[发明专利]一种基于智能巡检系统的自动化检定设备状态评价方法

权利要求书

1.一种基于智能巡检系统的自动化检定设备状态评价方法，其特征在于采用如下步骤：

步骤A、采用数据挖掘分析算法，获取设备状态量与设备状态之间的关联关系；

步骤B、构建基于数据挖掘方法的设备状态评价模型，以大量设备历史数据作为设备评价的基础参量，对数据进行特征提取和降维处理，将其分别归类为不同状态的数据集，再对每个数据集提取其主要特征向量。

2.根据权利要求1所述的一种基于智能巡检系统的自动化检定设备状态评价方法，其特征在于所述数据挖掘分析算法为采用主成分分析法；

所述设备状态评价模型包括提取大量设备历史运行信息和故障信息，将所述信息分类成不同状态的信息集；采用主成分分析法提取各个状态信息集的特征信号；对于待评价设备的当前运行情况，将该运行信息投影到状态信息集的特征空间进行设备状态评价。

3.根据权利要求2所述的一种基于智能巡检系统的自动化检定设备状态评价方法，其特征在于所述主成分分析法通过一组标准正交变换，将原始数据集线性变换为一组包含原始数据的大部分信息的主成分集合，表征原始数据，使数据从高维到低维变换；

所述主成分分析法如下：

假设训练样本集为X＝[x₁，x₂，…，x_n]^T；

该样本的平均向量为：

构造样本集的协方差矩阵为：

计算出协方差矩阵的特征向量α_i和对应的特征值λ_i，这些特征向量组成的矩阵A就是训练样本集的正交基底，将协方差矩阵的特征值从大到小排序：λ₁≥λ₂≥…≥λ_k≥…＞0，将主成分构成的变换矩阵记为：A＝(α₁，α₂，…，α_k)^T；

上述降维子空间使任何一个测试样本都可以向其作投影ω＝Ay，ω＝Ay即并获得低维向量ω。

4.根据权利要求3所述的一种基于智能巡检系统的自动化检定设备状态评价方法，其特征在于基于主成分分析法提取关键信息参量的步骤如下：

C1、将采集到的设备历史状态量集合分为严重、异常、注意和正常四个集合，记为X₁，X₂，X₃，X₄；

每个集合的数据集X_i＝{x_i1，x_i2，…，x_in}，

其中：n表示抽取的样本个数，

x_ij表示数据集x_i中第j个训练样本；

C2、计算各个状态集数据状态量矩阵的正交相关矩阵，

对R_i进行奇异值分解，得到矩阵R_i的特征值和特征向量；

将特征值从大到小的顺序排列：

λ_i1≥λ_i2≥…≥λ_ik＞0

α_i1，α_i2，…，α_ik为对应的特征向量。

C3、确定主成分向量数量，

设有m个主成分能够表征设备状态，令

上式表示特征值λ_i1，λ_i2，…，λ_im累计贡献90％的置信区间，由此确定m个特征向量作为能够表征状态集的主成分向量α_i1，α_i2，…，α_ik；

C4、计算原始设备状态量矩阵在新的m维特征空间中的投影：

T_i＝A_iX_i＝[α_i1，α_i2，…，α_im]^T[x_i1，x_i2，…，x_in]

式中A_i＝[α_i1，α_i2，…，α_im]^T表示特征因子矩阵，α_i1，α_i2，…，α_im是λ_i1，λ_i2，…，λ_im对应的特征向量。

C5、对于待评价设备状态信息量y，计算其在各状态集特征空间中的投影：

ω_i＝A_iy

计算ω_i与所有该状态集信息量在m维特征空间中的归一化投影的距离，取其中的最小值所在的状态集作为该待评价设备的所属状态。

C6、根据上述导则对设备总体评价的规定，得到设备整体状态的计算公式为：