[发明专利]一种基于支持向量数据描述的故障检测方法

权利要求书

1.一种基于支持向量数据描述的故障检测方法，其特征在于，包括如下步骤：

步骤1：在核源平台上采集正常训练数据；

步骤2：局部保持投影方法得到正常训练数据的投影数据以及投影矩阵；

步骤3：投影后的数据预处理；

步骤4：训练支持向量数据描述模型；

步骤5：在线采集数据；

步骤6：根据投影矩阵计算投影后的在线数据；

步骤7：投影后的在线数据预处理；

步骤8：处理后的数据输入支持向量数据模型计算实时统计量；

步骤9：判断D与R的大小。

2.如权利要求1所述的一种基于支持向量数据描述的故障检测方法，其特征在于：所述的步骤2包括采集到正常数据集{x₁，x₂，…，x_n∈R^m}，正常工况下的高维数据集会具有特定的流形结构，采用局部保持投影算法进行特征提取，通过构建邻接图、计算邻接关系矩阵以及目标函数的特征映射，按照特征值λ的大小排序，获得正常数据集的投影矩阵A，如下式所示：

X→Y＝A^Tx_i，A＝(a₀，a₁，...，a_i-1)

其中，X是正常数据集、Y是投影后的数据集、A为投影矩阵。

3.如权利要求1所述的一种基于支持向量数据描述的故障检测方法，其特征在于：所述的步骤3包括如式所示：

其中，y_i∈Y，表示第i个正常投影数据，y_i是经过预处理之后得到的第i个数据，y_max，y_min分别表示投影样本中的最大值和最小值。

4.如权利要求1所述的一种基于支持向量数据描述的故障检测方法，其特征在于：所述的步骤4包括根据低维局部保持投影空间Y建立支持向量数据描述超球平面，并且根据式计算出超球平面的半径R²作为故障检测模型的阈值，

其中，α_i代表第i个约束的拉格朗日乘子，y_s代表支持向量，K(y_i，y_j)代表两个样本在高维内核空间的内积。

5.如权利要求1所述的一种基于支持向量数据描述的故障检测方法，其特征在于：所述的步骤5包括采集到运行下的数据，并将其清洗为结构化的数据。

6.如权利要求1所述的一种基于支持向量数据描述的故障检测方法，其特征在于：所述的步骤6包括每当进入一组在线的新数据x_new，根据式计算在线数据的低维局部保持投影空间向量Y_new

y_new＝A^Tx_new。

7.如权利要求1所述的一种基于支持向量数据描述的故障检测方法，其特征在于：所述的步骤7包括参照步骤3，将投影后的在线数据进行同样方式的预处理。

8.如权利要求1所述的一种基于支持向量数据描述的故障检测方法，其特征在于：所述的步骤8包括计算出Y_new中每个样本点到超平面中心的距离D²作为故障检测模型的实时统计量

9.如权利要求1所述的一种基于支持向量数据描述的故障检测方法，其特征在于：所述的步骤9包括当D²小于R²时，说明此时的样本点在超球体里面，属于正常工况，当D²大于R²时，说明这个样本点出现了故障。