一种基于协方差矩阵范数逼近的多重故障重构方法

摘要

本发明公开了一种基于协方差矩阵范数逼近的多重故障重构方法，该方法包括：收集正常数据集和故障数据集；基于正常数据集和故障数据集采用奇异值分解计算加性故障的方向矩阵；基于正常数据集和故障数据集采用协方差矩阵范数逼近计算增益衰减矩阵；根据加性故障的方向矩阵和增益衰减矩阵计算故障重构数据，以用于设备故障的检测分析。该方法能够更为准确地提取加性故障的方向，有效减小故障重构误差，对故障的描述更为全面和准确，同时还能够获得增益衰减信息。

主权项

一种基于协方差矩阵范数逼近的多重故障重构方法，其特征在于，所述方法包括：收集正常数据集和故障数据集；基于正常数据集和故障数据集采用奇异值分解计算加性故障的方向矩阵；基于正常数据集和故障数据集采用协方差矩阵范数逼近计算增益衰减矩阵；根据所述加性故障的方向矩阵和增益衰减矩阵计算故障重构数据，以用于设备故障的检测分析；其中，所述计算加性故障的方向矩阵的步骤进一步包括：采用预设窗口长度的滑动窗口分别对所述正常数据集和故障数据集进行滑动平均，构建相应的正常数据平均值矩阵和故障数据平均值矩阵；确定所述正常数据平均值矩阵各元素的绝对值中的最大值；将所述故障数据平均值矩阵中各元素的绝对值与所述正常数据平均值矩阵各元素的绝对值中的最大值进行比较，并根据比较结果对故障数据平均值矩阵中相应的元素进行重置，获得扰动去除数据矩阵；对所述扰动去除数据矩阵进行奇异值分解，得到加性故障的方向矩阵。