[发明专利]一种发电机故障诊断与健康状态评估方法和电子设备

权利要求书

1.一种发电机故障诊断与健康状态评估方法，其特征在于，包括：

获取发电机的状态监测数据；

对所述状态监测数据进行预处理，获得预处理数据；

对所述预处理数据进行聚类处理，获得聚类数据；

对所述聚类数据进行异常检测处理，获得预测值；

基于所述预测值对发电机进行故障诊断与健康状态评估。

2.根据权利要求1所述的发电机故障诊断与健康状态评估方法，其特征在于，所述对所述状态监测数据进行预处理，获得预处理数据包括：

对所述状态监测数据进行数据清洗，获取所述预处理数据。

3.根据权利要求2所述的发电机故障诊断与健康状态评估方法，其特征在于，所述对所述状态监测数据进行数据清洗，获取所述预处理数据包括：

对所述状态监测数据进行去重处理、去空处理、以及对缺失值的数据进行补全处理，获得所述预处理数据。

4.根据权利要求1所述的发电机故障诊断与健康状态评估方法，其特征在于，所述对所述预处理数据进行聚类处理，获得聚类数据包括：

对所述预处理数据进行降维处理，获得经过降维后的数据；

对所述经过降维后的数据进行归一化处理，获得归一化后的数据；

采用密度聚类法对所述归一化后的数据进行聚类，获得所述聚类数据。

5.根据权利要求4所述的发电机故障诊断与健康状态评估方法，其特征在于，所述采用密度聚类法对所述归一化后的数据进行聚类，获得所述聚类数据包括：

获取所述归一化后的数据中每个数据点的δ邻域；

根据所述每个数据点的δ邻域进行簇搜索；

判断簇内的每一个数据点是否满足聚类条件，若是，则对该簇进行拓展，否则，将该数据点为噪声点；

重复执行聚类条件判断，直至没有新的数据点添加至任意一个簇时，迭代结束，获得所述聚类数据。

6.根据权利要求5所述的发电机故障诊断与健康状态评估方法，其特征在于，所述方法还包括：

判断所述每个数据点中的任意一个数据点的δ邻域包含的数量；

若所述任意一个数据点的δ邻域包含的数量大于给定点数，则创建一个以该数据点为核心对象的簇。

7.根据权利要求1所述的发电机故障诊断与健康状态评估方法，其特征在于，所述对所述聚类数据进行异常检测处理，获得预测值包括：

对所述聚类数据采用SOM异常检测法进行异常检测处理，获得所述预测值。

8.根据权利要求7所述的发电机故障诊断与健康状态评估方法，其特征在于，所述对所述聚类数据采用SOM异常检测法进行异常检测处理，获得所述预测值包括：

对所述聚类数据进行归一化处理，获得归一化后的聚类数据；

对所述归一化后的聚类数据反复训练SOM；

根据反复训练结果，确定最佳匹配单元；

基于所述最佳匹配单元，获得所述预测值。

9.根据权利要求8所述的发电机故障诊断与健康状态评估方法，其特征在于，所述对所述归一化后的聚类数据反复训练SOM包括：

每训练一步，计算SOM权值与归一化后的聚类数据之间的欧式距离；

选取最短的欧式距离；

根据所述最短欧式距离确定所述最佳匹配单元；

所述最佳匹配单元为与所述最短欧式距离对应的神经元。

10.根据权利要求8所述的发电机故障诊断与健康状态评估方法，其特征在于，所述基于所述最佳匹配单元，获得所述预测值包括：

根据所述最佳匹配单元，获得所述最佳匹配单元对应的权值矢量；

计算所述最佳匹配单元对应的权值矢量与输入特征矢量之间的距离；

所述最佳匹配单元对应的权值矢量与输入特征矢量之间的距离为所述预测值。