一种基于田纳西伊斯曼过程的先验知识故障诊断方法技术

本发明专利技术涉及一种基于田纳西伊斯曼过程的先验知识故障诊断方法，步骤为：采集田纳西伊斯曼过程的离线历史数据；选择调节参数矩阵U∈R

【技术实现步骤摘要】
一种基于田纳西伊斯曼过程的先验知识故障诊断方法
本专利技术涉及一种故障检测与诊断技术，具体地说是一种基于田纳西伊斯曼过程的先验知识故障诊断方法。
技术介绍
基于图的半监督分类算法是先验知识学习中应用最多的一类算法。通过对数据集中所有样本(包括有标记样本和无标记样本)转化成一个定义了代表样本的结点和代表结点之间权值的边的连通加权无向图。结点与结点的边代表了两个样本间的某种关系，称之为相似性。最后在连通加权无向图中进行训练。这里指出，这类算法只对具有一定规律的样本有效，可以实现有标记样本对整个数据集的样本分布预测。如果整个数据集的样本是杂乱无章的，那么有标记样本就算再多对样本的分类也不会有什么效果。如果给的数据毫无规律，那么标记样本在总样本中的比重再大也没有用，分类没有意义效果也不会好。已知训练样本T＝{(x1,y1),...(xi,yj),...(xl,yl)}∪{xl+1,...xn}其中：xi∈Rd,i＝1,...,n表示输入数据，对于二类故障问题来说，yi∈{-1,+1},i＝1,...,l；对于多类故障问题来说，yi∈{1,2,...,c},i＝1,...,l。其中c表示故障状本文档来自技高网...

【技术保护点】
一种基于田纳西伊斯曼过程的先验知识故障诊断方法，其特征在于包括以下步骤：1)采集田纳西伊斯曼过程的离线历史数据X＝[x1,x2,...,xl,xl+1,...,xn]∈R

【技术特征摘要】
1.一种基于田纳西伊斯曼过程的先验知识故障诊断方法，其特征在于包括以下步骤：1)采集田纳西伊斯曼过程的离线历史数据X＝[x1,x2,...,xl,xl+1,...,xn]∈Rm×n，其中xi(i＝1,2,...,l)为已经通过专家先验知识标记的数据，xi(i＝l+1,l+2,...,n)是未标记数据，l为已标记故障状态类别的数目，n为历史数据故障状态类别的总数目；初始化矩阵Y∈Rn×c，其中c表示故障状态类别，Rm×n、Rn×c均代表数据规模大小；2)选择调节参数矩阵U∈Rn×n和KNN算法中的k；其中，U∈Rn×n表示对角阵，k为近邻样本个数；3)在已有的加权无向图上构建邻接矩阵W，在此基础上算出矩阵D，定义拉普拉斯矩阵L＝D-W，根据拉普拉斯正则化算法，计算拉普拉斯正则项4)根据局部正则化算法，计算局部正则项(I-A)T(I-A)，其中，I为n×n的单位矩阵，A为参数矩阵；5)根据计算标签矩阵，为对角阵；6)根据来标记未标记样本，归一化后得到工业过程的故障分类信息，fi为使得F最大的最优输出，为标签矩阵F中的元素，i为从1到n的任意数，j为故障的种类，取值从1～c，c为故障种类数目。2.按权利要求1所述的基于田纳西伊斯曼过程的先验知识故障诊断方法，其特征在于：步骤4)中，计算局部正则项(I-A)T(I-A)为：在局部区域中，对于输入的各个xi都对应有一个fi值，同时，在其邻域样本集上学习得到的决策函数g(x)也有一个输出值g(xi)，将二者之间的差距转化为最优化问题的正则项||F-G||2，其矩阵形式为：

【专利技术属性】
技术研发人员：张颖伟，严启保，刘俊梁，
申请(专利权)人：东北大学，
类型：发明
国别省市：辽宁,21