[发明专利]基于自适应滑动窗口算法与区间折半算法的故障检测方法

摘要

本发明公开了基于自适应滑动窗口算法与区间折半算法的故障检测方法，该方法采用区间折半法提取识别趋势，并在提取过程中不断根据具体情况改变区间窗口的初始点以及结束点，自适应改变区间大小，以获得更高的提取精度，然后通过模糊趋势匹配算法将实时趋势与规则知识库中的各种典型故障的特征趋势相匹配，实时诊断系统故障；本发明能够提高传感器故障辨识的准确性和实时性。

主权项

基于自适应滑动窗口算法与区间折半算法的故障检测方法，其特征在于，包括以下步骤：步骤一、对一段待检测的传感器数据从数据起始点开始利用区间折半算法将其提取为原语序列，所述原语序列即为基元的集合，所述基元代表的是数据段的趋势，将一个数据段进行一、二阶求导后得到的值可以得到最多七种不同的趋势，分别记为A～G，并判断其原语序列是否为一个或多个基元“A”的集合，若否，则从原语序列中不为“A”的数据段起始位置开始判定为故障发生点，从故障发生点直至待检测数据段的结束点为故障数据段；若是，则进行下一段待检测数据的检测；步骤二、从故障发生点开始，以待检测数据长度的1/10作为默认滑动窗口大小，对第一个滑动窗口区间内的数据进行离线区间折半拟合使所述数据转换为拟合多项式序列，根据多项式的导数符号将多项式序列转换为基元序列；步骤三、确定下一个滑动窗口的起始点以及窗口长度：判断上一个滑动窗口最后一个基元是否为线性基元，若是则判断其长度是否大于预设的线性原语长度临界值，若大于则下一个窗口的起始点为上一个窗口的结束点，否则将最后一个基元所对应的数据归入下一个窗口；若最后一个基元为非线性基元，则判断其长度是否大于预设的最短原语长度值，若大于则下一个窗口的起始点为上一个窗口的结束点，否则将最后一个基元所对应的数据归入下一个窗口；若上一个窗口最后一个基元所对应的数据归入下一个窗口，则窗口长度＝最后一个基元长度+默认滑动窗口大小；否则，窗口长度＝默认滑动窗口大小；步骤四、将已确定的滑动窗口内的数据转换为基元序列；步骤五、重复步骤三和步骤四直至故障数据段的数据全部转换为基元序列，将所述基元序列与规则知识库中的多个故障特征基元序列进行模糊逻辑匹配，分别得出与各个故障特征基元序列匹配的多个相似度SI；步骤六、找出步骤五中所得的最高相似度SImax，并将其与预设的决策临界值进行比较，若SImax大于决策临界值，则待检测数据的故障类型为SImax所对应的故障类型；若SImax小于等于决策临界值，则认定待检测数据的故障类型为新的故障。