权利要求书： 1.一种基于典型变量分析与隐马尔可夫的智能电厂送风机故障退化状态预测方法，其特征在于，该方法包括以下步骤：(1)获取过程分析数据：设送风机的闭环控制系统中包含J个过程变量，每次采样可以得到一个1×J的向量，采样M次后得到一个故障退化过程下的二维矩阵X(M×J)；(2)提取能够反映送风机发生故障时其闭环控制系统动态调节过程的特征；使用以下子步骤来提取特征：(2.1)当送风机发生故障时，在其闭环控制系统的动态调节过程中，其过程变量的值与过去一段时间的测量值有关；用CA对送风机的闭环控制系统的故障数据进行分析，提取时序相关的特征Z；CA的具体步骤如下：(2.1.1)为了考虑数据的时序相关性，在每个时间点t，按如下方式构造过去向量xp(t)和未来向量xf(t)：T T T T Jhxp(t)＝[xt?1 ,xt?2 ,...,xt?h]∈R (1)T T T T Jlxf(t)＝[xt ,xt+1 ,...,xt+l?1]∈R (2)其中，h、l代表滞后数，xt表示t时刻所采集的过程变量向量；(2.1.2)对过去向量xp(t)和未来向量xf(t)进行标准化，然后将不同时刻的过去向量和未来向量按如下形式排列成过去矩阵Xp和未来矩阵Xf：T T T Jh×NXp＝[xp(t) ,xp(t+1) ,...,xp(t+M) ]∈R (3)T T T Jl×NXf＝[xf(t) ,xf(t+1) ,...,xf(t+M) ]∈R (4)其中，N＝M?h?l+1；(2.1.3)CA的目标是找到过程变量的线性组合，以最大化过去矩阵Xp和未来矩阵Xf之间的相关性；此优化问题可以通过下面的奇异值分解得到解决：其中，Σpp，Σff和Σpf分别是矩阵Xp和Xf的协方差矩阵和互协方差矩阵；对角阵Λ＝diag(γ1,γ2,...,γr,0,...,0)，γ1≥...≥γr，γi表示典型相关值；(2.1.4)求出状态空间和残差空间的投影矩阵：其中矩阵Uk由矩阵U的前k列组成，I为单位阵；(2.1.5)将过去矩阵Xp投影到状态空间和残差空间得到状态矩阵Z和残差矩阵E：k×NZ＝JXp∈R (8)Jh×NE＝LXp∈R (9)T(2.2)使用SFA对时序相关的特征Z进行分析，提取稳态特征S和时变特征S，分别用来表征在闭环控制系统调节下，大
声明：
“基于典型变量分析与隐马尔可夫的送风机故障预测方法” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究，如用于商业用途，请联系该技术所有人。
我是此专利(论文)的发明人(作者)
206
编辑：管理员
来源：浙江大学
分享 0
举报 0
收藏 0
反对 0
点赞 0
2025年06月06日 ~ 08日 
