一种基于数据驱动的自适应多层流模型设备诊断方法

摘要

本发明公开了一种基于数据驱动的自适应多层流模型设备诊断方法，结合了基于数据驱动方法的较好的准确性和基于多层流模型方法的较好的可解释性，克服了传统多层流模型方法中固定异常报警阈值容易造成漏警，从而造成诊断结果错误的问题。依据基于数据驱动的设备状态分类识别结果，自适应的调整多层流模型的异常报警阈值，并通过多层流模型异常检测和诊断推理进一步确认当前的设备状态，加强设备故障诊断的可靠性。该设备诊断方法具有重要的科学研究价值与工程应用价值。

主权项

一种基于数据驱动的自适应多层流模型设备诊断方法，其特征在于实现步骤如下：（1）对传感器获取的设备监测信号进行预处理；（2）使用基于数据驱动的方法所训练的分类器依据预处理后信号对当前设备状态进行分类识别；（3）根据分类器的分类结果确定设备状态，依据设备状态调整多层流模型的异常报警阈值为对应该状态的一组数值，采用的是基于数据驱动的多层流模型自适应阈值确定方法；（4）以调整后阈值进行异常检测，当多层流模型检测到异常时，进行推理诊断，如果多层流模型诊断方法诊断出的设备状态和分类器识别出的设备状态一致，则故障诊断结果确认；如果诊断出的设备状态和识别出的设备状态不一致，则继续循环检测，提示有故障可能，但无法确定故障类别。