[發明專利]一種基于滑動窗口多尺度主元分析的機組故障檢測方法

在審

• 申請號: 201811386988.4
• 申請日: 2018-11-20
• 公開（公告）號: CN109635358A
• 公開（公告）日: 2019-04-16
• 發明（設計）人: 史云飛;朱能;楊昆;羅維
• 申請（專利權）人: 天津大學
• 主分類號: G06F17/50
• 分類號: G06F17/50;G06F17/16
• 代理公司: 天津市北洋有限責任專利代理事務所 12201
• 代理人: 王麗英

1.一種基于滑動窗口多尺度主元分析的機組故障檢測方法，其特征在于包括以下步驟：

步驟一、在計算機中輸入正常運行狀態下的歷史數據組成歷史數據矩陣，歷史數據矩陣每行代表一個數據樣本，每列代表一個數據變量；

步驟二、設定初始窗長度和終止窗長度，根據初始窗長度從歷史數據矩陣中獲得初始窗口內的初始數據組成初始數據矩陣，初始數據矩陣每行代表一個數據樣本，每列代表一個數據變量；

步驟三、第一步，對初始數據矩陣內的各列數據進行小波包分解，獲得不同變量每個尺度上的小波包系數，將每個變量相同尺度上的小波包系數按列組合在一起形成小波包系數矩陣，計算每個尺度小波包系數矩陣的均值和標準差；

第二步，將初始數據矩陣獲得的每個尺度小波包系數矩陣處理為具有零均值和單位方差的標準化小波包系數矩陣，并計算每個標準化小波包系數矩陣的協方差矩陣；

步驟四、將每個標準化小波包系數矩陣進行主元分析，獲得每個標準化小波包系數矩陣對應的主元模型，以及每個主元模型所對應的主元子空間、殘差子空間和主元個數，同時計算出每個標準化小波包系數矩陣對應的統計量閾值Q_α；

步驟五、第一步，移動數據窗口，使新的數據窗口內加入新的正常運行狀態下的歷史數據；

第二步，對新窗口內數據按照步驟三第一步進行小波包分解獲得每個尺度矩陣的小波包系數矩陣；

第三步，采用滑動窗口算法，通過步驟三中每個小波包系數矩陣的均值、標準差和協方差矩陣遞歸計算出新窗口中的每個小波包系數矩陣對應的新的均值、標準差和協方差矩陣，并利用每個小波包矩陣新的協方差矩陣建立新窗口內數據的新的主元模型，利用新的主元模型更新步驟三中的每個小波包系數矩陣對應的統計量閾值Q_α；

步驟六、重復步驟五，直至歷史數據矩陣中的最后一個數據樣本進入滑動窗口內，并得到最終窗口內數據矩陣每個小波包系數矩陣的主元模型，以及與最終窗口內主元模型對應的均值、標準差、協方差矩陣和統計量閾值Q_α1；

步驟七、獲取在線實時監測數據，并將該數據按照步驟三進行小波包分解得到在線監測數據的每個尺度的小波包系數；

步驟八、將實時監測數據的每個尺度小波包系數輸入與步驟六中建立的最終窗口內相對應的每個小波包系數矩陣的主元模型，計算出監測數據每個尺度的SPE(x)值；如果所有尺度的SPE(x)均不大于Q_α1，表明該過程為正常狀態，將該監測數據放入滑動窗口重復步驟五，計算新窗口中的每個小波包系數矩陣對應的新的均值、標準差和協方差矩陣；否則，將SPE(x)值大于Q_α1的尺度的小波包系數挑選出來并進行小波包重構得到重構數據；

步驟九、根據步驟八挑選出來的尺度，將正常運行狀態的歷史數據按照相同尺度進行小波包重構得到正常狀態數據的重構數據，利用正常狀態數據的重構數據構建滑動窗口主元模型，并得到該模型對應的新的統計量閾值Q_α2；然后將步驟八中的重構數據輸入該滑動窗口主元模型，若此時步驟八中重構數據通過滑動窗口主元模型計算得到的新的SPE(x)值大于滑動窗口主元模型對應的Q_α2，則此過程為故障狀態，否則，該過程為正常狀態；

步驟十、丟棄舊過程數據，輸入新的機組監視數據重復步驟七-步驟十。