[發(fā)明專利]基于Fisher判別的電機SOM聚類退化狀態(tài)評估方法

有效

• 申請?zhí)枺?/td>: 201810105747.1
• 申請日: 2018-02-02
• 公開（公告）號: CN108375729B
• 公開（公告）日: 2019-03-08
• 發(fā)明（設(shè)計）人: 楊順昆;譚麟;邊沖;許慶陽;茍曉冬;謝鈺姝;姚琪;劉文靜;李大慶
• 申請（專利權(quán)）人: 北京航空航天大學(xué)
• 主分類號: G01R31/34
• 分類號: G01R31/34
• 代理公司: 北京慧泉知識產(chǎn)權(quán)代理有限公司 11232
• 代理人: 王順榮;唐愛華

一種基于Fisher判別的電機SOM聚類退化狀態(tài)評估方法，步驟如下：1、收集并構(gòu)建電機各類別樣本集；2、對各類別樣本集進行特征表示；3、使用Fisher判別方法分析樣本集，得到表示故障的特征維度；4、分析故障特征集Fisher判別值，得到退化評估指標(biāo)；5、對非故障特征集進行降維，得到低維樣本集；6、對低維樣本集進行SOM聚類，構(gòu)建退化頻譜；7、分析退化頻譜，得到多類退化態(tài)及所屬樣本集；8、分析退化態(tài)的評估指標(biāo)，得到備選退化態(tài)；9、計算備選退化態(tài)與其余類別特征集的評估值，判斷有效退化態(tài)；10、顯現(xiàn)各類別數(shù)據(jù)的空間分布，直觀地表示各類別樣本的關(guān)系；通過上述步驟，能實現(xiàn)基于Fisher判別的電機SOM聚類退化狀態(tài)評估方法，完成對電機退化狀態(tài)的評估。

技術(shù)領(lǐng)域

本發(fā)明提供一種基于Fisher判別的電機SOM聚類退化狀態(tài)評估方法，它涉及一種基于Fisher判別的電機SOM聚類退化狀態(tài)評估方法的實現(xiàn)，屬于可靠性、故障診斷工程技術(shù)領(lǐng)域。

背景技術(shù)

電機作為一種重要的機電類設(shè)備，在工業(yè)領(lǐng)域內(nèi)得到了廣泛應(yīng)用，其性能的良好與否，直接影響著系統(tǒng)整體的可靠性。一旦電機出現(xiàn)故障不僅會降低工作效率，還會造成經(jīng)濟損失及安全事故。因此亟需深入開展電機設(shè)備的故障診斷研究，保證其運行的可靠性。退化狀態(tài)是電機在工作過程中，產(chǎn)生的一種介于正常與故障之間的狀態(tài)，該狀態(tài)會隨著時間的積累而逐漸劣化，最終演化成故障狀態(tài)。盡管退化狀態(tài)不是導(dǎo)致設(shè)備故障的根本原因，但卻會增加設(shè)備故障的可能性，因此有必要針對設(shè)備進行退化狀態(tài)的挖掘工作，評估并識別出其潛在的退化狀態(tài)，預(yù)防故障的發(fā)生。本發(fā)明提出了一種基于費希爾(Fisher)判別的電機SOM聚類退化狀態(tài)評估方法。該方法首先使用Fisher判別方法對電機的多維故障樣本進行分析，提取出能有效表征設(shè)備故障的特征維度及退化狀態(tài)評估指標(biāo)。其次采用自組織映射(Self Organizing Maps，簡稱SOM)神經(jīng)網(wǎng)絡(luò)等相關(guān)聚類方法對已處理的非故障樣本進行無監(jiān)督學(xué)習(xí)，獲取樣本的退化態(tài)聚類頻譜。再次運用退化態(tài)選擇策略對樣本頻譜進行分析，得到多類型退化狀態(tài)樣本集。最后根據(jù)評估指標(biāo)從不同角度對退化態(tài)樣本進行分析，獲得電機設(shè)備有效的關(guān)聯(lián)退化狀態(tài)。

該方法基于Fisher判別和SOM技術(shù)，融合故障分析與故障處理等相關(guān)理論、方法和技術(shù)進行實現(xiàn)，在提高電機設(shè)備維護性的同時，達到提高復(fù)雜設(shè)備可靠性、安全性、可用性的目的。

發(fā)明內(nèi)容

(一)本發(fā)明目的

目前針對電機設(shè)備的退化狀態(tài)挖掘方法，盡管能夠得到多類型的退化狀態(tài)數(shù)據(jù)，但卻包含了許多無效的退化態(tài)類型，無法用于設(shè)備的故障預(yù)防與識別工作中，對故障診斷的執(zhí)行效率造成較為嚴重的影響。因此本發(fā)明將克服現(xiàn)有技術(shù)的不足，提供一種基于Fisher判別的電機SOM聚類退化狀態(tài)評估方法。該方法使用Fisher判別方法對電機設(shè)備的電信號多維故障數(shù)據(jù)進行分析，得到能有效表征電機故障的特征維度及退化狀態(tài)評估指標(biāo)。然后利用有效故障特征維度，結(jié)合相關(guān)降維方法對電信號非故障數(shù)據(jù)進行處理，獲取用于聚類學(xué)習(xí)的低維輸入樣本集。在此樣本集的基礎(chǔ)上，采用SOM神經(jīng)網(wǎng)絡(luò)、模糊C均值(FuzzyC-Means，簡稱FCM)以及K均值(K-means)等方法進行無監(jiān)督學(xué)習(xí)，生成退化態(tài)聚類頻譜，并運用退化態(tài)選擇策略操作退化頻譜，獲得多類型退化狀態(tài)樣本集。最后，通過退化狀態(tài)評估指標(biāo)從不同角度分析退化態(tài)樣本數(shù)據(jù)，得到有效類型的退化狀態(tài)，用于設(shè)備的故障預(yù)防與診斷。這一方法不僅可以對復(fù)雜設(shè)備的退化狀態(tài)進行挖掘與識別，還能對退化狀態(tài)進行評估，為故障診斷領(lǐng)域提供了一種新的解決方法，并對現(xiàn)有的故障模式識別方法進行了創(chuàng)新。

(二)技術(shù)方案

本發(fā)明一種基于Fisher判別的電機SOM聚類退化狀態(tài)評估方法，其步驟如下：

步驟1、收集電機設(shè)備的電信號故障樣本數(shù)據(jù)、非故障電信號樣本數(shù)據(jù)以及正常電信號樣本數(shù)據(jù)，分別構(gòu)建故障樣本數(shù)據(jù)集、非故障樣本數(shù)據(jù)集以及標(biāo)準(zhǔn)正常樣本數(shù)據(jù)集；