主权项 |
1.监测系统故障自诊断方法,其特征是,该方法包括下列步骤:(1)对不同测值的序列进行关联度分析;(2)利用测值序列间关联度构件模糊关系矩阵;(3)对测值序列进行模糊聚类分析,分析测值异常原因,对监测系统运行状态作出判断;所述步骤(1)中采用绝对关联度进行分析,所述测值序列中,x<sub>i</sub>和x<sub>j</sub>分别为参考序列和比较序列,即:X<sub>i</sub>={x<sub>i</sub>(k)|k=1,2,...,n} (1)X<sub>j</sub>={x<sub>j</sub>(k)|k=1,2,...,n} (2)对长度相同的两序列求其始点零化象<img file="FSB00000248679700011.GIF" wi="98" he="72" /><maths num="0001"><![CDATA[<math><mrow><msubsup><mi>X</mi><mi>l</mi><mn>0</mn></msubsup><mo>=</mo><mrow><mo>(</mo><msubsup><mi>x</mi><mi>l</mi><mn>0</mn></msubsup><mrow><mo>(</mo><mn>1</mn><mo>)</mo></mrow><mo>,</mo><msubsup><mi>x</mi><mi>l</mi><mn>0</mn></msubsup><mrow><mo>(</mo><mn>2</mn><mo>)</mo></mrow><mo>,</mo><mo>.</mo><mo>.</mo><mo>.</mo><mo>,</mo><msubsup><mi>x</mi><mi>l</mi><mn>0</mn></msubsup><mrow><mo>(</mo><mi>n</mi><mo>)</mo></mrow><mo>)</mo></mrow><mo>,</mo><mrow><mo>(</mo><mi>l</mi><mo>=</mo><mi>i</mi><mo>,</mo><mi>j</mi><mo>)</mo></mrow><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>3</mn><mo>)</mo></mrow></mrow></math>]]></maths>其中<img file="FSB00000248679700013.GIF" wi="435" he="59" />按式(4)即可求得两序列的绝对关联度:<maths num="0002"><![CDATA[<math><mrow><msub><mi>r</mi><mi>ij</mi></msub><mo>=</mo><mfrac><mrow><mn>1</mn><mo>+</mo><mo>|</mo><msub><mi>S</mi><mi>i</mi></msub><mo>|</mo><mo>+</mo><mo>|</mo><msub><mi>S</mi><mi>j</mi></msub><mo>|</mo></mrow><mrow><mn>1</mn><mo>+</mo><mo>|</mo><msub><mi>S</mi><mi>i</mi></msub><mo>|</mo><mo>+</mo><mo>|</mo><msub><mi>S</mi><mi>j</mi></msub><mo>|</mo><mo>+</mo><mo>|</mo><msub><mi>S</mi><mi>j</mi></msub><mo>-</mo><msub><mi>S</mi><mi>i</mi></msub><mo>|</mo></mrow></mfrac><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>4</mn><mo>)</mo></mrow></mrow></math>]]></maths>式中<maths num="0003"><![CDATA[<math><mrow><msub><mi>S</mi><mi>l</mi></msub><mo>=</mo><msubsup><mo>∫</mo><mn>1</mn><mi>n</mi></msubsup><mrow><mo>(</mo><msub><mi>X</mi><mi>l</mi></msub><mo>-</mo><msub><mi>x</mi><mi>l</mi></msub><mrow><mo>(</mo><mn>1</mn><mo>)</mo></mrow><mo>)</mo></mrow><mi>dt</mi><mo>=</mo><msubsup><mo>∫</mo><mn>1</mn><mi>n</mi></msubsup><msubsup><mi>X</mi><mi>l</mi><mn>0</mn></msubsup><mi>dt</mi><mo>≈</mo><munderover><mi>Σ</mi><mrow><mi>k</mi><mo>=</mo><mn>2</mn></mrow><mrow><mi>n</mi><mo>-</mo><mn>1</mn></mrow></munderover><msubsup><mi>x</mi><mi>l</mi><mn>0</mn></msubsup><mrow><mo>(</mo><mi>k</mi><mo>)</mo></mrow><mo>+</mo><mfrac><mn>1</mn><mn>2</mn></mfrac><msubsup><mi>x</mi><mi>l</mi><mn>0</mn></msubsup><mrow><mo>(</mo><mi>n</mi><mo>)</mo></mrow><mo>,</mo><mrow><mo>(</mo><mi>l</mi><mo>=</mo><mi>i</mi><mo>,</mo><mi>j</mi><mo>)</mo></mrow><mo>;</mo></mrow></math>]]></maths>所述步骤(2)中,假设监测系统有m个测点,每个测点各测得n个测值,则这m段测值序列Y={Y<sub>1</sub>,Y<sub>2</sub>,...,Y<sub>m</sub>}构成n维空间的样本向量集,任意样本向量Y<sub>i</sub>为:<maths num="0004"><![CDATA[<math><mrow><msub><mover><mi>Y</mi><mo>‾</mo></mover><mi>i</mi></msub><mo>=</mo><msup><mrow><mo>{</mo><msub><mi>y</mi><mrow><mi>i</mi><mn>1</mn></mrow></msub><mo>,</mo><msub><mi>y</mi><mrow><mi>i</mi><mn>2</mn></mrow></msub><mo>,</mo><mo>.</mo><mo>.</mo><mo>.</mo><mo>,</mo><msub><mi>y</mi><mi>in</mi></msub><mo>}</mo></mrow><mi>T</mi></msup></mrow></math>]]></maths>其中y<sub>ij</sub>(i=1,2,...,m;j=1,2,...,n)是第i个测点的第j个测值;用步骤(1)中求得的关联度r<sub>ij</sub>(0≤r<sub>ij</sub>≤1),量化Y中两两元素间的彼此接近程度,将r<sub>ij</sub>组成的矩阵R作为模糊关系矩阵。 |