申请/专利权人：中国人民解放军国防科技大学

申请日：2024-01-23

公开（公告）日：2024-04-26

公开（公告）号：CN117930813A

主分类号：G05B23/02

分类号：G05B23/02

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.05.14#实质审查的生效;2024.04.26#公开

摘要：本发明公开一种TRT静叶控制系统故障检测方法、产品、介质及设备，涉及故障检测领域。本发明采用核主成分分析进行特征空间选择，对数据流进行数据块分割得到多个等长的数据块；构建初始背景树，记录历史数据块中分类准确率最高的窗口作为基准窗口并不断更新；将检测分为预警阶段和漂移阶段，并对检测模型进行自适应更新，检测概念漂移；针对出现概念漂移的数据块设立滑动窗口检测概念漂移子类型。本发明不仅能够检测概念漂移，抵抗概念漂移对数据分类的影响，还能够挖掘概念漂移的隐藏信息，直接确定出概念漂移子类别，具有良好的性能和可解释性；基于检测出的概念漂移子类别来识别TRT静叶控制系统故障，可以提高故障识别效率和准确性。

主权项：1.一种TRT静叶控制系统故障检测方法，其特征在于，包括：获取TRT静叶控制系统中原始参数的数据流；所述原始参数包括关键参数和传感器参数；其中关键参数包括静叶开度和顶压控制参数；传感器参数包括轴承温度和轴承转速；使用核主成分分析方法对原始参数的数据流进行特征空间选择并对数据流进行数据块分割，得到多个等长的数据块；在核主成分分析方法得到的包含优质信息的特征空间和包含大量无效信息的特征空间基础上，使用随机森林算法构建初始背景树，然后使用初始背景树对已存在的历史数据流进行概念漂移检测，并记录历史数据块中分类准确率最高的数据块作为基准窗口，并不断更新背景树；将概念漂移检测分为预警阶段和漂移阶段；一旦数据流的特征分布偏离基准窗口达到预设的预警范围则进入预警阶段，此时针对新到来的数据流重新构建背景树；如果数据流的特征分布偏离基准窗口达到预设的漂移范围则进入漂移阶段，此时利用新构建的背景树替换掉当前性能最差的子树；当数据流进入漂移阶段时，触发滑动窗口算法确定概念漂移子类别；所述概念漂移子类别包括突变类概念漂移和渐变类概念漂移；其中突变类概念漂移分为瞬时突变和跳跃突变两个子类别，渐变类概念漂移分为周期性渐变和非周期性渐变两个子类别；基于概念漂移子类别来识别TRT静叶控制系统故障。

全文数据：

权利要求：

百度查询： 中国人民解放军国防科技大学 TRT静叶控制系统故障检测方法、产品、介质及设备

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