[发明专利]通过信息融合方式进行风力发电机故障诊断的方法和装置

权利要求书

1.一种通过信息融合方式进行风力发电机故障诊断的方法，包括以下步骤：

第一步，采集根据风力发电机在不同运行状态下的运行数据，构建原始数据空间，包括：

通过至少一种传感器采集风力发电机在不同运行状态下的运行数据；

根据预设周期，从每种传感器采集的运行数据中截取预设长度的运行数据；

对截取的预设长度的运行数据利用式(1)进行归一化处理，得到样本数据X，并基于所述样本数据形成原始数据空间；

其中，对运行数据执行归一化处理表达式如下:

其中，N为选取的预设长度的运行数据的数目，也为得到的样本数据的组数；X为归一化后得到的样本数据的集合，以矩阵集合的方式表示X＝{x₁,x₂,...x_N}；i为大于或者等于1且小于或者等于N的整数；x_i表示第i个预设长度的运行数据；

第二步，根据式(2)确定与所述原始数据空间中任一样本数据距离最小的K组样本数据，确定为该样本数据的K近邻样本数据，利用第一方式，得到样本数据及其K近邻样本数据构建的局部线性关系，K为大于零且小于样本个数N的整数，包括：

采用欧式距离判别方法，获得所述原始数据空间中任意两组样本数据之间的距离，表达式如下：

其中，dist(x_i,x_j)表示所述原始数据空间任意两组样本数据间的欧式距离，x_ij和x_lj分别表示所述原始数据空间中的样本数据x_i和x_l的第j个特征，j表示样本数据对应的任一特征，j为大于零且小于或等于D的整数，D表示所述原始数据空间样本数据的特征维数；

根据上述确定的任一样本的K近邻样本数据，通过所述的第一方式，得到任一样本数据与对应的K近邻样本数据之间的局部线性结构，按照如下路径进行：

首先，按照式(3)通过最小化重构误差计算出任一样本数据的局部结构：

其中，x_i表示第i个高维样本数据，i为大于或者等于1且小于或者等于N的整数；w_ij代表第i个样本的第j个近邻点的权重系数；K表示样本数据x_i的近邻点的组数，且1≤K≤N；A则表示样本数据x_i的K近邻样本数据的集合，表示为A＝{x₁,x₂,....x_K}；

之后，采用最小二乘法求得式(3)的解表示如下：

W＝(A'A)^-1A'x………式(4)

其中，x表示原始数据空间中的任一样本数据；A表示样本数据x的K近邻样本数据的集合，A'表示A的转置，(A'A)^-1表示A'A的逆变换；W表示基于第一方式确定的样本数据x及其对应的K近邻样本数据之间的局部线性权重矩阵；

第三步，基于所述样本数据，通过第二方式，得到所述原始数据空间中所有样本的类内散射图和类间散射图的监督信息；

其中，根据式(5)、式(6)计算样本的监督信息：

其中，S_w、S_b分别为基于第二种方式确定的样本的类内散射图和类间散射图；c表示样本类别数目；x_j表示原始数据空间中任一属于类别i的样本；X_i表示为类别i的所有数据集合；为类别i的样本数据的均值；是的转置，是的转置；n_i表示类别i的样本数据的数目；表示为原始样本数据的均值；

第四步，基于所述第一方式得到的局部线性结构和所述第二方式得到的监督信息，得到原始数据空间中所述样本数据的低维特征，假设数据局部呈现线性结构Y＝V^TX，包括：

首先，基于所述的第一方式，利用线性结构表示所述原始数据空间中样本数据的低维特征，其表达式为：

其中，Y_i表示原始数据空间中第i组样本数据的低维特征；i表示样本数据的组数，i为大于零且小于或者等于N的整数，且所述低维特征的线性关系为Y_i＝V_i^TX_i；N为样本数据的总组数；Y_i^j表示第i组样本数据的第j个近邻点，j为大于零且小于或者等于K的整数；W_i表示局部线性结构中第i组样本数据和其对应的近邻点之间的权重；其中样本的协方差矩阵表示如下：

M_i＝(I-W_i)^T(I-W_i)……式(8)

之后，基于所述的第二方式，利用式(9)得到所述原始数据空间中样本数据到低维特征空间的最佳投影方向V，其表达式为：

其中，V表示所述原始数据空间中原始样本到低维特征空间的线性映射关系；S_w、S_b分别表示所述原始数据空间中同类别样本的类内散射图和不同类别样本数据的类间散射图；

之后，基于所述第一方式得到的局部线性结构和所述第二方式得到的监督信息，通过式(10)重构融合的信息，确定最佳的映射方向：

其中，X表示原始数据空间中样本数据；M表示所述样本数据在低维特征空间的协方差矩阵；β是平衡两种信息方式的权重系数；S_b、S_w分别表示所述原始数据空间中同类别样本的类内散射矩阵和不同类别样本数据的类间散射矩阵；V表示所述原始数据空间中原始样本到低维特征空间的线性映射；

之后，利用所述原始样本到低维特征空间的线性映射V，得到样本数据的低维特征，即表示为：

Y_i＝V^TX_i………式(11)

其中，Y_i表示原始数据空间中第i组样本数据的低维特征；i表示样本数据的组数，i为大于零且小于或者等于N的整数；V^T表示所述原始数据空间中原始样本到低维特征空间的线性映射的转置；X_i表示所述原始数据空间中第i组原始样本数据；所述原始样本的低维特征集合可表示为Y＝{Y₁,Y₂,.....Y_N}；

第五步，将第四步所获得的低维特征集合作为k-nearest neighbor(KNN)分类器的输入，通过分类器输出的类别信息进行风力发电机的故障诊断。

2.根据权利要求1所述的一种通过信息融合方式进行风力发电机故障诊断的方法，其特征在于：

将所述方法用于处理新增样本数据，将基于所述原始数据空间中样本数据作为输入数据，通过权利要求1第四步得到原始样本到低维特征空间的最佳线性映射V，之后，将新增的风力发电机故障数据作为新的数据输入，基于数据集的局部线性关系，利用式(11)实现对新增风力发电机故障数据的快速计算，获得其对应的低维特征。