A fault diagnosis method based on class mean kernel principal component analysis and BP neural network is presented. Firstly, the historical data of equipment operation are classified according to the type of fault, and the data set with fault class label is obtained. Then, the data set is standardized, its class mean kernel matrix is calculated and centralized. The eigenvalues and eigenvectors of the centralized mean-like kernels matrix are extracted, and the reduced dimension sample data sets are obtained. The neural network is trained with the sample data sets. Finally, the trained neural network is used to identify the faults of the equipment. The method combines the class mean kernel principal component analysis with BP neural network, does not issue any instructions to the detected system, and can realize the fault diagnosis of various production systems only by using the operation data of the detected system. This method has the advantages of low computational complexity, fast diagnosis speed, high accuracy and good generalization.
【技术实现步骤摘要】
基于类均值核主元分析和BP神经网络的故障诊断方法
本专利技术涉及一种类均值核主元分析与BP神经网络相结合的故障诊断方法,属于测试
技术介绍
随着工业自动化水平的提高,工业控制系统的规模越来越大,一个大型的工业控制系统有成百套控制回路,因此影响系统正常工作的因素也越来越多,系统的可靠运行受到多方面的威胁。非线性、时变性、强耦合、高维度等造成了控制系统的复杂多样性,往往牵一发而动全身。而一旦发生故障,不仅会对社会生产、生态环境造成不可估量的损失与危害,而且会严重威胁人员安全,因此设计并研发一套诊断系统运行是否发生故障的技术对安全生产具有重要的意义。工业过程控制面临的重要任务之一就是对控制系统的故障诊断。在控制系统的运作过程中,有很多方面会导致故障的发生,比如操作失当、设备老化、外加干扰等等,有些属于突发故障,使生产骤停,有些是缓变故障,潜移默化中使生产效率偏移预定指标,从而耗费资源。因此,控制系统的故障诊断问题日显重要,及时、准确地诊断出设备运营发生的故障类型,对于工作人员排查问题、生产效益提升有很大的帮助,如何有效地诊断系统是否发生故障以及故障发生类型受到专家学者的深切关注。故障诊断方法源远流长,发展至今,总结起来主要分为两种方法:基于解析模型的方法和基于数据驱动的方法。前者需要对诊断对象及故障机理有深刻的认识,然而一般工业系统结构复杂、动态时变且强耦合特性严重,使之难以建立准确的解析模型。后者通过对系统运行数据进行分析处理,从而在不需知道诊断对象的先验知识和系统精确解析模型的情况下完成系统的故障诊断,因此受到国内外研究者的青睐,并在这方面做出了很 ...
【技术保护点】
1.一种基于类均值核主元分析和BP神经网络的故障诊断方法,其特征是,所述方法首先根据故障类型对设备运行的历史数据进行分类,得到有故障类标签的数据集;然后对数据集进行标准化处理,计算其类均值核矩阵,进行中心化;再计算中心化后的类均值核矩阵的特征值和特征向量,抽取核主元成分,得到降维后的样本数据集;用样本数据集对神经网络进行训练;最后用训练好的神经网络对设备进行故障识别。
【技术特征摘要】
1.一种基于类均值核主元分析和BP神经网络的故障诊断方法,其特征是,所述方法首先根据故障类型对设备运行的历史数据进行分类,得到有故障类标签的数据集;然后对数据集进行标准化处理,计算其类均值核矩阵,进行中心化;再计算中心化后的类均值核矩阵的特征值和特征向量,抽取核主元成分,得到降维后的样本数据集;用样本数据集对神经网络进行训练;最后用训练好的神经网络对设备进行故障识别。2.根据权利要求1所述的一种基于类均值核主元分析和BP神经网络的故障诊断方法,其特征是,所述方法包括以下步骤:A、根据故障类型对设备运行的历史数据进行分类,得到有故障类标签的数据集O;B、对数据集O进行标准化处理,使之无量纲化,然后计算数据集O的类均值核矩阵,并进行中心化,具体步骤如下:B1、对数据集O中的数据x进行标准化处理,得到其无量纲化数据其中,为样本数据的均值,σ为样本数据的标准差;B2、选取核函数:选用RBF核函数作为类均值核主元分析法的核函数,表达式为:其中,x,y为数据集变量;B3、计算类...
【专利技术属性】
技术研发人员:蒋雄杰,黄启东,王印松,孙天舒,高建强,刘卫亮,
申请(专利权)人:浙江浙能嘉华发电有限公司,华北电力大学保定,
类型:发明
国别省市:浙江,33
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。