一种基于近邻成分分析的故障类型识别方法技术

本发明专利技术公开一种基于近邻成分分析的故障类型识别方法，旨在为各故障类型甄别出相应的故障特征变量及其权重大小后，实施在线故障数据对应故障类型的识别。具体来讲，本发明专利技术方法首先利用近邻成分分析这种依赖于单个样本之间近邻关系的算法，逐个找出各故障类型可用数据对比正常工况数据之间出现异常变化的特征变量及其权重系数。其次，在经特征变量加权处理后逐个计算在线故障数据与各个故障类型数据点的之间的距离。最后，通过最小距离识别故障类型。与传统方法相比，本发明专利技术方法不仅利用了各故障的特征变量而且还能区分出特征变量之间的重要性程度差异，能充分保证故障类型识别的正确率。因此，本发明专利技术方法是一种更为优选的故障类型识别方法。

【技术实现步骤摘要】
一种基于近邻成分分析的故障类型识别方法
本专利技术涉及一种数据驱动的故障诊断方法，尤其涉及一种基于近邻成分分析的故障类型识别方法。
技术介绍
通常意义上来讲，对生产过程运行状态实施监测的目的首先在于及时而准确地发现故障，其次在于识别出故障的根源或类型。因此，故障检测与故障类型识别两者缺一不可，它们对于保证安全生产与维持产品质量稳定是具有重要意义的。近十几年来，针对故障检测的研究层出不穷，涌现出了一大批故障检测新方法与新思路。相比之下，针对故障类型识别的研究却屈指可数。这种现象在数据驱动的故障诊断研究领域尤为突出，发展至今识别故障类型的数据驱动方法主要依赖于模式分类策略，借鉴模式识别领域的分类方法识别出故障类型。然而，与传统分类问题不同的是，故障分类所能使用的数据皆采集自工况切换的过渡过程阶段。各故障类型的训练数据变化情况尤为复杂，且各故障发生后会导致不同测量变量出现不同程度的异常变化。此外，在故障发生后，现场操作人员会在第一时间内将过程修复至正常运行状态，各种故障工况下采集到的数据量通常也是有限的。针对故障分类的研究若是直接采用模式识别领域常用的分类算法如判别分析、支持向量机、神经网本文档来自技高网...

【技术保护点】
1.一种基于近邻成分分析的故障类型识别方法，其特征在于，包括以下步骤：步骤(1)从生产过程历史数据库中找到不同故障工况条件下的采样数据，对应组成各参考故障的数据矩阵X1，X2，…，XC，其中

【技术特征摘要】
1.一种基于近邻成分分析的故障类型识别方法，其特征在于，包括以下步骤：步骤(1)从生产过程历史数据库中找到不同故障工况条件下的采样数据，对应组成各参考故障的数据矩阵X1，X2，…，XC，其中Nc为第c种故障的可用样本数，c＝1，2，…，C，R为实数集，表示Nc×m维的实数矩阵，m为过程测量变量的个数，C为参考故障类别总数；步骤(2)采集生产过程处于正常运行工况下的N0个样本数据，组成正常工况训练数据矩阵并计算矩阵X0中各列向量的均值μ1，μ2，…，μm与标准差δ1，δ2，…，δm；步骤(3)利用均值μ1，μ2，…，μm与标准差δ1，δ1，…，δm分别标准化处理X0，X1，X2…，XC中对应的各列向量，得到标准化后的数据矩阵并初始化c＝1；步骤(4)将矩阵与合并一个矩阵并构建类标号向量其中上标号T为矩阵或向量的转置符号，向量yc中前N0个元素数值全部为0后Nc个元素数值全部等于1；步骤(5)利用近邻成分分析(NCA)算法优化求...

【专利技术属性】
技术研发人员：皇甫皓宁，童楚东，朱莹，
申请(专利权)人：宁波大学，
类型：发明
国别省市：浙江,33