[发明专利]一种提取参数非线性关系的水电机组振动故障诊断算法

摘要

本发明提供一种提取参数非线性关系的水电机组振动故障诊断算法，首先，归一化初始数据将其趋同化化处理，消除数据长度差异太大的问题，利用对数中心化得到到协方差矩阵，尽可能保留原始参数的非线性特征，使得到的主成分含有原始特征参数的有用信息增加；其次，根据协方差矩阵的特征值和特征向量求出原始故障特征参数的主成分，按照一定标准拾取合适数量的主成分作为新的故障描述参数；最后，根据主成分的标准数据序列和比较数据序列，利用主成分的灰关联度系数和主成分的方差贡献率得到灰关联度，即可诊断出机组振动故障的原因，本发明不需要太多的特征参数数值就可以得到正确的结论，也不用编写复杂程序，计算简单方便。

主权项

1.一种提取参数非线性关系的水电机组振动故障诊断算法，具体包括以下几个步骤：步骤一，在水电机组振动故障诊断中，假定由来自机组运行规程中的l个振动故障类型构成的标准序列，和来自现场振动故障待诊断的n‑l个故障样本构成的比较序列，这n个数据序列下的p个具有不同物理量的振动特征参数数值，构成初始数据矩阵X，初始数据矩阵X为n行p列，可表示为，X＝(x_ij)_n×p，即i＝1,2，…，n；j＝1,2，…，p；通过归一化消除不同物理量，使初始数据矩阵中的数值统一为[0,1]间没有物理量的相对值，用矩阵Y＝(y_ij)_n×p表示，计算公式为矩阵Y＝(y_ij)_n×p为n行p列，即i＝1,2，…，n；j＝1,2，…，p；步骤二，归一化后的指标数据矩阵Y＝(y_ij)_n×p，采用对数中心化进行处理将其非线性化，公式为：其中，lg(y_ij)为对矩阵Y＝(y_ij)_n×p中所有的数值取常用对数；为矩阵Y＝(y_ij)_n×p的对数中心值，i＝1，2，…，n；j＝1，2，…，p；协方差矩阵计算公式为：其中，即矩阵R＝(r_ij)_p×p为p行p列；步骤三，从协方差矩阵R＝(r_ij)_p×p出发，求取这p个振动特征参数的主成分向量，令|R‑λI_p|＝0其中，λ是矩阵R的特征值，I_p为p行p列对角线数值为1其他数值为0的矩阵，假定矩阵R有q个大于0的特征值λ₁≥λ₂≥…≥λ_q＞0，其中q≤p；令Ra＝λ_la其中，l＝1,2,…,q，a为矩阵R的正特征值对应的特征向量，向量构成的矩阵形式表示为A＝a_p×q，则这n个数据序列下p个振动特征参数构成的n行p列初始数据矩阵X，用n行q列的主成分向量矩阵形式F＝f_n×q表示，即主成分的个数为q个，向量维数为n，计算公式为：F＝f_n×q＝(y_ij)_n×pa_p×q其中，i＝1，2，…，n；j＝1，2，…，p；选取其中大于零的特征根对应的主成分，即为全部的主成分；每个主成分向量的方差贡献率为：其中，ω_j为各主成分权值分配，j＝1，2，…，q；前m个主成分的累积方差贡献率用γ表示，其中m≤q；计算公式为：其中，i＝1，2，…，m，j＝1，2，…，q；步骤四，主成分的灰关联度，具体计算步骤1)n行q列的主成分向量矩阵中，其中的l行q列数据为标准数据序列，表示为：F_ij(0)＝f_ij(0)其中，i＝1，2，…，l，l≤n；j＝1，2，…，q；2)n行q列的主成分向量矩阵中，其中的n‑l行q列数据为比较数据序列，表示为：F_ij(k)＝f_ij(k)其中，i＝1，2，…，n‑l；j＝1，2，…，q；3)n‑l个比较序列与l个标准序列之间的绝对差值构成的矩阵为：Δ_ij＝|F_ij(0)‑F_ij(k)|4)求极大值和极小值和其中，Δ_max为矩阵Δ_ij中所有数值的最大值，Δ_min为矩阵Δ_ij中所有数值的最小值；5)灰关联度系数的计算公式为：其中，ξ_ij为主成分标准序列F_ij(0)与主成分比较序列F_ij(k)间的关联度系数，ρ是分辨系数，取值区间为[0，1]，这里取ρ＝0.5；步骤五，主成分比较数据数列与标准数据数列间的加权关联度为：其中，ω_j为第j个主成分的方差贡献率，即权重，i＝1，2，…，l；j＝1，2，…，q，M_i最大值对应的故障类型即为诊断结果。