[發明專利]基于主成分分析與支持向量機的往復壓縮機故障診斷方法

在審

• 申請號: 202110025500.0
• 申請日: 2021-01-08
• 公開（公告）號: CN112990257A
• 公開（公告）日: 2021-06-18
• 發明（設計）人: 李進;王慶國;肖宇;葉劍;楊在江
• 申請（專利權）人: 中海油能源發展裝備技術有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;F04B51/00
• 代理公司: 天津市北洋有限責任專利代理事務所 12201
• 代理人: 韓帥

1.基于主成分分析與支持向量機的往復壓縮機故障診斷方法，其特征在于,包括如下步驟：

1)采集數據：通過在線監測單元中的傳感器對檢測往復壓縮機進行采集輸出往復壓縮機典型故障信號；

2)故障特征提取：通過神經網絡單元對采集的往復壓縮機故障信號提取出往復壓縮機型故障信號中的時域信號特征參數與頻域信號特征參數構成特征矩X，按公式Y＝(X-X_min)/(X_max-X_min)進行歸一化處理；

3)基于主成分分析的故障特征選擇：利用主成分分析方法對往復壓縮機典型故障信號特征參數進行降維處理獲得故障敏感特征向量；

4)獲得支持向量機結構模型，將所述故障敏感特征向量輸入支持向量機中，采用“一對一”組合模式的支持向量機進行訓練和測試，獲得支持向量機結構模型；

5)通過支持向量機結構模型對待檢測故障敏感特征向量進行判斷輸出往復壓縮機故障數據所屬的類別給出診斷結果。

2.根據權利要求1所述的基于主成分分析與支持向量機的往復壓縮機故障診斷方法，其特征在于：所述步驟2)中頻域信號特征參數包括：

采用小波包對往復壓縮機典型故障信號分解將各頻帶內的能量值作為頻域信號特征參數；

對采集往復壓縮機實際故障進行分析，獲得樣本數據的采樣頻率為：

f_s＝10240H_Z

經小波包3層對分解后，最后一層的頻帶分布其頻率范圍正確順序為由低到高排列。

3.根據權利要求1所述的基于主成分分析與支持向量機的往復壓縮機故障診斷方法，其特征在于：所述步驟3)中基于主成分分析的故障特征選擇步驟包括：

通過如下公式對時域和頻域特征參數組成特征矩陣特征值矩陣X進行協方差處理獲得特征值λ_i和特征向量P_i:λ_iP_i＝RP_i；

通過特征向量構建綜合特征向量的分矩陣，即T_i＝XP_i；

通過計算協方差矩陣的特征值大于設定閾值的個數，來確定主元個數，即高維特征向量個數；

根據往復壓縮機典型故障的特征參數，選用前三維的主元代表原始的高維特征向量。即用排序后得分矩陣T_i的前三維特征作為新的特征向量；

將往復壓縮機實際故障所提取的時域和頻域特征參數組成特征矩陣，進行主成分分析處理，實現維度縮減。

4.根據權利要求1所述的基于主成分分析與支持向量機的往復壓縮機故障診斷方法，其特征在于：所述步驟4)獲得支持向量機結構模型步驟還包括：

選用支持向量機的徑向基核函數K(x,y)＝exp(-||x-y||2/σ²)，利用核空間中的非線性映射算法，將原先的樣本數據進行映射，進而將原線性不可分的樣本進行分類。