【技术实现步骤摘要】
本专利技术涉及，尤其涉及一种基于局部异常核熵成分分析的冷水机组故障检测方法。
技术介绍
1、冷水机组是暖通空调系统的主要耗能设备，当冷水机组发生故障时，不仅会影响暖通空调系统的运行状况，还会加剧运行能耗的增加，减少设备使用寿命。将故障检测技术应用于冷水机组，及时发现并排除故障，对空调系统可靠运行及节约能源具有重要意义。
2、由于冷水机组多输入多输出的特性，采取基于数据驱动的故障检测方法受到研究学者的广泛青睐。主成分分析(pca)、慢特征分析(sfa)、偏最小二乘法(pls)等算法逐渐被应用到冷水机组故障检测中。
3、但是传统的故障检测方法均假设故障数据来自单一工况并且服从高斯分布，变量间是线性关系，但是实际的冷水机组数据并不满足这些假设条件，常呈现出非高斯、非线性与多工况运行等特性。传统的pca仅能有效处理线性特性的数据，并不能有效的提取变量间的非线性特征，尽管一些改进的方法被提出，如采取核主元分析来针对数据非线性特性；采取独立成分分析来针对数据非高斯特性。
4、但是对于轻微劣化等级的故障，传统的数据...
【技术保护点】
1.一种基于局部异常核熵成分分析的冷水机组故障检测方法，其特征在于，包括离线建模和在线检测两个过程，
2.根据权利要求1所述的基于局部异常核熵成分分析的冷水机组故障检测方法，其特征在于，在步骤S2中，在每一簇内对训练数据X0利用其均值和标准差进行标准化，得到Xtrain，其中Xtrain＝[X1,X2,...,Xn]T∈Rn×m，n表示当前簇内样本个数，m表示变量个数。
3.根据权利要求1所述的基于局部异常核熵成分分析的冷水机组故障检测方法，其特征在于，在步骤S3中训练数据进行KECA的数据分解，包括以下步骤：
4.根据权利要求1所...
【技术特征摘要】
1.一种基于局部异常核熵成分分析的冷水机组故障检测方法，其特征在于，包括离线建模和在线检测两个过程，
2.根据权利要求1所述的基于局部异常核熵成分分析的冷水机组故障检测方法，其特征在于，在步骤s2中，在每一簇内对训练数据x0利用其均值和标准差进行标准化，得到xtrain，其中xtrain＝[x1,x2,...,xn]t∈rn×m，n表示当前簇内样本个数，m表示变量个数。
3.根据权利要求1所述的基于局部异常核熵成分分析的冷水机组故障检测方法，其特征在于，在步骤s3中训练数据进行keca的数据分解，包括以下步骤：
4.根据权利要求1所述的基于局部异常核熵成分分析的冷水机组故障检测方法，其特征在于，在步骤s4中，
5.根据权利要求1所述的基于局部异常核熵成分分析的冷水机组故障检测方法，其特征在于，在步骤s5中对测试数据x1进行聚类为：根据训练数据保留的聚类质心点c，分别计算所有测试数据到k个初始聚类中心的距离，并将其分配到与其最近的质心所对应的簇中。
6.根据权利要求1所述的基于局部异常核熵成分分析的冷水机组故障检测方法，其特征在于，在步骤s6中，在对应的簇内，利用训练数据x0的均值mean(x0)和标准差std(x0)对测试数据x1进行标准化，得到xtest。
7.根据权利要...
【专利技术属性】
技术研发人员：商亮亮，陆天奇，严浩，陈万，赵凡一，杨柳，张宇超，
申请(专利权)人：南通大学，
类型：发明
国别省市：
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。