申请/专利权人:南通大学
申请日:2022-02-21
公开(公告)日:2024-05-17
公开(公告)号:CN114528939B
主分类号:G06F18/2135
分类号:G06F18/2135;G06F17/18;G06F17/16
优先权:
专利状态码:有效-授权
法律状态:2024.05.17#授权;2022.06.10#实质审查的生效;2022.05.24#公开
摘要:本发明公开了一种基于Kolmogorov‑Smirnov检验的微小故障检测方法,包括:对训练样本进行标准化预处理后,建立了一个PCA模型,获得负载矩阵P,之后,在线实时采集样本数据,利用离线过程建立的PCA模型,算出在线数据的主元空间,将训练数据和在线数据的主元空间进行K‑S检验,将得出K‑S检验统计量Dn的值与控制限比较,实现在线监控。本发明克服了传统PCA故障检测方法因微小故障幅值较小而对微小故障检测性能不佳的问题,对微小故障有较高的检测率。
主权项:1.一种基于Kolmogorov-Smirnov检验的微小故障检测方法,其特征在于,所述微小故障检测方法包括离线建模过程和在线监测过程,其中,所述离线建模过程包括:步骤S1、采集CSTH过程的历史正常数据X,再将该数据按照一定比例划分为训练样本集Xtr和测试样本集Xte,并均进行归一化处理;步骤S2、针对步骤S1中得到的训练样本集Xtr使用主成成分分析,获得其PCA模型,再求得该训练样本集Xtr的负载矩阵P;步骤S3、根据步骤S2中得到的负载矩阵P,计算出训练样本集Xtr的主元子空间Ttr以及测试样本集Xte的主元子空间Tte;步骤S4、进行K-S检验,其包括:首先给定一个滑动窗口,计算窗口内训练样本的第i个主元ttri和测试样本的第i个主元ttei的经验分布函数EDF;然后再进行K-S检验求出K-S统计量Dn的值;接着,将滑动窗口向后滑动,重复前述步骤,直至窗口滑动到主元中的最后一个数据;步骤S5、给定显著水平α,计算出控制限Dnα;所述在线监测过程,其具体包括:步骤S6、采集CSTH过程的实时在线数据Xon,并将数据进行归一化处理;步骤S7、利用步骤S2中所获的训练样本集Xtr的负载矩阵P,计算出在线数据Xon的主元空间Ton;步骤S8、进行K-S检验,其包括:给定一个滑动窗口的宽度,计算窗口内训练样本的第i个主元ttri和在线样本第i个主元toni的经验分布函数EDF,进而求出K-S检验统计量Dn的值;步骤S9、比较统计量Dn和控制限Dnα的值,判断系统当前时刻是否有故障发生;步骤S10、当下一时刻的在线数据被采集时重复上述步骤S7-步骤S9,同时窗口向后滑动。
全文数据:
权利要求:
百度查询: 南通大学 一种基于Kolmogorov-Smirnov检验的微小故障检测方法
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。