【技术实现步骤摘要】
基于流形假设的多源工业异构大数据的故障诊断方法
本专利技术属于故障监测与诊断
，提出了一种基于流形假设的多源工业异构大数据的故障诊断方法。
技术介绍
现代社会的发展使工业领域可采集的数据爆炸式增长，随之而来的是衍生出来的一系列问题。例如维数灾难即存在着原始数据的特征维数过高，存在着冗余特征的情况，对于存储数据的空间的巨大浪费，耗时的信息检索等。如果能从原始数据中选择出重要的特征，使得后续故障检测与诊断过程仅需在一部分特征上构建模型，则维数灾难的问题将会大大缓解。另一方面，在通常使用高维特征的这些工业故障检测与诊断方法中，利用原始特征中选择后得到的特征有助于降低计算成本，节省存储空间并降低过度拟合的机会。基于以上问题使得对数据的处理提出了越来越高的要求，近年来，现代企业中生产设备趋于大型化、连续化、高速化和自动化，设备的结构与组成十分复杂，生产规模非常庞大，各部门之间的联系也特别密切。实际的生产过程将产生大量的数据，对这些数据进行一定的处理，这样才能有效地利用数据，检测到故障。虽然传统的特征提取方法对可以同时采集到物理变量与图像变量，并在已有的研究成果中在数据...
【技术保护点】
1.一种基于流形假设的多源工业异构大数据的故障诊断方法，其特征在于，包括以下步骤：步骤1，采集数据；将镁炉熔炼的工业过程中采集到的图像信息进行处理得到图像特征数据的样本，即图像样本；各个图像特征数据的样本由人工先验知识进行标记，将各个样本的标签信息标记为正常数据或异常数据，并与同一时刻采集到电流数据的样本构建样本集，包括的样本个数为N；不同时刻的各个样本集的集合即为数据集P；对数据集P中的每个图像样本分别计算0°、45°、90°和135°四个方向的灰度共生矩阵；对每个灰度共生矩阵分别计算能量、对比度、自相关、逆差距和熵的特征值；由此，每个图像样本都可以得到一个20维的向量X...
【技术特征摘要】
1.一种基于流形假设的多源工业异构大数据的故障诊断方法，其特征在于，包括以下步骤：步骤1，采集数据；将镁炉熔炼的工业过程中采集到的图像信息进行处理得到图像特征数据的样本，即图像样本；各个图像特征数据的样本由人工先验知识进行标记，将各个样本的标签信息标记为正常数据或异常数据，并与同一时刻采集到电流数据的样本构建样本集，包括的样本个数为N；不同时刻的各个样本集的集合即为数据集P；对数据集P中的每个图像样本分别计算0°、45°、90°和135°四个方向的灰度共生矩阵；对每个灰度共生矩阵分别计算能量、对比度、自相关、逆差距和熵的特征值；由此，每个图像样本都可以得到一个20维的向量X1＝[x1，x2，...，x20]，并且采集同一时间的镁炉的三个电极的电流数据X2＝[x21，x22，x23]；步骤2，定义标签距离与电流距离：标签距离定义为其中(xi，xj)∈P，xi，xj是在数据集P中随机选取的两个数据点，W为映射矩阵，fa(yi，yj)是标签映射函数，定义为yi，yj是xi，xj对应的标签信息，即正常数据或异常数据；电流距离定义为其中(xi，xj)∈P，xi，xj是在数据集P中随机选取的两个数据点，W为映射矩阵，fb(Ii，Ij)电流映射函数，定义为其中Ii，Ij是xi，xj对应的电流向量，T为阀值电流，由数据集P中图像对应的电流两两求取欧式距离后的中位数；由此构建初始优化目标函数：步骤3，在所述初始优化目标函数中添加正则项以及流形保持项；由于优化过程过于复杂，可能导致映射矩阵W过拟合，所以添加正则项防止映射矩阵过拟合，并且加入流形保持项其中xi，xj是在数据集P中随机选取的两个数据点，si，j为相似矩阵的第i行j列；因为特征提取的过程不能只考虑与电流相关的特征，加入流形保持项可以使映射矩阵对数据点进行降维的同时并提取有利于后续分类的特征，由此构建最终优化目标函数：步骤4，用步骤1构建的数据集P，步骤2及步骤3建立的最终优化目标函数求取映射矩阵W，对于一个新的采样xnew进行特征提取；建立映射矩阵W，由此映射矩阵...
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。