申请/专利权人：哈尔滨工程大学

申请日：2021-11-23

公开（公告）日：2024-03-22

公开（公告）号：CN114112390B

主分类号：G01M13/04

分类号：G01M13/04

优先权：

专利状态码：有效-授权

法律状态：2024.03.22#授权;2022.03.18#实质审查的生效;2022.03.01#公开

摘要：本发明提供一种非线性复杂系统早期故障诊断方法，包括：采集非线性复杂机电系统或机电设备在正常工作状态下的历史时序信号数据和实时工况下的实时时序监测数据；对获得的历史检测数据和实时数据进行数据预处理，获得预处理后的机电系统或机电设备的健康状态相关数据集以及系统或设备实时工况下的状态相关数据集使用核主成分分析将预处理后的数据集投影到高纬度线性空间上，得到转换到新的映射空间上的数据集，通过选取合适的主成分提取故障特征；利用Jensen‑Shannon散度对投影后的实时数据的概率密度分布与投影后的健康状况下的历史监测数据的概率密度分布的差异性进行计算，并与预先设定的故障阈值进行对比，完成故障诊断。

主权项：1.一种非线性复杂系统早期故障诊断方法，其特征在于，步骤如下：步骤1：采集非线性复杂机电系统或机电设备在正常工作状态下的历史时序信号数据和实时工况下的实时时序监测数据；步骤2：对步骤1获得的历史检测数据和实时数据进行数据预处理，获得预处理后的机电系统或机电设备的健康状态相关数据集以及机电系统或机电设备实时工况下的状态相关数据集步骤21：对步骤1获得的历史监测数据进行去中心化和标准化处理，去中心化即将数据集中的每个变量对应的观测值减去该变量的样本平均值μh；标准化即将数据集中的去中心化后的每个变量对应的观测值再除以该变量的样本的标准差σh；步骤22：对步骤1获得的实时监测数据进行去中心化和标准化处理，将数据集中每个变量对应的观测值监测该变量的样本平均值μ，再除以该变量对应的正常工况下采集的历史监测数据样本的标准差σh；步骤3：使用核主成分分析将步骤2预处理后的数据集投影到高纬度线性空间上，得到转换到新的映射空间上的数据集，通过选取合适的主成分提取故障特征；步骤31：将步骤2中获得的预处理后的历史监测数据集使用核主成分分析投影到一个新的高纬度线性空间内，在该步骤当中通过公式 式中n为所选择的数据样本长度，式中1n为： K按照如下公式计算 其中：为已知选定的核函数，得到特征值ρ和特征向量矩阵α；基于获得的特征值选取主成分的个数，根据得到的特征向量矩阵，计算转换到新的空间内的数据集；步骤32：基于步骤31中获得的特征向量矩阵，将步骤22中获得的预处理后的实时检测数据投影到同一个维度空间，并获得转换后的新的数据集；步骤4：利用Jensen-Shannon散度对投影后的实时数据的概率密度分布与投影后的健康状况下的历史监测数据的概率密度分布的差异性进行计算，并与预先设定的故障阈值进行对比，完成故障诊断。

全文数据：

权利要求：

百度查询： 哈尔滨工程大学 一种非线性复杂系统早期故障诊断方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD