[發明專利]基于自適應加權組稀疏表達的水電機組噪聲異常診斷方法

有效

• 申請號: 201610107539.6
• 申請日: 2016-02-26
• 公開（公告）號: CN105678343B
• 公開（公告）日: 2019-03-15
• 發明（設計）人: 鄭建煒;黃瓊芳;楊平;邱虹;王萬良
• 申請（專利權）人: 浙江工業大學
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 杭州天正專利事務所有限公司 33201
• 代理人: 王兵;黃美娟

一種基于自適應加權組稀疏表達的水電機組噪聲異常診斷方法，提出了一種引入自適應權值消除干擾噪聲影響的分析方法，同時以加權組稀疏重構測試樣本，提升模型構建判別性以及魯棒性。本發明認為水電機組噪聲源的檢測特征是由內在結構生成的，通過在超完備數據字典上使用加權組稀疏表達方法重構測試樣本，最大程度的增強內在結構之間的聯系，同時通過自適應權值消除干擾噪聲的影響，以更好的滿足鑒別任務。通過自適應加權組稀疏表達獲得水電機組噪聲源最佳重構系數，最后通過計算重構測試樣本誤差，進行故障鑒別。本發明所得識別率較高，并且能勝任大規模數據的鑒別任務。

技術領域

本發明涉及水電機組故障檢測領域，具體地說，是涉及一種基于自適應加權組稀疏表達的水電機組噪聲異常診斷方法。

背景技術

水能資源主要是指水的勢能、動能以及壓力能等帶來的能量資源，它是我國第二大具有大規模開發能力的資源，并且是我國最大的可再生的資源，在未來十五年，水能的發展將是我國重要的戰略方向。可再生能源開發戰略是國家十二五規劃的重要組成部分。

小水電是一種資源分布廣、開發潛力大、環境影響小、可擴展利用的可再生能源，在國家能源發展戰略上有著重大意義。在現階段，考慮到水電機組的復雜性以及小水電站位置的苛刻性，通常采用專人值守的形式進行設備維護與異常監測。其過程不僅效率低下，而且過分依賴于工作人員的經驗知識，往往具有較高的誤判率，因此有必要研究機器學習理論與統計學理論并實現高性能識別算法，用于實現無人值守的小水電監測系統。

目前，采用機器學習的方法來對異常信號進行特征檢測的方法有很多，主要有以下幾類方法：主分量分析，線性判別分析，流行學習，非負矩陣分解等。但是，由于小水電噪聲數據維數過高，采用上述方法對其進行分類仍然是一個困難的任務，主要面臨的挑戰：分類性能差，存儲需求大、計算復雜度過高。近來，Wright等提出的基于稀疏表示的分類器(Sparse Representation based Classifier,SRC)成功的應用于計算機視覺領域，面對高維以及變化豐富的圖像數據，SRC方法通過稀疏表示系數矩陣的引入，最大程度的保留了測試樣本的全局信息，在大規模圖像數據進行分類處理過程中獲得了很好的應用。隨后，Majumdar等人在SRC的基礎上提出了組稀疏分類算法(Group Sparse Classification,GSC)訓練樣本根據類別信息進行分組，類似地，Elhamifar和Vidal提出了基于結構化稀疏表達的人臉識別算法，其核心思想是從超完備字典中尋找最少組數來表達測試樣本數據。與此同時，許多基于組稀疏表達的改進算法陸續的提出。稀疏表達算法比傳統機器學習算法的效果更好，改善了算法的分類能力，使得分類算法能夠直接應用于數據的分類。但是仍然面臨干擾信號以及樣本分布過于復雜對分類性能挑戰。為了提高識別率，需要尋找到更好的辦法來解決這個問題。

發明內容

本發明要克服上述現有技術的缺點，提出基于自適應加權組稀疏表達的水電機組噪聲異常診斷方法，能夠解決對高維數據分類效果不理想的問題；其次，在有效地提高了識別率的同時，通過引入自適應權值減少了干擾信號對診斷過程的影響。最后，通過加權組稀疏表達重構訓練樣本，最大程度的捕捉復雜樣本特性。

本發明解決其技術問題所采用的技術方案是：

一種基于自適應加權組稀疏表達的水電機組噪聲異常診斷方法，其特征在于：所述異常診斷方法能夠自適應消除干擾信號對診斷的影響，同時采用加權組稀疏表達計算重構誤差，增加診斷方法的穩定性的同時提升方法的鑒別力；

具體方法包括如下步驟：