一种故障预测方法及系统

摘要

本发明涉及一种故障预测方法及系统。该故障预测方法包括：步骤1，计算核主元；步骤2，根据控制限检测故障。本发明在针对旋转机械的故障预测中采用基于KPCA故障重构的方法，可以很好地解决过程数据的非线性问题，从隐含故障的数据中挖掘出故障方向并估计出故障幅值，也考虑到了故障的多维特性，可以获得更加精确的故障预测结果。

主权项

一种故障预测方法，其特征在于，包括：步骤1，计算核主元；步骤2，根据控制限检测故障；该方法还包括根据下式确定故障幅值：$f^{(m+1)}=\frac{{\Xi }^{T}B{(x-\Xi f^{\left(m\right)})}^T[1_n+(I-1_{n\times n})M_s\bar{k}(x-\Xi f^{\left(m\right)})]}{k{(x-\Xi f^{\left(m\right)})}^T[1_n+(I-1_{n\times n})M_s\bar{k}(x-\Xi f^{\left(m\right)})]};$其中f是故障幅值，Ξ是故障方向，1_n×n为n×n维矩阵，矩阵元素为x₁至x_n是测量数据，x为故障下的测量数据，$B(x-\Xi f^{\left(m\right)})=\left[\begin{array}{c}k(x_1,x-\Xi f^{\left(m\right)}){(x-x_1)}^T\\ k(x_2,x-\Xi f^{\left(m\right)}){(x-x_2)}^T\\ .\\ .\\ .\\ k(x_n,x-\Xi f^{\left(m\right)}){(x-x_n)}^T\end{array}\right],$$\bar{k}(x-\Xi f^{\left(m\right)})$为${[\bar{k}(x_1,x-\Xi f^{\left(m\right)}),\bar{k}(x_2,x-\Xi f^{\left(m\right)}),...,\bar{k}(x_n,x-\Xi f^{\left(m\right)})]}^T,$k(x‑Ξf^(m))为[k(x₁,x‑Ξf^(m)),k(x₂,x‑Ξf^(m)),...,k(x_n,x‑Ξf^(m))]^T，k(·)是核函数，是归一化矩阵中的核函数，$M^{-1}=\mathrm{diag}(\frac{1}{{\mu }_1},\frac{1}{{\mu }_2},...,\frac{1}{{\mu }_p}),P_{\bar{k}}=[{\beta }_1,{\beta }_2,...,{\beta }_p],$$M_s=P_{\bar{k}}{M}^{-1}{P_{\bar{k}}}^T,$m表示递推的次数。