[发明专利]一种基于多属性的设备性能退化评估方法

权利要求书

1.一种基于多属性的设备性能退化评估方法，其特征在于，使用三层小波包分解算法对设备的性能退化数据样本进行分析，并将得到的第三层节点的能量特征作为设备性能退化的特征向量，实现数据变化的多尺度特征提取；然后，基于K-means聚类方法对设备正常状态下的特征集进行聚类分析，获得设备正常状态的聚类中心C、最大聚类半径D及其最大夹角α，融合三者作为设备性能退化状态评估的基准；构建能够描述设备运行状态变化的距离d和夹角β，并基于此建立设备退化状态的度量指标DI，最终实现设备性能退化的有效分析；

对设备样本数据进行小波包变换提取第三层节点的能量作为特征向量具体如下：

利用小波包变换对设备的数据样本进行分解，将其分解成低频部分与高频部分，当分解到第3层时得到8个节点，将每个节点的小波包能量作为数据的特征，每一节点对应一个子频带，对第j尺度上的第i节点进行小波包数据重构，得到重构数据为r_ji，定义该节点能量E_ji如下：

式中，N为节点i的数据点总数，l为分解节点i数据的第l个点，r_ji是第j层上节点i的第l个小波包系数；

设备运行状态变化的距离d和夹角β如下：

d＝||X-C||₂

式中，d为X与C的欧式距离，β为与的夹角；

设备性能退化的有效分析具体如下：

DI∈(0,+∞)，当DI＝1时，设备处于退化临界点；当DI＜1时，设备未进入退化状态；当DI＞1时，设备进入退化状态；

使用K-means聚类算法获得设备正常状态的聚类中心C及最大聚类半径D，并求取其最大夹角α如下：

式中，CA为聚类中心C到设备正常状态最大聚类半径状态点A处的欧氏距离，OC为原点O到聚类中心C的欧式距离；

设备的退化指标DI如下：

其中，D为正常状态的最大聚类半径，α为正常状态的最大夹角，d为设备当前状态监测数据X与正常状态聚类中心C的欧氏距离，β为与的夹角。