[发明专利]一种基于广义主成分的故障确定方法及系统

说明书

本发明公开一种基于广义主成分的故障确定方法及系统。所述方法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；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。本发明所提供一种基于广义主成分的故障确定方法及系统，实现对多种故障的准确诊断。

技术领域

本发明涉及故障诊断工程技术领域，特别是涉及一种基于广义主成分的故障确定方法及系统。

背景技术

为研究工业设备和军事装备的故障诊断，技术人员侧重于研究基于模型的故障诊断建模方法。随着集成电路技术的不断发展，测量数据(化工气体合成、化学爆炸物合成等)出现故障的形态呈现出多态、多块的复杂表现。由于生产结构高度耦合，化工过程或者军工品生产过程，会不可避免的由于不可控的因素导致生产过程变量呈现出多态、多块的故障状态。如工业设备运行和军事装备生产过程中，由于维护状态不同，工业设备和生产流程潜藏了一些问题，因而当某一部件或者环节出现问题，监测数据呈现出多故障并发的状态。而当前故障诊断技术大多针对单个故障或者单个变量的诊断。而单个故障或者单个变量的诊断只能适用检测出单一的故障，对于多个故障则不能有效的检测出来，不能准确的确定出多种故障，进而对设备的使用造成影响。

发明内容

本发明的目的是提供一种基于广义主成分的故障确定方法及系统，实现对多种故障的准确诊断。

为实现上述目的，本发明提供了如下方案：

一种基于广义主成分的故障确定方法，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。

可选的，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。

可选的，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。

可选的，所述根据所述故障监测模型和所述故障空间，确定最优故障子空间，具体包括：