[發明專利]基于核再生希爾伯特空間的燃氣輪機故障預測方法

有效

• 申請號: 202010786691.8
• 申請日: 2020-08-07
• 公開（公告）號: CN111931420B
• 公開（公告）日: 2023-09-29
• 發明（設計）人: 楊靜;朱尤杰;沈安波;樊高金;江劉峰;方寶富
• 申請（專利權）人: 合肥工業大學
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06N3/0442;G06N3/08;G01M15/14;G06F119/02
• 代理公司: 安徽省合肥新安專利代理有限責任公司 34101
• 代理人: 陸麗莉;何梅生

本發明公開了一種基于核再生希爾伯特空間的燃氣輪機故障預測方法，其步驟包括：1、獲取所有監測節點向量的數據集；2、將所有的向量用核函數映射的希爾伯特空間，并計算映射之后向量之間的典范相關系數；3、計算任意兩個節點在給定其他節點后的偏相關系數；4、設定閾值算出強相關相關節點的搜索空間；5、在受限空間內使用爬山搜索，通過評分函數完成定向工作，確定本監控節點與其他監測節點間的因果關系；6、直到評分次數超過設定值前獲得相應的監測系統因果結構圖，并用于訓練故障預測模型；從而得到故障預測模型，以實現對故障進行更加準確的預測。

技術領域

本發明屬于數據挖掘領域，具體地說是一種基于核再生希爾伯空間檢測燃氣輪機故障之間的偏相關系數的燃氣輪機故障預測方法。

背景技術

隨著網絡和技術的發展，無論是社會上還是企業中的數據都成幾何倍的增長，數據的形式也越來越復雜，關于如何從龐大的數據中提取有用的數據信息的課題的研究也越來越多，顯然對于企業而講這些數據更加有商業價值，比如如何從企業的機組運行檢測信息中發現當前機組運行的狀態并預測將來機組狀態的走勢，可以有效的避免企業人力物力的損失，極大的提高企業運轉的效率，因此故障診斷是一個非常值得研究的課題。

目前國內燃氣輪機的監控技術越來越發達，能檢測的數據量也越來越多，完全滿足從數據中挖掘數據信息的要求，因此燃氣輪機機組狀態分析、性能監測和故障智能診斷預測研究，具有非常重要的現實意義。我們可以通過數據建模，挖掘當前燃氣輪機機組運行的狀態信息，進行實時的監控，進一步可以預測燃氣輪機機組運行的走勢，如果預測發生故障，可以根據數據建模得到的因果網絡結構圖進行針對性的檢修，節約維修時間，提高燃氣輪機機組的運行效率，幫助燃氣輪機機組安全可靠的運行。然而這些監控的數據往往是非線性的不平穩的異構的，這對于數據建模是一種非常巨大的挑戰，所以研究非線性之間的關系就變得非常有必要。

而描述復雜網絡間關系的杰出模型就是由美國加州大學的Judea?Pearl提出的基于概率論和圖論的貝葉斯網絡模型，并憑杰出的貢獻獲得2011年度圖靈獎。Hoyer等對于貝葉斯網絡因果模型進行更進一步擴展，提出了加性噪聲模型，該模型可以建模非高斯非線性的數據。而燃氣輪機機組的運行數據恰恰也是非高斯非線性的。所以，基于加性噪聲模型對燃氣輪機機組的運行數據進行分析是非常有意義的研究方向。至于加性噪聲模型的結構學習，Hoyer等基于非線性回歸和基于HSIC標準提出了識別因果結構的方法，Mooij等提出了基于HSIC回歸的算法，Zhang等提出了兩階段的算法，Tillman等人提出了kPC算法，Yamada等提出了最小二乘獨立性回歸的方法，Mooij等提出了基于最大后驗的方法，Zhang等提出一個基于核的條件獨立測試，Peters等提出了基于后續獨立測試的回歸方法，Zhang等提出一個基于回歸的條件獨立型測試的方法等，Nowzohour等基于懲罰性的似然的方法等等。

目前這些方法的主要局限包括：

(1)燃氣輪機的故障預測采用直接知識表示的方法，速度快，但知識庫中的故障較少，面對新的故障時候就不能有效的進行故障預測，很大可能會導致診斷失誤；

(2)單獨的神經網絡診斷方法，不能對燃氣輪機系統內部的各部件關系進行準確的揭示，只能通過數據進行表面分析，這也給故障預測帶來很大的不確定性。

發明內容

本發明為克服現有技術存在的不足之處，提出了一種基于核再生希爾伯特空間的燃氣輪機故障預測方法，以期適應于線性和非線性的故障預測，并能提高對故障的預測準確度。

本發明為達到上述發明目的，采用如下技術方案：