[发明专利]一种基于信息熵离散型贝叶斯网络冷水机组故障诊断方法

权利要求书

1.一种基于信息熵离散型贝叶斯网络冷水机组故障诊断方法，其特征在于，包括下述步骤：

步骤1：通过传感器采集，获得冷水机组故障运行的历史数据；

步骤2：使用稳态过滤法对故障运行的历史数据进行稳态筛选；

步骤3：对稳态筛选后的历史数据进行特征选择；

步骤4：将经稳态筛选和特征选择后的测试样本随机划分为训练集和测试集；

步骤5：使用基于信息熵的离散化算法对所得到训练集数据进行离散化处理；

步骤6：根据离散化和特征选择的结果构建基于信息熵离散型贝叶斯网络EBD-DBN模型；

步骤7：使用测试集数据验证所构建的EBD-DBN模型的故障诊断性能，即进行故障诊断。

2.根据权利要求1所述的一种基于信息熵离散型贝叶斯网络冷水机组故障诊断方法，其特征在于，所述步骤1中，安装在现场的冷水机组的传感器包括温度、压力、流量或功率传感器。

3.根据权利要求2所述的一种基于信息熵离散型贝叶斯网络冷水机组故障诊断方法，其特征在于，所述步骤3中，特征选择的原则为获取成本低和对冷水机组的故障敏感；所述获取成本低为由温度传感器和压力传感器获得的特征；所述对冷水机组的故障敏感为故障能引起特征的显著变化。

4.根据权利要求1所述的一种基于信息熵离散型贝叶斯网络冷水机组故障诊断方法，其特征在于，所述步骤5中，基于信息熵的离散化算法的离散步骤如下：

(i)假设表示U表示对象集合，L表示等价类，H表示信息熵，则开始时，L＝{U},H＝H(U)；

(ii)假设B表示候选切割点的集合，b表示候选切割点，对于每个b∈B，计算H(b,L)；

(iii)假设Q表示最终选择的切割点的集合，如果H≤min{H(b,L)}或者|Q|＝n，n为用户指定的常数，则终止循环，否则，转到步骤(iv)；

(iv)添加使得H(b,L)最小的b，记为bmin到Q，则，H＝min{H(b,L)},Q＝Q-{bmin}；

(v)假设X_i为某一连续属性，对于X_i∈L，开始时X_i＝X，bmin将X_i分割为两个子集X_l和X_r，然后，将X_l和X_r添加到L中，并将X_i从L中移除，之后转到步骤(iii)。

5.根据权利要求1所述的一种基于信息熵离散型贝叶斯网络冷水机组故障诊断方法，其特征在于，所述步骤6中，构建EBD-DBN模型包括下述过程：

6a)确定EBD-DBN模型结构：

EBD-DBN的结构包括二层，第一层为故障层F；第二层为征兆层S；所述征兆为特征选择后得到的来自传感器的各特征信息；

6b)确定EBD-DBN模型参数：

需要确定的参数包括第一层故障层各故障发生的先验概率和某一故障发生时征兆节点的条件概率值。

6.根据权利要求4所述的一种基于信息熵离散型贝叶斯网络冷水机组故障诊断方法，其特征在于，确定条件概率值包括下述过程：

1)根据对训练集数据的离散化处理结果，为各特征分别寻找到一组能使离散化后得到的各区间的类一致性较高的切割点；

2)根据得到的切割点确定特征参数各状态区间所对应的阈值；

3)根据阈值，统计训练集数据中各故障样本的各特征参数在各区间内的频率，确定条件概率值。

7.根据权利要求1所述的一种基于信息熵离散型贝叶斯网络冷水机组故障诊断方法，其特征在于，所述步骤7中，使用测试集数据验证所构建的EBD-DBN模型的故障诊断性能包括以下过程：

7a)根据步骤5的离散化结果对测试集数据进行离散；

7b)使用离散化后的测试集数据对构建好的EBD-DBN模型进行测试，即进行故障诊断。

8.根据权利要求7所述的一种基于信息熵离散型贝叶斯网络冷水机组故障诊断方法，其特征在于，所述步骤7b)中，基于EBD-DBN模型的故障诊断是分类问题，按照下式表述：

式中，F_i表示已知故障，S表示对故障敏感的各特征参数，P(F_i)表示第i个故障F_i发生的先验概率，P(S|F_i)表示F_i发生时S的条件概率。