[發(fā)明專利]一種基于模型和數(shù)據(jù)驅(qū)動(dòng)融合的不完備系統(tǒng)故障診斷方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201710222215.1
• 申請(qǐng)日: 2017-04-07
• 公開（公告）號(hào): CN107038459A
• 公開（公告）日: 2017-08-11
• 發(fā)明（設(shè)計(jì)）人: 段琢華;黃燕挺;呂燚
• 申請(qǐng)（專利權(quán)）人: 電子科技大學(xué)中山學(xué)院
• 主分類號(hào): G06K9/62
• 分類號(hào): G06K9/62
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種融合基于模型和數(shù)據(jù)驅(qū)動(dòng)的方法用于不完備建模系統(tǒng)故障診斷，基于模型的方法采用粒子濾波器，數(shù)據(jù)驅(qū)動(dòng)的方法采用支持向量數(shù)據(jù)描述；系統(tǒng)的模型空間分為三部分：已知故障模型空間、學(xué)習(xí)獲得的故障模型空間、未知故障空間；粒子濾波器方法用于已知模型空間故障診斷；支持向量數(shù)據(jù)描述方法用于學(xué)習(xí)獲得的故障模型空間故障診斷以及在發(fā)現(xiàn)未知的故障時(shí)對(duì)其進(jìn)行建模；具體實(shí)現(xiàn)步驟如下：

步驟1：初始化，具體包括：

（1a）設(shè)置參數(shù)，，N，，t,，k，，，其中表示連續(xù)出現(xiàn)未知故障的次數(shù)，表示構(gòu)建新故障模型所需樣本數(shù)目的最小值，N表示粒子數(shù)目，表示當(dāng)前狀態(tài)為已知故障模型前提下非規(guī)格化權(quán)重的最小值，t表示當(dāng)前時(shí)間步，表示學(xué)習(xí)獲得的故障模型空間，k表示學(xué)習(xí)獲得的故障模型數(shù)目，表示已知故障模型空間，表示已知故障模型數(shù)目；

（1b）從先驗(yàn)分布采樣離散狀態(tài)樣本, 從先驗(yàn)分布采樣連續(xù)狀態(tài)樣本,

步驟2：獲取t時(shí)間步的傳感器讀數(shù)；

步驟3：重要性采樣，根據(jù)轉(zhuǎn)移概率分布抽取離散狀態(tài)樣本，根據(jù)狀態(tài)方程抽取連續(xù)狀態(tài)樣本；

步驟4：更新，計(jì)算樣本非規(guī)格化權(quán)重；

步驟5：計(jì)算規(guī)格化因子，；

步驟6：未知故障檢測(cè)，如果，令等于+1，轉(zhuǎn)步驟11，否則令=0，轉(zhuǎn)步驟7；

步驟7：計(jì)算邊緣分布，其中；

步驟8：離散狀態(tài)估計(jì)；

步驟9：權(quán)重規(guī)格化；

步驟10：重采樣，根據(jù)生成新的粒子集合，令，且，轉(zhuǎn)步驟16；

步驟11：m=1；

步驟12：如果m>k則轉(zhuǎn)步驟14；

步驟13：判斷是否屬于第m個(gè)支持向量數(shù)據(jù)描述器，如果則令+，=0，轉(zhuǎn)步驟16；否則令m=m+1，轉(zhuǎn)步驟12；

（其中，為第m個(gè)支持向量描述器的支持向量數(shù)目，為第m個(gè)支持向量描述器的第l個(gè)支持向量，為第m個(gè)支持向量描述器中第l個(gè)支持向量的拉格朗日乘子，，為第m個(gè)支持向量描述器的半徑）

步驟14：=+1；

步驟15：如果≥，則令k=k+1，利用樣本集合訓(xùn)練第k個(gè)支持向量描述器，（），=0；

步驟16：判斷是否有新的傳感器數(shù)據(jù)，如果沒有則退出；否則，令t=t+1，轉(zhuǎn)步驟2。