[发明专利]故障劣化程度确定方法、装置、计算机设备及存储介质

权利要求书

1.一种故障劣化程度确定方法，其特征在于，具体包括以下步骤：

按照预设的规则获取故障诊断数据；

基于半非负矩阵分解对所述故障诊断数据进行矩阵分解生成特征数据集；

根据所述特征数据集以及预设的基于二分类非负矩阵分解算法训练生成的第一故障诊断模型确定是否存在第一故障；具体包括：确定初始化的第一故障诊断结果矩阵；按照预设的第一故障诊断结果矩阵调整模型并根据所述特征数据集、所述第一故障诊断模型以及当前的第一故障诊断结果矩阵对所述当前的第一故障诊断结果矩阵进行调整，生成调整后的第一故障诊断结果矩阵；根据所述特征数据集、所述调整后的第一故障诊断结果矩阵以及所述第一故障诊断模型并按照预设的故障诊断结果目标函数计算故障诊断结果损失值；判断所述故障诊断结果损失值是否满足预设的第一条件；当判断所述故障诊断结果损失值不满足预设的第一条件时，将所述调整后的第一故障诊断结果矩阵确定为当前的第一故障诊断结果矩阵，并返回至所述按照预设的第一故障诊断结果矩阵调整模型并根据所述特征数据集、所述第一故障诊断模型以及当前的第一故障诊断结果矩阵对所述当前的第一故障诊断结果矩阵进行调整，生成调整后的第一故障诊断结果矩阵的步骤；当判断所述故障诊断结果损失值满足预设的第一条件时，根据所述调整后的第一故障诊断结果矩阵确定是否存在第一故障；

当判断存在第一故障时，根据所述故障诊断数据以及预设的基于二分类非负矩阵分解算法训练生成的第一故障劣化评价模型确定第一故障的劣化程度。

2.根据权利要求1所述的故障劣化程度确定方法，其特征在于，训练生成所述预设的基于二分类非负矩阵分解算法训练生成的第一故障诊断模型的步骤具体包括：

获取故障诊断数据样本，所述故障诊断数据样本包括正常态数据样本以及与所述第一故障对应的第一故障态数据样本；

基于半非负矩阵分解对所述故障诊断数据样本进行分解生成特征数据样本集；

根据所述特征数据样本集确定故障诊断权重矩阵；

构建初始化的分类结果矩阵；

根据所述特征数据样本集以及分类结果矩阵确定分类矩阵；

按照预设的分类结果矩阵调整模型，并根据所述特征数据样本集、当前的分类矩阵、当前的分类结果矩阵以及所述权重矩阵对分类结果矩阵进行调整，生成调整后的分类结果矩阵；

根据所述特征数据样本集、所述调整后的分类矩阵、所述调整后的分类结果矩阵以及权重矩阵并按照预设的故障诊断模型目标函数计算故障诊断模型损失值；

判断所述故障诊断模型损失值是否满足预设的第二条件；

当判断所述故障诊断模型损失值不满足预设的第二条件时，将所述调整后的分类矩阵确定为当前的分类矩阵，将所述调整后的分类结果矩阵确定为当前的分类结果矩阵，并返回至所述根据所述特征数据样本集以及分类结果矩阵确定分类矩阵的步骤；

当判断所述故障诊断模型损失值满足预设的第二条件时，将所述调整后的分类矩阵确定为所述预设的基于二分类非负矩阵分解算法训练生成的第一故障诊断模型。

3.根据权利要求2所述的故障劣化程度确定方法，其特征在于，所述基于半非负矩阵分解对所述故障诊断数据样本进行分解生成特征数据样本集的步骤具体包括：

构建初始化的系数样本集；

根据所述故障诊断数据样本以及初始化的系数样本集确定数据特征样本集；

按照预设的系数样本集调整模型并根据所述故障诊断数据样本、所述调整后的数据特征样本集以及当前的系数样本集确定调整后的系数样本集；

根据所述故障诊断数据样本、所述调整后的数据特征样本集以及调整后的系数样本集并按照预设的数据特征样本集目标函数计算数据特征样本集损失值；

判断所述数据特征样本集损失值是否满足预设的第三条件；

当判断所述故障诊断模型损失值不满足预设的第三条件时，将所述调整后的数据特征样本集确定为当前的数据特征样本集，将所述调整后的系数样本集确定为当前的系数样本集，并返回至所述按照预设的数据特征样本集调整模型并根据所述故障诊断数据样本以及所述系数样本集确定调整后的数据特征样本集的步骤；

当判断所述故障诊断模型损失值满足预设的第三条件时，所述调整后的数据特征样本集即为生成的特征数据样本集。