[发明专利]基于长短期记忆和典型相关结合的故障检测方法及系统

权利要求书

1.一种基于长短期记忆和典型相关结合的故障检测方法，其特征在于，包括：

S1：获取待分析对象的历史正常运行数据作为输入集，并获取每组历史正常运行数据的对应输出作为输出集；

S2：构建对应所述输入集的第一长短期记忆神经网络和对应所述输出集的第二长短期记忆神经网络；

S3：采用典型相关性方法分析所述第一、第二长短期记忆神经网络之间的映射关系，根据所述映射关系计算相关性系数；

S4：根据所述相关性系数优化所述第一、第二长短期记忆神经网络，利用反向传播算法训练所述第一、第二长短期记忆神经网络直至得到符合设定收敛性的第一、第二长短期记忆神经网络；

S5：将所述第一时间序列训练集输入所述符合设定收敛性的第一长短期记忆神经网络中，将所述第二时间序列训练集输入所述符合设定收敛性的第二长短期记忆神经网络中，利用第一、第二长短期记忆神经网络输出层的典型相关性分析二者之间的残差向量，并根据该残差向量构建检测统计量，并根据所述检测统计量设定检测阈值；

S6：获取待分析对象的实时运行数据输入所述符合收敛性的第一、第二长短期记忆神经网络以计算得到实时数据的检测统计量，将实时数据的检测统计量与所述检测阈值进行比较，若所述实时数据的检测统计量超过所述检测阈值，则视为发生故障。

2.根据权利要求1所述的基于长短期记忆和典型相关结合的故障检测方法，其特征在于，所述S2具体包括：

根据预设的时间跨度建立所述输入集的第一时间序列训练集和所述输出集的第二时间序列训练集；

根据所述第一时间序列训练集构建所述第一长短期记忆神经网络，根据所述第二时间序列训练集构建所述第二长短期记忆神经网络。

3.根据权利要求1或2所述的基于长短期记忆和典型相关结合的故障检测方法，其特征在于，所述第一长短期记忆神经网络和所述第二长短期记忆神经网络的输出层输出相同的数据维度。

4.根据权利要求1所述的基于长短期记忆和典型相关结合的故障检测方法，其特征在于，所述第一长短期记忆神经网络或所述第二长短期记忆神经网络包括LSTM层、最大值池化层、Dropout层以及全连接层。

5.根据权利要求1所述的基于长短期记忆和典型相关结合的故障检测方法，其特征在于，所述S3包括：

S31：将第一长短期记忆网络输出的特征数据和第二长短期记忆网络输出的特征数据进行归一化处理，得到归一化后的特征数据并计算协方差矩阵Σ₁、Σ₂和Σ₁₂：

Σ₁＝E{(i_o1-μ₁)(i_o1-μ₁)^T}

Σ₂＝E{(i_o2-μ₂)(i_o2-μ₂)^T}

Σ₁₂＝E{(i_o1-μ₁)(i_o2-μ₂)^T}

式中，μ₁和μ₂分别为的均值；

S32：利用典型相关性分析寻找线性变换使得和拥有最大的相关性。

6.根据权利要求1所述的基于长短期记忆和典型相关结合的故障检测方法，其特征在于，所述S4包括：

S41：构建矩阵M并对矩阵M进行奇异值分解如下：

式中，为对角矩阵，其对角元素之和为corr，corr表示线性变换后的两组数据的相似程度，R为左矩阵，V为右奇异矩阵，T表示矩阵转置；

S42：第一、第二长短期记忆网络以最大化相关系数作为优化目标，采用反向传播算法联合训练网络参数。