[发明专利]基于多维异构差异分析的故障诊断方法及系统

权利要求书

1.一种基于多维异构差异分析的故障诊断方法，其特征在于，包括：

S1：采集系统正常、故障运行下的传感器信号，构建总体采样数据集、训练数据集和测试数据集；

S2：计算数值特征、分布特征、时序特征，分别构建数值型、分布型、时序型3种结构特征集；

S3：分别对数值型、分布型、时序型的训练特征集与训练特征集之间进行差异度量，构建3种不同结构下训练特征集与训练特征集间差异度量矩阵；计算数值型、分布型、时序型3种结构特征在训练特征集上的类内距离和类间距离；获得数值型、分布型、时序型3种不同结构特征的权重；

S4：分别对数值型、分布型、时序型的训练特征集与测试特征集之间进行差异度量，构建3种不同结构下训练特征集与测试特征集间差异度量矩阵；结合3种不同结构特征的权重，构建多维异构特征集的synsim综合差异度量矩阵；

S5：根据所构建多维异构特征集的synsim综合差异度量矩阵，通过k-近邻分类得到最终的正常/故障类别；

所述步骤S1具体包括：

S11：采集正常和K-1类不同类别故障运行下的M个传感器的数据子集sd各V段，构建采样数据集，公式为：

式中表示第k类正常/故障下，第m个传感器采集的第v段数据的传感器数据子集，k＝1,2,…,K，k＝1表示正常，k＝2,…,K表示故障，m＝1,2,…,M，v＝1,2,…,V；U为sd_k.v,m的长度，取决于系统的采样频率和采样时间；为三维矩阵；将SD矩阵的每行贴上相应的正常/故障类别标签c_k为第k类正常/故障的类别标签值，构建带标签总体采样数据集

S12：采用隔行抽取的方式抽取总体采样数据集SDL中第k.2n-1行采样数据及对应类别标签，n＝1,2,…,V/2，构建带标签总体训练数据集其中X_SD为训练数据集，X_SD∈SD，为X_SD对应的类别标签，其余第k.2n行采样数据及对应类别标签用作构建带标签总体测试数据集其中Y_SD为测试数据集，Y_SD∈SD，为Y_SD对应的类别标签；

所述步骤S2具体包括：

S21：计算数值特征，构建数值型特征集；

对SD矩阵中所有传感器数据子集sd_k.v,m，计算数值特征其中为第d种数值型特征值，D为所提取的数值型特征的类型总数，d＝1,…,D，将SD矩阵中所有传感器数据子集计算得到的D个数值型特征，构建数值型特征集，公式为：

式中为第k类正常/故障在第m个传感器下采集的第v段数据构成的传感器数据子集所计算的第d种数值型特征值；为二维矩阵；用数值型特征集及其对应的类别标签构建带标签总体数值型特征集与总体训练数据集S_SD对应的总体数值型特征集XL_num中所有第k.2n-1行数值型特征及对应类别标签，用作构建带标签总体数值型训练特征集其中X_num为数值型训练特征集，为X_num对应的类别标签；其余第k.2n行数值型特征及对应类别标签，用作构建带标签总体数值型测试特征集其中Y_num为数值型测试特征集，为Y_num对应的类别标签；

S22：计算分布特征，构建分布型特征集；

对SD矩阵中所有传感器数据子集sd_k.v,m，计算分布特征为第b种分布特征，B为所提取的分布特征类型种数；传感器数据子集中分布特征在其属性值从1到P_b时所占的比例写成P_b维向量形式P_b为特征属性值的上限值，为特征在属性值为p处所占的比例，p∈(1,2,…,P_b)；

将SD矩阵中所有传感器数据子集计算得到的B个分布特征，构建分布型特征集，公式为：

式中为第k类正常/故障在第m个传感器采集下的第v段数据构建的传感器数据子集所计算的第b种分布型特征，为长度为P_b的向量；为三维矩阵；由分布型特征集及其对应的类别标签构建总体分布型特征集

与总体训练数据集S_SD对应的总体分布型特征集XL_dis中所有第k.2n-1行分布型特征及对应类别标签，用作构建带标签总体分布型训练特征集其中X_dis为分布型训练特征集，为对应的类别标签；其余第k.2n行分布型特征及对应类别标签，用作构建带标签总体分布型测试特征集其中Y_dis为分布型测试特征集，为Y_dis对应的类别标签；

S23：计算时序特征，构建时序型特征集；

将所采集的长度为U的传感器数据子集sd_k.v,m均匀截成Z段，对截断后的Z段数据分别计算某数值型特征γ_t，构成一段离散时间序列为截断后的第z段数据计算的第t种数值型特征值，z＝1,…,Z；对SD矩阵中所有传感器数据子集sd_k.v,m，计算其时序型特征其中为sd_k.v,m所计算的第t种时序特征，T为所提取的时序特征类型种数，t＝1,…,T；

将SD矩阵中所有传感器数据子集计算得到的T个时序型特征，构建时序型特征集，公式为：

式中为第k类正常/故障在第m个传感器采集下的，第v段数据构建的传感器数据子集所计算的第t种时序型特征，为长度为Z的向量，为三维矩阵；由时序型特征集及对应的类别标签构建总体时序型特征集

与总体训练数据集S_SD对应的总体时序型特征集XL_seq中所有第k.2n-1行时序型特征及对应类别标签，用作构建带标签总体时序型训练特征集其中X_seq为时序型训练特征集，为X_seq对应的类别标签；其余第k.2n行时序型特征及对应类别标签，用作构建带标签总体时序型测试特征集其中Y_seq为时序型测试特征集，为Y_seq对应的类别标签。