基于轻量级梯度提升决策树的传感器信号故障诊断方法技术

本发明专利技术涉及一种基于轻量级梯度提升决策树的传感器信号故障诊断方法，具体包括以下步骤：S1、获取传感器信号的历史数据，利用梯度直方图分布提取传感器信号的故障特征并形成信号特征向量；S2、根据提取出的特征向量，利用轻量级梯度提升决策树的方法构造传感器故障分类器；S3、将需要检测的传感器数据输入训练好的传感器故障分类器，输出传感器信号故障的诊断结果。与现有技术相比，本发明专利技术具有能够诊断传感器信号是否存在故障，且能够诊断故障类型，故障诊断的准确率可达到90％以上，以及诊断时间缩短、诊断效率提高，能够满足综合能源系统中在线检测的需求等优点。系统中在线检测的需求等优点。系统中在线检测的需求等优点。

【技术实现步骤摘要】
基于轻量级梯度提升决策树的传感器信号故障诊断方法


[0001]本专利技术涉及状态监测和故障诊断领域，尤其是涉及一种基于轻量级梯度提升决策树的传感器信号故障诊断方法。

技术介绍

[0002]碳中和背景下，对能源系统的智能化提出了更高的要求，综合能源系统与各能源子系统之间的耦合作用可以为未来的低碳发展提供更安全、可持续和经济的能源生产和分配。综合能源系统中包含多种主要设备，如燃气轮机、汽轮机、储能系统及高压管道等，为提高综合能源系统的可靠性和可用性，需要对关键设备的运行状态进行实时监测和健康评估，并对运行工况进行准确控制。
[0003]传感器的可靠性和采集信号的正确性是状态传感系统的基础，是准确进行健康状态评估和运行控制的前提。大多数传感器放置在恶劣的环境中，例如高温环境、水下等，导致其容易损坏和故障，从而影响系统的准确性、稳定性和可靠性。通过对综合能源系统中传感器故障类型的分析和其他不同应用场景下的传感器故障排查，传感器故障主要分为两类：1)缓变故障，如漂移故障、噪声故障、周期性故障等。这类故障表明传感器系统处于异常或不稳定的工作状态，虽本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于轻量级梯度提升决策树的传感器信号故障诊断方法，其特征在于，具体包括以下步骤：S1、获取传感器信号的历史数据，利用梯度直方图分布提取传感器信号的故障特征并形成信号特征向量；S2、根据提取出的特征向量，利用轻量级梯度提升决策树的方法构造传感器故障分类器；S3、将需要检测的传感器数据输入训练好的传感器故障分类器，输出传感器信号故障的诊断结果。2.根据权利要求1所述的一种基于轻量级梯度提升决策树的传感器信号故障诊断方法，其特征在于，所述传感器信号故障的类型包括阶跃故障、脉冲故障、漂移故障、噪声故障和周期故障。3.根据权利要求1所述的一种基于轻量级梯度提升决策树的传感器信号故障诊断方法，其特征在于，所述步骤S1中具体包括以下步骤：S101、取定一定长度的滑动时间窗口，计算传感器故障信号的梯度并将时间窗口内的传感器梯度进行归一化；S102、计算该时间窗口内部，传感器故障信号的梯度核密度估计分布；S103、根据多种故障信号的梯度核密度估计分布，进行故障特征的提取和划分，将归一化梯度的分布划分成多个不同的故障区段；S104、分别统计不同传感器故障信号落在各个区段中的个数以及比例，以此形成多维度的特征向量。4.根据权利要求3所述的一种基于轻量级梯度提升决策树的传感器信号故障诊断方法，其特征在于，所述故障区段数量优选为5个。5.根据权利要求4所述的一种基于轻量级梯度提升决策树的传感器信号故障诊断方法，其特征在于，所述信号特征向量的维...

【专利技术属性】
技术研发人员：王玉璋，赵群飞，程侃如，杨喜连，
申请(专利权)人：上海交通大学，
类型：发明
国别省市：