[发明专利]一种基于PCA-SVM的盾构机故障数据清洗方法及装置

权利要求书

1.一种基于PCA-SVM的盾构机故障数据清洗方法，其特征在于，包括：

S10、获取待诊断盾构机运行过程中的各状态参量数据集：

S20、利用PCA算法对所述各状态参量数据集进行降维处理，完成一次数据清洗；

S30、利用SVM算法对PCA算法降维后的状态参量中的故障数据进行二次清洗。

2.如权利要求1所述的一种基于PCA-SVM的盾构机故障数据清洗方法，其特征在于，S20步骤包括：

S201、根据所述各状态参量数据集，构造状态参量矩阵；所述状态参量矩阵中的每个状态参量均包括多个数据样本；

S202、对每个所述状态参量中的每个数据样本进行标准化处理，得到标准化处理之后的状态参量数据集；

S203、计算并获得所述标准化处理之后的状态参量数据集的相关系数矩阵；

S204、根据所述相关系数矩阵，获得所述相关系数矩阵的特征值和特征向量；

S205、根据所述特征值和特征向量，求取贡献率并得到降维后的状态参量矩阵，完成一次数据清洗。

3.如权利要求2所述的一种基于PCA-SVM的盾构机故障数据清洗方法，其特征在于，S201步骤中，构造状态参量矩阵如下：

X＝{R1,R2,R3…Rm}，R表示状态参量，m表示状态参量总数；

其中，每个状态参量共包含数据样本数为n个，即：

r表示数据样本。

4.如权利要求3所述的一种基于PCA-SVM的盾构机故障数据清洗方法，其特征在于，S202步骤中，对每个所述状态参量中的每个数据样本进行标准化处理：

其中，μ＝E(Rj),表示Rj状态参量数据的均值；σ＝D(Rj)表示Rj状态参量数据的方差；i∈[1,2,3,…n]；j∈[1,2,3,…m]；

经过上式(1)处理得到标准化处理之后的状态参量数据：

其中，表示X集合中第j个状态参量标准化处理之后的状态参量；则所有状态参量的标准化处理之后的状态参量数据集：

数据集中，每一个子集的均值均为0。

5.如权利要求4所述的一种基于PCA-SVM的盾构机故障数据清洗方法，其特征在于，S203步骤包括：

计算数据集的相关系数矩阵P：

得到P为：

其中，

p_i,j表示矩阵P中第i行、第j列的元素；i、j分别表示矩阵P中的行和列，取值范围为[1,m]；分别表示标准化数据集中第i列和第j列数据；cov表示协方差；表示求方差；表示求方差；表示求的均值；E(X_j)表示求X_j的均值。

6.如权利要求5所述的一种基于PCA-SVM的盾构机故障数据清洗方法，其特征在于，S204包括：

根据下式计算相关系数矩阵P的特征值和特征向量：

|λI-P|＝0

其中，λ表示待求特征值；I表示单位矩阵。

7.如权利要求6所述的一种基于PCA-SVM的盾构机故障数据清洗方法，其特征在于，S205步骤包括：

求取贡献率并得到降维后的矩阵；定义贡献率如下：

λ_k表示第k个特征值；k的取值为[1,2,…m]；i表示序号，取值为[1,2,…m]；Q_count(k)表示第k个主元的贡献率；定义累计贡献率如下：

保留累计贡献率达到预设比例以上的前l个主元，得到新的相关系数矩阵P_new；由此得到降维后的状态参量矩阵：X_new＝X·P_new；

P_new表示相关系数矩阵；X表示状态参量矩阵；X_new表示降维后的状态参量矩阵。