[發(fā)明專利]一種基于稀疏表示的BIT間歇故障診斷方法在審
| 申請?zhí)枺?/td> | 201810045925.6 | 申請日: | 2018-01-17 |
| 公開(公告)號: | CN108171277A | 公開(公告)日: | 2018-06-15 |
| 發(fā)明(設計)人: | 屈劍鋒;柴毅;顏新華;唐秋;賀孝言;蔡世豪 | 申請(專利權)人: | 重慶大學 |
| 主分類號: | G06K9/62 | 分類號: | G06K9/62;G06F11/00 |
| 代理公司: | 暫無信息 | 代理人: | 暫無信息 |
| 地址: | 400044 *** | 國省代碼: | 重慶;50 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 間歇故障 稀疏表示 數據類型 診斷 訓練樣本集合 測試樣本 稀疏系數 殘差 重構 字典 集合 奇異值分解 待測樣本 設備歷史 剩余數據 稀疏重構 學習算法 學習訓練 永久故障 診斷結果 正常數據 分類器 虛警率 構建 標簽 采集 | ||
本發(fā)明公開了一種基于稀疏表示的BIT間歇故障診斷方法。具體方法步驟如下:(1)采集不同設備歷史BIT數據,包括正常數據類型、間歇故障數據類型和永久故障數據類型,從每類數據類型中選擇70%的數據作為訓練樣本集合,剩余數據去掉標簽作為測試樣本集合;(2)利用k奇異值分解學習算法對訓練樣本集合進行學習訓練獲,構建過完備字典D;(3)將得到的測試樣本集合利用過完備字典D進行稀疏表示,得到稀疏系數;(4)利用稀疏表示分類器將所得稀疏系數進行稀疏重構,得到重構殘差;(5)將待測樣本歸于重構殘差最小的類別,即可得到待測BIT數據的診斷結果。本發(fā)明能夠高效、準確診斷出BIT間歇故障,具有較高的診斷精度,降低了BIT虛警率。
技術領域
本發(fā)明涉及基于模式識別的間歇故障診斷技術領域,特別涉及一種基于稀疏表示的BIT間歇故障診斷技術。
背景技術
自20世紀70年代末以來,機內測試(built-in test,BIT)技術作為一種非常實用的故障診斷技術,國內外專家學者在理論上做了大量的研究,在實際應用上也取得了很大的成果。該技術現(xiàn)如今已在各行各業(yè)都有廣泛的應用,尤其是航空系統(tǒng)和武器裝備。目前美國幾乎所有的軍、民機航空電子系統(tǒng)和武器裝備都具備BIT。該技術在提高系統(tǒng)測試性能、簡化維修過程和降低保障費用等方面發(fā)揮了重要作用。目前,在我國BIT也已成為導彈、衛(wèi)星、空間站、臨近空間飛行器等武器裝備的設計與研制項目之一。
然而,根據國內外學者的研究表明,虛警一直是阻礙BIT發(fā)展與應用的屏障,其中間歇故障是誘發(fā)BIT虛警的重要原因,來自美軍裝備和電子工業(yè)數據表明,間歇故障占整個系統(tǒng)故障的70%~90%。間歇故障通常是在極端環(huán)境下、電路出現(xiàn)虛焊或電網波動等條件下產生,不經修復可在有限的時間內自行恢復的故障,其特點是隨機性強、持續(xù)時間短,若不能及時診斷識別出,將會導致BIT虛警。若能在出現(xiàn)故障的情況下,診斷出該故障屬于間歇故障,就不必立即停機對設備進行更換或維修,而是繼續(xù)監(jiān)控其狀態(tài),當找到誘發(fā)間歇故障的原因后,在對其進行針對性維護,從而避免不必要的停機和維修。
進入21世紀以來,隨著社會的發(fā)展,科學技術的突飛猛進,現(xiàn)代化系統(tǒng)結構日趨復雜、規(guī)模不斷擴大、自動化程度也越來越高,人們對這類高科技產品的穩(wěn)定性和安全性的要求也越來越高。近年來,各個國家競相發(fā)展航天飛機、探月工程、深海探索、現(xiàn)代化軍事裝備等高科技項目,為確保這類系統(tǒng)有一個高效準確的故障診斷技術,這些系統(tǒng)幾乎都安裝了BIT系統(tǒng)。然而,BIT技術由于虛警的存在(主要是間歇故障),制約其發(fā)展的步伐,為解決這一難題,本發(fā)明利用稀疏表示對BIT間歇故障進行診斷,能夠很好的解決這一現(xiàn)狀,對BIT技術的發(fā)展具有十分重要的作用。
發(fā)明內容
為克服現(xiàn)有技術不足,本發(fā)明提供了一種利用稀疏表示,對BIT間歇故障進行診斷的方法。通過采集不同設備歷史BIT數據(從中選擇70%的數據作為訓練樣本集合),利用k奇異值分解(K-SVD)學習算法對訓練樣本集合進行學習訓練構造過完備字典,采用稀疏表示對待測數據進行診斷,能高效、準確診斷出當前系統(tǒng)是否處于間歇故障狀態(tài)。
為達到上述目的,本發(fā)明提出了一種基于稀疏表示的BIT間歇故障診斷方法,所述方法包括以下步驟:
1)采集不同設備歷史BIT數據,包括正常數據類型、間歇故障數據類型和永久故障數據類型,從每類數據類型中選擇70%的數據作為訓練樣本集合,剩余數據去掉標簽作為測試樣本集合;
2)利用K-SVD學習算法對訓練樣本集合進行學習訓練獲得正常字典D1、間歇故障字典D2和永久故障字典D3,將字典D1、D2、D3組合構成過完備字典D;
3)將得到的測試樣本集合利用步驟二所得過完備字典D進行稀疏表示,得到稀疏系數;
4)利用稀疏表示分類器(SRC)將步驟三所得稀疏系數進行稀疏重構,得到重構殘差;
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于重慶大學,未經重慶大學許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業(yè)授權和技術合作,請聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201810045925.6/2.html,轉載請聲明來源鉆瓜專利網。





