[发明专利]一种面向可控中高压光机的故障反演方法

权利要求书

1.一种面向可控中高压光机的故障反演方法，其特征在于：包括以下步骤：

S01)、根据可控中高压光机的故障结果定位故障即将发生的临界点，采集各子系统传感器在临界点至故障发生点产生的传感器数据，并对传感器数据进行同质化预处理；

S02)、得到同质化预处理后的各子系统的时序数据，各子系统的时序数据长度为L，时间间隔为τ，包含N个关键变量，依据Takens定理，使用单纯形投影算法确定每个关键变量重构流型的最佳嵌入维度E，其中E为大于或者等于2的正整数，τ根据传感器采样频率确定，取值为采样频率的倒数，N的最大取值为系统支持的传感器数量，L的最大取值为采样时序数据的总长度；

S03)、通过改进收敛交叉映射方法分析，对部件状态和子系统件故障转移路径进行分析；

通过改进收敛交叉映射方法，以步骤S02计算得到的最佳嵌入维度E为基准，依据交叉收敛映射决定系数ρ，计算可控中高压光机中N个关键变量之间的因果关系，共计N*(N-1)种关系，给出这N个关键变量之间的传递依赖关系，进而对部件和子系统间潜在故障转移路径进行分析，为各子系统的故障溯源和损害预测提供判断依据；

S04)、结合全局敏感性分析，过滤故障转移路径的干扰分支，实现可控中高压光机的故障溯源；

敏感性分析是指根据交叉收敛映射决定系数ρ，在给定的变量因果假设下，从定量分析的角度研究相关自变量发生某种变化对因变量影响，具体为通过逐一改变自变量的值，来解释因变量受自变量变化影响大小的规律，进而实现故障的推断反演；自变量是指步骤S02确定的关键变量，因变量是指可控中高压光机故障。

2.根据权利要求1所述的面向可控中高压光机的故障反演方法，其特征在于：依据Takens定理，使用单纯形投影算法确定每个关键变量重构流型的最佳嵌入维度E的过程为：

将长度为L的同质化数据按照a：b的比例划分为预测集X和测试集Y两部分，a、b为满足a+b＝10的正整数，并且a∈[6,10]，b∈[1,5]，预测集X的时序数据参与重构系统流型，流型上某一个点根据预测集重构流型上的最近邻E+1个点{X₁,X₂,…,X_E+1}取平均值获得，计算得到预测值计算测试集Y中的真实值Y(t_K)与预测值相关系数来估计在嵌入维度为E的情况下单纯形投影算法的预测能力ρ，设E的取值为大于或者等于2的正整数，从2开始不断增加E的数值，比较不同情况下单纯形投影算法的预测能力ρ，预测能力最大的情况下E对应的数值即为此关键变量动态系统最佳嵌入维度。