[发明专利]基于大数据分析的设备失效模式诊断特征参量分析方法

摘要

本发明涉及基于大数据分析的设备失效模式诊断特征参量分析方法。本发明先通过检验样本获得设备的失效或故障模式，进一步通过极大似然估计后的函数f对特征参数求偏导数，通过偏导数绝对值的大小来判定特定失效或故障模式中不同特征参数的重要度。即通过对偏导数绝对值进行排序，就可以识别出设备失效或故障模式的关键特征参量，这为开展设备的失效或故障模式诊断指明了方向。

主权项

1.基于大数据分析的设备失效模式诊断特征参量分析方法，其特征在于包括以下步骤：/n步骤1、设备分类判断：/n步骤1-1、对设备进行监测并获得N个表征设备运行状态的特征参数，所述N个特征参数构成一组矩阵并记为/n步骤1-2、通过上述N个特征参数，确定设备属于W种失效或故障模式中的一种并记为C_k，即C_k∈{C₁,C₂,...,C_k,...,C_w}，其中{C₁,C₂,...,C_k,...,C_w}表示W种失效或故障模式的集合；/n步骤1-3、将上述包含N个特征参数且失效或故障模式为C_k的样本记为式中为的转置矩阵；/n步骤1-4、对于由M组样本构成的样本集以及每组样本对应的失效或故障模式用以下样本矩阵形式表示为：/n /n式(1)中k_i＝1,2,...,W；C_ki为第i组样本矩阵对应的设备失效或故障模式；/n步骤1-5、假设上述样本集中隶属于相同失效或故障模式的样本数量有M₂组且1≤M₂≤M，并将这M₂组样本的失效或故障模式记为C_k，那么这M₂组样本以及每组样本对应的失效或故障模式用以下子样本矩阵形式表示为：/n /n上述子样本矩阵T₁展开后如下：/n /n式(2)中，样本矩阵T₁中任意特征参数表示为x_i,j且x_i,j表示第i组样本中的第j个特征参数；这M₂组样本中，第j个特征参数的均值表示为：/n /n通过式(3)计算获得M₂组样本中所有特征参数的均值向量/n步骤1-6，将上述子样本矩阵T₁中各特征参数减去相应的特征均值后，获得归一化后新的子样本矩阵：/n /n将新的子样本矩阵中任意元素x_i,j-μ_j记为y_i,j，得到：/n /n计算式(4)中的新的子样本矩阵的协方差矩阵，得到：/n /n那么对于任意检验样本该样本属于C_k失效或故障模式时各特征参数的联合分布概率计算如下：/n /n上式(6)取对数后得到似然函数：/n /n通过上述步骤即可获得任意检验样本隶属于W种不同失效或故障模式时所对应的似然函数；当似然函数lnL达到最大值时即检验样本隶属于对应的失效或故障模式的可能性最大；/n步骤2、判断检验样本中特征参数对失效或故障模式影响的程度：/n步骤2-1、令函数/n对式(8)求对第j个特征参数x_j的偏导数可得：/n /n上述∑_k^-1为协方差矩阵∑_k的逆矩阵；/n步骤2-2、分析的大小关系：/n通过式(9)计算获得检验样本中每个特征参数的偏导数，当值越大，则说明对应的特征参数x_j对设备隶属于C_k失效或故障模式的影响越大，也即特征参数x_j为关键特征参量。/n