[发明专利]一种基于两分类Fisher判别分析的故障诊断方法

摘要

本发明公开一种基于两分类Fisher判别分析的故障诊断方法，旨在通过变量选择提高Fisher判别分析模型用于故障诊断的可适用性与分类正确率。该发明方法首先利用遗传算法选择出每种故障类型最能区别于正常数据的特征变量集，然后利用特征变量建立正常数据与每类故障数据之间的两分类的Fisher判别分析模型。最后，利用多个两分类的Fisher判别模型实施故障分类诊断。本发明方法由于采用遗传算法优化选择特征变量集，能最大化地消去非特征变量的干扰影响，还能起到降维的作用，这在一定程度上降低了参考故障样本数量有限对建模的限制性。另外，本发明方法由于采用两分类判别模型，每个模型对某一特定故障类型就具有针对性，从而可以提高模型分类正确率。

主权项

一种基于两分类Fisher判别分析的故障诊断方法，其特征在于，包括以下步骤：(1)收集生产过程正常运行状态下的采样数据，组成数据矩阵X0∈Rn×m，收集生产过程在不同故障操作状态下的采样数据，组成不同的参考故障数据集其中，n为训练样本数，m为过程测量变量数，下标号c＝1，2，…，C表示第c种参考故障类型，Nc为第c种故障的可用样本数，R为实数集，Rn×m表示n×m维的实数矩阵；(2)对矩阵X0进行标准化处理，得到均值为0，标准差为1的新数据矩阵并利用矩阵X0的均值向量与标准差向量对进行同样的标准化处理，得到矩阵(3)利用遗传算法找出第c种故障类型数据最能区别于正常数据的特征变量集，记做θc；(4)利用特征变量集θc从矩阵与中选出相应的变量(即矩阵的列)，对应组成新矩阵与(5)利用Fisher判别分析算法建立与之间的两分类判别模型，并保留模型参数集Θc以备调用；(6)重复步骤(3)～(5)直至得到所有故障类型的特征变量集θ1，θ2，…，θC，和两分类Fisher判别模型参数集Θ1，Θ2，…，ΘC；(7)当系统已有的故障检测系统触发故障警报后，对新采集到的故障样本z∈R1×m实施故障分类诊断。