[发明专利]一种基于算法融合技术的设备状态评估预警方法和系统

权利要求书

1.一种基于算法融合技术的设备状态评估预警方法，其特征在于：

基于设备正常运行时在不同时刻下的多个相互关联的变量，组成模式矩阵、补偿矩阵和补偿观测向量；根据相似性算子、所述模式矩阵和所述补偿矩阵，确定相似系数矩阵，根据非线性评估算法、所述模式矩阵和所述补偿观测向量，确定补偿预测向量，进而生成补偿残差向量；利用机器学习算法，基于所述相似系数矩阵、所述补偿残差向量，训练得到残差预测模型；

所述方法包括：

确定当前观测向量，以及确定所述当前观测向量对应的初始预测向量；根据相似性算子、所述模式矩阵和所述当前观测向量，确定当前相似系数向量；

输入所述当前相似系数向量至预设的所述残差预测模型，得到当前残差预测向量；根据所述初始预测向量、所述当前残差预测向量，确定最终预测向量，以确定是否触发设备故障报警。

2.根据权利要求1所述的方法，其特征在于，所述组成模式矩阵、补偿矩阵和补偿观测向量，过程包括：

由任意时刻观测到的多个相互关联的变量，组成所述时刻的观测向量，根据设备正常运行状态下不同历史时刻的观测向量，确定模式观测向量和所述补偿观测向量；所述模式观测向量、所述补偿观测向量对应组成模式矩阵和补偿矩阵。

3.根据权利要求1所述的方法，其特征在于，所述利用机器学习算法，基于所述相似系数矩阵、所述补偿残差向量，训练得到残差预测模型，过程包括：

输入所述相似系数矩阵中的每个向量至机器学习算法中，并训练所述算法输出的残差预测向量逐渐逼近所述补偿残差向量，得到所述残差预测模型。

4.根据权利要求1所述的方法，其特征在于，所述确定最终预测向量，以确定是否触发设备故障报警，过程包括：

确定所述最终预测向量，根据所述最终预测向量和所述当前观测向量，确定偏差数据向量，在所述偏差数据向量中的任意参数的数值超出对应阈值的情况下，触发关于所述参数的设备故障报警。

5.根据权利要求1所述的方法，其特征在于，根据非线性评估算法、所述模式矩阵和所述补偿观测向量，确定补偿预测向量，进而生成补偿残差向量，过程包括：

根据非线性评估算法、模式矩阵和补偿观测向量，确定所述补偿观测向量对应的补偿预测向量；根据所述补偿观测向量、所述补偿预测向量，确定所述补偿残差向量。

6.根据权利要求1所述的方法，其特征在于，确定当前观测向量，以及确定所述当前观测向量对应的初始预测向量，过程包括：

获取当前时刻的数据，确定当前观测向量；根据非线性评估算法、所述模式矩阵和所述当前观测向量，确定所述当前观测向量对应的初始预测向量。

7.一种基于算法融合技术的设备状态评估预警系统，其特征在于，所述系统包括：

预设模块，用于基于设备正常运行时在不同时刻下的多个相互关联的变量，组成模式矩阵、补偿矩阵和补偿观测向量；根据相似性算子、所述模式矩阵和所述补偿矩阵，确定相似系数矩阵，根据非线性评估算法、所述模式矩阵和所述补偿观测向量，确定补偿预测向量，进而生成补偿残差向量；利用机器学习算法，基于所述相似系数矩阵、所述补偿残差向量，训练得到残差预测模型；

初始确定模块，用于确定当前观测向量，以及确定所述当前观测向量对应的初始预测向量；根据相似性算子、所述模式矩阵和所述当前观测向量，确定当前相似系数向量；

最终确定模块，用于输入所述当前相似系数向量至预设的所述残差预测模型，得到当前残差预测向量；根据所述初始预测向量、所述当前残差预测向量，确定最终预测向量，以确定是否触发设备故障报警。

8.根据权利要求7所述的系统，其特征在于，在所述预设模块中，所述组成模式矩阵、补偿矩阵和补偿观测向量，过程包括：

由任意时刻观测到的多个相互关联的变量，组成所述时刻的观测向量，根据设备正常运行状态下不同历史时刻的观测向量，确定模式观测向量和所述补偿观测向量；所述模式观测向量、所述补偿观测向量对应组成模式矩阵和补偿矩阵。