[发明专利]故障特征信息提取与早期故障预警的方法及系统

权利要求书

1.故障特征信息提取与早期故障预警的方法，其特征在于，包括以下步骤：

步骤一：获得系统状态的数据，对所述系统状态的数据进行预处理；

步骤二：对于预处理后的系统状态的数据进行特征提取，提取出特征信息；

步骤三：采用均值标准差标准化方法处理特征信息，获取标准化变量，建立标准化变量的协方差矩阵；

步骤四：结合PCA主成分分析方法对协方差矩阵进行降维，删去无关主成分，选取对故障贡献率最大的前n个主成分P^Tx，其中P为特征值对应的特征向量，x＝(x_i)表示第i个特征，选取贡献率最大的主成分；

步骤五：实时监测和采集所述贡献率最大的主成分的数据，作为时间序列数据，对时间序列数据进行处理和拟合建模，得到时间序列模型；

步骤六：通过时间序列模块预测出预测值数据，得到预测误差数据；

步骤七：当所述预测误差数据中的众数大于预设的变化水平阈值时，发出预警信号。

2.根据权利要求1所述的故障特征信息提取与早期故障预警的方法，其特征在于，所述对时间序列数据进行处理和拟合建模的过程包括：从时间序列数据分割出监测期之前的历史时序数据和监测期区间的监测时序数据，对历史时序数据进行数据拟合建模，得到时间序列模型。

3.根据权利要求2所述的故障特征信息提取与早期故障预警的方法，其特征在于，所述时间序列模型为ARMA模型。

4.根据权利要求1所述的故障特征信息提取与早期故障预警的方法，其特征在于，所述得到预测误差数据的过程包括：

根据监测时序数据和预测值数据之间的差值得到预测误差数据。

5.根据权利要求1所述的故障特征信息提取与早期故障预警的方法，其特征在于，所述对所述系统状态的数据进行预处理的过程包括：

对所述系统状态的数据进行小波滤波，剔除异常值、以及填充缺失值。

6.根据权利要求1所述的故障特征信息提取与早期故障预警的方法，其特征在于，所述系统状态包括熔体温度、注射速度、注射温度、保压压力和保压时长。

7.根据权利要求1所述的故障特征信息提取与早期故障预警的方法，其特征在于，所述步骤四的具体方法为：

利用PCA主成分分析方法选取出主成分，并将主成分按照所述贡献率由大到小排序；

按照贡献率由大到小选择主成分，并使得选取的贡献率最大的主成分。

8.故障特征信息提取与早期故障预警的系统，其特征在于：包括检测采集模块、处理模块和预警模块；

所述检测采集模块用于检测和采集系统状态的数据；

所述处理模块用于对采集的系统状态的数据进行处理，当计算得到的预测误差数据大于预设的变化水平阈值时，控制预警模块发出预警信号；

所述预警模块用于发出预警信号。