[發明專利]基于譜聚類分析下多特征信息加權融合的故障診斷方法

在審

• 申請號: 201810479820.1
• 申請日: 2018-05-18
• 公開（公告）號: CN108710756A
• 公開（公告）日: 2018-10-26
• 發明（設計）人: 茅大鈞;黃佳林;黃一楓;張偉;王亞東
• 申請（專利權）人: 上海電力學院
• 主分類號: G06F17/50
• 分類號: G06F17/50;G06K9/62
• 代理公司: 上海科盛知識產權代理有限公司 31225
• 代理人: 葉敏華

1.基于譜聚類分析下多特征信息加權融合的故障診斷方法，其特征在于，該方法包括以下步驟：

1)對各個電廠故障設備進行判斷，若某兩個故障設備情況集中，則將二者置于同一分區，否則，采用譜聚類方法對故障設備進行劃分，獲取多個分區域；

2)對各個分區域中的故障設備獲取相關系數，并進行正序排序，將絕對值大于設定閾值的相關系數所對應的故障設備作為待診斷目標設備；

3)結合SVM局部診斷及改進的證據理論方法，對待診斷目標設備的故障模式計算基本概率分配并進行加權組合，獲取可信度和不確定度；

4)根據可信度和不確定度對辨識框架中所有故障模式進行診斷。

2.根據權利要求1所述的基于譜聚類分析下多特征信息加權融合的故障診斷方法，其特征在于，步驟1)具體包括以下步驟：

11)將多個故障設備劃分為同一樣本集合；

12)獲取樣本集合的Markov轉移矩陣；

13)對Markov轉移矩陣進行譜分析，獲取故障設備的劃分區域數量；

14)對樣本集合中各個點進行擴散距離計算，確定劃分區域。

3.根據權利要求2所述的基于譜聚類分析下多特征信息加權融合的故障診斷方法，其特征在于，步驟11)的具體內容為：

假設有n個故障設備，則需要被劃分的樣本集合為：

X＝{X₁,X₂,...,X_i,...,X_n}∈R^m×n

式中，R^m×n為實數集，m為矩陣行數，X_i為第i臺故障設備中通過對該機組數據X_i(t)進行采樣所構成的參數集合，X_i的表達式為：

X_i＝{x_i(1),x_i(2),...,x_i(t),,...,x_i(m)}^T

4.根據權利要求3所述的基于譜聚類分析下多特征信息加權融合的故障診斷方法，其特征在于，步驟12)的具體內容為：

將各個故障設備對應于高斯權重圖的各個頂點，獲取兩點間的相似矩陣A_ij，其表達式為：

式中，|x_i-x_j|²為兩點之間的歐幾里得距離，σ為尺度參數；

則樣本集合的Markov轉移矩陣P_ij為：

5.根據權利要求4所述的基于譜聚類分析下多特征信息加權融合的故障診斷方法，其特征在于，步驟13)具體包括以下步驟：

131)假設某樣本集合的Markov轉移矩陣為P，對其進行分解：

式中，λ_z為矩陣P的第z個特征值，為λ_z的左特征向量，ψ_z為λ_z的右特征向量；

132)若矩陣P有q＜n個主要特征值，其中λ_q＜＜λ_q-1，λ₁,λ₂,...,λ_q數值相近且趨于數值1，則P的相似矩陣P_q可由前q個特征值和對應特征向量計算；

133)若不符合步驟132)情況，但矩陣P相鄰特征值之間的差值驟降，即λ_q-λ_q+1＞＞λ_k-λ_k+1，q+1≤k≤n，λ_q+1值小于0.001，則依舊按照步驟132)處理；

134)對相似矩陣P_q獲取譜分解式：

即q為所有故障設備中待劃分區域數。