[發明專利]一種燃機壓氣機設備故障趨勢預測方法

有效

• 申請號: 201711210930.X
• 申請日: 2017-11-28
• 公開（公告）號: CN107992886B
• 公開（公告）日: 2020-11-06
• 發明（設計）人: 徐搏超;韓宏洲;阮圣奇;吳仲;王松浩;許昊煜;李強;胡中強;任磊;蔣懷鋒;陳開峰;邵飛;徐鐘宇
• 申請（專利權）人: 中國大唐集團科學技術研究院有限公司華東電力試驗研究院
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 合肥市浩智運專利代理事務所(普通合伙) 34124
• 代理人: 丁瑞瑞

本發明公開了一種燃機壓氣機設備故障趨勢預測方法，選擇壓氣機某一運行狀態下特定的運行參數組成特征向量，表征這個運行狀態，通過高斯核函數將特征向量映射到高斯核函數空間中完成分類，選用分數范數作為高維空間中距離度量的準則，基于分數范數對高斯核函數空間樣本點可分性指標求解。本發明的優點在于：對高斯核函數空間樣本點可分性指標求解的公式是基于分數范數構造的，對特征向量在高斯空間中的映射點的形式進行改造，使其滿足工程計算精度需要并節省時間成本。

技術領域

本發明涉及高維數據的處理方法技術領域，尤其涉及一種燃機壓氣機設備故障趨勢預測方法。

背景技術

目前服役燃機機組較少，設備運行狀態參數較少，因此燃機壓氣機設備故障趨勢預測屬于小樣本辨識范疇。燃機壓氣機設備故障過程是一個復雜的過程，單一運行參數不足以反映設備的性能狀態，需要結合多種參數進行組合預測，多維數據的預測屬于高維空間分類識別范疇。因此燃機壓氣機設備故障趨勢預測存在兩個典型特征——小樣本和高維空間分類識別。

對燃機壓氣機運行過程中不同退化階段的預測是個多分類問題。多分類問題通常是通過構造一系列的二類分類器并將他們通過某種方式組合在一起間接實現多類分類。故障診斷系統中存在多個二類分類器，每個分類器中的正負類樣本選取都會直接影響該分類器的分類精度，進而影響到整個系統的診斷正確率?；诖?，應該選擇易于區別的兩類故障作為分類器的正負類，即需要一個不同類別的可分性判據。

目前表現較為優異的二類分類器例如支持向量機(Support Vector Machine,SVM)、相關向量機(Relevance Vector Machine,RVM)均是通過核函數將低維數據映射到高維空間中完成分類。由于分類器是在高維空間中完成分類，正負類別的選取應該基于樣本數據在高維空間中的可分性，低維空間中的可分性判據往往并不適用于高維空間中。同時在高維空間中，存在著度量集中現象，傳統的基于幾何距離的類內類間方差并不適用于高斯核函數空間。

發明內容

本發明所要解決的技術問題是提供一種可以更好地反映樣本在高斯核函數空間中的可分性的燃機壓氣機設備故障趨勢預測方法。

本發明是通過以下技術方案解決上述技術問題的：一種燃機壓氣機設備故障趨勢預測方法，包括以下步驟：選擇壓氣機某一運行狀態下特定的運行參數組成特征向量，表征這個運行狀態，通過高斯核函數將特征向量映射到高斯核函數空間中完成分類；

選用分數范數作為高維空間中距離度量的準則，基于分數范數對高斯核函數空間樣本點可分性指標求解；

設X＝(x₁,x₂,…,x_i)，Y＝(y₁,y₂,…,y_z)，其中i＝1,2,…n₁，z＝1,2,…,n₂，X和Y是原始數據空間中的兩類樣本，

X和Y在高斯核函數空間中的均值向量μ_x和μ_y分別為：

X和Y的類間離散度距離S_xy為：

X和Y的類內距離S_x和S_y分別為：

式中μ_xi和μ_yi分別表示向量μ_x和μ_y中第i維數值，

和分別表示向量和中的第m維和第n維數值；

則X和Y在高斯核函數空間內的可分性指標d_xy為：