[发明专利]基于符号有向图和数据重构的故障诊断方法

权利要求书

1.一种基于符号有向图和数据重构的故障诊断方法，其特征在于，包括如下步骤：

步骤一：采集系统运行过程中一定数量的多变量正常数据，并对所述多变量正常数据进行预处理，作为已知状态测量数据；

步骤二：对步骤一中所述已知状态测量数据进行PCA分解，将所述已知状态测量数据分解为主元部分和残差部分，并求出所述已知状态测量数据的平方预测误差的控制限；

步骤三：根据所述系统的结构特性及反应特性，建立所述系统的有向符号图（SDG），所述有向符号图的节点为系统单变量参数，并设定误报率、漏报率参数，根据系统的SDG确定所述已知状态测量数据各变量V-mask的参数值；

步骤四：实时采集系统运行过程中一定数量的多变量过程数据，并对所述多变量过程数据进行预处理，作为未知状态测量数据，统计所述未知状态测量数据累积和CUSUM统计值及所述未知状态测量数据的平方预测误差SPE，如果SPE超出步骤二的控制限，则表示系统出现故障；

步骤五：如果系统没有出现故障，重复步骤四，若系统出现故障，通过V-mask的双臂判断所述SDG的节点是否有效，对于超过V-mask上下臂的所述过程数据变量，节点符号分别为“+”和“-”号；

步骤六：确定所有节点状态后，搜索所述SDG中所有的相容路径，即相邻节点符号相乘为正的路径；

步骤七：在所有有效节点方向和所述相容路径方向上对所述未知状态测量数据进行重构，将重构指标最大的方向便设为故障的传播路径，判定所述故障的传播路径上的起始节点为导致故障发生的根本原因。

2.如权利要求1所述的基于符号有向图和数据重构的故障诊断方法，其特征在于，所述步骤一中的所述多变量正常数据预处理步骤为：首先将采集的所述一定数量的多变量正常数据减去所述多变量正常数据的均值，然后除以所述多变量正常数据的方差。

3.如权利要求1所述的基于符号有向图和数据重构的故障诊断方法，其特征在于，所述步骤二中PCA方法按照特征值贡献率选取主元，要求贡献率在85%以上。

4.如权利要求1所述的基于符号有向图和数据重构的故障诊断方法，其特征在于，所述步骤二中平方预测误差控制限计算公式为，其中(1-α)×100%为所述控制限的置信度，这里λ_i为所述预处理后的所述多变量正常数据样本协方差矩阵的第i大的特征值。

5.如权利要求1所述的基于符号有向图和数据重构的故障诊断方法，其特征在于，所述步骤三中所述V-mask的参数值为：和h＝d*k，其中k为V的斜率，d为最近的采样点离V定点的距离，h为最近的采样点离V的上下臂的距离，α为误报率，β为漏报率，δ为能检测到的偏移量（样本标准差的倍数），σ_x为样本的标准差。

6.如权利要求1所述的基于符号有向图和数据重构的故障诊断方法，其特征在于，所述步骤七中如果重构方向就是故障的传播路径，那么重构后的未知状态测量数据的平方预测误差应该得到最大的减小，平方预测误差的减小程度如公式（1）所示：

η2=ySPE-yjSPEySPE=fj2||ζ~||2ySPE---(1)]]>

其取值范围为0～1之间，其中y^SPE为重构前样本的平方预测误差，为重构后的未知状态测量数据的平方预测误差，为ζ在残差空间的投影，即C为测量的主元空间投影矩阵，公式（1）中使得η²最大的方向便为故障的传播路径，故障的传播路径上的起始节点则为故障发生的根本原因。