[发明专利]基于判别核慢特征分析的非线性过程故障辨识方法及系统

权利要求书

1.一种基于判别核慢特征分析的非线性过程故障辨识方法，其特征在于，包括：

根据最小化正常工况数据集的时间变化且同时最大化正常工况数据集和待辨识故障数据集之间的类间可分离性，利用判别核慢特征分析算法提取待辨识故障数据集和历史故障模式数据集的故障方向；具体过程为：

利用判别核慢特征分析算法构建出判别核慢特征分析目标函数，求解判别核慢特征分析目标函数的最小化，并将最小化问题转化为广义特征值的分解问题，分别应用于待辨识故障数据集和历史故障模式数据集，进而求解出广义特征向量后，选取与最小广义特征值相对应的广义特征向量作为待辨识故障数据集的故障方向和历史故障模式数据集的故障方向；

构建判别核慢特征分析目标函数的过程为：

接收正常工况数据集并基于连续采样时刻计算其时间变化；

当检测到工业过程发送故障后，接收实时故障数据组成的待辨识数据集，根据正常工况数据集将待辨识数据集标准化处理，得到归一化的待辨识数据集；

利用k-近邻准则构造正常工况数据和归一化待辨识故障数据之间的类间伪时间序列，计算类间伪时间变化；

在高维特征空间中，根据最小化正常工况数据集的时间变化信息同时最大化正常工况数据集和待辨识故障数据集之间的类间可分离性，构造出判别慢特征分析算法的优化目标；

定义核函数以避免计算非线性映射向量的内积，将核函数代入到判别慢特征分析算法的优化目标中，得到判别核慢特征分析目标函数；

比较待辨识故障数据集的故障方向与历史故障模式数据集的故障方向之间的相似性，根据相似性系数确定出待辨识故障数据的故障类型。

2.如权利要求1所述的基于判别核慢特征分析的非线性过程故障辨识方法，其特征在于，根据正常工况数据集将待辨识数据集标准化处理的过程为：

计算正常工况数据集的均值和标准差；

利用正常工况数据集的均值和标准差对待辨识数据集进行标准化处理。

3.如权利要求1所述的基于判别核慢特征分析的非线性过程故障辨识方法，其特征在于，基于连续采样时刻计算正常工况数据集的时间变化的过程为：

对于正常工况数据集中的每个样本点，其时间变化计算为连续样本点之间的差分。

4.一种基于判别核慢特征分析的非线性过程故障辨识系统，其特征在于，包括：

故障方向提取模块，其用于根据最小化正常工况数据集的时间变化且同时最大化正常工况数据集和待辨识故障数据集之间的类间可分离性，利用判别核慢特征分析算法提取待辨识故障数据集和历史故障模式数据集的故障方向；

具体过程为：

利用判别核慢特征分析算法构建出判别核慢特征分析目标函数，求解判别核慢特征分析目标函数的最小化，并将最小化问题转化为广义特征值的分解问题，分别应用于待辨识故障数据集和历史故障模式数据集，进而求解出广义特征向量后，选取与最小广义特征值相对应的广义特征向量作为待辨识故障数据集的故障方向和历史故障模式数据集的故障方向；

构建判别核慢特征分析目标函数的过程为：

接收正常工况数据集并基于连续采样时刻计算其时间变化；

当检测到工业过程发送故障后，接收实时故障数据组成的待辨识数据集，根据正常工况数据集将待辨识数据集标准化处理，得到归一化的待辨识数据集；

利用k-近邻准则构造正常工况数据和归一化待辨识故障数据之间的类间伪时间序列，计算类间伪时间变化；

在高维特征空间中，根据最小化正常工况数据集的时间变化信息同时最大化正常工况数据集和待辨识故障数据集之间的类间可分离性，构造出判别慢特征分析算法的优化目标；

定义核函数以避免计算非线性映射向量的内积，将核函数代入到判别慢特征分析算法的优化目标中，得到判别核慢特征分析目标函数；

故障类型判断模块，其用于比较待辨识故障数据集的故障方向与历史故障模式数据集的故障方向之间的相似性，根据相似性系数确定出待辨识故障数据的故障类型。