[发明专利]基于大数据的多尺度状态监测法

权利要求书

1.基于大数据的多尺度状态监测法；其特征在于包括以下步骤：

S1、对数据仓库中的数据进行数据预处理；

S2、基准模型建立：通过数据建模和/或机理建模建立动态工况基准模型和稳态工况基准模型；

S3、异步信息融合：先将外层设备检测到的实际数据导入动态工况基准模型和稳态工况基准模型，计算获得动态残差和稳态残差；接着通过信息粒化的方式，将多个相邻的对应时间的动态残差和稳态残差分成多个信息粒；利用卡尔曼滤波进行动态残差和稳态残差的信息融合，获得融合残差；

S4、对融合残差进行对尺度分析构建出状态检测信号。

2.根据权利要求1所述的基于大数据的多尺度状态监测法，其特征在于：所述步骤S1的数据预处理包括数据清理、数据集成、数据变换和数据说明；

所述数据清理用于处理空缺值和平滑噪声数据，识别并删除孤立点；

所述数据集成用于来自多个数据源的数据集成到一个统一的数据存储体；

所述数据变换通过平滑聚合、数据泛化和数据常态化将数据转换成合适的形式；

所述数据说明用于获得数据集的简约表达，意义接近于保持原始数据的完整性。

3.根据权利要求1所述的基于大数据的多尺度状态监测法，其特征在于：所述步骤S3中通过以下公式计算获得动态残差和稳态残差：

式(1)中，Δw表示稳态残差；Δd代表动态残差；f_w(X)表示稳态的基准模型；f_d(X)表示动态运行模式的基准模型；X_Ti和Y_Ti表示稳态工况下在时间段(t_wi，t_wi+k)测量值的平均值；x_ji，y_ji表示动态工作模式下在时间段(t_j，t_j+k)的测量值平均值。

4.根据权利要求3所述的基于大数据的多尺度状态监测法，其特征在于：所述所述步骤S3中通过以下公式计算获得信息粒：

D_i＝{δ_Ti，δ_Ti，Lδ_ti，δ_Ti+1)|T_i∈(t_wi，t_wi+k) (2)

t∈(t_j，t_j+k)；

式2中，Di表示信息粒。