一种基于模糊偏好关系与自适应层次聚类的故障特征参数选择方法技术

本发明专利技术公开了一种基于模糊偏好关系与自适应层次聚类的故障特征参数选择方法。本发明专利技术基于logsig函数提出基于模糊关系的自适应层次聚类，并应用于设备的故障诊断；基于模糊关系计算选择敏感特征，无需先验知识，提高了方法的智能性；优选特征的使用，简化了特征集合，避免了维数灾难，减少了计算负担，提高了故障诊断效率；结合特征优选的自适应层次聚类具有较高的诊断精度。

【技术实现步骤摘要】
一种基于模糊偏好关系与自适应层次聚类的故障特征参数选择方法
本专利技术涉及一种基于模糊偏好关系与自适应层次聚类的故障特征参数选择方法，属于大数据处理的

技术介绍
随着科技的发展，大型装备越来越复杂，部件之间的配合越来越紧密，部件的故障都可能会带来停机损失，造成较大的经济损失，严重时还会危及到人身安全。另外，如果故障不能准确定位，盲目的拆修会造成精度误差、可靠性降低等。因此，故障诊断技术是保障设备安全稳定运行的前提，对设备的维护也至关重要。由于测点多、监测参数多(力、温度、振动、声、能量、液压等)、采样频率高，形成了量大、多样、复杂的状态监测大数据，致使设备的故障诊断进入“大数据”时代。高维特征可为故障诊断提供更加丰富的特征参数，但特征维数过高，而训练样本规模不大时，也会给故障诊断、识别带来过度拟合等影响，进而影响故障诊断的正确率。在神经网络中，常用函数表征样本之间的模糊关系，进而表征样本之间的有序结构。在不同种类的故障中，相同特征之间的差别越大，说明特征对类别的区分越敏感，取较大的敏感系数。层次聚类算法本文档来自技高网...

【技术保护点】
1.一种基于模糊偏好关系与自适应层次聚类的故障特征参数选择方法，其特征在于，包括步骤如下：/n1)模糊偏好关系计算/n1.1)给定系统S＝<X，Q，U>，其中，X＝{x

【技术特征摘要】
1.一种基于模糊偏好关系与自适应层次聚类的故障特征参数选择方法，其特征在于，包括步骤如下：
1)模糊偏好关系计算
1.1)给定系统S＝<X，Q，U>，其中，X＝{x1，x2，...，xN}表示样本集合，Q＝{q1，q2，...,qJ}是特征集，U＝{u1,u2,...,uC}是故障集合；

关于ql∈Q的模糊偏好关系为：



其中，qil，qjl∈Q；i≠j；k为聚类数；
1.2)对dij进一步简化，如式(2)所示；



其中，△q＝qil-qjl；
2)敏感系数计算
假设一个包含C类故障的原始特征集{qm，j，m＝1，2，...，N；j＝1，2，...，J}C，其中，N是每种故障的样本个数，J是特征个数，qn，j，表示第n个样本的第j个特征值；
系统S的样本总数M＝N×C，数据总个数L＝N×C×J；
按照式2)计算每个特征的敏感系数，组成模糊关系矩阵

【专利技术属性】
技术研发人员：郝慧娟，程广河，唐勇伟，郝凤琦，李娟，
申请(专利权)人：山东省计算中心国家超级计算济南中心，
类型：发明
国别省市：山东;37