[发明专利]一种双容水箱突变故障潜在信息聚类识别方法

权利要求书

1.一种双容水箱突变故障潜在信息聚类识别方法，其特征在于，包含以下关键步骤：

步骤一：双容水箱系统建模；

步骤二：将双容水箱结构参数考虑为状态，构建状态空间方程；

步骤三：利用卡尔曼滤波进行突变参数估计，跟踪双容水箱结构特征参数变化，获取特征参数；

步骤四：通过特征参数的潜在信息计算进行聚类分析；

步骤五：判断是否为活动焦点(正常工况特征或已有故障特征)，并判断是否为新焦点(新故障特征)；

步骤六：故障诊断。

2.根据权利要求1所述的，一种双容水箱突变故障潜在信息聚类识别方法，其特征在于：在步骤一中，在获得双容水箱控制系统传递函数过程中，一般选取双容水箱进水量为输入，液面高度为输出；通过输入输出变化进行故障识别，本发明将双容水箱考虑为二阶模型。

3.根据权利要求1所述的，一种双容水箱突变故障潜在信息聚类识别方法，其特征在于：在步骤二中，为了适应kalman滤波，选取结构特征参数为状态，通过离散化构建状态空间方程。

4.根据权利要求1所述的，一种双容水箱突变故障潜在信息聚类识别方法，其特征在于：在步骤三中，传统kalman滤波只能对系统参数缓变情形进行有效的辨识和跟踪，kalman滤波在收敛后，方差将会限定为很小的值；当出现系统突变故障情形下，结构特征参数突变，从而导致kalman滤波的不稳定而发散，且不能快速而有效的跟踪。针对参数突变的情况，对传统kalman滤波进行改进，以便于突变故障的在线识别，为便于工程实现采用方差重置的kalman滤波；检测双容水箱液位高度变化，若相邻采样时刻液位高度变化超出设定的阈值，对方差P进行重置，提高参数估计的鲁棒性。

5.根据权利要求1所述的，一种双容水箱突变故障潜在信息聚类识别方法，其特征在于：在步骤四中，将滤波后得到的状态(特征参数)构造特征向量空间，为了便于聚类分析，计算状态(特征参数)点相应的潜在信息值(其详细的计算过程见说明书)。

6.根据权利要求1所述的，一种双容水箱突变潜在信息聚类故障识别方法，其特征在于：在步骤五中，若特征参数的潜在信息值大于所有已有焦点的潜在信息值，则此特征参数点为特征向量空间的活动焦点，只要小于任一焦点的潜在信息值，则此特征参数点不能成为活动焦点；当此特征参数点已判断为活动焦点后，再通过特征参数点与所有焦点的欧式距离判断是否为新焦点，若距离值都大于设定的阈值，则为新焦点。

7.根据权利要求1所述的，一种双容水箱突变潜在信息聚类故障识别方法，其特征在于：在步骤六中，如果是新焦点，要产生并储存一个新焦点，并建立对应的故障类型，储存到数据库中，通过显示界面通知用户；如果不是新焦点，则判断双容水箱系统是否正常，若正常，则重新开始一个新的诊断周期，不正常，则用当前特征参数点代替原活动焦点，并从数据库中找出所对应的故障类型(其详细的诊断过程见说明书)，通过界面反馈给用户，从而通过活动焦点来辨识系统的运行状态变化过程，以实现在线监测和故障诊断。