[发明专利]一种基于云样本熵的中低压设备故障特征选择方法

权利要求书

1.一种基于云样本熵的中低压设备故障特征选择方法，其特征在于，包括以下步骤：

S1：获取中低压设备的多个状态量，并对获取到的多个状态量进行标准化而得到多个时间序列向量，以及对多个时间序列向量分别进行重构而得到多个复合延迟向量；

S2：基于各复合延迟向量两两之间距离d(Y_j^D,Y_k^D)的概率分布，构建以期望E_d、熵E_nd、超熵H_ed为数字特征的半降梯形云模型C(E_d,E_nd,H_ed)，并利用所述半降梯形云模型C(E_d,E_nd,H_ed)，计算状态量的云样本熵；

S3：基于拉普拉斯分值法对云样本熵的重要度进行排序，并根据云样本熵的重要度的排序结果，完成中低压设备的故障特征选择。

2.如权利要求1所述的基于云样本熵的中低压设备故障特征选择方法，其特征在于，步骤S1包括：

S101：通过标准差标准化，得到时间序列向量x_m＝{x_m1，x_m2，…,x_mn，…，x_mN}，m＝1,2…,M；N为监测数据个数，M为状态量的总数；

S102：根据尺度因子τ对各状态量的时间序列向量进行粗粒化变换，得到不同时间尺度的时间序列而且，其中，1≤i≤N/τ；

S103：由多变量相空间重构建立M个状态量时间序列的复合延迟向量Y_j^D；其中，

而且，嵌入维数向量d＝[d₁，d₂，...，d_m，...，d_M]用于保留各状态量关联非线性系统的拓扑性质，延迟时间向量λ＝[λ₁，λ₂，...，λ_m，...，λ_M]在确保信息不丢失的情况下尽量压缩状态监测数据；Y_j^D为1×D阶复合延迟向量，且1≤j≤N-max(d)×max(λ)。