[发明专利]一种基于大数据融合聚类分析的关联参数故障分类方法

摘要

本发明提供的一种基于大数据融合聚类分析的关联参数故障分类方法，本发明的故障分类方法从装备运行的海量数据中，根据判读规则挑选故障数据，并进行有监督的机器自主聚类，形成关联参数故障自动分类结果，能够解决目前装备故障诊断过度依赖专家知识库，而忽略了各子系统间深度非线性耦合的参数之间的关联关系的问题，以及实际装备型号运行中海量有效数据没有获得很好的挖掘利用的问题；同时，由于本发明的故障分类方法的实施无需依赖于对对象装备的精确物理建模，因此避免了传统复杂系统难以建模的难处，实现了基于海量数据挖掘的故障智能分类及关联参数分析，具有准确率可控的故障分类能力。

主权项

1.一种基于大数据融合聚类分析的关联参数故障分类方法，其特征在于，包括：/n步骤1)获取对象装备的各种运行数据；/n步骤2)根据对象装备的相关资料，建立涵盖对象装备全部参数的参数判读规则库；/n步骤3)以参数判读规则库的规则为准，对步骤1)中所有的运行数据筛选获得故障数据，将所有故障数据集合形成无分类故障数据集；/n步骤4)将无分类故障数据集通过聚类算法进行有监督的数据自主聚类，获得满足要求的聚类数目和各项聚类中心后，通过确定的各项聚类中心对无分类故障数据集中的所有故障数据进行分类，获得分类故障数据集；/n步骤5)将步骤3)中的无分类故障数据集采用映射-规约算法，生成参数关联概率模型，所述的参数关联概率模型包含对象装备中每一参数发生故障的同时，其他参数也发生故障的概率分布数据；所述的步骤5)具体包括：/n步骤201)依次将包含各条参数的全部故障数据条目分别映射到一起，形成各条参数对应的映射类，所述的映射类包含一个参数的全部故障数据条目及其出现的频度；/n步骤202)计算每一映射类中故障数据条目的总数，作为概率计算的分母；/n步骤203)累计每一映射类中包含除该映射类对应参数之外的其他参数出现的次数，作为概率计算的分子；/n步骤204)将步骤203)中的分子与步骤202)中的分母之比，得到每一参数发生故障的同时，其他参数也发生故障的概率分布数据；/n步骤6)以步骤4)中的分类故障数据集作为故障判别标准，对步骤1)中的所有运行数据采用最近邻算法进行故障类别识别，获得故障分类结果；/n步骤7)将故障分类结果与步骤5)中的参数关联概率模型相结合，获得发生该故障分类结果的所有参数的概率分布数据。/n