[发明专利]一种基于模型和数据驱动融合的不完备系统故障诊断方法

摘要

本发明涉及一种基于模型和数据驱动融合的不完备系统故障诊断方法，基于模型的方法采用粒子滤波器，数据驱动的方法采用支持向量数据描述；系统的模型空间分为三部分已知故障模型空间、学习获得的故障模型空间、未知故障空间；粒子滤波器方法用于已知模型空间故障诊断；支持向量数据描述方法用于学习获得的故障模型空间故障诊断以及在发现未知的故障时对其进行建模。

主权项

一种融合基于模型和数据驱动的方法用于不完备建模系统故障诊断，基于模型的方法采用粒子滤波器，数据驱动的方法采用支持向量数据描述；系统的模型空间分为三部分：已知故障模型空间、学习获得的故障模型空间、未知故障空间；粒子滤波器方法用于已知模型空间故障诊断；支持向量数据描述方法用于学习获得的故障模型空间故障诊断以及在发现未知的故障时对其进行建模；具体实现步骤如下：步骤1：初始化，具体包括：（1a）设置参数，，N，，t,，k，，，其中表示连续出现未知故障的次数，表示构建新故障模型所需样本数目的最小值，N表示粒子数目，表示当前状态为已知故障模型前提下非规格化权重的最小值，t表示当前时间步，表示学习获得的故障模型空间，k表示学习获得的故障模型数目，表示已知故障模型空间，表示已知故障模型数目；（1b）从先验分布采样离散状态样本, 从先验分布采样连续状态样本,步骤2：获取t时间步的传感器读数；步骤3：重要性采样，根据转移概率分布抽取离散状态样本，根据状态方程抽取连续状态样本；步骤4：更新，计算样本非规格化权重；步骤5：计算规格化因子，；步骤6：未知故障检测，如果，令等于+1，转步骤11，否则令=0，转步骤7；步骤7：计算边缘分布，其中；步骤8：离散状态估计；步骤9：权重规格化；步骤10：重采样，根据生成新的粒子集合，令，且，转步骤16；步骤11：m=1；步骤12：如果m>k则转步骤14；步骤13：判断是否属于第m个支持向量数据描述器，如果则令+，=0，转步骤16；否则令m=m+1，转步骤12；（其中，为第m个支持向量描述器的支持向量数目，为第m个支持向量描述器的第l个支持向量，为第m个支持向量描述器中第l个支持向量的拉格朗日乘子，，为第m个支持向量描述器的半径）步骤14：=+1；步骤15：如果≥，则令k=k+1，利用样本集合训练第k个支持向量描述器，（），=0；步骤16：判断是否有新的传感器数据，如果没有则退出；否则，令t=t+1，转步骤2。