[发明专利]一种多元回归模型优化的故障程度量化评估方法

权利要求书

1.一种多元回归模型优化的故障程度量化评估方法，其特征在于：包括故障程度评估建模，以及利用优化的测点、故障评估模型及故障程度指标进行故障程度计算，故障程度评估建模包括如下步骤：

S1.1、故障程度模拟与注入：模拟携带不同严重程度故障的部件并安装进系统，运行系统产生故障信号；

S1.2、采集多元数据：系统内外部设置多个测点，监测故障传播引起的异常信号，获得不同故障程度下各个测点监测的故障信号集；

S1.3、构建故障程度指标向量；

S1.4、设定故障程度评估模型；

S1.5、计算训练样本对应的故障程度评估模型系数矩阵，然后计算测试样本的故障程度评估结果；

S1.6、计算测试样本的故障程度评估均方根误差；

S1.7、优化选择测点、故障评估模型及故障程度指标；

所述S1.3的实现过程为：采用时频统计指标提取方法，使用式(1)构建故障程度指标向量：

式中，F_n为第n个故障程度指标向量，1≤n≤N_F，N_F为可供选择的故障程度指标总数，f_i为第i个故障程度指标的计算函数，N为故障程度指标样本总数，N_T为部署的测点总数，o_jk为在第j个样本中第k个测点采集的数据，1≤j≤N，1≤k≤N_T。

2.根据权利要求1所述的一种多元回归模型优化的故障程度量化评估方法，其特征在于：所述时频统计指标提取方法包括均值、均方根值、方根幅值、绝对均值、偏斜度、峭度、方差、峰值、标准差、峰峰值、平均功率、波形指标、峰值指标、脉冲指标、裕度指标、偏斜度指标、峭度指标或均值频率。

3.根据权利要求1所述的一种多元回归模型优化的故障程度量化评估方法，其特征在于：所述S1.4的实现过程为：根据测点的数目使用式(2)设定可供选择的多元回归评估模型：

式中，f_i为第i个故障程度指标的计算函数，N为故障程度指标样本总数，N_T为部署的测点总数，o_jk为在第j个样本中第k个测点采集的数据，1≤j≤N，1≤k≤N_T，为评估模型系数。

4.根据权利要求3所述的一种多元回归模型优化的故障程度量化评估方法，其特征在于：所述S1.5中，计算训练样本对应的故障程度评估模型系数矩阵的计算公式为：

式中，(B_ij)_train为使用第i个模型第j个指标获得的训练样本对应的评估模型系数矩阵，(X_ij)_train为针对第i个模型使用第j个指标计算的训练样本观测值矩阵，Y_train为训练样本真实的故障程度向量N_train为训练样本的总数。

5.根据权利要求4所述的一种多元回归模型优化的故障程度量化评估方法，其特征在于：所述S1.5中，计算测试样本的故障程度评估结果的计算公式为：

式中，为使用故障程度模型M_i和故障程度指标F_j评估得到的测试样本的故障程度向量，(B_ij)_train为使用训练样本获得的评估模型系数矩阵，通过式(3)计算，(X_ij)_train为针对故障程度模型M_i和故障程度指标F_j计算的测试样本观测值矩阵。