[发明专利]采用多步时域差值学习的故障诊断与预测方法

摘要

本发明公开了一种采用多步时域差值学习的故障诊断与预测方法，其步骤为：（1）建立马尔可夫回报过程模型；（2）数据采集：通过生产过程安装的监控器提供当前状态的状态信息及环境信息，通过一系列的观测量，组成一个完整的观测序列；（3）实验数据标记：将观测序列转换为状态转移模型，根据检测数据将状态序列标记为正常和不正常；（4）运用TD学习算法和预测的异常检测方法：基于上述得到的马尔可夫回报过程模型，运用LS-TD(λ)算法来估计评价函数值，即异常可能发生的概率；（5）异常报警：设置阈值参数，当预测概率高于阈值参数时，系统报警。本发明具有原理简单、适用范围广、能够提高异常检测性能等优点。

主权项

一种采用多步时域差值学习的故障诊断与预测方法，其特征在于，步骤为：（1）建立马尔可夫回报过程模型；对时间序列的异常状态进行马尔可夫回报过程建模，马尔可夫回报过程表示为一个数组{S,R,P}，其中S代表状态空间，R代表回报函数，P代表状态转移概率，令{xt|t=0,1,2,…;xt∈S}表示由马尔可夫回报过程引起的一个轨迹；（2）数据采集：通过生产过程安装的监控器提供当前状态的状态信息及环境信息，通过一系列的观测量，组成一个完整的观测序列；（3）实验数据标记：将观测序列转换为状态转移模型，根据检测数据将状态序列标记为正常和不正常；（4）运用TD学习算法和预测的异常检测方法：基于上述得到的马尔可夫回报过程模型，运用LS‑TD(λ)算法来估计评价函数值，即异常可能发生的概率；（5）异常报警：设置阈值参数，当预测概率高于阈值参数时，系统报警。