本发明涉及一种数据切片方法，尤其是涉及一种燃料电池电堆敏感性测试数据切片方法。
背景技术：
敏感性测试是燃料电池比较常见的测试类型。试验的目的是去对比敏感性变量对燃料电池性能影响的程度高低。敏感性测试按照类型分为电堆温度敏感性测试、反应气体进口压力敏感性测试、空气计量比敏感性测试、空气进口温度敏感性测试、空气进口压力敏感性测试、空气相对湿度敏感性测试、冷却液进出口温差敏感性测试、氢气计量比敏感性测试、氢气进口压力敏感性测试、氢气相对湿度敏感性测试等测试实验。敏感性测试数据的数据类型特点是“两种变量，多个参数”。两种变量包括：电流和敏感性变量。敏感性测试数据的处理是需要对每一档电流每一个敏感性变量的阶段进行截断，切片后另行计算。如果整个敏感性的测试都在一档电流下完成，那么这是单调的数据特点，市面上几乎人工都可以完成这种区间筛选计算工作。但是，倘若要求电堆在多个电流下完成多个变量的敏感性测试，那么这时，就需要具体的甄别算法去帮助数据分析师完成数据切片的工作。
技术实现要素：
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种燃料电池电堆敏感性测试数据切片方法。
本发明的目的可以通过以下技术方案来实现：
一种燃料电池电堆敏感性测试数据切片方法，敏感性测试时，施加多档加载电流，每档加载电流下敏感变量呈阶梯状变化，多档加载电流过渡过程中存在过渡干扰数据，该方法用于将某一档设定的参考加载电流值下敏感变量阶梯变化过程中对应某一参考敏感变量值时的测试数据切分出来，该方法包括如下步骤：
(1)搜索整个测试过程产生的数据，将参考加载电流值下敏感变量为参考敏感变量值的所有数据切分出来组成粗切片数据；
(2)采用时间定位法将过渡干扰数据剔除得到待切分的数据的起始时间和结束时间；
(3)从粗切片数据将上述起始时间和结束时间中的数据切分出来得到精确切片数据。
步骤(1)具体为：
(11)建立向量：
将敏感性测试中所有档加载电流组成加载电流向量x＝[c1,c2,c3,…,cn]，向量x中的第i个元素记作ci，ci表示第i档加载电流值，i＝1,2,…,n，n表示加载电流总档数，
将呈阶梯状变化敏感变量中的敏感变量变化值组成向量y＝[v1,v2,v3,…,vm]，向量y中的第j个元素记作cj，cj表示第j阶敏感变量值，j＝1,2,…,m，m表示敏感变量总阶数，
建立切片参考向量z＝[c_refer,v_refer]，c_refer表示参考加载电流值，v_refer表示参考敏感变量值；
(12)确定c_refer在向量x中的位置为n，即x[n]＝c_refer，x[n]表示向量x中第n个元素，确定v_refer在向量y中的位置为m，即y[m]＝v_refer，y[m]表示向量y中第m个元素；
(13)搜索整个测试过程产生的数据，将加载电流等于x[n]且敏感变量等于y[m]的数据切分出来组成粗切片数据，同时将其余数据切分成多个小数据片，每个小数据片表示连续时间下加载电流为唯一值且敏感变量为唯一值的数据。
步骤(13)中粗切片数据通过布尔函数扫描得到。
步骤(13)中小数据片记作matrix[p,q]，matrix[p,q]表示第p档加载电流值下第q阶敏感变量值时的数据切片，p＝1,2,…,n且p≠n，q＝1,2,…,m且q≠m。
每个小数据片均通过布尔函数扫描得到。
步骤(2)具体为：
(21)计算小数据片matrix[n,m-1]的末尾时间d0n以及小数据片matrix[n,m+1]的起始时间d1n，其中：
(21)计算小数据片matrix[n,m-1]的末尾时间d0n以及小数据片matrix[n,m+1]的起始时间d1n，其中：
若n＝1且m＝1，则d0n＝0；
若n≠1且m＝1，则d0n取matrix[n-1,m]的末尾时间；
若n＜n且m＝m，则d1n取matrix[n+1,m]的起始时间；
若n＝n且m＝m，则d1n取整个测试过程产生的数据的末尾时间；
(22)将d0n作为待切分的数据的起始时间，d1n作为待切分的数据的结束时间，提取加载电流等于x[n]且敏感变量等于y[m]的数据作为精确切片数据。
与现有技术相比，本发明具有如下优点：
(1)本发明能够实现自动识别切片，能够有效将过渡干扰数据剔除，实现无人参与的数据自动识别切片，切片效率高，很大程度简化数据分析师工作；
(2)本发明采用时间定位法实现待切片的数据的精确定位，结果准确可靠。
附图说明
图1为本发明燃料电池电堆敏感性测试数据切片方法的流程框图；
图2为实施例中敏感性测试时加载电流和敏感变量的变化曲线图。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。
实施例
如图1所示，一种燃料电池电堆敏感性测试数据切片方法，敏感性测试时，施加多档加载电流，每档加载电流下敏感变量呈阶梯状变化，多档加载电流过渡过程中存在过渡干扰数据，该方法用于将某一档设定的参考加载电流值下敏感变量阶梯变化过程中对应某一参考敏感变量值时的测试数据切分出来，该方法包括如下步骤：
(1)搜索整个测试过程产生的数据，将参考加载电流值下敏感变量为参考敏感变量值的所有数据切分出来组成粗切片数据；
(2)采用时间定位法将过渡干扰数据剔除得到待切分的数据的起始时间和结束时间；
(3)从粗切片数据将上述起始时间和结束时间中的数据切分出来得到精确切片数据。
步骤(1)具体为：
(11)建立向量：
将敏感性测试中所有档加载电流组成加载电流向量x＝[c1,c2,c3,…,cn]，向量x中的第i个元素记作ci，ci表示第i档加载电流值，i＝1,2,…,n，n表示加载电流总档数，
将呈阶梯状变化敏感变量中的敏感变量变化值组成向量y＝[v1,v2,v3,…,vm]，向量y中的第j个元素记作cj，cj表示第j阶敏感变量值，j＝1,2,…,m，m表示敏感变量总阶数，
建立切片参考向量z＝[c_refer,v_refer]，c_refer表示参考加载电流值，v_refer表示参考敏感变量值；
(12)确定c_refer在向量x中的位置为n，即x[n]＝c_refer，x[n]表示向量x中第n个元素，确定v_refer在向量y中的位置为m，即y[m]＝v_refer，y[m]表示向量y中第m个元素；
(13)搜索整个测试过程产生的数据，将加载电流等于x[n]且敏感变量等于y[m]的数据切分出来组成粗切片数据，同时将其余数据切分成多个小数据片，每个小数据片表示连续时间下加载电流为唯一值且敏感变量为唯一值的数据。
步骤(13)中粗切片数据通过布尔函数扫描得到。
步骤(13)中小数据片记作matrix[p,q]，matrix[p,q]表示第p档加载电流值下第q阶敏感变量值时的数据切片，p＝1,2,…,n且p≠n，q＝1,2,…,m且q≠m。
每个小数据片均通过布尔函数扫描得到。
步骤(2)具体为：
(21)计算小数据片matrix[n,m-1]的末尾时间d0n以及小数据片matrix[n,m+1]的起始时间d1n，其中：
若n＝1且m＝1，则d0n＝0；
若n≠1且m＝1，则d0n取matrix[n-1,m]的末尾时间；
若n＜n且m＝m，则d1n取matrix[n+1,m]的起始时间；
若n＝n且m＝m，则d1n取整个测试过程产生的数据的末尾时间；
(22)将d0n作为待切分的数据的起始时间，d1n作为待切分的数据的结束时间，提取加载电流等于x[n]且敏感变量等于y[m]的数据作为精确切片数据。
具体地，如图2所示，燃料电池电堆敏感性测试时，施加的电流包括三档，图中①、②、③表示的是三档加载电流，1,2,3,4,5,6表示的是6阶敏感变量，假设待切片的数据为加载电流为①且对应敏感变量为1时的测试数据，如图2所示，图中a，b和c三个区域均是对应加载电流为①且敏感变量为1，但是b和c区域为加载电流换档过渡过程中存在过渡干扰数据，其实际目的需要将区域a中的数据区分出来。因此，采用上述方法进行切片。
针对该实例，可以发现，n＝3，m＝6，n＝1，m＝1。先通过“布尔”将加载电流＝x[1]且敏感变量＝y[1]得到粗切片数据，即图中a，b和c三个区域的数据总和，同时通过“布尔”将其余数据也切分出来得到matrix[1,2]、matrix[1,3]、matrix[1,4]、matrix[1,5]、matrix[1,6]、matrix[2,1]、matrix[2,2]、matrix[2,3]、matrix[2,4]、matrix[2,5]、matrix[2,6]、matrix[3,1]、matrix[3,2]、matrix[3,3]、matrix[3,4]、matrix[3,5]、matrix[3,6]。
因为已知n＝1，m＝1，因此，d0n默认为0，d1n需要取matrix[1,2]的起始时间值，由此将d0n作为待切分的数据的起始时间，d1n作为待切分的数据的结束时间，可以得到精确切片数据matrix[1,1]。