[发明专利]一种水冷冷水机组故障诊断方法及系统

权利要求书

1.一种水冷冷水机组故障诊断方法，其特征在于，包括：

获取现场水冷冷水机组系统的历史数据和实测数据；

对获取到的历史数据和实测数据分别进行特征选取，得到训练数据集和待分类数据集；

对训练数据集进行降维变换，得到训练数据集在特征空间中的投影函数及特征数据集；

使用投影函数对待分类数据集进行降维变换，得到待分类数据集中待分类数据在特征空间中的坐标；

基于得到的坐标，采用基于动态质心的分类方法在特征数据集中匹配故障类别，得到现场水冷冷水机组系统实测的故障类别。

2.根据权利要求1所述的水冷冷水机组故障诊断方法，其特征在于，所述获取现场水冷冷水机组系统的历史数据和实测数据，包括：通过现场水冷冷水机组系统中安装的传感器直接采集的数据和根据直接采集的数据经过计算得到的数据。

3.根据权利要求1所述的水冷冷水机组故障诊断方法，其特征在于，所述特征选取为：选取用于故障诊断的参数，特征选取原则为：

在故障发生时变化显著的参数、在故障发生时变化稳定的参数、采集或计算成本较低的参数。

4.根据权利要求1所述的水冷冷水机组故障诊断方法，其特征在于，所述降维变换的表达式为：

x→z＝Θ^TK(:,X) (1)

式(1)中，训练数据集是一个N×n的矩阵X，矩阵X由N条历史数据构成，X＝(X₁，X₂，…，X_N)^T；式(1)将n维矩阵X降维到(c-1)维的特征空间z中，x表示矩阵X在n维特征空间中的矩阵，c表示训练数据集中故障类别数；

变换矩阵Θ＝[α₁，α₂，…，α_c-1]是N×(c-1)的矩阵；

5.根据权利要求4所述的水冷冷水机组故障诊断方法，其特征在于，所述投影函数，通过下式表示：

式(2)中，w是投影向量，实现了训练数据集的矩阵X到特征数据集的矩阵X′的映射，α_i是特征向量，K是核函数。

6.根据权利要求1所述的水冷冷水机组故障诊断方法，其特征在于，所述基于动态质心的分类方法，包括：

基于特征数据集，计算各类别故障在特征空间中的质心，确定各故障类别簇的方向；

基于待分类数据在特征空间中的坐标，确定各类别故障在特征空间中的动态质心；

计算待分类数据在特征空间中的坐标与动态质心的曼哈顿距离；

曼哈顿距离最近的动态质心代表的故障类别为待分类数据的故障类别。

7.根据权利要求6所述的水冷冷水机组故障诊断方法，其特征在于，所述确定各类别故障在特征空间中的动态质心，包括：

计算各待分类数据距离原点的曼哈顿距离||x||₁；

基于计算得到的曼哈顿距离||x||₁，将各个故障类别簇的位置坐标作为该故障类别的动态质心，||x_k||₁＝||x||₁，||x_k||₁为第k类故障簇中样本距离原点的曼哈顿距离。