[发明专利]一种基于大数据融合聚类分析的关联参数故障分类方法

权利要求书

1.一种基于大数据融合聚类分析的关联参数故障分类方法，其特征在于，包括：

步骤1)获取对象装备的各种运行数据；

步骤2)根据对象装备的相关资料，建立涵盖对象装备全部参数的参数判读规则库；

步骤3)以参数判读规则库的规则为准，对步骤1)中所有的运行数据筛选获得故障数据，将所有故障数据集合形成无分类故障数据集；

步骤4)将无分类故障数据集通过聚类算法进行有监督的数据自主聚类，获得满足要求的聚类数目和各项聚类中心后，通过确定的各项聚类中心对无分类故障数据集中的所有故障数据进行分类，获得分类故障数据集；

步骤5)将步骤3)中的无分类故障数据集采用映射-规约算法，生成参数关联概率模型，所述的参数关联概率模型包含对象装备中每一参数发生故障的同时，其他参数也发生故障的概率分布数据；所述的步骤5)具体包括：

步骤201)依次将包含各条参数的全部故障数据条目分别映射到一起，形成各条参数对应的映射类，所述的映射类包含一个参数的全部故障数据条目及其出现的频度；

步骤202)计算每一映射类中故障数据条目的总数，作为概率计算的分母；

步骤203)累计每一映射类中包含除该映射类对应参数之外的其他参数出现的次数，作为概率计算的分子；

步骤204)将步骤203)中的分子与步骤202)中的分母之比，得到每一参数发生故障的同时，其他参数也发生故障的概率分布数据；

步骤6)以步骤4)中的分类故障数据集作为故障判别标准，对步骤1)中的所有运行数据采用最近邻算法进行故障类别识别，获得故障分类结果；

步骤7)将故障分类结果与步骤5)中的参数关联概率模型相结合，获得发生该故障分类结果的所有参数的概率分布数据。

2.根据权利要求1所述的基于大数据融合聚类分析的关联参数故障分类方法，其特征在于，所述步骤1)中获取的运行数据的格式满足：每个完整的数据条目包含该数据条目发生的时刻以及在该时刻对象装备的所有参数值；每个数据条目中的单个数据值表征某一时刻的对象设备中一个参数的实测值；各数据条目之间按照发生时刻的先后顺序逐一排列。

3.根据权利要求1所述的基于大数据融合聚类分析的关联参数故障分类方法，其特征在于，所述步骤3)中筛选的故障数据的格式满足：每个数据条目包含该数据条目发生的时刻以及在该时刻发生故障的全部故障参数；对于数据条目中发生故障的参数，根据参数判读规则库标注故障发生所触发的规则。

4.根据权利要求1所述的基于大数据融合聚类分析的关联参数故障分类方法，其特征在于，所述的参数判读规则库包含参数的上下限、参数跳变异常判定规则、参数趋势渐变异常判定规则。

5.根据权利要求1所述的基于大数据融合聚类分析的关联参数故障分类方法，其特征在于，所述的步骤4)具体包括：

步骤101)设定聚类数目K的初始个数为2个，依照当前的K值对无分类故障数据集进行聚类运算，获取K个聚类中心及其对应的K个聚类；

步骤102)计算K个聚类的平均轮廓系数，将K个聚类的平均轮廓系数与K-1个聚类的平均轮廓系数相比较，如果两个平均轮廓系数不变，则选取当前K值作为聚类总数，否则设定K＝K+1后重新执行步骤101)；所述的轮廓系数表示各聚类中包含的所有数据条目对应的向量点到聚类中心的几何距离的平均值；

步骤103)以步骤102)中确定的聚类总数对无分类故障数据集进行聚类运算，并通过获取的各项聚类中心对无分类故障数据集中的所有故障数据进行分类，获得分类故障数据集。