[发明专利]一种风机叶片结冰故障检测方法

权利要求书

1.一种风机叶片结冰故障检测方法，其特征在于：所述风机叶片结冰故障检测方法包括以下步骤：

步骤(1)，获取风机运行数据并进行预处理，最终获取能够用于宽度学习系统输入的数据集，该步骤主要由以下子步骤实现：

步骤(1.1)，获取风机I个可用的历史数据，每个历史数据具有J个特征变量，将I个历史数据描述为一个二维矩阵V(I×J)；

步骤(1.2)，将二维矩阵V中相关性较强的数据特征进行合并处理以减小特征维度；

步骤(1.3)，将处理好的数据集划分为训练集和测试集，将划分后的训练集描述为一个具有N个样本，每个样本具有M个特征变量的二维矩阵X(N×M)；

步骤(2)，使用步骤(1)处理好的数据来训练宽度学习系统得到的诊断模型，模型训练完成后是一个二分类模型，两种分类代表结冰与不结冰两种状态，该步骤主要由以下子步骤实现：

步骤(2.1)，随机生成权重矩阵W_ei和偏置矩阵β_ei，映射生成特征节点(Mapped Feature)Z_i，其中Z_i＝φ(XW_ei+β_ei)，φ是激活函数，i＝1......n，使用Zⁿ≡[Z₁,...,Z_n]表示n个特征节点组成的特征节点集合；

步骤(2.2)，随机生成权重矩阵W_hj和偏置矩阵β_hj，映射生成增强节点(Mapped Node)H_j，其中H_j＝ξ(ZW_hj+β_hj)，ξ是激活函数，j＝1......m，使用H^m≡[H₁,...,H_m]表示m个增强节点组成的增强节点集合；

步骤(2.3)，将Zⁿ和H^m进行矩阵拼接得到作为最终的网络输入层，网络输出其中使用A⁺＝[Zⁿ|H^m]⁺代表矩阵的伪逆，计算公式为

步骤(2.4)，使用训练集对诊断模型进行训练，并使用测试集进行诊断模型测试，若测试结果的准确率要求则完成模型的训练，直接进入步骤(3)，否则进行步骤(2.5)；

步骤(2.5)，当诊断模型精度达不到要求时，可以通过增加特征节点或增强节点来横向添加节点增加诊断模型的拟合能力；

步骤(2.5.1)，当选择增加增强节点时，随机生成权重矩阵和偏置矩阵计算生成增强特征H_m+1，其中更新输入矩阵更新网络权重其中

步骤(2.5.2)，当选择增加特征节点时，随机生成权重矩阵和偏置矩阵计算生成特征节点Z_n+1，其中随机生成权重矩阵和偏置矩阵计算生成增强节点其中更新输入矩阵更新网络权重其中

步骤(3)，对待测数据进行与步骤(1)相同的数据预处理后，使用步骤(2)得到的诊断模型进行诊断测试，当新增数据达到一定数量后，同时利用增量学习的方法对模型进行更新，新增数据表示为X_a，模型更新步骤如下：

步骤(3.1)，使用新增数据X_a，根据已经存在的参数生成新对应的特征节点和增强节点表示为其中更新后的输入矩阵可以表示为

步骤(3.2)，求出的伪逆及模型的新权重实现模型的更新；

步骤(4)，根据步骤(3)中的诊断结果判断风机叶片是否结冰，若诊断为结冰则报警，若正常则回到步骤(3)，在实现对风机叶片结冰故障实时检测的同时完成模型的更新。

2.根据权利要求1所述的一种风机叶片结冰故障检测方法，其特征在于，所述步骤(1.2)中，二维矩阵V中数据特征合并的相关性以皮尔逊相关性系数进行计算。

3.根据权利要求1所述的一种风机叶片结冰故障检测方法，其特征在于，所述步骤(2.1)中，生成映射节点Z_i的所用的激活函数φ取relu函数。