[发明专利]一种基于稀疏表示的BIT间歇故障诊断方法在审

专利信息
申请号: 201810045925.6 申请日: 2018-01-17
公开(公告)号: CN108171277A 公开(公告)日: 2018-06-15
发明(设计)人: 屈剑锋;柴毅;颜新华;唐秋;贺孝言;蔡世豪 申请(专利权)人: 重庆大学
主分类号: G06K9/62 分类号: G06K9/62;G06F11/00
代理公司: 暂无信息 代理人: 暂无信息
地址: 400044 *** 国省代码: 重庆;50
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 间歇故障 稀疏表示 数据类型 诊断 训练样本集合 测试样本 稀疏系数 残差 重构 字典 集合 奇异值分解 待测样本 设备历史 剩余数据 稀疏重构 学习算法 学习训练 永久故障 诊断结果 正常数据 分类器 虚警率 构建 标签 采集
【说明书】:

发明公开了一种基于稀疏表示的BIT间歇故障诊断方法。具体方法步骤如下:(1)采集不同设备历史BIT数据,包括正常数据类型、间歇故障数据类型和永久故障数据类型,从每类数据类型中选择70%的数据作为训练样本集合,剩余数据去掉标签作为测试样本集合;(2)利用k奇异值分解学习算法对训练样本集合进行学习训练获,构建过完备字典D;(3)将得到的测试样本集合利用过完备字典D进行稀疏表示,得到稀疏系数;(4)利用稀疏表示分类器将所得稀疏系数进行稀疏重构,得到重构残差;(5)将待测样本归于重构残差最小的类别,即可得到待测BIT数据的诊断结果。本发明能够高效、准确诊断出BIT间歇故障,具有较高的诊断精度,降低了BIT虚警率。

技术领域

本发明涉及基于模式识别的间歇故障诊断技术领域,特别涉及一种基于稀疏表示的BIT间歇故障诊断技术。

背景技术

自20世纪70年代末以来,机内测试(built-in test,BIT)技术作为一种非常实用的故障诊断技术,国内外专家学者在理论上做了大量的研究,在实际应用上也取得了很大的成果。该技术现如今已在各行各业都有广泛的应用,尤其是航空系统和武器装备。目前美国几乎所有的军、民机航空电子系统和武器装备都具备BIT。该技术在提高系统测试性能、简化维修过程和降低保障费用等方面发挥了重要作用。目前,在我国BIT也已成为导弹、卫星、空间站、临近空间飞行器等武器装备的设计与研制项目之一。

然而,根据国内外学者的研究表明,虚警一直是阻碍BIT发展与应用的屏障,其中间歇故障是诱发BIT虚警的重要原因,来自美军装备和电子工业数据表明,间歇故障占整个系统故障的70%~90%。间歇故障通常是在极端环境下、电路出现虚焊或电网波动等条件下产生,不经修复可在有限的时间内自行恢复的故障,其特点是随机性强、持续时间短,若不能及时诊断识别出,将会导致BIT虚警。若能在出现故障的情况下,诊断出该故障属于间歇故障,就不必立即停机对设备进行更换或维修,而是继续监控其状态,当找到诱发间歇故障的原因后,在对其进行针对性维护,从而避免不必要的停机和维修。

进入21世纪以来,随着社会的发展,科学技术的突飞猛进,现代化系统结构日趋复杂、规模不断扩大、自动化程度也越来越高,人们对这类高科技产品的稳定性和安全性的要求也越来越高。近年来,各个国家竞相发展航天飞机、探月工程、深海探索、现代化军事装备等高科技项目,为确保这类系统有一个高效准确的故障诊断技术,这些系统几乎都安装了BIT系统。然而,BIT技术由于虚警的存在(主要是间歇故障),制约其发展的步伐,为解决这一难题,本发明利用稀疏表示对BIT间歇故障进行诊断,能够很好的解决这一现状,对BIT技术的发展具有十分重要的作用。

发明内容

为克服现有技术不足,本发明提供了一种利用稀疏表示,对BIT间歇故障进行诊断的方法。通过采集不同设备历史BIT数据(从中选择70%的数据作为训练样本集合),利用k奇异值分解(K-SVD)学习算法对训练样本集合进行学习训练构造过完备字典,采用稀疏表示对待测数据进行诊断,能高效、准确诊断出当前系统是否处于间歇故障状态。

为达到上述目的,本发明提出了一种基于稀疏表示的BIT间歇故障诊断方法,所述方法包括以下步骤:

1)采集不同设备历史BIT数据,包括正常数据类型、间歇故障数据类型和永久故障数据类型,从每类数据类型中选择70%的数据作为训练样本集合,剩余数据去掉标签作为测试样本集合;

2)利用K-SVD学习算法对训练样本集合进行学习训练获得正常字典D1、间歇故障字典D2和永久故障字典D3,将字典D1、D2、D3组合构成过完备字典D;

3)将得到的测试样本集合利用步骤二所得过完备字典D进行稀疏表示,得到稀疏系数;

4)利用稀疏表示分类器(SRC)将步骤三所得稀疏系数进行稀疏重构,得到重构残差;

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于重庆大学,未经重庆大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201810045925.6/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top