申请/专利权人：华北电力科学研究院有限责任公司;国家电网有限公司

申请日：2020-08-28

公开（公告）日：2024-04-02

公开（公告）号：CN112052890B

主分类号：G06F18/2413

分类号：G06F18/2413;G06F18/214;G06F18/213

优先权：

专利状态码：有效-授权

法律状态：2024.04.02#授权;2020.12.25#实质审查的生效;2020.12.08#公开

摘要：本申请提供一种给水泵振动预测方法及装置，所述给水泵振动预测方法包括：对获取到的给水泵历史运行状态参数进行筛选，得到历史运行状态参数样本集及目标参数振动数据集；利用K最近邻算法对所述历史运行状态参数样本数据集及所述目标参数振动数据集进行训练，得到近邻样本参数；根据获取到的给水泵当前运行状态参数及所述近邻样本参数，生成所述当前运行状态参数对应的给水泵振动预测值。本申请利用主成分分析法及K最近邻算法，能够根据给水泵的当前运行状态参数生成给水泵振动预测值，准确、高效地进行给水泵的故障预警。

主权项：1.一种给水泵振动预测方法，其特征在于，包括：对获取到的给水泵历史运行状态参数进行筛选，得到历史运行状态参数样本集及目标参数振动数据集；利用K最近邻算法对所述历史运行状态参数样本数据集及所述目标参数振动数据集进行训练，得到近邻样本参数；根据获取到的给水泵当前运行状态参数及所述近邻样本参数，生成所述当前运行状态参数对应的给水泵振动预测值；其中，利用K最近邻算法对所述历史运行状态参数样本数据集及所述目标参数振动数据集进行训练，得到近邻样本参数，包括：对所述历史运行状态参数样本数据集中的历史运行状态参数样本数据进行特征降维，得到所述历史运行状态参数样本数据对应的主成分重建原数据；对所述历史运行状态参数样本数据对应的所述主成分重建原数据进行归一化处理，得到主成分重建标准化数据；将所述主成分重建标准化数据划分为训练样本集与测试样本集；利用K最近邻算法对所述训练样本集、所述测试样本集及所述目标参数振动数据集进行训练，调整预先设定的近邻样本初始参数，得到近邻样本参数；其中，对所述历史运行状态参数样本数据集中的历史运行状态参数样本数据进行特征降维，得到所述历史运行状态参数样本数据对应的主成分重建原数据，包括：计算所述历史运行状态参数样本数据集中所述历史运行状态参数样本数据的特征均值向量；根据所述特征均值向量，将所述历史运行状态参数样本数据中心化，得到历史运行状态参数样本数据矩阵；构造所述历史运行状态参数样本数据矩阵的协方差矩阵；对所述协方差矩阵进行特征分解，求取所述协方差矩阵的特征值及各所述特征值对应的特征向量；根据计算得到的各所述特征值的贡献率提取前d个主成分，其中d的数量小于所述特征向量的维度；根据所述主成分计算所述历史运行状态参数样本数据对应的主成分重建原数据；其中，利用K最近邻算法对所述训练样本集、所述测试样本集及所述目标参数振动数据集进行训练，调整预先设定的近邻样本初始参数，得到近邻样本参数，包括：逐一计算所述测试样本集中各历史运行状态参数样本与所述训练样本集中各历史运行状态参数样本之间的欧式距离；针对所述测试样本集中的每一所述历史运行状态参数样本，选取与所述训练样本集中各历史运行状态参数样本之间欧式距离最近的k个历史运行状态参数样本，其中，1≤k≤N-1，N为所述训练样本集中所述历史运行状态参数样本的个数；针对所述测试样本集中的每一历史运行状态参数样本，获取所述k个历史运行状态参数样本的振动参数；根据所述k个历史运行状态参数样本的振动参数，生成所述测试样本集中的每一历史运行状态参数样本的给水泵振动预测值；计算所述测试样本集中每一所述历史运行状态参数样本在不同k值下的给水泵振动预测值的均方误差；选取最小的所述均方误差所对应的k值，作为近邻样本参数。

全文数据：

权利要求：

百度查询： 华北电力科学研究院有限责任公司;国家电网有限公司 给水泵振动预测方法及装置

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