[发明专利]基于定性趋势分析和五状态贝叶斯网络的故障诊断方法、系统、设备及存储介质

权利要求书

1.一种基于定性趋势分析和五状态贝叶斯网络的故障诊断方法，其特征在于，包括：

将多变量时序数据整理成多变量时间窗口数据；

通过多变量时间窗口数据寻找最佳的分割点来获取两个线性片段，对线性片段采用五种趋势状态进行描述；

构建变量因果关系网络，并根据变量的因果关系网络，构建五种状态的贝叶斯网络，计算五种状态的贝叶斯网络中节点状态之间的条件概率信息；

利用条件概率信息对变量的实际趋势状态进行诊断，获取故障产生原因及故障传播途径。

2.根据权利要求1所述的基于定性趋势分析和五状态贝叶斯网络的故障诊断方法，其特征在于，多变量时序数据有两个维度：一个变量维度，表示每一个变量；一个时间维度，表示每一个采样点；

将多变量时序数据整理成固定定时间长度的多变量时间窗口数据，其中，L为10min～10h。

3.根据权利要求1所述的基于定性趋势分析和五状态贝叶斯网络的故障诊断方法，其特征在于，两个线性片段的表达式如公式(1)和公式(2)所示：

其中，i表示多变量时间窗口数据内的采样时刻，和分别表示两个线性片段的开始时刻；和分别表示两个线性片段中变量在和时刻的测量值；p₁和p₂是两个线性片段的斜率；

使用最小二乘法进行拟合得到两个线性片段的斜率p₁和p₂，两个线性片段的斜率p₁和p₂的计算方法如公式(3)和公式(4)所示：

其中，t_k表示两个线性片段的分割点，t_k＝5,6,…,L–5；1～t_k为前一段片段，t_k+1～L为后一段片段；和分别表示两个线性片段内采样时刻的平均值，和分别表示两个线性片段内测量值的平均值。

4.根据权利要求3所述的基于定性趋势分析和五状态贝叶斯网络的故障诊断方法，其特征在于，采用遍历法寻找分割点分割点的计算公式如公式(5)所示：

将预测值和和测量值y₁和y₂差值的绝对值之和作为拟合误差，通过寻找最小拟合误差作为两个线性片段的分割点

5.根据权利要求3所述的基于定性趋势分析和五状态贝叶斯网络的故障诊断方法，其特征在于，对后一段片段用正常、上升、下降、正步和负步来描述；

当|p|≤p_th且|I_d|＞h_tc且I_d0，后一段片段为正步；

当|p|≤p_th且|I_d|＞h_tc且I_d＜0，后一段片段为负步；

当|p|≤p_th且|I_d|≤h_tc，后一段片段为不变；

当|p|＞p_th且p＞0，后一段片段为上升；

当|p|＞p_th且p＜0，后一段片段为下降；

其中，I_d表示前后两个线性片段连接点的差值；p_th用来与变量线性片段的变化斜率p进行比较，判断线性片段趋势是否不变；h_tc用来与变量前后两个线性片段连接点的差值I_d进行比较，判断后一段线性片段趋势在不变时是否有阶跃变化。