表示无线网络传输数据传输通道个数，终端接收通信路径验证数据序列相位误差函数表示为：

其中

作为本发明进一步的技术方案，所述改进模糊C均值聚类算法模块工作方法为：

步骤1：首先构建待处理多通道旋转设备无线数据的隶属矩阵，对多通道旋转设备状态数据的不同类型进行分别构建，则构建的矩阵形式表述为：

式(9)中，J表示待处理多通道旋转设备状态数据各项指数，U表示设备电压指数，V表示设备运行速度指数，u

多通道旋转设备状态数据的隶属矩阵有效性函数表示为：

FP(U,c)＝F(U,c)-P(U,c)(10)

式(10)中，FP表示隶属矩阵有效性函数，F表示多通道旋转设备状态数据规律函数，P表示设备功率函数，c表示设备内部变化电容；

步骤2：根据多通道旋转设备状态数据推算设备运行参数规律函数，通过计算推导出设备运行参数规律随电压变化的规律，表示为：

式(11)中，F(U,c)表示多通道旋转设备状态数据的随电压变化规律函数，n表示所测电能表变量个数；U表示变化的电压量，c表示多通道旋转设备状态数据的随电压变化规律函数中的数据稳定性参数；

将设备运行功率按照隶属矩阵函数转换，则功率变化函数转换式为：

式(12)中，P(U,c)表示多通道旋转设备状态数据的随功率变化规律函数，U表示设备一次电压变化量，U2表示设备二次电压变化量；

步骤3：对建立的隶属度矩阵进行寻优校验改进，找到聚类之后的矩阵函数规律，从而形成可靠性校验方式，最优校验函数转换式为：

FP(U

式(13)中，U*表示最优选取设备运行电压，c*表示最优选取的设备运行电容；

步骤4：经过最优选取得到多通道旋转设备状态数据，通过校验各项数据类型判定多通道旋转设备状态数据通过改进的模糊C均值聚类算法分类处理是否符合预期，验证函数K表示为：

式(14)中，x

作为本发明进一步的技术方案，KPCA分析模块包括编码模块、数据特征计算模块、主成分分析模块、迭代计算模块和数据变换模块，其中所述编码模块的输出端与数据特征计算模块的输入端连接，所述数据特征计算模块的输出端与主成分分析模块的输入端连接，所述主成分分析模块的输出端与迭代计算模块的输入端连接，所述迭代计算模块的输出端和数据变换模块的输入端连接，其中所述编码模块用于将输入到KPCA分析模块的数据信息编码，以满足KPCA分析模块计算的需求，所述数据特征计算模块用于计算输入数据信息的信息特征，所述主成分分析模块用于分析输入数据信息的特征，所述迭代计算模块用于迭代计算输入数据信息的特征，所述数据变换模块用于将迭代计算后的数据信息变换成成非线性数据信息。

作为本发明进一步的技术方案，编码模块为基于FPGA控制的二进制编码模块。

作为本发明进一步的技术方案，数据特征计算模块包括特征信息分离模块、特征信息分解模块、特征信息对比模块和特征信息输出模块，其中所述特征信息分离模块的输出端与特征信息分解模块的输入端连接，所述特征信息分解模块的输出端与特征信息对比模块的输入端连接，所述特征信息对比模块的输出端与特征信息输出模块的输入端连接。

作为本发明进一步的技术方案，主成分分析模块设置有信息识别模块，所述信息识别模块通过差分进化DE算法模型实现信息故障识别，迭代计算模块设置有搜索目标数据信息的搜索模块，数据变换模块通过平方根转换、对数转换或者平方根反正弦转换实现数据信息变换。

作为本发明进一步的技术方案，KPCA分析模块的工作方法为：

步骤一、获取多通道旋转设备状态通信数据信息，并对获取到的数据信息进行训练；

步骤二、通过中央处理器计算核矩阵，以对多通道旋转设备状态通信数据信息进行计算；

步骤三、对多通道旋转设备状态通信数据信息进行核矩阵中心化处理；

步骤四、对多通道旋转设备状态通信数据信息的特征值进行分解；

步骤五、对多通道旋转设备状态通信数据信息的特征向量进行标准化处理；

步骤六、将对多通道旋转设备状态通信数据信息转换为主成分个数进行选取；

步骤七、对多通道旋转设备状态通信数据信息计算非线性主成分，以判断多通道旋转设备状态通信数据信息的通信状态。

本发明与常规技术区别在于：本发明通过人工智能、大数据计算的方法，通过摄像头监控并采集多通道旋转设备的运行状态数据信息，将获取到的多通道旋转设备运行状态数据信息通过无线通信的方式传递到用户终端；通过边缘计算模块增强多通道旋转设备数据信息处理能力，通过调度主站提高系统指令传达速度，根据指令需求建立模型库，其中边缘计算模块采用S1-u通信接口方式将后台管理系统与边缘多通道旋转设备相互连通，并对接收到的无线数据信息通过改进模糊C均值聚类算法模块进行计算，通过视频解码器实现无线数据信息的解码，实现多通道旋转设备数据信息图像识别，再经过编码与处理，将识别出的多通道旋转设备运行状态监控图像信息输出，还能够通过KPCA分析模块对多通道旋转设备大数据进行分析，并将分析后的信息传输到数据库进行存储，并通过仪表进行数据展示。本发明大大提高了多通道旋转设备无线数据分析和计算能力。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图，其中：

图1为本发明方法的流程示意图；

图2为本发明中边缘计算模块的架构示意图；

图3为本发明中KPCA分析模块结构示意图；

图4为本发明中KPCA分析模块的架构示意图。

具体实施方式

以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的实施例仅用于说明和解释本发明，并不用于限定本发明。

如图1所示，一种改进模糊C均值聚算法的多通道旋转设备无线数据分析方法，包括以下步骤：

(S1)通过摄像头监控并采集多通道旋转设备的运行状态数据信息，将获取到的多通道旋转设备运行状态数据信息通过无线通信的方式传递到用户终端；

在本步骤中，通过发射器启动通信的方法实现多通道信号传输模块工作，多通道信号传输模块与多通道旋转设备通过无线数据接口实现数据信息通信，按照公共跳频序列来实现无线通信协议接收；当启动数据信息通信时，发射设备向收件人发送RTS的请求：当通信链路信息可用，地址发送CTS信号，然后信号发射器和接受器使用单独的跳频序列进行通信；如果通信不可用，中断地址发送CTS信号；

(S2)通过边缘计算模块增强多通道旋转设备数据信息处理能力，通过调度主站提高系统指令传达速度，根据指令需求建立模型库；

在本步骤中，边缘计算模块采用S1-u通信接口方式将后台管理系统与边缘多通道旋转设备相互连通，通过计时模块在10秒钟内完成边缘多通道旋转设备与移动边缘计算模块的大数据连通；

所述边缘计算模块还包括异常诊断模块，所述异常诊断模块包括数据编码模块、数据分类模块、数据匹配模块、异常识别模块和数据过滤模块，其中所述数据编码模块的输出端与数据分类模块的输入端连接，数据分类模块的输出端与数据匹配模块的输入端连接，数据匹配模块的输出端与数据匹配模块的输入端连接，所述数据匹配模块的输出端与异常识别模块的输入端连接，异常识别模块的输出端与数据过滤模块的输入端连接；

(S3)对接收到的无线数据信息通过改进模糊C均值聚类算法模块进行计算，通过视频解码器实现无线数据信息的解码，实现多通道旋转设备数据信息图像识别，再经过编码与处理，将识别出的多通道旋转设备运行状态监控图像信息输出；

(S4)通过KPCA分析模块对多通道旋转设备大数据进行分析，并将分析后的信息传输到数据库进行存储，并通过仪表进行数据展示。

在上述实施例中，数据编码模块是将接收到的数据信息通过编码的方式被边缘计算模块识别与计算，比如根据边缘设备设置和通信的性质，对数据信息进行编码，以满足边缘设备工作的需要。其中数据分类模块是根据边缘设备的属性和种类进行数据信息分类，比如按照电流数据信息、电压数据信息、故障数据信息或者其他数据信息种类，对边缘设备工作状态进行分类。数据匹配模块是通信数据信息与传输过程中数据信息的通信协议或者数据属性进行的匹配。异常识别模块比如通过计算机算法模型、控制终端软件计算通信过程中的故障数据信息，以提高故障计算能力，通过数据过滤模块将异常数据信息过滤，比如通过设置过滤器或者通信属性以实现不同信息的筛选。

在具体实施例中，异常诊断模块与主控模块进行数据连接。

如图2所示，在上述步骤中，所述边缘计算模块包括主控模块、网关通讯模块和通信计算模块，其中所述主控模块分别与网关通讯模块和通信计算模块连接，所述主控模块用于控制网关通讯模块和通信计算模块的工作状态，所述网关通讯模块用于将通讯多通道旋转设备与终端设备联系起来，通过5G无线传输；

其中通信计算模块包括通信路径计算模块、通信数据划分模块、通信数据相位计算模块和抗干扰计算模块，其中所述通信路径计算模块的输出端与通信数据划分模块的输入端连接，通信数据划分模块的输出端与通信数据相位计算模块的输入端连接，所述通信数据相位计算模块的输出端与抗干扰计算模块的输入端连接；

其中所述通信路径计算模块用于计算通信路径输出的数据信息频段、噪声和通信时间；

所述通信数据划分模块用于根据数据信息频段长度等分为多个序列组，根据序列组在数据输出通信路径处的不同相位确定传输异常数据信息；

所述通信数据相位计算模块用于计算无线数据传输速率、数据序列相位、终端在传输中的应用个数、数据序列噪声干扰信息和能量损耗；

所述抗干扰计算模块用于计算无线数据传输过程中的能量消耗。

在具体实施例中，网关通讯模块可以设置在用户的移动端、固定端和企业端，终端应用连接口设有基础网络设施，在具体实施例中，网关通讯模块可以通过专业人员实现多通道旋转设备的定期维护，通讯口采用RS485协议，终端应用运行中装有网速显示器和运行警告装置

在上述步骤中，所述通信计算模块的工作方法为:

步骤一、将多通道旋转设备中待发送数据划分序列，根据频段的长度等分为多个波长序列组，提取通信信息特征，异常通信特征函数为：

式(1)中，

在上述步骤中，将通讯路径中的异常数据序列、多个波长序列组被划分属性类型、无线输出划分的序列组数、频段、多通道旋转设备处数据序列相位、接收终端应用处数据序列相位、接收终端应用处数据序列相位、相位标识以及接收终端应用的个数融合在大数据计算模型中，通过数学思维的方式的将影响通信特征的函数信息表示出来，以实现异常通信数据信息的分析。

根据无线传输速率推算通信路径相位，通信路径相位计算方式为：

式(2)中，v

在上述步骤中，通信路径相位数据信息能够反映无线数据通讯的能力，通过上述公式，提高无线数据信息传输能力。

步骤二、根据多通道旋转设备发送指令捕捉数据形态，通信路径噪声干扰函数表示为：

式(3)中，

在上述步骤中，通信路径噪声干扰函数能够反映出通道的质量、多通道旋转设备发送序列噪声干扰程度、总发送数据序列、无线输出划分的序列组数以及多通道旋转设备划分序列相位等多种数据信息通过函数公式表示，以提高数据通信能力。

经过无线传输过程，对终通信路径采集数据序列，此过程产生的噪声干扰相对较大，表达方式为：

/>

式(4)中，

在上述步骤中，通过计算终通信路径数据信息传输过程中的数列噪声干扰能力，以提高数据信息通信过程中的噪声干扰。

多通道旋转设备数据序列相位计算公式为：

式(5)中，

在上述步骤中，通过计算多通道旋转设备数据序列相位，能够计算出多通道旋转设备数据序列相位。以全面衡量的多通道旋转设备数据序列在计算过程中数据通信能力。

无线传输过程中的干扰无法排除，因此通信路径处噪声干扰高于多通道旋转设备干扰，根据通信路径数据推算排除后的相位序列为：

式(6)中，

在上述实施例中，无线网络传输数据传输的相位误差评估函数表示为：

在公式(7)中，N表示无线网络传输数据传输通道个数，终端接收通信路径验证数据序列相位误差函数表示为：

其中

在本发明中，所述的无线通信模块具体通信命令为：

在具体实施例中，从初始状态开始，该设备默认为发现状态，其中该设备查找无线通信系统并与之同步；当发现完成时，设备进入侦听状态，其中设备以公共频率序列进行侦听，该频率序列周期性地改变频率；

在具体实施例中，当处于侦听状态时，如果从另一个设备接收到发送信号的请求，则该设备将进入接收状态；接收状态中包括用于发送清除发送(Clear To Send，CTS)信号的状态；

在具体实施例中，CTS包括用于发送数据的指定信道或频率序列，在发送CTS之后，设备默认为在指定信道中接收数据的状态；如果没有接收到数据，则设备恢复到侦听状态；如果接收到数据，则设备进入发送确认字符(Acknowledge character，ACK)的状态，然后，设备默认返回到侦听状态；

在具体实施例中，当处于传输状态时，设备进入载波检测状态，用于检测载波(即公共频率序列中的当前频率)是忙还是空闲；如果载波忙，则设备进入退避状态，其中设置了退避计时器，并恢复到侦听状态；相反，如果载波空闲，则设备进入发送状态，用于向另一对等设备发送请求(Request To Send，RTS)信号；该设备侦听CTS信号，如果接收到CTS信号，则设备进入另一发送状态以发送数据；发送数据后，设备侦听ACK信号；如果没有接收到CTS，则设备再次进入后退状态，设置后退计时器，并恢复到侦听状态；在发送数据之后，如果响应于数据接收到ACK信号，则设备擦除传输缓冲器，并默认返回到侦听状态；如果没有接收到ACK信号，则传输缓冲器没有被清除，并且设备恢复到侦听状态，并增加与该传输缓冲器相关联的重试限制器计数器；如果超过了有限的重试次数，则会清除缓冲区，并可能会记录为无线通信模块内部错误。本发明通过通信计算模块实现数据信息的远程无线数据交互。

在上述步骤中，所述改进模糊C均值聚类算法模块工作方法为：

步骤1：首先构建待处理多通道旋转设备无线数据的隶属矩阵，对多通道旋转设备状态数据的不同类型进行分别构建，则构建的矩阵形式表述为：

式(9)中，J表示待处理多通道旋转设备状态数据各项指数，U表示设备电压指数，V表示设备运行速度指数，u

在具体实施例中，通过将多通道旋转设备无线数据构建成数据信息的隶属矩阵，能够提高多通道旋转设备无线数据交互能力。矩阵形式中，待处理多通道旋转设备状态数据各项指数、设备电压指数、设备运行速度指数、存在设备变化电压指数、设备序数与数据类型序数和设备功率变化指数共同构成了多通道旋转设备无线数据的隶属矩阵，通过该矩阵能够提高无线数据信息计算能力。

多通道旋转设备状态数据的隶属矩阵有效性函数表示为：

FP(U,c)＝F(U,c)-P(U,c)(10)

式(10)中，FP表示隶属矩阵有效性函数，F表示多通道旋转设备状态数据规律函数，P表示设备功率函数，c表示设备内部变化电容；

在具体实施例中，有效性函数通过隶属矩阵有效性函数、多通道旋转设备状态数据规律函数、设备功率函数和设备内部变化电容实现多通道旋转设备状态数据的隶属矩阵有效性分析。在具体实施例中中，反映其有效性的参数因素很多，在上述实施例中，通过主要数据信息因素，以分析所建立的多通道旋转设备状态数据的隶属矩阵有效性。

步骤2：根据多通道旋转设备状态数据推算设备运行参数规律函数，通过计算推导出设备运行参数规律随电压变化的规律，表示为：

式(11)中，F(U,c)表示多通道旋转设备状态数据的随电压变化规律函数，n表示所测电能表变量个数；U表示变化的电压量，c表示多通道旋转设备状态数据的随电压变化规律函数中的数据稳定性参数；

在具体实施例中，通过计算多通道旋转设备状态数据的随电压变化规律函数能够计算出设备运行参数规律随电压变化的规律，以实时掌握计算多通道旋转设备状态通信数据信息。

将设备运行功率按照隶属矩阵函数转换，则功率变化函数转换式为：

式(12)中，P(U,c)表示多通道旋转设备状态数据的随功率变化规律函数，U表示设备一次电压变化量，U2表示设备二次电压变化量；

在具体实施例中，通过隶属矩阵函数转换提高了多通道旋转设备状态数据计算能力。

步骤3：对建立的隶属度矩阵进行寻优校验改进，找到聚类之后的矩阵函数规律，从而形成可靠性校验方式，最优校验函数转换式为：

FP(U

式(13)中，U*表示最优选取设备运行电压，c*表示最优选取的设备运行电容；

在具体实施例中，通过最优校验函数能够实现多通道旋转设备状态数据通讯的校验与核对，以提高数据通信评估能力。

步骤4：经过最优选取得到多通道旋转设备状态数据，通过校验各项数据类型判定多通道旋转设备状态数据通过改进的模糊C均值聚类算法分类处理是否符合预期，验证函数K表示为：

式(14)中，x

在具体实施例中，模糊c-均值聚类算法fuzzy c-means algorithm(FCMA)或称(FCM)在众多模糊聚类算法中，能够通过优化目标函数得到每个样本点对所有类中心的隶属度，从而决定样本点的类属以达到自动对样本数据进行分类的目的。该研究通过模糊理论对重要数据分析和建模的方法，建立了多通道旋转设备状态数据处理样本类属的不确定性描述，能比较客观地反映多通道旋转设备状态数据计算和信息处理能力，通过将多通道旋转设备状态通信数据信息有效地进行模糊C均值聚类算法分类处理，能够提高多通道旋转设备状态数据分析、数据挖掘、矢量量化、图像分割、模式识别，能够提高多通道旋转设备状态数据分析和计算能力。

在上述实施例中，如图3和图4所示，KPCA分析模块包括编码模块、数据特征计算模块、主成分分析模块、迭代计算模块和数据变换模块，其中所述编码模块的输出端与数据特征计算模块的输入端连接，所述数据特征计算模块的输出端与主成分分析模块的输入端连接，所述主成分分析模块的输出端与迭代计算模块的输入端连接，所述迭代计算模块的输出端和数据变换模块的输入端连接，其中所述编码模块用于将输入到KPCA分析模块的数据信息编码，以满足KPCA分析模块计算的需求，所述数据特征计算模块用于计算输入数据信息的信息特征，所述主成分分析模块用于分析输入数据信息的特征，所述迭代计算模块用于迭代计算输入数据信息的特征，所述数据变换模块用于将迭代计算后的数据信息变换成成非线性数据信息。

在上述实施例中，编码模块为基于FPGA控制的二进制编码模块。

在具体实施例中，在FPGA控制作用下，将不同的数据信息输入到编码模块，通过X264、X265等软件编解码器对数据进行处理，数据信息编码内容符合KPCA分析模块的输入需求。由于核主成分分析(KPCA)是一种非线性数据处理方法，其核心思想是通过一个非线性映射把原始空间的数据投影到高维特征空间，然后在高维特征空间中进行基于主成分分析(PCA)的数据处理。编码模块在具体实施例中通过数据降维或者特征提取的方式实现数据信息编码。在另一种实施例中，还可以采用基于PLC控制器实现数据信息的编码，编码类型根据KPCA分析模块输入信息的不同进行选择。

在上述实施例中，数据特征计算模块包括特征信息分离模块、特征信息分解模块、特征信息对比模块和特征信息输出模块，其中所述特征信息分离模块的输出端与特征信息分解模块的输入端连接，所述特征信息分解模块的输出端与特征信息对比模块的输入端连接，所述特征信息对比模块的输出端与特征信息输出模块的输入端连接。

在具体实施例中，特征信息分离模块用于实现数据信息的分类，比如通过按照数据属性信息特征、传输协议、网络类型、传输中节点或者转发接口等不同的功能，以提高数据信息处理、分类和计算能力。

在具体实施例中，特征信息分解模块用于实现数据信息的分解，将不同类型的数据信息通过特征细化表征，或者数据信息属性，以提取数据信息特征。特征分解(Eigendecomposition)，又称谱分解(Spectral decomposition)是将分解为由其和表示的矩阵之积的方法。需要注意只有对才可以施以特征分解。在具体实施例中，还可以将数据信息细化表示。

在具体实施例中，特征信息对比模块用于将提取到的数据信息分解，将分解出来的数据信息特征通过对比分析的方法实现数据信息对比和数据匹配，数学中的特征提取，是一组向量或矩阵运算。把图像的像素放在矩阵中，做灰度处理，对比度处理，标准化处理，卷积运算。把最有用的特征分量用大数表示出来，没用的特征置零，以降低数据维度，将无用信息去掉，然后作相似度分析，从而达到分类的效果。

在具体实施例中，特征信息输出模块用于输出提取到的数据信息，能够将原始数据转换为更好代表预测模型的潜在问题的特征的过程，从而提高了对未知数据的模型准确性和输出能力。

通过计算数据信息的特征，以计算多通道旋转设备在运行过程中的计算能力。

在上述实施例中，主成分分析模块设置有信息识别模块，所述信息识别模块通过差分进化DE算法模型实现信息故障识别。

在主成分分析模块计算过程中，通过数据信息降维提高数据信息处理能力，其中降维是对数据高维度特征的一种预处理方法。降维是将高维度的数据保留下最重要的一些特征，去除噪声和不重要的特征，从而实现提升数据处理速度的目的。DE算法模型中通过DE(Differential Evolution)差分进化算法实现数据信息的计算，差分进化算法是一种新兴的进化计算技术。和其它演化算法一样，DE是一种模拟生物进化的随机模型，通过反复迭代，使得那些适应环境的个体被保存了下来。但相比于进化算法，DE保留了基于种群的全局搜索策略，采用实数编码、基于差分的简单变异操作和一对一的竞争生存策略，降低了遗传操作的复杂性。

在上述实施例中，迭代计算模块设置有搜索目标数据信息的搜索模块。

在具体实施例中，比如通过设置搜索模块将通信过程中的数据节点等多种数据信息检索出来，将迭代过的数据信息以及未迭代的数据信息有效地反映出来，进而提高数据信息计算能力。

在上述实施例中，数据变换模块通过平方根转换、对数转换或者平方根反正弦转换实现数据信息变换。

在具体实施例中，数据变换transformation of dot，在对数据进行统计分析时，要求数据必须满足一定的条件，如在方差分析时，要求试验误差具有独立性、无偏性、方差齐性和正态性二但在实际分析中，独立性、无偏性比较容易满足，方差齐性在大多数情况下能满足。正态性有时不能满足。有时若将数据经过适当的转换，如平方根转换、对数转换、平方根反正弦转换，则可以使数据满足方差分析的要求。所进行的此种数据转换，称为数据变换。

KPCA分析模块的工作方法为：

步骤一、获取多通道旋转设备状态通信数据信息，并对获取到的数据信息进行训练；

在具体实施例中，核主成分分析(KPCA)是一种非线性数据处理方法，其核心思想是通过一个非线性映射把原始空间的数据投影到高维特征空间，然后在高维特征空间中进行基于主成分分析(PCA)的数据处理。先通过数据信息获取，对获取到的数据信息进行训练，在具体训练过程中，可以通过分类的方法，将多通道旋转设备状态通信数据信息按照一定的数据属性分类。

步骤二、通过中央处理器计算核矩阵，以对多通道旋转设备状态通信数据信息进行计算；

在具体实施例中，核矩阵定义了世界的分类。在这个核矩阵里，矩阵里每个点的值是两个X世界点的线性内积。核矩阵是样本之间通过核函数影射之后得到的，每两个样本之间进行一次核函数影射。在进行多通道旋转设备状态通信数据信息计算时，该函数本质上跟其他常见的函数(如幂函数)是一样的。幂函数有它的特点，形如y＝x^{a}的函数才能称为幂函数。同样，核函数也有他的特点，只不过它的特点更复杂一点，满足以下要求的函数才能称为核函数。只要一个对称函数对应的核矩阵半正定，它就能作为核函数。这种方法能够计算多通道旋转设备状态通信数据信息在高维空间的内积。

步骤三、对多通道旋转设备状态通信数据信息进行核矩阵中心化处理；

在具体实施例中中，提到有5种常用的核函数，选择了不同的核函数，意味选择了不同的某种映射。多通道旋转设备状态通信数据信息进行核矩阵中心化处理过程中，从低维空间映射到高维空间后内积的运算问题，也就是基于现有的低维空间向量，能够计算出映射到高维空间后的内积。其中每一个核函数必然要对应一个从低维到高维的映射函数，换句话来说，只有能找到一个映射，使得从低维映射到高维后的坐标内积能够与核函数计算出的值相同，那么当前所找出的核函数才是有意义的。映射函数本身仅仅是一种映射关系，并没有增加维度的特性，不过可以利用核函数的特性，构造可以增加维度的核函数。

步骤四、对多通道旋转设备状态通信数据信息的特征值进行分解；

在具体实施例中，对特征值进行信息分解时，通过奇异值分解实现数据信息分解。

步骤五、对多通道旋转设备状态通信数据信息的特征向量进行标准化处理；

在具体实施例中，比如z-score标准化、max-min标准化、L1/L2范数标准化等。

步骤六、将对多通道旋转设备状态通信数据信息转换为主成分个数进行选取；

在具体实施例中，主成分分析是一种降维算法，它能将多个指标转换为少数几个主成分，这些主成分是原始变量的线性组合，且彼此之间互不相关，其能反映出原始数据的大部分信息。一般来说，当研究的问题涉及到多变量且变量之间存在很强的相关性时，可考虑使用主成分分析的方法来对数据进行简化。

步骤七、对多通道旋转设备状态通信数据信息计算非线性主成分，以判断多通道旋转设备状态通信数据信息的通信状态；

在具体实施例中，核化线性降维方法是一种典型的非线性降维方法，它基于核技巧对线性降维方法进行“核化”，然后再降维。比如通过对比分析的方法实现数据信息的降维。在本发明中，通过核主成分分析(Kernel Principal Component Analysis，KPCA)模块实现多通道旋转设备状态通信数据信息的计算与分析。在具体实施例中，KPCA的性能取决于核函数、核参数的选择。常用的核函数有线性核函数(Linear)、径向基(Radial BasisFunction,RBF)和积分径向基(The Integrated Radial Basis Function,IRBF)核函数。当使用线性核函数时，KPCA退化为PCA。在具体实施例中，该方法易于使用的API，支持基于KPCA的数据降维、特征提取、数据重构，并支持基于KPCA的故障检测和故障诊断，支持多种核函数(linear,gaussian,polynomial,sigmoid,laplacian)，并能够支持基于主元贡献率或给定数字的降维维度/主元个数选取。

为了提高上述计算能力，验证改进模糊C均值聚算法的有效性，下面对本申请的方法进行验证。

在验证时，采用i9系列计算机，采用机械硬盘，内存为64+128GB，系统数据采集精度为90％以上，防护范围超过94％，算法运算误差不超过0.5％，采用5G联通网络通讯方式。本发明的方法通过聚类算法之后，将本申请方法的K-means算法(下文称为方案1)和决策树方法(下文称为方案2)进行对比分析，可以明显看到本发明方法具突出的技术效果。然后将本发明的方法与则聚类时的耗时对比如表1所示。

表1聚类耗时对比/s

通过表1的方法可以出，采用本发明方法聚类耗时比较少。说明本发明方法工作效率低。然后再验证逐步回归算法模型在电力系统数据预测能力。通过多次测量，采用的计算函数为均方根误差(root mean square error，RMSE)、平均绝对误差百分比(meanabsolute percent error，MAPE)，均方根RMSE误差数据模型可以表示为：

平均绝对误差百分比MAPE模型可以表示为：

通过上述算法模型，其中y

/>

通过上述分析方法，可以看到，在8小时时间内，本发明方法在整个过程中，故障识别能力明显高于其他方法。因此本发明的方法在故障诊断上明显高于方案1和方案2，因此本申请方法具有突出的技术优势。

虽然以上描述了本发明的具体实施方式，但是本领域的技术人员应当理解，这些具体实施方式仅是举例说明，本领域的技术人员在不脱离本发明的原理和实质的情况下，可以对上述方法和系统的细节进行各种省略、替换和改变。例如，合并上述方法步骤，从而按照实质相同的方法执行实质相同的功能以实现实质相同的结果则属于本发明的范围。因此，本发明的范围仅由所附权利要求书限定。