[发明专利]一种故障诊断方法、系统、设备及存储介质

权利要求书

1.一种故障诊断方法，其特征在于，包括：

分别获取目标设备在正常运行和故障运行时的与初始特征集对应的特征数据集，得到包括正常特征数据集和故障特征数据集的训练数据；其中，所述初始特征集包括多种特征；

分别计算所述正常特征数据集中每一特征数据与所述故障特征数据集中相应的特征数据之间对应的KL距离，得到KL距离集；

采用支持向量机分类在所述训练数据上进行交叉验证，得到验证结果；

根据所述验证结果以及所述KL距离集中KL距离的大小，从所述初始特征集中确定出与故障运行相关的特征，得到最优特征集；

当获取到所述目标设备的待诊断数据，则从所述待诊断数据中确定出与所述最优特征集对应的特征数据，然后利用该特征数据对所述目标设备进行相应的故障诊断；

其中，所述分别计算所述正常特征数据集中每一特征数据与所述故障特征数据集中相应的特征数据之间对应的KL距离的步骤，包括：

分别确定所述正常特征数据集和所述故障特征数据集中的每一特征数据所对应的高斯分布；

分别计算所述正常特征数据集中每一特征数据对应的高斯分布与所述故障特征数据集中相应的特征数据对应的高斯分布之间的KL距离；

其中，所述根据所述验证结果以及所述KL距离集中KL距离的大小，从所述初始特征集中确定出与故障运行相关的特征，得到最优特征集的步骤，包括：

从所述KL距离集中筛选满足预设条件的KL距离，得到目标KL距离；

从所述初始特征集中筛选所述目标KL距离对应的特征，得到目标特征；

根据所述验证结果从所述目标特征确定出与故障运行相关的特征，得到最优特征集。

2.根据权利要求1所述的故障诊断方法，其特征在于，所述分别确定所述正常特征数据集和所述故障特征数据集中的每一特征数据所对应的高斯分布的步骤，包括：

分别对所述正常特征数据集和所述故障特征数据集中的每一特征数据进行标准化处理，然后分别确定所述正常特征数据集和所述故障特征数据集中的每一标准化处理后的特征数据所对应的高斯分布。

3.根据权利要求1所述的故障诊断方法，其特征在于，所述采用支持向量机分类在所述训练数据上进行交叉验证的步骤，包括：

采用支持向量机分类在所述训练数据上进行十折交叉验证。

4.根据权利要求1所述的故障诊断方法，其特征在于，所述从所述KL距离集中筛选满足预设条件的KL距离的步骤，包括：

对所述KL距离集进行降序排序，得到排序后距离集；

从所述排序后距离集中筛选出排在前面的预设数量个的KL距离。

5.根据权利要求1所述的故障诊断方法，其特征在于，所述从所述KL距离集中筛选满足预设条件的KL距离的步骤，包括：

从所述KL距离集中筛选出KL距离大于预设阈值的KL距离。