[发明专利]一种基于视觉引导算法预测旋转机组中转子脱落的方法

权利要求书

1.一种基于视觉引导算法预测旋转机组中转子脱落的方法，其特征在于,该方法的实现过程包括：

S10、通过传感器采集大型工业旋转机组中的多项数据；

S20、将数据映射到基于特征空间构建的多维直方图中；

S30、引入视觉引导算法EagleMine，判断数据中是否存在异常值；

S40、在数据中存在异常值时，判定该机组会在未来发生故障；

S50、标记会在未来发生故障的机组，并进行提前维护和检修。

2.根据权利要求1所述的一种基于视觉引导算法预测旋转机组中转子脱落的方法，其特征在于，所述传感器采集的数据包括旋转机组的波形、转速、频率、周期；

传感器所采集数据形成一张数百万个节点的热图，将热图所包含的数百万个节点映射到基于特征空间构建的多维直方图中。

3.根据权利要求1或2所述的一种基于视觉引导算法预测旋转机组中转子脱落的方法，其特征在于，所述特征空间包括多个节点特征，设定：所述多维直方图用H表示，所述多维直方图H的维度用dim(H)表示，所述多维直方图H的箱用b表示，箱b内点的个数用h表示；

基于特征空间构建多维直方图H时，利用统计分布作为词汇来描述节点组，其中，

基于词汇的摘要模型由可配置的词汇表组成，包括：

用于描述特征空间中直方图的节点组的统计分布y，

赋值变量：S＝{S₁，...，S_C}为C节点组的分配，

描述词汇：θ＝{θ₁，...，θ_C}，用于每个节点组中的分布，

异常值：未分配到箱b中的异常节点O。

4.根据权利要求3所述的一种基于视觉引导算法预测旋转机组中转子脱落的方法，其特征在于，词汇包括且不限于均匀分布、高斯分布、拉普拉斯分布和指数分布或其他分布，具体某个词汇还可以根据要描述的数据和特征进行定制。

5.根据权利要求3所述的一种基于视觉引导算法预测旋转机组中转子脱落的方法，其特征在于，引入视觉引导算法EagleMine后，所述视觉引导算法EagleMine执行以下两个步骤：

S31、在某些特征空间中构建节点组的水位树算法，

S32、搜索水位树T并使用TreeExplore算法获得多维直方图H的摘要；

所述视觉引导算法EagleMine执行步骤S31、S32、后分层检测节点组中的微聚类，然后计算出最佳摘要，包括描述词汇θ，每个节点组的赋值变量S，以及最终的异常值索引。

6.根据权利要求5所述的一种基于视觉引导算法预测旋转机组中转子脱落的方法，其特征在于，所述EagleMine视觉引导算法在某些特征空间中构建节点组的水位树算法的具体操作包括：

(1.1)设定以r作为水位，则h<r的那些箱子在水下，h>r的那些箱子在水上，然后假定一个区域由连接的正箱作为岛屿，而其他箱作为水域；

(1.2)对所有岛屿进行处理，提出水位树T，假定水位树T中每个节点代表一个岛屿，每个边缘代表的关系为：较高水位的子岛屿来自于较低水位的父岛屿；

(1.3)在水位树T中，从0增加r对应于提高水位并从根部移动到叶子，在这一过程中，

从根开始，并以步数p从0到log h_max以对数标度提高水位r，以考虑h的幂律分布，其中h_max＝maxH；

使用二进制open2运算符来平滑每个内部连接岛，以移除小的隔离箱，完成噪声处理，并将具有特定结构元素的弱连接岛屿分开；

(1.4)将当前水平r_curr的每个岛屿与树木的较低水位r_prev处的父母相连，至浮动过程停止，r达到最大水平，即对数h_max。