[发明专利]一种具有归纳学习的用电信息采集故障诊断方法及系统

权利要求书

1.一种具有归纳学习的用电信息采集故障诊断方法，其特征在于，包括如下步骤：

步骤一、根据用电信息采集系统历史故障异常多维数据指标确立故障异常指标矩阵A＝|a₁,a₂,…a_n|，n＝59，a_n表示第n中故障异常指标；

步骤二、建立异常现象与故障原因相对应的隶属度矩阵m＝98；r_nm表示第n中异常现象与第m种故障原因之间的隶属度；

所述隶属度矩阵R通过如下式建立：

ε取[0,1]之间的数，i表示第i个故障异常现象，j表示第j个故障原因，r_ij表示异常现象a_i与指定的故障原因b_j的隶属度；s表示参与基于集值统计专家判断的专家总人数，r₁表示专家对r_ij给出的范围下限，r₂表示专家对r_ij给出的范围上限，d_i表示基于集值统计的专家判断主观部分的可信度，c_i表示基于集值统计的专家判断客观部分的可信度；k表示第k个专家；

隶属度矩阵R是由两部分组成，一部分是基于集值统计的专家判断主观部分：即：选择s个的专家对指定的异常现象a_i与指定的故障原因b_j的隶属度r_ij进行判定，给出r_ij的范围(r₁^k,r₂^k)，其中k表示第k个专家，一般限定r₁^k和r₂^k的范围是[0,1]；然后通过对专家给出的意见样本进行求取意见分歧度g_i，g_i计算公式如下：

式中而将主观部分可信度定义为d_i：

另一部分是既定事实的客观部分：其中，N表示历史故障数据中的故障次数；i表示第i个故障异常现象，j表示第j个故障原因；r_ij表示异常指标a_i与指定的故障原因b_j的隶属度；a_ik表示第k次历史故障数据中的故障异常指标a_i；

步骤三、将主因素决定模型，取小上界求和模型，加权平均模型，主因素突出模型，均衡平均模型对应的故障原因集B₁，B₂，B₃，B₄，B₅整合到总的故障原因集B＝x₁·B₁+x₂·B₂+x₃·B₃+x₄·B₄+x₅·B₅；其中x₁，x₂，x₃，x₄，x₅分别为权重系数；将发生故障的故障异常指标矩阵A与对应的隶属度矩阵R代入总的故障原因集B中，根据隶属度最大原则选出最有可能的故障原因作为判断出的故障原因即选择故障原因集B中的最大值。