采用多步时域差值学习的故障诊断与预测方法技术

本发明专利技术公开了一种采用多步时域差值学习的故障诊断与预测方法，其步骤为：（1）建立马尔可夫回报过程模型；（2）数据采集：通过生产过程安装的监控器提供当前状态的状态信息及环境信息，通过一系列的观测量，组成一个完整的观测序列；（3）实验数据标记：将观测序列转换为状态转移模型，根据检测数据将状态序列标记为正常和不正常；（4）运用TD学习算法和预测的异常检测方法：基于上述得到的马尔可夫回报过程模型，运用LS-TD(λ)算法来估计评价函数值，即异常可能发生的概率；（5）异常报警：设置阈值参数，当预测概率高于阈值参数时，系统报警。本发明专利技术具有原理简单、适用范围广、能够提高异常检测性能等优点。

【技术实现步骤摘要】

【技术保护点】
一种采用多步时域差值学习的故障诊断与预测方法，其特征在于，步骤为：（1）建立马尔可夫回报过程模型；对时间序列的异常状态进行马尔可夫回报过程建模，马尔可夫回报过程表示为一个数组{S,R,P}，其中S代表状态空间，R代表回报函数，P代表状态转移概率，令{xt|t=0,1,2,…;xt∈S}表示由马尔可夫回报过程引起的一个轨迹；（2）数据采集：通过生产过程安装的监控器提供当前状态的状态信息及环境信息，通过一系列的观测量，组成一个完整的观测序列；（3）实验数据标记：将观测序列转换为状态转移模型，根据检测数据将状态序列标记为正常和不正常；（4）运用TD学习算法和预测的异常检测方法：基于上述得到的马尔可夫...

【技术特征摘要】

【专利技术属性】
技术研发人员：徐昕，郭琦，左磊，
申请(专利权)人：中国人民解放军国防科学技术大学，
类型：发明
国别省市：