[发明专利]一种两阶段的设备故障诊断方法

权利要求书

1.一种两阶段的设备故障诊断方法，其特征在于，包括以下步骤：

步骤1、数据处理步骤：根据传感器采集到的数据，对数据进行清洗以及统一化处理；

步骤2、基于案例搜索的故障诊断步骤：对于采集到的数据在事先建立好的案例库中通过K近邻方法进行搜索，基于预设的阈值，对于搜索到的案例，返回对应的故障类型信息后结束，对于没有搜索到的案例继续执行步骤3；

步骤3、基于时间特征的故障判断步骤：根据广义自回归条件异方差模型对获得的设备状态特征数据进行计算，根据此值对设备的故障与否进行判断；若判断为存在故障，则继续执行步骤4，否则返回不存在故障的信息后结束；

步骤4、基于层次的深度神经网络故障预测步骤：根据诊断对象的特点，对系统进行分解，建立合适的层次分类模型，利用层次分类模型计算获得对应的故障类型。

2.如权利要求1所述的方法，其特征在于，步骤1具体包括：

步骤11：采用基于均值的数据补全方法处理缺失数据：存储基于当前时间的前后5条数据，将均值作为数据的填充依据；

步骤12：对于冗余数据，采用序列相似度方法来进行冗余数据的消除：序列相似度采用特征向量之间的欧式距离之和作为衡量标准，并设置阈值，大于阈值的数据则判定为冗余数据被丢弃，序列相似度计算公式如下：

Sim(af)=Σe=1e=10Sim(af,ae)---(1)]]>

其中，a_f表示收到的第f个特征向量，a_e表示a_f前收到的10个特征向量中的第e个，Sim(a_f,a_e)表示a_f与a_e之间的欧式距离；

步骤13：采用0-1值法对数据进行离散化：对于采集到的全部数据的每一维计算平均值作为阈值，对于大于等于阈值的数据置为1，小于阈值的数据置为0。