一种基于间隙度量的动态模式识别方法及装置制造方法及图纸

本公开提供一种基于间隙度量的动态模式识别方法及装置，在确保系统不确定项能够被局部准确辨识的前提下，从系统拓扑结构的角度构建一种新的动力学度量模型，用于度量不同系统或同一系统在不同工况下的动态差异，以此完善现有基于模型的故障诊断方法，该方法及装置将不受系统量纲的影响，根据系统间拓扑结构的相对变化情况判别系统的相似误差。本公开所提出的基于间隙度量的相似度量模型，能够准确度量不同系统之间的动力学差异，该模型的有效性和可行性效果很好。该度量方法能进一步用于动力系统的故障诊断、模式识别、系统分类、以及分岔和混沌预测等实际问题中。

【技术实现步骤摘要】
一种基于间隙度量的动态模式识别方法及装置
本公开涉及系统故障诊断领域，具体涉及一种基于间隙度量的动态模式识别方法及装置。
技术介绍
随着科技的发展和进步，实际系统，如工业大系统、化工系统、机械系统等的规模不断扩大，复杂性及非线性性也日益提高，如何提高系统的安全性和可靠性显得尤为重要。而对系统运行过程中故障的提前预警或及时诊断是提高系统安全性和可靠性的有效途径之一，也将关乎整个系统的命运，因为系统一旦发生故障，将造成巨大财产损失，在某些特殊行业，系统故障甚至会带来灾难性后果。对于任何实际系统，如工业大系统、化工系统、机械系统等，对系统运行过程中故障的提前预警或及时诊断关乎整个系统的命运，也是企业维修部门关注的重点事项之一。故障诊断技术在过去的几十年里发展迅速，并取得了丰富的研究成果。随着故障诊断方法的不断出现，专家学者们对故障诊断方法进行了分类，其中故障诊断方法大致可分为如下三类：1)基于解析模型的方法，2)基于信号处理的方法；3)基于知识的方法。而基于解析模型的方法是最早投入研究，也是研究最深入的一类方法。这类方法最初主要针对线性系统提出，但实际应用系统都是非线性的，为此学者们针对非本文档来自技高网...

【技术保护点】
1.一种基于间隙度量的动态模式识别方法，其特征在于，所述方法包括以下步骤：步骤1，通过径向基函数神经网络构建系统辨识模型；步骤2，调节系统辨识模型的神经网络参数，获得沿系统轨迹的局部动力学信息的准确辨识，并通过常值神经网络表达和获取系统的未知动力学信息；步骤3，通过确定学习算法，获取系统未知动力学信息的局部准确辨识以及表达；步骤4，对于偏导部分动力学信息，通过引入方向导数模型实现沿系统轨迹的局部动力学转化；步骤5，基于系统动力学以及沿系统轨迹的偏导部分动力学信息，构建结构稳定概念下基于间隙度量的相似度量模型；步骤6，引入二阶混沌系统‑达芬振子系统，通过相似度量模型获得训练模式与待测模式之间的相...

【技术特征摘要】
1.一种基于间隙度量的动态模式识别方法，其特征在于，所述方法包括以下步骤：步骤1，通过径向基函数神经网络构建系统辨识模型；步骤2，调节系统辨识模型的神经网络参数，获得沿系统轨迹的局部动力学信息的准确辨识，并通过常值神经网络表达和获取系统的未知动力学信息；步骤3，通过确定学习算法，获取系统未知动力学信息的局部准确辨识以及表达；步骤4，对于偏导部分动力学信息，通过引入方向导数模型实现沿系统轨迹的局部动力学转化；步骤5，基于系统动力学以及沿系统轨迹的偏导部分动力学信息，构建结构稳定概念下基于间隙度量的相似度量模型；步骤6，引入二阶混沌系统-达芬振子系统，通过相似度量模型获得训练模式与待测模式之间的相似误差。2.根据权利要求1所述的一种基于间隙度量的动态模式识别方法，其特征在于，在步骤1中，通过径向基函数神经网络构建系统辨识模型方法为：系统辨识模型其中为辨识系统的状态向量；x＝[x1,…,xn]T∈Rn是系统的状态向量；ai>0是系统的可调参数；为RBF神经网络，用于逼近系统的未知动力学信息fi(x,p)。3.根据权利要求1所述的一种基于间隙度量的动态模式识别方法，其特征在于，在步骤3中，所述确定学习算法为利用径向基函数神经网络实现对未知环境下系统，沿轨迹的动态信息的准确辨识，并能将学习到的知识以常值RBF神经网络权值形式存储，算法主要是证明了对于任何具有回归或类回归轨迹的系统，都能通过径向基函数神经网络，实现系统状态及参数的收敛，从而实现系统未知动力学沿系统轨迹的局部准确逼近，其中，系统状态x保持一致有界，即x满足：其中Ω为紧集，此外，系统轨迹以点x(t0)＝xξ0为初始点，且具有回归或类回归特性。4.根据权利要求1所述的一种基于间隙度量的动态模式识别方法，其特征在于，在步骤4中，引入方向导数实现沿系统轨迹的局部动力学转化的方法为：定义沿系统轨迹的方向导数如下：其中cosαi(i＝1,…,n)是系统轨迹的方向余弦，表示以点x(t0)＝xξ0为初...

【专利技术属性】
技术研发人员：陈丹凤，王聪，文成林，
申请(专利权)人：佛山科学技术学院，
类型：发明
国别省市：广东,44