[发明专利]汽轮机故障严重程度的评估方法、终端设备及存储介质

摘要

本发明涉及一种汽轮机故障严重程度的评估方法，包括以下步骤：S1、获取根据汽轮机故障严重程度的分类数据；S2、将特征集合A划分为两个特征子集：单调特征子集Am和非单调的特征子集Anm；S3、从单调特征子集Am中计算获得最好的单调特征子集Amp；S4、从非单调的特征子集Anm与最好的单调特征子集Amp中计算获得最好的特征子集Ap；S5、基于汽轮机的样本集合U＝{x1,x2,...,xn}，获取Ap的所有特征，以故障的严重程度D＝{d1,d2,...,dk}为类别，作为分类器的训练样本，构建训练出一个分类模型，训练结果记为Me；S6、以模型Me为故障严重程度的评估模型，对待评判的数据进行分类，分类结果也在D＝{d1,d2,...,dk}中，此即对应故障的严重程度。

主权项

1.一种汽轮机故障严重程度的评估方法，其特征在于：所述评估方法包括以下步骤：S1：获取根据汽轮机故障严重程度的分类数据，汽轮机的样本集合记为U＝{x1,x2,...,xn}，这些样本的特征集合记为A＝{a1,a2,...,aj}，这样每个样本由A进行描述，而故障的严重程度为D＝{d1,d2,...,dk}，从而样本xi在特征aj∈A和故障的严重程度D上的取值分别记为v(xi,aj)和v(xi,D)；S2：将特征集合A划分为两个特征子集：单调特征子集Am和非单调的特征子集Anm；S3：从单调特征子集Am中计算获得最好的单调特征子集Amp；S4：从非单调的特征子集Anm与最好的单调特征子集Amp中计算获得最好的特征子集Ap；S5：基于汽轮机的样本集合U＝{x1,x2,...,xn}，获取Ap的所有特征，以故障的严重程度D＝{d1,d2,...,dk}为类别，作为分类器的训练样本，构建训练出一个分类模型，训练结果记为Me；S6：以模型Me为故障严重程度的评估模型，对待评判的数据进行分类，分类结果也在D＝{d1,d2,...,dk}中，此即对应故障的严重程度。