基于动态支持向量提取的复杂装备实时安全评估

作     者：焦博韬 郭一楠 何潇 蒲佳洋 巩敦卫 Botao JIAO;Yinan GUO;Xiao HE;Jiayang PU;Dunwei GONG

作者机构：中国石油大学(华东)计算机科学与技术学院青岛266580 中国矿业大学(北京)机械与电气工程学院北京100083 清华大学自动化系北京100084 青岛科技大学自动化与电子工程学院青岛266061 

出 版 物：《中国科学:信息科学》 (Scientia Sinica(Informationis))

年 卷 期：2025年第55卷第1期

页      面：156-171页

核心收录：

学科分类：08[工学] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家重点研发计划(批准号:2022YFB4703700) 国家自然科学基金(批准号:U23A20340,61973305) 教育部系统控制与信息处理重点实验室基金(批准号:Scip202203) 深部煤矿开采响应与灾害防控国家重点实验室开放基金(批准号:SKLMRDPC22KF21) 中央高校自主创新科研计划(批准号:24CX06071A)资助项目 

主　　题：实时安全评估 非平稳环境 极端验证延迟 类别不平衡 数据流 

摘      要：在非平稳环境下,对复杂装备进行实时安全评估有助于及时发现潜在危险.其中,在线监测数据的动态变化是最主要的挑战之一.尽管一些在线安全评估方法可以使用监测数据进行动态的调整,但它们通常假设监测数据标签是可用的.然而,在大部分现实场景中,仅有部分提前收集的初始数据或历史数据是有标记的,而实时监测数据则通常是未标记的,这引发了被称为极端验证延迟的挑战.为解决该问题,本文提出了一种基于动态支持向量提取的实时安全评估方法.首先,基于支持向量域描述,在核空间构建包含不同类监测数据的超球面,捕获数据的几何结构;其次,通过对超球的更新,在未标记的监测数据中传播标签信息,从而适应监测数据的分布变化;进一步,采用支持向量动态加权策略,消除监测数据类别不平衡对模型性能的影响.面向蛟龙号深海载人潜水器监测数据的实验结果验证了所提方法的有效性.