[发明专利]基于层次密度峰值聚类和最相似模态的故障监测方法

权利要求书

1.一种基于层次密度峰值聚类和最相似模态的故障监测方法，其特征在于：包括以下步骤：

步骤1：对工业过程历史正常数据进行模态划分，获取层次模态信息；

步骤2：利用层次模态信息对工业过程历史正常数据建立故障监测模型；

所述模态划分包括以下过程：

步骤1)：搜集工业过程历史正常数据并对其进行标准化处理；

步骤2)：对标准化处理后数据进行层次密度峰值聚类，得到初始层次模态信息；

步骤3)：根据模态连续特性调整初始层次模态信息，得到层次模态信息；

所述层次密度峰值聚类包括以下过程：

步骤①：计算标准化处理后数据X＝{x₁,x₂,…,x_N}各数据点之间的测地距离d_geo(x_i,x_j)；

步骤②：选取不同的百分比参数P，得到截止距离计算公共近邻个数CNN(x_i,x_j)，获取混合测地距离d_hybgeo(x_i,x_j)；

步骤③：计算标准化处理后数据各数据点之间的局部密度和最小距离

步骤④：人工观察选取不同的截止距离对应的局部密度和最小距离均比一般数据点的局部密度和最小距离大且具有离群特性的数据点为类簇中心，将剩余非中心点划入比其局部密度高的数据点中距离最近数据点的类簇中，得到层次密度峰值聚类结果；

所述计算公共近邻个数CNN(x_i,x_j)，是通过以下公式得到：

所述截止距离，是通过以下公式得到：

其中，为截止距离，D是标准化处理后数据各数据点之间的测地距离的集合，为的下标，p 为百分比参数，取值范围为0.1-5，N_d为测地距离值的个数；

所述混合测地距离d_hybgeo(x_i,x_j)，是通过以下公式得到：

所述局部密度是通过以下公式得到：

所述最小距离是通过以下公式得到：

其中，d_hygeo(x_i,x_j)为各数据点之间的测地距离；为对应百分比参数的标准化处理后的各数据点之间的截止距离；

步骤3：将待监测的工业过程数据，得到最相似模态，输入到所述故障监测模型，进行故障监测；

所述建立故障监测模型包括以下过程：利用层次模态信息，基于独立元分析建立故障监测模型，得到故障监测置信限；

所述基于独立元分析建立故障监测模型包括以下过程：

1)计算协方差矩阵C(X)；

2)利用SVD分解C(X)＝UΛU^T，计算协方差矩阵C(X)的特征值对角矩阵Λ和特征向量矩阵U；

3)计算白化矩阵Q＝Λ^-1/2U^T；

4)得到白化变换矩阵Z＝QX；

5)计算正交矩阵B；

6)计算预测的独立元矩阵S＝B^TZ；

7)计算低维解混矩阵W＝B^TQ；

8)计算故障监测I²＝S^TS统计量和统计量，其中x表示X＝{x₁,x₂,…,x_N}的一个数据点。

2.根据权利要求1所述的基于层次密度峰值聚类和最相似模态的故障监测方法，其特征在于：所述根据模态连续特性调整初始层次模态信息，是采用最小模态长度t_min，取值范围为3-10个采样间隔，调整初始层次模态信息，通过将小于t_min的模态数据点调整到最近的模态实现。