[發明專利]用于故障診斷的因果關系鄰接矩陣特征提取方法

有效

• 申請號: 202010756998.3
• 申請日: 2020-07-31
• 公開（公告）號: CN111860686B
• 公開（公告）日: 2022-08-19
• 發明（設計）人: 劉杰;徐煜博
• 申請（專利權）人: 北京航空航天大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N5/04;G06N7/00
• 代理公司: 北京孚睿灣知識產權代理事務所(普通合伙) 11474
• 代理人: 韓燕

本發明提供一種用于故障診斷的因果關系鄰接矩陣特征提取方法，其包括如下步驟：S1、采集原始故障監測數據為原始故障特征變量數據集；S2、對原始故障特征變量數據集進行預處理，得到預處理后的故障特征變量數據集X；S3、根據預處理后的故障特征變量數據集X構建因果關系網絡圖G；S4、根據因果關系網絡圖G進行故障特征提取，構建基于因果關系提取的新的故障特征變量數據集。本發明提供的用于故障診斷的因果關系鄰接矩陣特征提取方法，應用在故障診斷領域，對于一個復雜系統或設備來說，能夠對監測數據進行特征選擇及特征提取，對預防故障或者維修提供針對性的建議，利用因果關系的展示也可以使模型更加透明，更具解釋性，泛化能力更強，可信度更高。

技術領域

本發明屬于故障診斷領域，具體涉及一種用于故障診斷的因果關系鄰接矩陣特征提取方法。

背景技術

隨著社會的不斷進步和科技的持續發展，各種現代高新技術及智能化設備層出不窮，也越來越多地應用在航空、航天、核工業、鐵路運輸等重要領域。盡管這些智能化設備的功能越來越完善，自動化程度也越來越高，但與此同時其結構組成也越來越復雜，不可避免地會因為各種環境、工況和人為因素出現故障或事故，因此伴隨這些復雜系統或設備的故障診斷技術也越發重要。但故障診斷在實際工程應用中，往往會遇到所監測故障特征數據維度非常之高、而又因為系統復雜度過高等原因無法借助已有的領域知識人工構建有效特征的情況，與此同時，算法的時間復雜度也會與數據維數成指數級增加。另外，在數據可視化方面，當故障特征超過三個維度時，人們也不能用肉眼直接觀測到。因此，對故障數據集開展特征選擇和特征提取等技術是很重要的一個環節，它們不僅能夠有效減少故障數據中的冗余信息，降低故障數據規模，提高處理速度，而且也為故障數據可視化提供了可能。

傳統的故障診斷的特征選擇和特征提取方法一般來說都是根據監測故障特征變量與目標故障特征變量間的相關性強弱來進行的，但兩個變量間存在相關關系并不意味者二者間存在因果關系，因果關系與相關關系的區別主要體現在以下幾個方面：

①因果關系是有方向的，而相關關系則沒有方向。即存在因果關系的兩個事件有且只有一個為原因，該事件的發生會導致另外一個事件的發生。而相關關系則只表示兩個事件的發生具有一定相關性：

②事件間存在因果關系則往往存在相關關系，而事件間存在相關關系則并不意味著一定存在因果關系；

③相關關系蘊含萬物皆有聯系，也就是十分密集的，而因果關系則是稀疏的；

④因果關系可以比相關關系提供更加精準的干預建議。例如：“吸煙”是“黃牙”和“肺癌”的原因。三者之間均有較強的相關關系，但只有“吸煙”與“黃牙”、“吸煙”與“肺癌”之間才有因果關系。因此對“吸煙”這一直接原因事件的干預才能降低其果事件“肺癌”的發生概率，而對“黃牙”這一相關事件的干預則不能降低“肺癌”的發生概率。

因此現有技術中利用基于相關關系選擇或者提取出的故障特征變量來進行后續的診斷方法并不一定能夠保證結果的準確性和實時性。

發明內容

本發明的目的在于提供一種用于故障診斷的因果關系鄰接矩陣特征提取方法，對于一個復雜系統或設備來說，推斷得到其各個故障特征變量間的因果關系網絡，不僅能夠實現對采集到的高維故障監測數據進行特征選擇及特征提取過程，從而降低故障數據維度，以便于后續更高效的開展故障診斷，而且能夠對預防故障或者維修提供針對性的建議，同時其因果關系的展示也能使模型更加透明，更具解釋性，泛化能力更強，可信度更高，更有說服力。

一種用于故障診斷的因果關系鄰接矩陣特征提取方法，其包括如下步驟：

S1、采集原始故障監測數據作為原始故障特征變量數據集；

S2、對原始故障特征變量數據集進行預處理，得到預處理后的故障特征變量數據集X；

S3、根據預處理后的故障特征變量數據集X，采用因果推斷方法構建因果關系網絡圖G: