基于欧氏距离多尺度模糊样本熵的工业系统故障检测方法技术方案

本发明专利技术公开了基于欧氏距离多尺度模糊样本熵的工业系统故障检测方法。本发明专利技术方法可以从多个时间尺度对时间序列进行复杂度的刻画，同时该方法相对于现有的多尺度熵(Mutiscale Entropy)方法、复合多尺度熵(Composite Multiscale Entropy)方法、多尺度模糊样本熵(FME)在计算的稳定性和准确性上都有显著的提高。本发明专利技术可以用于工业系统故障类型的判别、检测以及时间序列复杂度的分析。

Fault detection method of industrial system based on Euclidean distance multi-scale fuzzy sample entropy

【技术实现步骤摘要】
基于欧氏距离多尺度模糊样本熵的工业系统故障检测方法
本专利技术涉及系统复杂度的研究领域，涉及的是工业系统信号时间序列复杂度的刻画方法，具体是一种基于欧氏距离多尺度模糊样本熵的工业系统故障检测方法。
技术介绍
轴承振动信号时间序列是一种重要的高维数据类型，它是由客观对象的某个物理量在不同时间点的采样值按时间先后次序而组成的序列。而量化分析一个信号时间序列的复杂度对于理解一个系统的运行规律来说是一项既复杂又重要的工作。为了分析时间序列特征并区分系统正常和混乱行为，在许多年前专家和学者们提出了很多种方法来衡量一个系统信号的复杂度。多尺度熵(MultiscaleEntropy,MSE)作为轴承振动信号时间序列复杂度的一种刻画工具，首次将熵理论和多尺度思想相结合，自从提出后在各个方面得到了广泛的应用。多尺度熵最初是基于Richman等提出的样本熵(SampleEntropy)而提出的。样本熵只能针对单一的时间尺度进行分析，不能很好的反映出长相关时间序列的内在变化。多尺度熵的提出可以对同一时间序列在不同的时间尺度上进行样本熵的计算，通过不同的时间尺本文档来自技高网...

【技术保护点】
1.基于欧氏距离多尺度模糊样本熵的工业系统故障检测方法，其特征在于包括以下步骤：/n步骤1、通过工业系统信号采集设备采集不同状态类型下的原始信号；/n步骤2、对每种状态类型下原始信号对应一个时间序列{x(i)|i＝1,2,...,N}，其中i序列对应某一时刻的数值，N表示时间序列的长度；对时间序列{x(i)|i＝1,2,...,N}进行尺度因子τ粗粒度变换(τ为正整数)，形成若干粗粒数值点

【技术特征摘要】
1.基于欧氏距离多尺度模糊样本熵的工业系统故障检测方法，其特征在于包括以下步骤：
步骤1、通过工业系统信号采集设备采集不同状态类型下的原始信号；
步骤2、对每种状态类型下原始信号对应一个时间序列{x(i)|i＝1,2,...,N}，其中i序列对应某一时刻的数值，N表示时间序列的长度；对时间序列{x(i)|i＝1,2,...,N}进行尺度因子τ粗粒度变换(τ为正整数)，形成若干粗粒数值点



最终得到τ个粗粒化长度为p的新信号时间序列，其中第k个新信号时间序列具体变换公式如下：



步骤3、对第k个粗粒化长度为p的新信号时间序列进行嵌入维数为m的向量重构，得到从到其中




为向量序列平移的距离，具体公式如下：



步骤4、使用重构后的向量，计算尺度因子τ下第k个新信号时间序列的欧式距离模糊样本熵：
4.1任意两个初始向量不同的m维信号时间序列与之间的距离为两个重构后向量的欧氏距离，具体公式如下：



4.2给定阈值r，r一般取值0.15×SD，SD为原始序列{x(i)|1≤i≤N}的标准差；通过模糊函数计算和间的相似度公式如下：






4....

【专利技术属性】
技术研发人员：周仁杰，王晓，万健，张纪林，张伟，蒋从锋，
申请(专利权)人：杭州电子科技大学，
类型：发明
国别省市：浙江;33