[發明專利]一種自適應PCA模型建立方法及超聲加工局部放電檢測方法

在審

• 申請號: 202011398286.5
• 申請日: 2020-12-04
• 公開（公告）號: CN112763859A
• 公開（公告）日: 2021-05-07
• 發明（設計）人: 趙曉丹;王勇
• 申請（專利權）人: 紹興精宸智能科技有限公司
• 主分類號: G01R31/12
• 分類號: G01R31/12
• 代理公司: 杭州君度專利代理事務所(特殊普通合伙) 33240
• 代理人: 徐鋒

1.一種自適應PCA模型建立方法，其特征在于，包括以下技術步驟：

S1：通過采集超聲加工正常運行狀態下的多源傳感器采集的指標參數組成樣本數據指標參數包括脈沖電流S、脈沖電壓V、相位差聲音S、設備溫度C；

構建訓練矩陣X′∈R^m×n，R^m×n表示m×n的實數矩陣，m為訓練樣本數，n為數據樣本中指標參數的個數；

x′_i為訓練矩陣X′的第i個訓練樣本，x′_j為訓練矩陣X′的第j列元素，x′_ij為第i個樣本的第j個指標參數。對數據樣本進行正態標準化處理：

其中σ_j是x′_j的m個元素的方差，u_j是x′_j的m個元素的均值；得到每一列的均值都為0,方差為1的標準樣本矩陣X＝[x₁,x₂,x₃,…,x_m]^T，x_i為第i個訓練樣本經標準化后的數據，i＝1,2,3,…,m為第i個訓練樣本的下標號，上標號T表示向量或矩陣的轉置；

S2：計算協方差矩陣對協方差矩陣R進行特征值分解，式中p＝[p₁,p₂,…,p₅]，分別得到對應的特征值和特征向量，特征向量按照λ₁≥λ₂≥…λ₅＞0排列，對應的特征向量也按照該關系組成組成特征向量矩陣P＝[p₁,p₂,…p₅]；

S3：第K個主元的累計貢獻率CV_K為該主元及其之前所對應的特征值之和除以所有特征值之和，計算累計貢獻率大于0.90的主元個數K，即滿足: 的最小K值，得到主元空間投影矩陣殘差空間投影矩陣計算標準樣本矩陣X每行數據樣本x_i在殘差空間內的投影，即計算殘差向量

S4：計算監控閾值式中K為PCA模型的主元個數，c_α為置信度為α的標準正態分布置信限；逐個比較訓練數據統計量Q＝||e_i||²和監控閾值Q_α大小,記錄高于監控閾值的采樣數據在行編號，認定為離群點；

S5：當本次循環內的異常數據樣本數大于0時，剔除所有離群點數據，重構原始訓練矩陣X′,返回步驟S1，重復步驟S1-S4；如果本次循環內的異常數據樣本數等于0，表示本次循環內的數據均符合要求，將該數據作為分析比較的訓練矩陣，完成自適應PCA模型的訓練過程，重復步驟S1-S3，記錄訓練矩陣均值向量u、方差σ和監控閾值Q_α。

2.一種基于自適應PCA模型的超聲加工局部放電檢測方法，其特征在于：包括有如權利要求1所述的步驟S1-S5；同時，還包括有如下步驟：

S6：采集超聲加工中某一時刻實時數據，建立新數據樣本X′_new，根據訓練矩陣的均值向量u、方差σ、正態標準化X′_new即得到標準化數據X_new；

S7：根據自適應PCA模型得到的殘差空間投影矩陣計算X_new在殘差空間的投影即殘差向量計算監控指標統計量Q_new＝||e||²，比較Q_new和Q_α的大小，當超過閾值時，則表示超聲加工系統發生局部放電，并立即報警。