[发明专利]一种基于PCA数据处理的RBF故障诊断方法、系统、终端及计算机存储介质

权利要求书

1.一种基于PCA数据处理的燃气调压器智能RBF故障诊断方法，其特征在于，包括：

获取已知故障类型的燃气调压器原始故障数据；

采用主元分析法对所述原始故障数据进行降维处理，生成低维不相关的样本数据；

利用径向基神经网络将经主元分析法降维处理后的样本数据进行故障分类。

2.根据权利要求1所述的基于PCA数据处理的燃气调压器智能RBF故障诊断方法，其特征在于，所述燃气调压器的原始故障数据包括：

燃气调压器的指挥器、皮膜、输入端压力、阀口阀位的原始故障数据。

3.根据权利要求1所述的基于PCA数据处理的燃气调压器智能RBF故障诊断方法，其特征在于，所述采用主元分析法对所述原始故障数据进行降维处理，生成低维不相关的样本数据，包括：

将获取的原始故障数据作预处理得到标准数据矩阵；

计算所述标准数据矩阵的各变量均值及协方差矩阵；

计算所述协方差矩阵的特征值矩阵及特征向量矩阵；

利用所述特征值矩阵及特征向量矩阵计算主元累计方差贡献率，确定主元个数，进而确定主成分。

4.根据权利要求1所述的基于PCA数据处理的燃气调压器智能RBF故障诊断方法，所述利用径向基神经网络将经主元分析法降维处理后的样本数据进行故障分类，包括：

将所述样本数据随机分配为训练数据集与测试数据集；

建立径向基神经网络，利用所述训练数据集训练所述径向基神经网络，生成训练完成的燃气调压器故障诊断模型；

利用所述测试样本集测试训练完成的径向基神经网络，分析故障诊断结果。

5.根据权利要求4所述的基于PCA数据处理的燃气调压器智能RBF故障诊断方法，其特征在于，所述建立径向基神经网络，利用所述训练数据集训练所述径向基神经网络，生成训练完成的燃气调压器故障诊断模型，包括：

初始化径向基神经网络权值，包括确定径向基神经网络的输入层，隐含层和输出层的节点数目，以及连接权值和神经元激励函数等；

给定样本向量，计算各层神经元的输出，并计算输出层总误差；

判断迭代结束条件输出层总误差是否满足要求，若未达到要求则重新计算误差并调整权值，再回到执行计算各层神经元的输出步骤，并依次向下进行各步骤直到满足要求最后结束为止，完成径向基神经网络的故障匹配训练。

6.一种基于PCA数据处理的燃气调压器智能RBF故障诊断系统，其特征在于，包括：

数据获取单元，配置用于获取已知故障类型的燃气调压器原始故障数据；

预处理单元，配置用于采用主元分析法对所述原始故障数据进行降维处理，生成低维不相关的样本数据；

故障分类单元，配置用于利用径向基神经网络将经主元分析法降维处理后的样本数据进行故障分类。

7.根据权利要求6所述的基于PCA数据处理的燃气调压器智能RBF故障诊断方系统，其特征在于，所述预处理单元具体用于：

将获取的原始故障数据作预处理得到标准数据矩阵；

计算所述标准数据矩阵的各变量均值及协方差矩阵；

计算所述协方差矩阵的特征值矩阵及特征向量矩阵；

利用所述特征值矩阵及特征向量矩阵计算主元累计方差贡献率，确定主元个数，进而确定主成分。

8.根据权利要求6所述的基于PCA数据处理的燃气调压器智能RBF故障诊断方系统，其特征在于，所述故障分类单包括：

数据集设置单元，配置用于将所述样本数据随机分配为训练数据集与测试数据集；

模型生成单元，配置用于建立径向基神经网络，利用所述训练数据集训练所述径向基神经网络，生成训练完成的燃气调压器故障诊断模型；

诊断测试单元，配置用于利用所述测试样本集测试训练完成的径向基神经网络，分析故障诊断结果。