[发明专利]一种基于广义主成分的故障确定方法及系统

权利要求书

1.一种基于广义主成分的故障确定方法，其特征在于，包括：

获取待检测设备的历史正常数据和当前故障状态下的测量数据；

根据所述历史正常数据和所述当前故障状态下的测量数据，采用主成分分析方法确定正常工况空间和故障空间；所述正常工况空间与所述故障空间互补；所述故障空间包括多个故障子空间；

根据所述历史正常数据，采用主成分分析方法，构建故障监测模型；

根据所述故障监测模型确定所述故障空间中的最优故障子空间；

根据所述最优故障子空间，采用奇异值分解，确定所述待检测设备的多个故障；

所述根据所述历史正常数据，采用主成分分析方法，构建故障监测模型，具体包括：

根据所述历史正常数据构建主成分分析模型；所述主成分分析模型将待检测设备的工业过程的状态信息区分为主元空间和残差空间；

利用所述主成分分析模型，确定第一统计量和第二统计量；所述第一统计量为当前输入数据与所述主元空间中标准数据状态的距离；所述第二统计量为当前输入数据在所述残差空间的变异程度；

根据所述第一统计量和所述第二统计量构建所述故障监测模型；所述故障监测模型用于监测当前输入数据是否超出第一统计量控制线或超出第二统计量控制线；

所述根据所述故障监测模型确定所述故障空间中的最优故障子空间，具体包括：

根据所述故障子空间，重构故障子数据；

根据所述故障子数据和所述故障监测模型，确定重构误差；所述重构误差包括第一统计量误差和第二统计量误差；所述第一统计量误差为所述故障子数据输入所述故障监测模型后超出第一统计量控制线的部分；所述第二统计量误差为所述故障子数据输入所述故障监测模型后超出第二统计量控制线的部分；

判断所述第一统计量误差和所述第二统计量误差是否均为零，得到第一判断结果；

若所述第一判断结果表示所述第一统计量误差和所述第二统计量误差均为零，则将所述故障子空间确定为最优故障子空间；

若所述第一判断结果表示所述第一统计量误差或第二统计量误差不为零，则判断下一故障子空间是否为最优故障子空间。

2.根据权利要求1所述的一种基于广义主成分的故障确定方法，其特征在于，所述根据所述历史正常数据和所述当前故障状态下的测量数据，采用主成分分析方法确定正常工况空间和故障空间，具体包括：

根据所述历史正常数据和所述当前故障状态下的测量数据确定主成分；所述主成分为所述历史正常数据和所述当前故障状态下的测量数据的交集；

根据所述主成分确定所述正常工况空间；

剔除所述当前故障状态下的测量数据中属于所述正常工况空间的分量，得到故障分量；

采用主成分分析方法对所述故障分量进行分析，得到故障空间。

3.根据权利要求1所述的一种基于广义主成分的故障确定方法，其特征在于，所述根据所述最优故障子空间，采用奇异值分解，确定所述待检测设备的多个故障，具体包括：

获取故障库；所述故障库中包括多种故障类型；

根据所述最优故障子空间和所述故障库，采用奇异值分解，确定不同所述故障库中每个故障类型的幅值；

将幅值大于零的故障类型确定为所述待检测设备的故障。

4.根据权利要求3所述的一种基于广义主成分的故障确定方法，其特征在于，根据所述最优故障子空间，采用奇异值分解，确定所述待检测设备的故障，还包括：

将幅值最大的故障类型确定为所述待检测设备的优先解决的故障。