[发明专利]基于LDA主题模型的往复机械异常检测方法

摘要

基于LDA主题模型的往复机械异常检测方法属于设备故障检测领域。其特征包括如下步骤：1)采集往复机械正常运行振动数据和实时运行振动数据；2)提取数据特征集；3)特征集预处理，包括数据归一化和离散化；4)设定主题模型个数；5)构造数据集；6)用往复机械正常数据的数据集训练主题模型并计算主题分布；7)用步骤6)主题模型对实时运行数据的数据集主题分布进行预测；8)计算实时运行数据的数据集和正常数据的数据集主题分布的JS距离。本发明首次将主题模型用于往复机械异常检测，该方法具有实时性，准确率高等优点，适用于往复机械异常检测。

主权项

基于LDA主题模型的往复机械异常检测方法，其特征在于包括如下步骤：1)采集机组正常工况振动数据和实时运行振动数据：通过安装在往复机械上的加速度传感器采集往复机械实时振动数据和正常工况振动数据；2)提取数据特征集：当往复机械发生异常时，一般振动数据也会同时发生变化，因此可应用振动数据对往复机械进行异常检测；将振动数据带入特征值计算公式，求解特征集；3)特征集预处理：特征集预处理主要包括对特征值进行归一化和离散化处理，得到离散化后的特征集；4)设定主题模型个数T：主题模型为6‑10；5)构造数据集：选择8组以上离散化后的特征集作为一个数据集；6)训练主题模型，计算主题分布：将每个数据集离散化后的特征集输入主题模型程序，建立正常工况数据主题模型，并计算主题模型的主题分布7)预测实时运行数据主题分布：用步骤6)中计算得到的主题预测运行数据的主题分布8)计算实时运行数据和正常数据主题分布的JS距离：将主题分布和主题分布代入JS距离计算公式，计算实时运行数据和正常数据主题分布的JS距离，并设定报警线。